基于圖像識別技術的鋼球精確計數方法

王忠山，李彥清，任濤

（長春理工大學 機電工程學院，長春 130022）

目前國內外對于軸承鋼球的計數方法，通常采用人工稱重計數法，即使用電子秤或天平等稱重裝置稱量鋼球的重量來計數。由于鋼球表面附有防銹油和人工讀數的誤差等原因，導致稱重方法計數不夠準確。為保證提供的鋼球數量足夠裝配軸承，鋼球生產企業在稱重計數過程中往往以千分之三的比例多提供鋼球，造成不必要的浪費。國內研究的其它計數方法，如昆明理工大學研制的鋼球自動計數及排列裝置和西安工程大學研制的鋼球自動計數裝置，采用光電計數或者霍爾傳感器計數方法對鋼球進行多通道計數［1］。這些計數方法，對鋼球的排列有較高的要求，要求鋼球逐一通過傳感器檢測區域，檢測效率較低，無法實現產業化生產。因此對鋼球快速精確計數方法的研究具有十分重要的現實意義。

1 圖像計數工作原理

選用與鋼球亮度差別較大的深色（黑色）平面作為鋼球的計數背景。鋼球圖像計數基本工作原理是利用鋼球與背景的灰度差，用工業CCD相機拍攝計數盤中單層鋼球的圖像，其工作原理如圖1所示。

鋼球在可見光照射下，相當于球面鏡，CCD拍攝的圖像大致為圓形，其中心最亮，從中心沿半徑向外，亮度越來越低。根據這一特性，設置合適的二值化灰度閾值，對鋼球的圖像進行二值化處理。將灰度值大于等于該閾值的像素點灰度值替換為255（白），灰度值小于該設定閾值的像素點的灰度值替換為0（黑），如圖2所示。圖2左圖為二值化前的鋼球圖像，由中心向四周灰度逐漸降低，沒有明顯分界。右圖為二值化處理后圖像，中間有一亮斑，四周有明顯邊界。

圖1 圖像計數工作原理

圖2 單個鋼球圖象二值化前后對比

鋼球在計數盤上是無序排列的，會緊靠在一起。選擇一個合適的二值化灰度閾值可以確保二值化后每個鋼球圖象形成的白色區域不相連接，使各個鋼球圖像之間相互獨立，成為孤立的像素群。同時灰度閾值的選取應保證每個鋼球的圖像有足夠的像素值用于計數，如圖3所示。

圖3 多鋼球圖像二值化前后對比

針對二值化后圖像中的白色區進行計數，經過圖像處理之后每個鋼球的圖像成為獨立的像素群。根據鋼球圖像的像素值范圍，設置一個合適的像素閾值區間，當一個白色區域的像素個數滿足該閾值區間時，確定為一個鋼球形成的圖像，即確定為一個鋼球。當一個白色區域的像素值不滿足該閾值區間時，認為是干擾形成的圖像，即不是鋼球。采用像素坐標掃描法，在計數區域內，沿X，Y兩坐標方向逐行掃描，每個孤立像素群即記為一枚鋼球，逐行掃描后，被確定的鋼球圖像的總數就是盤中鋼球的數量。

2 圖像識別技術

2.1 光源的選擇

鋼球圖像的灰度值與光源有很大關系，因此在試驗中測試了自然光、日光燈、LED等多種光源對圖像質量的影響。試驗結果證明，每種光源都可以實現精確計數。通過試驗比較分析，采用藍色LED燈陣列。在CCD相機鏡頭前加濾光片，只允許藍色光通過，從根本上解決了其它雜光對CCD相機成像質量的干擾［2，3］。

2.2CCD相機選擇

由于圖像的二值化需要首先將圖像轉化成灰度圖，為了提高成像質量與加快處理速度，選用了北京微視科技有限公司的MVC系列黑白工業CCD攝像頭。該系列攝像頭采用了USB2.0標準接口，直接輸出灰度圖像，并且提供了SDK開發包，方便了編程中的直接調用。

