专利名称：一种基于计算机视觉的齿轮缺陷检测方法及系统的制作方法
一种基于计算机视觉的齿轮缺陷检测方法及系统技术领域
本发明属于图像处理技术领域，尤其涉及一种基于计算机视觉的齿轮缺陷检测方法及系统。
背景技术：
齿轮作为一种典型的动力传递器件，在工业发展的历程中发挥了十分重要的作用，其质量的好坏直接影响着机械产品的性能。因此，在齿轮生产制造的过程中必须对产品质量进行严格的检测和控制。由于齿轮本身的几何形状特点，对于齿崩、缺齿、齿歪等缺陷的测量过程复杂，常规的测量设备如三坐标测量机、齿轮综合误差检查仪等结构复杂，价格昂贵，对测试人员的要求也较高。现代制造业的发展对齿轮产品的缺陷检测提出了更高的要求。
目前，基于计算机视觉的齿轮检测方法一般需要首先确定齿轮的圆心坐标作为基准，因此，圆心坐标的确立直接影响到齿轮参数测量的精度，在传统的图像方法检测中， 圆心中心检测算法有一般需要边缘检测方法确定齿轮的边缘，然后采用重心法、中值法及 Hough变换法确定圆心。
前两种算法要求图像分布比较均匀，否则产生较大的误差；后一种算法需要逐点投票 、记录，所用的时间较多，而且精度也不够高。发明内容
本发明的目的在于提供一种基于计算机视觉的齿轮缺陷检测方法，旨在解决现有技术提供的齿轮缺陷检测算法的效率和精度较低的问题。
本发明是这样实现的，一种基于计算机视觉的齿轮缺陷检测方法，所述方法包括下述步骤
通过PCI插槽获取图像采集卡采集到的被测齿轮的源图像；
对获取得到的被测齿轮的源图像进行包括灰度变换、滤波去噪和阈值分割在内的预处理操作，得到被测齿轮的齿轮参数；
对得到的被测齿轮的齿轮参数进行形态学参数分析，获取包含可能存在缺陷的齿数的分析结果。
作为一种改进的方案，所述对获取得到的被测齿轮的源图像进行包括灰度变换、 滤波去噪和阈值分割在内的预处理操作，得到被测齿轮的齿轮参数的步骤具体包括下述步骤
将采集到的被测齿轮的24位彩色源图像进行灰度变换处理，得到8位灰度齿轮图
利用中值滤波算法，对所述8位灰度齿轮图像进行噪音去除；
利用图像二值化算法，对灰度齿轮图像进行阈值分割，得到分离的齿轮和背景图像。5
作为一种改进的方案，所述对得到的被测齿轮的齿轮参数进行形态学参数分析， 获取包含可能存在缺陷的齿数的分析结果的步骤具体包括下述步骤
利用填充算法，对所述二值化算法得到的齿轮图像的孔洞进行填充；
对孔洞填充后的二值化图像作为目标，确定计算所述二值化图像的圆心坐标、齿根圆半径和齿顶圆半径；
根据计算得到的所述二值化图像的圆心坐标、齿根圆半径和齿顶圆半径，对齿顶和齿根进行分离，检测齿轮轮齿缺陷，获得齿根图像和齿顶图像；
通过区域标号法，对获得的齿根图像和齿顶图像进行缺陷分析，计算齿轮的齿数， 确定所述齿根和齿顶图像的缺陷区域。
作为一种改进的方案，所述对孔洞填充后的二值化图像作为目标，确定计算所述二值化图像的圆心坐标、齿根圆半径和齿顶圆半径的步骤具体包括下述步骤
读入孔洞填充后的二值化图像，记录齿轮上的坐标；
在所述二值化图像上查找距离所述图像中心最远点集合和最近点集合，获取分别能包含齿轮的最小凸多边形的坐标；
根据最小凸多边形的坐标，分别绘制出凸多边形；
对所述凸多边形分别进行最小二乘法的圆曲线拟合，计算齿轮的圆心坐标、齿根圆半径和齿顶圆半径。
作为一种改进的方案，所述根据计算得到的所述二值化图像的圆心坐标、齿根圆半径和齿顶圆半径，对齿顶和齿根进行分离，检测齿轮轮齿缺陷，获得齿根图像和齿顶图像的步骤具体包括下述步骤
在二值化图像中，以介于齿根圆半径与齿顶圆半径之间的某个数值为半径绘制一个计算辅助圆；
设置一蒙板图像，所述蒙板图像大小与齿轮图像大小相同，所述蒙板图像的半径等于齿顶圆半径与齿根圆半径之和的一半；
将画计算辅助圆后的齿轮图像与所述蒙板图像做差运算，得到齿顶像；
将所述蒙板图像与画计算辅助圆后的齿轮图像做差运算，得到齿根像。
作为一种改进的方案，所述通过区域标号法，对获得的齿根图像和齿顶图像进行缺陷分析，计算齿轮的齿数，确定所述齿根和齿顶图像的缺陷区域的步骤具体包括
分别对获得的齿根图像和齿顶图像进行区域标记，获得伪色彩方式显示的齿根图像和齿顶图像；
对伪色彩方式显示的齿根图像和齿顶图像分别进行个数和单个面积计算；
