鐘美鵬，袁巨龍，姚蔚峰，吳喆

(1.嘉興學(xué)院 機(jī)電工程學(xué)院，浙江 嘉興 314001；2.浙江工業(yè)大學(xué) 超精密加工中心，杭州 310014；3.合肥工業(yè)大學(xué)宣城校區(qū) 機(jī)械工程系，安徽 宣城 242000)

滾子的表面缺陷會影響圓柱滾子軸承的可靠性及服役壽命[1-2]，基于機(jī)器視覺的圓柱軸承滾子缺陷自動識別可提高滾子分揀的效率與可靠性，滾子缺陷圖像的增強(qiáng)預(yù)處理是缺陷識別過程的重要環(huán)節(jié)[3-4]。識別缺陷區(qū)域的大小是判斷滾子工件是否合格的重要判據(jù)，為提高缺陷識別的可靠性，需要在缺陷區(qū)域提取前對滾子缺陷圖片進(jìn)行有效增強(qiáng)。

反銳化掩模是圖像邊緣增強(qiáng)的常用方法，其通過加強(qiáng)圖像的高頻成分突出圖像的細(xì)節(jié)和邊緣，并將低頻分量從原始圖像中去除從而實(shí)現(xiàn)圖像增強(qiáng)。傳統(tǒng)的反銳化掩模采用了線性高通濾波器，由于圖像的細(xì)節(jié)和噪聲同時被增強(qiáng)，即使很小的噪聲，在圖像平坦區(qū)域內(nèi)也會非常明顯。調(diào)整疊加系數(shù)的反銳化算法[5]、立方反銳化掩模技術(shù)[6]、自適應(yīng)反銳化掩模技術(shù)[7]等方法的處理效果相對于線性反銳化掩模技術(shù)有所提高，但仍然會在平滑區(qū)引入人為噪聲。文獻(xiàn)[8-9]在自適應(yīng)反銳化掩模技術(shù)的基礎(chǔ)上提出了基于細(xì)節(jié)區(qū)域原理的分割算法，較好地抑制了平坦區(qū)的噪聲，但由于采用傳統(tǒng)高通濾波器，在采用低增強(qiáng)系數(shù)時對細(xì)節(jié)邊緣的增強(qiáng)效果不足，而采用高增強(qiáng)系數(shù)時會產(chǎn)生明顯的過沖現(xiàn)象。

針對現(xiàn)有反銳化掩模方法在滾子缺陷區(qū)域增強(qiáng)中存在的問題，提出一種采用改進(jìn)高通濾波器的非線性反銳化掩模方法，在實(shí)現(xiàn)滾子缺陷邊緣增強(qiáng)的同時抑制背景區(qū)域的噪聲。

1 反銳化掩模

1.1 非線性反銳化掩模

非線性反銳化掩模(Non-Linearity Unsharp Masking，NLUM)算法能根據(jù)圖像的灰度特性調(diào)節(jié)具有增強(qiáng)作用的加權(quán)系數(shù)，可非線性地增強(qiáng)滾子圖像缺陷的邊緣細(xì)節(jié)，提高缺陷區(qū)域分割質(zhì)量。經(jīng)過大量試驗(yàn)得出，決定增強(qiáng)程度的加權(quán)因數(shù)Kn(x，y)為[10]

(1)

式中：D0(x，y)為原始圖像的灰度；M為圖像的最大灰階。

非線性反銳化掩?？筛鶕?jù)原始圖像缺陷特征的強(qiáng)弱實(shí)現(xiàn)不同強(qiáng)度的邊緣增強(qiáng)處理,從而避免圖像平坦區(qū)域的噪聲被過分增強(qiáng)。

1.2 基于改進(jìn)高通濾波的非線性反銳化掩模

當(dāng)原始圖像中缺陷區(qū)域邊緣較為模糊時，傳統(tǒng)反銳化掩模銳化項(xiàng)中所使用的高通濾波模板對細(xì)節(jié)邊緣的增強(qiáng)效果不足，因此，引入一種基于卷積運(yùn)算的低通濾波模板，其表達(dá)式為

