2024年8月31日发(作者：邶莉莉)
Ｉ数字技术
；
应用研究
基于机器视觉的零件在线分选系统研究
刘长青李军席巍
（北京联合大学机电学院北京１０００２０）
摘要：为了完成两种工业零件在线自动分选工作，本研究利用ＵＳＢ相机采集传送带上零件的图像，利用大津法进行图像二值化处理，之后
进行轮廓提取并完成连通区域标记操作。通过计算标记图像中两种零件的圆形度与颜色信息并与之前人工建立的标准信息进行比较。最终完成
零件的分选操作。实验结果证明该分选系统可以有效降低劳动强度，提高自动化程度，分选准确率在９８％以上，平均处理时间为０．５１秒，能够满
足实际生产中的要求。
关键词：零件图像采集二值化轮廓提取区域标记圆形度分选
中图分类号：ＴＰ３９１．４ｌ 文献标识码：Ａ 文章编号：１００７．９４１６（２０１２）０４—００７ｌ一０３
Ｔ、 Ｊ ｅＳｅａｒｃｈ ０＝＇ Ｉ．ｒ＝ａ，． ｎ ｏｎｎｎｅ ＤａｒｔＳ Ｓ０ｒｔｌｎｇ ＳｙＳｔｅｍ １● Ｊ Ｊ ● 一 Ｊ
ｂａｓｅｄ Ｏｉｌ ｍａｃｈｉｎｅ
ＬｉｕＣｈａｎｇｑｉｎ ＬｉＪｕｎ ＸｉＷｅｉ
（１．Ｃｏｌｌｅｇｅ ｏｆＭｅｃｈａｎｉｃａｌ ａｎｄ Ｅｌｅｃｔｒｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｂｅｉｊｉｎｇ Ｕｎｉｏｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ，１０００２０，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｉｎ ｏｒｄｅｒ ｔｏ ｃｏｍｐｌｅｔｅ ｔｈｅ ｗｏｒｋ ｏｆｔｈｅ ｏｎｌｉｎｅ ｓｏｒｔｉｎｇ ｆｏｒ ｔＷＯ ｔｙｐｅｓ ｏｆｉｎｄｕｓｔｉａｌｒ ｐａｒｔｓ，ａ ＵＳＢ ｃａｍｅｒａ ｗａｓ ｕｓｅｄ ｔｏ ｃａｐｔｕｒｅ ｉｍａｇｅｓ ｏｆｔｈｅ ｐａｒｔｓ ｏｎ
ｔｈｅ ｃｏｎｖｅｙｏｒ ｂｅｌｔ．Ｏｔｓｕ ｍｅｔｈｏｄ ｗａｓ ｕｓｅｄ ｆｏｒ ｉｍａｇｅ ｂｉｎａｒｉｚａｔｉｏｎ ｐｒｏｃｅｓｓｉｎｇ，ｔｈｅｎ ｃｏｎｔｏｕｒ ｅｘｔｒａｃｔｉｏｎ ａｎｄ ｃｏｎｎｅｃｔｅｄ ｃｏｍｐｏｎｅｎｔ ｌａｂｅｌｉｎｇ ｗｅｒｅ ｄｏｎｅ ｔｏ ｔｈｅ
ｂｉｎａｒｙ ｉｍａｇｅ Ｒｏｕｎｄｎｅｓｓ ａｎｄ ｃｏｌｏｒ ｉｎｆｏｒｍａｔｉｏｎ ｏｆｔｈｅ ｔｗｏ ｔｙｐｅｓ ｏｆｉｎｄｕｓｔｒｉａｌ ｐａｒｔｓ ｗｅｒｅ ｃａｌｃｕｌａｔｅｄ ｕｓｉｎｇ ｔｈｅ ｌａｂｅｌｉｎｇ ｉｍａｇｅ，ａｎｄ ｔｈｅｎ ｔｈｅ ｓｏｒｔｉｎｇ ｏｐｅｒａｔｉｏｎ ｆｏｒ
ｔｈｅ ｐａｒｔｓ ｗａｓ ｃｏｍｐｌｅｔｅｄ ｂｙ ｃｏｍｐａｒｉｎｇ ｔｈｅ ｒｏｕｎｄｎｅｓｓ ａｎｄ ｃｏｌｏｒ ｉｎｆｏｒｍａｔｉｏｎ ｗｉｔｈ ｔｈｅ ｓｔａｎｄａｒｄ ｉｎｆｏｒｍａｔｉｏｎ ｗｈｉｃｈ ｗａｓ ｅｓｔａｂｌｉｓｈｅｄ ａｒｔｉｉｆｃｉａｌｌｙ ｂｅｆｏｒｅ．Ｒｅｓｕｌｔｓ
ｓｈｏｗｅｄ ｔｈａｔ ｔｈｅ ｓｏｒｔｉｎｇ ｓｙｓｔｅｍ ｃｏｕｌｄ ｒｅｄｕｃｅ ｌａｂｏｒ ｉｎｔｅｎｓｉｔｙ ａｎｄ ｉｍｐｒｏｖｅ ｔｈｅ ｄｅｇｒｅｅ ｏｆ ａｕｔｏｍａｔｉｏｎ；ｔｈｅ ｓｏｒｔｉｎｇ ａｃｃｕｒａｃｙ ｗａｓ ｍｏｒｅ ｔｈａｎ ９８％ａｎｄ ｉｔ ｗａｓ ａｂｌｅ ｔｏ
ｍｅｅｔ ｔｈｅ ｒｅｑｕｉｒｅｍｅｎｔｓ ｏｆ ｔｈｅ ａｃｔｕａｌ ｐｒｏｄｕｃｔｉｏｎ
Ｋｅｙｗｏｒｄｓ：ｐａｒｔｓ ｉｍａｇｅ ｃａｐｔｕｒｅ ｂｉｎａｒｉｚａｔｉｏｎ ｃｏｎｔｏｕｒ ｅｘｔｒａｃｔｉｏｎ ｃｏｎｎｅｃｔｅｄ ｃｏｍｐｏｎｅｎｔ ｌａｂｅｌｉｎｇ ｒｏｕｎｄｎｅｓｓ ｓｏｒｔｉｎｇ
在现代工业生产中，随着机器视觉技术的不断发展，利用图像
ｐａｄ Ｘ２０１ｉ，配置（ＣＰＵ：Ｉｎｔｅｌ酷睿ｉ３，３９０Ｍ；内存：２ＧＢ，ＤＤＲ３，
处理对产品进行外观检查和分选，对零件表面缺损情况进行检查逐 １０６６ＭＨｚ）。相机为天敏Ｔ５ ＵＳＢ相机，帧率６０帧／秒，分辨率为
