姜闊勝，柯虎城

(安徽理工大學(xué) 機(jī)械工程學(xué)院， 安徽 淮南 232000)

基于機(jī)器視覺(jué)檢測(cè)技術(shù)，獲取金屬零件表面圖像，并通過(guò)數(shù)字圖像處理技術(shù)達(dá)到目標(biāo)區(qū)域的提取、識(shí)別，對(duì)提高產(chǎn)品質(zhì)量檢測(cè)的效率和精準(zhǔn)度具有重要意義。但部分高亮金屬表面具有極強(qiáng)的反射特性，不是理想的漫反射體，使得面陣CCD光敏面上的曝光量超過(guò)其飽和曝光量，造成畫(huà)面亮度失真，淹沒(méi)了所要檢測(cè)的缺陷信息[1]。所以解決高亮金屬表面特征提取問(wèn)題，是金屬表面缺陷檢測(cè)技術(shù)的一個(gè)重要研究方向。

高亮金屬表面缺陷檢測(cè)的核心是如何在高亮噪聲的背景下，對(duì)微弱缺陷特征的識(shí)別和提取。面對(duì)這一問(wèn)題，文獻(xiàn)[1-2]提出了一種改進(jìn)光源的方法，利用一種比較均勻的平行光和散射光，通過(guò)降低光源的強(qiáng)度來(lái)減輕圖像的散斑噪聲，但這種方法會(huì)使圖像的邊緣柔化，對(duì)比度減小。從信號(hào)處理的角度出發(fā)，郭皓然等[3]針對(duì)高反射類(lèi)金屬表面散斑噪聲問(wèn)題，提出了一種具備全局閾值自適應(yīng)調(diào)整的高亮金屬表面缺陷檢測(cè)的新方法；但該方法通用性有待提升、部分圖像的處理結(jié)果存在些許失真，缺乏工業(yè)檢測(cè)系統(tǒng)應(yīng)有的魯棒性。唐瑞尹[4]針對(duì)加工表面強(qiáng)黑、強(qiáng)白問(wèn)題和局部強(qiáng)反射特點(diǎn)，提出局部能量梯度算子兩次曝光融合成高動(dòng)態(tài)范圍圖像的獲取方法，利用高低兩次曝光融合成高動(dòng)態(tài)范圍圖像，來(lái)解決高光表面在成像過(guò)程中的曝光過(guò)度帶來(lái)的相差問(wèn)題；該方法能綜合緩解金屬零件表面強(qiáng)黑、強(qiáng)白問(wèn)題和局部強(qiáng)反射問(wèn)題，但復(fù)現(xiàn)較為困難，可移植性差。Forte等[5]針對(duì)高反射類(lèi)零件提出了一種用于檢測(cè)鏡面局部缺陷的自動(dòng)光學(xué)檢測(cè)系統(tǒng)；該系統(tǒng)利用一系列結(jié)構(gòu)化的漫射照明模式和一種特殊數(shù)碼相機(jī)，用來(lái)獲取高亮金屬表面特征。張學(xué)武等[6]提出了一種基于小波紋理特性統(tǒng)計(jì)分析的銅帶表面缺陷視覺(jué)檢測(cè)方法。國(guó)內(nèi)外眾多學(xué)者也提出了一些相關(guān)的改進(jìn)方案[7-9]。上述方案雖然能減少金屬表面散斑噪聲的影響，很好地對(duì)圖像中的缺陷目標(biāo)進(jìn)行準(zhǔn)確識(shí)別，但仍然不能消除金屬零件高反射特性帶來(lái)的散斑噪聲的影響。

據(jù)此，本文首先探索一種強(qiáng)噪聲背景下微弱圖像獲取的新的檢測(cè)技術(shù)，對(duì)輸入圖像進(jìn)行噪聲增強(qiáng)，使得非目標(biāo)成像的輻射能量也得到增強(qiáng)，進(jìn)而用高信噪比的鬼像替代主像，消除因金屬表面高反射特性帶來(lái)的強(qiáng)光污染。然后用QT框架在Visual Studio平臺(tái)上搭建用于缺陷檢測(cè)的可視化人機(jī)交互平臺(tái)，結(jié)合數(shù)字圖像處理技術(shù)改進(jìn)了圖像增強(qiáng)的算法，對(duì)其進(jìn)行對(duì)比和有效性分析。實(shí)驗(yàn)證明，該方法作為一種非線(xiàn)性噪聲增強(qiáng)技術(shù)，在強(qiáng)烈的光污染中能夠呈現(xiàn)出清晰的輪廓圖像，簡(jiǎn)單、魯棒、周期短，適用于工業(yè)環(huán)境中的應(yīng)用。

