基于機器視覺的微電極自動測量技術*

熊秋菊 王 悅 劉 勇 李名鴻

(①山東藥品食品職業學院醫療器械系，山東 威海 264210；②山東大學力學與機電裝備聯合工程技術研究中心，山東 威海 264209)

微細電極的制備是微細電解、電火花加工過程中不可或缺的[1-2]，微電極的尺寸及形位精度將嚴重影響到加工質量，對制備的微電極必須檢測合格才能使用。傳統的人工檢測費時費力，隨著對電極需求量的增大，人工檢測的壓力也逐漸增大，因此開發設計基于圖像檢測的微電極自動檢測的系統很有必要。

由于國外歐美制造技術，計算機技術以及自動控制技術的發展，國外檢測技術也得到快速進步。圖像檢測在醫學及遙感領域都得到了廣泛應用，在產業領域中，數字圖像測量主要有以下幾個方面：外觀檢查和篩選、視覺跟蹤、表面缺陷的自動檢查、工業材料的質量檢驗[3-6]。國外在上述領域中的研究大部分是通過生產數字圖像處理儀器的公司贊助的。隨著研究的深入，目前已經擴展到化工、鋼鐵等一般制造業。霍莫爾的AMV923是圖像檢測的代表，它能根據CCD獲得的零件圖像檢測零件的形狀誤差，速度快、精度高。

我國的圖像測量從上世紀70年代末80年代初開始發展，90年代以來，隨著圖像捕獲、計算機性能的發展，我國在圖像測量領域的研究進入一個新的階段[7-8]。哈爾濱工業大學研制的圖像式萬工顯微鏡系統，實現了對目標對象輪廓的自動掃描定位，對小尺寸零件可直接測量如厚度、孔徑直徑等參數。圖像測量技術在很大程度上解放了勞動力，提高了自動化生產水平，應用前景非常廣闊[9-10]。在國外，圖像測量技術已廣泛應用到生產生活中，我國起步較晚，雖已取得了一定進展，但仍需廣大科研人員一起努力來提高我國圖像測量檢測技術的發展水平。

本文基于數字圖像處理的理論基礎，以Windows操作系統為開發平臺，MATLAB作為編程工具，設計微電極的自動檢測系統，實現讀入電子顯微鏡下原始圖片，通過一系列處理輸出直徑尺寸與同軸度誤差。本文的主要研究內容如下：

以電化學腐蝕法制備的圓柱型和球頭兩種不同的微電極為實驗對象，用電子顯微鏡獲取微電極的原始圖片，將其進行灰度化，濾波去噪，圖像二值化，形態學處理等初級的圖像預處理后，提取邊緣輪廓。通過計算得到微電極前端有效部分直徑的尺寸，并對其同軸度誤差進行檢測，實現了微電極直徑尺寸及同軸度誤差的自動檢測，同時也為同類零件提供了自動檢測方法。

1 系統構成及檢測原理

基于微細電極實驗室的實際情況，微電極檢測系統的成功開發可以實現一定精度范圍內電極相關尺寸的精確檢測。

實驗室使用放大倍數達160倍的尼康體式顯微鏡SMZ1270獲得微電極的俯視圖，本系統讀取電極圖片后，處理圖片并獲取尺寸數據。系統的開發過程可大致分為三部分：

①對圖片先做必要的圖像處理：灰度化、二值化、中值濾波、形態學處理、去除大片背景噪聲。

圖像處理的目的是獲得清晰的電極邊緣特征，便于圖像分割處理。

②分割圖像，提取電極輪廓特征，便于后續測量。

③測量微電極直徑尺寸，采用多種方法測量微電極同軸度誤差，和人工測量值比較后，選取誤差最小的算法置入系統。

工作流程如圖1所示。

2 圖像處理

2.1 灰度化處理

圖像處理的第一步灰度化可以在保留圖像的邊緣特征的基礎上，大大減小系統的計算量，從而減少運行時間。科學表明，人的眼睛對綠色的敏感比紅色、藍色高，而藍色則相對最低，因此在灰度化過程中，系統對R、G、B三個分量按照眼睛敏感度的大小分配不同的權重。實驗表明，下式中的各系數對R、G、B三個分量進行權重分配即可得到效果良好的灰度圖像：

