基于HSV色彩空間和Hough變換的鋁錠在線測(cè)厚方法

董堯培 王景芹 崔玉龍

摘? 要： 為了提高鑄鋁制造行業(yè)中鋁錠厚度控制的效率和精度，在對(duì)測(cè)厚原理、圖像處理算法與工廠需求指標(biāo)等研究的基礎(chǔ)上，結(jié)合HSV色彩空間和Hough變換等圖像處理技術(shù)，提出鋁錠在線測(cè)厚的方法，并通過Matlab對(duì)其進(jìn)行了仿真驗(yàn)證，結(jié)果證明該設(shè)計(jì)方案有效地提高了鋁錠在線測(cè)厚精度。

關(guān)鍵詞： 鋁錠在線測(cè)厚; HSV色彩空間; HSV顏色模型; 閾值分割; 圖像形態(tài)學(xué); Hough變換

中圖分類號(hào)： TN911.73?34; TP391.4? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼： A? ? ? ? ? ? ? ? ? 文章編號(hào)： 1004?373X（2020）05?0051?06

On?line thickness measurement method of aluminum ingot

based on HSV color space and Hough transform

DONG Yaopei1， 2， WANG Jingqin1， 2， CUI Yulong3

（1. State Key Laboratory of Reliability and Intelligence of Electrical Equipment Co?founded by Hebei Provincial People′s Government and

the Ministry of Science and Technology， School of Electrical Engineering， Hebei University of Technology， Tianjin 300401， China;

2. Key Laboratory of Electromagnetic Field and Electrical Apparatus Reliability of Hebei Province， School of Electrical Engineering，

Hebei University of Technology，Tianjin 300401， China;

3. Beijing University of Chemical Technology， Beijing 100029， China）

Abstract：On the basis of the research of thickness measurement principle， image processing algorithm and factory demand index， an online thickness measurement method for aluminum ingot is proposed in combination with HSV （Hue， Saturation and Value） color space， Hough transform and other image processing technologies to improve the efficiency and precision of aluminum ingot thickness control in cast aluminum manufacturing industry.The simulation and verification of the above?mentioned method are performed by Matlab. The results prove that this design scheme effectively improves the precision of online thickness measurement of the aluminum ingot.

Keywords：aluminum ingot online thickness measurement; HSV color space; HSVcolor model; threshold segmentation; image morpholog; Hough transform

0? 引? 言

在鋁錠制造過程中對(duì)于鋁錠的厚度要求較高，一旦出現(xiàn)過厚或過薄的情況都會(huì)導(dǎo)致鋁錠形態(tài)發(fā)生變化，最終會(huì)導(dǎo)致鋁錠直接報(bào)廢，不能使用。因此，在鋁錠制造過程中對(duì)鋁錠的厚度進(jìn)行實(shí)時(shí)測(cè)量就具有十分重要的現(xiàn)實(shí)意義。目前，比較常見的控制鋁錠厚度的方法還是通過工人在刮渣的同時(shí)對(duì)鋁錠厚度進(jìn)行判斷，然后進(jìn)行人工調(diào)節(jié)，這樣的做法會(huì)有一定的滯后性，同時(shí)，人工調(diào)節(jié)的準(zhǔn)確性也值得商榷，這樣的調(diào)節(jié)不僅影響效率，還會(huì)使廢品率提高。

目前的一種改進(jìn)方式是通過激光發(fā)射法進(jìn)行厚度調(diào)節(jié)，這種方法是在鋁液上方架設(shè)一個(gè)激光測(cè)距儀，將激光測(cè)距儀的數(shù)據(jù)提供給PLC進(jìn)行自動(dòng)控制。這種方法的好處在于整個(gè)厚度控制過程全部自動(dòng)完成，減少了人為誤差的出現(xiàn)，并且控制的精確性相對(duì)于人工控制來說有了很大的提高，廢品率也得到了顯著下降。但這種厚度控制方法同樣存在著局限性：由于激光測(cè)距儀的測(cè)距平面為鋁錠表面，此時(shí)的鋁錠還為熔融狀態(tài)，表面熱輻射很強(qiáng)，會(huì)輻射出紅外線，影響激光測(cè)距儀的準(zhǔn)確度，與此同時(shí)，由于鑄造過程中模具在運(yùn)動(dòng)，這個(gè)運(yùn)動(dòng)并不是平滑的運(yùn)動(dòng)，會(huì)導(dǎo)致熔融狀態(tài)的鋁液發(fā)生晃動(dòng)，此時(shí)的鋁液表面并不能準(zhǔn)確體現(xiàn)出最終鋁錠的真實(shí)厚度，因此會(huì)產(chǎn)生不可避免的誤差。結(jié)合這些問題，目前迫切需要找到一種測(cè)厚方法來解決上述問題。