1 鬼像現(xiàn)象

圖1 照片中的鬼像

圖2 鬼像應(yīng)用結(jié)構(gòu)圖

在光學(xué)系統(tǒng)中，透射面都存在一定的反射比例，一些光線(xiàn)在透鏡表面多次反射，最后射在像面上。一般情況下，光線(xiàn)經(jīng)多次反射，能量相對(duì)于透射光路幾乎為零，肉眼無(wú)法識(shí)別。如果拍攝物體是強(qiáng)光源，多次反射后的光強(qiáng)依然比環(huán)境光強(qiáng)要強(qiáng)很多，圖像上就會(huì)出現(xiàn)一個(gè)清晰的光點(diǎn)，稱(chēng)為鬼像。如圖1中，可以清晰地看到硬幣和燈的結(jié)構(gòu)完全淹沒(méi)在強(qiáng)光噪聲之中，卻在與其相近的位置出現(xiàn)了一個(gè)高信噪比的鬼像。主影輪廓完全淹沒(méi)在強(qiáng)光噪聲中，卻能出現(xiàn)一個(gè)結(jié)構(gòu)清晰的鬼像，這為我們研究高亮金屬表面強(qiáng)光污染問(wèn)題，提供了一個(gè)可行的新思路。

鬼像成像原理復(fù)雜，成像條件苛刻，尤其應(yīng)用于視覺(jué)檢測(cè)技術(shù)。基于此，本文對(duì)其基本原理開(kāi)展仿真及試驗(yàn)研究。通過(guò)提高光源強(qiáng)度和改進(jìn)鏡頭結(jié)構(gòu)來(lái)提高鬼像強(qiáng)度，然后通過(guò)數(shù)字圖像處理方法，獲取高光亮零件目標(biāo)缺陷區(qū)域，實(shí)現(xiàn)缺陷檢測(cè)的目的。本文結(jié)構(gòu)圖如圖2所示。

2 鬼像原理及仿真分析

2.1 鬼像基本原理

圖3 單透鏡下鬼像形成原理

鬼像的本質(zhì)是到達(dá)光學(xué)系統(tǒng)像面的非目標(biāo)成像的輻射能量，相當(dāng)于光學(xué)系統(tǒng)中的噪聲。在光學(xué)系統(tǒng)中大多學(xué)者一直將預(yù)防和減少鬼像作為研究重點(diǎn)[10-11]，而本文致力于提高鬼像的強(qiáng)度，用鬼像替代主像，從而避免金屬高反光性的困擾。圖3為一個(gè)單透鏡，由光學(xué)矩陣式

(1)

可以得到一階鬼像的焦距f1：

(2)

同樣，圖中的二階、三階鬼像的焦距f2、f3分別為

(3)

(4)

對(duì)單透鏡來(lái)說(shuō)，奇階次鬼像在入射光一側(cè)，偶階次鬼像在出射光一側(cè)。沒(méi)有增益介質(zhì)時(shí)，鬼像階次越高能量越低、像差較大，峰值能量會(huì)遠(yuǎn)低于低階鬼像。分析式(2)、(3)、(4)可知，透鏡的鬼像分布與兩曲面的曲率半徑R1、R2密切相關(guān)，根據(jù)系統(tǒng)的特點(diǎn)設(shè)計(jì)透鏡的曲率半徑，可以提高鬼像的清晰度和對(duì)比度。

2.2 基于Zemax的鏡頭鬼像分析

相機(jī)的鏡頭組是由多個(gè)透鏡組成，其鬼像形成過(guò)程與單透鏡類(lèi)似，由于多透鏡間距是不可忽略的，并且剩余反射面的個(gè)數(shù)也大大增加，用計(jì)算的方法得到鬼像的位置十分復(fù)雜。利用Zemax軟件，可以便捷地分析各種復(fù)雜光路的鬼像分布，其序列模式下的鬼像分析功能，可以精確地確定鬼像形成的位置，從而進(jìn)一步分析和優(yōu)化鬼像。按照光學(xué)系統(tǒng)參數(shù)要求，選擇3個(gè)膠合透鏡組組成的變焦鏡頭作為初始分析的鏡頭結(jié)構(gòu)，所得的鬼像蹤跡數(shù)據(jù)和光路如表1和圖4所示。

圖4 鬼像位置光路圖

圖5 翅片蒸發(fā)器脊面示意圖

表1為3個(gè)膠合透鏡組組成的變焦鏡頭的鬼像蹤跡數(shù)據(jù)，可以看出該系統(tǒng)中離像面最近的鬼像的焦點(diǎn)在第11面的第一次反射和第5面的第二次反射形成的。根據(jù)圖4分析，可以確定最清晰的鬼像的位置，在優(yōu)化透鏡組時(shí)應(yīng)該重點(diǎn)減小第11面和第5面的透過(guò)率，增加光線(xiàn)的反射強(qiáng)度，可以增加光線(xiàn)在鬼像焦點(diǎn)處的能量，以便獲取更清晰的鬼像。

