1.本发明属于表面粗糙度检测技术领域，特别提供了一种基于经过非下采样剪切波变换的激光散斑图像的工件表面粗糙度测量方法。
背景技术：[0002][0003]
表面粗糙度是分析工件表面微观形貌特征的重要参数。随着计算机、机器视觉、图像处理等技术的发展，基于激光散斑图像的表面粗糙度测量方法作为非接触的光学测量方法的一种，其测量精度和速度不断提高。表面粗糙的工件在激光照射下产生漫反射，形成散斑图像。激光散斑图像的纹理信息和表面粗糙度有着密切关系，利用计算机纹理分析技术，从能够反映物体表面几何特性的各种纹理图像中，提取工件表面粗糙度信息的方法，受到了学者们的关注。然而由于设备、环境等因素的影响，获取的散斑图像通常会包含有强烈的噪声，因此进行纹理分析的一个重要前提是对散斑图像进行预处理，提高图像的对比度，然而，现有的技术提供的图像预处理过程过于繁琐、预处理次数较多，增加了方法的复杂程度，另外，一些方法需要人为的去设置阈值，这对图像处理的结果都有一定的影响，进而会对使得分析的结果产生较大的误差。
[0004]
在纹理分析的方法中，利用频谱分析法，如空域滤波、傅里叶变换法、 gabor变换和小波变换等方法来处理图像。非下采样轮廓波变换(nsct)作为contourlet变换的一种改进方法，其具有平移不变性，能够在一定程度上克服伪吉布斯现象，但是这一方法的缺点是算法的时间复杂度大，运算的时间较长。为了能够很好解决nsct变换计算复杂度高的问题，guo和 labate等人提出一种新的多尺度变换方法：剪切波变换。但由于剪切波变换是通过下采样实现的离散化过程，因此该方法不具有平移不变性的特点，这会导致在奇异点处产生伪吉布斯效应，进而对图像处理结果产生较大的影响。
[0005]
因此，如何避免现有粗糙度测量方法在处理图像时的缺陷，以提高粗糙度测量的速度和精度，成为亟待解决的问题。
技术实现要素：[0006]
鉴于此，本发明的目的在于提供一种基于经过非下采样剪切波变换的激光散斑图像的工件表面粗糙度测量方法，以解决现有方法所采用的技术中图像处理过程复杂、耗时、不灵活以及处理结果差，从而导致粗糙度测量结果不够精确的问题，本发明提供的方法，整个过程不用人为设置或修改阈值，使用简单易上手。
[0007]
本发明提供的技术方案是：基于经过非下采样剪切波变换的激光散斑图像的工件表面粗糙度测量方法，包括如下步骤：
[0008]
s1：获取待测量工件的激光散斑图像；
[0009]
s2：对所述激光散斑图像进行预处理及图像变换，得到第2尺度高频图像；
[0010]
所述预处理包括：
[0011]
增强图像对比度和图像去噪，其中，图像去噪采用快速非局部均值滤波方法；
[0012]
所述图像变换包括：
[0013]
(1)利用二维离散平稳小波变换对预处理后的图像进行分解，得到水平高频图像；
[0014]
(2)对步骤(1)中获得的水平高频图像进行两层非下采样剪切波分解，得到第2尺度高频图像；
[0015]
s3：计算所述第2尺度高频图像的纹理特征粗糙度；
[0016]
s4：利用预先建立的工件的第2尺度高频图像的纹理特征粗糙度与标定的工件表面粗糙度的关系，计算待测量工件的表面粗糙度；
[0017]
优选，建立工件的第2尺度高频图像的纹理特征粗糙度与标定的工件表面粗糙度的关系的方法如下：
[0018]
s101：获取大量不同表面粗糙度的比较样块的激光散斑图像，其中，所述比较样块的标定的表面粗糙度为已知值；
[0019]
s102：对所述激光散斑图像进行预处理及图像变换，得到第2尺度高频图像；
[0020]
所述预处理包括：
[0021]
增强图像对比度和图像去噪，其中，图像去噪采用快速非局部均值滤波方法；
[0022]
所述图像变换包括：
[0023]
(1)利用二维离散平稳小波变换对预处理后的图像进行分解，得到水平高频图像；