渐成为可能。过去的人工检测，生产成本高且劳动强度大。如果采用
６４０ｘ４８０，光电传感器为金属圆柱形对射式光电开关。软件开发在
机器视觉对工业零件外形及其细节进行识别，进而控制零件的加工 Ｍｉｃｒｏｓｏｆｔ Ｖｉｓｕａｌ Ｃ＋＋６．０进行。实验中所使用的零件为红色塑
和分检，则不仅提高了劳动效率，而且降低了生产成本，减轻了劳动
料和银色金属圆柱形活塞模型。
者的工作强度。目前，基于机器视觉的零件检测系统凭借其自动化、
客观性、非接触、高精度及现场抗干扰能力强等的优点，已得到了迅
速的发展和广泛的应用。
查英［１１等将机器视觉应用于自动装配生产线，利用ＣＣＤ摄像机
获取零件的位置信息，通过图像处理和识别技术对工件进行识别定
位。焦圣喜【２ 等通过对图像进行模板匹配、边缘检测及混合中心矩计
光电传感器
算，实现对汽车发动机活塞的计算机视觉检测与分选。岳晓峰口 等应
用ＬａｂＶＩＥＷ软件作为开发工具，采用Ｈａｒｒｉｓ角点检测及虚拟三角形
匹配方法，建立了一种零件分选系统，很好地降低分选的错误率，达
到了快速而准确地对零件进行分选的要求。李海华［４１等采用视觉检
测技术，利用工件图像轮廓上各像素点相对质心力矩的大小，基于
传送带
图１系统硬件结构图
力学原理提出了一种区域质心算法，可以对孔类零件的内径实现精
确的在线检测。吴霆＿５】运用…系列图像处理经典算法得到被测工件
２、实验方法
的圆孑Ｌ半径和圆心坐标，然后与标准工件的参数进行比较，即可知
２．１图像采集
道当前的工件是否符合要求。
根据实际生产过程中皮带的运行速度，为降低成本，本系统选
本文利用图像处理技术，基于颜色、面积、周长、圆形度等参数
ｒｅｃｔＳｈｏｗ技术完成图像
构建工业零件分选系统，在满足一定的正确识别率的基础上同时保
用普通ＵＳＢＮ机作为图像采集设备，利用Ｄｉ
证了较高的实时处理图像的速度，为工业零件在线检测提供实际应
的采集操作。
ＤｉｒｅｃｔＳｈｏｗ是微软公司提供的一套在ＷｉｎｄｏｗｓＳ￣台上进行流
用方案。
媒体处理的开发包，为多媒体流的捕捉和回放以及格式转换或编解
１、实验设备
码方面提供了强有力的支持。运用ＤｉｒｅｃｔＳｈｏｗ可以很方便地从支持
图１所示为零件分选系统的硬件结构图。其中计算机为Ｔｈｉｎｋ
ＷＤＭ驱动模型的采集卡上捕获数据，并且进行相应的后期处理乃
应用研究
至存储到文件中Ｉ６ 】。ＤｉｒｅｃｔＳｈｏｗ使用一种叫做Ｆｉｌｔｅｒ Ｇｒａｐｈ的模
『数字技术
（５）返回步骤１，重新查找新的没有加标记的像素，重复上述各
型来管理整个数据流的处理过程，参与数据流处理的各个功能模
个步骤，直至整幅图像完成扫描。
块称作Ｆｉｌｔｅｒ，各个Ｆｉｌｔｅｒ在Ｆｉｌｔｅｒ Ｇｒａｐｈ中按一定的顺序连成一
２０ ２０
条流水线协调工作，完成从视频设备中获取视频或对视频流进行
２０ ２０
Ｉ
解码等操作。本系统中利用ＤｉｒｅｃｔＳｈｏｗ完成各帧图像采集的具体
步骤如下：
Ｉ
（１）利用ＣｏＣｒｅａｔｅｌｎｓｔａｎｃｅ函数创建一个Ｆｉｌｔｅｒ Ｇｒａｐｈ Ｍａｎ—
ａｇｅｒ实例。
（２）利用ＣｏＣｒｅａｔｅｌｎｓｔａｎｃｅ函数创建一个ＳａｍｐｌｅＧｒａｂｂｅｒ实例。
（３）调用ＱｕｅｒｙＩｎｔｅｒｆａｃｅ函数获取ＩＩＤ—ＩＳａｍｐｌｅＧｒａｂｂｅｒ、
（ａ）给白色像素Ｐ附Ｊｍ＿ｌ：新 （ｂ）给与Ｐ邻接的像素
标记ｌａｂｅｌ，其中ｌａｂｅｌ－＝２０ 附上相同的标记
ＩＩＤ
ＩＭｅｄｉａＣｏｎｔｒｏｌ等接口指针，以便控制采集操作。
（４）设置媒体类型及回调函数。
（５）启动Ｆｉｌｔｅｒ Ｇｒａｐｈ，并在回调函数中等待光电传感器的信
号，若传感器被触发，则采集当前数据包（Ｓａｍｐｌｅ）中的图像数据，进
行后续处理。
２．２图像二值化
对于从相机中采集到的彩色图像数据，需要进行二值化处理。
图像二值化是图像变换的一种特殊情况，是为了从图像中抽出对象
形状的最基本的处理方法。经过二值化处理的图像，一般用０（背景）
和２５５（目标）这两个值来表示。通过对采集到的彩色图像进行如公
式（１）所示的灰度化处理后，发现灰度图像中待提取的目标物和背
景区分明显，故利用自动阈值分割的方法完成二值化处理。