3 實(shí)驗(yàn)與分析

脊面卡槽的擺放位置十分重要，卡槽錯(cuò)位或者缺失會(huì)導(dǎo)致安裝時(shí)卡死，因此，出廠(chǎng)時(shí)需要開(kāi)展卡槽缺陷檢測(cè)。本文將應(yīng)用鬼像這種圖像獲取的新方法應(yīng)用于蒸發(fā)器脊面卡槽特征缺陷檢測(cè)。搭建了缺陷檢測(cè)系統(tǒng)，結(jié)合圖像處理技術(shù)，對(duì)蒸發(fā)器脊面卡槽特征增強(qiáng)、提取，從而驗(yàn)證圖像獲取和數(shù)字圖像處理方法的有效性。蒸發(fā)器脊面結(jié)構(gòu)如圖5所示。

3.1 鬼像應(yīng)用系統(tǒng)設(shè)計(jì)

缺陷檢測(cè)系統(tǒng)主要包括硬件和軟件系統(tǒng)。硬件系統(tǒng)主要包括相機(jī)、鏡頭、光源和計(jì)算機(jī)。為了滿(mǎn)足系統(tǒng)的檢測(cè)精度和質(zhì)量，本文選擇感光性好的CCD傳感器相機(jī)搭配白色點(diǎn)光源，用高速穩(wěn)定的工控機(jī)作為缺陷檢測(cè)系統(tǒng)的載體。

軟件系統(tǒng)是基于Windows操作系統(tǒng)，開(kāi)發(fā)語(yǔ)言為C++，利用可以跨平臺(tái)的Qt的框架，通過(guò)調(diào)用OpenCV的計(jì)算機(jī)視覺(jué)庫(kù)來(lái)進(jìn)行圖像處理，開(kāi)發(fā)平臺(tái)則為Microsoft Visual Studio。用VS平臺(tái)來(lái)開(kāi)發(fā)C++程序可以方便調(diào)試和編譯，縮短開(kāi)發(fā)周期。

3.2 特征識(shí)別

卡槽特征的識(shí)別是本文缺陷檢測(cè)系統(tǒng)的重要組成部分。為了突出卡槽部位，抑制噪聲，首先需要對(duì)圖像進(jìn)行增強(qiáng)處理，然后運(yùn)用二值化函數(shù)對(duì)圖像進(jìn)行閾值分割，通過(guò)計(jì)算目標(biāo)圖像像素點(diǎn)對(duì)檢測(cè)結(jié)果進(jìn)行有效驗(yàn)證和量化分析，讓系統(tǒng)自動(dòng)判斷卡槽缺失產(chǎn)品，實(shí)現(xiàn)自動(dòng)化缺陷檢測(cè)。

本文根據(jù)鬼像的特點(diǎn)，在原有算法的基礎(chǔ)上運(yùn)用了一種基于局部特征的對(duì)比度拉伸增強(qiáng)算法[12-13]。該算法針對(duì)上述全局算法的缺陷，將圖像按照不同的灰度級(jí)劃分為不同的特征區(qū)域，進(jìn)行差異放大，對(duì)整幅圖像的強(qiáng)度和對(duì)比度進(jìn)行初步的調(diào)整后，再進(jìn)行對(duì)比度拉伸。

3.2.1 對(duì)圖像進(jìn)行局部的差異放大

將輸入圖像f(x,y)減去以像素為中心鄰域內(nèi)的灰度平均值m(x,y)；再乘以一個(gè)比例系數(shù)A(x,y)，該系數(shù)與標(biāo)準(zhǔn)差成反比，所以在圖像中對(duì)比度較小的區(qū)域，增強(qiáng)效果更明顯，從而達(dá)到增強(qiáng)局部區(qū)域的目的；最后再加上一個(gè)灰度值以恢復(fù)整幅圖像的區(qū)域，得到結(jié)果圖像g(x,y)，公式如下：

(5)

灰度標(biāo)準(zhǔn)差σ(x,y)越大的地方，灰度變化越大，放大倍數(shù)越??；σ(x,y)越小的地方，越平滑，增強(qiáng)效果放大，使得不同的地方采用不同的放大倍數(shù)。

3.2.2 對(duì)圖像進(jìn)行對(duì)比度拉伸

對(duì)f(x,y)進(jìn)行了局部差異放大之后，對(duì)g(x,y)進(jìn)行對(duì)比度拉伸，圖像經(jīng)過(guò)差異放大之后，灰度值還是比較集中，很暗淡，對(duì)比度也不高。通過(guò)灰度拉伸，將灰度值拉伸到更大的區(qū)域，就可以增強(qiáng)圖像的對(duì)比度，達(dá)到圖像增強(qiáng)的效果。具體公式如下：