目前關(guān)于鋁錠測(cè)厚方面的相關(guān)研究較少，本文提出的方法與圖像采集的相關(guān)研究有一定相似性。結(jié)合文獻(xiàn)[1?4]的相關(guān)研究，本文提出了一種利用HSV顏色空間和Hough變換的鋁錠厚度識(shí)別方法。該方法首先將圖像的RGB顏色模型轉(zhuǎn)換成HSV顏色模型，并根據(jù)HSV顏色模型中的S信息進(jìn)行分割提取顏色候選區(qū)域;然后將原始彩色圖像轉(zhuǎn)化為標(biāo)準(zhǔn)化灰度圖像，并對(duì)標(biāo)準(zhǔn)化圖像進(jìn)行預(yù)處理及灰度形態(tài)學(xué)操作，通過Hough變換來檢測(cè)鋁錠寬度;最后，根據(jù)鋁錠寬度和鋁錠厚度之間的函數(shù)關(guān)系，完成對(duì)鋁錠厚度的測(cè)量。本文中HSV顏色空間的選擇有效地避免了RGB顏色模型易受工廠內(nèi)復(fù)雜光照變化的影響;圖像預(yù)處理和灰度形態(tài)操作大大減少了Hough變換在處理圖像之前檢測(cè)形狀所需要的時(shí)間，從而可以更加快速、穩(wěn)定地識(shí)別出鋁錠的寬度，進(jìn)而實(shí)現(xiàn)對(duì)鋁錠厚度的非接觸測(cè)量。

1? 鋁錠測(cè)量模型

由于無法直接對(duì)鋁錠厚度直接進(jìn)行測(cè)量，所以必須將鋁錠厚度進(jìn)行轉(zhuǎn)換，使得測(cè)量過程可以操作。根據(jù)對(duì)滿足出廠條件的鋁錠進(jìn)行的測(cè)量，可以得到模具表面寬度和厚度的相關(guān)關(guān)系。測(cè)量示意圖如圖1所示。鋁錠寬度和厚度測(cè)量結(jié)果如表1所示。

根據(jù)表1得出的數(shù)據(jù)進(jìn)行曲線擬合，擬合曲線如圖2所示，利用該擬合曲線就能找到鋁錠寬度和厚度之間的關(guān)系，從而將難以測(cè)量的鋁錠厚度轉(zhuǎn)換為了便于測(cè)量的寬度。

2? 圖像預(yù)處理

2.1? 顏色模型的比較

圖3a）為最基本和最常用的面向硬件的顏色模型，即RGB顏色模型。從圖中可以看出，由于工廠內(nèi)部環(huán)境復(fù)雜，整體圖像中干擾項(xiàng)較多，如果直接處理不能將需要處理的鋁錠位置很好地分離出來，因此需要找到一種合適的顏色模型使鋁錠部分更加明顯，更加容易進(jìn)行后續(xù)操作。

顏色模型就是三維顏色空間中可見光的子集，其包含顏色域中的所有顏色。顏色模型主要有RGB，HSV，YCbCr，NTSC。

RGB是根據(jù)彩色照明原理來進(jìn)行設(shè)計(jì)的，RGB模型分為三個(gè)顏色通道：紅色（R）、綠色（G）、藍(lán)色（B）。

HSV模型（見圖3b））是復(fù)合主觀感知的顏色模型。H，S，V分別指的是色調(diào)（彩）（hue）、色飽和度（saturation）和明度（value）YCbCr模型（見圖3c）），也稱為YUV模型，是視頻和數(shù)字圖像中常用的顏色模型。在YCbCr模型中，Y為亮度，而Cb和Cr則一同描述圖像的色調(diào)（色差），其中Cb和Cr分別是藍(lán)色分量和紅色分量相對(duì)于參考值的坐標(biāo)[3]。

