基于机器视觉的磨削表面粗糙度毕业设计

毕业设计（论文）题 目：基于机器视觉的磨削表面粗糙度检测的研究学 院： 专业班级：指导教师： 职称： 讲师 学生姓名： 学 号： 摘 要表面粗糙度是反映零件表面上微观几何形状误差的一个重要指标，随着机械制造业的发展和检测技术的提高，许多科研组织都在深入研究关于表面粗糙度测量的各种关键技术，以实现表面粗糙度的快速无损检测。本文综合比较了目前常用的几种表面粗糙度测量方法，针对磨削表面纹理随机性强，分布方向性不足等特点，结合机器视觉技术，通过对图像检测技术的研究，设计了一种新的表面粗糙度测量方法。首先对图像检测系统的光源进行了分析优选，最终确定LED光源为磨削表面粗糙度检测的最佳光源。然后评定了各种滤波和图像增强方式对磨削表面图像的处理效果，利用灰度级阈值化的分割处理。采用二维离散傅里叶变换将磨削表面图像所呈现的纹理特征转换到频域中进一步加以分析，发现功率谱半径与表面粗糙度值呈近似单调函数关系，完成了表面粗糙度值的测量，从而论证了利用机器视觉测量表面粗糙度的可行性。本文采用机器视觉技术，以MATLAB软件为平台，设计了表面粗糙度测量系统，开发了相应的磨削表面粗糙度检测软件。关键词:表面粗糙度，图像检测，MATLAB，磨削表面 ABSTRACTSurface roughness is one of important indexes reflecting microscopic error in geometrical form. As the industry of mechanical manufacturing and detection technology develop, many groups are making intensive studies of various key technologies actively to realize quick and nondestructive examination of surface roughnessThis thesis compared several ordinary measuring methods of surface roughness synthetic ally. Because the texture of ground surface displays strong randomness and insufficient directivity of distribution, new detection method of surface roughness Was put forward ,through combination of computer vision technique, Through image detection technology research and design a new surface roughness measurement. Firstly,this thesis analyzed image characteristics of ground surface under different light sources profoundly and chose condensing LED line source. Secondly ,assessing the effects of various filtering methods and image enhancement approaches quantitatively according to profile curves of grey variation，the thesis developed effective image preprocessing programs.Therefore, we could recognize mass centric positions of surface defects and calculate properties of them. Thirdly, this thesis transformed ground surface images into frequency domain adopting two-dimensional Discrete Fourier Transform in order to implement further texture characteristic analysisThen we discovered that power spectral radius had approximately monotone relationship with the value of roughness, so these characteristics were extracted as inputs to accomplish measurement of surface roughness.In this paper, combined with machine vision to MATLAB software as a platform, surface roughness measurement system designed