摘要：闡述鋼球表面檢測的意義和機器視覺的基本原理，使用LabVIEW 和NI Vision Assistant對所采集的鋼球圖像進行了處理且做出相應分析。

　　關鍵詞：鋼球表面檢測；機器視覺；NI Vision Assistant．；LabVIEW

1 引言 軸承在國民經濟各個行業中應用極其廣泛，對其質量的要求也在不斷提高。鋼球是軸承的重要零件，其質量對球軸承的精度、運動性能及使用壽命等均構成較大影響。大量的軸承試驗表明：鋼球占影響軸承全部因素的60％ ，軸承失效因鋼球破壞的比例達58．8％ 。　　機器視覺是研究計算機或其他處理器模擬生物宏觀視覺功能的科學和技術，也就是用機器代替人眼來做測量和判斷。機器視覺將圖像處理、計算機圖形學、模式識別、計算機技術、人工智能等眾多學科高度集成和有機結合，而形成的一門綜合性的技術，具有自動化、客觀、非接觸和高精度等特點。　　本文構建的鋼球表面劃痕機器視覺檢測系統的主要組成部分包括攝像頭及光學部件、照明光源、圖像采集卡、工控機、檢測軟件、數字I／O和網絡連接等。　　首先采用光電轉換器件CCD將被攝取目標轉換成圖像信號，此時的場景圖像是灰度圖像，即三維場景在二維平面上的投影；再通過數據采集卡將此圖像信號傳送給專用的圖像處理工控機，根據像素分布和亮度、顏色等信息，將其轉變成數字化信號并進行各種運算來抽取目標的特征；最后使用數字I／O板卡來實現機器視覺系統與外界系統和數據庫的通信，控制生產流程并將“通過／失敗(PASS／FAIL)”的信息送給數據庫。鋼球表面劃痕機器視覺檢測系統的軟件采用了LabVIEW 和NI Vision Assistant比如不銹鋼鋼球。

