手機鏡片D形缺口檢測方法

閆娜，景文博，崔燦，王曉曼

（1.長春理工大學(xué) 電子信息工程學(xué)院，長春 130022；2.長春理工大學(xué) 光電工程學(xué)院，長春 130022）

手機鏡片D形缺口檢測方法

閆娜1，景文博2，崔燦1，王曉曼1

（1.長春理工大學(xué) 電子信息工程學(xué)院，長春 130022；2.長春理工大學(xué) 光電工程學(xué)院，長春 130022）

針對傳統(tǒng)的人工對位法檢測手機鏡片D形缺口精度低和效率低的問題，提出了一種基于圖像處理技術(shù)的手機鏡片D形缺口檢測方法。對CCD采集的圖像進(jìn)行雙邊濾波提高圖像信噪比，達(dá)到保邊去噪的目的。采用FCD檢測圓算法快速定位鏡片位置，提取鏡片邊緣像素點，通過局部擬合定位缺口范圍并計算缺口信息。在圖像分辨率為1280×960的情況下，平均每幀圖像檢測時間為0.16s，檢測準(zhǔn)確度在95%以上，檢測精密度小于5%，在工業(yè)手機鏡片缺口領(lǐng)域具有重要應(yīng)用價值。

D形缺口；圖像處理；檢測圓；局部擬合

近些年來，隨著信息技術(shù)的蓬勃發(fā)展，以及圖像傳感設(shè)備在性能上的顯著提高，使得圖像處理技術(shù)在許多領(lǐng)域受到廣泛重視并取得了豐碩的實踐成果。圖像處理技術(shù)具有再現(xiàn)性好、處理精度高，靈活性高、適用性強等優(yōu)點，成為非接觸檢測領(lǐng)域［1］的關(guān)鍵技術(shù)。

拍攝景物時首先通過鏡片，將生成的光學(xué)圖像投射到傳感器上，然后光學(xué)圖像被轉(zhuǎn)換成電信號，電信號再經(jīng)過模數(shù)轉(zhuǎn)換變?yōu)閿?shù)字信號，數(shù)字信號經(jīng)過DSP加工處理，再被送到手機處理器中進(jìn)行處理，最終轉(zhuǎn)換成手機屏幕上能夠看到的圖像。鏡片一般帶有D形缺口用于對準(zhǔn)和組裝。在分揀和組裝過程中需要檢測出這些缺口的方向、深度和面積等信息。目前國內(nèi)外關(guān)于手機鏡片缺口檢測的研究并不多，由于手機鏡片通常為圓形，因此檢測其缺口問題常轉(zhuǎn)化為檢測圓形邊緣上的缺口。通常的做法是利用激光二極管和接收器來檢測圓形缺口，真空吸盤將圓形部件吸住，然后在細(xì)分電機帶動下旋轉(zhuǎn)，利用激光二極管和接收器檢測光的變化來確定缺口的位置［2-3］。這種方法雖然可行，但檢測精度低、耗時長，并且依賴復(fù)雜精密的機械設(shè)備?；趯嶋H需求，本文提出利用機器視覺的手段，通過圖像處理技術(shù)來檢測，能夠快速精準(zhǔn)的檢測手機鏡片D形缺口信息。

1 系統(tǒng)組成

手機鏡片缺口檢測系統(tǒng)基本組成如圖1所示，包括了傳輸模塊、光源、待檢測目標(biāo)、CCD相機、數(shù)據(jù)處理模塊、輸出裝置模塊和計算機。傳輸模塊將待檢測目標(biāo)運輸?shù)酵腹馄脚_上，光源位于平臺下方。系統(tǒng)采用背光源，與CCD相機分別在目標(biāo)兩側(cè)，其目的是降低背景的復(fù)雜度使物體的輪廓更加明顯便于對圖像數(shù)據(jù)進(jìn)行處理。CCD相機采集到的圖像數(shù)據(jù)在計算機中的數(shù)據(jù)處理模塊中進(jìn)行處理。計算機根據(jù)處理后的信息控制輸出裝置模塊，在輸出裝置模塊中鏡片將被篩選分類。

圖1 手機鏡片缺口檢測系統(tǒng)組成

2 檢測步驟

2.1 圖像預(yù)處理

在實際應(yīng)用中，預(yù)處理是為了消除圖像中噪聲干擾，提高信噪比以及減小圖像信息，方便特征提取。對手機鏡片圖像預(yù)處理主要包括濾波和圖像分割兩部分。另外還需要設(shè)置圖像感興趣區(qū)域，減少圖像中除目標(biāo)以外的無效數(shù)據(jù)干擾，提高處理速度和精度。

