基于机器视觉的齿轮缺陷研究

王　丽

（重庆工业职业技术学院，重庆，401120）

基于机器视觉的齿轮缺陷研究

王丽

（重庆工业职业技术学院，重庆，401120）

本文主要研究了在直齿圆柱齿轮的缺陷检验中，采用计算机图像技术的相关理论和方法，对提取到的齿轮图像进行灰度直方图变换、图像分割和数字减影等数字图像处理技术进行处理，以获得减影图像。通过对减影结果进行分析，可以获得齿轮缺陷的相关信息，实现了对齿轮缺陷的快速、准确的检测判断，具有一定的工程实用价值。

计算机图像技术；齿轮缺陷识别；数字图像技术

1　图像采集系统

要对齿轮表面图像进行数字处理和分析，首先需要将大量的胶片转化为数字图像，以便进一步的分析。本文采用CCD摄像机在暗室条件中拍摄，通过此方法获得的数字图像可以作为本文研究的基础，本文图像采集系统的构成如下图：

图1　齿轮图像采集系统结构示意图

测试系统主要包括：CCD摄像机、镜头、照明系统和图像采集卡。

2　齿轮图像的预处理

2.1灰度直方图均衡化。直方图是构成图像灰度特征的重要参数，它是图像的灰度统计分布，其横坐标是灰度值，纵坐标是对应灰度值出现的数目。一般来说，处理前图像的直方图在灰度区间［0，70］与［130，220］的区间中数目较多，图像中等亮度区域中的细节看不清楚，因而需要对直方图进行均衡化，从而使其灰度分布较均匀，图像中的各个细节部分也能看清。在 MATLAB 中，用 histeq 函数来进行直方图均衡化并用 imhist 函数绘制直方图。

3　齿轮图像的分析

3.1图像数字分割。本文的齿轮图像包括灰度较大的物体和灰度较小的背景。为了将物体分离出来，需要对图像进行分割。本文采用阈值化技术来实现图像分割，它通过选取合适的灰度阈值，然后以阈值作为区分标准，将像素灰度值大于阈值的作为一类（值设为255），其它的划分为另一类（值设为0），从而实现对图像的分割，整个技术的关键就是选择合适的阈值。本文借鉴文献［1］采用迭代法求最佳阈值。其步骤如下：

（1）求出图像中的最大和最小灰度值Ai和Ak，并令初始阈值为：

（2）根据阈值Hk将图像分割成目标图像和背景图像两部分，再求出这两部分的平均灰度值Ao和Ab：

式中，A（i，j）是图像某点（i，j）的灰度值；N（i，j）是点（i，j）的加权系数，一般为1，

（3）求出新的阈值：

（4）如果Tk=Tk+1，则迭代结束，否则K+1→K，转到2步继续迭代据上面这种算法，获得分割后的二值化图像如图7（a）所示。

3.2数字图像减影。对于经过图像分割后的图像采用数字减影法来检测齿轮的缺陷情况，它通过将待测缺陷图像与标准模板图像进行点对点的减法运算，以突显两幅图的差异部分，从而提取出我们关心的缺陷部分。

为了找到缺陷齿轮与模板图像的最大重合位置，需要不断将缺陷图像进行旋转，以计算两图的相似性，本文采用灰度直方图来计算二者的相对位置关系，其计算方法如下。

①分别计算模板图像和缺陷图像的灰度直方图数组fa［255］，fb［255］，及其联合直方图hab［255，255］.

②采用下式对直方图数值进行归一化。

③计算图像信息熵

④记两图像信息熵之和为I

当两图像位置重合时I的值达到最大，将图5沿着顺时针方向旋转，每隔1°计算一次I的值，求出Imax所对应的位置即两齿轮重合时的位置。

（2）标准模板的合成

本文的标准模板采用多个合格齿轮图像合成的方式获得。具体做法为：设（x'，y'）为齿轮上某一点，其8个领域就是一个3×3模板的范围即S3×3，g（x'，y'）是邻域内点的像素值，该点均值f（x，y）可表示为：

然后对10幅图像求均值，设f1（x，y），f2（x，y），…，f10（x，y）是齿轮坐标为f（x，y）对应的像素值，f（x，y）为最后的均值，从而实现了模板的合成，如图7（a），与图6相比，其齿廓更为清楚。

将调整好位置的模板图像和缺陷图像相减，可以得到图像差影，即缺陷的图像特征如图7。

（a）齿轮模板图像 （b）缺陷齿轮图像 （c）缺陷图像图2数字减影结果

通过程序对减影结果图像进行分析，即可确定待判断齿轮是否存在缺陷，或是根据减影出的缺陷图像的不同几何特征，如缺陷图像面积、周长、长径比和圆度等判断出缺陷的类型和程度。该研究结果可以作为齿轮工业生产中大批量自动化缺陷检测的基础。

4　结论

本文的研究可以提高齿轮大批量生产中缺陷检测识别的问题，并且具有成本低，速度快、精度高的特点，具有一定的工程实用价值。

Study of computer image technology in gear defect identification

Wang Li
（Chongqing Vocational Institute of Industry Technology，Chongqing，401120）

This paper mainly studies the defect inspection of spur gears， and the relevant theories and methods of computer image technology are used.The digital image processing technology， such as gray level histogram transform， digital filter， image segmentation and digital subtraction， is processed to obtain the image subtraction images.By analyzing the result of the reduction， we can get the relevant information of the gear defects， and realize the fast and accurate detection of the gear defects， which has a certain practical value.

computer image technology； gear defect identification； digital image technology

王丽（1980—），女，山东人，硕士，讲师，主要从事机械传动结构设计、机电一体化的理论研究与教学工作

刘良江，王耀南等基于机器视觉的滚动轴承外径检测系统［J］.系统仿真学报， 2007， 19（21）：4981-4989.