[0024]
(2)对步骤(1)中获得的水平高频图像进行两层非下采样剪切波分解，得到第2尺度高频图像；
[0025]
s103：计算所述第2尺度高频图像的纹理特征粗糙度；
[0026]
s104：利用计算出来的比较样块的第2尺度高频图像的纹理特征粗糙度及比较样块的标定的表面粗糙度建立工件的第2尺度高频图像的纹理特征粗糙度与标定的工件表面粗糙度的关系。
[0027]
优选，s2中，增强所述激光散斑图像的对比度采用双直方图均衡化算法。
[0028]
进一步优选，s2中，所述图像变换的步骤(2)具体包括如下步骤：
[0029]
①
对步骤(1)中获得的水平高频图像用非下采样金字塔滤波器组进行非下采样多尺度分解,得到低频子带图像和高频子带图像；
[0030]
②
对步骤
①
中得到的所述低频子带图像再次进行非下采样多尺度分解，得到新的低频子带图像和高频子带图像；
[0031]
③
对步骤
②
得到的新的高频子带图像进行方向局部化，得到第2尺度高频图像。
[0032]
进一步优选，s3中，利用tamura纹理提取算法计算所述第2尺度高频图像的纹理特征粗糙度。
[0033]
进一步优选，s102中，增强所述激光散斑图像的对比度采用双直方图均衡化算法。
[0034]
进一步优选，s102中，所述图像变换的步骤(2)具体包括如下步骤：
[0035]
①
对步骤(1)中获得的水平高频图像用非下采样金字塔滤波器组进行非下采样多尺度分解,得到低频子带图像和高频子带图像；
[0036]
②
对步骤
①
中得到的所述低频子带图像再次进行非下采样多尺度分解，得到新的低频子带图像和高频子带图像；
[0037]
③
对步骤
②
得到的新的高频子带图像进行方向局部化，得到第2尺度高频图像。
[0038]
进一步优选，s103中，利用tamura纹理提取算法计算所述第2尺度高频图像的纹理特征粗糙度。
[0039]
进一步优选，s104具体包括如下步骤：
[0040]
s1041：利用大量比较样块的第2尺度高频图像的纹理特征粗糙度数据及比较样块的标定的表面粗糙度数据建立工件的第2尺度高频图像的纹理特征粗糙度与标定的表面粗糙度的数学模型；
[0041]
s1042：采用最小二乘法拟合所述数学模型中第2尺度高频图像的纹理特征粗糙度与标定的表面粗糙度的关系。
[0042]
本发明提供的基于经过非下采样剪切波变换的激光散斑图像的工件表面粗糙度测量方法，在图像预处理过程中，对图像采用快速非局部均值滤波方法进行去噪，能够更好保护图像的细节，在图像变换过程中，采用基于二维离散平稳小波的非下采样剪切波分解方法来处理图像，可得出清晰的纹理，能够使得利用tamura方法计算的粗糙度更加精确，另外，经试验发现，第2尺度高频图像计算出的工件的纹理特征粗糙度与标定的工件表面粗糙度存在着单调关系，因此，本技术选择预先建立第2尺度高频图像的纹理特征粗糙度与标定的工件表面粗糙度的关系，并利用所述关系计算待测量工件的表面粗糙度。
[0043]
本发明提供的基于经过非下采样剪切波变换的激光散斑图像的工件表面粗糙度测量方法，整个图像处理过程相对简单，不用频繁的预处理，并且不需要人为设置阈值来限定图像处理的范围，同时，选择性建立第2尺度高频图像的纹理特征粗糙度与标定的工件表面粗糙度的关系，并利用所述关系计算待测量工件的表面粗糙度，可得到更准确的结果。
附图说明
[0044]
下面结合附图及实施方式对本发明作进一步详细的说明：
[0045]
图1为本发明提供的基于经过非下采样剪切波变换的激光散斑图像的工件表面粗糙度测量方法的流程图；
[0046]
图2为对水平高频图像进行两层非下采样剪切波分解的示意图；
[0047]
