基于多层图像分割霍夫变换的零件定位模型

陈宣霖 刘淑辉 彭妍

摘 要：本文基于多层图像分割，进行多次霍夫变换，采用几何特征对机械零件进行识别定位。首先第一次做霍夫变换检测圆心位置与大圆边界，并将圆心位置存入内存；为了减少误差将图像分割为四个部分，对每一个零件再做一次霍夫变换检测，进一步检测到小圆的边界、确定小圆半径，从而最终提取零件的轮廓；同时可对图像分割后的四个零件做霍夫变换的直线检验，最后删除大圆以内的部分，做第三次霍夫变换检测齿轮。

关键词：霍夫变换 多层图像分割 几何特征 零件定位

引言

如今，在工厂中人工制造机械零件的方式逐渐被机械自动化生产线替代，包括粗加工，细加工，装夹，包装等工序。一整套流程中有多个工序，而一条流水线一般负责一到两个工序，在完成一个工序后需要将未完成的零件放到另一条流水线上，这就需要根据图像处理利用计算机自动智能识别零件位置，并由机械手将零件自动搬运到特定位置。随着机械电子产业的进步， 对零件检测精度的要求越来越高。传统的检测方法效率低， 误差大， 已不能适应目前工艺要求。

1 第一次霍夫变换

本文第一次使用霍夫变换目的是在图像中检测圆形区，再根据区域的特征，将圆心（x0，y0）和半径r限制在一定范围内进行计算，还可以采用先计算得出可能圆的半径，然后对边缘上的所有点进行判断，进而快速识别的识别出圆形图像的边缘。

2 第二次霍夫变换

若在无噪音的干扰下，可以用H（ρ，θ）表示该方向上直线点的多少，即，用H（ρ，θ）来判断直线是可靠的。基于此，可较容易地确定点的共线情况，因此，可以用H（ρ，θ）的值来进行直线的判断。具体的实现过程如下：

1.用sobel算法对原图进行边缘提取，设P为得到的边缘点集合；

2.计算出每个边缘点各个方向上的ρ，将对应的H（ρ，θ）加1；

3.根据H（ρ，θ）的峰值情况，从边缘点中判断满足（ρ，θ）的点进行标注；

4.对于某一H（ρ，θ）所对应的点可根据x，y值计算该方向上直线的长度；

5.判断点在该方向上的密度；

6.根据点的密度来判断该直线。

在将图像分割成四个零件的基础上对每个零件做第二次的Hough 变换，此时进行内圆和直线的检测，可得到内圆的半径、圆心及直线长度和直线与水平x轴所成的夹角。

3 第三次霍夫变换

对分割图像后的每一个零件做删除外圆以内的部分处理，对删除后的部分做第三次Hough变换，进行齿轮的检验。

边缘二值图像分为齿轮内凹、外凸边界的两个部分，外边缘每个锯齿尖端部分即为齿顶圆所在位置，因此根据Hough变换检测的圆可计算出齿轮的齿数以及齿轮所在的位置。外凸部分的几何检测结果为圆形，内凹部分的几何检测结果仍为圆形，因此，根据检测的圆的个数以及半径可计算出该零件的齿轮齿数和齿轮的坐标位置，基于此，进行第三次Hough变换对四个零件进行齿轮的轮廓检测：

结论

本文考虑轮廓识别时分别从零件的外圆、中圆、内圆、直线和齿轮的角度分开考虑，较全方面的建立了识别零件轮廓的算法，并在检测结果中也验证了本文方法所采用的改进的霍夫变换，结果表明具有较为精准的结果，并且有良好的稳定性，因此，本文的模型方法是可行的。

参考文献：

[1]张永良， 李忠海. 图像处理算法的效果评价标准分析[J]. 武汉理工大学学报：交通科学与工程版， 2006， 30（2）：332-335.

[2]张会章， 张利霞， 郭雷. 用霍夫變换来提取目标边界[J]. 计算机应用， 2003， 23（z1）：117-119.