[发明专利]基于机器视觉的精密器件在线尺寸测量方法

说明书

技术领域

本发明是一种基于机器视觉的尺寸测量方法，属于图像处理领域

背景技术

随着电子工业、航天工业和汽车工业的发展对其中的工件精度要求越来越高，传统工件检测工艺中普遍采用游标卡尺或者螺旋测微器进行人工测量，效率低、测量精度随机性大，已经不能满足现代工业对测量工艺的效率、精度等方面的要求。

在传统上工人需要知道合格工件的尺寸来判断新工件是否合格，随后发展出机器视觉的方法简单比较合格工件与新工件的图像来判断是否合格，但是这样可以判断的工件种类少，精度差。所以本设计采用了以标准工件为模板，测量工件尺寸剔除不合格工件。

发明内容

本发明为了解决现代工业对工件测量的精度要求高的问题，从而提供一种基于机器视觉的精密器件在线尺寸测量方法。

基于机器视觉的精密器件在线尺寸测量方法，它包括如下步骤：

步骤一：调整相机获取标准器件的清晰图像，同时在清晰图像内采集模版区域；

所述模版区域为标准器件的图像大小；

步骤二：对所述模版区域进行迭代阈值分割获取图像的分割阈值，即将模版区域进行二值化获取模版区域的二值图像；

步骤三：获取待检测图像的二值图像，通过模版匹配获取待检测图像的目标区域；

步骤四：对待检测图像的目标区域进行图像处理，获取待检测器件用于尺寸测量的边缘，并计算边缘间的像素距离；

步骤五：利用步骤一所述模版区域计算图像像素距离与实际距离的关系；

步骤六：根据步骤五所述关系，计算待检测器件的实际尺寸。

步骤二：对所述模版区域进行迭代阈值分割获取图像的分割阈值，即将模版区域进行二值化获取模版区域的二值图像的过程为：

所述模版区域为g(x，y)，其中g(x，y)＝f(x，y)+e(x，y)，f(x，y)为原始图像，e(x，y)为干扰，则有：

步骤二A：选取模版区域的灰度平均值作为分割阈值T_k的初始值T₀；

步骤二B：用所述分割阈值T_k将图像分为两部分，其中S₁为背景像素集合，S₂为前景像素集合；

S₁＝{f(x，y)|f(x，y)≥T_k}

S₂＝{f(x，y)|0≤f(x，y)＜T_k}

步骤二C：分别计算背景像素集合S₁和前景像素集合S₂的灰度均值E₁和E₂；

E1=Σf(i,j)<Tkf(i,j)×N(i,j)Σf(i,j)<TkN(i,j)]]>