Ｙ＝０．２９９Ｒ＋０．５８７Ｇ＋０．１１４Ｂ （１）
其中，Ｙ表示灰度图像，Ｒ表示红色分量，Ｇ表示绿色分量，Ｂ表
示蓝色分量
目前自动阂值分割法主要有大津法（Ｏｔｓｕ）、Ｐ一分位数法、迭代
法、Ｋｉｔｔｌｅｒ最小误差阈值法、最大熵法、势差法等。考虑到本文中待
测灰度图像的直方图具有明显双峰性，最终采用大津法确定分割闽
值，完成目标零件的提取。
２．３轮廓提取
经过二值化处理后，图像中的零件目标被提取出来并以白色
（２５５）像素表示。利用图２所示矩形结构元素对图像进行一次形态
学开运算处理，去除小噪声；之后对图像进行补洞处理得到图像记
为 、。
图２开运算所采用的结构元素
对图像‘、进行一次腐蚀处理，得到腐蚀图像记为，ｌ。将图像‘与
，ｌ进行差分，即可得到轮廓图像记为 。
２．４连通区域标记
对于得到轮廓图像 ，需要进行区域标记处理。连通区域标记
算法用于从图像中提取目标区域，并计算目标区域的特征参数，是
目标检测和目标识别的关键步骤。
区域标记算法有很多，本文采用一种较简单的方法 】，区域标
记后的图像记为 ，具体步骤如下所示：
（１）扫描图像，，遇到没有标记的目标像素（白色像素，像素值为
２５５）ＪＤ日寸，附加一个新的标ｉｇｌａｂｅＩ（其中ｌａｂｅ１．ＩＮ本文设为２０），如图
３（ａ）所示。
（２）给与Ｐ连接在 起（即相同连接成分）的像素附加相同的标
记，如图３（ｂ）所示。
（３）给所有与加标记像素连接在一起的像素附加相同的标记，
如图３（Ｃ）所示。
（４）重复步骤２操作，直至连接在一起的像素全部被附加标记。
这样一个连接成分就被附加了相同的标记，如图３（ｄ）所示。
③
２０ ２０ ２０ ２０
２０ ２０ ２０ ２０ ２０ ２０
２０ ２０ ２０ ２０
２０ ２０ ２０ ２０ ２０ ２０
２０ ２０ ２０ ２０
２０ ２０
＿
（ｃ）给标记像素的邻接像素 （ｄ）重复步骤（２），直至邻接
都附上相同的标记 像素全部被附上标记
图３区域标记过程示意图
２．５特征参数测量
完成区域标记后，需要对标记图像，进行特征参数的测量。首
先，遍历图像，计算各个标记区域的长度，找出最大的长度记为Ｌ及
其对应的区域。对于含有零件的图像，找出的区域即为零件部分。
统计最大区域内的像素点个数，作为面积记为 。在统计过程
中，每当找到一个符合要求的像素点后，记下其坐标。当完成区域内
所有像素点的统计后，根据这些位置坐标获取原彩色图像上相应点
的彩色像素信息并分别计算尺、Ｇ、Ｂ分量的平均值记为 、 、 。
将 、 、 储存作为分选过程中的颜色依据。
之后，根据长度，Ｊ及面积 利用公式（２）获得圆形度信息记为ｅ。
将Ｐ储存作为分选过程中形状依据 】。
ｅ：４ｕＡ／ （２）
２．６分选
本研究在进行分选操作前，
首先人工对实际生产环境下的
零件图像进行分析，分别测量两
种零件颜色的尺、Ｇ、Ｂ分量值及
圆形度信息。由于此操作存在一
定的误差，故在分析过程中均采
用多次测量取平均值的方法。最
终获得红色零件的标准颜色值
记为Ｒ Ｇ 银色零件的标
准颜色值记为Ｒ ，Ｇ 口 、，圆形
度的标准值记为Ｐ 。
圆形度堤基于面积和周长
而计算物体或区域形状复杂度
的特征量，其值在０与１之间分
布。形状越接近于圆，Ｐ的值越
大；反之，啪值越小。因此，在完
成上述特征参数测量步骤后，首
先验证被测目标的圆形度信息。
若圆形度ｅ满足公式（３），则认为
当前目标是合格零件，继续进行
后续颜色判断；否则将该目标作
为不符合要求的零件进行剔除。
ＪＣ－ ｝‘ ／１０ （３）
当完成圆形度判别后，接着
进行颜色分类，由于待识别零件 图４分选过程流程图
１
【数字技术
应用研究
只有两种颜色，若当前零件的颜色信息满足公式（４），则认为当前零 由于形态学去噪只能去除面积较小的噪声，因此经过轮廓提取
件为红色零件；否则为银色零件。
后，图像中除了零件轮廓外，还有可能存在其他非零件轮廓。利用连
ＩＲ—Ｒ Ｉ ＩＧ—Ｇ ｌ＋Ｉ 一Ｂ 『 『Ｒ一月 『 ｆＧ—Ｇ ｌ ｌＢ— Ｊ （４）
通区域标记，找出最长的轮廓及其对应的区域则可以准确地将零件