B(x,y)=D0(x,y)H(m,n)，

(2)

式中：H(m，n)為低通卷積模板。若模板過小，圖像反銳化掩模效果不明顯；若模板過大，則低通濾波效果過于明顯，會使反銳化掩模后的圖像產(chǎn)生過沖現(xiàn)象。因此，選擇5×5低通卷積模板，即

(3)

將改進(jìn)的高通濾波器以及Kn(x，y)代入線性反銳化掩模[11]的表達(dá)式可得

Dp(x,y)=D0(x,y)+Kn(x,y)[D0(x,y)-

B(x,y)]，

(4)

式中：Dp(x，y)為處理之后的圖像的灰度。

2 銳化及缺陷區(qū)域提取效果對比

2.1 量化評價(jià)指標(biāo)

為驗(yàn)證反銳化掩模算法的有效性，對原始缺陷圖像、線性及非線性反銳化掩模增強(qiáng)圖像進(jìn)行銳化及缺陷區(qū)域提取對比試驗(yàn)。選擇分布分離指標(biāo)(Distribution Separation Measure，DSM)作為滾子圖像銳化效果的量化評價(jià)指標(biāo)[12]。DSM是一種基于灰度概率分布的評價(jià)方法，其基本思想為：將待評價(jià)圖像分為目標(biāo)區(qū)域與背景區(qū)域，目標(biāo)區(qū)域與背景區(qū)域的灰度概率分布會出現(xiàn)重疊，若圖像增強(qiáng)效果較好，則目標(biāo)區(qū)域與背景區(qū)域的灰度概率分布會偏向與分離，其定義為

(5)

式中：μ，σ分別為滾子圖像中不同區(qū)域的均值與校準(zhǔn)差；下標(biāo)B，T分別表示背景區(qū)域與目標(biāo)區(qū)域(缺陷區(qū)域)；上標(biāo)O，E分別表示銳化前與銳化后。理想情況下，所獲得的DSM值應(yīng)大于0，且DSM值越大，表明銳化增強(qiáng)效果越好。若DSM值小于0，則表明增強(qiáng)效果較差。

銳化后先對圖像進(jìn)行二值化處理(閾值系數(shù)0.25)，再對二值化圖像取反并使用邊長為3的方形結(jié)構(gòu)元素對圖像進(jìn)行開運(yùn)算以達(dá)到滾子圖像缺陷提取的目的。

2.2 試驗(yàn)條件

圓柱滾子加工表面質(zhì)量監(jiān)測裝置如圖1所示，圓柱滾子缺陷圖像通過光源和CCD攝像頭拾取，缺陷信號經(jīng)視頻采集卡傳遞到計(jì)算機(jī)，通過軟件將缺陷信號處理成可視化信號。計(jì)算機(jī)對圖像識別處理后，通過串口線將特征值發(fā)送給聲光模塊從而顯示缺陷點(diǎn)數(shù)。

圓柱滾子外徑面的展開圖片中，邊緣缺失及夾渣缺陷的邊緣非常清晰，使用普通閾值分割即可。而麻點(diǎn)缺陷由于邊緣不規(guī)則且缺陷區(qū)域灰度分布復(fù)雜，是缺陷提取中的難點(diǎn)。因此，選擇2例圓柱滾子圖像麻點(diǎn)缺陷來進(jìn)行增強(qiáng)與提取，以驗(yàn)證非線性反銳化掩模方法的有效性。帶缺陷的圓柱滾子如圖2所示，其中1#滾子為群點(diǎn)缺陷，每個缺陷區(qū)域大小約1.2 mm×1.5 mm；2#滾子為單點(diǎn)缺陷，缺陷區(qū)域大小約1.5 mm×1.0 mm。