NTSC模型（見圖3d））是電視圖像中常用的一種顏色模型。NTSC模型使用的是YIQ顏色坐標(biāo)系，其中，Y是光亮度，表征灰度信息;I是色調(diào)，Q是飽和度，均表示顏色信息[5]。

要處理照片在不同顏色模型下的狀態(tài)如圖3所示。

由圖3可以看出，HSV顏色模型下的鋁錠部分和周圍環(huán)境間的對(duì)比最為明顯，其余三種顏色模型都存在不同程度的干擾會(huì)影響鋁錠部分的檢測(cè)，因此，將原始圖像從RGB顏色模型轉(zhuǎn)換為HSV顏色模型可以提高圖像處理的準(zhǔn)確度。

2.2? 候選區(qū)域提取

2.2.1? 顏色模型轉(zhuǎn)換

由RGB轉(zhuǎn)換為HSV是一個(gè)簡(jiǎn)單的非線性變換。RGB到HSV模型的量化及過程[3，6]如下：

1） 對(duì)RGB進(jìn)行歸一化處理，即：

[r=R255g=G255b=B255] （1）

2） 從RGB顏色模型到HSV顏色模型進(jìn)行轉(zhuǎn)換，即：

[Cmax=max（r，g，b）Cmin=min（r，g，b）Δ=Cmax-Cmin] （2）

[H=60°×g-bΔ，Cmax=r且b≤g60°×（b-rΔ+6），Cmax=r且g

[S=0，? ? ?Δ=0ΔCmax，? ? ?其他] （4）

[V=Cmax] （5）

2.2.2? 剔除無關(guān)區(qū)域信息

圖像分割對(duì)于圖像處理來說起著至關(guān)重要的作用。圖像分割是將圖像中所關(guān)注的區(qū)域和其他無用部分進(jìn)行分離并提取出來，使得圖像更易于理解和分析。上一節(jié)中找到了更加適合的顏色模型，但是不難看出鋁錠中間部分存在刮渣后產(chǎn)生的痕跡，這些痕跡對(duì)于之后的圖像識(shí)別會(huì)造成很大影響，最終導(dǎo)致寬度檢測(cè)出現(xiàn)很大的偏差。為了消除這種影響，可以考慮利用圖像分割對(duì)HSV顏色模型的圖像進(jìn)行處理來減少不必要的誤差。由于HSV顏色模型是通過疊加[H]，[S]，[V]三個(gè)分量從而獲得的圖像，因此可以考慮將這三個(gè)分量分離，從而找到利于后續(xù)圖像處理的分量[7]。

HSV顏色模型三個(gè)分量分離后的圖像如圖4所示，可以看出，其中，[S]分量對(duì)于鋁錠的邊緣可以很好地區(qū)分，同時(shí)，有效地避免了內(nèi)部刮渣痕跡對(duì)于圖像識(shí)別的影響。但由于只需考慮鋁錠部分的寬度，因此，可以將其余部分剔除。

通過觀察[S]分量的圖像不難看出，需要識(shí)別的鋁錠部分呈現(xiàn)黑色，其余需要剔除的部分主要偏灰色，利用圖像直方圖可以將除鋁錠外的部分進(jìn)行剔除[4]。在本文中，需要處理的鋁錠部分的灰度范圍是通過在多個(gè)鋁錠上進(jìn)行實(shí)驗(yàn)得到的，如圖5所示。

因此，為了剔除無用信息，可以通過線性變換對(duì)圖像進(jìn)行處理[4，8?9]。設(shè)圖像變換前灰度范圍和變換后灰度范圍分別為[f（x，y）]和[g（x，y）]。需要保留[f（x，y）]中灰度范圍為[0，0.1]的圖像，其余無關(guān)部分輸出為0。線性變換公式如下：

[g（x，y）=f（x，y），? ? ? ? f（x，y）∈[0，0.1]0，? ? ? ? ?f（x，y）∈（0.1，1]] （6）

線性變換后的圖像如圖6所示。

至此，便完成了對(duì)原始圖像的預(yù)處理。

3? 總體算法

3.1總體算法描述

總體算法的流程圖如圖7所示。

3.2? 鋁錠邊緣檢測(cè)