对齿顶和齿根面积进行统计，分别求取齿顶面积和齿根面积的平均值；
通过设定面积阈值的方式，确定齿根和齿顶缺陷区域。
本发明另一实施例的目的在于提供一种基于计算机视觉的齿轮缺陷检测系统，所述系统包括
源图像采集�？椋糜谕ü齈CI插槽获取图像采集卡采集到的被测齿轮的源图像；
预处理操作�？椋糜诙曰袢〉玫降谋徊獬萋值脑赐枷窠邪ɑ叶缺浠�、滤波去噪和阈值分割在内的预处理操作，得到被测齿轮的齿轮参数；
形态学参数分析�？椋糜诙缘玫降谋徊獬萋值某萋植问行翁Р问治觯� 获取包含可能存在缺陷的齿数的分析结果。
作为一种改进的方案，所述预处理操作�？榫咛灏�
灰度变换处理模块，用于将采集到的被测齿轮的24位彩色源图像进行灰度变换处理，得到8位灰度齿轮图像；
噪音去除�？椋糜诶弥兄德瞬ㄋ惴ǎ运�8位灰度齿轮图像进行噪音去除；
阈值分割�？椋糜诶猛枷穸祷惴ǎ曰叶瘸萋滞枷窠秀兄捣指睿玫椒掷氲某萋趾捅尘巴枷�。
作为一种改进的方案，所述形态学参数分析模块具体包括
孔洞填充�？椋糜诶锰畛渌惴ǎ运龆祷惴ǖ玫降某萋滞枷竦目锥唇刑畛洌�
圆心半径计算�？椋糜诙钥锥刺畛浜蟮亩祷枷褡魑勘辏范扑闼龆祷枷竦脑残淖�、齿根圆半径和齿顶圆半径；
齿根图像和齿顶图像获得�？椋糜诟菁扑愕玫降乃龆祷枷竦脑残淖�、齿根圆半径和齿顶圆半径，对齿顶和齿根进行分离，检测齿轮轮齿缺陷，获得齿根图像和齿顶图像；
缺陷分析�？椋糜谕ü虮旰欧ǎ曰竦玫某莞枷窈统荻ネ枷窠腥毕莘治觯扑愠萋值某菔范ㄋ� 齿根和齿顶图像的缺陷区域；
所述圆心半径计算�？榫咛灏�
坐标记录�？椋糜诙寥肟锥刺畛浜蟮亩祷枷瘢锹汲萋稚系淖辏�
点查找�？椋糜谠谒龆祷枷裆喜檎揖嗬胨鐾枷裰行淖钤兜慵虾妥罱慵希袢》直鹉馨萋值淖钚⊥苟啾咝蔚淖辏�
绘制�？椋糜诟葑钚⊥苟啾咝蔚淖辏直鸹嬷瞥鐾苟啾咝危�
拟合计算�？椋糜诙运鐾苟啾咝畏直鸾凶钚《朔ǖ脑睬吣夂希扑愠萋值脑残淖辍⒊莞舶刖逗统荻ピ舶刖叮�
所述齿根图像和齿顶图像获得�？榫咛灏�
计算辅助圆绘制�？椋糜谠诙祷枷裰校越橛诔莞舶刖队氤荻ピ舶刖吨涞哪掣鍪滴刖痘嬷埔桓黾扑愀ㄖ玻�
蒙板图像设置�？椋糜谏柚靡幻砂逋枷瘢雒砂逋枷翊笮∮氤萋滞枷翊笮∠嗤雒砂逋枷竦陌刖兜扔诔荻ピ舶刖队氤莞舶刖吨偷囊话耄�
第一差运算�？椋糜诮扑愀ㄖ埠蟮某萋滞枷裼胨雒砂逋枷褡霾钤怂悖� 得到齿顶像；
第二差运算�？椋糜诮雒砂逋枷裼牖扑愀ㄖ埠蟮某萋滞枷褡霾钤怂悖� 得到齿根像；
所述缺陷分析�？榫咛灏�
区域标记�？椋糜诜直鸲曰竦玫某莞枷窈统荻ネ枷窠星虮昙牵竦梦鄙史绞较允镜某莞枷窈统荻ネ枷瘢�
计算�？椋糜诙晕鄙史绞较允镜某莞枷窈统荻ネ枷穹直鸾懈鍪偷ジ雒婊扑悖�
统计�？椋糜诙猿荻ズ统莞婊型臣疲直鹎笕〕荻ッ婊统莞婊钠骄担�
确定�？椋糜谕ü瓒婊兄档姆绞剑范ǔ莞统荻ト毕萸�。
在本发明实施例中，通过PCI插槽获取图像采集卡采集到的被测齿轮的源图像； 对获取得到的被测齿轮的源图像进行包括灰度变换、滤波去噪和阈值分割在内的预处理操作，得到被测齿轮的齿轮参数；对得到的被测齿轮的齿轮参数进行形态学参数分析，获取包含可能存在缺陷的齿数的分析结果。本发明实施例不仅测量速度快、而且精度高，满足了齿轮常规参数测量的功能要求，大批量工业生产过程中可以大大提高生产效率和生产的自动化程度，可满足生产实际中的测量精度要求，且测量时间仅为几秒钟，能满足工业测量中对测量速度的要求，具有较大的理论及实用价值。
图I是本发明实施例提供的基于计算机视觉的齿轮缺陷检测方法的实现流程图2是本发明实施例提供的对获取得到的被测齿轮的源图像进行包括灰度变换、 滤波去噪和阈值分割在内的预处理操作，得到被测齿轮的齿轮参数的实现流程图3是本发明实施例提供的消除图像采集带来的噪声的实现示意图4a是本发明实施例提供的中值滤波处理前齿轮图像示意图；·
图4b是本发明实施例提供的中值滤波处理后齿轮图像示意图5a是本发明实施例提供的灰度变换直方图5b是本发明实施例提供的二值化齿轮图像；
