数字图像技术在机械加工表面粗糙度检测中的应用

李阳

摘 要：首先分析了常见机械加工表面粗糙度检测数字图像技术，其次分析了数字图像技术在机械加工表面粗糙度检测中的实际应用，以期为机械加工表面粗糙度检测提供参考。事实证明，图像采集、图像预处理、图像灰度化、图像降噪、小波分解等数字图像技术，均能够被应用于机械加工表面粗糙度检测，并且可以获得理想检测效果，从而及时发现和处理机械加工表面粗糙度不合格产品。

关键词：数字图像技术；机械加工表面粗糙度检测；灰度图像；噪声去除

1 前言

机械加工表面粗糙度指的是机械加工构件表面存在的微观几何形状特征，导致这一特征的主要因素有峰谷和较小的间距。随着机械加工生产工艺的进步，机械加工构件对于表面粗糙度的要求越来严格，机械加工厂家有必要在机械加工作业完成之后，开展针对性表面粗糙度检测。数字图像技术便是近年来应用频率较高的机械加工表面粗糙度检测技术，具备检测速度较快、检测精确程度较高等应用优势。为此，本次选择开展对于数字图像技术及其在机械加工表面粗糙度检测中的应用分析。

2 机械加工表面粗糙度检测数字图像技术分析

2.1数字图像类型

数字图像类型主要包括灰度图像、二值图像两种，机械加工表面粗糙度检测应用数字图像类型为灰度图像。对彩色图像进行灰度化处理之后，便能够得到均为灰度的数字图像，通过像素点的灰度来展示其区别。各个像素点灰度的等级不同，在RGB模型中，有多个等级的灰度，当R=G=B时，表示各个像素点灰度一致，此时的灰度被称为灰度值[1]。

2.2图像采集

现阶段有较多数字图像采集设备，例如，数码摄像机、扫描仪、数码相机等。在机械加工表面粗糙度检测中，应用频率较高的数字图像采集设备为CCD图像传感器，具体包括面阵CCD图像传感器、线阵CCD图像传感器两种类型。

2.3图像预处理

数字图像分割、降噪等操作可以统称为图像预处理，目的是提高数字图像的清晰程度，尽量减少数字图像中的干扰因素，从而从数字图像中获得所需信息，在机械加工表面粗糙度检测数字图像中，需要获取的信息为加工构件表面平整度、光滑度、密度等。

2.4图像灰度化

對数字图像进行灰度化处理之后，才能够展开后续分析及计算，这是因为相比较彩色图像，灰度图像展现的信息更少，有利于从其中获取关键信息，同时也能够减轻信息处理压力[2]。主要数字图像灰度化处理包括分量法（从彩色图像三原色中选出灰度值，以三原色亮度为三个灰度等级，并且结合实际情况确定灰度等级）、最大值法（以彩色图像三原色最高的亮度为灰度等级）、平均值法（以彩色图像三原色平均的亮度为灰度等级）等。

2.5图像降噪

图像滤波降噪方式较多，主要包括中值滤波噪声去除方法、均值滤波噪声去除方法、高斯滤波噪声去除方法、锐化滤波噪声去除方法，其中，应用频率最高的为中值滤波噪声去除方法、均值滤波噪声去除方法。

2.6小波分解

通过小波分解热可以将数字图像分解为低频信息和高频信息两部分，其中，低频信息指的是在数字图像中变化较为平缓的信息，能够展示数字图像的基本框架及整体轮廓，为大部分数字图像信息类型。高频信息指的是在数字图像中变化较为迅速的信息。

3 数字图像技术在机械加工表面粗糙度检测中的实际应用分析

3.1整体应用现状

数字图像技术最早出现于20世纪60年代初期，主要被用于改善图片质量及图片信息，常见的数字图像处理方式包括图像灰度化、图像增强、图像压缩、图像切割等。

随着科学技术的发展，数字图像技术开始被应用于机械加工表面粗糙度检测。据研究资料显示，图像灰度转换技术、噪音去除方法不但能够获得理想的检测效果，还能够结合实际情况进行参数调整。图像灰度转换指的是改变图像像素的灰度范围、灰度值，从而改变数字图像明暗对比度、亮度层次[3]。数字图像采集过程中难免会出现噪音，不同噪音的表达形式不同，需要机械加工厂家采取一定的噪音去除方法。

3.2机械加工表面粗糙度检测数字图像灰度转换技术

（1）对数变换。

数字图像对数变换指的是改变图像的灰度，即对数字图像中灰度较高的部分进行压缩处理，对数字图像中灰度较低的部分进行拉伸处理，从而提高机械加工表面粗糙度检测数字图像清晰程度，具体对数变换效果如图1所示。

通过图1，可以发现经过对数变换的数字图像的灰度值集中在高灰度区，导致数字图像整体较黑，检测结果显示效果并不够理想。

（2）伽马变换。

伽马变换与对数变换的本质相同，同样能够改变数字图像的灰度，凸显数字图像中的部分信息[4]。在经过对数变换之后，机械加工表面粗糙度检测数字图像可能还会存在部分清晰度不足问题，此时便可以应用伽马变换校正、调节数字图像，具体伽马变换效果如图2所示。