to develop the corresponding surface roughness detectors.Key words: surface roughness; image detection; MATLAB; grinding surface目 录第1章 绪 论11.1表面粗糙度概述11.2表面粗糙度测量21.3国内外粗糙度检测研究现状31.3.1接触式测量方法31.3.2光学测量方法31.3.3其它测量方法41.4论文研究的目的41.5论文研究的主要内容5第2章 磨削表面检测系统设计62.1机器视觉检测系统62.1.1机器视觉技术简介62.1.2机器视觉发展历史62.1.3机器视觉在制造业中的应用72.2机器视觉检测系统的组成部分72.3图像检测系统的主要设备82.3.1光学系统82.3.2CCD摄像机102.3.3图像采集卡112.3.4计算机122.3.5照明光源12第3章 磨削表面图像处理和分析143.1磨削试件表面图像采集143.1.1表面粗糙度的选取153.2磨削表面图像预处理163.2.1图像滤波173.2.2滤波器的选用183.2.3图像增强213.3磨削表面缺陷检测233.3.1形态学处理233.3.2图像分割处理243.4图像的纹理分析243.5图像质量评定25第4章 磨削表面粗糙度的检测274.1机械加工表面图像纹理与表面粗糙度的关系274.2磨削表面图像的频谱分析274.3磨削表面粗糙度特征参数的提取284.4参数计算29第5章 磨削表面粗糙度检测系统的GUI设计315.1MATLAB图像处理软件简介315.2磨削表面粗糙度检测系统GUI设计结构图315.3GUI界面设计325.4图像预览模块355.5图像预处理模块365.6粗糙度检测模块37第6章 总 结39参考文献40致 谢41诚信声明 第1章 绪 论1.1 表面粗糙度概述表面粗糙度是一种微观几何形状误差，也称为微观不平度。表面不平度通常按照表面轮廓误差曲线相邻两波峰或两波谷之间的距离(波距)的大小划分为三类误差：表面粗糙度、表面波度和表面上宏观形状误差。波距小于1mm的属于表面粗糙度(微观几何形状误差)，波距在l10 mm的属于表面波度(中间几何形状误差)，波距大于10mm的属于形状误差(宏观几何形状误差)，如图1-1所示。如图1-1(a)所示为某工件表面实际轮廓误差曲线，将这一段轮廓误差曲线按波距的大小分解为三部分的误差曲线，分别如图1-1(b)、(c)、(d)所示。（d）图1-1 零件表面的几何形状误差表面上微观不平度的分布根据加工方法性质的不同，可以是定向的，也可以是各向异性的。经过车削、铣削、刨削等定向加工法加工的表面，分布的周期性和方向性都很强，分布规律接近于标准高斯分布；经过抛光、研磨等非定向加工法加工的表面，则以随机性为主，分布的方向性不强，分布规律是偏斜的高斯分布，或是其它类型的分布1。1.2 表面粗糙度测量表面粗糙度测量是精密计量领域中的一个重要分支，它在机械、电子和光学领域中起着重要作用。随着工业的发展和对外开放与技术合作的需要，我国对表面粗糙度的研究和标准化愈来愈被科技和工业界所重视，为迅速改变国内表面粗糙度方面的术语和概念不统一的局面，并达到与国际统一的作用，我国等效采用国际标准化组织(ISO)有关的标准制订了一系列国家标准。2000年7月，中国国家标准委员会根据国际标ISO4287:1997产品几何技术规范(GPS) 表面结构:轮廓法术语、定义和表面结构参数(1997年版)对GB/T 3505-1983表面粗糙度术语表面及其参数进行了修订，发布了最新版本的国家标准GB/T 3505-2000产品几何技术规范表面结构轮廓法表面结构的术语、定义及参数该标准的修订，在很大程度上对GB/T3505-1983进行了重新编写和组织，在该标准中只将表面粗糙度轮廓及其参数定义为表面结构特性的唯一组成部分，给出了术语及定义。而在GB/T 3505-2000中，对粗糙度轮廓、波纹度轮廓、原始轮廓及其参数均下了定义，扩大了该标准的适用范围。2004年11月，标准委员会修订GB/T 7220-1987表面粗糙度术语参数测量，发布了现行的GB/T 7220-2004产品几何量技术规范(GPS) 表面结构轮廓法表面粗糙度术语参数测量。还有GB/T 19607.1-2003产品几何量技术规范(GPS) 表面结构 轮廓法 测量标准第一部分:实物测量标准, GB/T 18777-2002产品几何量技术规范(GPS)表面结构轮廓法相位修正滤波器的计量特性、GB/T 19600-2004产品几何量技术规范(GPS)表面结构轮廓法接触(触针)式仪器的校准、GB/T 19067.2-2004产品几何量技术规范(GPS)表面结构轮廓法测量标准第2部分:软件测量标准均参照ISO标准陆续颁布实施，从而与国际标准接轨。这对我国今后的表面粗糙度测量技术的发展有很重要的指导意义。国标3505专门对有关表面粗糙度的表面及其参数等术语作了规定，其中有五部分共16个参数2。（1）与微观不平度高度特性有关的幅度参数:其中定义的常用参数为最大轮廓峰高、最大轮廓谷深、轮廓的最大高度、轮廓单元的平均线高度和轮廓的总高度。（2）与微观不平度间距特性有关的幅度参数:其中有评定轮廓的算术平均偏差、评定轮廓的均方根偏差、评定轮廓的偏斜度和评定轮廓的陡度。（3）间距参数:其中有轮廓单元的平均宽度。