[发明专利]一种基于机器视觉的卡簧测量方法

权利要求书

1.一种基于机器视觉的卡簧测量方法，其特征在于，所述基于机器视觉的卡簧测量方法包括以下步骤：

步骤一，对拍摄的彩色图像进行通道分解，按照比例进行图像的重新组合；

步骤二，对边缘提取的Canny算子进行改进，利用改进的Canny算子提取卡簧的轮廓边缘，获取边缘上的轮廓点；

步骤三，采用Hough圆拟合，对边缘上的轮廓点进行拟合，求取卡簧的尺寸信息；

步骤四，对数据进行过滤去除数据畸变点，并利用等分原理，计算实际卡簧两个边缘的尺寸信息，完成卡簧的测量；

所述步骤一中，所述对拍摄的彩色图像进行通道分解，按照比例进行图像的重新组合的方法，包括：

(1)获取工业CCD相机拍摄卡簧的彩色图像，因活塞产品由磁铁、碟簧、堵块、卡簧构成，压装设备完成其部件的组装，形成成品；

(2)利用光学色彩反射，针对产品不同的高度，呈现出不同的色彩信息；其中，A1为卡簧的内圆，A2为卡簧漏出卡簧槽的边缘；

(3)根据彩色图像进行通道的分解，分解为R通道、G通道、B通道、H通道、S通道、V通道；

(4)根据提取卡簧的不同位置区域，对不同通道进行组合，凸显卡簧不同区域的特征；

所述步骤二中，所述对边缘提取的Canny算子进行改进的方法，包括：

采用自适应平滑滤波的思想，通过每次迭代自适应地改变各个像素的加权系数，设f(x,y)为输入图像，G_x(x,y)、G_y(x,y)为图像的梯度分量，w(x,y)为模板系数，则进行一次迭代的步骤为：

对图像fⁿ(x,y)进行n次加权平均为：

其中，参数K需要在计算前进行提前预设，K的变化对边缘的突变处起到了理想的约束；经过批量测试模拟，选择合适的K值以及迭代的次数；

为通过图像自适应的确定阈值，需通过图像的灰度特征选择一个合适的阈值，使图像清晰地分为两类；假设{0,1,2,…,L-1}表示M*N的图像中L个不同的灰度级，n_i表示灰度级为i时的像素数量，则：

MN＝n₀+n₁+n₂+…+n_L-1；

对图像的灰度直方图进行归一化得：

p_i＝n_i/MN；

假设K为经过自适应确定的阈值，则K把图像分为两类C₁和C₂；利用概率统计原理可知，类C₁和类C₂发生的概率为：

分配到类C₁和类C₂中像素的平均灰度为：

从0到灰度级K的累加均值为：

图像的平均灰度为：

由上面公式得类间方差为：

其中，自适应确定的阈值K为类间方差最大时的值，将K值引入到Canny算子中，可以根据图像灰度的特征选择合适的阈值。

2.如权利要求1所述的基于机器视觉的卡簧测量方法，其特征在于，步骤三中，所述采用Hough圆拟合，对边缘上的轮廓点进行拟合，求取卡簧的尺寸信息的方法为：结合轮廓边缘上的点坐标利用Hough算子进行卡簧A2圆的拟合，求取拟合后圆的圆心坐标(a,b)以及半径r，具体包括：

设A1轮廓边缘点的坐标为(x_i,y_i)，轮廓边缘点到A2轮廓边缘的圆心坐标(a,b)之间的距离为d，则：

设卡簧露出产片活塞卡簧槽的距离为D，则：

D_i＝r-d_i；

依次求取A1轮廓边缘上每个点到A2轮廓边缘拟合圆之间的距离，且等间距地选取A1轮廓边缘上点到A2轮廓边缘拟合圆之间点的距离。