部分提取出来。之后，通过计算零件区域的圆形度及颜色信息并与
图４所示为整个分选过程的流程图。
之前人工建立的标准信息进行比较，即可完成分选工作。表１所示为
３、结果与分析
标准特征参数，表２为分选结果的准确率及处理时间，其中零件的标
图５所示为相机采集的零件彩色图像，其中图５（ａ）为红色零件，
准圆形度及颜色信息是通过对实际环境下红色零件及银色零件各
图５（ｂ）为银色零件，从图中可以看出，由于ＵＳＢ相机成像质量的限 ｌ００幅图像计算取平均值后得到的；分选准确率及处理时间是通过
制，零件及背景有些变色，但这不影响后续处理。 随机采集的红色零件及银色零件各１０００幅图像计算得出的。
表１标准特征参数
类别 标准颜色
Ｒ分量值
标准颜色
Ｇ分量值
标准颜色
Ｂ分量值
标准圆形度值
Ｐ
｝红色零件
银色零件
２４２
ｌ４ｌ
１９９
ｌ４３
ｌ ８６
ｌ４６
０
．
８５５３
表２零件分选准确率
类别 ｌ圆形度识别准确率Ｉ颜色识别准确率１分选准确牢 时间
红色零件Ｊ…。， ｌ ９９．５％ Ｉ…。， ０
…… ｌ ９９
８％
５ｌＳ
ｌ …
（ａ）红色零件 （ｂ）银色零件
从表２的分选结果可以看出，最终的准确率为９８．１％，每幅图像
图５ ＵＳＢ相机机采集的零件彩色图像
平均处理时间为０．５１秒。该结果能够满足实际生产要求。对于那些
图６所示为经过大津法获得最优闻值并进行二值化后得到的结
错误分选的情况，经过分析发现主要是由于光照不均匀造成的；若
果，由于图像中零件和背景区分明显，故经过分割后，零件被完整的
想进一步提高分选准确率，可以配置专业的环形光源。
提取出来。
．
．
４、结语
本研究通过ＵＳＢ相机及光电传感器采集传送带上的两种零件
图像，利用大津法进行图像二值化处理，之后进行轮廓提取并完成
连通区域标记。通过计算标记图像中两种零件的圆形度与颜色信息
并与之前人工建立的标准信息进行比较，最终完成零件的分选操
作。实验结果证明最终的分选准确率为９８．１％，平均检测时间为０．
５１秒。该结果能够满足实际生产中的要求。
（ａ）图５（ａ）的二值化结果 （ｂ）图５（ｂ）的二值化结果
参考文献
［１］查英。刘铁根，杜东．图像识别技术在零件装配自动识别中的应用
［Ｊ］．计算机工程．２００６．３２（１ ０）：１ ７８—１ ７９．
经过二值化处理后，虽然零件被提取出来，但由于零件上含有
［２］焦圣喜．张利辉，江绛．计算机图像检测技术在工件分选中的应用
孔洞且一些微小噪声也随零件一并被提取出来，因此在进行轮廓提
［Ｊ］．武汉理工大学学报，２００９。３１（１６）：１ １Ｏ一１ １ ３．
取前需要进行形态学去噪及补洞处理。图７所示为处理后的结果。
【３］岳晓峰，甘立杰，何秋奇，孙婷婷，等．一种基于角点特征匹配的零件
分选系统［Ｊ］．机床与液压。２００９，３７（１１）：ｌ５７—１６０．
［４］李海华，陈利．利用图像实现孔类零件内径检测的方法［Ｊ］．工具技
图６大津法二值化后的结果图像
术。２０１ １。４５（６）：９ ｌ－９３．
［５］吴霆．基于图像处理的工件检测［Ｊ］．广东轻工职业技术学院学报，
２０１ １，１０（２）：１８－２１．
［６］陆其明．ＤｉｒｅｃｔＳｈｏｗ开发指南［Ｈ］．北京：清华大学出版社，２００３年．
［７］张会汀．基于ＤｉｒｅｃｔＳｈｏｗ与ＤＭ０的视频采集与编码实现［Ｊ］．计算
２００５，３１（１４）：１９３－１ ９５．
（ａ）图６（ａ）的处理结果 （ｂ）图６（ｂ）的处理结果
机工程。
［８］．孙明．实用数字图像处理与分析［Ｈ］．北京：中国农业大学出版社，
图７形态学去噪及补洞处理后的结果图像
２００８年．
图８所示为轮廓提取后的结果，利用原图像与其腐蚀图像相互
清华大学出版社。
［９］雄，下田阳久．孙卫东译．图像处理技术手册［Ｈ］．北京：科学出版社，
差分的方法可以准确快速地提取出区域的轮廓。
２００７年．
作者简介
刘长青，ｌ ９ ７ ４，女，撼士研究生，讲师，主研方向：电气
控制， 数字图像处理和机器视觉
李军，博士研究生，实验师。
席巍，实验师。
（ａ）图７（ａ）轮廓提取的结果 （ｂ）图７（ｂ）轮廓提取的结果
图８轮廓提取后的结果图像
