自聚焦透鏡端面圖像處理及缺陷特征提取

柳國棟，王江，寧若冰，賴柯，吳松林

（西京學院機械工程學院，陜西西安，710123）

0 引言

自聚焦透鏡（GRIN lens）是基礎性光學器件[1]，在通訊、自動化生產(chǎn)及軍事裝備制造等領域應用廣泛。隨著科技進步及其應用領域的不斷擴展，其需求量不斷增加，大規(guī)模生產(chǎn)時，其質(zhì)量檢測及監(jiān)控問題逐步暴露出來。一般，自聚焦透鏡生產(chǎn)質(zhì)量檢測方法主要是依賴簡單的工具顯微鏡及技術人員的經(jīng)驗，在較強的光照條件下用肉眼觀察，并大致確定其生產(chǎn)質(zhì)量。效率低，勞動強度大，且檢測錯誤概率大。因此，應用圖像處理技術，研究自聚焦透鏡端面缺陷的特征提取方法，進而開發(fā)出一種適用于自聚焦透鏡端面質(zhì)量自動檢測的機器視覺系統(tǒng)有較好的應用價值，對保證生產(chǎn)質(zhì)量、提高生產(chǎn)效率有重要的現(xiàn)實意義。

近年來，已有文獻[2]報道了應用計算機圖像處理技術檢測自聚焦透鏡端面缺陷的案例，同時給出了自聚焦透鏡端面圖像的信息層次結(jié)構(gòu)[3]；為降低獲取透鏡端面圖像過程所產(chǎn)生的光暈現(xiàn)象對圖像處理結(jié)果的影響，又提出了新的檢測方法，并應用改進中值濾波方法較理想地實現(xiàn)了缺陷圖像的區(qū)域分割[4]。為進一步實現(xiàn)自聚焦透鏡端面缺陷的特征提取，本文詳細描述了最近設計的圖像采集實驗裝置及相關的特征提取算法，并給出了缺陷圖像特征較為精確的數(shù)字結(jié)果，如崩邊、麻點及劃痕等主要的缺陷，為實現(xiàn)透鏡生產(chǎn)質(zhì)量的自動化檢測奠定了較為堅實的基礎。

1 圖像采集及圖像處理系統(tǒng)

為精確地完成透鏡端面圖像采集，并實現(xiàn)圖像特征提取，設計了如圖1所示的圖像采集實驗裝置。其中，包括工業(yè)相機位置及高度的控制組件（圖中1、2、3級14），光源位置的控制機構(gòu)（10、11、12、6），工業(yè)相機、遠心鏡頭、光源和被測物（透鏡）的同軸度調(diào)整機構(gòu)。

圖1 自聚焦透鏡端面圖像采集實驗裝置

在實際圖像采集的過程中自聚焦透鏡、光源、CCD工業(yè)相機和遠心鏡頭形成了如圖1所示的位置關系，CCD相機4和遠心鏡頭5在左側(cè)，自聚焦透鏡8位于右側(cè)，光源6位于鏡頭和自聚焦透鏡的中間位置，將光照射在自聚焦透鏡端面上，CCD工業(yè)相機和遠心鏡頭共同完成圖像采集。

由氣動機械手7吸附透鏡，使其被測端面對正光源聚焦區(qū)域，同時可繞其軸心旋轉(zhuǎn)180°，以實現(xiàn)另外一個端面的圖像采集。

透鏡端面缺陷檢測系統(tǒng)如圖2所示，由圖像采集系統(tǒng)，圖像存儲和管理系統(tǒng)，預處理及分類系統(tǒng)，特征提取及相關信息集成及控制系統(tǒng)構(gòu)成。最終的結(jié)果由輸出裝置輸出，并作為控制圖像采集裝置相關運動機構(gòu)的輸入信息。其中，圖像采集系統(tǒng)與圖1所示實驗采集裝置配合完成透鏡端面圖像的輸入及其控制；圖像管理系統(tǒng)負責圖像儲存及相應的管理，如為下一階段圖像處理準備圖像等；圖像分類完成后，進行圖像特征提取及信息集成，完成透鏡端面質(zhì)量信息的輸出。