（4）混合参数:其中有评定轮廓的均方根斜率。（5）曲线和相关参数:轮廓的支承长度率、轮廓的支承长度率曲线、轮廓截面高度差、相对支承比率、轮廓幅度分布曲线。在以上参数中，幅度参数评定轮廓的算术平均偏差Ra、轮廓的最大高度Rz是基本参数。有粗糙度要求的表面必须选择一个幅度参数，0.025um-6.3um,推荐选用Ra，其余选用Rz。轮廓单元的平均宽度、轮廓的支承长度率是辅助参数，不能单独选用，只能作为幅度参数的附加参数，在表面有特殊功能要求时选用。1.3 国内外粗糙度检测研究现状当前产品化的表面粗糙度测量仪器中，一般可划分为接触式与非接触式两类。其中，接触式测量以触针轮廓仪为代表，非接触式测量以光学测量占主导3,4。1.3.1 接触式测量方法触针法是利用一种特殊触针以一定的速度沿着被测工件表面移动，由于表面的微观不平引起了触针的上下运动，并把触针移动的变量通过机械、光学、电学转换，再经放大、运算，由指示表显示被测表面粗糙度的评定参数数值，或用记录仪描绘微观不平轮廓的一种检测方法。触针式轮廓仪可直接测量平面、圆柱面、内孔等零件的表面粗糙度，也可测量键槽表面、刀刃和形状复杂的曲面，可按规定截面测量多项评定参数，如Ra、Rz、Ry、HSC等等，且操作简便、反应迅速，测量结果数显，测量精度较高。然而，触针式轮廓仪由于受到触针针尖半径大小和测量速度的限制，不能用于测量Ra5.0um的表面粗糙度。采用触针法对被测表面进行测量时，不可能完全避免划伤，如果这种不可避免的划伤在同一次测量中处处相等，那么对于表面粗糙度测量的影响就可以忽略不计，因此，对触针式轮廓仪而言，关键在于使触针机构的测量力尽量恒定，以减小测量误差。1.3.2 光学测量方法在表面粗糙度非接触式测量中，光学法是测量的主体，其测量精度高，适于对软质材料、易损工件等进行测量。采用光学原理的表面粗糙度非接触式测量方法，如光切法、光波干涉法、激光法、光学散射法等，可以较好地弥补触针式仪器的不足。下面对这几种光学测量方法分别进行介绍：（1）光切法光切法是指运用光切原理确定表面粗糙度的方法。光切原理是把带状光束倾斜投射于零件表面形成光切面，然后从反射方向用显微镜观察切面光带像，以确定其表面粗糙度的数值。采用光切原理设计而成的表面粗糙度测量仪器以参数Rz来评定表面粗糙度较为方便，此类仪器适于测量车、铣、刨等方法加工而成的金属零件的平面和外圆表面，以及木材、纸张等非金属材料的表面粗糙度，还可用于测量表面加工纹理和微小的局部破损痕迹。但是，这种方法的读数和数值计算比较费时，而且其检测精度和分辨率较低，通常只适于一些测量精度不高的场合。（2）光波干涉法光波干涉法是利用光波的干涉现象，以光波波长度量由于零件表面微观不平度而产生的光波干涉带弯曲程度的一种方法,采用干涉法测量表面粗糙度的仪器按照光束的多少，可分为双光束干涉显微镜和多光束干涉显微镜两大类。但是为了使干涉显微镜获得清晰的干涉条纹，要求光源必须为点光源，光源的单色性好，光亮度强，且要求强度一致，否则会使干涉条纹模糊不清。干涉显微镜的测量范围一般为表面粗糙度Ra不大于0.16um，并且干涉法技术复杂，光学系统的调整时间长，目前仍很难应用于实际生产的测量。（3）散射法散射法是利用散射光强及其分布来测量表面粗糙度的一种方法。若采用CCD摄像机测量表面粗糙度，并不需要镜头和试件表面做相对运动。入射光束本身是以一定大小直径的光斑投射到试件表面，反射形成的反射光斑和散射光带的光能分布和光束在被测表面上投射面积内的平均表面粗糙度发生关系，但这种光能分布和表面粗糙度参数(如Ra)之间，并没有直接的对应关系，所以光散射法测量表面粗糙度，均为利用已知表面粗糙度标准试件，建立表面粗糙度同反射光斑和散射光带光能分布的关系曲线，即定标，然后才能反过来进行表面粗糙度的测量。所以散射法的结果很难用表面形貌的参数定量评定，只能作为比较测量。如果要得到定量的表面参数，需用与被测表面相同材料、同种加工工艺获得的试样仔细矫正后，才能用作粗糙度的测量。因此，很难开发出一个通用的方法，测量不同的机加工表面，给出绝对的数据。1.3.3 其它测量方法表面粗糙度的测量也可以通过分析或经验建立标准值和测量值之间的关系来实现，Jang等人利用刀具和零件之间的切削振动来估计零件的粗糙度；Nowicki和Jarkicwicz认为零件的表面粗糙度和零件边缘区域电容(FFC)有关。实验表明，对Ra处于0.1um以下的高速磨削，测量值对零件的材料和冷却液的种类不敏感。在表面测量方面，人工智能也是很流行的方法，Tsai等在加速计和接近传感器信号的基础上训练了4输入的ANN来辩识表面粗糙度，在不同的切削条件下识别率较高；Azouzi和Guillot利用ANN，在不同的切深、进给量和径向力条件下估计表面光洁度得到同样高的精度。1.4 论文研究的目的机械加工中，表面特征的研究是控制机械零件表面质量的主要内容，而表面粗糙度是表面特征的重要技术指标之一。随着机械加工工艺水平的提高，对零件的表面质量提出了越来越高的要求。目前由于对磨削机理还不十分清楚，输入变量和输出变量之间存在着很强的非线性和动态不稳定性，建立精确的数学模型有待研究，所以对磨削工件的表面粗糙度在线检测技术目前尚不成熟。本文采用机器视觉技术，间接得到工件的表面形态，通过图像处理算法实现了对粗糙度的测量，对提高加工表面质量和产品性能，有着十分重要的意义5。