图6是本发明实施例提供的对得到的被测齿轮的齿轮参数进行形态学参数分析， 获取包含可能存在缺陷的齿数的分析结果的实现流程图7是本发明实施例提供的孔洞填充后齿轮图像示意图8是本发明实施例提供的对孔洞填充后的二值化图像作为目标，确定计算所述二值化图像的圆心坐标、齿根圆半径和齿顶圆半径的实现流程图8a是本发明实施例提供的包含齿轮的最小多边形示意图Sb是本发明实施例提供的根据坐标拟合的圆形示意图9是本发明实施例提供的根据计算得到的所述二值化图像的圆心坐标、齿根圆半径和齿顶圆半径，对齿顶和齿根进行分离，检测齿轮轮齿缺陷，获得齿根图像和齿顶图像的实现流程图IOa是本发明实施例提供的删除目标齿轮边缘区域的示意图IOb是本发明实施例提供的蒙板图像示意图IOc是本发明实施例提供的齿轮图像与所述蒙板图像做差运算效果示意图IOd是本发明实施例提供的齿轮图像与蒙板图像做差运算后伪彩色图像示意图IOe是本发明实施例提供的蒙板图像与齿轮图像做差运算效果示意图IOf是本发明实施例提供的蒙板图像与齿轮图像做差运算后伪彩色图像示意图11是本发明实施例提供的通过区域标号法，对获得的齿根图像和齿顶图像进行缺陷分析，计算齿轮的齿数，确定所述齿根和齿顶图像的缺陷区域的具体实现流程图12a是发明实施例提供的标记后的齿顶图像不意图12b是发明实施例提供的各齿顶图像的面积直方图13是本发明实施例提供的基于计算机视觉的齿轮缺陷检测系统的结构框图14是本发明实施例提供的预处理操作�？榈慕峁箍蛲�15是本发明实施例提供的形态学参数分析�？榈慕峁箍蛲�16是本发明实施例提供的圆心半径计算�？榈慕峁箍蛲�17是本发明实施例提供的齿根图像和齿顶图像获得�？榈慕峁箍蛲�18是本发明实施例提供的缺陷分析�？榈慕峁箍蛲�。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
图I示出了本发明实施例提供的基于计算机视觉的齿轮缺陷检测方法的实现流程图，其具体的步骤如下所述
在步骤SlOl中，通过PCI插槽获取图像采集卡采集到的被测齿轮的源图像。
在本发明实施例中，在计算机的PCI插槽中插有图像采集卡，图像采集卡连接摄像机，摄像机对放置在工作平台上的齿轮进行摄像。
在步骤S102中，对获取得到的被测齿轮的源图像进行包括灰度变换、滤波去噪和阈值分割在内的预处理操作，得到被测齿轮的齿轮参数。
在本发明实施例中，该被测齿轮的齿轮参数即为齿轮图像和背景图像。
在步骤S103中，对得到的被测齿轮的齿轮参数进行形态学参数分析，获取包含可能存在缺陷的齿数的分析结果。
下述有详细的实施描述，在此不再赘述，但不用以限制本发明。
作为本发明的另一个实施例，图2示出了本发明实施例提供的对获取得到的被测齿轮的源图像进行包括灰度变换、滤波去噪和阈值分割在内的预处理操作，得到被测齿轮的齿轮参数的实现流程图，其具体的步骤如下所述
在步骤S201中，将采集到的被测齿轮的24位彩色源图像进行灰度变换处理，得到 8位灰度齿轮图像。
在该步骤中，由于摄像机采集的齿轮图像是彩色图像，为了提高计算速度需要在数字化时要进行灰度化处理。结合人眼对颜色的敏感度原理，我们采用了加权平均法，即
Y= ω r*R+ ω g*G+ ω b*B
其中ωκ，ω,, ωΒ分别为颜色分量R，G，B所对应的权重，Y为灰度图对应点的像素值。
由于人眼对绿色的敏感度最高，对红色的敏感度次之，对蓝色的敏感度最低，因此使ωε>ωκ>ωΒ，将得到较合理的灰度图像。一般常用的参数设置为ωκ=0· 30，ω^Ο. 59, ωΒ=0. 11时，得到灰度图像的像素值为256级。
在步骤S202中，利用中值滤波算法，对所述8位灰度齿轮图像进行噪音去除。
其中，为了消除图像采集带来的噪声，本文选择采用中值滤波的方法。它是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，其基本原理是是采用一个含有奇数个点的滑动窗口，用窗口中各点的灰度值的中值来代替窗口中心点像素的灰度值。首先确定一个奇数像元的窗口，窗口内各像素按灰度大小排队后，用其中间位置的灰度值代替窗口的中心像素值，其过程如图3所示。
用公式表示为g(x,y)=median{f (i-k, j-1), (k, I) e ff}
其中，W为所选定的模板,所选定模板窗口大小,一般选择3X3, 5X5或7X7等窗。 中值滤波处理前后的图像如图4a和图4b所示。