圖2 透鏡端面缺陷檢測系統(tǒng)

一般，自聚焦透鏡端面圖像共有四種典型的缺陷類型。如圖3(a)、(b)、(c)及(d)所示，分別是不規(guī)則缺陷（相對較大的獨立缺陷區(qū)域）、崩邊、麻點（隨機分布在端面區(qū)域）及劃痕。

圖3 四種典型的缺陷圖像

2 缺陷特征提取方法

如圖5所示，系統(tǒng)采用的圖像處理方法包括圖像縮放及調(diào)整，目的是截取原始圖像中的有用區(qū)域，即透鏡端面區(qū)域；為獲得正確的圖像區(qū)域分割、邊緣檢測及平滑處理等過程的參數(shù)，進行的灰度值的直方圖統(tǒng)計；改進的中值濾波方法的目的是用以降低圖像光暈現(xiàn)象的影響，產(chǎn)生光暈的主要原因是照明光源與透鏡端面結(jié)構(gòu)的干涉現(xiàn)象。隨后是邊緣檢測、填充、平滑處理及不相關區(qū)域去除等，在確定最佳外接圓（透鏡端面有效外輪廓）后，進行有效的區(qū)域分割，再進行特征參數(shù)的統(tǒng)計及輸出。

如圖4 (a)、(b)所示，為崩邊缺陷圖像及較大不規(guī)則缺陷圖像經(jīng)中值濾波處理的輸出圖像；圖4 (c)和 (d)則表示兩種圖像最佳外接圓的估計結(jié)果。可以看出，基本包含了透鏡實際端面區(qū)域。

圖4 圖像中值濾波的結(jié)果

圖5 圖像處理流程

圖6所示為四種不同缺陷圖像的處理及特征提取結(jié)果，其中(1)、 (5)、 (9)及(13)是四種典型缺陷的原始圖像，分別是較大不規(guī)則缺陷、崩邊、隨機分布的麻點及劃痕。標記為(2)、 (5)、(10) 和 (14)的分布為上述圖像經(jīng)過中值濾波后進行最佳外接圓估計的輸出結(jié)果?？梢钥闯?，此時圖像中特征區(qū)域明顯得到了加強，光暈的影響基本被消除掉了。圖6中，(3)、 (7)、(11) 及(15)表示經(jīng)圖像處理后，四種典型特征圖像最佳外接圓內(nèi)，即透鏡端面有效區(qū)域缺陷特征的處理結(jié)果。以劃痕為例，從圖6（15）、（16）中，可以看出分成明確的劃痕區(qū)域。

圖6中最右側(cè)一列，即圖(4)、(8)、(12)及(16)為對應四種典型缺陷類型圖像的最后輸出結(jié)果，圖中可以明顯看到特征區(qū)域的重心坐標及其區(qū)域大小。實際重心坐標值及對應的最大特征區(qū)域面積如表1所示。

表1 圖像特征提取的數(shù)值結(jié)果

圖6 不同缺陷特征的圖像處理結(jié)果

劃痕，是自聚焦透鏡較為典型的缺陷，系統(tǒng)將進行更為詳盡的分析及描述。如圖7所示，根據(jù)圖中的信息可以計算出劃痕的最大寬度為11（像素單位），平均寬度為6.5163，而劃痕的長度為192.9089。

圖7 劃痕缺陷特征提取

3 總結(jié)

本文詳細分析了自聚焦透鏡端面圖像的特點，提出了一系列有針對性性的圖像處理方法，并設計了端面圖像采集的實驗裝置。針對四種不同缺陷類型的實驗結(jié)果表明，所提出的圖像預處理方法、圖像分類及特征提取的方法是有效的，能夠正確地給出缺陷范圍（面積）大小、重心位置等參數(shù)，為結(jié)合企業(yè)生產(chǎn)，開展自聚焦透鏡端面生產(chǎn)質(zhì)量的在線檢測奠定了堅實的技術基礎。