根據(jù)活塞端面圖像邊緣的灰度階躍性變化，通過圖像處理，檢測出活塞端面邊緣，并提取其邊界，進而確定邊界特征的位置和大小。圖像邊界圓的檢測包括圓邊緣檢測，圓心位置檢測。邊緣誤差測量是以圓心為參考點進行測量，首先擬合出邊界函數(shù)，然后與標(biāo)準(zhǔn)函數(shù)進行像素級比較，得到圓位置偏差和圓度偏差；圓心位置的確定結(jié)合圓自身特性，通過*小二乘法對取得的坐標(biāo)進行圓擬合，得到圓心坐標(biāo)和圓的函數(shù)，從而得到圓的位置和大小。

　　2檢測方法實現(xiàn)。

　　活塞圓度誤差的檢測是以較為理想的活塞端面數(shù)字圖像為基礎(chǔ)的，在圖像采集過程中，因為光照，設(shè)備特性，以及各種噪聲的影響，直接采集到的活塞端面圖像無法滿足檢測的要求。為實現(xiàn)高精度的誤差檢測，必須對圖像進行預(yù)處理以得到高質(zhì)量的圖像，然后對圖像進行邊界提取運算。檢測系統(tǒng)選用復(fù)合Canny算子進行邊界提取，從而為圓度分析提供基礎(chǔ)數(shù)據(jù)。下面介紹圖像預(yù)處理的方法。

　　2.1圖像增強。

　　圖像在采集，傳輸，存儲的過程中通常都會受到各種各樣的噪聲污染而產(chǎn)生畸變，嚴(yán)重影響圖像的質(zhì)量，所以在對圖像進行分析之前，應(yīng)該對圖像進行改善質(zhì)量的處理。圖像增強（ImageEnhancem ent）的主要目的是增強圖像中的有用信息，削弱噪聲和其他干擾的影響，使圖像更加清晰，更便于人或計算機對圖像進行分析。圖像增強和圖像復(fù)原不同，它不要求恢復(fù)圖像的原始圖像信息，也不用了解圖像降質(zhì)的具體原因，只是用實驗調(diào)整的方式對圖像進行處理，達到改善圖像質(zhì)量的目的。圖像增強技術(shù)主要包括圖像灰度變換，圖像平滑處理等。在實際應(yīng)用中可以采用單一方法處理，也可以采用幾種方法聯(lián)合處理，以便達到理想的增強效果。

　　2.2圖像灰度調(diào)整。

　　有些圖像的對比度比較低，整個圖像看起來模糊不清，這時可以按一定的規(guī)則修改原來圖像的每一個像素點的灰度值，從而改變圖像灰度的動態(tài)范圍。設(shè)原始圖像為f（x，y），其灰度范圍是<m，M>，調(diào)整后的圖像為g（x，y），其灰度范圍是<n，N>，則g（x，y）-n=（N-n）<f（x，y）-m>/（M-m）。

　　由Matlab實現(xiàn)活塞端面圖像的對比度增強效果。圖中縱橫坐標(biāo)為像素點坐標(biāo)，（0，0）在圖像左上角。

　　由實驗結(jié)果可以看出，設(shè)定不同的灰度，圖像處理的結(jié)果往往也不一樣，灰度范圍越小，圖像對比度越高，邊界越清晰，但對圖像背景破壞越大。因此在實際圖像處理過程中選取適當(dāng)?shù)幕叶确秶株P(guān)鍵。

　　2.3圖像平滑處理。

　　數(shù)字圖像可能存在著各種噪聲污染。噪聲污染既可能產(chǎn)生于圖像數(shù)據(jù)傳輸過程中，又可能產(chǎn)生于量化等處理過程中。在圖像平滑處理階段，需要找到一個理想的平滑處理方法，這種方法要求是既能消除圖像噪聲，又不使圖像的邊緣輪廓和線條模糊。

　　為了消除噪聲又要保持圖像的細節(jié)，采用中值濾波是比較理想的處理方法。其原理是：將模板在圖像中窮盡掃描，并將模板中心分別與圖像中某個像素位置重合，對模板下各對應(yīng)像素的灰度值進行排序并找到排在中間的那一個，而這個中間值將作為新圖像中對應(yīng)模板中心位置的像素的灰度值。

　　中值濾波實質(zhì)是讓與周圍像素灰度值的差比較大的像素改為與周圍像素的灰度值比較接近的灰度值，從而消除孤立的噪聲點。由于它不是簡單的取平均值，故不容易產(chǎn)生邊緣模糊。進行中值濾波的結(jié)果比對，邊界信息得到了進一步的加強。實驗表明，活塞端面圖像預(yù)處理采用中值濾波方法，能夠得到理想的處理效果。

　　3邊界擬合及誤差檢測。

　　圓擬合的*終目的是將活塞端面擬合出邊界圓，求取擬合圓的中心坐標(biāo)和半徑值等特征參數(shù)，從而對活塞零件加工精度進行檢測。

　　在對采集的活塞端面圖像進行預(yù)處理之后，即可進行邊界提取。為了分析其加工誤差，必須對提取的邊界，求出邊界函數(shù)，然后進行擬合誤差比較，從而判定其誤差大小和位置。

