[发明专利]一种焊件轮廓检测方法

说明书

本发明涉及一种焊件轮廓检测方法，包括以下步骤：1.图像增强预处理，2.图像直方图均衡化处理，3.图像去噪，4.图像去除背景干扰，5.图像边缘改善。本发明采用图像增强的方式对焊件图像进行预处理，提升焊件图像边缘检测的精度；本发明引入直方图均衡化来提升图像的灰度级动态范围，提高图像对比度，使图像更清晰；本发明采用中值滤波技术对图像进行去噪处理，其运算简单，方便实现，在滤除孤立噪声点的同时还保护了图像的边缘信息；本发明采用概率霍夫变换法判定并连接图像边缘断开的像素点，计算量少，实用性强，效率高。

技术领域

本发明涉及一种焊件轮廓检测方法，属于焊件轮廓检测技术领域。

背景技术

在基于视觉和模型匹配的自动化焊接系统中，待焊接工件焊缝和轮廓信息提取的准确性直接影响着自动化焊接的质量。由于受光照强度等影响，采集到的焊件图像可能会存在光照不均、过曝及曝光不足等问题，这些问题会使得图像中焊件焊缝和轮廓与背景对比度较低，目标边缘处灰度值变化不明显、梯度较小，从而导致边缘不易被检测。如果直接采用传统边缘检测算子对图像边缘进行检测，则边缘线非常容易出现断裂。通常情况下焊接环境较为复杂恶劣，焊件材料不均一、焊件表面的污渍以及背景中的其他物体等都会在图像中形成相应的噪声，给焊缝的边缘检测带来严重干扰。如果直接使用Canny算子来检测焊件焊缝和外轮廓，检测出来的边缘线会存在以下三个方面的问题：1.焊件表面颜色的不均匀性、污渍的污染以及焊件表面的字符串喷码等在焊件内部引入了许多不规则的干扰边缘；2.当曝光过高或过低时，部分区域焊件与背景的区分度较低，灰度值梯度过小，相应的边缘很难被检测出来，有一部分焊件轮廓边缘存在断裂的问题；3.背景中其他的纹理信息引入过多的干扰边缘，导致检测出来的边缘绝大部分都是无用边缘。过多的干扰边缘以及边缘的断裂将严重影响模型匹配的精度，足以导致模型匹配的失败，从而难以实现焊接过程的自动化。

Canny边缘检测算子是一种高性能的最优化边缘检测算子，该算法在焊件图像检测上都难以得到满意的效果，那么直接利用其他传统的边缘检测算法也将很难得到完整且精确的轮廓边缘。

发明内容

为了解决上述技术问题，本发明提供一种焊件轮廓检测方法，其具体技术方案如下：

焊件轮廓检测方法，包括以下步骤：

步骤1：图像增强处理：对采集的图像进行增强处理，通过空间域增强方式处理图像像素，增强图像，其表达式如下：

（1）

式中f(x,y)是原始图像，g(x,y)是经过处理后的图像，T是对原始图像(x,y)位置处邻域内像素进行的空间域操作，点(x,y)的邻域定义为以(x,y)为中心点的正方形或矩形区域；

步骤2：图像直方图均衡化处理：所述步骤1中图像的空间增强方式为图像灰度变换增强，对图像进行灰度变换，并引入直方图均衡化，重新分配图像像素的灰度值，所述直方图均衡化对图像进行增强的流程如下：

a.确定图像的灰度直方图，灰度直方图通过公式（2）表示：

（2）

式中n表示图像所有灰度级的总像素数，k表示灰度级范围，nk表示第k级灰度的像素总数，p (k)表示灰度级k出现的频数；

b.计算原始图像的归一化灰度级别及其分布概率，用变量rk代表原始图像的灰度级，变量sk代表变换后的图像灰度级，则s与r之间的变换关系如公式（3）所示：

（3）

式中灰度级rk分布在区间[0，1]，rk=0代表黑色，rk=1代表白色，且T[rk]在[0，1]区间内为单值的单调递增函数，对于[0，1]的r，有0≤s=T(r)≤1；

c.将所得变换函数的各灰度等级值转化成标准的灰度级别值，求取b步骤中的各灰度等级值sk，sk值按靠近原则取近似值到与原图像灰度级别相同的标准灰度级别中；