图3中(a)图为粗糙度为0.8μm的平磨工件的激光散斑图像、(b) 图二维离散平稳小波变换后得到的水平高频图像、(c)图为水平高频图像经过非下采样剪切波分解后的得到的第1尺度高频图像、(d)图为水平高频图像经过非下采样剪切波分解后的得到的第2尺度高频图像。
具体实施方式
[0048]
下面将结合具体的实施方案对本发明进行进一步的解释，但并不局限本发明。
[0049]
如图1所示，本发明提供了一种基于经过非下采样剪切波变换的激光散斑图像的工件表面粗糙度测量方法，包括如下步骤：
[0050]
s1：获取待测量工件的激光散斑图像；
[0051]
s2：对所述激光散斑图像进行预处理及图像变换，得到第2尺度高频图像；
[0052]
其中，所述预处理包括：增强图像对比度和图像去噪。
[0053]
优选，利用双直方图均衡化算法增强所述激光散斑图像的对比度，利用快速非局
部均值滤波方法对图像进行去噪处理；
[0054]
其中，快速非局部均值滤波算法为：
[0055][0056]
式中，v(x)和v(y)为图像的两邻域，s
t
(x)为区域点的积分图像，ds表示邻域窗口半径，x1为行像素值，x2为列像素值，d2为邻域窗口像素点个数。
[0057]
所述图像变换包括：
[0058]
(1)利用二维离散平稳小波变换对预处理后的图像进行分解，得到水平高频图像；
[0059]
其中，所述二维离散平稳小波变换的尺度函数为：
[0060]
φ(x,y)＝φ(x)φ(y)
[0061]
式中，φ(x,y)为二维尺度函数，φ(x)，φ(y)为一维尺度函数；
[0062]
小波函数为：
[0063][0064]
式中，ψ(x)是与尺度函数对应的一维标准正交小波，h、v、d分别表示水平、垂直、对角线。
[0065]
(2)对步骤(1)中获得的水平高频图像进行两层非下采样剪切波分解，得到第2尺度高频图像，其具体步骤为：
[0066]
①
对水平高频图像用非下采样金字塔滤波器组(nspf)进行非下采样多尺度(nsp)分解,得到低频子带图像和高频子带图像；
[0067]
②
对步骤
①
中得到的所述低频子带图像再次进行非下采样多尺度分解，得到新的低频子带图像和高频子带图像；
[0068]
③
对步骤
②
得到的新的高频子带图像进行方向局部化，得到第2尺度高频图像。
[0069]
s3：计算所述第2尺度高频图像的纹理特征粗糙度；
[0070]
优选，利用tamura纹理提取算法计算所述第2尺度高频图像的纹理特征粗糙度，具体步骤如下：
[0071]
s31：利用下式计算所述第2尺度高频图像中每一个像素点在不同大小的活动窗口下的强度值：
[0072][0073]
式中，ak(x,y)表示像素点(x,y)在大小为2k×2k
个像素点的活动窗口下的强度值，k＝0,1,...5；g(i,j)表示位于(i,j)处的像素点的灰度值；
[0074]
s32：计算所述第2尺度高频图像中每个像素点在垂直和水平方向上互不重叠的活动窗口之间的平均强度差，其中，像素(x,y)在水平方向及垂直方向上的平均强度差的计算公式如下：
[0075]ek,h
(x,y)＝|ak(x+2
k-1
,y)-ak(x-2
k-1
,y)|
[0076]ek,v
(x,y)＝|ak(x,y+2
k-1
)-ak(x,y-2
k-1
)|
[0077]
式中，e
k,h
(x,y)，e
k,v
(x,y)分别表示像素(x,y)在水平方向和垂直方向上的平均强度差；
[0078]
s33：计算所述第2尺度高频图像中每个像素点对应的活动窗口的最佳尺寸，其中，像素点(x,y)对应的活动窗口的最佳尺寸的计算方法如下：
[0079]
s331：利用e(x,y)＝max{e
k,h
(x,y),e
k,v
(x,y)}确定e(x,y)对应的k的值；
[0080]
s332：利用s
best
(x,y)＝2k计算像素点(x,y)对应的活动窗口的最佳尺寸 s
best