1.5 论文研究的主要内容本文在总结国内外已有的关于表面粗糙度测量的研究成果基础上，针对磨削表面纹理随机性强，分布方向性不足等特点，结合机器视觉技术，提出了一种新的表面粗糙度检测方法，通过图像采集、图像处理、图像存储和数据分析，使表面粗糙度测量具有一定的可重复性。本文的主要研究内容有：（1）磨削表面的图像采集磨削表面图像采集系统的硬件分析与选择，检测系统的工作原理及结构组成，主要包括光学系统、CCD摄像机、图像采集卡、计算机、照明光源的选择。（2）图像预处理对采集的磨削样块，先进行图像滤波，包括高斯滤波、平滑滤波、中值滤波等。接下来做图像增强，图像增强是为了改善图像，使之从主观上看起来图片质量更好的一种处理方法，它并不增强原始图像的信息，而仅是增强对某种信息的辨别能力，在有选择地突出人或机器感兴趣的信息的同时，抑制了一些无用的信息。（3）纹理识别算法将磨削表面预处理后的图像所呈现的纹理特征转换到频域中加以分析，提取纹理特征，探寻与表面粗糙度值呈近似单调函数关系的特征量，实现对表面粗糙度值的测量。（4）系统验证用MATLAB软件实现对磨削表面粗糙度检测系统的设计，通过不断调试、改进，以确保系统的软硬件高效结合，最终实现磨削表面粗糙度的快速无损检测。38第2章 磨削表面检测系统设计2.1 机器视觉检测系统机器视觉系统主要用在工业检测方面，包括用于提高生产效率、控制生产过程中的产品质量、采集产品数据等。产品的分类和选择也集成于检测功能中。视觉系统检测生产线上的产品，决定产品是否符合质量要求，并根据结果，产生相应的信号输入上位机。图像获取设备包括光源、摄像机等；图像处理设备包括相应的软件和硬件系统；输出设备是与制造过程相连的有关系统，包括过程控制器和报警装置等。数据传输到计算机，进行分析和产品控制，若发现不合格品，则报警器告警，并将其排除出生产线。机器视觉的结果是CAQ系统的质量信息来源，也可以和CIMS其它系统集成。2.1.1 机器视觉技术简介机器视觉是研究用计算机来模拟生物视觉的科学技术，机器视觉系统的首要目标是用图像创建或恢复现实世界模型，然后认识现实世界。机器视觉是一个相当新且发展十分迅速的研究领域，并已成为计算机科学的重要研究领域之一。在人类生产活动中，人眼担负着放置和固定工件、确定工序、检测外观和尺寸、确定产品的一致性等任务。近年来，随着生产速度和产品质量要求的不断提高，对速度和精度的要求已超过了人眼的能力。随着成像、计算机、图像处理算法等技术要素的发展，这些任务正越来越多地被机器视觉系统所代替。一般机器视觉系统是由一个或多个摄像机来抓拍图像，数字化的图像经过处理，提取出所需信息，然后逻辑运算决定怎样进行控制。通俗地说，机器视觉就是用电子眼代替人眼、电脑代替人脑，通过自动成像和自动识别处理技术，来观测目标，并对目标的外观形象进行测量和判断。其特点是把计算机的快速性、可重复性，与人眼视觉的高度智能化和抽象能力相结合，大大提高了生产的柔性和自动化程度6。2.1.2 机器视觉发展历史机器视觉是在20世纪50年代从统计模式开始的，当时的工作主要集中在二维图像分析和识别上。20世纪60年代，Roberts(1965年)通过计算机程序从数字图像中提取诸如立方体、菱柱体等各方面的三维结构，并对物体形状及物体的空间关系进行描述。到了20世纪70年代，已经出现了一些视觉应用系统。1977年，以David Marr教授为代表，提出了不同于“积木世界”分析方法的计算视觉理论，该理论在20世纪80年代成为机器视觉研究领域中的一个十分重要的理论框架。可以说，对机器视觉的全球性研究热潮是从20世纪80年代开始的，到80年代中期，机器视觉获得蓬勃的发展。20世纪90年代，随着光电自动化和计算机技术的高速发展，利用机器视觉的快速性、可重复性、智能化和可现场性的特点，机器视觉在汽车零配件批量加工的尺寸检查和自动装配的完整性检查、电子装配线的元件定位、PQ上的字符识别、印刷电路板的检验等应用场合得到了具体的应用。2.1.3 机器视觉在制造业中的应用近几十年来，在制造业中利用视觉系统的非接触、速度快、精度合适、现场抗干扰能力强等突出的优点，使机器视觉技术得到了广泛的应用，取得了巨大的经济与社会效益7。在大量查阅有关资料的基础上，国内外机器视觉技术在制造业的应用：（1）基于产品特征的检查机器视觉在大批量生产中，能快速、准确、高效地检测产品的品质，可大大地提高生产效率。通过对被检产品特征的深入研究，归纳了以下3种基于产品不同特征的检查：1）基于产品空间特征的检查；2）基于产品表面品质特征的检查；3）基于产品结构特征的检查。（2）机器视觉也已应用于机器人制造中，为机器人建立视觉系统，使得机器人能更灵活、更自主地适应所处的环境，以满足在柔性生产方式中对自动定位、装配、搬运和自动焊接的需要8。2.2 机器视觉检测系统的组成部分本研究采用的图像检测系统结构图如图2-1所示，其工作原理是：机器视觉检测系统通常由光源部分、图像传感器、装有图像采集卡的计算机和专用的图像处理软件组成。通过图像传感器采集图像（目标），把目标的三维图像采集为二维图像，通过光信号转换成电信号，即所谓的模拟信号；再由图像采集卡把电信号转化成数字信号，供计算机处理。一般来说，机器视觉系统为了避免环境自然光线或灯光对其工作状态的影响，光源应亮度大、亮度可调、均匀性好及稳定性高，以抑制外界环境各种光对图像质量产生较大影响而导致机器视觉系统的故障或误判行为。