基于单幅图像的端铣表面粗糙度三维检测

机械零件在机械加工过程中，由于工件的塑性变形等原因会在加工工件表面上产生一系列微小间距的峰谷所形成的微观几何形状误差，该误差被称为工件的表面粗糙度。表面粗糙度是评定零件表面质量的重要指标，它直接影响到零件的使用性能、配合性质、耐磨性、工作精度、抗腐蚀性、安全性和寿命，尤其对于具有特殊功能的零件更是如此。因此，快速准确、无损地检测零件工作表面的粗糙度对于零件的正常使用性能和系统的安全性具有重要意义。

随着现代工业的不间断发展和先进科学技术的日新月异，传统的表面粗糙度检测方法及其精度已经不能够满足当下的生产需求[1]，研究人员希望对其相关研究有着新的更加严苛的技术要求和更加完善的技术标准。

本文基于机器视觉理论，采用从明暗恢复形状方法，以 MATLAB 软件为平台搭建了表面粗糙度检测系统，提取表面粗糙度特征参数，实现了对端铣工件表面粗糙度的非接触式无损检测。本文研究的主要内容为：

（1） 采集粗糙度图像样本：通过对图像数据库中大量的工件表面显微图像进行对比分析发现，在相同的光照条件以及放大倍数下，一种加工方法的同一粗糙度等级工件显微图像的总体特征，如纹理的统计特征、灰度变化等呈现一定的一致性，并且具有周期性，这些总体特征随着粗糙度值的接近而趋向一致。因此，可提取这些与工件表面粗糙度呈现某种映射关系的图像特征参数来建立图像与表面粗糙度值之间的关系模型，进而实现工件表面粗糙度的测量。本文的图像采集系统选择日本基恩士（KEYENCE）公司研发生产的VHX-1000型超景深三维显微镜，使用高清晰度RZ镜头，在相同光照、相同放大倍数下，对表面粗糙度等级为Ra=0.8?m、l.6?m、3.2?m、6.3?m四个粗糙度等级的端铣表面粗糙度标准样块进行图像采集，在不同位置进行多次采集。

（2）工件表面原始图像预处理：通过图像采集系统得到的原始图像为1600×1200×3 数组的 RGB 图像，由于其存在光照不均、对比度不明显以及噪声等缺陷，为了得到高质量的实验图像样本，需要对原始图像进行预处理以达到实验对样本图像的要求。图像预处理主要用于消除图像几何畸变、图像噪声以及光照不均匀等对所采集图像的影响，改善图像质量，进而获取准确的表面纹理信息以便于对表面纹理的分析处理。由于图像采集系统得到的工件原始表面粗糙度显微图像为彩色图像，所包含的信息量较大、运算过于复杂、耗时较长，而灰度图像足以表征本文所需图像的整体和局部的色度、亮度的分布和特征、加工纹理情况等的所有细节信息。因此需要将RGB 图像进行灰度化。使用matlab软件对图像进行灰度化处理，降噪处理采用非线性滤波中的中值滤波方法。

（3） 改进三维重建算法：提出了一种新的从明暗恢复形状改进算法，该三维重建算法的改进基于Sobel梯度算子，利用Sobel梯度算子进行差分来代替朗伯体光照模型中的微分。计算出了图像表面的灰度梯度，进而得到了表面法矢向量的倾角θ与偏角φ，并且得到了表面的法矢向量。利用数值积分与三次样条插值提高了计算表面高度的计算精度。经过改良后的三维重建算法，更加适应金属表面微观形貌的三维重建，得到了较为理想的三维重建图像。通过利用轮廓仪测得的二维轮廓曲线与重建图像横截面的二维轮廓曲线进行对比，二者走势基本一致，达到了预期的重建效果，验证了运用改良三维重建算法对微观金属表面图像进行三维重建算法的可行性。

（4） 利用基于改良的三维重建算法对端铣表面进行微观形貌的三维重建。通过sobel算子对物体表面上各点的法矢向量进行计算，利用数值积分求解表面各点的三维高度，通过三次样条插值的引入来提高计算精度。提取重建表面中垂直纹理方向的二维轮廓曲线，与经轮廓仪测得的轮廓曲线进行对比，验证了运用改良三维重建算法对微观金属表面图像进行三维重建算法的可行性。

（5） 建立表面粗糙度检测系统。根据三维重建后的图像信息，提取其表面粗糙度的二維和三维特征参数，分析表面粗糙度参数与不同粗糙度等级之间的关系，来丰富对表面粗糙度的表征。利用MATLAB软件开发一个简单的表面粗糙度检测系统GUI用户界面，基于GUI中输出控件开发的，主要是通过GUIDE向导来实现系统的设计。主要分为三个部分：一是在GUI窗口上添加控件；二是设置GUI控件的属性；三是GUI编程（其主要内容包括创建M文件、编写回调函数、在回调函数间共享数据）。

创建的控件，要编写相应的回调函数才能实现计算或操作。要使回调函数工作必须在初始框架中添加代码，通过将数据保存到MATLAB的handles结构中，可以实现回调间的共享。

所设计的表面粗糙度检测系统能够实现图像读取、图像预处理、运用SFS方法重建表面三维微观形貌、提取重建图像表面二维轮廓曲线和表面粗糙度特征参数的计算等功能，能够实现对工件表面粗糙度的快速准确、无损检测。

本文以端铣工件为研究对象，对表面粗糙度非接触式精密测量的实现方法进行了研究。通过图像采集系统获取工件表面显微图像，运用机器视觉检测技术，对数字图像进行处理。通过从明暗恢复形状方法对工件表面图像的微观形貌进行三维重建，并从所重建的三维图像中提取有用的三维粗糙度信息。提取工件表面粗糙度三维特征参数，分析该三维特征参数与不同等级粗糙度的对应关系，通过运用明暗恢复形状方法对图像表面进行三维重建，打破了二维检测所受到的局限性，最大程度上完整的描述了表面粗糙度信息，完成表面粗糙度的定量检测与检测结果的可靠性分析。

参考文献

[1]王政平， 张锡芳， 张艳娥. 表面粗糙度光学测量方法研究进展[J].

作者简介

于静（1986-），女，汉族，辽宁省北票市人，沈阳建筑大学，研究生；研究方向：机械工程。