影像测量仪自动寻边算法

影像测量仪自动寻边算法

 

    手机玻璃的生产对尺寸和瑕疵检测精度要求都很高，为了保证产品质量和生产效率，必须采用自动寻边技术。要实现影像测量仪的自动寻边，关键是要研究如何准确地获取玻璃的边缘信息。利用数字图像处理技术，采用滤波、边缘检测和跟踪等算法对获得的图像进行处理，可有效地提取玻璃的边缘信息，并根据要求对边缘信息进行矢量化处理，将处理后的信息传递给数控机床。

 

    由于成像环境的不同，从图像的获取、传输到处理的各个环节都会有噪声的干扰。因此，在对图像进行处理前必须进行滤波预处理，它是后续进行边缘检测、分割、识别和其它处理的前提，也是为自动寻边系统提供准确边缘信息的保证。

 

    多数线性滤波方法都具有低通特性，在去除噪声的同时也使图像的边缘变得模糊，因此采用非线J险滤波方法—中值滤波来滤除噪声。中值滤波是指将以某点(x，y)为中心的小窗口内所有像素的灰度按单调上升(或下降)进行排序，并以排序后的中间值作为(x，y)处的灰度值。它对脉冲干扰及椒盐噪声的抑制效果较好，且在抑制噪声的同时能有效防止边缘模糊。但考虑到在较恶劣的成像环境下，单纯使用中值滤波并不能很好地滤除噪声。根据图像中的噪声一般都为孤立噪声的特点，提出采用中值滤波结合形态学滤波的方法来消除噪声。形态学的基本运算是膨胀和腐蚀。腐蚀可以把小于结构元素的物体(如毛刺，小凸起)去除。选取不同大小的结构元素，就可以在原图像中去掉不同大小的物体。但是，结构元素越大，计算量就越大。为了既能减少计算量，又能取得较好的滤波效果，采用3* 3的方形结构元素，并进行3次腐蚀操作。采用这种双结合的滤波方法比单一采用某种方法的效果更为出色。

 

 

    

    为了实现对玻璃边缘线的准确跟踪，需要取得边缘路径的特征点，即获取边缘的中心线。常用的提取中心线的算法有:①基于模板提取光条的骨架:如方向模板法、细化;②提取光条的几何中心法:如阈值法、逐行搜索法等。其中，细化处理法实际是一种求图像骨架的过程，形态学中轴变换就是提取图像骨架的一种运算方法。中轴变换可以形象地描述为:设想在t=  V时刻，将目标边界各处点燃，火的前沿以匀速向目标内部蔓延，当前沿相交时火焰熄灭，火焰熄灭点的集合就构成了中轴。二值图像的形态学骨架是通过选定合适的结构元素对图像进行连续腐蚀和开运算来求得的。利用中轴变换实现细化是非常耗时的，它不得不遍历对象的每一个像素。如果选取的模板的形状不适当的话，就会导致细化后的图像线条出现分叉，还会带来计算量的增加。因此，针对以上出现的问题，采用改进的行列交叉搜索法来提取中心线。

    亿辉光电厂家，专业生产影像测量仪等精密测量仪器。