W1R=W2G=W3B=0.3R+0.59G+0.11B

灰度化處理后，使用mat2gray函數將像素亮度值歸一化。按上式處理后得到的灰度化后的圖片如圖2所示。

2.2 二值化處理

由于系統僅處理電極部分，圖像的背景需要和電極有明顯的區分，二值化處理可使圖像呈現出黑白分明的效果。通過對閾值的適當選取，多灰度級的彩色圖像轉換為二灰度圖像，在保留圖像整體和局部特征的基礎上，大大簡化了后續處理的工作量。

閾值的選取決定了二值化處理的效果，是后續一系列圖像處理的基礎。在MATLAB中有專門的二值化處理函數im2bw，它將在未設定閾值時自動選擇一閾值進行二值化。但應用到圖像中的效果如圖3所示。

可觀察到電極內部有嚴重丟失，效果很不理想。因此，本系統采取了一套自適應閾值選取的算法，其原理如下：

觀察待處理電極圖片后可知背景色占據了整個圖像的大部分，電極顏色與背景顏色有較明顯的不同。根據圖像的特點，本文二值化處理依據如下式：

|I(x,y)-μ|≤w×σ

上式確定了圖像背景灰度的范圍：I(x,y)為待處理圖像，系統求得圖像灰度的均值μ、圖像灰度標準差σ并確定適當的背景面積加權w(即背景面積對圖像的權重：

W=S背景面積/S圖像面積

根據電極圖像特征及多次實驗，本文取w值為0.75)，若每點的灰度值與均值的差的絕對值小于加權標準差，則將這一點劃為背景范圍內，像素置1，不在此范圍內的像素則置0。此法可根據不同圖像的情況自動確定背景色范圍，適用范圍較廣。

使用本系統方法進行二值化處理后的圖像如圖4。

最終圖像的像素點全部被置為0或1，成為了一幅二值圖像。可看出相較于MATLAB的內置函數來說，此法處理后的電極圖像較好地保存了其邊緣特征，電極和背景也得到了有效的區分。但是電極內部與背景色灰度相近的像素沒有得到有效處理，導致電極內部有小面積“空洞”。此外，在背景中存在著少量噪點，影響對輪廓的提取。因此，為去除噪點并使得電極內部完全被填充，系統需要進一步處理已經得到的二值圖像。

2.3 后續處理

得到二值圖像后，MATLAB可用medfilt2函數對圖像進行中值濾波，本文選用3×3鄰域并進行中值濾波兩次，效果如圖5。

經過中值濾波后，孤立噪點被有效去除，但電極內部區域仍然存在的大量“空洞”和背景中的大片噪聲，可使用腐蝕、膨脹等形態學處理來將其去除。

系統構造r=3的圓盤區域作為結構元素，對該圖進行腐蝕操作，黑點附近圓盤范圍內的區域將被腐蝕為黑色，腐蝕后使用bwareaopen函數刪除電極內部的小面積空洞，再將圖片黑白轉置，再次使用bwareaopen函數去除背景中的小面積噪聲。此時系統再次使用r=3的圓形結構元素對電極圖片進行膨脹，消除腐蝕操作帶來的影響。

效果圖如圖6所示。

在經過上述處理后，如果圖像中的電極已和背景有了較好的二值區分，可以進行輪廓的提取工作。

2.4 基于連通域的大片噪聲處理

在經過上述處理之后，大部分電極圖片的噪聲都被去除，可以進行輪廓提取工作，但少部分圖片的背景中依然存在大片噪聲。使用bwlabel函數標注圖像中的連通域，再用regionprops函數計算出各連通域的周長，系統檢測整幅圖片后在各個連通域的中間以紅色標號。處理好后，操作者在GUI中選擇需要保留的電極部分，系統就會自動刪除剩余的噪聲部分(圖7)。經過噪聲處理，電極圖像的處理工作全部完成，系統可提取電極輪廓。