2024年8月31日发(作者：邶莉莉)
Ｉ数字技术
；
应用研究
基于机器视觉的零件在线分选系统研究
刘长青李军席巍
（北京联合大学机电学院北京１０００２０）
摘要：为了完成两种工业零件在线自动分选工作，本研究利用ＵＳＢ相机采集传送带上零件的图像，利用大津法进行图像二值化处理，之后
进行轮廓提取并完成连通区域标记操作。通过计算标记图像中两种零件的圆形度与颜色信息并与之前人工建立的标准信息进行比较。最终完成
零件的分选操作。实验结果证明该分选系统可以有效降低劳动强度，提高自动化程度，分选准确率在９８％以上，平均处理时间为０．５１秒，能够满
足实际生产中的要求。
关键词：零件图像采集二值化轮廓提取区域标记圆形度分选
中图分类号：ＴＰ３９１．４ｌ 文献标识码：Ａ 文章编号：１００７．９４１６（２０１２）０４—００７ｌ一０３
Ｔ、 Ｊ ｅＳｅａｒｃｈ ０＝＇ Ｉ．ｒ＝ａ，． ｎ ｏｎｎｎｅ ＤａｒｔＳ Ｓ０ｒｔｌｎｇ ＳｙＳｔｅｍ １● Ｊ Ｊ ● 一 Ｊ
ｂａｓｅｄ Ｏｉｌ ｍａｃｈｉｎｅ
ＬｉｕＣｈａｎｇｑｉｎ ＬｉＪｕｎ ＸｉＷｅｉ
（１．Ｃｏｌｌｅｇｅ ｏｆＭｅｃｈａｎｉｃａｌ ａｎｄ Ｅｌｅｃｔｒｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｂｅｉｊｉｎｇ Ｕｎｉｏｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ，１０００２０，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｉｎ ｏｒｄｅｒ ｔｏ ｃｏｍｐｌｅｔｅ ｔｈｅ ｗｏｒｋ ｏｆｔｈｅ ｏｎｌｉｎｅ ｓｏｒｔｉｎｇ ｆｏｒ ｔＷＯ ｔｙｐｅｓ ｏｆｉｎｄｕｓｔｉａｌｒ ｐａｒｔｓ，ａ ＵＳＢ ｃａｍｅｒａ ｗａｓ ｕｓｅｄ ｔｏ ｃａｐｔｕｒｅ ｉｍａｇｅｓ ｏｆｔｈｅ ｐａｒｔｓ ｏｎ
ｔｈｅ ｃｏｎｖｅｙｏｒ ｂｅｌｔ．Ｏｔｓｕ ｍｅｔｈｏｄ ｗａｓ ｕｓｅｄ ｆｏｒ ｉｍａｇｅ ｂｉｎａｒｉｚａｔｉｏｎ ｐｒｏｃｅｓｓｉｎｇ，ｔｈｅｎ ｃｏｎｔｏｕｒ ｅｘｔｒａｃｔｉｏｎ ａｎｄ ｃｏｎｎｅｃｔｅｄ ｃｏｍｐｏｎｅｎｔ ｌａｂｅｌｉｎｇ ｗｅｒｅ ｄｏｎｅ ｔｏ ｔｈｅ
ｂｉｎａｒｙ ｉｍａｇｅ Ｒｏｕｎｄｎｅｓｓ ａｎｄ ｃｏｌｏｒ ｉｎｆｏｒｍａｔｉｏｎ ｏｆｔｈｅ ｔｗｏ ｔｙｐｅｓ ｏｆｉｎｄｕｓｔｒｉａｌ ｐａｒｔｓ ｗｅｒｅ ｃａｌｃｕｌａｔｅｄ ｕｓｉｎｇ ｔｈｅ ｌａｂｅｌｉｎｇ ｉｍａｇｅ，ａｎｄ ｔｈｅｎ ｔｈｅ ｓｏｒｔｉｎｇ ｏｐｅｒａｔｉｏｎ ｆｏｒ
ｔｈｅ ｐａｒｔｓ ｗａｓ ｃｏｍｐｌｅｔｅｄ ｂｙ ｃｏｍｐａｒｉｎｇ ｔｈｅ ｒｏｕｎｄｎｅｓｓ ａｎｄ ｃｏｌｏｒ ｉｎｆｏｒｍａｔｉｏｎ ｗｉｔｈ ｔｈｅ ｓｔａｎｄａｒｄ ｉｎｆｏｒｍａｔｉｏｎ ｗｈｉｃｈ ｗａｓ ｅｓｔａｂｌｉｓｈｅｄ ａｒｔｉｉｆｃｉａｌｌｙ ｂｅｆｏｒｅ．Ｒｅｓｕｌｔｓ
ｓｈｏｗｅｄ ｔｈａｔ ｔｈｅ ｓｏｒｔｉｎｇ ｓｙｓｔｅｍ ｃｏｕｌｄ ｒｅｄｕｃｅ ｌａｂｏｒ ｉｎｔｅｎｓｉｔｙ ａｎｄ ｉｍｐｒｏｖｅ ｔｈｅ ｄｅｇｒｅｅ ｏｆ ａｕｔｏｍａｔｉｏｎ；ｔｈｅ ｓｏｒｔｉｎｇ ａｃｃｕｒａｃｙ ｗａｓ ｍｏｒｅ ｔｈａｎ ９８％ａｎｄ ｉｔ ｗａｓ ａｂｌｅ ｔｏ
ｍｅｅｔ ｔｈｅ ｒｅｑｕｉｒｅｍｅｎｔｓ ｏｆ ｔｈｅ ａｃｔｕａｌ ｐｒｏｄｕｃｔｉｏｎ
Ｋｅｙｗｏｒｄｓ：ｐａｒｔｓ ｉｍａｇｅ ｃａｐｔｕｒｅ ｂｉｎａｒｉｚａｔｉｏｎ ｃｏｎｔｏｕｒ ｅｘｔｒａｃｔｉｏｎ ｃｏｎｎｅｃｔｅｄ ｃｏｍｐｏｎｅｎｔ ｌａｂｅｌｉｎｇ ｒｏｕｎｄｎｅｓｓ ｓｏｒｔｉｎｇ
在现代工业生产中，随着机器视觉技术的不断发展，利用图像
ｐａｄ Ｘ２０１ｉ，配置（ＣＰＵ：Ｉｎｔｅｌ酷睿ｉ３，３９０Ｍ；内存：２ＧＢ，ＤＤＲ３，
处理对产品进行外观检查和分选，对零件表面缺损情况进行检查逐 １０６６ＭＨｚ）。相机为天敏Ｔ５ ＵＳＢ相机，帧率６０帧／秒，分辨率为
