光切顯微鏡圖像提取系統的數字化改造分析

武國新

（南陽技師學院，河南 南陽 473000）

光切顯微鏡在工件測量領域中發揮出十分關鍵的作用，但在以往的操作中，大多是實驗人員通過肉眼觀察，并通過手工調整讀數，這樣的方法往往會受到主觀因素的影響，進而存在誤差較大的問題。而且，整體測量的效率較低，對于工件表面粗糙度測量精度的提升幫助不大。針對這樣的情況，可以對光切顯微鏡進行數字化改造，也就是改造光切顯微鏡原本的圖像提取系統，加裝數字攝像頭，有效提升顯微鏡的測量效率與精度，其測量誤差也可以減小4%～6%。

1 光切顯微鏡測量原理與構成

1.1 測量原理

光切顯微鏡當前被有效應用于工件的表面測量中，圖1 為光切法具體的應用原理。由光源發出光線經過狹縫照射，通過物鏡形成光帶并以45°的角度照射在被測物體表面[1]。由于狹縫亮帶邊緣具有平直特征，因此光帶照射在不平表面上的時候，其光線所產生的波峰與波谷會分別進行反射，二者的反射點分別是S 點與S，點。在顯微鏡的觀察下，透過物鏡成像體現在a和a，點，通過觀察，實驗人員可以對呈現在工件表面上的亮帶進行測量，進而計算出兩點之間的距離N，得出被測物體表面微觀不平深度h，其公式為：

圖1 光切顯微鏡工作原理示意圖

公式中，V 表示的是顯微鏡物鏡放大倍數。在對光切顯微鏡進行改造的時候，可以保留顯微鏡其他特征，只將照相機更換為數字攝像頭。而且數字攝像頭在工作期間可以通過通訊連接線與計算機通訊接口相連，確?？梢詫@取到的圖像傳遞到計算機，幫助實驗人員對圖像進行提取等后續操作，同時為以往顯微鏡測量中存在的人工調節儀器和讀數不精確、測量結果受人為主觀因素影響大、工件表面測量效率較低等問題提供解決方案[2]。

1.2 儀器構成

光切顯微鏡包括多個構成部分，其中立柱安裝在基座上，橫臂將立柱與顯微鏡主體連接起來。在轉動手輪的調節下，橫臂可以沿著立柱上下移動，并可以對顯微鏡進行粗調焦。殼體內安裝有光學系統，其中包括物鏡組、測微目鏡等，基于粗調焦還可以進一步借助微調手輪實現精調焦。將照相機安裝在插座上，與測微目鏡共同使用。與此同時，實驗人員可以操作旋轉手輪調整坐標工作臺。值得注意的是，工作臺表面大多只能放置平面工件，而圓柱形工件可以放置在V 形塊上。

光切顯微鏡的數字化改造即將照相機替換為數字攝像頭，并將其與計算機系統連接。在此過程中，工件表面不平深度h 的計算公式為：

公式中C 表示圖像表面不平深度成像高度，求取時可直接在圖像上測量；M 為系統的總放大倍數，成像高度值與標準刻度尺選定段之間的比值就是放大倍數M。

在進行工件表面粗糙度檢測的過程中，確定顯微鏡的放大倍數是其中的關鍵環節，其結果的精確程度也會直接對儀器精度造成影響，因此在開展測量工作之前需要先對放大倍數進行測定。

2 光切顯微鏡圖像提取系統運行

2.1 圖像提取

2.1.1 圖像采集控制

在對工件進行粗糙度檢測之前，需要針對其待測表面進行圖像采集，這一環節需要用到光切顯微鏡、圖像傳感器以及圖像采集卡，具體操作流程為：利用光切顯微鏡采集圖像，在數字攝像頭的應用下，通過圖像傳感器形成光切圖像，并借助光敏單元將圖像信息轉化為視頻信號，隨后，通過數字攝像頭將視頻信號傳輸到計算機上。

在這一環節中，圖像采集技術的應用十分關鍵，相關技術的應用效果將直接受到系統硬件與軟件的影響，因此實驗人員應充分確保系統硬件與軟件配置的完善性。在此期間，圖像采集卡的主要功能就是進行圖像控制，對于不同要求的場合所采取的圖像采集方式也存在差異。若需滿足較高的實時性要求，可以通過程序控制利用數字攝像頭保存采集到的圖像，并對圖像進行實時處理；若對實時性沒有較高要求，則可以先將光切圖像轉化為位圖數據，再保存到磁盤中等待后續處理。