在步骤S203中，利用图像二值化算法，对灰度齿轮图像进行阈值分割，得到分离的齿轮和背景图像。
在该步骤中，二值化处理是利用图像中要提取的目标物与其背景在灰度特性上的差异，把图像视为具有不同灰度级的两类区域(目标和背景)的组合，其关键是选择合理的分割阈值。
当一个像素的灰度值超过这个阈值，就可以说这个像素属于人们感兴趣的目标， 反之则属于背景部分。
在齿轮图像中，只有一个目标与背景，而且目标与背景的灰度分布都比较均匀， 那么它的直方图往往呈现为双峰曲线，如图5(a)所示。选用双峰之间的某一阈值T，就可以把图像的像素分成大于T的像素群(目标)和小于T的像素群(背景)两部分。为了提高系统的自适应能力，本文采取迭代阈值法，首先选择一个近似阈值作为估计值的初始值，然后连续不断地改进这一估计值，即利用初始值生成子图像，并根据子图像的特性来选择新的阈值，然后利用新的阈值来分割图像，此分割结果好于用初始阈值分割图像的效果。设原始图像为f (X，y)，二值化后图像为g(x，y)，阈值为T，则iO f(x,y)>T
g(x,y)^\U f(x,y)<T
其中，值为I的部分表示目标齿轮，值为O的部分表示背景。二值化处理后图像如图5(b)所示。
作为本发明的另一个实施例，图6示出了本发明实施例提供的对得到的被测齿轮的齿轮参数进行形态学参数分析，获取包含可能存在缺陷的齿数的分析结果的实现流程图，其具体的步骤如下所述
在步骤S301中，利用填充算法，对所述二值化算法得到的齿轮图像的孔洞进行填充。
在该步骤中，根据现场采集的图像样本分析，由于二值化后齿轮图像中存在孔洞， 因此需要填充算法将齿轮图像中的孔洞消除。
其具体做法为首先读入预处理后的二值图像(先取反)，初始化参数。从多边形区域的一个内点开始，由内向外用给定的颜色画点直到边界为止。如果边界是以一种颜色指定的，则种子填充算法可逐个像素地处理直到遇到边界颜色为止。种子填充算法常用四连通域和八连通域技术进行填充操作。从区域内任意一点出发，通过上、下、左、右、左上、左下、右上和右下八个方向到达区域内的任意像素。如此反复，直到对整幅图像扫描完毕。
区域填充完成，其处理后的图像如图7所示。CN 102914545 A说明书7/11 页
在步骤S302中，对孔洞填充后的二值化图像作为目标，确定计算所述二值化图像的圆心坐标、齿根圆半径和齿顶圆半径。
其中，齿轮圆心作为齿轮参数测量的基准，精确确定被测齿轮的圆心直接关系到测量精度，其具体的步骤下述有详细说明。
在步骤S303中，根据计算得到的所述二值化图像的圆心坐标、齿根圆半径和齿顶圆半径，对齿顶和齿根进行分离，检测齿轮轮齿缺陷，获得齿根图像和齿顶图像。
其中，通过以上步骤计算出图像中齿轮的中心、齿根圆半径和齿顶圆半径后，就可以检测齿轮轮齿缺陷，其具体的步骤下述有详细说明。
在步骤S304中，通过区域标号法，对获得的齿根图像和齿顶图像进行缺陷分析， 计算齿轮的齿数，确定所述齿根和齿顶图像的缺陷区域。
其中，对于以上步骤获得的齿顶图和齿根图像，通过区域标号法标记图像后，就能获得齿轮的实际几何参数，其具体的步骤下述有详细说明。
作为本发明的一个具体实施例，图8示出了本发明实施例提供的对孔洞填充后的二值化图像作为目标，确定计算所述二值化图像的圆心坐标、齿根圆半径和齿顶圆半径的实现流程图，其具体的步骤如下所述
在步骤S401中，读入孔洞填充后的二值化图像，记录齿轮上的坐标。
在步骤S402中，在所述二值化图像上查找距离所述图像中心最远点集合和最近点集合，获取分别能包含齿轮的最小凸多边形的坐标。
在步骤S403中，根据最小凸多边形的坐标，分别绘制出凸多边形。
在步骤S404中，对所述凸多边形分别进行最小二乘法的圆曲线拟合，计算齿轮的圆心坐标、齿根圆半径和齿顶圆半径。
结合图8a和图8b，下述给出其具体的实现
(I)读入二值图像。
(2)将处理获得二值图中的齿轮作为目标,记录齿轮上的坐标。
(3)通过在边缘图像上找出距中心最远点的集合，获得能包含齿轮的最小凸多边形的坐标。
(4)根据坐标绘制出凸多边形，进行显示。并进行类圆度检测。方法为
(5)利用上述坐标值利用最小二乘法进行圆形曲线拟合。
(6)根据拟合的圆计算圆心(Xt), yo)和齿顶圆半径rH。
