基于机器视觉的微电极自动测量技术*

熊秋菊 王 悦 刘 勇 李名鸿

(①山东药品食品职业学院医疗器械系，山东 威海 264210；②山东大学力学与机电装备联合工程技术研究中心，山东 威海 264209)

微细电极的制备是微细电解、电火花加工过程中不可或缺的[1-2]，微电极的尺寸及形位精度将严重影响到加工质量，对制备的微电极必须检测合格才能使用。传统的人工检测费时费力，随着对电极需求量的增大，人工检测的压力也逐渐增大，因此开发设计基于图像检测的微电极自动检测的系统很有必要。

由于国外欧美制造技术，计算机技术以及自动控制技术的发展，国外检测技术也得到快速进步。图像检测在医学及遥感领域都得到了广泛应用，在产业领域中，数字图像测量主要有以下几个方面：外观检查和筛选、视觉跟踪、表面缺陷的自动检查、工业材料的质量检验[3-6]。国外在上述领域中的研究大部分是通过生产数字图像处理仪器的公司赞助的。随着研究的深入，目前已经扩展到化工、钢铁等一般制造业。霍莫尔的AMV923是图像检测的代表，它能根据CCD获得的零件图像检测零件的形状误差，速度快、精度高。

我国的图像测量从上世纪70年代末80年代初开始发展，90年代以来，随着图像捕获、计算机性能的发展，我国在图像测量领域的研究进入一个新的阶段[7-8]。哈尔滨工业大学研制的图像式万工显微镜系统，实现了对目标对象轮廓的自动扫描定位，对小尺寸零件可直接测量如厚度、孔径直径等参数。图像测量技术在很大程度上解放了劳动力，提高了自动化生产水平，应用前景非常广阔[9-10]。在国外，图像测量技术已广泛应用到生产生活中，我国起步较晚，虽已取得了一定进展，但仍需广大科研人员一起努力来提高我国图像测量检测技术的发展水平。

本文基于数字图像处理的理论基础，以Windows操作系统为开发平台，MATLAB作为编程工具，设计微电极的自动检测系统，实现读入电子显微镜下原始图片，通过一系列处理输出直径尺寸与同轴度误差。本文的主要研究内容如下：

以电化学腐蚀法制备的圆柱型和球头两种不同的微电极为实验对象，用电子显微镜获取微电极的原始图片，将其进行灰度化，滤波去噪，图像二值化，形态学处理等初级的图像预处理后，提取边缘轮廓。通过计算得到微电极前端有效部分直径的尺寸，并对其同轴度误差进行检测，实现了微电极直径尺寸及同轴度误差的自动检测，同时也为同类零件提供了自动检测方法。

1 系统构成及检测原理

基于微细电极实验室的实际情况，微电极检测系统的成功开发可以实现一定精度范围内电极相关尺寸的精确检测。

实验室使用放大倍数达160倍的尼康体式显微镜SMZ1270获得微电极的俯视图，本系统读取电极图片后，处理图片并获取尺寸数据。系统的开发过程可大致分为三部分：

①对图片先做必要的图像处理：灰度化、二值化、中值滤波、形态学处理、去除大片背景噪声。

图像处理的目的是获得清晰的电极边缘特征，便于图像分割处理。

②分割图像，提取电极轮廓特征，便于后续测量。

③测量微电极直径尺寸，采用多种方法测量微电极同轴度误差，和人工测量值比较后，选取误差最小的算法置入系统。

工作流程如图1所示。

2 图像处理

2.1 灰度化处理

图像处理的第一步灰度化可以在保留图像的边缘特征的基础上，大大减小系统的计算量，从而减少运行时间。科学表明，人的眼睛对绿色的敏感比红色、蓝色高，而蓝色则相对最低，因此在灰度化过程中，系统对R、G、B三个分量按照眼睛敏感度的大小分配不同的权重。实验表明，下式中的各系数对R、G、B三个分量进行权重分配即可得到效果良好的灰度图像：