渐成为可能。过去的人工检测，生产成本高且劳动强度大。如果采用
６４０ｘ４８０，光电传感器为金属圆柱形对射式光电开关。软件开发在
机器视觉对工业零件外形及其细节进行识别，进而控制零件的加工 Ｍｉｃｒｏｓｏｆｔ Ｖｉｓｕａｌ Ｃ＋＋６．０进行。实验中所使用的零件为红色塑
和分检，则不仅提高了劳动效率，而且降低了生产成本，减轻了劳动
料和银色金属圆柱形活塞模型。
者的工作强度。目前，基于机器视觉的零件检测系统凭借其自动化、
客观性、非接触、高精度及现场抗干扰能力强等的优点，已得到了迅
速的发展和广泛的应用。
查英［１１等将机器视觉应用于自动装配生产线，利用ＣＣＤ摄像机
获取零件的位置信息，通过图像处理和识别技术对工件进行识别定
位。焦圣喜【２ 等通过对图像进行模板匹配、边缘检测及混合中心矩计
光电传感器
算，实现对汽车发动机活塞的计算机视觉检测与分选。岳晓峰口 等应
用ＬａｂＶＩＥＷ软件作为开发工具，采用Ｈａｒｒｉｓ角点检测及虚拟三角形
匹配方法，建立了一种零件分选系统，很好地降低分选的错误率，达
到了快速而准确地对零件进行分选的要求。李海华［４１等采用视觉检
测技术，利用工件图像轮廓上各像素点相对质心力矩的大小，基于
传送带
图１系统硬件结构图
力学原理提出了一种区域质心算法，可以对孔类零件的内径实现精
确的在线检测。吴霆＿５】运用…系列图像处理经典算法得到被测工件
２、实验方法
的圆孑Ｌ半径和圆心坐标，然后与标准工件的参数进行比较，即可知
２．１图像采集
道当前的工件是否符合要求。
根据实际生产过程中皮带的运行速度，为降低成本，本系统选
本文利用图像处理技术，基于颜色、面积、周长、圆形度等参数
ｒｅｃｔＳｈｏｗ技术完成图像
构建工业零件分选系统，在满足一定的正确识别率的基础上同时保
用普通ＵＳＢＮ机作为图像采集设备，利用Ｄｉ
证了较高的实时处理图像的速度，为工业零件在线检测提供实际应
的采集操作。
ＤｉｒｅｃｔＳｈｏｗ是微软公司提供的一套在ＷｉｎｄｏｗｓＳ￣台上进行流
用方案。
媒体处理的开发包，为多媒体流的捕捉和回放以及格式转换或编解
１、实验设备
码方面提供了强有力的支持。运用ＤｉｒｅｃｔＳｈｏｗ可以很方便地从支持
图１所示为零件分选系统的硬件结构图。其中计算机为Ｔｈｉｎｋ
ＷＤＭ驱动模型的采集卡上捕获数据，并且进行相应的后期处理乃
应用研究
至存储到文件中Ｉ６ 】。ＤｉｒｅｃｔＳｈｏｗ使用一种叫做Ｆｉｌｔｅｒ Ｇｒａｐｈ的模
『数字技术
（５）返回步骤１，重新查找新的没有加标记的像素，重复上述各
型来管理整个数据流的处理过程，参与数据流处理的各个功能模
个步骤，直至整幅图像完成扫描。
块称作Ｆｉｌｔｅｒ，各个Ｆｉｌｔｅｒ在Ｆｉｌｔｅｒ Ｇｒａｐｈ中按一定的顺序连成一
２０ ２０
条流水线协调工作，完成从视频设备中获取视频或对视频流进行
２０ ２０
Ｉ
解码等操作。本系统中利用ＤｉｒｅｃｔＳｈｏｗ完成各帧图像采集的具体
步骤如下：
Ｉ
（１）利用ＣｏＣｒｅａｔｅｌｎｓｔａｎｃｅ函数创建一个Ｆｉｌｔｅｒ Ｇｒａｐｈ Ｍａｎ—
ａｇｅｒ实例。
（２）利用ＣｏＣｒｅａｔｅｌｎｓｔａｎｃｅ函数创建一个ＳａｍｐｌｅＧｒａｂｂｅｒ实例。
（３）调用ＱｕｅｒｙＩｎｔｅｒｆａｃｅ函数获取ＩＩＤ—ＩＳａｍｐｌｅＧｒａｂｂｅｒ、
（ａ）给白色像素Ｐ附Ｊｍ＿ｌ：新 （ｂ）给与Ｐ邻接的像素
标记ｌａｂｅｌ，其中ｌａｂｅｌ－＝２０ 附上相同的标记
ＩＩＤ
ＩＭｅｄｉａＣｏｎｔｒｏｌ等接口指针，以便控制采集操作。
（４）设置媒体类型及回调函数。
（５）启动Ｆｉｌｔｅｒ Ｇｒａｐｈ，并在回调函数中等待光电传感器的信
号，若传感器被触发，则采集当前数据包（Ｓａｍｐｌｅ）中的图像数据，进
行后续处理。
２．２图像二值化
对于从相机中采集到的彩色图像数据，需要进行二值化处理。
图像二值化是图像变换的一种特殊情况，是为了从图像中抽出对象
形状的最基本的处理方法。经过二值化处理的图像，一般用０（背景）
和２５５（目标）这两个值来表示。通过对采集到的彩色图像进行如公
式（１）所示的灰度化处理后，发现灰度图像中待提取的目标物和背
景区分明显，故利用自动阈值分割的方法完成二值化处理。