2.1.1 雙邊濾波

檢測手機鏡片缺口需要圖像邊緣信息，采用雙邊濾波方法對圖像濾波去噪，能夠達(dá)到保邊去噪的良好效果［4］。作為一種非線性濾波方法，雙邊濾波器同時考慮空域信息和灰度相似性。濾波器是由兩個函數(shù)構(gòu)成。一個函數(shù)是由幾何空間距離決定濾波器系數(shù)。另一個由像素差值決定濾波器系數(shù)。

雙邊濾波器中，輸出像素的值依賴于鄰域像素的值的加權(quán)組合：

其中，權(quán)重系數(shù)ω(i,j,k,l)取決于定義域核與值域核的乘積，公式（2）-（4）分別表示定義域核、值域核、定義域核與值域核的乘積：

高斯濾波只考慮了空間域的差別，均值濾波則只考慮了值域的差別。從上式中可知，雙邊濾波同時考慮了空間域和值域的差別。

2.1.2 閾值分割

閾值分割是將圖像中的目標(biāo)區(qū)域與背景分割，閾值分割質(zhì)量的優(yōu)劣將對后續(xù)圖像的特征提取和目標(biāo)識別等工作產(chǎn)生重要影響。設(shè)(x,y)為二維圖像點的坐標(biāo)，f(x,y)為圖像各點的灰度值，T為設(shè)定的閾值，則閾值分割后的圖像B(x,y)可表示為：

其中，閾值T是通過OTSU法［5］（最大類間方差法）獲得的，它是一種自適應(yīng)的閾值確定方法。通過灰度直方圖將圖像分成背景和目標(biāo)兩部分。目的是使背景和目標(biāo)的類間方差最大，確保錯分概率最小，將類間方差最大時所對應(yīng)的閾值設(shè)置為分割的閾值T。

2.2 鏡片定位

為了檢測手機鏡片缺口，首先需要定位鏡片在圖像中的位置。由于手機鏡片具有圓形特征，常利用Hough變換圓［6-7］檢測得到圓心和半徑。但是傳統(tǒng)的Hough變換檢測圓計算量大、占用內(nèi)存多且很難滿足工業(yè)檢測的需求。本文采用FCD算法進(jìn)行圓檢測以提高算法速度和精度。假設(shè)圖像中鏡片的亮度低于背景，如圖2（a）所示。FCD算法的主要步驟如下：

（1）計算圖像的梯度。由于待檢測圖像中鏡片和背景的光強不同，在邊緣上圖像的灰度變化最大，梯度的方向?qū)⒅赶驁A心，構(gòu)成一系列向量。由于圓是中心對稱性的，對于每個向量將存在相反方向上的一個向量。這些對稱向量稱為向量對。從圖2（a）中可以看出。對于特定向量V1，其對稱向量V2滿足以下條件：

（I）定義為方向V1和V2之間的絕對差的角度α，應(yīng)接近180度。

（II）角度β連接P2和P1的線（V2和V1的基線）和向量V1的夾角應(yīng)接近0度（這意味著應(yīng)該與V1的方向相同）。

（2）根據(jù)以上條件在圖像的梯度空間中找到所有向量對。可以通過過濾無用矢量來去除噪聲。從圖2（b）中可以看出，由于條件（II），向量V1和V2無法構(gòu)成向量對；然而它們滿足條件（I），為了增加匹配向量對的速度，可以根據(jù)向量的方向?qū)Λ@得的向量進(jìn)行排序，對于每個特定向量，可以更容易地找到其相反方向的向量。

圖2 候選圓向量對

（3）針對每對矢量獲得候選圓。這樣的圓在P1和P2的中點處具有其中心，并且其半徑等于P1和P2之間的距離的一半。圖3通過虛線和粗線示出了這種候選圓。在特殊情況下，如果已知所需圓的半徑的范圍，則可以使用第三條件來過濾那些距離在期望半徑范圍之外的矢量對。實驗表明，如果有一點關(guān)于半徑范圍的信息，算法的性能將顯著增加。

（4）從候選圓中提取所需的圓?？梢詫⒑蜻x圓保存為一組三元組(Cx,Cy,r)，然后根據(jù)它們的歐幾里得距離對這些三元組進(jìn)行聚類。以這種方式，可以通過使用群集的種子和，諸如平均向量計算或群集方差縮減的附加處理來找到期望的圓，減少了空間復(fù)雜性。