W1R=W2G=W3B=0.3R+0.59G+0.11B

灰度化处理后，使用mat2gray函数将像素亮度值归一化。按上式处理后得到的灰度化后的图片如图2所示。

2.2 二值化处理

由于系统仅处理电极部分，图像的背景需要和电极有明显的区分，二值化处理可使图像呈现出黑白分明的效果。通过对阈值的适当选取，多灰度级的彩色图像转换为二灰度图像，在保留图像整体和局部特征的基础上，大大简化了后续处理的工作量。

阈值的选取决定了二值化处理的效果，是后续一系列图像处理的基础。在MATLAB中有专门的二值化处理函数im2bw，它将在未设定阈值时自动选择一阈值进行二值化。但应用到图像中的效果如图3所示。

可观察到电极内部有严重丢失，效果很不理想。因此，本系统采取了一套自适应阈值选取的算法，其原理如下：

观察待处理电极图片后可知背景色占据了整个图像的大部分，电极颜色与背景颜色有较明显的不同。根据图像的特点，本文二值化处理依据如下式：

|I(x,y)-μ|≤w×σ

上式确定了图像背景灰度的范围：I(x,y)为待处理图像，系统求得图像灰度的均值μ、图像灰度标准差σ并确定适当的背景面积加权w(即背景面积对图像的权重：

W=S背景面积/S图像面积

根据电极图像特征及多次实验，本文取w值为0.75)，若每点的灰度值与均值的差的绝对值小于加权标准差，则将这一点划为背景范围内，像素置1，不在此范围内的像素则置0。此法可根据不同图像的情况自动确定背景色范围，适用范围较广。

使用本系统方法进行二值化处理后的图像如图4。

最终图像的像素点全部被置为0或1，成为了一幅二值图像。可看出相较于MATLAB的内置函数来说，此法处理后的电极图像较好地保存了其边缘特征，电极和背景也得到了有效的区分。但是电极内部与背景色灰度相近的像素没有得到有效处理，导致电极内部有小面积“空洞”。此外，在背景中存在着少量噪点，影响对轮廓的提取。因此，为去除噪点并使得电极内部完全被填充，系统需要进一步处理已经得到的二值图像。

2.3 后续处理

得到二值图像后，MATLAB可用medfilt2函数对图像进行中值滤波，本文选用3×3邻域并进行中值滤波两次，效果如图5。

经过中值滤波后，孤立噪点被有效去除，但电极内部区域仍然存在的大量“空洞”和背景中的大片噪声，可使用腐蚀、膨胀等形态学处理来将其去除。

系统构造r=3的圆盘区域作为结构元素，对该图进行腐蚀操作，黑点附近圆盘范围内的区域将被腐蚀为黑色，腐蚀后使用bwareaopen函数删除电极内部的小面积空洞，再将图片黑白转置，再次使用bwareaopen函数去除背景中的小面积噪声。此时系统再次使用r=3的圆形结构元素对电极图片进行膨胀，消除腐蚀操作带来的影响。

效果图如图6所示。

在经过上述处理后，如果图像中的电极已和背景有了较好的二值区分，可以进行轮廓的提取工作。

2.4 基于连通域的大片噪声处理

在经过上述处理之后，大部分电极图片的噪声都被去除，可以进行轮廓提取工作，但少部分图片的背景中依然存在大片噪声。使用bwlabel函数标注图像中的连通域，再用regionprops函数计算出各连通域的周长，系统检测整幅图片后在各个连通域的中间以红色标号。处理好后，操作者在GUI中选择需要保留的电极部分，系统就会自动删除剩余的噪声部分(图7)。经过噪声处理，电极图像的处理工作全部完成，系统可提取电极轮廓。