(7)同样的道理，距中心最近点的集合就是齿根圆上的点，对其进行最小二乘拟合，即可得到齿根圆半径rL。
(8)分别确定拟合后的内圆和外圆。其公式为 .τ = x +rcosO
\0<θ<2π [y = y0 +rsin&
其中，图8a是能包含齿轮的最小多边形，根据其坐标拟合的圆形如图Sb所示。
图9示出了本发明实施例提供的根据计算得到的所述二值化图像的圆心坐标、齿根圆半径和齿顶圆半径，对齿顶和齿根进行分离，检测齿轮轮齿缺陷，获得齿根图像和齿顶图像的实现流程图，其具体的步骤如下所述
在步骤S501中，在二值化图像中，以介于齿根圆半径与齿顶圆半径之间的某个数11值为半径绘制一个计算辅助圆。
在该步骤中，读入图像，初始化参数，为了计算方便，删除目标齿轮边缘区域，保留原图中纯齿轮目标图像。结果如图IOa所示。
在边缘图像中，以齿轮中心孔为圆心，以介于齿根圆半径与齿顶圆半径之间的某个值为半径绘制一个计算辅助圆。假设齿顶圆半径为rH，齿根圆半径为rL。则辅助圆的半径为
rM = α ΧτΗ+β XrL
其中α和β分别为齿顶圆和齿根圆的系数,满足条件
0〈α〈1，0〈β〈1，且 α+β=1。
在步骤S502中，设置一蒙板图像，所述蒙板图像大小与齿轮图像大小相同，所述蒙板图像的半径等于齿顶圆半径与齿根圆半径之和的一半。
其中，设置一副空白图像，大小根齿轮图像大小相同，以中心点为圆心，以rh为半径一个圆形蒙板，其中圆内像素值为1，员外像素值为O。假设α = 0.5，β =0.5，则可获得的蒙板图像半径大小为
rM获取的蒙板图像如图IOb所示。
在步骤S503中，将画计算辅助圆后的齿轮图像与所述蒙板图像做差运算，得到齿顶像。
假设齿轮图像为Igea,,蒙版图像为Iniask,则齿顶像Itjut表示为
IH=Igear-Imask
运算效果如图IOc所示，其中白色区域表示齿顶，其中图IOd为其实际计算后的伪彩色图像。
在步骤S504中，将所述蒙板图像与画计算辅助圆后的齿轮图像做差运算，得到齿根像。
将蒙板图像减去齿轮图像获得齿根图像
Il = Imask-Igear
图像运算效果如图IOe所示，其中图IOf为其真实计算后的伪彩色图像。
图11示出了本发明实施例提供的通过区域标号法，对获得的齿根图像和齿顶图像进行缺陷分析，计算齿轮的齿数，确定所述齿根和齿顶图像的缺陷区域的具体实现流程图，其具体的步骤如下所述
在步骤S601中，分别对获得的齿根图像和齿顶图像进行区域标记，获得伪色彩方式显示的齿根图像和齿顶图像。
在步骤S602中，对伪色彩方式显示的齿根图像和齿顶图像分别进行个数和单个面积计算。
在步骤S603中，对齿顶和齿根面积进行统计，分别求取齿顶面积和齿根面积的平均值。
在步骤S604中,通过设定面积阈值的方式,确定齿根和齿顶缺陷区域。
上述实施例的具体的实现过程如下所述
对于以上步骤获得的齿顶图像和齿根图像，通过区域标号法标记图像后，就能获得齿轮的实际几何参数。
区域标记的目的是给连接在一起的像素点附上相同的标记，不同的连接成分附上不同的标记。区域标记在二值图像处理中占有非常重要的地位。通过该处理将各个不同的连接区域区分开，然后就对图像中的连通区域的个数进行计数，并能分析各区域的几何参数。其具体步骤为
(I)扫描二值图像，遇到没加标记的目标像数(白像数)P时，添加一个新的标记 (label)；
(2)给与P连接在一起(即相同连接成分)的像数添加相同的标记；
(3)进一步给所有与加标记像数连接在一起的像数添加相同的标记；
(4)直到连接在一起的像数全部被添加标记。这样一个连接成分就被添加了相同的标记；
(5)返回到第一步，重新查找新的没加标记的像数，重复上述各个步骤。
(6)经过标记后的齿顶图像用伪彩色方式显示如图12a所示，其中，图12a中各个齿顶图应该标记有颜色，以区分不同齿顶，图中未标记，但不用以限制本发明。
(7)根据不同的标记计算齿顶的个数和面积；
其中齿顶个数η为标记的最大值，各齿顶的面积为连通区域像素的个数，用公式表示为
n=max (label)
area (i) =f ind (I==i)
(8)对个齿顶面积进行统计，其直方图表示如图12b所示，由图中看出，齿顶个数η 为20个。