Ｙ＝０．２９９Ｒ＋０．５８７Ｇ＋０．１１４Ｂ （１）
其中，Ｙ表示灰度图像，Ｒ表示红色分量，Ｇ表示绿色分量，Ｂ表
示蓝色分量
目前自动阂值分割法主要有大津法（Ｏｔｓｕ）、Ｐ一分位数法、迭代
法、Ｋｉｔｔｌｅｒ最小误差阈值法、最大熵法、势差法等。考虑到本文中待
测灰度图像的直方图具有明显双峰性，最终采用大津法确定分割闽
值，完成目标零件的提取。
２．３轮廓提取
经过二值化处理后，图像中的零件目标被提取出来并以白色
（２５５）像素表示。利用图２所示矩形结构元素对图像进行一次形态
学开运算处理，去除小噪声；之后对图像进行补洞处理得到图像记
为 、。
图２开运算所采用的结构元素
对图像‘、进行一次腐蚀处理，得到腐蚀图像记为，ｌ。将图像‘与
，ｌ进行差分，即可得到轮廓图像记为 。
２．４连通区域标记
对于得到轮廓图像 ，需要进行区域标记处理。连通区域标记
算法用于从图像中提取目标区域，并计算目标区域的特征参数，是
目标检测和目标识别的关键步骤。
区域标记算法有很多，本文采用一种较简单的方法 】，区域标
记后的图像记为 ，具体步骤如下所示：
（１）扫描图像，，遇到没有标记的目标像素（白色像素，像素值为
２５５）ＪＤ日寸，附加一个新的标ｉｇｌａｂｅＩ（其中ｌａｂｅ１．ＩＮ本文设为２０），如图
３（ａ）所示。
（２）给与Ｐ连接在 起（即相同连接成分）的像素附加相同的标
记，如图３（ｂ）所示。
（３）给所有与加标记像素连接在一起的像素附加相同的标记，
如图３（Ｃ）所示。
（４）重复步骤２操作，直至连接在一起的像素全部被附加标记。
这样一个连接成分就被附加了相同的标记，如图３（ｄ）所示。
③
２０ ２０ ２０ ２０
２０ ２０ ２０ ２０ ２０ ２０
２０ ２０ ２０ ２０
２０ ２０ ２０ ２０ ２０ ２０
２０ ２０ ２０ ２０
２０ ２０
＿
（ｃ）给标记像素的邻接像素 （ｄ）重复步骤（２），直至邻接
都附上相同的标记 像素全部被附上标记
图３区域标记过程示意图
２．５特征参数测量
完成区域标记后，需要对标记图像，进行特征参数的测量。首
先，遍历图像，计算各个标记区域的长度，找出最大的长度记为Ｌ及
其对应的区域。对于含有零件的图像，找出的区域即为零件部分。
统计最大区域内的像素点个数，作为面积记为 。在统计过程
中，每当找到一个符合要求的像素点后，记下其坐标。当完成区域内
所有像素点的统计后，根据这些位置坐标获取原彩色图像上相应点
的彩色像素信息并分别计算尺、Ｇ、Ｂ分量的平均值记为 、 、 。
将 、 、 储存作为分选过程中的颜色依据。
之后，根据长度，Ｊ及面积 利用公式（２）获得圆形度信息记为ｅ。
将Ｐ储存作为分选过程中形状依据 】。
ｅ：４ｕＡ／ （２）
２．６分选
本研究在进行分选操作前，
首先人工对实际生产环境下的
零件图像进行分析，分别测量两
种零件颜色的尺、Ｇ、Ｂ分量值及
圆形度信息。由于此操作存在一
定的误差，故在分析过程中均采
用多次测量取平均值的方法。最
终获得红色零件的标准颜色值
记为Ｒ Ｇ 银色零件的标
准颜色值记为Ｒ ，Ｇ 口 、，圆形
度的标准值记为Ｐ 。
圆形度堤基于面积和周长
而计算物体或区域形状复杂度
的特征量，其值在０与１之间分
布。形状越接近于圆，Ｐ的值越
大；反之，啪值越小。因此，在完
成上述特征参数测量步骤后，首
先验证被测目标的圆形度信息。
若圆形度ｅ满足公式（３），则认为
当前目标是合格零件，继续进行
后续颜色判断；否则将该目标作
为不符合要求的零件进行剔除。
ＪＣ－ ｝‘ ／１０ （３）
当完成圆形度判别后，接着
进行颜色分类，由于待识别零件 图４分选过程流程图
１
【数字技术
应用研究
只有两种颜色，若当前零件的颜色信息满足公式（４），则认为当前零 由于形态学去噪只能去除面积较小的噪声，因此经过轮廓提取
件为红色零件；否则为银色零件。
后，图像中除了零件轮廓外，还有可能存在其他非零件轮廓。利用连
ＩＲ—Ｒ Ｉ ＩＧ—Ｇ ｌ＋Ｉ 一Ｂ 『 『Ｒ一月 『 ｆＧ—Ｇ ｌ ｌＢ— Ｊ （４）
通区域标记，找出最长的轮廓及其对应的区域则可以准确地将零件