　　3.1邊界圓擬合的數(shù)學(xué)工具。

　　在進行邊界圓弧檢測時，需要確定邊界圓的函數(shù)和圓心。

　　3.2圓擬合算法的改進。

　　圓擬合算法除了要求達到一定的擬合精度外，還必須滿足穩(wěn)定性，高效性，實時性的要求。在圓的擬合方面，已經(jīng)提出了多種算法，首先是傳統(tǒng)的統(tǒng)計方法，它是在*小二乘方法的基礎(chǔ)上，尋求*佳擬合的點集，這通常是一種非線性問題，需要采用迭代方法進行求解，當(dāng)選擇的初始值不合適時，可能會導(dǎo)致該算法的失效。其次是采用Hough變換方法來求取圓孔或者圓弧的中心坐標(biāo)和半徑等特征參數(shù)，其優(yōu)點是能夠直接求出圓各個參數(shù)。缺點是運算量比較大，運算速度也比較慢，不能滿足在線檢測對實時性的要求。

　　根據(jù)以上分析，針對以上2種算法的特點，結(jié)合圓的自身性質(zhì)，提出圓擬合的改進算法，旨在提高擬合算法的精度和實效性。其實現(xiàn)過程為：　　?。?）設(shè)E為一個圓，現(xiàn)對E自上而下掃描。假設(shè)每一水平掃描線與E相交于2點，然后求取2點間距離的中點，則可得所有水平線段的中點，這些點是離散的點，運用*小二乘法對其進行直線擬合，求得擬合直線。

　?。?）用同樣的方法，在垂直方向逐步掃描，分別求中點，進行直線擬合。

　　（3）求擬合直線1和2的交點，即為邊界圓圓心的坐標(biāo)。當(dāng)在水平和垂直掃描的時候，有可能在某些水平線上是沒有邊界像素點的，這樣的情況舍掉即可。

　?。?）在求取圓心時，邊界圖像難免會存在部分噪聲，對第（1），（2）步掃描形成很大干擾，對掃描的精度造成較大的影響，故提出二次掃描去噪聲的方法以提高求圓心像素點的精度。為此，可以設(shè)定圓心掃描約束條件，即在一次求取圓心坐標(biāo)之后，通過計算各像素點到圓心的距離，判明那些不合理點并加以去除。設(shè)ri=|r1-ri|（r1為邊界像素點平均半徑，ri為邊界像素點到圓心的距離），如偏差ri>n（n為整數(shù)），則舍去該邊界像素點，稱為不符合掃描值的樣本點，反之，為掃描值合格樣本點。

　　（5）去除噪聲后，重復(fù)進行（1）-（3）步掃描和擬合運算，求出新的精度較高的圓心坐標(biāo)。

　　該方法對圓及橢圓度不太大的圖像，可以快速提取圓中心坐標(biāo)，對于圓的其它參數(shù)可以采用*小二乘法來求取，利用這種方法可以提高圓的擬合速度和精度，能夠滿足活塞圓度數(shù)字檢測系統(tǒng)對精度和實時性的要求。

　　按上述方法進行圖像處理的實例。在**次求取圓心之后，為濾除噪聲，提高所求圓心像素點的精度，設(shè)定圓心掃描約束條件偏差ri>2即取n=2，舍去了偏差大于2個像素的像素點。由圖（c）和圖（d）直接比較可知，圓心坐標(biāo)點由一次定位（356，264）到二次定位（358，266），在縱橫坐標(biāo)方向上，分別提高了2個像素的精度，說明該方法有很好的實用性，特別是在強噪聲圖像中效果改善更為明顯。

　　對于活塞端面數(shù)字圖像，其邊界圓擬合的步驟如下：

　?。?）通過對圖像的處理，分離出圓的邊界輪廓。

　　（2）利用改進的邊界圓圓心求法，求出圓心坐標(biāo)，用*小二乘法對邊界像素點進行圓擬合，求出圓的獨立參數(shù)。對活塞端面數(shù)字圖像進行圓擬合。

　　3.3圓度誤差分析。

　　經(jīng)過理論分析和算法編程，實現(xiàn)了較快提取活塞端面圖像邊界的圓心坐標(biāo)值，對于邊界圓的其他參數(shù)利用*小二乘法來處理?；钊嗣孢吔缯`差檢測，可以根據(jù)圓度誤差評定方法來進行評定，將圓中心平移到像素坐標(biāo)系的原點，可以求出活塞端面邊界圖像像素點所對應(yīng)的圓上的點之間的差值。

　　以*小二乘擬合圓的中心為原點，分別以水平方向和垂直方向為x軸和y軸，建立笛卡爾坐標(biāo)系。

　　4結(jié)語。

　　采用數(shù)字圖像檢測方法，運用計算機圖像處理技術(shù)，結(jié)合MATLAB強大的數(shù)學(xué)運算和圖像處理能力，能夠?qū)钊嗣鎴A度進行像素級誤差檢測，能在保證檢測精度的前提下，降低人工勞動強度，提高誤差檢測自動化水平，這對大批量生產(chǎn)有著積極作用。數(shù)字檢測系統(tǒng)對于提高空壓機活塞制造業(yè)的技術(shù)水平也有一定的實際意義。