由于對(duì)原圖像進(jìn)行了顏色模型轉(zhuǎn)換并提取了其中一個(gè)分量，此時(shí)處理后的圖像的灰度分布十分分散，十分不利于后續(xù)的圖像處理，因此，對(duì)預(yù)處理后的圖像進(jìn)行二值化處理，使圖像的灰度分布更加均衡[2]。通過這一過程簡(jiǎn)化了系統(tǒng)的步驟，減少了算法運(yùn)行的時(shí)間，提高了系統(tǒng)的效率。

邊緣檢測(cè)其實(shí)就是利用算法來提取出圖像中對(duì)象和背景之間的邊界。邊緣也就是圖像中灰度變化十分明顯的區(qū)域邊界[6]。圖像灰度分布的梯度可以表述圖像灰度的變化情況，因此，可以用局部圖像微分技術(shù)來獲得邊緣檢測(cè)算子，下列是比較常用的邊緣檢測(cè)算子：Roberts算子、Sobel算子、Prewitt算子、Laplacian?Gauss算子和Canny算子[1]。在本文中，鋁錠的邊緣由Prewitt邊緣算子提取，由于Prewitt算子是邊緣樣板算子，它利用像素點(diǎn)四個(gè)方向上鄰點(diǎn)的灰度差，在邊緣處達(dá)到極值檢測(cè)邊緣，因此對(duì)噪聲較多的圖像來說可以起到抑制噪聲的效果[6]。由于邊緣點(diǎn)像素的灰度值與其鄰域點(diǎn)像素的灰度值有顯著的不同，在實(shí)際應(yīng)用中通常采用微分算子和模板匹配方法來檢測(cè)圖像的邊緣。Prewitt算子的定義如下：

[px=f（x+1，y-1）+f（x+1，y）+f（x+1，y+1）-f（x-1，y-1）+f（x-1，y）+f（x-1，y+1）][py=f（x-1，y-1）+f（x，y+1）+f（x+1，y+1）-f（x-1，y-1）+f（x，y-1）+f（x+1，y-1）][P（i，j）=px2+py2]

卷積算子如下所示：

[px=10-110-110-1]

[py=-1-1-1000111]

Prewitt算子邊緣檢測(cè)后的圖像如圖8所示。

3.3? 圖像形態(tài)學(xué)運(yùn)算

對(duì)邊緣圖像進(jìn)行下一步處理，采用圖像形態(tài)學(xué)中的閉合運(yùn)算。閉合運(yùn)算是先膨脹后腐蝕。閉合運(yùn)算能夠刪除不包含結(jié)構(gòu)元素的對(duì)象區(qū)域，并且可以平滑對(duì)象的輪廓并縮短連接線窄的部分，刪掉細(xì)小并且突出部分，填充圖像對(duì)象內(nèi)部的小孔，連接相鄰的物體，最終原圖像的面積和形狀沒有發(fā)生明顯的變化[8?9]。對(duì)于本文需要檢測(cè)的鋁錠寬度來說，圖像水平方向的分量便屬于無用信息，因此，可以通過腐蝕運(yùn)算對(duì)水平方向的分量進(jìn)行縮減，這樣有利于提高圖像處理的速度。同時(shí)由于邊緣檢測(cè)后豎直方向的分量并不十分連續(xù)，對(duì)之后的直線檢測(cè)十分不利，因此可以通過膨脹運(yùn)算使相互獨(dú)立的斷續(xù)線段重新連通在一起。經(jīng)過多次試驗(yàn)后發(fā)現(xiàn)，在邊緣圖像經(jīng)過一次開運(yùn)算后再經(jīng)過一次膨脹運(yùn)算后，如圖9所示，得到的圖像更利于后續(xù)的直線檢測(cè)。