(9)求取齿顶面积的平均值area。用公式表不为
area = —T area(i)
(10)判断缺陷区域。通过设定阈值来判断缺陷区域，判断规则为
J 正常区域 0.8 X area < area{i) < 1.2x areai缺陷区域其他
(11)输出分析结果。
因此，通过这种方式可以计算出齿轮的齿数，并将缺陷区域找出来。
在该实施例中，利用同样方法可以求得齿根区域的几何参数。
作为本发明的一个实施例，计算出齿顶圆半径和齿根圆半径后，可以确定齿轮模数，具体如下
(I)初步估计模数m’。公式为
m= (rH+rL) / η
其中，η为齿数。
(2)初步选定与比较接近的标准齿轮模数。一般可能会有2，3个这样的标准模数存在，计为，ml, m2, m3并按大小排序，假设为ml>m2>m3。
(3)与标准模数表中的模数进行比较，经过判断即可得到齿轮的实际模数。
通过以上步骤，齿轮的标准模数m就可以确定下来。
下述给出了一个具体事例对本发明实施例的技术方案进行说明
为了验证方法的有效性，我们进行了实验，本系统采用的CCD像素个数为 1280X 1040，成像单元面积为4. 068mmX3. 686mm。其实验过程包括以下步骤
(I) K 值标定
采用一标准量块，在不改变测量参数的前提下对测量系统的测量比K=L/L0进行标定，其中L为该量块的计算机图像尺寸，以像素点个数表示，LO为该量块的标准尺寸，单位为毫米。
(2)测量
待测零件图像进入到标定好的测量系统，测得零件的图像尺寸为LI (像素数)。则该零件的测量尺寸为L2=L1K。
(3)判定
比较标准尺寸和测量尺寸，判断工件的尺寸是否在公差容许范围之内，从而对所测量的尺寸进行结果判定。
图13示出了本发明实施例提供的基于计算机视觉的齿轮缺陷检测系统的结构框图，为了便于说明，图中仅给出了与本发明实施例相关的部分。
源图像采集�？�11通过PCI插槽获取图像采集卡采集到的被测齿轮的源图像；预处理操作�？�12对获取得到的被测齿轮的源图像进行包括灰度变换、滤波去噪和阈值分割在内的预处理操作，得到被测齿轮的齿轮参数；形态学参数分析�？�13对得到的被测齿轮的齿轮参数进行形态学参数分析，获取包含可能存在缺陷的齿数的分析结果。
作为本发明的一个具体实施例，如图14所示，所述预处理操作�？�12具体包括
灰度变换处理�？�121将采集到的被测齿轮的24位彩色源图像进行灰度变换处理，得到8位灰度齿轮图像；噪音去除�？�122利用中值滤波算法，对所述8位灰度齿轮图像进行噪音去除；阈值分割�？�123利用图像二值化算法，对灰度齿轮图像进行阈值分割， 得到分离的齿轮和背景图像。
作为本发明的一个具体实施例，如图15所示，所述形态学参数分析�？�13具体包括
孔洞填充�？�131利用填充算法，对所述二值化算法得到的齿轮图像的孔洞进行填充；圆心半径计算�？�132对孔洞填充后的二值化图像作为目标，确定计算所述二值化图像的圆心坐标、齿根圆半径和齿顶圆半径；齿根图像和齿顶图像获得�？�133根据计算得到的所述二值化图像的圆心坐标、齿根圆半径和齿顶圆半径，对齿顶和齿根进行分离，检测齿轮轮齿缺陷，获得齿根图像和齿顶图像；缺陷分析�？�134通过区域标号法，对获得的齿根图像和齿顶图像进行缺陷分析，计算齿轮的齿数，确定所述齿根和齿顶图像的缺陷区域。
作为本发明的一个具体实施例，如图16所示，所述圆心半径计算�？�132具体包括
坐标记录模块1321读入孔洞填充后的二值化图像，记录齿轮上的坐标；点查找�？�1322在所述二值化图像上查找距离所述图像中心最远点集合和最近点集合，获取分别能包含齿轮的最小凸多边形的坐标；绘制�？�1323根据最小凸多边形的坐标，分别绘制出凸多边形；拟合计算�？�1324对所述凸多边形分别进行最小二乘法的圆曲线拟合，计算齿轮的圆心坐标、齿根圆半径和齿顶圆半径；
作为本发明的一个具体实施例，如图17所示，所述齿根图像和齿顶图像获得�？� 133具体包括
