基于多層圖像分割霍夫變換的零件定位模型

陳宣霖 劉淑輝 彭妍

摘 要：本文基于多層圖像分割，進行多次霍夫變換，采用幾何特征對機械零件進行識別定位。首先第一次做霍夫變換檢測圓心位置與大圓邊界，并將圓心位置存入內存；為了減少誤差將圖像分割為四個部分，對每一個零件再做一次霍夫變換檢測，進一步檢測到小圓的邊界、確定小圓半徑，從而最終提取零件的輪廓；同時可對圖像分割后的四個零件做霍夫變換的直線檢驗，最后刪除大圓以內的部分，做第三次霍夫變換檢測齒輪。

關鍵詞：霍夫變換 多層圖像分割 幾何特征 零件定位

引言

如今，在工廠中人工制造機械零件的方式逐漸被機械自動化生產線替代，包括粗加工，細加工，裝夾，包裝等工序。一整套流程中有多個工序，而一條流水線一般負責一到兩個工序，在完成一個工序后需要將未完成的零件放到另一條流水線上，這就需要根據圖像處理利用計算機自動智能識別零件位置，并由機械手將零件自動搬運到特定位置。隨著機械電子產業(yè)的進步， 對零件檢測精度的要求越來越高。傳統(tǒng)的檢測方法效率低， 誤差大， 已不能適應目前工藝要求。

1 第一次霍夫變換

本文第一次使用霍夫變換目的是在圖像中檢測圓形區(qū)，再根據區(qū)域的特征，將圓心（x0，y0）和半徑r限制在一定范圍內進行計算，還可以采用先計算得出可能圓的半徑，然后對邊緣上的所有點進行判斷，進而快速識別的識別出圓形圖像的邊緣。

2 第二次霍夫變換

若在無噪音的干擾下，可以用H（ρ，θ）表示該方向上直線點的多少，即，用H（ρ，θ）來判斷直線是可靠的。基于此，可較容易地確定點的共線情況，因此，可以用H（ρ，θ）的值來進行直線的判斷。具體的實現(xiàn)過程如下：

1.用sobel算法對原圖進行邊緣提取，設P為得到的邊緣點集合；

2.計算出每個邊緣點各個方向上的ρ，將對應的H（ρ，θ）加1；

3.根據H（ρ，θ）的峰值情況，從邊緣點中判斷滿足（ρ，θ）的點進行標注；

4.對于某一H（ρ，θ）所對應的點可根據x，y值計算該方向上直線的長度；

5.判斷點在該方向上的密度；

6.根據點的密度來判斷該直線。

在將圖像分割成四個零件的基礎上對每個零件做第二次的Hough 變換，此時進行內圓和直線的檢測，可得到內圓的半徑、圓心及直線長度和直線與水平x軸所成的夾角。

3 第三次霍夫變換

對分割圖像后的每一個零件做刪除外圓以內的部分處理，對刪除后的部分做第三次Hough變換，進行齒輪的檢驗。

邊緣二值圖像分為齒輪內凹、外凸邊界的兩個部分，外邊緣每個鋸齒尖端部分即為齒頂圓所在位置，因此根據Hough變換檢測的圓可計算出齒輪的齒數以及齒輪所在的位置。外凸部分的幾何檢測結果為圓形，內凹部分的幾何檢測結果仍為圓形，因此，根據檢測的圓的個數以及半徑可計算出該零件的齒輪齒數和齒輪的坐標位置，基于此，進行第三次Hough變換對四個零件進行齒輪的輪廓檢測：

結論

本文考慮輪廓識別時分別從零件的外圓、中圓、內圓、直線和齒輪的角度分開考慮，較全方面的建立了識別零件輪廓的算法，并在檢測結果中也驗證了本文方法所采用的改進的霍夫變換，結果表明具有較為精準的結果，并且有良好的穩(wěn)定性，因此，本文的模型方法是可行的。

參考文獻：

[1]張永良， 李忠海. 圖像處理算法的效果評價標準分析[J]. 武漢理工大學學報：交通科學與工程版， 2006， 30（2）：332-335.

[2]張會章， 張利霞， 郭雷. 用霍夫變換來提取目標邊界[J]. 計算機應用， 2003， 23（z1）：117-119.