2.5 轮廓提取

电极的轮廓包含着电极的尺寸及形位误差等重要电极特征信息，且处理轮廓部分计算量小，操作易行，因此系统需要提取出图像的完整边缘特征。系统对处理后的二值图像进行处理，其中包含轮廓信息的像素被置1，不包含轮廓信息的像素，如图像背景及电极内部，则置为0。本文设计了提取边缘特征的8邻域算法，算法思路如下：每一像素点周围的3×3邻域称之为8邻域，对于一个电极中的点来说，如果此点为边缘部分，那么它的8邻域中必定有至少一点值不为0；如果此点位于电极内部，那么它的8邻域中的像素则全部为0。系统程序检测每一值为0的像素的8邻域，若8邻域中的8个像素都为0，则可判断此点在电极内部，该点值不变；若8邻域中不是所有像素都为0，则将其视作电极边缘上的点，将这一点置1，也就是设为轮廓点。整幅图像检测完毕后，所有值为1的点的集合即为电极的轮廓线。

轮廓提取后的效果图如图8。

3 直径与同轴度检测

3.1 电极直径测量

(1)单阶圆柱型电极的直径测量

在已经提取的电极轮廓图中，系统首先将整幅图自上而下逐列扫描，每扫描一列就将这一列的所有白点保存在集合s中，用s中的最下面的白点的行号值与最上面的行号值作差，系统将差值视作此处的电极直径长度，并将差值保存在另一集合S中，整幅图像扫描完毕后，每一列的电极直径长度都被记录了下来。

观察可知，电极图像中电极头部所占面积明显大于电极基体所占面积，待测量值是电极头部的直径，系统取集合S的平均值，将大于平均值(即基体部分)的部分去除，再对剩余部分取众数L1，对区间[L1-3,L1+3]的集合取平均值L2，系统将此平均值确定为电极直径所占像素个数。电极的真实直径d即为L2与单位像素真实长度的乘积。

同时，系统设计了手动截取待测量电极段的操作，测量人员可对电极部分直径进行多次测量，或测量电极特定段的直径。

单阶电极测量及结果如图9。

(2)多阶圆柱型电极的直径测量

由于电极含多阶，因此在测量过程中，操作者手动截取需要测量的各阶电极段。多阶圆柱型电极的直径测量方法与单阶电极的大致相同，系统同样扫描取得集合S，在没有电极基体的影响下，直接对集合S取众数L，并对区间[L-2,L+2]取平均值L1，L1被视作此段电极的所占像素个数，该段电极的真实直径d即为L1与单位像素真实长度的乘积。

多阶电极测量及结果如图10。

(3)球头型电极的直径测量

球头型微电极的待测直径分为球头和靠近球头的基体直径两部分。观察图像可知，球头的直径是整个电极中所占像素个数最多的，在逐列扫描时，系统延续了测量圆柱形电极的方法，得到集合S中最大值即为球头直径，记作L。

球头直径电极测量及结果如图11。

由系统测试数据可知，系统对于电极的直径测量误差不超过5%，基本可控制在4%以内，可应用于微细加工实验室的实际操作中。

3.2 电极同轴度误差测量

(1)圆柱型电极同轴度误差测量

在拟合电极及基体轴线时，系统以上述操作中测量出的直径L(直径占像素数量)作为临界值，电极上下轮廓线相差在(L+5)以内的部分被记作电极头部，相差大于(L+20)的部分被记作电极基体部分，取轮廓线纵向的中点为轴线点。系统对头部和基体部分的中点使用最小二乘法进行直线拟合得到两条轴线，两条轴线的斜率虽然相差不大，但由于斜率不同，不能直接用来计算两条轴线之间的距离。因此，本文提出了三种计算方法如下：

①将基体部分拟合轴线，得到其斜率k1与截距b1，取电极部分的靠近基体的一点作为横坐标x0，取电极头部分的轴线点高度均值作为纵坐标y0，将此点(x0,y0)作为电极头部一点，以k1为电极头部轴线的斜率，求得电极头部轴线的截距b2=y0-k1x0，两条轴线之间的距离T即为T=|b1-b2| 。反之，以电极头部部分拟合出的轴线为基准计算也会得到不同的结果。

