[发明专利]一种基于机器视觉的螺纹角度测量方法

权利要求书

1.一种基于机器视觉的螺纹角度测量方法，其特征在于，包括以下步骤，

S1、获取螺纹图像，并调整螺纹轴线和坐标轴水平线，使其平行；

S2、对螺纹图像进行二值化处理，得到二值化图像；

S3、对二值化图像进行边缘检测，获取二值化图像边缘；

S4、对二值化图像进行像素互补，得到像素互补图像，并扫描像素互补图像，得到像素互补图像的像素行坐标和像素列坐标；

S5、根据像素行坐标和像素列坐标，得到螺峰和螺谷，进而得到螺距值；

S6、根据螺距值判断相连的波峰，获取相连波峰的两个波峰像素点和波谷像素点，通过三个像素点计算得到牙型角；

所述步骤S6具体为：

根据螺距值判断相连的波峰，获取相连波峰的两个波峰像素点p1,p2和波谷像素点p′，通过上述三个像素点，采用最小二乘法拟合出牙型角两侧的直线方程p1p′，p2p′，根据两直线的斜率进行夹角公式计算，得到牙型角α：

采用最小二乘法拟合出牙型角两侧的直线方程分别为：

p1p'＝K₁x+b₁p2p'＝K₂x+b₂

其中，K₁,K₂分别为两条直线的斜率；

依次采取螺纹图像中满足条件的三个像素点，最终求出平均的牙型角值。

2.根据权利要求1所述的一种基于机器视觉的螺纹角度测量方法，其特征在于，所述步骤S1具体为：获取螺纹图像，判断螺纹轴线和坐标轴水平线是否平行，如果不平行，按照图像中螺纹牙两侧投影线延伸交点间连线求出螺纹轴线与图像坐标系的夹角θ，以θ角度旋转螺纹图像使其轴线和坐标轴水平线平行。

3.根据权利要求1所述的一种基于机器视觉的螺纹角度测量方法，其特征在于，所述步骤S2具体为：采用OTSU计算，给螺纹图像定一个阈值，将螺纹图像转换成黑白的二值化图像，其中，黑色像素点为0，白色像素点为1；OTSU计算如下：

记t为前景与背景的分割阈值，前景点数占螺纹图像比例为w0，平均灰度为u0；背景点数占螺纹图像比例为w1，平均灰度为u1，则总螺纹图像的灰度为：

u＝w0*u0+w1*u1，

前景和背景的方差：

当方差g最大时，认为此时前景和背景差异最大，此时的灰度值t是最佳阈值，最佳阈值为：

w0*w1*(u0-u1)*(u0-u1)。

4.根据权利要求1所述的一种基于机器视觉的螺纹角度测量方法，其特征在于，所述步骤S3具体为：

采用Canny算子进行边缘检测，步骤如下：

S301、使用高斯滤波器平滑二值化图像，并计算二值化图像中每个像素点的梯度强度和方向；

采用大小为(2k+1)×(2k+1)的高斯滤波器核，表达式如下：

其中，该高斯核为二维算子，所以i代表x轴方向，j代表y轴方向；σ决定高斯滤波器的宽度，

设3×3的模板为A：H_ij为该高斯模板代入到高斯二维函数上各个位置对应的值；

S302、应用极大值抑制；将当前像素的梯度强度与沿正负梯度方向上的两个像素进行比较，如果当前像素的梯度强度与另外两个像素相比最大，则保留该像素点为边缘点，否则该像素点将被抑制；

S303、应用双阈值检测，确定真实和潜在的边缘，并通过抑制孤立的弱边缘完成边缘检测；即通过选择高低阈值，如果边缘像素的梯度值高于高阈值，则将其标记为强边缘像素；如果边缘像素的梯度值小于高阈值并且大于低阈值，则将其标记为弱边缘像素的梯度值小于低阈值，则会被抑制。

5.根据权利要求1所述的一种基于机器视觉的螺纹角度测量方法，其特征在于，所述步骤S4具体为：对二值化图像进行像素互补，得到白色像素值构成的像素互补图像，同时扫描像素互补图像，得到像素互补图像的像素行坐标和像素列坐标，把每列像素和每行像素的序号与对应的像素值放在一个数组里；对像素值的每列坐标进行从小到大排序，并由相应的序列号对应其像素值，同时将像素值的每行坐标对应的像素值的每列坐标进行对应的排序，从而得到完整的螺纹图像。