常用的图像传感器有两种形式，一种为线性的，一种为面阵的。基于PC的机器视觉系统，图像采集卡具有图像信号接收与A/D转换、协调摄像机进行同步或实现异步重置拍摄和定时拍摄、通过PC总线进行高精度数据传输、专用图像处理软件完成对图像的处理与分析9。图2-1 磨削表面图像检测系统的结构图2.3 图像检测系统的主要设备图像检测系统主要由光学系统，图像传感器，信号处理，识别判断，计算，数字显示及控制装置这几部分组成。图像传感器硬件设备主要包括CCD摄像机、图像采集卡、计算机、照明光源。2.3.1 光学系统机器视觉系统综合了光学、机械、电子、计算机软硬件等方面的技术，把图像中包含的信息通过一定的算法提取出来。因为所需的信息包含在图像中，故图像本身质量对整个视觉系统而言非常之关键。（1）几何光学成像公式(Basic Formula)对于成像系统，几何光学成像的基本公式为 （2-1）式中：u为物体到镜头的距离，即物距；v为镜头到成像的距离，即像距：f为镜头的焦距，也即平行光入射到镜头时产生的会聚点到镜头的距离。从这个公式可以看出，对于成实像的系统，像距总是大于焦距，而且物距越大，像距越小，直到物距是无穷远时，成像在焦平面上。（2）放大率(Magnification)光学系统的放大率为M （2-2）式中：h为像高；H为物高。对于机器视觉系统，需考虑物体怎样完整成像到CCD芯片上并保证对物体的分辨率，所以选择摄像机和镜头时需要综合考虑放大率的影响。（3）视场(Field of Fiew)视场就是整个系统能够观察物体的尺寸范围，也就是CCD芯片所成图像对应的物体大小 (2-3)式中：L为芯片的长边或短边；对应的FOV即为相应方向的物体大小。FOV也可以用角度来表示 (2-4)（4）工作距离(Working Distance)即物距，物体到镜头的距离U。（5）分辨率(Resolution)分辨率描述的是光学系统能够分辨的最小物体的距离，然而在什么情况下可以认为是能够分辨的，这是不确定，一般采用瑞利判据对这个因素进行判断。由于衍射，像差等影响，光学系统对一个点所成的像的强度成钟形分布，那么两个相近的点所成的像会有重叠，两点越近，重叠部分越大，两点中间的强度不再是零，而是越来越接近最大值。瑞利判据认为，重叠部分的强度小于最大值的83时，人眼是可以分辨开的。一般用成对的黑白相间线来标定镜头的分辨率，描述为能够分辨的黑白线的频率，即每毫米多少线对(1pmm)。需要指出的是，像空间的分辨率和物空间的分辨率相关，但是不同。对于CCD摄像机，至少需要两个像素来分辨一对线，所以CCD摄像机能够达到的最大分辨率是 (2-5)而相应的物体空间的分辨率是 (2-6)（6）对比度(Contrast)对比度和分辨率息息相关，对比度是描述图像的边缘区域是否能够有效地区分，差异越大，物体的细节越容易分辨，分辨率越高。用数值表示，对比度定义为 （2-7）（7）景深(Depth of Field)物体空间中，在一定距离范围内，在D范围内，物体成像都是清晰的，这个范围称为景深。通俗地说，就是物体移动多大距离从清晰变得模糊。物体在景深范围内时，图像可以保持一定的质量，超出这个范围时，对比度和分辨率都会下降。景深可以用450倾角的目标进行标定。一般情况下，只要清晰度能满足要求即可。（8）光圈(Aperture)光学系统中光线经过折射、反射等最后到达像面，在这个传输过程中，并不是所有进入系统的光线最后都能通过，而是有一部分被阻挡，这类似于光线透过一个孔，这个孔的直径称为有效孔径。为了能够调节透过的光强度，一般镜头中都设置了光圈，也就是一个多叶片的机械装置组成的直径可变的圆孔，调整时，这个孔的直径可以连续变化，从而改变镜头的有效孔径。（9）F数假定光学系统的有效孔径是D，焦距是f，则F数为 (2-8)这个参数描述了光学系统的采光能力，因为有效孔径越大，能收集到和通过的光线越多，而焦距越短，这些光线能到达像面的可能性越大。一般镜头上标记的都是F的倒数，称为镜头F数。（10）畸变(Distortion)畸变是由于放大率随到光轴中心的距离变化造成的。随着像点的远离，物体上的对应点，离镜头中心的距离实际在增加，从几何成像公式得知像距在缩小，也就是说成像会聚的点在像面之前，像面上探测到的图像实际已经离焦，看起来就比原来的图像大。离轴线越远，这个现象越严重。这就造成了图像的畸变，非常重要的一点是，图像的信息并没有丢失，只是位置不对。每个镜头都有一定程度的畸变，所以根据每个镜头的特性，需要对其进行畸变校正，一般采用的是黑白分明的方格子图像。如果畸变小于2，人眼一般是观察不到的，如果畸变小于CCD的一个像素，摄像机也是看不见的。（11）景深和光圈、焦距的关系景深和光圈的大小有直接关系，光圈越大，景深越短，光圈越小，景深越长。如果光圈小到针孔左右，能够通过的光线全部都是近轴光，实际上形成了一个针孔像机，景深是无穷大，不管景物远近，成像都是清晰的；随着光圈增大，远轴光开始起作用，只有一定范围内的光线能够清晰成像。焦距越大，景深越短，焦距越小，景深越长。从几何成像的基本公式可以看出，如果镜头的焦距很短，物距大到一定范围时，像距近似等于焦距，也就是说，一定距离以外的物体成像都在焦平面附近，10m远的物体和100m远的物体成像的位置是一样的，景深很长。而焦距较大时，这个结论不能成立，只有在一定范围内，物体才能清晰成像，所以景深较短。