[发明专利]零件孔位智能识别定位方法

权利要求书

1.零件孔位智能识别定位方法，包括如下步骤：

第一步，在Visual Studio软件中配置OpenCV，在OpenCV中程序采用C++语言，在OpenCV中打开CCD相机对原图片进行采集，采集后的图片传入电脑；

第二步，对采集的图片进行预处理以提高零件整体的识别定位精度：首先对采集的零件图片进行去噪处理，采用由方框滤波、均值滤波、高斯滤波、中值滤波、双边滤波、导向滤波相结合的滤波算法，通过对比选择出最合适的降噪滤波，具体如下：

首先对以上滤波进行全局变量声明，并对以上滤波的内核进行赋值1；

其次对以上滤波进行全局函数声明，并通过轨迹条回调函数来确定以上滤波的滤波器；

接着输入图像并创建以上滤波原图窗口，显示以上滤波效果图窗口，随后创建以上滤波轨迹条并显示在窗口上，退出程序；

然后对以上滤波函数的内核值进行参数设置；

再然后对源图像进行通道分离，并对每个分通道进行各自的滤波操作并将分通道滤波结果合并；

通过以上滤波器函数部分操作以对图像实现降噪处理，包括：1、转换源图像信息，将输入扩展为64位浮点型；2、对以上滤波图像均值进行计算；3、计算以上滤波的的协方差和方差；4计算以上滤波的协方差和方差均值；5、生成输出矩阵以对图片实现降噪处理；

最后，通过滑动滤波轨迹条来判断选出对图像降噪效果最好的一种滤波作为降噪滤波；

第三步，先对滤波处理后的整体图片进行二值化再进行直方图均衡化，直方图均衡化公式如下：

式中H为输入的直方图，H′为查询表进行图像变换；

第四步，对直方图均衡化处理后的整体图片进行形态学操作，以去除影响零件识别的因素：

第五步，对图片进行Canny边缘检测：

第六步，对零件图片上的孔位进行特征提取：

通过对零件图片上的孔位进行面积和横纵比的赋值计算，批量处理一组不同尺称的零件，对一组不同尺称的孔位进行识别定位并且实现对孔位的中心进行精确识别；

第七步，在图像坐标系中对零件图片上的孔位进行Hough圆变换确定待处理的孔位中心的位置坐标，然后通过改进的轮廓查找法来判断孔位轮廓是否为圆形，

通过改进的轮廓查找法来提高孔位轮廓识别定位精度，具体如下：

7-1，将上述处理后的图像输入程序并将其二值化，再将二值化后的灰度图像输出；

7-2，对第二步中得出的最优的滤波进行降噪处理后的图像上的孔位进行直方图均衡化，直方图均衡化公式如下：

式中H为输入的直方图，H′为查询表进行图像变换；

7-3，对直方图均衡化处理后的孔位图像进行形态学操作：

7-4通过轮廓查找来确定识别孔位边缘；

7-5，对孔位的轮廓面积进行筛选并且通过横纵比比较来确定识别对象孔位轮廓是否为圆形，

第八步：对确认为圆形的孔位进行圆形拟合，并通过输出函数对圆坐标、半径、面积进行输出。

2.如权利要求1所述的零件孔位智能识别定位方法，其特征在于：所述第七步的7-1中，在图像二值化之前，通过选择最小半径和最大半径来进行定义圆半径的范围，进而除去不在该范围的圆并且降低算法计算量。

3.如权利要求2所述的零件孔位智能识别定位方法，其特征在于：所述形态学操作包括图像膨胀与图像腐蚀，其图像膨胀的数学表达式如下：

图像腐蚀的数学表达式如下：

4.如权利要求3所述的零件孔位智能识别定位方法，其特征在于：所述第五步中，利用Canny函数算法来进行图像的边缘检测操作；其中double类型的threshold1和threshold2分别为第一个滞后性阈值和第二个滞后性阈值；int类型的apertureSize，表示应用Sobel算子的孔径大小。