(x,y)，其中，k为e(x,y)对应的k的值；
[0081]
s34：利用下式计算所述第2尺度高频图像的纹理特征粗糙度：
[0082][0083]
式中，f
crs
表示所述第2尺度高频图像的纹理特征粗糙度，m表示所述第2尺度高频图像的长度，n表示所述第2尺度高频图像的宽度，s
best
(x,y) 表示像素点(x,y)对应的活动窗口的最佳尺寸。
[0084]
s4：利用预先建立的工件的第2尺度高频图像的纹理特征粗糙度与标定的工件表面粗糙度的关系，计算待测量工件的表面粗糙度；
[0085]
其中，建立工件的第2尺度高频图像的纹理特征粗糙度与标定的工件表面粗糙度的关系的方法如下：
[0086]
s101：获取大量不同表面粗糙度的比较样块的激光散斑图像，其中，所述比较样块的标定的表面粗糙度为已知值；
[0087]
其中，比较样块的激光散斑图像可利用激光散斑测量实验系统获得；
[0088]
s102：对所述激光散斑图像进行预处理及图像变换，得到第2尺度高频图像；
[0089]
步骤可参见s2中给出的方法，具体如下：
[0090]
其中，所述预处理包括：增强图像对比度和图像去噪。
[0091]
优选，利用双直方图均衡化算法增强所述激光散斑图像的对比度，利用快速非局部均值滤波方法对图像进行去噪处理；
[0092]
其中，快速非局部均值滤波算法为：
[0093][0094]
式中，v(x)和v(y)为图像的两邻域，s
t
(x)为区域点的积分图像，ds表示邻域窗口半径，x1为行像素值，x2为列像素值，d2为邻域窗口像素点个数。
[0095]
所述图像变换包括：
[0096]
(1)利用二维离散平稳小波变换对预处理后的图像进行分解，得到水平高频图像；
[0097]
其中，所述二维离散平稳小波变换的尺度函数为：
[0098]
φ(x,y)＝φ(x)φ(y)
[0099]
式中，φ(x,y)为二维尺度函数，φ(x)，φ(y)为一维尺度函数；
[0100]
小波函数为：
[0101][0102]
式中，ψ(x)是与尺度函数对应的一维标准正交小波，h、v、d分别表示水平、垂直、对角线。
[0103]
(2)如图2所示，对步骤(1)中获得的水平高频图像进行两层非下采样剪切波分解，得到第2尺度高频图像，其具体步骤为：
[0104]
①
对水平高频图像用非下采样金字塔滤波器组(nspf)进行非下采样多尺度(nsp)分解,得到低频子带图像和高频子带图像；
[0105]
②
对步骤
①
中得到的所述低频子带图像再次进行非下采样多尺度分解，得到新的低频子带图像和高频子带图像；
[0106]
③
对步骤
②
得到的新的高频子带图像进行方向局部化，得到第2尺度高频图像。
[0107]
以图3(a)所示的粗糙度为0.8μm的平磨工件的激光散斑图像为例，经图像预处理后，利用二维离散平稳小波变换对预处理后的图像进行分解，得到图3(b)所示的水平高频图像，之后，对上述水平高频图像进行两层非下采样剪切波分解，可得到如图3(c)所示的第1尺度高频图像和如图3(d) 所示第2尺度高频图像，其中，第2尺度高频图像计算出的工件的纹理特征粗糙度与标定的工件表面粗糙度存在着单调关系，因此，本技术选择预先建立第2尺度高频图像的纹理特征粗糙度与标定的工件表面粗糙度的关系，并利用所述关系计算待测量工件的表面粗糙度。
[0108]
s103：计算所述第2尺度高频图像的纹理特征粗糙度；
[0109]
步骤可参见s3中给出的方法，可利用tamura纹理提取算法计算所述第2尺度高频图像的纹理特征粗糙度，步骤如下：
[0110]
s1031：利用下式计算所述第2尺度高频图像中每一个像素点在不同大小的活动窗口下的强度值：
[0111][0112]
式中，ak(x,y)表示像素点(x,y)在大小为2k×2k
