[发明专利]一种基于灰度图像概率的刀具磨损量自动精确测量方法

权利要求书

1.一种基于灰度图像概率的刀具磨损量自动精确测量方法，其特征在于：首先获取刀具磨损图像；其次，通过对图像的预处理获得图像感兴趣区域ROI(Region of Interest)，即刀具磨损相关区域；第三，分析图像ROI中边界灰度值的变化规律，建立刀具磨损边界的似然函数和原始边界的先验概率模型，基于贝叶斯推断，通过最大化刀具原始边界的后验概率重建缺失的原始边界；最后，根据磨损后刀具边界和原始边界获取刀具磨损区域，进而计算刀具后刀面磨损量；所述的基于贝叶斯推断求解刀具刃口原始边界的具体方法如下：

(1)获取Y向灰度值变化规律，用函数gray(y)描述其灰度值分布；

(2)根据刀具图像Y向灰度值变化规律，构造刀具磨损后边界的似然函数，即已知刀具原始边界条件下磨损后边界的概率分布

(3)根据似然函数二阶导数为零获得先验概率的均值μ，将分布的前两个峰值之间的距离作为先验概率的标准差σ；

(4)根据未磨损原始边界的灰度值分布规律，构建原始边界的先验概率分布，即截断高斯分布

其中，ayb，下边界a＝0,上边界b＝200,为标准正态分布，

为标准正态分布的累积分布函数，其中ε和t为两个随机变量；

(5)通过贝叶斯定理求解刀具原始边界的后验概率：

(6)最大化原始边界的后验概率，寻找最可能的候选目标点(x,y)，作为下一个像素发展点；

y←argmaxP_origin|y∝argmaxP_y|originP_origin

(7)用滑动窗口的思想沿X向依次重建缺失的刀具原始边界。

2.根据权利要求1所述的基于灰度图像概率的刀具磨损量自动精确测量方法，其特征在于：所述的刀具磨损图像获取是指在数控加工过程中采用在机自动拍摄系统，根据加工坐标系、机械臂坐标系和显微镜坐标系之间的相对位置关系，获取同一尺度的刀具磨损图像，并建立刀具磨损图像坐标系，以图像左上角为坐标系原点，像素的横坐标X与纵坐标Y分别对应图像数组中所在的列与行。

3.根据权利要求1所述的基于灰度图像概率的刀具磨损量自动精确测量方法，其特征在于：针对获取的刀具磨损图像，采用非均匀局部高斯滤波进行图像去噪，以及局部直方图均衡化进行图像增强。

4.根据权利要求1所述的基于灰度图像概率的刀具磨损量自动精确测量方法，其特征在于：针对铣刀结构特征，将刀具刃口小区域内相对位置关系不变的直线组及属性定义为刀具形状描述子TSD(Tool Shape Descriptor)；通过TSD中刀具的共性特征矫正图像位置，确定直线组元素之间的相互关系；据此提取图像ROI；所述的TSD的构造方法，步骤如下：

(1)检测图像中的直线；

(2)构建质心相交网络；

(3)根据关系属性聚类；

(4)选择关键形状描述子；

(5)构建刀具形状描述子。

5.根据权利要求1所述的基于灰度图像概率的刀具磨损量自动精确测量方法，其特征在于：ROI提取后的图像，利用刀具图像描述子本身以及它与图像边界的几何角度关系，矫正不同角度的图像，保证刀刃平行于图像上下边界，以便灰度图像概率方法的输入处于同一尺度。

6.根据权利要求1所述的基于灰度图像概率的刀具磨损量自动精确测量方法，其特征在于：刀具磨损图像的每一列像素点灰度值符合相同的变化规律，通过3条分界线划分出原始边界、磨损区域、磨损后边界，以及刃口面4个部分。

7.根据权利要求1所述的基于灰度图像概率的刀具磨损量自动精确测量方法，其特征在于：采用区域生长法RG(Region Grow)获取刀具磨损区域，具体方法如下：

(1)设图像像素矩阵I由一系列列元素C组成，I＝(C₁,C₂,...,C_n)，将图像第一行和第一列像素灰度值的均值作为图像背景灰度的参考值，并用该值替换边界上方灰度值；

(2)从磨损区域均匀选择10列像素，求出每列中磨损边界与原始边界的中点处坐标，将这十个中点作为区域生长的初始种子集合S_init，对于当前种子S_i，沿着±X，±Y，±45°，±135°八个方向进行领域生长，获取候选像素点集合P_i；

S_init＝{S₁,S₂,...,S₁₀}

P_i＝{p₁,p₂,...,p₈}

(3)依次计算每个方向上像素p_k的灰度值与当前种子灰度值之差，如果在生长阈值范围内，则认为该像素点处在带生长区域内，如果它也不在S_init中，则将其纳入种子生长点集合S；

S＝S_init+{p₁,p₂,...,p_k}

(4)重复以上种子点遍历步骤，直到获得完整的磨损区域。