3.4? Hough變換檢測(cè)直線

3.4.1? Hough變換基本原理

Hough變換本質(zhì)上就是基于點(diǎn)?線的對(duì)偶性。它是通過坐標(biāo)變換，將原始圖像空間中給定形狀的曲線或直線全部轉(zhuǎn)換到參數(shù)空間中，在變換后的參數(shù)空間中形成峰值點(diǎn)。從而將檢測(cè)問題從原始的圖像空間中轉(zhuǎn)化為參數(shù)空間的檢測(cè)問題，因此簡(jiǎn)化了檢測(cè)的難度[10]。

設(shè)在原始圖像空間，[（x，y）]直線方程為：

[y=kx+b] （7）

將其轉(zhuǎn)換為極坐標(biāo)作為變換空間，即：

[ρ=xcos θ+ysin θ] （8）

式中：[ρ]為原點(diǎn)到直線的距離;[θ]為該直線法線與[x]軸的夾角。

這樣空間中的點(diǎn)[xi，yi]對(duì)應(yīng)著極坐標(biāo)中的[ρ=xicos θ+yisin θ]，為正弦曲線，于是原始圖像空間中的指定直線上的所有點(diǎn)對(duì)應(yīng)于變換空間的一個(gè)曲線族，如圖10和圖11所示，點(diǎn)[ρ0，θ0]為參數(shù)空間的共線點(diǎn)，即圖像空間的擬合參數(shù)。所以，只要能找到這個(gè)公共點(diǎn)，就一定可以檢測(cè)到這條直線。

3.4.2? Hough變換的基本步驟

1） 首先對(duì)圖像進(jìn)行預(yù)處理以獲得邊緣點(diǎn)（二值化圖像），即特征點(diǎn)。

2） 設(shè)定累加器數(shù)組Accumulator[ρ，θ]，初始值設(shè)置為0，對(duì)每一個(gè)邊緣像素點(diǎn)[xi，yi]，通過取所有的[θ]來計(jì)算相應(yīng)的[ρ]值，如果其值對(duì)應(yīng)于累加器數(shù)組中的值，則該累加器值加1。

3） 當(dāng)所有的[（x，y）]點(diǎn)都通過步驟2）的計(jì)算之后，遍歷所有的累加器的值以找出累加器的峰值點(diǎn)，其對(duì)應(yīng)于原始圖像空間的共線點(diǎn)。

可以看出，Hough變換的突出優(yōu)點(diǎn)就是抗干擾能力強(qiáng)，魯棒性好，缺點(diǎn)也比較明顯，計(jì)算量相對(duì)來說比較大，精度控制起來也比較困難。Hough檢測(cè)后的圖像如圖12所示。

3.5? 算法改進(jìn)及測(cè)厚結(jié)果

由于檢測(cè)后的結(jié)果需要實(shí)時(shí)輸出控制鋁錠的厚度，因此，對(duì)于圖像處理的速度也有一定的要求，而且鋁錠行進(jìn)速度大約為2 s/錠，所以圖像處理的速度應(yīng)限制在2 s以內(nèi)。而上述圖像處理過程大約需要最少5 s的時(shí)間，這會(huì)嚴(yán)重影響鋁錠厚度控制的精度，必須要將時(shí)間縮短。由Hough變換的過程和特性可知，只有將圖像的像素?cái)?shù)減少才能縮短運(yùn)算時(shí)間，所以將原圖像均勻的裁剪出4個(gè)小部分，這就大大減少了需要處理的數(shù)據(jù)量，因此運(yùn)算時(shí)間就可以控制到2 s以內(nèi)，改進(jìn)后的圖像如圖13所示。

通過多次實(shí)驗(yàn)得到鋁錠寬度在圖像中占到約為122.625 pixel，根據(jù)圖像和實(shí)際尺寸的比例，可以得到鋁錠寬度約為95.65 mm，相對(duì)應(yīng)的鋁錠的厚度為40.15 mm。

4? 仿真實(shí)驗(yàn)與結(jié)果分析

在配備有2.8 GHz處理器和8 GB RAM的Intel Core i5?4200H CPU的計(jì)算機(jī)上使用Matlab測(cè)試上述算法。圖像的空間分辨率為1 920×1 080，攝像機(jī)位置距離地面約為1.5 m。本文提出的方法和目前常用的激光測(cè)厚處理相同鋁錠，平均測(cè)厚時(shí)間和測(cè)量誤差如表2所示。