图像处理技术在微小尺寸自动测量中的应用

赵 彻,徐熙平

（长春理工大学光电工程学院，长春，130022）

1 测量系统的组成

本测量系统由平行光源、成像透镜、CCD 相机、图像采集卡和计算机处理系统组成，如图1 所示。

2 具体的图像处理过程

图像处理的主要目的是对待测工件进行轮廓的提取，大幅度的减少数据量，剔除那些被认为不相关的信息，保留图像重要的结构属性。通过边缘检测提取工件轮廓信息是测量工件几何参数的基础。

2.1 滤波处理

在实际测量的环境中，尤其在工业生产的条件下，图像信号在传输过程中极易受到一些随机噪声的干扰，严重破坏图像的质量，影响测量的精度。所以我们这里采用中值滤波来消除可能出现的随机噪声。中值滤波本质上是一种统计排序滤波器。对于原图像中某点（i,j),中值滤波以该点为中心的邻域内的所有像素的统计排序中值作为（i,j）点的响应。

2.2 轮廓提取

本文选用Canny 边缘检测算子来进行图片的轮廓提取。以下是实现过程

用高斯滤波器平滑图像。

这里，利用一个省略系数的高斯函数H(x,y):

其中f(x,y)是图像数据。

对梯度幅值进行非极大值抑制。

仅仅得到全局的梯度并不足以确定边缘。为确定边缘，必须保留局部梯度最大的点，而抑制非极大值，即将非局部极大值点置零以得到细化的边缘。

在每一点上，邻域的中心像素M 与沿着梯度线的两个像素相比。如果M 的梯度值不比沿梯度线的两个相邻像素梯度值大，则令M=0。

用双阈值算法检测和连接边缘。

使用两个阈值T1 和T2（T1

在Visual C++ 6.0 平台上用C++语言实现Canny 算子并对图2 进行轮廓提取，得到图2 所示的处理结果：

图2 Canny 算子提取的芯片边缘轮廓

可见芯片的边缘清晰，完整，完全可以满足后续测量的要求。

3 实验结果与分析

由于实验对图像中每一个像素点进行扫描来计算几何参数，一般测量结果只具有像素级的精度。在CCD 摄像机分辨率一定的情况下需要对算法进行优化，实现图像上的特征目标定位在亚像素级别。CCD 器件某一个像素的灰度值输入可表示为：

令差分值最大的点的序号为0，值表示为f0，左右相邻的四个点的序号分别表示-2、-1、1、2，相应的值表示为f-2、f-1、f1、f2，可求出五个像素输出的灰度值如下所示:

可求得：

a=0.1429f-2-0.0714f-1-0.1429f0-0.0714f1+0.1429f2

b=-0.2f-2-0.1f1+0.2f2

c=-0.0976f-2+0.3488f-1+0.4976f0+0.3488f1-0.0976f2

经验证由该公式计算得到的亚像素精度的边缘点，精确到0.1 个像素，相当于将CCD 的分辨率提高了10 倍，利用此处理方法可降低测量结果的误差。

具体的测量结果如下表

由表1 可以看出, 测量精度在0.005mm 以内。

表1 实验结果

[1] Y.Hara，etal，AutomatiC Inspection System for Printed Circuit Boards，IEEE

[2] M.M.Landman，S.J.Roberton，A flexible industrial system for automated three—dimensional inspection，SPIE，Vol.728，1986，203-209.