圖2 帶缺陷的圓柱滾子

2.3 對比分析

采用不同算法分別對群點(diǎn)缺陷及單點(diǎn)缺陷的滾子進(jìn)行處理，缺陷圖像及提取效果如圖3和圖4所示。

圖3 不同算法對1#滾子的提取效果

圖4 不同算法對2#滾子的提取效果

從圖中可以看出：1)對于缺陷圖像，采用傳統(tǒng)線性反銳化掩模的增強(qiáng)效果較為均勻，即在缺陷區(qū)域得到增強(qiáng)的同時，背景區(qū)域的噪聲及波紋也得到了增強(qiáng)；非線性反銳化掩模對缺陷區(qū)域的增強(qiáng)效果與線性反銳化掩模接近，但背景區(qū)域相對較為平滑；基于改進(jìn)高通濾波模板的非線性反銳化掩模方法對缺陷區(qū)域的增強(qiáng)效果最為明顯，背景區(qū)域也較為平滑，但是在局部區(qū)域出現(xiàn)了過沖現(xiàn)象。2)對于缺陷提取效果，原始圖像的邊緣較為模糊，缺陷區(qū)域提取后出現(xiàn)明顯缺失，會影響缺陷大小的判斷，進(jìn)而影響滾子合格與否的判定；經(jīng)過線性與非線性反銳化掩模增強(qiáng)的圖像，由于缺陷邊緣得到增強(qiáng)，缺陷提取區(qū)域更加接近真實(shí)缺陷，但由于增強(qiáng)效果有限，缺陷局部仍然出現(xiàn)了區(qū)域缺失，也會影響缺陷大小的判斷；而基于改進(jìn)高通濾波模板的反銳化掩模方法對缺陷區(qū)域的增強(qiáng)效果進(jìn)行了改進(jìn)，缺陷提取區(qū)域的大小最接近真實(shí)缺陷，尤其在一些難以增強(qiáng)的局部區(qū)域(圖5中的實(shí)線框區(qū)域)，該方法也得到了較好的增強(qiáng)效果，成功獲取了所需的目標(biāo)區(qū)域。

圖5 缺陷圖像的目標(biāo)區(qū)域

為進(jìn)一步驗(yàn)證本文方法的有效性，計(jì)算3種不同的反銳化掩模方法對滾子缺陷圖像提取后圖像的DSM值，結(jié)果如圖6所示。從圖中可以看出,基于改進(jìn)高通濾波模板的非線性反銳化掩模方法的DSM值最高，即具有最好的缺陷區(qū)域增強(qiáng)效果。

圖6 不同增強(qiáng)缺陷圖像的DSM值

3 結(jié)束語

通過引入改進(jìn)的高通濾波器，提出一種改進(jìn)的非線性反銳化掩模方法，并以圓柱滾子缺陷圖像為處理對象進(jìn)行了圖像增強(qiáng)及缺陷區(qū)域提取試驗(yàn)，得出如下結(jié)論：

1)與線性反銳化掩模相比，非線性反銳化掩?？梢栽谠鰪?qiáng)缺陷邊緣的同時抑制背景區(qū)域的過分增強(qiáng)，但增強(qiáng)效果有限。在缺陷局部出現(xiàn)了區(qū)域缺失，影響缺陷大小的判斷。

2)基于改進(jìn)高通濾波模板的非線性反銳化掩模方法可以改善缺陷區(qū)域的增強(qiáng)效果，尤其在難以增強(qiáng)的細(xì)節(jié)區(qū)域。與線性及非線性反銳化掩模方法相比，本文方法增強(qiáng)后缺陷圖像的DSM值最高，缺陷提取區(qū)域大小最接近真實(shí)缺陷。在后續(xù)研究中，將對該方法在滾子圖像缺陷圖像增強(qiáng)與提取過程中的自適應(yīng)性進(jìn)行進(jìn)一步研究。