基于图像识别技术的钢球精确计数方法

王忠山，李彦清，任涛

（长春理工大学 机电工程学院，长春 130022）

目前国内外对于轴承钢球的计数方法，通常采用人工称重计数法，即使用电子秤或天平等称重装置称量钢球的重量来计数。由于钢球表面附有防锈油和人工读数的误差等原因，导致称重方法计数不够准确。为保证提供的钢球数量足够装配轴承，钢球生产企业在称重计数过程中往往以千分之三的比例多提供钢球，造成不必要的浪费。国内研究的其它计数方法，如昆明理工大学研制的钢球自动计数及排列装置和西安工程大学研制的钢球自动计数装置，采用光电计数或者霍尔传感器计数方法对钢球进行多通道计数［1］。这些计数方法，对钢球的排列有较高的要求，要求钢球逐一通过传感器检测区域，检测效率较低，无法实现产业化生产。因此对钢球快速精确计数方法的研究具有十分重要的现实意义。

1 图像计数工作原理

选用与钢球亮度差别较大的深色（黑色）平面作为钢球的计数背景。钢球图像计数基本工作原理是利用钢球与背景的灰度差，用工业CCD相机拍摄计数盘中单层钢球的图像，其工作原理如图1所示。

钢球在可见光照射下，相当于球面镜，CCD拍摄的图像大致为圆形，其中心最亮，从中心沿半径向外，亮度越来越低。根据这一特性，设置合适的二值化灰度阈值，对钢球的图像进行二值化处理。将灰度值大于等于该阈值的像素点灰度值替换为255（白），灰度值小于该设定阈值的像素点的灰度值替换为0（黑），如图2所示。图2左图为二值化前的钢球图像，由中心向四周灰度逐渐降低，没有明显分界。右图为二值化处理后图像，中间有一亮斑，四周有明显边界。

图1 图像计数工作原理

图2 单个钢球图象二值化前后对比

钢球在计数盘上是无序排列的，会紧靠在一起。选择一个合适的二值化灰度阈值可以确保二值化后每个钢球图象形成的白色区域不相连接，使各个钢球图像之间相互独立，成为孤立的像素群。同时灰度阈值的选取应保证每个钢球的图像有足够的像素值用于计数，如图3所示。

图3 多钢球图像二值化前后对比

针对二值化后图像中的白色区进行计数，经过图像处理之后每个钢球的图像成为独立的像素群。根据钢球图像的像素值范围，设置一个合适的像素阈值区间，当一个白色区域的像素个数满足该阈值区间时，确定为一个钢球形成的图像，即确定为一个钢球。当一个白色区域的像素值不满足该阈值区间时，认为是干扰形成的图像，即不是钢球。采用像素坐标扫描法，在计数区域内，沿X，Y两坐标方向逐行扫描，每个孤立像素群即记为一枚钢球，逐行扫描后，被确定的钢球图像的总数就是盘中钢球的数量。

2 图像识别技术

2.1 光源的选择

钢球图像的灰度值与光源有很大关系，因此在试验中测试了自然光、日光灯、LED等多种光源对图像质量的影响。试验结果证明，每种光源都可以实现精确计数。通过试验比较分析，采用蓝色LED灯阵列。在CCD相机镜头前加滤光片，只允许蓝色光通过，从根本上解决了其它杂光对CCD相机成像质量的干扰［2，3］。

2.2CCD相机选择

由于图像的二值化需要首先将图像转化成灰度图，为了提高成像质量与加快处理速度，选用了北京微视科技有限公司的MVC系列黑白工业CCD摄像头。该系列摄像头采用了USB2.0标准接口，直接输出灰度图像，并且提供了SDK开发包，方便了编程中的直接调用。

2.3 双灰度阈值算法

同一规格钢球的尺寸及表面光洁度基本相同，但是个别钢球由于光源入射角度不同或表面灰尘等原因，亮度与其它钢球相比明显较低（如图4（a）圆圈中标出）。为了提高此类钢球的识别率，采用双灰度阈值算法，两次二值化的方式进行数字化图像处理［5，6］。即用高灰度阈值进行一次二值化，再进行一次低灰度阈值二值化。为了便于区分，在二值化过程中，采用了RGB三色标记的方法。将满足高灰度阈值的钢球图像标记为绿色，将满足低灰度阈值的钢球图像标记为蓝色。在对像素群扫描计数过程中，两次二值化的结果，即绿色和蓝色图像，均记为钢球，如图4（b）所示。

在图像的二值化中，最常用的二值化算法为固定门限二值化法。取灰度值T1、T2作为双灰度阈值门限，设u(i,j)为每个像素点二值化图像的灰度值，采用以下算法对图像进行二值化处理：

公式（1）是以灰度值T1为阈值进行第一次二值化处理，公式（2）是以灰度值T2为阈值进行第二次二值化处理，经过两次二值化计算后，符合灰度值T1的像素标记为绿色，否则不变；符合灰度值T2的像素标记为蓝色，否则不变。由此便实现了物像与背景分离和信息压缩，如图4所示。

图4 图像双灰度阈值二值化前后对比

3 干扰图像的去除算法

由于钢球表面涂有防锈油，油滴不可避免会附着在计数盘上形成干扰图像，影响正常的图像识别。当计数盘与水平面呈一定角度倾斜放置时，钢球由于自重会紧密排列。而油滴附着在计数盘上，呈分散排列。所以采用的去除干扰算法为：（1）去除过大或过小的像素群，认为是干扰形成的图像。（2）计算每个独立像素群的中心点坐标。像素群中心点的X、Y坐标，用像素坐标的平均值近似计算。计算出每两个相邻像素群的中心距，根据紧密排列相邻钢球图像的中心距范围，设置合适的中心距区间。如果某个像素群与其相邻像素群中心距不满足该设定的区间，则判定为油滴图像。被判定为油滴的像素，标记为红色，扫描计数时不计入钢球数量，如图5所示。实验证明，用上述方法可以有效地去除油滴图像干扰，达到精确计数的目的［4］。

图5 去除油滴图像干扰

4 结论

本文介绍了一种基于图像识别技术的钢球计数方法。采用双灰度阈值算法对所采集的钢球图像进行二值化图像处理，对计数区域内的像素群扫描计数，并且考虑了干扰图像的去除算法。经过样机实验证明，该方法可以对多种尺寸的钢球进行精确计数，计数结果具有较高的可靠性。经过适当改进，该计数方法也可以拓展到其它类似产品的精确计数。

［1］詹磊，杨尚平，邓永明，等.钢球自动计数及排列装置［P］.云南：CN201737482U，2011-02-09.

［2］李小龙，马占鸿，孙振宇，等.基于图像处理的小麦条锈病菌夏孢子模拟捕捉的自动计数［J］.农业工程学报，2013（2）：199-206.

［3］骆志坚.一种棒材自动计数检测系统的研究与应用［D］.杭州：浙江大学，2005.

［4］康牧.图像处理中几个关键算法的研究［D］.西安：西安电子科技大学，2009.

［5］Li Chuyan，Jia Xinyu，Li Haiyu，et al.Digital image processing technology applied in level measurement and control system［J］.Procedia Engineering，2011（24）：226-231.

［6］Wang Liang，Jin Xiaofeng，Fei Yunjian.Image noise reduction based on superposition algorithm used in Xray imager［J］.ProcediaEngineering，2010（7）：286-289.