机器视觉成像

2、获取相位主值的方法

结构光编码技术因解码方式不同，一般可分为时域编码和空间邻域编码。时域编码是依次按时间顺序投射一组光栅图像至被测物表面，相机采集后再进行解码。时域法能投影简单光栅采集丰富的特征点，提高成像和测量精度，目前运用的比较多的方法为二值法、N值法以及相移法。

空间邻域编码方式仅采用单幅图案即可，通过相邻像素点之间的颜色信息或者灰度的不同来对区域进行编码，因此就提高了图像编码和解码的复杂程度，在解码的识别阶段容易引起误差，导致测量精度不高。但是由于此方法只需采用单幅图案，所以适合在线实时测量。目前空间邻域编码的方法一般分为非标编码、序列编码以及M矩阵编码。

相移法测量是通过向被测物体投射一系列条纹图案，通过物体在其中的相位信息来获取相位主值。在相移法投射中需要一组正弦或余弦分布的条纹，设投影空间中存在任意一点则其灰度值的表达式可表示为:

（1）

其中，表示第n幅图在点处的光强值，和是两个自定义的常量，为条纹光强背景值，为调制幅度，用来控制光强变化的范围，并且≥，且，为编码图案的空间频率，和是投影机水平方向和垂直方向的分辨率，即是编码图像的宽度和高度，下标n是相移索引，其取值范围为[0，N-1]，N (≥3) 是相移步数。

四步相移法

采集四幅带有相移的光栅图像，各图可表示为

（2）

式中，表为第i幅图像的灰度值，为条纹光强的背景值，为调制强度，为待求相位场。

综合上式，得到

（3）

对式（6.5）取反正切函数，可得相位主值

（4）

由式（4）求出的，为相位主值。由反正切特性求出相位主值的值域位于位于区间（有的文献位于）区间，由三角函数的周期性，两者并无本质区别。由式（4）相移法得到相位主值，是相位获取的第一步，由主相位值求取的过程就是解相位又叫相位展开和相位解包裹。

解相位：

考虑到三角函数的周期为，完整的相位应该为：

（5）

式中，k(m,n)为整数，表示（m,n）点对应的2π的整数倍。解相位的关键就在于确定k(m,n)。在物理意义上，k(m,n)表示（m,n）点处光栅条纹的周期次数。确切的表示就是（m,n）到底属于光栅场中哪条条纹，是中心的还是距离中心条纹向左右数的第2,3,4条。

3、基于机器视觉的表面划痕检测

划痕作为物体表面的一种细微特征，具有形状不规则、深浅对比度低等特点，划痕的提取容易受到物体表面的自然纹理或图案干扰，很难准确提取划痕特征。很多学者通常采用Laplacian、Canny、Sobel、Prewitt算子^[1-4]完成边缘检测，但是极易受到图像纹理背景的影响，在对比度较低的情况下，边缘特征不易提取，存在误检，漏检情况。Kokaram算法^[5]利用划痕亮度衰减的余弦分布，通过中值滤波和Hough变换完成划痕筛选然后利用Gibbs采样获取划痕的骨架，以确定它是真划痕还是误测，Kokaram算法容易受到噪声干扰耗费时间较长。基于形状的模板匹配划痕检测算法对于复杂背景有良好的检测效果但容易受到图像灰度变化的影响，且当匹配目标发生旋转时，该算法不适用^[6]。

结合VisionPro视觉集成系统和C#语言开发检测软件表面划痕检测图像预处理基本可以分为以下的流程步骤：图像定位、图像校正、图像去噪、图像增强、边缘检测，图像形态学处理。

图像定位中PatMax 算法采用模板定位技术，利用图像特征间的空间位置和几何特征信息进行模板训练和图像匹配，可以快速定位发生平移、缩放、旋转甚至拉伸形变的物体，利用该算法得到的定位图像具有很高定位精度且图像具有较强的抗干扰性。

图像校正可采用仿射变换可以保持二维图形的“平直性”和“平行性。

图像去噪算法包括中值滤波，均值滤波，高斯滤波，双边滤波等算法。

图像增强算法存在很多类型，例如多源图像线性融合、伽马校正和ACE算法，它们能很好地增强缺陷的对比度信息。剪切变换可以将图像分解为高频部分和低频部分，其中低频部分包含了图像的主体信息，高频部分包含了图像的边缘或者噪声以及细节部分^[7]。

边缘检测部分Canny算子能很好地保留边缘信息、有效分离背景与缺陷。

形态闭运算能很好地缝合未闭合的缺陷轮廓，为后续的缺陷特征提取计算提供了方便。研究后期将详细分析各部分算法的具体原理。

参考文献：

• 陈春谋. 基于直方图均衡化与拉普拉斯的铅条图像增强算法[J]. 国外电子测量技术, 2019, 38(7) : 131-135.
• 张一豪,孙冬梅, 沈玉成, 王振尧. 双目视觉测量系统特征点提取与匹配技术研究[J]. 应用光学, 2016, 37(06) : 866-871.
• Zhou R G, Liu D Q. Quantum Image Edge Extraction Based on Improved Sobel Operator[J]. International Journal of Theoretical Physics, 2019, 58(9):1-17.
• Shang J Y, Zhang Y, Zhang Q B, et al. Distorted Target Recognition Based on Prewitt Operator Combined with MACH Filter[J]. Key Engineering Materials, 2013, 552:523-528.
• 王景艳. 旧电影图像质量评价方法研究[D].大连海事大学,2012.
• 张建国,李颖,齐家坤,季甜甜,刘隽.基于机器视觉的手机屏幕表面划痕检测研究[J].应用光学, 2020, 41(05) : 984-989.

[7]马丽娜. 基于机器视觉的磁体器件表面缺陷识别方法研究[D]. 西安理工大学, 2021.

本文为原创文章，转载请注明出处！

打赏作者