2.3 邊緣像素提取

根據(jù)上文檢測到的手機鏡片輪廓圓，將距離輪廓圓為D的圓（分別為內(nèi)側(cè)圓C1和外側(cè)圓C2）所構(gòu)成的圓環(huán)區(qū)域作為搜索區(qū)域Sr。為了檢測邊緣上的缺口，需要遍歷搜索區(qū)域Sr內(nèi)的像素點，如圖3所示。

（1）提取搜索域像素值

假設(shè)檢測到的圓心在(x0,y0)，則圓的函數(shù)方程表示為：

圓上的點可以表示為(x,y)：

圖3 缺口邊緣搜索

對于圓環(huán)上距圓為r的任意一點，可通過下面式子進(jìn)行表示：

當(dāng)前點所在圓的半徑：

單位像素的弧度為：

半徑為Rn的點(Px,Py)可表示為：

以x軸正方向為起點，由內(nèi)向外通過改變r大小可以遍歷搜索每個方向上的像素點。

（2）提取鏡片邊緣

由于圖像經(jīng)過閾值分割，圖像的像素值為0或255。對于同方向上的點，遍歷時當(dāng)像素值由0變?yōu)?55且不再改變時，該點可作為邊緣點。對于邊緣點根據(jù)弧長和所在圓半徑進(jìn)行排序，得到邊緣點分布。圖4為實際部分邊緣點分布，X軸表示弧長Y軸表示半徑。

圖4 邊緣點分布

2.4 獲取缺口信息

2.4.1 缺口范圍定位

（1）初始定位缺口范圍

根據(jù)邊緣數(shù)據(jù)點的分布特征可知，鏡片邊緣由正常邊緣和缺口邊緣組成，正常邊緣到圓心距離均接近R，而缺口邊緣到圓心距離先變小后變大呈二次曲線關(guān)系，如圖4所示。

式（11）為實際點到圓心距離和圓半徑的平方差，遍歷數(shù)據(jù)點找到使δ值最大的數(shù)據(jù)點作為初始缺口中點。從該點出發(fā)向兩邊遍歷，當(dāng)δ值小于T時，定義為初始邊界點，起始點對應(yīng)角度α0，終止點對應(yīng)角度β0，將(α0,β0)設(shè)置為缺口初始范圍。閾值T的約束使(α0,β0)為真實缺口范圍的子集，即(α0,β0)∈(α,β)，如圖5所示。

從圖5（b）可以看出，CCD采集的圖像中邊緣數(shù)據(jù)點的分布并沒有圖5（a）中那么理想，個別數(shù)據(jù)點還有較大偏差，會給缺口信息分析造成不利影響。但是這些點都分布在理想邊界附近，為了獲得較理想的邊界，需要擬合這些數(shù)據(jù)點。

圖5 鏡片邊緣分布

（2）精確定位缺口范圍

由圖5可看出，鏡片缺口部分曲線近似于二次型，可采用最小二乘法多項式擬合［8-9］。缺口上的數(shù)據(jù)點所在圓半徑Ri與弧長x的關(guān)系可表示為：

利用公式（13）對在 (α0,β0)范圍內(nèi)的數(shù)據(jù)進(jìn)行擬合，求出擬合參數(shù)a0、a1、a2。將α0點左側(cè)的數(shù)據(jù)點和 β0右側(cè)的數(shù)據(jù)點依次帶入公式（13）中計算。比較數(shù)據(jù)點對應(yīng)的真實半徑和擬合出來的半徑，當(dāng)趨近0時說明該點屬于缺口部分，更新缺口范圍。最終得到更為精確的缺口范圍(α,β)。

最終邊緣擬合表達(dá)式可表示為：

利用分段擬合對圖4中數(shù)據(jù)進(jìn)行分段擬合，擬合結(jié)果如圖6所示。

圖6 邊緣點擬合

2.4.2 計算缺口信息

手機鏡片D形缺口信息包括缺口方向、深度、大小和面積。圖7（a）中箭頭所指方向為缺口方向。圖7（b）為缺口截圖缺失部分在矩形框內(nèi)，矩形高為缺口大小，寬為缺口深度，缺口線和圓之間的D形面積為缺口面積。

圖7 鏡片D形缺口信息

手機鏡片D形缺口方向可用于鏡片的對準(zhǔn)和組裝，根據(jù)手機鏡片缺口的最大深度和大小可以準(zhǔn)確判斷出該手機鏡片是否符合標(biāo)準(zhǔn)，如果有不符合標(biāo)準(zhǔn)的，直接去除，減小操作時間，提高產(chǎn)品合格率。