②默认两条轴线都为水平线，将两条轴线中点竖直方向上的差值作为同轴度偏移量。取基体部分的纵坐标集合并对其取平均值y1，再取电极头部部分的纵坐标集合并对其取平均值y2，两条轴线之间的距离T即为T=|y1-y2| 。

电极的同轴度误差作为本系统的设计难点，采用了三种方法计算电极头部与电极基体部分的同轴度误差。在系统测试中，明显可观察到方法①以基体轴线为基准测得的同轴度误差接近真实值，方法②由于只考虑到轴线斜率为0的情况使测量结果很不稳定，方法③的测量结果与人工测量值相去甚远，不宜应用。系统将方法(1)的测量算法置入系统，可较好地保证同轴度误差的精确度。

(2)球头型电极同轴度误差测量

球头型电极同轴度的测量中，系统拟合基体部分的轴线及球头部分的圆心，利用求得的球心坐标求取球心到直线的距离作为球头型电极的同轴度误差。

直线与圆的拟合效果以及同轴度测量效果如图12～14所示。

4 结语

(1)二值化是图像前期处理的核心步骤，以往多手动或半手动确定二值化阈值，本文参考相关文献，设计了新的加权标准差法确定电极图像的阈值范围，避免反复调试阈值的不便，也能更精确地反映电极边缘特征。

(2)本文设计了连通域面积识别法，用以对进行过一系列处理后仅剩大片噪声的图片做最后一步处理，去掉大片噪声仅保留目标电极，操作简洁，准确度高。

(3)电极的同轴度误差在二维图中不便测量，本文用了三种方法大致拟出了电极的同轴度误差，并且选用 了误差相对最小的“以电极基体部分斜率为基准”的算法计算电极的同轴度偏差量，使结果更加精确，应用范围更广。

本文设计了微细电极自动检测系统。对显微镜下采集的原始图像进行阈值分割，滤波以及形态学处理，准确地提取了微电极的边缘轮廓。用最小二乘法对中心点集合与球头轮廓进行直线与圆的拟合，使用一定的算法分析处理测量直径尺寸与同轴度误差。实践证明：本文对直径尺寸的测量误差控制在4%以内，验证了图像处理测量同轴度的可行性，为同类零件的自动化测量提供了有益的参考。

[1]刘勇, 曾永彬. 微小结构高效电解铣削加工试验研究[J]. 制造技术与机床, 2014(6): 114-119.

[2]Sheu D Y. Micro-spherical probes machining by EDM[J]. Journal of Micromechanics & Microengineering, 2005, 15(1):185-189.

[3]刘云秀,王秋江,刘晶. 基于图像分析的几何尺寸比较测量方法研究[J]. 吉林工程技术师范学院学报,2013(10): 88-90.

[4]江晖,蔡飞飞,罗郁雯. 基于MATLAB的数控机床在线测量技术[J]. 工具技术,2016，50(4):91-94.

[5]刘平,张玉. 同轴度误差的解析评定与几种计算机算法[J]. 计量学报,1991(1):16-21.

[6]沈先钊. 圆度、圆柱度和同轴度计算机测量数据最小区域法处理算法研究[J].中国机械工程,2003，14(17):1472-1473.

[7]冯卫东. 工业零件形状尺寸图像检测技术研究[D].长沙：中国人民解放军国防科学技术大学,2002.

[8]杨敏,叶邦彦,牟丽,等. 机械零件视觉检测图像二值化处理[J]. 现代制造工程,2003(11):54-56.

[9]杨慕升, 熊秋菊. 基于数字图像处理的微内孔质量检测技术[J]. 制造技术与机床, 2009(1):112-115.

[10]王磊,梅涛,孔令成,等. 基于视觉技术的扣式电池自动检测系统设计[J]. 仪表技术,2011(8)：5-7,10.