个像素点的活动窗口下的强度值，k＝0,1,...5；g(i,j)表示位于(i,j)处的像素点的灰度值；
[0113]
s1032：计算所述第2尺度高频图像中每个像素点在垂直和水平方向上互不重叠的活动窗口之间的平均强度差，其中，像素(x,y)在水平方向及垂直方向上的平均强度差的计算公式如下：
[0114]ek,h
(x,y)＝|ak(x+2
k-1
,y)-ak(x-2
k-1
,y)|
[0115]ek,v
(x,y)＝|ak(x,y+2
k-1
)-ak(x,y-2
k-1
)|
[0116]
式中，e
k,h
(x,y)，e
k,v
(x,y)分别表示像素(x,y)在水平方向和垂直方向上的平均强度差；
[0117]
s1033：计算所述第2尺度高频图像中每个像素点对应的活动窗口的最佳尺寸，其中，像素点(x,y)对应的活动窗口的最佳尺寸的计算方法如下：
[0118]
s10331：利用e(x,y)＝max{e
k,h
(x,y),e
k,v
(x,y)}确定e(x,y)对应的k 的值；
[0119]
s10332：利用s
best
(x,y)＝2k计算像素点(x,y)对应的活动窗口的最佳尺寸 s
best
(x,y)，其中，k为e(x,y)对应的k的值；
[0120]
s1034：利用下式计算所述第2尺度高频图像的纹理特征粗糙度：
[0121][0122]
式中，f
crs
表示所述第2尺度高频图像的纹理特征粗糙度，m表示所述第2尺度高频图像的长度，n表示所述第2尺度高频图像的宽度，s
best
(x,y) 表示像素点(x,y)对应的活动窗口的最佳尺寸。
[0123]
s104：利用计算出来的比较样块的第2尺度高频图像的纹理特征粗糙度及比较样块的标定的表面粗糙度建立工件的第2尺度高频图像的纹理特征粗糙度与标定的工件表面粗糙度的关系；
[0124]
具体步骤如下：
[0125]
s1041：利用大量比较样块的第2尺度高频图像的纹理特征粗糙度数据及比较样块的标定的表面粗糙度数据建立工件的第2尺度高频图像的纹理特征粗糙度与标定的表面粗糙度的数学模型，其中，平磨工件的所述数学模型优选为二次多项式；
[0126]
s1042：采用最小二乘法拟合所述数学模型中第2尺度高频图像的纹理特征粗糙度与标定的表面粗糙度的关系。
[0127]
本发明的具体实施方式是按照递进的方式进行撰写的，着重强调各个实施方案的不同之处，其相似部分可以相互参见。
[0128]
上面结合附图对本发明的实施方式做了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。
技术特征：1.基于经过非下采样剪切波变换的激光散斑图像的工件表面粗糙度测量方法，其特征在于，包括如下步骤：s1：获取待测量工件的激光散斑图像；s2：对所述激光散斑图像进行预处理及图像变换，得到第2尺度高频图像；所述预处理包括：增强图像对比度和图像去噪，其中，图像去噪采用快速非局部均值滤波方法；所述图像变换包括：(1)利用二维离散平稳小波变换对预处理后的图像进行分解，得到水平高频图像；(2)对步骤(1)中获得的水平高频图像进行两层非下采样剪切波分解，得到第2尺度高频图像；s3：计算所述第2尺度高频图像的纹理特征粗糙度；s4：利用预先建立的工件的第2尺度高频图像的纹理特征粗糙度与标定的工件表面粗糙度的关系，计算待测量工件的表面粗糙度。2.