3 實驗結(jié)果

算法采用Visual Studio 2010 C++編寫，在win32系統(tǒng)中執(zhí)行。采用分辨率為1280×960的CCD相機，采集手機鏡片圖像以便于分析。對采集到的300幀手機鏡片圖像進(jìn)行檢測，表1列出了101-105幀手機鏡片D形缺口圖像的檢測結(jié)果。

表1 101-105幀手機鏡片D形缺口圖像的缺口信息

為了檢驗算法的準(zhǔn)確性，將檢測結(jié)果與實際缺口信息進(jìn)行對比分析，求出平均準(zhǔn)確度。并根據(jù)檢測數(shù)據(jù)計算相對精密度［10］。表2給出了檢測手機缺口平均準(zhǔn)確度和相對精密度結(jié)果。

表2 檢測準(zhǔn)確度和精密度

平均準(zhǔn)確度計算公式如下：

其中，Δ為絕對誤差，其值為檢測結(jié)果xi與實際數(shù)據(jù)Xi之差的絕對值；r為平均準(zhǔn)確度，根據(jù)平均相對誤差求得。

相對精密度計算公式如下：

其中，σ標(biāo)準(zhǔn)誤差，為檢測結(jié)果均值，γ相對精密度。

4 結(jié)論

針對手機鏡片D形缺口信息，本文提出基于機器視覺檢測方法。定位出手機鏡片所在圓的位置，并對手機鏡片邊緣信息進(jìn)行處理，通過局部擬合消除邊緣不均勻分布的誤差，準(zhǔn)確檢測出缺口范圍。大量的實驗結(jié)果分析表明，該方法具有很高的準(zhǔn)確率和精密度，能夠應(yīng)用在實際工業(yè)檢測中。

［1］龐德文.基于計算機視覺的非接觸測量系統(tǒng)研究與實現(xiàn)［D］.大連：大連理工大學(xué)，2008.

［2］張世忠.晶圓預(yù)對準(zhǔn)系統(tǒng)的研究［D］.哈爾濱：哈爾濱工業(yè)大學(xué)，2008.

［3］任明燦，陳大躍.基于線陣CCD的晶圓缺口檢測裝置［J］.電子測量技術(shù)，2007，30（08）：133-136.

［4］楊學(xué)志，徐勇，方靜，等.結(jié)合區(qū)域分割和雙邊濾波的圖像去噪新算法［J］.中國圖象圖形學(xué)報，2012，17（01）：40-48.

［5］Yan Xue Dong.Review of Otsu segmentation algorithm［J］.Advanced MaterialsResearch，2014，3326（989）：1959-1961.

［6］Lian-yuan Jiang.Fastdetection of multi-circle with r-andomized Hough transform［J］.Optoelectronics Letters，2009，5（05）：397-400.

［7］周勇亮，金燕，何萍，等.隨機Hough變換圓檢測累計加速算法［J］.計算機輔助設(shè)計與圖形學(xué)學(xué)報，2014，26（4）：574-580.

［8］李世飛，王平，沈振康.利用移動最小二乘法進(jìn)行深度圖像曲面擬合［J］.吉林大學(xué)學(xué)報（工學(xué)版），2010，40（01）：229-233.

［9］劉元朋，張定華，桂元坤，等.用帶約束的最小二乘法擬合平面圓曲線［J］.計算機輔助設(shè)計與圖形學(xué)學(xué)報，2004，16（10）：1382-1385.

［10］佚名.準(zhǔn)確度和精密度［J］.理化檢驗-化學(xué)分冊，2007，43（2）：158-158.

Mobile Phone Lens D-shaped Gap Information Detecting Method Lenses

YAN Na1，JING Wenbo2，CUI Can1，WANG Xiaoman1
（1.School of Electronics and Information Engineering，Changchun University of Science and Technology，Changchun 130022；2.School of Optoelectronic Engineering，Changchun University of Science and Technology，Changchun 130022）

Aiming at the problem of low accuracy and low efficiency of D-shaped gap in the traditional method，a method of D-shape gap detection based on image processing technology is proposed.Bilateral filtering is applied to the image acquired by CCD to improve the image signal to noise ratio（SNR）.FCD detection algorithm is used to locate the lens position quickly，and to extract the edge pixels of the lens，and to locate the notch area by local fitting and calculate the gap information.In the case of image resolution，the average image detection time per frame is 0.16s，the detection accuracy is over 95%，and the detection precision is less than 5%，which has important application value in industrial mobile phone lens gap field.

D-shaped gap；image processing；detection circle；local fitting

TP391.41

A

1672-9870（2017）05-0054-05

2017-03-17

閆娜（1992-），女，碩士研究生，E-mail：814703394@qq.com

景文博（1980-），男，副教授，E-mail：wenbojing@sina.com