作者：梁契宗; 邓鹏凹凸增强滤波算子dbscanharris角点识别
摘要：首先本文基于未经轮廓提取的原始零件图像数据的数据,通过origin8软件做出工件扫描信号强度分布图(见图2)及零件信号分布图(见图3)。从图中可以看出各区域信号的强弱分布情况,以及工件扫描图中存在着外部噪音和各零件啮合处干扰因子。为了更好的提取零件轮廓,需对这些干扰项进行剔除,以减少对零件识别过程中存在的影响,从而达到精准识别零件位置的目的。然后本文通过统计像素点信号强度值及其个数(见图4),确定零件和外部噪音与背景两者的信号强度分界值为150,从而除去了背景中大部分干扰项。由于零件①与其他零件相连且图像灰度值相对弱于相连的零件,因此为了对零件尽可能的无损分割,本文接着对图像进行四次凹凸增强处理(见图7),拉大了各零件之间像素点灰度值的差距,接着通过fspecial滤波算子函数提取出了②②④零件与①号零件啮合处的齿轮形貌,然后将其覆盖于初次增强图中,通过matlab编程分割出了各零件的完整形貌图(见图11-12),最后运用DBSCAN聚类法对四个零件区域进行分割识别,并通过计算得到各零件的重心位置,运用Harris轮廓角点识别法对图像各角点进行识别,确定了轮廓较为突出的区域。对于不平整的表面上的零件,本文通过COMSOL软件做出三维图像示意图(见图17),随后对其进行灰度化处理。由于该模型为理想化模型,且零件之间不相连,因此可省去凹凸增强、啮合处识别、分割等图像处理步骤,仅通过角点识别、轮廓识别等方法对其定位,得到的效果较好。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