计算辅助圆绘制�？�1331在二值化图像中，以介于齿根圆半径与齿顶圆半径之间的某个数值为半径绘制一个计算辅助圆；蒙板图像设置�？�1332设置一蒙板图像，所述蒙板图像大小与齿轮图像大小相同，所述蒙板图像的半径等于齿顶圆半径与齿根圆半径之和的一半；第一差运算�？�1333将画计算辅助圆后的齿轮图像与所述蒙板图像做差运算， 得到齿顶像；第二差运算�？�1334将所述蒙板图像与画计算辅助圆后的齿轮图像做差运算，得到齿根像；
作为本发明的一个具体实施例，如图18所示，所述缺陷分析�？�134具体包括
区域标记模块1341分别对获得的齿根图像和齿顶图像进行区域标记，获得伪色彩方式显示的齿根图像和齿顶图像；计算�？�1342对伪色彩方式显示的齿根图像和齿顶图像分别进行个数和单个面积计算；统计�？�1343对齿顶和齿根面积进行统计，分别求取齿顶面积和齿根面积的平均值；确定�？�1344通过设定面积阈值的方式,确定齿根和齿顶缺陷区域。
上述仅为本发明系统实施例，其各�？榈墓δ苁迪秩缟鲜龇椒ㄊ凳├觯诖瞬辉僮浮な觯挥靡韵拗票痉⒚�。
本发明实施例基于机器视觉的齿轮参数测量系统，它通过摄像头采集图像，经过采集卡传到计算机中，结合计算机强大的数据处理能力，利用图像处理技术实现了齿轮参数的非接触测量。本发明实施例不仅测量速度快、而且精度高，满足了齿轮常规参数测量的功能要求，大批量工业生产过程中可以大大提高生产效率和生产的自动化程度，可满足生产实际中的测量精度要求，且测量时间仅为几秒钟，能满足工业测量中对测量速度的要求，具有较大的理论及实用价值。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
权利要求
1.一种基于计算机视觉的齿轮缺陷检测方法，其特征在于，所述方法包括下述步骤 通过PCI插槽获取图像采集卡采集到的被测齿轮的源图像；对获取得到的被测齿轮的源图像进行包括灰度变换、滤波去噪和阈值分割在内的预处理操作，得到被测齿轮的齿轮参数；对得到的被测齿轮的齿轮参数进行形态学参数分析，获取包含可能存在缺陷的齿数的分析结果。
2.根据权利要求I所述的基于计算机视觉的齿轮缺陷检测方法，其特征在于，所述对获取得到的被测齿轮的源图像进行包括灰度变换、滤波去噪和阈值分割在内的预处理操作，得到被测齿轮的齿轮参数的步骤具体包括下述步骤将采集到的被测齿轮的24位彩色源图像进行灰度变换处理，得到8位灰度齿轮图像； 利用中值滤波算法，对所述8位灰度齿轮图像进行噪音去除；利用图像二值化算法，对灰度齿轮图像进行阈值分割，得到分离的齿轮和背景图像。
3.根据权利要求2所述的基于计算机视觉的齿轮缺陷检测方法，其特征在于，所述对得到的被测齿轮的齿轮参数进行形态学参数分析，获取包含可能存在缺陷的齿数的分析结果的步骤具体包括下述步骤利用填充算法，对所述二值化算法得到的齿轮图像的孔洞进行填充；对孔洞填充后的二值化图像作为目标，确定计算所述二值化图像的圆心坐标、齿根圆半径和齿顶圆半径；根据计算得到的所述二值化图像的圆心坐标、齿根圆半径和齿顶圆半径，对齿顶和齿根进行分离，检测齿轮轮齿缺陷，获得齿根图像和齿顶图像；通过区域标号法，对获得的齿根图像和齿顶图像进行缺陷分析，计算齿轮的齿数，确定所述齿根和齿顶图像的缺陷区域。
4.根据权利要求3所述的基于计算机视觉的齿轮缺陷检测方法，其特征在于，所述对孔洞填充后的二值化图像作为目标，确定计算所述二值化图像的圆心坐标、齿根圆半径和齿顶圆半径的步骤具体包括下述步骤读入孔洞填充后的二值化图像，记录齿轮上的坐标；在所述二值化图像上查找距离所述图像中心最远点集合和最近点集合，获取分别能包含齿轮的最小凸多边形的坐标；根据最小凸多边形的坐标，分别绘制出凸多边形；对所述凸多边形分别进行最小二乘法的圆曲线拟合，计算齿轮的圆心坐标、齿根圆半径和齿顶圆半径。
5.根据权利要求3所述的基于计算机视觉的齿轮缺陷检测方法，其特征在于，所述根据计算得到的所述二值化图像的圆心坐标、齿根圆半径和齿顶圆半径，对齿顶和齿根进行分离，检测齿轮轮齿缺陷，获得齿根图像和齿顶图像的步骤具体包括下述步骤在二值化图像中，以介于齿根圆半径与齿顶圆半径之间的某个数值为半径绘制一个计算辅助圆；设置一蒙板图像，所述蒙板图像大小与齿轮图像大小相同，所述蒙板图像的半径等于齿顶圆半径与齿根圆半径之和的一半；将画计算辅助圆后的齿轮图像与所述蒙板图像做差运算，得到齿顶像；将所述蒙板图像与画计算辅助圆后的齿轮图像做差运算，得到齿根像。
