基于亞像素邊緣檢測的高精度圓孔參數(shù)測量方法研究

錢 斌，郭國強(qiáng)，邱 磊，王福偉，金 露，伏燕軍

(1.南昌航空大學(xué) 無損檢測技術(shù)教育部重點實驗室,江西 南昌 330063；2.上海航天精密機(jī)械研究所,上海 201600)

基于亞像素邊緣檢測的高精度圓孔參數(shù)測量方法研究

錢 斌1，郭國強(qiáng)2，邱 磊1，王福偉1，金 露1，伏燕軍1

(1.南昌航空大學(xué) 無損檢測技術(shù)教育部重點實驗室,江西 南昌 330063；2.上海航天精密機(jī)械研究所,上海 201600)

為改善用機(jī)器視覺對圓孔參數(shù)測量結(jié)果，減小誤差，在利用圓形標(biāo)定板標(biāo)定像素當(dāng)量的基礎(chǔ)上，對一種基于亞像素邊緣檢測的高精度圓孔參數(shù)測量方法進(jìn)行了研究。用改進(jìn)的Zernike矩亞像素邊緣檢測方法對邊緣點作進(jìn)一步的細(xì)化和篩選，用7×7模板替代原5×5模板，設(shè)計新閾值判斷標(biāo)準(zhǔn)檢測亞像素邊緣，再對檢測到的邊緣點偏離像素進(jìn)行抑制以獲得更精確的圖像邊緣點；用最小二乘法進(jìn)行圓形擬合獲得圓形參數(shù)。給出了改進(jìn)算法的基本步驟。用實驗討論了在自然光條件下，相機(jī)曝光亮度，以及相機(jī)與被測物體距離對測量結(jié)果的影響。結(jié)果表明：改進(jìn)的方法對環(huán)境適應(yīng)性強(qiáng)，易實現(xiàn)，曝光亮度30～50時測量精度較好；相機(jī)與物體距離50～60 cm時，測量精度可達(dá)0.02 mm。該法在高精度的工業(yè)檢測中有廣泛的應(yīng)用前景。

圓孔參數(shù)測量； Zernike正交矩； 亞像素邊緣檢測； 最小二乘擬合； 標(biāo)定板； 像素當(dāng)量； 曝光亮度； 邊緣點

0 引言

航天工業(yè)中，常需要在無裝夾狀態(tài)下對加工后的工件上的圓孔位置與尺寸(如圓心及半徑等幾何參數(shù))進(jìn)行檢測，將最終的測量數(shù)據(jù)導(dǎo)入CAD軟件與原始設(shè)計數(shù)據(jù)進(jìn)行比對，如有誤差，可控制反饋系統(tǒng)進(jìn)行補(bǔ)償。目前，國內(nèi)多數(shù)廠家采用人工方法檢測工件上的圓孔幾何參數(shù)。該方法檢測效率低、精度低、成本高。圓孔在航天工件上大量存在，因此研究快速、高精度的圓孔測量系統(tǒng)和測量算法對航天工業(yè)生產(chǎn)有重要意義，其中基于機(jī)器視覺的圓孔參數(shù)測量在自動化檢驗和裝配領(lǐng)域?qū)⒂袕V泛的應(yīng)用前景[1-3]。