(6)

其中Imin、Imax是原始圖像的最小灰度值和最大灰度值，Nmin和Nmax是要拉伸到的灰度空間的灰度最小值和最大值。

(a) 兩個(gè)卡槽 (b) 一個(gè)卡槽 (c) 卡槽缺失圖6 卡槽特征識(shí)別

圖7 缺陷實(shí)驗(yàn)結(jié)果對(duì)比

通過(guò)增強(qiáng)之后，圖像的對(duì)比度和清晰度有了很大的提高，然后使用二值化函數(shù)對(duì)卡槽圖像進(jìn)行閾值分割，圖像中卡槽灰度值大于設(shè)定閾值時(shí)，使得卡槽部分變?yōu)楹谏?，其余筋板部分為白色，則顯示有卡槽部分?jǐn)嚅_(kāi)。最后通過(guò)像素點(diǎn)檢測(cè)的算法，算出圖像的像素值，有卡槽處是斷開(kāi)的像素值小于無(wú)卡槽圖像的像素值，統(tǒng)計(jì)100張卡槽缺失圖像的像素值設(shè)定為閾值，像素值小于設(shè)定閾值則為合格品，反之為不合格產(chǎn)品。處理結(jié)果如圖6所示。

3.3 實(shí)驗(yàn)與分析

為了比較此方法與傳統(tǒng)檢測(cè)方法的檢測(cè)效果，針對(duì)蒸發(fā)器卡槽有無(wú)缺失的特征，對(duì)兩種不同噪聲污染程度進(jìn)行對(duì)比實(shí)驗(yàn)。樣本圖像的尺寸為1024像素×1000像素，圖像處理的方法按前文所述，實(shí)驗(yàn)效果對(duì)比如圖7所示。

圖7A中，運(yùn)用普通點(diǎn)光源，獲取的蒸發(fā)器脊面圖像被強(qiáng)光噪聲覆蓋，造成畫(huà)面亮度失真，淹沒(méi)了所要檢測(cè)的缺陷的信息，導(dǎo)致圖7D的脊面筋肋以及上面的卡槽特征完全提取不出來(lái)，系統(tǒng)無(wú)法識(shí)別。圖7B中，運(yùn)用了均勻散射光源，強(qiáng)光噪聲污染明顯減小，圖7E中卡槽特征依然無(wú)法提取，且圖中保留了較多的無(wú)關(guān)噪聲。圖7C中，利用鬼像原理提取的脊面筋肋以及卡槽特征，雖然圖像的對(duì)比度有待提高，但避免了表面高亮的噪聲污染，圖7F中識(shí)別結(jié)果中的細(xì)節(jié)信息保留較好，卡槽特征也能較為精準(zhǔn)地提取，能夠滿(mǎn)足自動(dòng)識(shí)別缺陷特征的要求。

表2 本文算法誤差率及耗時(shí)分析

本文為測(cè)試系統(tǒng)的檢測(cè)精度和檢測(cè)速率，采集了200張蒸發(fā)器脊面圖片。如表2所示，在檢測(cè)精度方面，我們檢測(cè)出50、100、150、200個(gè)樣本時(shí)，誤檢率分別為8%、5%、7.4%、7.5%。在檢測(cè)速率方面，考慮到檢測(cè)表面缺陷不可避免地使用數(shù)字圖像處理算法，如前文中所提到的局部差異放大和對(duì)比度拉伸，在圖像清晰度不高的情況下，是較為耗時(shí)的。為減少檢測(cè)時(shí)間，算法中多次使用提取感興趣的區(qū)域以減小圖像尺寸。同時(shí)使用圖像增強(qiáng)算法充分增強(qiáng)邊緣輪廓，提高像素值提取的精準(zhǔn)度。通過(guò)實(shí)驗(yàn)測(cè)試，單張圖像平均檢測(cè)時(shí)間被控制在1 s之內(nèi)，檢測(cè)速率足以滿(mǎn)足實(shí)際需求。

4 結(jié) 論

高亮金屬表面具有極強(qiáng)的反光特性，對(duì)視覺(jué)檢測(cè)技術(shù)帶來(lái)困難。本文提出基于鬼像原理的視覺(jué)檢測(cè)技術(shù)，為進(jìn)一步提高鬼像清晰度，對(duì)光源、透鏡組的參數(shù)做出了調(diào)整，用高信噪比的鬼像替代微弱的主影，再結(jié)合數(shù)字圖像處理技術(shù)改進(jìn)圖像增強(qiáng)算法，對(duì)高亮金屬表面的缺陷特征進(jìn)行分割、提取，實(shí)現(xiàn)對(duì)目標(biāo)區(qū)域的識(shí)別。該方法從檢測(cè)技術(shù)角度為高亮金屬表面缺陷檢測(cè)提供了有效的新方案。