與此同時，在進行圖像采集控制的時候，可以采取兩種控制模式，分別為單幀控制與連續控制，以便為系統測試及后續應用提供便利。其中，單幀控制采用SDK 將單幀圖像數據儲存計算機內存中，再對相關數據進行后續處理，處理完成后將最終的結果投放到顯示屏上；而連續控制則應用SDK 中的圖像循環采集功能。進行連續圖像采集時，需要在初始化完成之后將循環采集圖像數據儲存到內存中，待接收到停止采集的指令之后才會停止。

2.1.2 圖像預處理

借助光切顯微鏡的數字攝像頭對工件表面的粗糙度進行測量，需要對數字攝像頭采集到的光切圖像進行處理，并對其中的圖像目標與背景噪聲進行識別。在開展后續處理工作之前，需要進行圖像的預處理工作，主要是指在圖像分析之前對原始輸入圖像進行分割，具體操作包括圖像增強和圖像配準等。進行圖像預處理的根本目的在于增強圖像中的有用信息，消除圖像中的無關信息，以便為后續的處理工作提供便利條件。

結合實際的實驗成效來看，光切顯微鏡在進行圖像采集的時候，一定程度上會受到外界環境變化的影響，因此圖像的采集質量也會受到影響。針對這一情況，可以通過圖像預處理中圖像灰值化、平移、旋轉、去噪等操作來幫助圖像呈現出更理想的狀態，提升圖像邊緣定位的精準性與識別匹配的可靠性等。

圖像增強和圖像配準中所涉及的理論十分豐富，但其算法卻體現出較強的針對性，在使用不同算法的時候，其計算出的精度與處理效率也會出現差異。通常情況下，圖像增強的方法包括圖像灰值化、灰度修正等，在實際操作中需要選定合適的算法以提升處理效果。例如，在去除光切圖像噪聲的時候，就可以階段中值濾波算法、模糊加權算法等進行計算，特別是對于信號較弱所造成的噪聲問題比較嚴重的圖像來說，模糊加權算法可以取得良好的去噪效果[3]。而一般在對工件表面圖像平整度進行檢測的時候，若噪聲問題不嚴重，一般應用中值濾波算法即可滿足工件測量的要求。

2.1.3 邊緣提取

實驗人員對光切圖像進行邊緣提取的過程中，可以應用到類型十分豐富的算子，其中既包括一階微分也包括二階微分。一階微分與二階微分算子進行邊緣提取的差異在于，一階微分算子提取邊緣寬度更大，運算速度快且有較強的抗噪聲能力；而二階微分算子提取邊緣更為精細，對噪聲也更敏感。

通過數字攝像頭進行圖像邊緣提取可以做到對圖像的實時捕捉，并將圖像剪裁成固定尺寸。隨后，通過光切顯微鏡，讓光線可以投射到工件表面。在狹縫寬度的影響下，圖像上也會呈現出亮帶，亮帶與背景之間形成的邊緣就是實驗中的提取對象。實驗過程中，受到系統中綠色濾光片的影響，導致最終成像后光帶也會呈綠色，這更加便于實驗人員對邊緣圖像進行提取，具體的操作流程為：（1）實驗人員需要先對光帶的綠光分量閾值進行計算，并對圖像進行二值化處理，同時采用人工賦值的方法對亮帶以及圖像背景進行處理，以提升圖像清晰度。通過上述操作，可以使得綠色光帶呈現白色，背景呈現黑色。（2）運用逆反算法原理，將圖像與背景轉換為白色背景上的黑色光帶。（3）通過圖像減法完成邊緣檢測，同時在圖像中進行像素的提取，將像素沿y 軸方向平移，實驗人員在獲取其運動路徑的基礎上，將其從原本的光切圖像中去除，最終完成對全部邊緣的提取。完成上述操作后，可以得到上邊緣與下邊緣。（4）在對圖像進行賦值之后，可以只選定光帶的一條邊緣。（5）對選定的邊緣線條進行顏色賦值，呈現出白色背景與黑色線條。（6）基于光切圖像完成坐標系的構建，并對圖像信息進行矢量化處理，得到邊緣提取結果。在完成上述操作之后，可以得到具有清晰邊緣的光切圖像，進行矢量化處理之后再計算出其與系統總放大倍數之間的比值，進而可以求出被測工件表面的表面粗糙度值。