獲取圖像的邊緣信息和像素當(dāng)量標(biāo)定是基于機(jī)器視覺測量方法的兩個重要方面。邊緣點定位的準(zhǔn)確性會影響最終的檢測結(jié)果，而像素當(dāng)量是單個像素對應(yīng)的實際物理距離，像素當(dāng)量標(biāo)定的準(zhǔn)確性直接影響測量精度[4-6]。常用的邊緣檢測方法是利用灰度圖像的一階或二階導(dǎo)數(shù)進(jìn)行邊緣定位。一階微分圖像邊緣檢測算子通常是基于對圖像梯度的幅值進(jìn)行閾值化提取邊緣，常用的一階導(dǎo)數(shù)算子有Sobel算子、Roberts算子和Prewitt算子[7-9]。一階導(dǎo)數(shù)算子計算簡單、抗噪能力弱，易將噪聲誤檢為邊緣。二階微分邊緣檢測算子通常用于計算圖像的二階方向?qū)?shù)的零交叉點或極值位置，將其作為檢測圖像的邊緣。經(jīng)典二階微分邊緣檢測算子主要有Laplacian算子、Log算子和 Canny算子等[10-11]。其中：Laplacian算子對噪聲較敏感，檢測時受噪聲影響常出現(xiàn)錯誤邊緣；Log算子是對Laplacian算子的改進(jìn)，但檢測邊緣與消除噪聲存在矛盾；因加入了非極大值抑制和形態(tài)學(xué)連接操作，Canny算子提取的邊緣最完整且邊緣連續(xù)性較好[11]。上述算子定位精度均是像素級。近年來隨著對測量精度要求的提高，傳統(tǒng)邊緣檢測算子已不能滿足高精度測量的要求，研究圖像亞像素細(xì)分算法有重要的意義。文獻(xiàn)[12]提出用空間矩檢測邊緣，但其計算量較大且易出現(xiàn)多余的信息。文獻(xiàn)[13]提出用 Zernike矩進(jìn)行邊緣檢測。該算法只需要Zernike 矩3 個就可計算出參數(shù)4 個，計算速度較快，因此受到了廣泛關(guān)注。傳統(tǒng)Zernike矩邊緣檢測算法未考慮模板效應(yīng)，定位精度較低。文獻(xiàn)[14]在考慮模板效應(yīng)的基礎(chǔ)上檢測圖像的亞像素邊緣，由于采用傳統(tǒng)的邊緣判斷條件導(dǎo)致檢測到的邊緣較粗。文獻(xiàn)[15]在計算7×7模板的基礎(chǔ)上改進(jìn)了傳統(tǒng)邊緣判定條件，獲得了較細(xì)的邊緣，但因閾值變化對檢測結(jié)果影響較大，導(dǎo)致調(diào)節(jié)較難。文獻(xiàn)[16]綜合Canny 算子和Zernike 矩亞像素邊緣定位，用最小二乘橢圓擬合法定位微零件的中心位置，但其進(jìn)行亞像素定位時使用了傳統(tǒng)Zernike矩亞像素定位算法，邊緣定位精度較低。本文在文獻(xiàn)[14-22]的基礎(chǔ)上，提出了一種改進(jìn)的Zernike矩亞像素邊緣檢測方法。研究了新的閾值判斷條件，并對檢測出的邊緣點進(jìn)行細(xì)化和篩選，得到較精確的亞像素邊緣點，再用最小二乘法擬合圓孔，檢測圓孔參數(shù)，并分析了自然光條件下用本文算法測量時相機(jī)曝光亮度，以及相機(jī)與被測物體距離對測量精度的影響。

1 基于Zernike矩亞像素邊緣檢測方法

1.1 Zernike矩

圖像f(x，y)的二維Zernike 矩可表示為

(1)

式中：m，n為整數(shù)，同時滿足條件n≥0,n-|m|為偶數(shù)且|m|≤n；Vnm(ρ,θ)為積分核函數(shù)；ρ為原點至像素(x，y)的向量距離；θ為ρ，x間逆時針方向的夾角[13]。

在離散條件下，圖像f(x，y)的二維Zernike矩在滿足x2+y2≤1條件下也可表示為

(2)

1.2 Zernike矩邊緣定位

(3)

亞像素邊緣定位的基本模型如圖1所示。其中：圓為單位圓；直線L為邊緣上的直線，圓內(nèi)L兩側(cè)的灰度值分別為s，s+t；t為灰度差；l為原點至邊的理論距離；α為l與x的夾角。圖1(a)中的兩條虛線段ab，cd對應(yīng)在不同階次的Zernike矩條件下的圖像邊緣，l1，l2為原點距線段ab，cd的距離。

根據(jù)旋轉(zhuǎn)不變性，并考慮模板的放大效應(yīng)，可得亞像素邊緣檢測公式為

(4)