2 使用NI Vision Assistant對鋼球圖像的處理及分析 使用NI Vision Assistant 8．0的編程界面。直徑6mm的鋼球經過CCD采集回來的圖像如圖3(a)所示。由于系統采用的照明光源等原因，鋼球中心有一個面積較大的圓型暗斑，這會干擾對鋼球表面劃痕的判斷，在以后的圖像處理中必須將其去掉。在鋼球表面還有幾個較明顯的不規則的暗點，這些就是鋼球表面的劃痕，使用NI Vision Assistant編程對鋼球圖像進行處理后可以將其檢測出來。　　圖像預處理是指在處于最低抽象層次的圖像上所進行的操作，這時處理的輸入和輸出都是亮度圖像。預處理的目的是改善圖像數據，抑制不需要的變形或者增強某些對于后續處理重要的圖像特征。在圖像預處理操作中，濾波指的是使用輸入圖像中一個像素的小鄰域來產生輸出圖像中新的亮度數值的方法。平滑高斯濾波(Smoothing—Gaussian)是基于Kernel來削弱一個所選定的像素點的周圍像素點光強值變化程度，它的實際含義是可以可靠地發現邊緣。選用NI VisionAssistant中的Filter Setup操作框中的Smoothing—Gaussian濾波，Kernel Size選擇為3×3。　　圖像的灰度級別是很有限的，因此灰度級變換用硬件和軟件實現都很容易。一般僅需要256字節的存儲空間，將這個存儲空間稱為查找表(1ookup table)。原始的亮度作為查找的索引，表的內容是新的亮度。圖像信號一般在顯示時經過一個查找表，使得簡單的灰度級變換有實時性。NI Vision Assistant中LookupTable(LUT)操作框的作用是改進圖像的對比度和亮度，其包括了一些可以調節圖像灰度值的選項設置。Square運算對圖像的像素點進行變換，在降低了圖像的亮度、減少了暗區的對比度的同時增加了亮區的對比度。選用Lookup Table Setup操作框中的Square對圖像進一步處理。　　卷積(convolution)在圖像分析的線性方法中是一種非常有用的線性、平移不變的運算。數字圖像在圖像平面上具有有限的域，因此平移不變性只有當平移量小時才有效，這使得卷積常在局部使用。物體的邊界是將亮度圖像與其解釋連接起來的最重要的線索，邊緣檢測技術如，Kirsch，Soble，Pratt算子是基于很小鄰域的卷積，對某些特殊的圖像處理效果很好。NIVision Assistant中Convolution kernel的作用是凸顯一個圖像的邊緣。選擇Filter操作框中的Convolution．Highlight Details運算，Kernel Size為3×3。　　對處理后的圖像數據進行分析之前，圖像分割是最重要的步驟之一，它的主要目標是將圖像劃分為與含有的真實世界的物體或區域有強相關性的組成部分。灰度級閾值化是最簡單的分割處理。很多物體或圖像區域表征為不變的反射率或其表面光的吸收率，可以確定一個亮度常量即閾值(threshold)來分割物體和背景。閡值化計算由于具有代價小、速度快等特點被廣泛的使用。NI Vision Assistant中閾值設定的意義是在灰度圖像中進行分割像素點操作。手動閾值(Manual Threshold)操作可以設定灰度值像素點的取值范圍，所有不在這個閾值范圍內的像素點都被設為0，反之為1。Dark Objects操作可以分離出強度值范圍從0到設定值范圍內所有的像素點。使用ManualThreshold檢測Dark Object，Threshold Range選擇在45。　　數學形態學強調形狀(shape)在圖像預處理、分割和物體描述中的作用。它包括諸多具有很強數學背景的算法及快速算法，是傳統意義上基于線性運算符(如卷積)的信號處理的一個對應。NI Vision As—sistant中Basic Morphology操作框對二值化后的圖像中的粒子的形狀進行調整。Dilate objects消除目標粒子之間的小間隙，擴展目標點的輪廓。Basic Morphol—ogy處理中選擇Dilate objects進行圖像處理，矩陣為5×5，Iterations為1。Advanced Morphology操作框對二值化圖像中的粒子點進行高級操作，Remove large objects意義在于去掉大點，大點的定義是由腐蝕系數決定的，具體參數由Iteration設定。由上述處理后，鋼球圖像僅剩下中心較大的由于照明原因所形成的中心暗斑和一些較明顯的劃痕斑點。為了去掉中心暗斑，使用AdvancedMorphology操作框中的Remove large objects選項進行處理，Iterations值為1。　　最后對圖像處理做出統計，得到了所檢測的鋼球表面所存在的劃痕數目及每個劃痕的中心坐標值。可以看到，最終的檢測結果顯示鋼球存在6個較明顯的劃痕如下。

　　 Resuhs 1 2 3 4 5 6 Center ofMass X 70．07317 27．00000 70．94737 57．00000 29．57317 48．56098 Center ofMass Y 9．43902 51．05882 59．59649 68．00000 72．18293 72．92683

為了方便和整個鋼球表面劃痕機器視覺檢測系統的后續程序的銜接，可以將NI Vision Assistant轉化LabVIEW，生成的LabVIEW 的源代碼。

3 結束語 鋼球質量是衡量軸承質量的一項重要指標，必須對其進行嚴格檢測，尤其是對表面劃痕的檢測。作為一門發展迅速的新興學科，機器視覺技術在鋼球表面檢測中得到了越來越廣泛的應用。本文構建的鋼球表面劃痕機器視覺檢測系統使用NI Vision Assistant軟件對所采集的鋼球圖像進行處理，通過實例表明該方法是可行的，有效的，且易于實現。依據該系統原理生產出的XA—I型全自動鋼球檢測機已得到實際的應用，受到了用戶的好評，但在諸如檢測速度、檢測穩定性和光源照明等方面，還存在一定的改進空間。

參考文獻：[1]潘洪平．鋼球表面質量自動評價體系建立及其應用的研究[D]．哈爾濱工業大學，2000．[2]賈云德，等．機器人視覺[M]．北京：科學出版社，2000．[3]National Instruments Corpration．IMAQ Vison for LabVIEWUser Manual[Z]．USA：2003．[4]National Instruments Corpration．IMAQ Vison Concepts Manual[Z]．USA：2003．[5]朱虹，等．數字圖像處理基礎[M]．北京：科學出版社，2005．