部分提取出来。之后，通过计算零件区域的圆形度及颜色信息并与
图４所示为整个分选过程的流程图。
之前人工建立的标准信息进行比较，即可完成分选工作。表１所示为
３、结果与分析
标准特征参数，表２为分选结果的准确率及处理时间，其中零件的标
图５所示为相机采集的零件彩色图像，其中图５（ａ）为红色零件，
准圆形度及颜色信息是通过对实际环境下红色零件及银色零件各
图５（ｂ）为银色零件，从图中可以看出，由于ＵＳＢ相机成像质量的限 ｌ００幅图像计算取平均值后得到的；分选准确率及处理时间是通过
制，零件及背景有些变色，但这不影响后续处理。 随机采集的红色零件及银色零件各１０００幅图像计算得出的。
表１标准特征参数
类别 标准颜色
Ｒ分量值
标准颜色
Ｇ分量值
标准颜色
Ｂ分量值
标准圆形度值
Ｐ
｝红色零件
银色零件
２４２
ｌ４ｌ
１９９
ｌ４３
ｌ ８６
ｌ４６
０
．
８５５３
表２零件分选准确率
类别 ｌ圆形度识别准确率Ｉ颜色识别准确率１分选准确牢 时间
红色零件Ｊ…。， ｌ ９９．５％ Ｉ…。， ０
…… ｌ ９９
８％
５ｌＳ
ｌ …
（ａ）红色零件 （ｂ）银色零件
从表２的分选结果可以看出，最终的准确率为９８．１％，每幅图像
图５ ＵＳＢ相机机采集的零件彩色图像
平均处理时间为０．５１秒。该结果能够满足实际生产要求。对于那些
图６所示为经过大津法获得最优闻值并进行二值化后得到的结
错误分选的情况，经过分析发现主要是由于光照不均匀造成的；若
果，由于图像中零件和背景区分明显，故经过分割后，零件被完整的
想进一步提高分选准确率，可以配置专业的环形光源。
提取出来。
．
．
４、结语
本研究通过ＵＳＢ相机及光电传感器采集传送带上的两种零件
图像，利用大津法进行图像二值化处理，之后进行轮廓提取并完成
连通区域标记。通过计算标记图像中两种零件的圆形度与颜色信息
并与之前人工建立的标准信息进行比较，最终完成零件的分选操
作。实验结果证明最终的分选准确率为９８．１％，平均检测时间为０．
５１秒。该结果能够满足实际生产中的要求。
（ａ）图５（ａ）的二值化结果 （ｂ）图５（ｂ）的二值化结果
参考文献
［１］查英。刘铁根，杜东．图像识别技术在零件装配自动识别中的应用
［Ｊ］．计算机工程．２００６．３２（１ ０）：１ ７８—１ ７９．
经过二值化处理后，虽然零件被提取出来，但由于零件上含有
［２］焦圣喜．张利辉，江绛．计算机图像检测技术在工件分选中的应用
孔洞且一些微小噪声也随零件一并被提取出来，因此在进行轮廓提
［Ｊ］．武汉理工大学学报，２００９。３１（１６）：１ １Ｏ一１ １ ３．
取前需要进行形态学去噪及补洞处理。图７所示为处理后的结果。
【３］岳晓峰，甘立杰，何秋奇，孙婷婷，等．一种基于角点特征匹配的零件
分选系统［Ｊ］．机床与液压。２００９，３７（１１）：ｌ５７—１６０．
［４］李海华，陈利．利用图像实现孔类零件内径检测的方法［Ｊ］．工具技
图６大津法二值化后的结果图像
术。２０１ １。４５（６）：９ ｌ－９３．
［５］吴霆．基于图像处理的工件检测［Ｊ］．广东轻工职业技术学院学报，
２０１ １，１０（２）：１８－２１．
［６］陆其明．ＤｉｒｅｃｔＳｈｏｗ开发指南［Ｈ］．北京：清华大学出版社，２００３年．
［７］张会汀．基于ＤｉｒｅｃｔＳｈｏｗ与ＤＭ０的视频采集与编码实现［Ｊ］．计算
２００５，３１（１４）：１９３－１ ９５．
（ａ）图６（ａ）的处理结果 （ｂ）图６（ｂ）的处理结果
机工程。
［８］．孙明．实用数字图像处理与分析［Ｈ］．北京：中国农业大学出版社，
图７形态学去噪及补洞处理后的结果图像
２００８年．
图８所示为轮廓提取后的结果，利用原图像与其腐蚀图像相互
清华大学出版社。
［９］雄，下田阳久．孙卫东译．图像处理技术手册［Ｈ］．北京：科学出版社，
差分的方法可以准确快速地提取出区域的轮廓。
２００７年．
作者简介
刘长青，ｌ ９ ７ ４，女，撼士研究生，讲师，主研方向：电气
控制， 数字图像处理和机器视觉
李军，博士研究生，实验师。
席巍，实验师。
（ａ）图７（ａ）轮廓提取的结果 （ｂ）图７（ｂ）轮廓提取的结果
图８轮廓提取后的结果图像