式中：(xs，ys)為邊緣的亞像素坐標(biāo)；(x，y)為未細(xì)化的坐標(biāo)點；N為模板大小。

2 改進(jìn)的Zernike矩亞像素邊緣檢測方法

傳統(tǒng)Zernike矩邊緣檢測用三個矩

步驟1)計算7×7的模板[M00,M11,M20,M31,M40]。

步驟2)將步驟1算得的模板與原圖像進(jìn)行卷積計算得[Z00,Z11,Z20,Z31,Z40]。

步驟3)計算α。

步驟4)計算l1，l2，l。此處l=(l1+l2)/2。

步驟5)計算s，t。

步驟7)確定圖像中滿足|t|≥τ的像素點，定為邊緣點。

步驟8)用式(4)對得到的邊緣點進(jìn)行細(xì)化，得到亞像素邊緣點坐標(biāo)。

步驟9)對步驟8獲得的邊緣點進(jìn)行抑制：若細(xì)化的邊緣點坐標(biāo)偏離像素值過大則舍去，在此設(shè)置最大允許偏離0.5像素。

步驟10)保存步驟9中得到的亞像素邊緣點坐標(biāo)并對圖像進(jìn)行分塊，用最小二乘擬合法擬合所得的邊緣點坐標(biāo)分塊，得到各圓的邊緣、圓心坐標(biāo)和半徑。

為驗證改進(jìn)的Zernike矩亞像素邊緣檢測方法的有效性，在其他實驗條件相同的情況下，用本文提出的算法和傳統(tǒng)Zernike矩算法對同一幅圖進(jìn)行檢測，測量結(jié)果如圖2 所示。

由圖2可知：用本文的改進(jìn)算法對邊緣進(jìn)行檢測，由于改變了閾值判斷條件并加入了對邊緣點的抑制，檢測得到的是部分精確的邊緣點，細(xì)化了邊緣；傳統(tǒng)算法雖然可檢測出較完整的邊緣但邊緣點定位精度較差，偽邊緣點數(shù)量較多，用檢測到的邊緣點進(jìn)行圓擬合時的效果較差。

3 實驗結(jié)果與分析

測量系統(tǒng)由CCD相機(jī)、位移導(dǎo)軌、圓形標(biāo)定板和臺式電腦組成。其中：CCD相機(jī)為basler acA1600-20gm相機(jī)，分辨率為1 626×1 236像素，搭載焦距16 mm的工業(yè)鏡頭； 2.8 GB內(nèi)存臺式電腦1臺；圓形標(biāo)定板1塊，圓心距18.747 mm，半徑2.514 mm，這些參數(shù)用二維影像儀得到。實驗時不使用特殊光源，利用實驗室自然環(huán)境光源。

先對相機(jī)進(jìn)行垂直度標(biāo)定，然后采集圖片。本文共采集圖片4組，每組有圖3幅，同組3幅圖片的曝光亮度相同，其中：第一組圖片曝光亮度0～125；第二組圖片曝光亮度0～75；第三組圖片曝光亮度0～50；第四組圖片曝光亮度0～25。此處：曝光亮度定義為通過調(diào)節(jié)相機(jī)曝光度改變相機(jī)接收到的圖像亮度。一般情況下，曝光度越大，相機(jī)接收到的圖像亮度越大，曝光亮度也就越大。

3.1 第一組圖片測量對比實驗

為分析相機(jī)至標(biāo)定板中心的距離對測量結(jié)果的影響，對第一組圖片，在相機(jī)與標(biāo)定板距離分別為60，80，100 cm條件下采集圖片，所得標(biāo)定板圖像如圖3所示。

用本文算法檢測距離60 cm(圖3(c))的中心區(qū)域9個圓，結(jié)果如圖4所示。根據(jù)圖4算得的圓半徑及圓心坐標(biāo)見表1。計算中心圓圓心至其周邊8個圓心的像素距離，已知圓心間的實際長度，通過計算實際長度與像素距離的比值，可得8個像素當(dāng)量，計算其平均值得到像素當(dāng)量0.163 9 mm。平均半徑長度15.564 1像素，其半徑的平均物理長度2.551 0 mm，標(biāo)準(zhǔn)長度2.514 mm，誤差0.037 0 mm，圓心的測量誤差0.015 2 mm。

表1 圓半徑長度及圓心坐標(biāo)