按照权利要求1所述基于经过非下采样剪切波变换的激光散斑图像的工件表面粗糙度测量方法，其特征在于：建立工件的第2尺度高频图像的纹理特征粗糙度与标定的工件表面粗糙度的关系的方法如下：s101：获取大量不同表面粗糙度的比较样块的激光散斑图像，其中，所述比较样块的标定的表面粗糙度为已知值；s102：对所述激光散斑图像进行预处理及图像变换，得到第2尺度高频图像；所述预处理包括：增强图像对比度和图像去噪，其中，图像去噪采用快速非局部均值滤波方法；所述图像变换包括：(1)利用二维离散平稳小波变换对预处理后的图像进行分解，得到水平高频图像；(2)对步骤(1)中获得的水平高频图像进行两层非下采样剪切波分解，得到第2尺度高频图像；s103：计算所述第2尺度高频图像的纹理特征粗糙度；s104：利用计算出来的比较样块的第2尺度高频图像的纹理特征粗糙度及比较样块的标定的表面粗糙度建立工件的第2尺度高频图像的纹理特征粗糙度与标定的工件表面粗糙度的关系。3.按照权利要求1所述基于经过非下采样剪切波变换的激光散斑图像的工件表面粗糙度测量方法，其特征在于：s2中，增强所述激光散斑图像的对比度采用双直方图均衡化算法。4.按照权利要求1所述基于经过非下采样剪切波变换的激光散斑图像的工件表面粗糙度测量方法，其特征在于：s2中，所述图像变换的步骤(2)具体包括如下步骤：
①
对步骤(1)中获得的水平高频图像用非下采样金字塔滤波器组进行非下采样多尺度分解,得到低频子带图像和高频子带图像；
②
对步骤
①
中得到的所述低频子带图像再次进行非下采样多尺度分解，得到新的低频子带图像和高频子带图像；
③
对步骤
②
得到的新的高频子带图像进行方向局部化，得到第2尺度高频图像。
5.按照权利要求1所述基于经过非下采样剪切波变换的激光散斑图像的工件表面粗糙度测量方法，其特征在于：s3中，利用tamura纹理提取算法计算所述第2尺度高频图像的纹理特征粗糙度。6.按照权利要求2所述基于经过非下采样剪切波变换的激光散斑图像的工件表面粗糙度测量方法，其特征在于：s102中，增强所述激光散斑图像的对比度采用双直方图均衡化算法。7.按照权利要求2所述基于经过非下采样剪切波变换的激光散斑图像的工件表面粗糙度测量方法，其特征在于：s102中，所述图像变换的步骤(2)具体包括如下步骤：
①
对步骤(1)中获得的水平高频图像用非下采样金字塔滤波器组进行非下采样多尺度分解,得到低频子带图像和高频子带图像；
②
对步骤
①
中得到的所述低频子带图像再次进行非下采样多尺度分解，得到新的低频子带图像和高频子带图像；
③
对步骤
②
得到的新的高频子带图像进行方向局部化，得到第2尺度高频图像。8.按照权利要求2所述基于经过非下采样剪切波变换的激光散斑图像的工件表面粗糙度测量方法，其特征在于：s103中，利用tamura纹理提取算法计算所述第2尺度高频图像的纹理特征粗糙度。9.按照权利要求2所述基于经过非下采样剪切波变换的激光散斑图像的工件表面粗糙度测量方法，其特征在于：s104具体包括如下步骤：s1041：利用大量比较样块的第2尺度高频图像的纹理特征粗糙度数据及比较样块的标定的表面粗糙度数据建立工件的第2尺度高频图像的纹理特征粗糙度与标定的表面粗糙度的数学模型；s1042：采用最小二乘法拟合所述数学模型中第2尺度高频图像的纹理特征粗糙度与标定的表面粗糙度的关系。
技术总结本发明公开了一种基于经过非下采样剪切波变换的激光散斑图像的工件表面粗糙度测量方法，包括如下步骤：S1：获取待测量工件的激光散斑图像；S2：对所述激光散斑图像进行预处理及图像变换，得到第2尺度高频图像；S3：计算所述第2尺度高频图像的纹理特征粗糙度；S4：利用预先建立的工件的第2尺度高频图像的纹理特征粗糙度与标定的工件表面粗糙度的关系，计算待测量工件的表面粗糙度。该基于经过非下采样剪切波变换的激光散斑图像的工件表面粗糙度测量方法，整个图像处理过程相对简单，不用频繁的预处理，选择性建立第2尺度高频图像的纹理特征粗糙度与标定的工件表面粗糙度的关系，可得到更准确的测量结果。得到更准确的测量结果。得到更准确的测量结果。
技术研发人员：王琳霖 薛文科 梁文婕 张印文 徐铮
受保护的技术使用者：沈阳市航达航空机械制造有限公司
技术研发日：2022.07.22
技术公布日：2022/11/1
