[发明专利]一种轮毂生产用机器视觉成像方法

说明书

本发明公开了一种轮毂生产用机器视觉成像方法，包括以下步骤：S1、直方图均衡化，使用灰度变换自动调整图像对比度质量；S2、图像滤波去噪,采用中值滤波作为非线性滤波技术，在保护图像边缘的同时消除噪声；S3、图像边缘检测，识别并且标注缺陷图像中亮度变化比较明显的像素点。该方法将机器视觉应用到汽车轮毂的识别中，对汽车轮毂区域进行识别，基于canny算子识别轮毂“战斧”形区域，此方法在识别不同光照强度的轮毂图像区域适应性好，在轮毂不同位置识别时间短、识别准确率高。该方法对轮毂目标区域识别具有重要意义，既对光照条件具有很好的适应性，又保证了区域识别的时间和准确率。

技术领域

本发明涉及机器视觉成像技术领域，具体为一种轮毂生产用机器视觉成像方法。

背景技术

轮毂是汽车的重要部件，其大都是铸件，铸件完成以后需要进行精加工，根据不同的类型选择不同的加工路线、加工机床刀具。然而由于轮毂的种类很多，不可能对一种类型的轮毂采用一条独立的生产线，所以导致多种类型的轮毂在一条生产线上生产和运输，继而在每一道工序都要人工参与，如人工分拣与搬运、人工测量轮毂尺寸等。人的精力有限，长时间工作会造成人眼疲劳，还会降低生产效率。目前机器视觉领域常用的识别方法主要有基于组件的模板匹配、基于相关性的模板匹配等。由于轮毂大都为铸件，本身就是一个整体，目标又比较大，缩放更难以处理，故基于组件的模板匹配不太适用。相关性的模板匹配的特点是对光照的影响较小，且匹配速度快，但其精度较低。轮毂大都是铝合金，表面光滑，对光照有一定的要求，且识别的精度要求高，所以基于相关性的模板匹配也不适合。为此，提出一种轮毂生产用机器视觉成像方法。

发明内容

本发明的目的在于提供一种轮毂生产用机器视觉成像方法，以解决上述背景技术中提出的由于轮毂大都为铸件，本身就是一个整体，目标又比较大，缩放更难以处理，故基于组件的模板匹配不太适用。相关性的模板匹配的特点是对光照的影响较小，且匹配速度快，但其精度较低。轮毂大都是铝合金，表面光滑，对光照有一定的要求，且识别的精度要求高，所以基于相关性的模板匹配也不适合的问题。

为实现上述目的，本发明提供如下技术方案：一种轮毂生产用机器视觉成像方法，包括以下步骤：

S1、直方图均衡化，使用灰度变换自动调整图像对比度质量；

S2、图像滤波去噪,采用中值滤波作为非线性滤波技术，在保护图像边缘的同时消除噪声；

S3、图像边缘检测，识别并且标注缺陷图像中亮度变化比较明显的像素点；经过Canny算法处理后获取检测后的图像。

作为本技术方案的进一步优选的：在S1中，通过统计图像内象元值并重新分配，使得象元值在各灰度范围内数量基本相同，从而增强图像直方图峰顶部分的对比度，同时降低两侧谷底部分对比度。

作为本技术方案的进一步优选的：在S1中，灰度变换时，变换函数与原始概率密度函数关系公式1如下：

其中0≤r≤1，T(r)满足0≤T(r)≤1；

灰度级为离散的数字图像用频率来代替，其离散形式为：

其中0≤r_j≤1；k＝0,1,2,…,L-1。

作为本技术方案的进一步优选的：在S2中，将数字图像或数字序列中的点值替换为该点附近的点的中值。

作为本技术方案的进一步优选的：在S2中，按二维序列进行中间值过滤，则过滤窗口也是二维的，二维数据的中间过滤表示为：

其中A为滤波窗口；

当实际使用一个窗口时，窗口的大小会增加3×3，然后增加5×5，直到过滤效果令人满意为止。