用相同計算方法可得距離80，100 cm時的像素當(dāng)量分別為0.212 1，0.261 8 mm；半徑平均物理長度2.569 7，2.597 2 mm。

當(dāng)圖像分辨率分別為300× 300，250×250，200×200時，在Matlab平臺上計算并顯示結(jié)果的時間分別為0.073 ，0.070 ，0.066 s。

3.2 其余三組圖片測量對比實驗

為進(jìn)一步分析相機(jī)曝光亮度、相機(jī)和被測物體

距離對測量精度的影響，在實驗室其他條件相同的情況下，利用其余三組圖片對圓形半徑長度進(jìn)行對比檢測，所得第二、三、四組標(biāo)定板圖像分別如圖5～7所示。用相同方法算得三組不同像素當(dāng)量和實驗圓形半徑誤差分別見表2、3。由表3可知：當(dāng)灰度相同時，相機(jī)與被測物體距離越遠(yuǎn)，測量精度就越低；灰度越低，測量精度越高。因此，用本文算法進(jìn)行測量時，當(dāng)曝光亮度不變，物體與相機(jī)距離增大，會降低其測量精度；當(dāng)距離不變，曝光亮度較低時會獲得較高的測量精度。

3.3 實際圓孔測量實驗

用本文方法對平均內(nèi)半徑2.5 mm的小圓孔和平均內(nèi)半徑11.19 mm的大圓孔進(jìn)行測量，內(nèi)半徑值由三坐標(biāo)測量機(jī)得到。圓孔如圖8所示。

組別像素當(dāng)量/mm距離60cm距離80cm距離100cm201639021520268130164002117026794016340212002682

表3 半徑計算誤差

根據(jù)前文實驗結(jié)果，取相機(jī)與被測物體距離55 cm，曝光亮度0～50，實驗采集的不同圓孔結(jié)果如圖9所示，圓孔測量效果如圖10所示。為便于人眼識別，對圖10增大對比度，結(jié)果如圖11所示。

用標(biāo)定板標(biāo)定獲得的像素當(dāng)量0.158 1 mm，標(biāo)定總體誤差0.010 5 mm，半徑的平均長度15.834 0像素。對小圓孔進(jìn)行測量，得到其半徑長度15.735 3像素，算得其半徑的物理長度2.487 8 mm。對大圓孔進(jìn)行測量，因用標(biāo)定板上的圓標(biāo)定時其測量范圍相對較小，測量區(qū)域變大時誤差會隨測量區(qū)域增大而增大，故當(dāng)測量區(qū)域增大時需對測量結(jié)果進(jìn)行誤差補(bǔ)償。測量誤差增大的原因主要是像素數(shù)增加導(dǎo)致的累加誤差。其中誤差包括兩種情況：一是隨著測量區(qū)域增大向真值的負(fù)方向移動；二是向正方向移動。因此，誤差補(bǔ)償時需確定對像素當(dāng)量的增加或減少，比較標(biāo)定得到的半徑長度與真實半徑長度，若大于則減去補(bǔ)償量，否則加上補(bǔ)償量。本文實驗時標(biāo)定得到半徑的物理長度2.503 4 mm，小于真實半徑長度2.514 mm，誤差補(bǔ)償時應(yīng)加上補(bǔ)償量。具體補(bǔ)償方法如下：先用標(biāo)定總體誤差除以半徑的平均長度，得到每個像素的誤差補(bǔ)償量0.000 631 mm。設(shè)半徑為r，像素當(dāng)量為m，半徑像素長度為r1，補(bǔ)償量為n，則補(bǔ)償后的實際的半徑長度r=r1(m+n)。可算得大圓孔的半徑長度70.574 4像素，補(bǔ)償后半徑實際長度11.202 3 mm，誤差0.012 3 mm。