2.2 數據處理

2.2.1 基于頻率域進行提取

基于頻率域進行提取主要應用到的是霍夫變換，一種比較快速地在二值化圖像中尋找簡單形狀的方法?；舴蜃儞Q的基本理論是圖像中任何點都可以視為直線集合的一部分，假設直線方程為y=ax+b，那么任意一點P(x，y)在空間(a，b)中都應滿足b=x1a|y1 的條件。由此也可以進一步看出，通過霍夫變換方法可以將任意一點轉變為空間(a，b)平面上的直線，進而在此基礎上進行后續計算。將廣義的霍夫變換引入圖像處理中，可以將原始圖像中的任意邊緣輪廓轉化為空間中的點，將其全部集中到新的空間中后可以形成峰點。這樣就可以將本來的圖像邊緣提取與檢測問題轉化為空間峰點測算問題，不僅可以提升計算的簡便程度，還可以優化整體模型的抗干擾性。

2.2.2 基于分形的邊緣檢測

分形屬于一種以非整數維形式進行空間填充的形式，在其原理的運用上，與隨機數學等領域具有明顯的相似性，都是通過對物體不連續光滑規整進行研究以實現對物體形態的確認，進而也可以應用在圖像檢測領域的計算中?；诜中卫碚摽梢蕴岢龅瘮迪到y，其主要功能是對目標圖像進行壓縮。在此過程中，分形圖像形態會受到線性變換的影響，形成一種映射關系；同時在這種映射關系的支持下，可以有效將圖像的局部信息與整體信息聯系起來，保證為后續的處理與計算做好準備。

在這一理論下，可以對任意圖像通過線性變換來生成，并通過找尋線性變換規則來把握整個圖形信息。迭代函數系統中涉及的線性變換基本理論為將一個線性變換過程設為W：R2-→R2，矩陣形式為：

其中的a、b、c、d、e、f 為系數，在確定系數的同時線性變換也可以確立。

2.3 誤差分析

為對數字攝像機的測量效果進行驗證，可選取加工精度一致，加工工藝不同的表面粗糙度樣塊進行誤差分析。在實驗之前，選取光切顯微鏡，并安裝分辨率為1024×1024、幀率為52fps 的數字攝像頭。在完成成像清晰度的調節以后，確定成像范圍為1904×1428，針對視覺測量系統進行標定K=1.53μm/pixel[4]。

在進行誤差分析的過程中，對表面粗糙度不同的樣塊按照上文介紹的方法進行測量，并注意對同一區域進行多次測量，求出其平均值，并以此為基礎求得輪廓算術平均偏差Ra 為4.81%、微觀不平度與點平均高度Rz 最大相對誤差為2.72%以及輪廓微觀不平度平均寬度RSm 最大相對誤差為4.47%，而上述相對誤差值均在允許范圍內，說明采用數字攝像頭進行表面粗糙度測量具有合理性與準確性。通過該方法可以有效提升顯微鏡采集圖像處理與數據獲取精度，降低顯微鏡手動測量所帶來的誤差[5]。光切顯微鏡圖像測量系統所得出的測量值與實際粗糙度測量參數之間的誤差是不可避免的，造成其誤差的因素主要包括測量環境的明暗度、工件自身存在瑕疵、圖像采集的方式、邊緣輪廓的特征提取方式等，都會對最終的測量值造成影響。因此，在對光切顯微鏡圖像測量系統進行數字化改造的基礎上還需要進一步加強對上述因素的考量，通過求取平均值的方式來提升精確程度，減少與實際情況的誤差。

3 結語

綜上所述，光切顯微鏡圖像提取系統的數字化改造就是將數字攝像頭代替原本的照相系統，通過這樣的操作可以顯著提升測量精度，減少表面粗糙度參數計算時間。圖像采集控制與圖像預處理環節對后續的邊緣提取也會產生直接影響，在完成圖像提取之后，通過矢量化處理可得到工件輪廓二維圖形，并借助合適的圖像處理工具測量其表面粗糙度。此外，通過誤差分析可以得到各因素對表面粗糙度精確度的影響，進而為多樣化零件測量的開展提供參考。