通过图2，可以发现经过伽马变换的数字图像的低灰度区面积增加，但是依然存在不够均匀的问题，导致检测结果显示效果并不够理想。

（3）灰度拉伸。

灰度拉伸同样能够凸显数字图像中的部分信息，但是与其他灰度转换技术不同，灰度拉伸改变的是数字图像的动态范围[5]。灰度拉伸能够直接将对比度较低的机械加工表面粗糙度检测数字图像，拉伸为对比度较高的数字图像，具体灰度拉伸效果如图3所示。

通过图3，可以发现经过灰度拉伸的数字图像的低灰度区分布较为均匀，数字图像清晰度及质量得到了提高，表示检测结果显示效果足够理想。

3.3机械加工表面粗糙度检测数字图像噪声去除方法

（1）中值滤波噪声去除方法。

中值滤波噪声去除方法属于常见的机械加工表面粗糙度检测数字图像噪声去除方法，指的是对数字图像进行非线性平滑滤波处理，即用数字图像像素点邻域内灰度值的中值代替该像素点的灰度值。

首先，需要确定1个固定模板，一般为3mm×3mm正方形，应用正方形模板在数字图像内进行全方位滑动，从而去除图像噪声、完成图像计算。其次，需要用数字图像窗口内所有像素灰度值的中值代替窗口中心的灰度值。当数字图像噪声被降低后，数字图像像素点的灰度值普遍在150-200之间，数字图像的平滑程度及质量能够得到明显提高。

（2）均值滤波噪声去除方法。

有些去除难度较低的机械加工表面粗糙度检测数字图像噪声，通过中值滤波噪声去除方法便能够去除[6]。如果数字图像中存在去除难度较高的噪声，例如，颗粒噪声，便需要应用均值滤波噪声去除方法，即选择1个具备A×B像素的原始数字图像，确定其中的1个像素，用该像素点邻域的灰度值代替该像素点的灰度值。均值滤波噪声去除方法往往配合中值滤波噪声去除方法共同应用。

具体需要选择3mm×3mm正方形模板，应用模板在数字图像内进行滑动，从而获得均值滤波，同样能够明显提高数字图像的平滑程度及质量。但是需要结合均值滤波特性科学选择窗口。

（3）巴特沃斯频域滤波噪声去除方法。

机械加工表面粗糙度检测数字图像噪声去除工作需要根据具体噪音来源开展，数字图像噪音从空间层面可以划分为频域噪声、空间域噪声，因此，既可以选择在频域开展降噪处理，也可以选择在空间域开展降噪处理。频域降噪处理指的是将未处理的数字图像从空间域转移到频域，然后进行噪音去除，数字图像经过域的转换之后，便能够产生低频信息、高频信息（轮廓信息、边缘信息、目标信息等）的分别，从而实现对于不同类型信息的针对性降噪处理。

通过巴特沃斯频域滤波去除方法能够对受到噪音影响的机械加工表面粗糙度检测数字图像进行平滑处理。经过噪声去除数字图像的平滑程度及质量能够得到明显提高，但是偶尔会难以得到有效目标信息，这是因为数字图像的纹理信息较为模糊，为此，在实际降噪处理过程中，需要注重对于数字图像模糊程度的掌握程度，结合数字图像的特征确定具体图像处理方式。

3.4小波分解在机械加工表面粗糙度检测中的应用

小波分解技术在频域降噪处理、空间域降噪处理中均能够呈现出较为良好的局部化性质，从而解决频域和时域在分辨率方面的问题，

具体来讲，在小波分解技术下，高频信息分析处理应用窄时窗，低频信息分析处理应用宽时窗。小波分解技术适合应用于较为平稳的、变化较少的信息信号分析处理，整体而言能够获得较高的数字图像处理效果。

4 结语

综上，机械加工表面粗糙度检测应用数字图像类型为灰度图像，通过图像采集、图像预处理、图像灰度化、图像降噪、小波分解等数字图像技术，能够切实完成机械加工表面粗糙度检测工作。机械加工表面粗糙度检测数字图像灰度转换技术具体包括对数变换、伽马变换、灰度拉伸，噪声去除方法具体包括中值滤波噪声去除方法、均值滤波噪声去除方法、巴特沃斯频域滤波去除方法，最后需要配合小波分解技术应用。需要注意的是，数字图像技术在预处理方面存在一定技术缺陷，应用不同的噪声去除方法会得到不同的机械加工表面粗糙度检测结果，需要机械加工厂家对图像预处理技术、噪声去除方法做出科学选择及合理运用。

参考文献

[1]肖红，陈希球.基于图像角点匹配的机械加工零件表面缺陷检测[J].机械与电子，2022，40（08）：62-65+70.

[2]任永泰，武方宸.机械加工零件表面磨损区域图像检测方法[J].制造业自动化，2022，44（05）：196-200.

[3]李银涛.机械加工零件表面纹理缺陷检测[J].设备管理与维修，2021（16）：26-28.

[4]宋剑.机械加工零件表面纹理缺陷检测方法探究[J].中国设备工程，2021（14）：165-166.

[5]李兰，奚舒舒，張才宝，等.基于DSSD模型的机械加工件表面缺陷检测研究[J].机电工程，2021，38（02）：234-238+255.

[6]连璞.关于机械加工零件表面纹理缺陷检测方法的研究[J].南方农机，2018，49（23）：193.