4 結(jié)束語

本文提出了用一種改進(jìn)的Zernike矩亞像素邊緣檢測和最小二乘擬合結(jié)合的方法檢測圓孔參數(shù)，并分析了相機(jī)的曝光亮度，以及相機(jī)與被測物體距離對測量精度的影響。本文對傳統(tǒng)Zernike矩亞像素細(xì)分算法進(jìn)行了改進(jìn)，提出了一種改進(jìn)的Zernike矩亞像素邊緣檢測方法，研究了新的閾值判斷條件，對亞像素細(xì)分的邊緣點進(jìn)行了細(xì)化和篩選，以使檢測的邊緣點更準(zhǔn)確，圓的擬合時精度更高。研究發(fā)現(xiàn)：第一，在自然光環(huán)境中，相機(jī)與被測物體距離相同時，曝光亮度30～50的測量精度較好；曝光亮度一定時，相機(jī)與被測物體距離越近，測量精度越高。第二，機(jī)器視覺測量系統(tǒng)存在多種誤差，故在測量時應(yīng)根據(jù)需要進(jìn)行誤差補(bǔ)償以消除或減小誤差。本文分析了測量區(qū)域增大時誤差變大的原因，并給出了誤差的補(bǔ)償方法。實驗證明采用誤差補(bǔ)償后可獲得較高的測量精度。第三，影響本文方法測量精度的因素主要有四個，一是獲取圖像邊界的對比度，對比度越大測量精度就越高；二是相機(jī)與物體的距離，距離越近圖像分辨率越高，測量精度越高；三是測量范圍，測量范圍變大時，由于鏡頭畸變的因素，測量精度會降低；四是被測物體孔徑，被測物體孔徑增大時測量精度將降低。本文的視覺測量系統(tǒng)易于實現(xiàn)，適于一般的測量環(huán)境，在實際檢測中精度可達(dá)0.02 mm，實現(xiàn)了圓孔參數(shù)高精度的測量，對實現(xiàn)快速高精度的工業(yè)圓孔檢測有重要的意義。

[1] 吳德剛, 趙利平. 基于機(jī)器視覺的圓孔尺寸測量系統(tǒng)研究[J]. 應(yīng)用光學(xué), 2013, 34(6): 1014-1018.

[2] 鮑晨興, 王磊, 李凱, 等. 基于CCD的葉片氣膜孔快速檢測技術(shù)研究[J]. 航空精密制造技術(shù), 2017, 53(2): 52-54.

[3] 何永輝, 王康健, 石桂芬. 基于機(jī)器視覺的高速帶鋼孔洞檢測系統(tǒng)[J]. 應(yīng)用光學(xué), 2007, 28(3): 345-349.

[4] 陳會, 密保秀, 高志強(qiáng). 基于畸變規(guī)律的三維結(jié)構(gòu)光測量系統(tǒng)標(biāo)定[J]. 光學(xué)學(xué)報, 2013, 33(12): 1215002.

[5] 段振云, 王寧, 趙文輝, 等. 基于點陣標(biāo)定板的視覺測量系統(tǒng)的標(biāo)定方法[J]. 光學(xué)學(xué)報, 2016, 36(5): 0515004.

[6] 劉子騰, 白瑞林, 王秀平. 視覺標(biāo)定中圓心投影點精確定位[J]. 激光與光電子學(xué)進(jìn)展, 2015, 52(9): 091001.

[7] HU T, WU H L, LIU G D. Study of micro-vision calibration technique based on SIFT feature matching[C]// The 5th International Conference on Computer and Computing Technologies in Agriculture. Beijing: [s. n.], 2012: 270-276.

[8] ROBERTS L G. Machine perception of three-dimension solids[M]. Cambridge: MIT Press, 1965.

[9] PREWITT J M. Object enhancement and extraction[M]. New York: Academic Press, 1970.

[10] MARR D, HILDRETH E C. Theory of edge detection[C]// Proceedings of the Royal Socity. London: [s. n.], 1980, B207: 187-217.

[11] CANNY J. A computational approach to edge[J]. IEEE Trans PA-MI, 1986(8): 679-698.

[12] LYVERS E P, MITCHELL O R. Subpixel measurements using a moment-based edge operator[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1989, 11(12): 1293-1307.

[13] GHOSAL S, MEHROTRA R. Orthogonal moment operators for subpixel edge detection[J]. Pattern Recognition, 1993, 26(2): 295-306.