2.5 輪廓提取

電極的輪廓包含著電極的尺寸及形位誤差等重要電極特征信息，且處理輪廓部分計算量小，操作易行，因此系統需要提取出圖像的完整邊緣特征。系統對處理后的二值圖像進行處理，其中包含輪廓信息的像素被置1，不包含輪廓信息的像素，如圖像背景及電極內部，則置為0。本文設計了提取邊緣特征的8鄰域算法，算法思路如下：每一像素點周圍的3×3鄰域稱之為8鄰域，對于一個電極中的點來說，如果此點為邊緣部分，那么它的8鄰域中必定有至少一點值不為0；如果此點位于電極內部，那么它的8鄰域中的像素則全部為0。系統程序檢測每一值為0的像素的8鄰域，若8鄰域中的8個像素都為0，則可判斷此點在電極內部，該點值不變；若8鄰域中不是所有像素都為0，則將其視作電極邊緣上的點，將這一點置1，也就是設為輪廓點。整幅圖像檢測完畢后，所有值為1的點的集合即為電極的輪廓線。

輪廓提取后的效果圖如圖8。

3 直徑與同軸度檢測

3.1 電極直徑測量

(1)單階圓柱型電極的直徑測量

在已經提取的電極輪廓圖中，系統首先將整幅圖自上而下逐列掃描，每掃描一列就將這一列的所有白點保存在集合s中，用s中的最下面的白點的行號值與最上面的行號值作差，系統將差值視作此處的電極直徑長度，并將差值保存在另一集合S中，整幅圖像掃描完畢后，每一列的電極直徑長度都被記錄了下來。

觀察可知，電極圖像中電極頭部所占面積明顯大于電極基體所占面積，待測量值是電極頭部的直徑，系統取集合S的平均值，將大于平均值(即基體部分)的部分去除，再對剩余部分取眾數L1，對區間[L1-3,L1+3]的集合取平均值L2，系統將此平均值確定為電極直徑所占像素個數。電極的真實直徑d即為L2與單位像素真實長度的乘積。

同時，系統設計了手動截取待測量電極段的操作，測量人員可對電極部分直徑進行多次測量，或測量電極特定段的直徑。

單階電極測量及結果如圖9。

(2)多階圓柱型電極的直徑測量

由于電極含多階，因此在測量過程中，操作者手動截取需要測量的各階電極段。多階圓柱型電極的直徑測量方法與單階電極的大致相同，系統同樣掃描取得集合S，在沒有電極基體的影響下，直接對集合S取眾數L，并對區間[L-2,L+2]取平均值L1，L1被視作此段電極的所占像素個數，該段電極的真實直徑d即為L1與單位像素真實長度的乘積。

多階電極測量及結果如圖10。

(3)球頭型電極的直徑測量

球頭型微電極的待測直徑分為球頭和靠近球頭的基體直徑兩部分。觀察圖像可知，球頭的直徑是整個電極中所占像素個數最多的，在逐列掃描時，系統延續了測量圓柱形電極的方法，得到集合S中最大值即為球頭直徑，記作L。

球頭直徑電極測量及結果如圖11。

由系統測試數據可知，系統對于電極的直徑測量誤差不超過5%，基本可控制在4%以內，可應用于微細加工實驗室的實際操作中。

3.2 電極同軸度誤差測量

(1)圓柱型電極同軸度誤差測量

在擬合電極及基體軸線時，系統以上述操作中測量出的直徑L(直徑占像素數量)作為臨界值，電極上下輪廓線相差在(L+5)以內的部分被記作電極頭部，相差大于(L+20)的部分被記作電極基體部分，取輪廓線縱向的中點為軸線點。系統對頭部和基體部分的中點使用最小二乘法進行直線擬合得到兩條軸線，兩條軸線的斜率雖然相差不大，但由于斜率不同，不能直接用來計算兩條軸線之間的距離。因此，本文提出了三種計算方法如下：

①將基體部分擬合軸線，得到其斜率k1與截距b1，取電極部分的靠近基體的一點作為橫坐標x0，取電極頭部分的軸線點高度均值作為縱坐標y0，將此點(x0,y0)作為電極頭部一點，以k1為電極頭部軸線的斜率，求得電極頭部軸線的截距b2=y0-k1x0，兩條軸線之間的距離T即為T=|b1-b2| 。反之，以電極頭部部分擬合出的軸線為基準計算也會得到不同的結果。

