[发明专利]一种高精度亚像素圆形零件测量方法

摘要

本发明公开了一种高精度亚像素圆形零件测量方法，包括下述步骤：步骤一，获取圆形零件的原图；步骤二，对步骤一中获取的原图进行二值化处理，然后再将二值化处理后的图片使用findContours算法寻找轮廓，然后通过设置轮廓面积的最大值和最小值，进而筛选出符合测量需要的圆形轮廓，然后获取该圆形轮廓的最下外接矩形，从而获得所需测量的圆形所在区域的ROI图像；本发明大大提高了圆形零件的检测速度和精度，从而提高零件检测的效率，避免了传统人工检测所带来的易疲劳、成本高、强度大等缺点。

主权项

1.一种高精度亚像素圆形零件测量方法，其特征在于，包括下述步骤：步骤一，获取圆形零件的原图；步骤二，对步骤一中获取的原图进行二值化处理，然后再将二值化处理后的图片使用findContours算法寻找轮廓，然后通过设置轮廓面积的最大值和最小值，进而筛选出符合测量需要的圆形轮廓，然后获取该圆形轮廓的最下外接矩形，从而获得所需测量的圆形所在区域的ROI图像；步骤三，对步骤二中得到的ROI图像进行图像预处理；对ROI图像进行灰度处理，引入高斯滤波函数，如下述公式所示：其中，所述h(x,y)为高斯滤波器模板的系数，(x,y)为图像点坐标；采用3×3大小的核对图像进行高斯滤波，去除ROI图像中的噪声，便于准确获得所需要的圆形轮廓；然后采用OTSU算法找到ROI图像合适的分割阈值设为T，如下述公式所示：其中，v(x,y)为二值化前的图像在(x,y)点的像素灰度值，v′(x,y)为二值化后的图像在(x,y)点的像素灰度值；通过二值化ROI图像使圆的区域为黑色，其他区域为白色，由此获得二值化的ROI图像；并且将二值化后的ROI图像采用3×3大小的核进行形态学闭运算，消除小型空洞；然后对获得的图像进行寻找轮廓操作，通过面积筛选找到圆形轮廓；步骤四，对步骤三中所获得的圆形轮廓进行寻找最小包围圆形操作，获得初始圆心center(Cxi,Cyi)和半径R，该获取初始圆心和半径操作的目的是为了获取宽度为一个像素的矩形区域；步骤五，进行基于三次样条拟合的亚像素检测；以穿过圆心的竖直线与圆轮廓相交的点，在该点附近做一个宽度为一个像素的矩形Rect(Cxi，Cyi‑R‑15，1，2×15)，即(Cxi，Cyi‑R‑15)为左上角点，宽度为一个像素，高度为2×15，并以此矩形在步骤二的ROI图像中获取一个小型ROI图像，然后遍历该小型ROI图像，获取每个像素的灰度值f(y)，其中y即为小型ROI图像中每个像素的纵坐标，用多项式曲线拟合成三次方函数，如下述公式所示：f(y)＝a×y3+b×y2+c×y+d，求得a,b,c,d四个参数的值，则求导后的f′(y)函数为其梯度函数，此梯度函数为二次函数，求得此梯度函数区间的最大值即为灰度梯度最大，灰度梯度最大即为灰度变化最大，故此时所对应的坐标点即为圆形边缘的亚像素点；步骤六，用仿射变换旋转步骤二中的ROI图像，以1度为递进值，旋转360次，获得360圆形边缘亚像素点，则此时获得的亚像素点坐标为小型ROI图像的坐标；步骤七，根据步骤六的亚像素检测结果，将获得的亚像素点坐标转换为步骤一中原图上的亚像素点坐标，亚像素点的集合点坐标为(xi,yi)，设圆的半径为r，圆心坐标为(a,b)，则圆的方程如下述公式所示：(xi‑a)2+(yi‑b)2＝r2，由于随机误差的影响，因此Pi点可能没有落在圆周上，按最小二乘法的计算方法，将Pi点的误差用εi表示，如下述公式所示：εi＝(xi‑a)2+(yi‑b)2‑r2，由于误差值可能为正或者为负，因此通过误差的平方和来度量整体的误差大小，求误差平方和M最小时各个参数的值，如下述公式所示：其中，Ω为圆边缘区域的像素点集；根据最小二乘原理，通过求解下述线性方程组：可求得圆心参数(a,b)和半径参数r，然后再标定就可以获得标定系数，最后即可获得圆形零件的实际半径值。