2.3 雙灰度閾值算法

同一規格鋼球的尺寸及表面光潔度基本相同，但是個別鋼球由于光源入射角度不同或表面灰塵等原因，亮度與其它鋼球相比明顯較低（如圖4（a）圓圈中標出）。為了提高此類鋼球的識別率，采用雙灰度閾值算法，兩次二值化的方式進行數字化圖像處理［5，6］。即用高灰度閾值進行一次二值化，再進行一次低灰度閾值二值化。為了便于區分，在二值化過程中，采用了RGB三色標記的方法。將滿足高灰度閾值的鋼球圖像標記為綠色，將滿足低灰度閾值的鋼球圖像標記為藍色。在對像素群掃描計數過程中，兩次二值化的結果，即綠色和藍色圖像，均記為鋼球，如圖4（b）所示。

在圖像的二值化中，最常用的二值化算法為固定門限二值化法。取灰度值T1、T2作為雙灰度閾值門限，設u(i,j)為每個像素點二值化圖像的灰度值，采用以下算法對圖像進行二值化處理：

公式（1）是以灰度值T1為閾值進行第一次二值化處理，公式（2）是以灰度值T2為閾值進行第二次二值化處理，經過兩次二值化計算后，符合灰度值T1的像素標記為綠色，否則不變；符合灰度值T2的像素標記為藍色，否則不變。由此便實現了物像與背景分離和信息壓縮，如圖4所示。

圖4 圖像雙灰度閾值二值化前后對比

3 干擾圖像的去除算法

由于鋼球表面涂有防銹油，油滴不可避免會附著在計數盤上形成干擾圖像，影響正常的圖像識別。當計數盤與水平面呈一定角度傾斜放置時，鋼球由于自重會緊密排列。而油滴附著在計數盤上，呈分散排列。所以采用的去除干擾算法為：（1）去除過大或過小的像素群，認為是干擾形成的圖像。（2）計算每個獨立像素群的中心點坐標。像素群中心點的X、Y坐標，用像素坐標的平均值近似計算。計算出每兩個相鄰像素群的中心距，根據緊密排列相鄰鋼球圖像的中心距范圍，設置合適的中心距區間。如果某個像素群與其相鄰像素群中心距不滿足該設定的區間，則判定為油滴圖像。被判定為油滴的像素，標記為紅色，掃描計數時不計入鋼球數量，如圖5所示。實驗證明，用上述方法可以有效地去除油滴圖像干擾，達到精確計數的目的［4］。

圖5 去除油滴圖像干擾

4 結論

本文介紹了一種基于圖像識別技術的鋼球計數方法。采用雙灰度閾值算法對所采集的鋼球圖像進行二值化圖像處理，對計數區域內的像素群掃描計數，并且考慮了干擾圖像的去除算法。經過樣機實驗證明，該方法可以對多種尺寸的鋼球進行精確計數，計數結果具有較高的可靠性。經過適當改進，該計數方法也可以拓展到其它類似產品的精確計數。

［1］詹磊，楊尚平，鄧永明，等.鋼球自動計數及排列裝置［P］.云南：CN201737482U，2011-02-09.

［2］李小龍，馬占鴻，孫振宇，等.基于圖像處理的小麥條銹病菌夏孢子模擬捕捉的自動計數［J］.農業工程學報，2013（2）：199-206.

［3］駱志堅.一種棒材自動計數檢測系統的研究與應用［D］.杭州：浙江大學，2005.

［4］康牧.圖像處理中幾個關鍵算法的研究［D］.西安：西安電子科技大學，2009.

［5］Li Chuyan，Jia Xinyu，Li Haiyu，et al.Digital image processing technology applied in level measurement and control system［J］.Procedia Engineering，2011（24）：226-231.

［6］Wang Liang，Jin Xiaofeng，Fei Yunjian.Image noise reduction based on superposition algorithm used in Xray imager［J］.ProcediaEngineering，2010（7）：286-289.