[14] 李金泉, 王建偉, 陳善本, 等. 一種改進(jìn)的Zernike正交矩亞像素邊緣檢測算法[J]. 光學(xué)技術(shù), 2003, 29(4): 499-503.

[15] 高世一, 趙明揚(yáng), 張雷, 等. 基于Zernike正交矩的圖像亞像素邊緣檢測算法改進(jìn)[J]. 自動化學(xué)報, 2008, 34(9): 1164-1167.

[16] 祝宏, 曾祥進(jìn). Zernike 矩和最小二乘橢圓擬合的亞像素邊緣提取[J]. 計算機(jī)工程與應(yīng)用, 2011, 47(17): 148-150.

[17] 丁興號, 鄧善熙, 楊永躍, 等. 基于空間矩和Zerinke矩的亞像素邊緣檢測[J]. 應(yīng)用科學(xué)學(xué)報, 2004, 22(2): 191-194.

[18] 魏本征, 趙志敏, 華晉. 基于改進(jìn)形態(tài)學(xué)梯度和 Zernike 矩的亞像素邊緣檢測方法[J]. 儀器儀表學(xué)報, 2010, 31(4): 838-844.

[19] 崔繼文, 譚久彬. 基于 Zernike 矩的亞像素邊緣定位算法[J]. 光學(xué)技術(shù), 2005, 31(5): 779-782.

[20] 胡樹杰. 基于Zernike矩的亞像素邊緣檢測改進(jìn)算法[J]. 制造業(yè)自動化, 2012(9): 4-6.

[21] LIU X D, EHRICH R W. Subpixel edge location in binary images using dithering[J]. IEEE Trans on Pattern Analysis and Machine Intelligence, 1995, 17(6): 629-634.

[22] 楊浩, 裴蕾, 李昌順. 基于Zernike矩亞像素邊緣檢測的快速算法[J]. 光學(xué)學(xué)報, 2011, 28(11): 4831-4835.

ResearchonParametersMeasurementMethodofHighPrecisionCircleHoleBasedon
SubpixelEdgeDetection

QIAN Bin1， GUO Guo-qiang2， QIU Lei1， WANG Fu-wei1， JIN Lu1， FU Yan-jun1

(1. Key Laboratory of Nondestructive Testing (Ministry of Education), Nanchang Hangkong University, Nanchang 330063, Jiangxi, China;2. Shanghai Spaceflight Precision Machinery Institute, Shanghai 201600, China)

In order to improve the measurement results and reduce the error using machine vision, a high accuracy measurement method of circle hole parameters based on subpixel edge detection was studied in this paper, which was to calibrate the pixel equivalent on the base of circle calibration plate. The edge points were further refined and filtered using an improved Zernike moment subpixel edge detection method. The 5×5 plate was taken place by the 7×7 plate. The new threshold judgment criterion was designed to detect the subpixel edge. The deviation pixel detected of the edge was suppressed to obtain more accurate picture edge. The circle parameters were gained by circle fitness using the least squares method. The process of the improved method proposed was presented. The effect of the camera exposure brightness and the distance between the camera and the measured object on the measurement result was discussed by the experiment. The results show that the improved method has a strong ability to adapt to the environment and is easy to be realized. The measurement accuracy is high when the exposure brightness is 30～50. The measurement accuracy can reach 0.02 mm when the distance between the camera and object is 50～60 cm. The method proposed has wide application prospect in high precision industrial inspection.

circle hole parameters measuring; Zernike orthogonal moment; subpixel edge detection; the least squares fitness; calibration plate; pixel equivalent; exposure brightness; edge point

1006-1630(2017)06-0126-07

TP391.4

A

10.19328/j.cnki.1006-1630.2017.06.020

2017-06-08；

2017-11-07

國家自然科學(xué)基金資助(61661034)；江西省自然科學(xué)基金資助(20161BAB206116)；江西省重點研發(fā)計劃資助(20171BBE50012)；上海航天科技創(chuàng)新基金資助(SAST2015046)；南昌航空大學(xué)研究生創(chuàng)新基金資助(YC2016052)

錢 斌(1993—)，男，碩士生，主要研究方向為三維測量、光電測試技術(shù)、信號與信息處理、機(jī)器視覺等。