6.根据权利要求3所述的基于计算机视觉的齿轮缺陷检测方法，其特征在于，所述通过区域标号法，对获得的齿根图像和齿顶图像进行缺陷分析，计算齿轮的齿数，确定所述齿根和齿顶图像的缺陷区域的步骤具体包括分别对获得的齿根图像和齿顶图像进行区域标记，获得伪色彩方式显示的齿根图像和齿顶图像；对伪色彩方式显示的齿根图像和齿顶图像分别进行个数和单个面积计算；对齿顶和齿根面积进行统计，分别求取齿顶面积和齿根面积的平均值；通过设定面积阈值的方式，确定齿根和齿顶缺陷区域。
7.一种基于计算机视觉的齿轮缺陷检测系统，其特征在于，所述系统包括源图像采集�？椋糜谕ü齈CI插槽获取图像采集卡采集到的被测齿轮的源图像； 预处理操作�？椋糜诙曰袢〉玫降谋徊獬萋值脑赐枷窠邪ɑ叶缺浠�、滤波去噪和阈值分割在内的预处理操作，得到被测齿轮的齿轮参数；形态学参数分析�？椋糜诙缘玫降谋徊獬萋值某萋植问行翁Р问治觯袢“赡艽嬖谌毕莸某菔姆治鼋峁�。
8.根据权利要求7所述的基于计算机视觉的齿轮缺陷检测系统，其特征在于，所述预处理操作�？榫咛灏ɑ叶缺浠淮砟？椋糜诮杉降谋徊獬萋值�24位彩色源图像进行灰度变换处理， 得到8位灰度齿轮图像；噪音去除模块，用于利用中值滤波算法，对所述8位灰度齿轮图像进行噪音去除； 阈值分割�？椋糜诶猛枷穸祷惴ǎ曰叶瘸萋滞枷窠秀兄捣指睿玫椒掷氲某萋趾捅尘巴枷�。
9.根据权利要求7所述的基于计算机视觉的齿轮缺陷检测系统，其特征在于，所述形态学参数分析�？榫咛灏ǹ锥刺畛淠？椋糜诶锰畛渌惴ǎ运龆祷惴ǖ玫降某萋滞枷竦目锥唇刑畛洌辉残陌刖都扑隳？椋糜诙钥锥刺畛浜蟮亩祷枷褡魑勘辏范扑闼龆祷枷竦脑残淖�、齿根圆半径和齿顶圆半径；齿根图像和齿顶图像获得模块，用于根据计算得到的所述二值化图像的圆心坐标、齿根圆半径和齿顶圆半径，对齿顶和齿根进行分离，检测齿轮轮齿缺陷，获得齿根图像和齿顶图像；缺陷分析�？椋糜谕ü虮旰欧ǎ曰竦玫某莞枷窈统荻ネ枷窠腥毕莘治觯扑愠萋值某菔范ㄋ龀莞统荻ネ枷竦娜毕萸颍凰鲈残陌刖都扑隳？榫咛灏ㄗ昙锹寄？椋糜诙寥肟锥刺畛浜蟮亩祷枷瘢锹汲萋稚系淖辏坏悴檎夷？椋糜谠谒龆祷枷裆喜檎揖嗬胨鐾枷裰行淖钤兜慵虾妥罱慵希袢》直鹉馨萋值淖钚⊥苟啾咝蔚淖辏换嬷颇？椋糜诟葑钚⊥苟啾咝蔚淖辏直鸹嬷瞥鐾苟啾咝危荒夂霞扑隳？椋糜诙运鐾苟啾咝畏直鸾凶钚《朔ǖ脑睬吣夂希扑愠萋值脑残淖辍⒊莞舶刖逗统荻ピ舶刖叮凰龀莞枷窈统荻ネ枷窕竦媚？榫咛灏扑愀ㄖ不嬷颇？椋糜谠诙祷枷裰校越橛诔莞舶刖队氤荻ピ舶刖吨涞哪掣鍪滴刖痘嬷埔桓黾扑愀ㄖ玻幻砂逋枷裆柚媚？椋糜谏柚靡幻砂逋枷瘢雒砂逋枷翊笮∮氤萋滞枷翊笮∠嗤雒砂逋枷竦陌刖兜扔诔荻ピ舶刖队氤莞舶刖吨偷囊话耄坏谝徊钤怂隳？椋糜诮扑愀ㄖ埠蟮某萋滞枷裼胨雒砂逋枷褡霾钤怂悖玫匠荻ハ瘢坏诙钤怂隳？椋糜诮雒砂逋枷裼牖扑愀ㄖ埠蟮某萋滞枷褡霾钤怂悖玫匠莞瘢凰鋈毕莘治瞿？榫咛灏ㄇ虮昙悄？椋糜诜直鸲曰竦玫某莞枷窈统荻ネ枷窠星虮昙牵竦梦鄙史绞较允镜某莞枷窈统荻ネ枷瘢患扑隳？椋糜诙晕鄙史绞较允镜某莞枷窈统荻ネ枷穹直鸾懈鍪偷ジ雒婊扑悖煌臣颇？椋糜诙猿荻ズ统莞婊型臣疲直鹎笕〕荻ッ婊统莞婊钠骄担蝗范？椋糜谕ü瓒婊兄档姆绞剑范ǔ莞统荻ト毕萸�。
全文摘要
本发明涉及图像处理技术领域，提供了一种基于计算机视觉的齿轮缺陷检测方法及系统，所述方法包括下述步骤通过PCI插槽获取图像采集卡采集到的被测齿轮的源图像；对获取得到的被测齿轮的源图像进行包括灰度变换、滤波去噪和阈值分割在内的预处理操作，得到被测齿轮的齿轮参数；对得到的被测齿轮的齿轮参数进行形态学参数分析，获取包含可能存在缺陷的齿数的分析结果。本发明实施例不仅测量速度快、而且精度高，满足了齿轮常规参数测量的功能要求，大批量工业生产过程中可以大大提高生产效率和生产的自动化程度，可满足生产实际中的测量精度要求,且测量时间仅为几秒钟,能满足工业测量中对测量速度的要求，具有较大的理论及实用价值。
文档编号G01N21/88GK102914545SQ201210460169
公开日2013年2月6日 申请日期2012年11月15日 优先权日2012年11月15日
发明者王文成 申请人:潍坊学院
专业数控铣床产品供应商
20年生产经验，实力工厂，精工品质，质量有保障