2.3.2 CCD摄像机CCD摄像机主要功能是按照一定的扫描规律通过光电转换把自然图像变成电信号，这种扫描规律通常是从上到下、从左到右的。上下为垂直扫描，也称场扫描，左右为水平扫描，也称行扫描。摄像机输出的电信号有模拟的，也有数字的，其图像分黑白的，或彩色的。就光电转换的器件来说，数码相机分CCD(电荷藕合器件)和CM0S(互补金属氧化物半导体)两种。目前CCD和CMOS成像芯片的比较如表2-1所示。表2-1 CCD 和 CMOS成像芯片比较技术指标CCDCMOS随即存储能力不能可以功耗大小工作电压5V-15V3V-3.3V图像质量好较差抗干扰好较差工艺集成性容易困难帧速率快快成本率好好成本较高低CCD是20世纪70年代初发展起来的半导体器件，已日趋成熟，而CMOS成像技术在图像质量上还存在一定的差距，所以目前绝大多数的数码相机采用CCD成像芯片。这种器件的突出特点是以电荷作为信号，而不像其他许多器件那样是以电流或电压为信号。构成CCD的基本单元是MOS(金属-氧化物一半导体)结构，从本质上来说，CCD的基本功能是电荷的产生、存储和电荷的转移。采用CCD器件构成摄像机，其基本原理是通过光学系统将自然图像成像在CCD的相敏面上，相敏面将照在每一个相敏单元的图像照度转换为少数载流子数密度信号存储在相敏单元中，然后再转移到CCD的移位寄存器中，在驱动脉冲的作用下顺序地移出器件，形成强弱不同的电信号。CCD摄像器件分为线阵和面阵，应用在不同的领域。CCD的灵敏度(或响应度)是CCD一个重要的参数，CCD的灵敏度R为：R=所产生的电荷量/入射于光敏元上的总能量此外还有信噪比和分辨率两个主要指标。2.3.3 图像采集卡 图像采集卡在检测系统中相当于图像传感器，它是图像采集部分和图像处理部分的接口。图象经过采样、量化以后转换为数字图象并输入、存储到帧存储器的过程，叫做采集，由于图像信号的传输需要很高的传输速度，通用的传输接口不能满足要求，因此需要图像采集卡。图像采集卡的附加功能有：相机触发功能、灯源控制功能、基本I/O功能、相机复位功能、相机时序输出功能。图像采集卡有三种不同工作模式：（1）PLL(Phase Lock Loop)模式：相机向采集卡提供A/D转换的时钟信号，此时钟信号来自相机输出的Video信号，HS和VS同步信号可以有三种来源：composite video，composite sync，separate sync； （2）XTAL模式：图像采集卡给相机提供时钟信号以及HD/VD信号，并用提供的时钟信号作为A/D转换的时钟，但同步信号仍可用相机输出的HS/VS；（3）VScan模式：由相机向分别卡提供Pixel Clock信号、HS和VS信号基本技术参数：输入接口：数字模拟；灰度等级；分辨率；带宽；传输速率。图像采集卡按照其用途可分为广播级图像采集卡，专业级图像采集卡，民用级图像采集卡，它们档次的高低主要是采集图像的质量不同。他们的区别主要是采集的图像指标不同。由于现在的VGA图像采集卡一般都是内置式板卡，也就是在安装使用时，需要插在PCI扩展槽中，由于采用PCI和PCI-E标准，现在的VGA采集卡的采集速率更高，因此也常常被称为PCI图像采集卡，由于通过高速PCI总线可实现直接采集图象到VGA显存或主机系统内存，这不仅可以使图象直接采集到VGA，实现单屏工作方式，而且可以利用PC机内存的可扩展性，实现所需数量的序列图象逐帧连续采集，进行序列图象处理分析。此外，由于图象可直接采集到主机内存，图象处理可直接在内存中进行，因此图象处理的速度随CPU速度的不断提高而得到提高，因而使得对主机内存的图象进行并行实时处理成为可能。2.3.4 计算机 计算机的主要功能是处理图像时，作为图像输入和输出的媒介，输入计算机的接口一般有USB和IEEE-1394两种。它们有相似之处：都是串行接口；支持热插拔；为外设提供电源；支持同步数据传输；允许系统自动优化外设间的数据传输，可以对未经压缩的数字图像进行实时传送；采用多层星型拓扑结构。二者的不同之处如下：（1）速度上USB2.0的数据传输速率可达480Mbps，而IEEE1394的最大传输速率3.2Gbps；（2）对CPU的要求USB需要主机CPU对数据传输进行控制，而IEEE1394不需任何主机控制；（3）内部电源供应USB2.0的内部电源供应最大为500mA/5V，而IEEE最大1.25A/12V；（4）传输模式USB只支持异步传输模式，IEEE1394可以支持同步和异步传输模式。图像输出一般是计算机显示屏，因为它直观、清楚、易于观察等优点。2.3.5 照明光源 近年来，高性能、低成本的图像处理装置大量出现，在外观检查、定位、组装等方面得到越来越广泛的应用。人们在照明光源方面投入更大的预算，因为大家普遍意识到照明光源才是决定图像处理能否成功的关键所在。（1）白炽灯 白炽灯也就是传统的电灯，它可以很方便地用于照射要进行数字化的物体或图像。在所有用电的照明灯具中，白炽灯的效率是最低的，它所消耗的电能只有很小的部分，即12%-18%可转化为光能，而其余部分都以热能的形式散失了。至于照明时间，这种电灯的使用寿命通常不会超过1000小时。（2）卤素灯 外形一般都是一个细小的石英玻璃管，和白炽灯相比，其特殊性就在于钨丝可以“自我再生”，灯丝的使用寿命就会延长很多。所以，卤素灯的灯丝就可以做的相对较小，灯体也很小巧。卤素灯一般用在需要光线集中照射的地方。