②默認兩條軸線都為水平線，將兩條軸線中點豎直方向上的差值作為同軸度偏移量。取基體部分的縱坐標集合并對其取平均值y1，再取電極頭部部分的縱坐標集合并對其取平均值y2，兩條軸線之間的距離T即為T=|y1-y2| 。

電極的同軸度誤差作為本系統的設計難點，采用了三種方法計算電極頭部與電極基體部分的同軸度誤差。在系統測試中，明顯可觀察到方法①以基體軸線為基準測得的同軸度誤差接近真實值，方法②由于只考慮到軸線斜率為0的情況使測量結果很不穩定，方法③的測量結果與人工測量值相去甚遠，不宜應用。系統將方法(1)的測量算法置入系統，可較好地保證同軸度誤差的精確度。

(2)球頭型電極同軸度誤差測量

球頭型電極同軸度的測量中，系統擬合基體部分的軸線及球頭部分的圓心，利用求得的球心坐標求取球心到直線的距離作為球頭型電極的同軸度誤差。

直線與圓的擬合效果以及同軸度測量效果如圖12～14所示。

4 結語

(1)二值化是圖像前期處理的核心步驟，以往多手動或半手動確定二值化閾值，本文參考相關文獻，設計了新的加權標準差法確定電極圖像的閾值范圍，避免反復調試閾值的不便，也能更精確地反映電極邊緣特征。

(2)本文設計了連通域面積識別法，用以對進行過一系列處理后僅剩大片噪聲的圖片做最后一步處理，去掉大片噪聲僅保留目標電極，操作簡潔，準確度高。

(3)電極的同軸度誤差在二維圖中不便測量，本文用了三種方法大致擬出了電極的同軸度誤差，并且選用 了誤差相對最小的“以電極基體部分斜率為基準”的算法計算電極的同軸度偏差量，使結果更加精確，應用范圍更廣。

本文設計了微細電極自動檢測系統。對顯微鏡下采集的原始圖像進行閾值分割，濾波以及形態學處理，準確地提取了微電極的邊緣輪廓。用最小二乘法對中心點集合與球頭輪廓進行直線與圓的擬合，使用一定的算法分析處理測量直徑尺寸與同軸度誤差。實踐證明：本文對直徑尺寸的測量誤差控制在4%以內，驗證了圖像處理測量同軸度的可行性，為同類零件的自動化測量提供了有益的參考。

[1]劉勇, 曾永彬. 微小結構高效電解銑削加工試驗研究[J]. 制造技術與機床, 2014(6): 114-119.

[2]Sheu D Y. Micro-spherical probes machining by EDM[J]. Journal of Micromechanics & Microengineering, 2005, 15(1):185-189.

[3]劉云秀,王秋江,劉晶. 基于圖像分析的幾何尺寸比較測量方法研究[J]. 吉林工程技術師范學院學報,2013(10): 88-90.

[4]江暉,蔡飛飛,羅郁雯. 基于MATLAB的數控機床在線測量技術[J]. 工具技術,2016，50(4):91-94.

[5]劉平,張玉. 同軸度誤差的解析評定與幾種計算機算法[J]. 計量學報,1991(1):16-21.

[6]沈先釗. 圓度、圓柱度和同軸度計算機測量數據最小區域法處理算法研究[J].中國機械工程,2003，14(17):1472-1473.

[7]馮衛東. 工業零件形狀尺寸圖像檢測技術研究[D].長沙：中國人民解放軍國防科學技術大學,2002.

[8]楊敏,葉邦彥,牟麗,等. 機械零件視覺檢測圖像二值化處理[J]. 現代制造工程,2003(11):54-56.

[9]楊慕升, 熊秋菊. 基于數字圖像處理的微內孔質量檢測技術[J]. 制造技術與機床, 2009(1):112-115.

[10]王磊,梅濤,孔令成,等. 基于視覺技術的扣式電池自動檢測系統設計[J]. 儀表技術,2011(8)：5-7,10.