1 引言

機(jī)器視覺(jué)就是用機(jī)器代替人眼來(lái)做測(cè)量和判斷。機(jī)器視覺(jué)系統(tǒng)是指通過(guò)機(jī)器視覺(jué)產(chǎn)品將被攝取目標(biāo)轉(zhuǎn)換成圖像信號(hào)，再傳送給專用信息處理裝置作進(jìn)一步加工的軟、硬件設(shè)備。由于機(jī)器視覺(jué)系統(tǒng)可以快速獲取大量信息，而且易于自動(dòng)處理，和便于與加工控制信息集成，因此，在現(xiàn)代自動(dòng)化生產(chǎn)過(guò)程中，人們將機(jī)器視覺(jué)系統(tǒng)廣泛地用于工況監(jiān)視、成品檢驗(yàn)和質(zhì)量控制等領(lǐng)域。機(jī)器視覺(jué)系統(tǒng)的特點(diǎn)是自動(dòng)、客觀、非接觸、精度高，可方便地提高生產(chǎn)的柔性和自動(dòng)化程度。在一些不適合于人工作業(yè)的危險(xiǎn)工作環(huán)境或人工視覺(jué)難以滿足要求的場(chǎng)合，常用機(jī)器視覺(jué)來(lái)替代人工視覺(jué);在大批量工業(yè)生產(chǎn)過(guò)程中，用人工視覺(jué)檢查產(chǎn)品質(zhì)量效率低且精度不高，用機(jī)器視覺(jué)檢測(cè)方法可以大大提高生產(chǎn)效率和生產(chǎn)的自動(dòng)化程度。由于機(jī)器視覺(jué)易于實(shí)現(xiàn)信息集成，是實(shí)現(xiàn)計(jì)算機(jī)集成制造的基礎(chǔ)技術(shù)之一。總之，隨著機(jī)器視覺(jué)技術(shù)自身的成熟和發(fā)展，可以預(yù)計(jì)它將在現(xiàn)代和未來(lái)制造企業(yè)中得到越來(lái)越廣泛的應(yīng)用。

眾所周知，工業(yè)CT技術(shù)作為一種先進(jìn)的無(wú)損檢測(cè)技術(shù)，它不僅可以用于工件內(nèi)部結(jié)構(gòu)和缺陷的無(wú)損檢測(cè)、質(zhì)量評(píng)定、定性分析和判斷，還可以通過(guò)對(duì)工業(yè)CT圖像的測(cè)量來(lái)實(shí)現(xiàn)工件內(nèi)部結(jié)構(gòu)尺寸和缺陷尺寸進(jìn)行測(cè)量和定量分析，測(cè)量精度高，可重復(fù)性好。近年來(lái)，從定性檢測(cè)向定量測(cè)量方向發(fā)展是工業(yè)CT技術(shù)的一個(gè)重要研究方向，并且已取得了很大的進(jìn)展。但是，目前國(guó)內(nèi)外對(duì)工業(yè)CT圖像的測(cè)量大都還依賴于手工方法進(jìn)行，不僅測(cè)量的可重復(fù)性差而且測(cè)量精確度不高，越來(lái)越難以適應(yīng)大批量的圖像處理工作的需要。因此，文章結(jié)合工程實(shí)踐，文中針對(duì)手工測(cè)量存在的一些問(wèn)題，對(duì)工業(yè)CT圖像自動(dòng)測(cè)量方法作些探討，根據(jù)工業(yè)CT圖像的自身特點(diǎn)提出了一種基于邊緣提取的自動(dòng)測(cè)量方法。

2 Canny的邊緣檢測(cè)原理簡(jiǎn)介

通過(guò)工業(yè)CT機(jī)獲得大型金屬工件的斷層圖像，然后傳輸給中央管理系統(tǒng)，系統(tǒng)利用圖像處理技術(shù)，對(duì)獲取的圖片進(jìn)行分析，提取工件缺陷相關(guān)尺寸信息，存儲(chǔ)在數(shù)據(jù)庫(kù)中，供圖像分析系統(tǒng)對(duì)金屬或其它材料的基體組織、雜質(zhì)含量、組織成分、缺陷大小等進(jìn)行精確、客觀地分析，為產(chǎn)品質(zhì)量提供可靠的依據(jù)。

從信號(hào)采集角度考慮，透射被測(cè)工件的光子經(jīng)探測(cè)器轉(zhuǎn)換成模擬信號(hào)后，再經(jīng)過(guò)A/D轉(zhuǎn)換成數(shù)字信號(hào)，在上述過(guò)程中，原工件不同材質(zhì)區(qū)域的邊緣[1]，根據(jù)CT卷積反投影重建算法[2]中的點(diǎn)擴(kuò)散原理可知，真實(shí)邊界在數(shù)字圖中的邊緣范圍3個(gè)像素。

Canny把邊緣檢測(cè)問(wèn)題轉(zhuǎn)換為檢測(cè)單位函數(shù)極大值的問(wèn)題[3]。在高斯噪聲中，一個(gè)典型的邊緣代表一個(gè)階躍的強(qiáng)度變化。

(1) 一個(gè)好的邊緣檢測(cè)算子應(yīng)具有三個(gè)指標(biāo):

低失誤概率，既要少將真正的邊緣丟失，也要少將非邊緣判為邊緣;
高定位精度，檢測(cè)出的邊緣應(yīng)在真正的邊緣位置上;
對(duì)每個(gè)邊緣有唯一的響應(yīng)，得到的邊緣為單像素寬。