（3）荧光灯 有些荧光物质受到电子照射时会发光。如果电子束在涂覆了荧光物质的玻璃板表面聚焦成一个小点，这一点就会发光。电子产生的光点的亮度粗略地与电子束的平均束流密度成正比。荧光物质由颗粒构成，因而受到粒度和荧光物质层内光的散射的限制。阴极射线管的分辨率极限约是每毫米30到70线对。与白炽灯相比，荧光灯的发光效率高而且节能。（4）发光二极管(LED) 固态发光二极管也可构成小型、方便的光源。发光二极管的典型原料是稼砷化合物，它们可以从较小的空间中发出强度可控的光。一般来说，LED光源具有以下特点：灵活的外观设计一个LED照明系统是由一组独立的LED组成的，与其他照明系统相比，在外形和尺寸设计方面，具有更大的自由度，以满足实际的需要。使用寿命长为使图像处理部分保持始终如一的精确性，该系统必须能够长时间的获得稳定的图像输入。LED照明系统在持续使用的情况下，在1000到3000小时后才进入半衰期，大大优于其他照明系统。此外，如果利用开关控制，间歇使用，可抑制温度升高，并且LED的寿命可增加数倍。响应快捷LED的反应时间很快。当图像采集需要多个照明光源相互切换，或一个光源中的多个部分相互切换时，LED快速反应的优势就可真正体现出来。颜色可选择除了灵活的设计形式之外，获取稳定的另一重要方面是可选择的光源颜色。运行成本低一个低廉的初始安装成本很快就能被其日常的运行及维护成本所否定。其他照明光源不仅要耗费2倍乃至10倍于LED光源的电量，甚至许多时候要求每月更换光源，耗费了维护工程师们许多宝贵的时间。照明系统安装的越多，用于替换光源的费用和人工成本就越高。因此安装使用LED照明系统，将会在成本和性能方面体现出更大的优势。第3章 磨削表面图像处理和分析3.1 磨削试件表面图像采集三个磨削试件表面的图像采集,如图3-1所示。它们的粗糙度依次分别为：-Ra:12.5um；-Ra:6.3um；-Ra:0.1um 图3-1 磨削试件表面图像采集3.1.1 表面粗糙度的选取机械零件表面粗糙度的选择方法有3种，即计算法、试验法和类比法。在机械零件设计工作中，应用最普通的是类比法，此法简便、迅速、有效。应用类比法需要有充足的参考资料，现有的各种机械设计手册中都提供了较全面的资料和文献。最常用的是与公差等级相适应的表面粗糙度。在通常情况下，机械零件尺寸公差要求越小，机械零件的表面粗糙度值也越小，但是它们之间又不存在固定的函数关系。例如一些机器、仪器上的手柄、手轮以及卫生设备、食品机械上的某些机械零件的修饰表面，它们的表面要求加工得很光滑即表面粗糙度要求很高，但其尺寸公差要求却很低。在一般情况下，有尺寸公差要求的零件，其公差等级与表面粗糙度数值之间还是有一定的对应关系的2。 在一些机械零件设计手册和机械制造专著中，对机械零件的表面粗糙度和机械零件的尺寸公差关系的经验及计算公式都有很多介绍，并列表供读者选用，但只要细心阅来，就会发现，虽然采取完全相同的经验计算公式，但所列表中的数值也不尽相同，有的还有很大的差异。如表3-1所示。表3-1 表面光洁度与表面粗糙度对照表光洁度（旧国标）粗糙度级别Ra（um）Ra（um）方案1方案2方案340-80501008020-4025504010-2012.525205-106.312.5102.5-53.26.351.25-2.51.63.22.50.63-1.250.81.61.250.32-0.630.40.80.630.16-0.320.20.40.320.08-0.160.10.20.160.04-0.080.050.10.080.02-0.040.0250.050.040.01-0.020.0120.0250.020.010.0060.0120.01方案1的Ra与旧国标各等级的平均值相近,能保证产品质量,建议用于重要表面。方案2的Ra比旧国标的各等级上限大25%,其经济性较好,建议用于不太重要的表面。方案3的Ra与旧国标各等级上限一致,当提高产品的制造精度有困难,而降低又不能保证功能时采用。在实际工作中，对于不同类型的机器，其零件在相同尺寸公差的条件下，对表面粗糙度的要求是有差别的。这就是配合的稳定性问题。在机械零件的设计和制造过程中，对于不同类型的机器，其零件的配合稳定性和互换性的要求是不同的。在现有的机械零件设计手册中，反映的主要有以下3种类型： 第1类主要用于精密机械，对配合的稳定性要求很高，要求零件在使用过程中或经多次装配后，其零件的磨损极限不超过零件尺寸公差值的10%，这主要应用在精密仪器、仪表、精密量具的表面、极重要零件的摩擦面，如汽缸的内表面、精密机床的主轴颈、坐标镗床的主轴颈等。 第2类主要用于普通的精密机械，对配合的稳定性要求较高，要求零件的磨损极限不超过零件尺寸公差值的25%，要求有很好密合的接触面，其主要应用在如机床、工具、与滚动轴承配合的表面、锥销孔，还有相对运动速度较高的接触面如滑动轴承的配合表面、齿轮的轮齿工作面等。 第3类主要用于通用机械，要求机械零件的磨损极限不超过尺寸公差值的50%，没有相对运动的零件接触面，如箱盖、套筒，要求紧贴的表面、键和键槽的工作面；相对运动速度不高的接触面，如支架孔、衬套、带轮轴孔的工作表面、减速器等等。在设计工作中，表面粗糙度的选择归根到底还是必须从实际出发，全面衡量零件的表面功能和工艺经济性，才能作出合理的选择。