[发明专利]一种基于旋转融合的铆钉型触头表面粗糙度表征方法

权利要求书

1.一种基于旋转融合的铆钉型触头表面粗糙度表征方法，其特征在于包括以下步骤：

S1)获取铆钉型触头表面高度信息，将高度信息数据转化为单色矩阵，增强对比度；

S2)触头边缘识别，以单色矩阵作为输入，采用Roberts边缘检测算子得到不规则断续的黑色触头边缘；

S3)拟合半径数值，将不规则断续的黑色边缘拟合为近似圆，利用半径的估计范围寻找拟合程度最高的拟合圆，选择不同阈值，检测更多圆的拟合程度，得到最适合的拟合圆；

S4)确定拟合圆的最大内接矩形；

S5)选取合适的旋转角度，将拟合圆的圆弧上某一点(x,y)以拟合圆面的圆心(x0,y0)为中心，旋转Δθ角得到点(x1,y1)，进一步得到(x,y)与(x0,y0)对应的旋转方程，计算初始矩形粗糙度有效区域占比与旋转后所得铆钉型触头表面粗糙度有效区域占比，选取合适的旋转角度θ；

S6)计算单色矩阵的不同方向粗糙度；

S7)将不同方向的粗糙度融合得到拟合原面的粗糙度，通过最大内接矩形的旋转，得到不同角度对应的矩形粗糙度参数，进行铆钉型粗糙度参数融合，得到铆钉型触头表面粗糙度表征参数；

所述步骤S4)中，确定拟合圆的最大内接矩形采用旋转覆盖形貌参数进行计算，具体为：

保证拟合圆面的圆心(x0，y0)坐标不变，将直角坐标系下的x轴和y轴放到一个平面内，选定拟合圆的圆弧上某一点(x，y)作为参考点变量，连接该点与图像圆心(x0，y0)，旋转0°、90°、180°、270°得到四个点，对四个点进行连接，得到正方形即为圆面最大内接矩形；

所述步骤S5)中，计算初始矩形粗糙度有效区域占比与旋转后所得铆钉型触头表面粗糙度有效区域占比，选取合适的旋转角度θ，通过以下公式实现：

其中：P_q为有效区域占比，R为拟合圆半径，x为拟合圆边界点横坐标，y为拟合圆边界点纵坐标，θ为所选旋转角度；

所述步骤S6)中，计算整幅图像的不同方向粗糙度，包括以下步骤：

将拟合圆的圆心点移至(0，0)点，找到直角坐标系下X、Y轴的正负1/2长所对应的四个坐标点，其范围矩阵为拟合圆内接最大矩阵；

将圆内接最大矩形围绕(0，0)点按照旋转角度逆向旋转，直到覆盖整个触头接触表面，重复寻找最大内接矩阵数据；

将图像以最小单位处理，选取活动窗口大小为2^k×2^k，其新生成的矩阵数值是活动窗口中的像素平均强度值，表达式如下：

其中，x为拟合圆边界点横坐标，y为拟合圆边界点纵坐标，k≥1，g(i,j)为像素(i,j)的灰度值；

针对每个像素，以该像素为中心点，其水平以及垂直两个方向上非重叠部分的窗口之间的平均强度差计算如下：

其中，E_k，h(x，y)为图像中每一个像素的窗口均值在水平方向上的差值，E_k，v(x，y)为图像中每一个像素的窗口均值在垂直方向上的差值；

比较水平方向和垂直方向两个方向上的窗口均值差值的大小，将其中较大的值作为当前像素的窗口均值差值：

E_k(x,y)＝max(E_k,h(x,y),E_k,v(x,y))

设置最佳尺寸S_best(x,y)＝2^k使得：

E_k＝E_max＝max(E₁,E₂,...E_L)

其中，E为窗口均值差值，L为窗口的个数，k＝1～L；

步骤S7)中，进行铆钉型粗糙度参数融合，步骤如下：

选取旋转角为180°的移动窗口对应的矩形粗糙度参数均值做为基础数据，公式为：

其中，t为初始旋转角度，F_crs(i)为旋转角为180°的移动窗口对应的矩形粗糙度参数值，F_E(i)为旋转角为180°的移动窗口对应的矩形粗糙度参数均值；

将各移动窗口粗糙度数据通过以下公式拟合为铆钉型粗糙度参数值：

其中，为拟合后圆形粗糙度参数值，F_E(i)为旋转角为180°的移动窗口对应的矩形粗糙度参数均值，H(i)为不同角度的H权值。

2.根据权利要求1所述的基于旋转融合的铆钉型触头表面粗糙度表征方法，其特征在于权值H求解步骤如下：

S701)将矩形粗糙度参数的序列划分为不同的段，形成长度为M的数据序列P_i，逐一计算数据序列P_i的对数比，生成新数据序列R_i，长度为N＝M-1，目标是减少序列的短期自相关；

R_i＝log(P_i+1/P_i)i＝1,2,...,M-1.

S702)以长度为A均新数据序列Ri成n个相邻子区间I_a，a＝1，2，...，n，计算每个子集的均值，记为e_a：

S703)针对每个子集a，计算相对子集均值e_a的累计离差X_a：

S704)计算每个离差序列的最大差距R_a及标准差S_a：

S705)计算R/S值：

n为步骤S702)中选取的n个相邻子区间；

S706)增加A的长度，重复步骤S701)～S705)，直至A＝(M-1)/2；以log(n)为自变量，log(R/S)为因变量，进行线性回归拟合：

log(R/S)＝log(c)+H·log(n)+ε

c为回归方程的截距就是上面关系中的常数，ε为一常数值；

其中，斜率的估计值即为所求H权值。