(2) Canny提出了判定邊緣檢測(cè)算子的三個(gè)準(zhǔn)則[4]:

良好的信噪比:良好的信噪比準(zhǔn)則即將非邊緣點(diǎn)判為邊緣點(diǎn)的概率要低，將邊緣點(diǎn)判為非邊緣點(diǎn)的概率要低。信噪比的數(shù)學(xué)表達(dá)式：
(1)
其中，f(x)是邊界為[-ω,+ω]的濾波器脈沖響應(yīng)，G(-x)代表邊緣函數(shù)，σ是高斯噪聲的均方差，若信噪比大，則邊緣提取質(zhì)量好。

定位精度準(zhǔn)則。定位精度是指檢測(cè)出的邊緣點(diǎn)要盡可能在實(shí)際邊緣的中心。定位精度的數(shù)學(xué)表達(dá)式為:
(2)
其中，G'(x)和f'(x)分別表示G(x)和f(x)的一階導(dǎo)數(shù)。如果Localization值越大，那么表明邊緣定位精度就高。

單邊響應(yīng)準(zhǔn)則。即要保證單邊緣只有一個(gè)像素響應(yīng)，檢測(cè)算子的脈沖響應(yīng)導(dǎo)數(shù)的零交叉點(diǎn)平均距離D(f')應(yīng)滿足f"(x)(為f(x)的二階導(dǎo)數(shù))
(3)
最后，Canny用泛函求導(dǎo)方法推導(dǎo)出高斯函數(shù)的一階導(dǎo)數(shù)，此即為該最佳函數(shù)的最好近似，計(jì)算方法簡(jiǎn)便。

3 Canny邊緣檢測(cè)算法

Canny算法實(shí)際采用雙門限方法實(shí)現(xiàn)邊緣提取,其中兩個(gè)門限分別為h1與h2。Canny建議h2為h1的2～3倍。算法流程如下[5]:

Step1:初始化邊緣點(diǎn)位置EdgeDot=(col, vol), col=0,vol=0。定義邊緣圖figureedge數(shù)組，大小為nWidth×nHeight，初始化為全255(非邊緣);
Step2:在非最大抑制所得圖中查看EdgeDot點(diǎn)的值，并賦給IfEdge;
Step3:if(IfEdge=noedge)then Step7;
Step4:查看梯度圖中EdgeDot點(diǎn)的值，并賦給magni- tude;
Step5:if(magnitudeStep6:在記錄結(jié)果的邊緣圖中記下EdgeDot點(diǎn)并設(shè)置非最大抑制圖對(duì)應(yīng)點(diǎn)值為noedge，然后在梯度圖中查看EdgeDot點(diǎn)的八鄰域點(diǎn)梯度magnitudenear，若magnitudenear>h1，重復(fù)執(zhí)行Step6, 否則執(zhí)行Step7;
Step7:col++;
if(col>=nWidth) then vol++;
if(vol>=nHeight) then end;(程序結(jié)束)
執(zhí)行Step2。

算法中門限的選擇直接影響著Canny算子的性能。

作者用Visual C++ 6.0實(shí)現(xiàn)了該算法，主要包括:圖象平滑(image smoothing，這里使用高斯濾波)、微分(differentiation)處理、非最大值抑制non-maximum suppression)、邊緣閾值化(edge thresholding)等步驟。選取CT圖像序列中的一切片(如圖1所示)該圖像分割算法在實(shí)際應(yīng)用中效果如圖1所示:

圖1 邊緣提取效果圖
4 工業(yè)CT圖像的自動(dòng)測(cè)量

在工業(yè)CT圖像中不同區(qū)域的物質(zhì)表現(xiàn)為灰度值異于周圍物質(zhì)的灰度值。所以，研究者們常通過(guò)邊緣檢測(cè)技術(shù)和圖像分割技術(shù)把這個(gè)區(qū)域分離出來(lái)，使之成為一個(gè)獨(dú)立的分析對(duì)象，然后再進(jìn)行準(zhǔn)確測(cè)量。目前，常見(jiàn)的面積測(cè)量大都依賴于手工完成，主要通過(guò)用戶使用鼠標(biāo)點(diǎn)擊所測(cè)面積區(qū)域的周圍來(lái)得到一個(gè)閉合的區(qū)域，將該區(qū)域近似為待測(cè)的面積區(qū)域，而后通過(guò)統(tǒng)計(jì)該區(qū)域內(nèi)像素點(diǎn)的個(gè)數(shù)來(lái)近似計(jì)算面積。而常見(jiàn)的周長(zhǎng)和極徑測(cè)量也是如同面積測(cè)量一樣僅能得到一個(gè)近似值。顯然，這些測(cè)量方法由于人為原因或算法本身的缺點(diǎn)，給測(cè)量帶來(lái)了較大的誤差，并不具有可重復(fù)操作性，使得成批的圖像測(cè)量難以實(shí)現(xiàn)。

因此，以下通過(guò)對(duì)工業(yè)CT圖像進(jìn)行準(zhǔn)確地分割得到邊緣，并在此基礎(chǔ)上提出針對(duì)大型金屬工件的CT圖像面積、周長(zhǎng)以及極徑等幾何尺寸的自動(dòng)測(cè)量方法。

4.1 面積測(cè)量