本文选是对磨削表面粗糙度的检测，磨削加工中，由于磨削力和磨削热的作用，使表面层组织、力学性能等与心部基体有很大的不同，因此磨削表面对装配，精度方面有较高要求，所以我们选择第一方案：-Ra:12.5um；-Ra:6.3um；-Ra:0.1um。3.2 磨削表面图像预处理图像处理着重强调在图像之间进行的变换。狭义的图像处理主要是对图像进行各种加工，以改善图像的视觉效果，并为自动识别奠定基础，或对图像进行压缩编码，以减少所需存储空间或传输时间、传输通路的要求。图像分析则主要是对图像中感兴趣的目标进行检测和测量，以获得它们的客观信息，从而建立对图像的描述。如果说图像处理是一个从图像到图像的过程，则图像分析是一个从图像到数据的过程。图像处理主要是在图像像素级别上进行处理，图像分析中分割和特征提取把原来以像素描述的图像，转变成比较简洁的非图像形式的描述。对于磨削表面图像，我们首先以图像处理为手段，实现图像的降噪和增强，以便于输出图像质量的提高，既使图像的视觉效果得到相当程度的改善，又便于计算机对图像进行分析、处理和识别。然后通过图像分析，对磨削表面图像中存在的缺陷进行识别与定位，完成了表面缺陷质心位置的确定和面积大小的测量10。磨削表面图像纹理相对比较细腻，灰度分布亦相对均匀，不宜辨识其细节特性。同时，在图像的采集和传输过程中，由于照明系统，CCD性能、镜头畸变、量化误差、温度、振动等的影响，必然会产生大量的噪声，因此必须对磨削表面图像进行一定的预处理操作。3.2.1 图像滤波从图像的获取到转化的这一过程中，由于受到电磁特性以及外界环境的影响，往往导致图像退化变质或产生噪声，因此，必须首先对图像进行平滑处理。但是平滑处理必须满足两个基本要求：（1）不能破坏图像的轮廓及边缘等重要信息；（2）平滑后的图像应清晰，并具有良好的视觉效果。常用的滤波器有平滑滤波器、高斯滤波器、拉普拉斯滤波器、梯度滤波器。高斯滤波器和平滑滤波器属于低通滤波器，在分析图像频域特性时，一幅图像的边缘，跳跃部分以及颗粒噪声代表图像信号的高频分量，而大部分的背景区代表图像的低频分量。采用低通滤波器滤出高频部分便能去掉噪声，使图像得到平滑。拉普拉斯滤波器和梯度滤波器都属于图像锐化处理，主要用于增强图像边缘及灰度跳变部分，锐化滤波时丢掉的是低频分量11。高斯滤波器是邻域平均法的一种改进。邻域平均法在滤波时只考虑邻域点的作用，并未考虑邻域点位置的影响12。而高斯模板增添了距离某点越近的点，对该点的灰度值影响越大的思想，引进了加权系数，一般采用33邻域，模板算子见式（3-1）所示。 （3-1）拉普拉斯运算是偏导数运算的线性组合，而且是一种各向同性（旋转不变性）的线性运算。设2f为拉普拉斯算子，则 (3-2) (3-3) 式(3-3)为离散数字图像f(i,j)的一阶偏导数，则其二阶偏导数为 (3-4)所以拉普拉斯算子为： (3-5)3.2.2 滤波器的选用（1）高斯滤波粗糙度Ra为12.5um的磨削表面图像滤波处理，对原图像进行了高斯滤波。如图3-2所示。 a)原图像 b)高斯滤波图3-2 磨削表面图像高斯滤波处理（2）平滑滤波 图像的平滑处理技术即图像的去噪声处理，主要是为了去除实际成像过程中，因成 像设备和环境所造成的图像失真，提取有用信息。众所周知，实际获得的图像在形成、 传输、接收和处理的过程中，不可避免地存在着外部干扰和内部干扰，如光电转换过程 中敏感元件灵敏度的不均匀性、数字化过程的量化噪声、传输过程中的误差以及人为因 素等，均会使图像变质。因此，去除噪声，恢复原始图像是图像处理中的一个重要内容13。线性滤波器以其完善的理论基础，数学处理方便 ，易于采用FFT和硬件实现等优点，一直在图像滤波领域占有重要地位，其中以WIENER滤波器理论和卡尔曼滤波理论为代表。但是线性滤波器存在着计算复杂度高，不便于实时处理等缺点。虽然它对高斯噪声有良好的平滑作用，但对脉冲信号干扰和其它形式的噪声干扰抑制效果差，信号边缘模糊。为此，1971年，著名学者TUKEY提出中值滤波器，即把局部区域中灰度的中值作为输出灰度，并将其与统计学理论结合起来，使用迭代方法，比较理想地将图像从噪声中恢复出来，并且能保护图像的轮廓边界，不使其变模糊。近年来，非线性滤波理论在机器视觉、医学成像、语音处理等领域有了广泛的应用，同时，也反过来促使该理论的研究向纵深方向发展。对粗糙度Ra为12.5um的高斯噪声图像进行平滑处理。如图3-3所示。 a)高斯噪声 b)平滑滤波图3-3 平滑处理（3）拉普拉斯滤波处理对粗糙度为12.5um的磨削表面进行拉普拉斯处理的效果图，如图3-4所示。 a)原始图像 b) 拉普拉斯滤波图3-4 拉普拉斯滤波处理（4）中值滤波中值滤波是最常用的非线性滤波技术，它是一种邻域运算，类似于卷积，但计算的不是加权求和，而是把邻域中的像素按灰度级进行排序，然后选择该组的中间值作为输出像素值。这样，邻域中灰度的中值不受个别噪声毛刺的影响，可以相当好地消除冲激噪声，而且并不明显地模糊边缘，因此可以迭代使用。一般来说，小于滤波器面积一半的或亮或暗的物体基本上会被滤除，而较大的物体几乎会原封不动地保存下来，因此，中值滤波器的空间尺寸必须根据现有的问题进行调整。对粗糙度为12.5um磨削表面中值滤波处理的效果图如图3-5所示。 a)原图像 b)中值滤波图3-5 中值滤波处理从以上各种滤波效果图可以看出，高斯滤波在图像灰度的细小变化增强的同时，噪声也得到了增强，而且图像上出现了比较明显