[發明專利]基于高清晰測量灰度圖像的零件表面三維形貌評價方法

在審

• 申請號: 201310433469.X
• 申請日: 2013-09-22
• 公開（公告）號: CN103544694A
• 公開（公告）日: 2014-01-29
• 發明（設計）人: 王猛;奚立峰;杜世昌;趙同銘;韋建光;林觀生
• 申請（專利權）人: 上海交通大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 郭國中

1.一種基于高清晰測量灰度圖像的零件表面三維形貌評價方法，其特征在于，包括如下步驟：

第一步：獲得高清晰測量灰度圖像；

對復雜零件表面進行測量，得到三維高密度點云數據，并將三維高密度點云數據轉換為灰度圖像I(x,y)，其中I為像素的灰度值，取值范圍為I＝1,2,3,...,N_g，其中，N_g為灰度級數；x、y分別為像素在灰度圖像中的橫坐標和縱坐標，取值范圍分別x＝1,2,3,...,M和y＝1,2,3,...,N，其中，M為橫坐標的最大值，N為縱坐標的最大值；

第二步：計算灰度共生矩陣P(i,j,d,θ)；

將灰度圖像I(x,y)讀入，根據下式計算灰度共生矩陣P(i,j,d,θ)：

P(i,j,d,θ)＝#{I(x₁,y₁)＝i,I(x₂,y₂)＝j,x₂＝x₁+dcosθ,y₂＝y₁+dsinθ}

其中像素對I(x₁,y₁)與I(x₂,y₂)的灰度值分別為i和j，像素對之間的距離為d，像素對I(x₁,y₁)、I(x₂,y₂)與坐標橫軸的夾角為θ，#{}表示集合中滿足I(x₁,y₁)＝i,I(x₂,y₂)＝j,x₂＝x₁+dcosθ,y₂＝y₁+dsinθ的像素對出現的次數；通過設定距離d和夾角θ，得到不同距離及角度的灰度共生矩陣P(i,j,d,θ)；

第三步：計算有效灰度共生矩陣P_e(i,j,d,θ)；

由于像素的灰度對應測點的高度，灰度為零表示測點高度為零；包含灰度為零的像素對I(x₁,y₁)＝i,I(x₂,y₂)＝j分為兩種情況：像素對中的一個像素灰度為零，既i＝0,j≠0或j＝0,i≠0，這表示這個像素對包含零件表面的邊界；像素對中兩個像素的灰度都為零，既i＝0,j＝0，這表示這個像素對不屬于零件表面；有效灰度共生矩陣P_e(i,j,d,θ)，通過添加邊界條件i≠0,j≠0得到：P_e(i,j,d,θ)＝P(i,j,d,θ)，如果i≠0,j≠0；否則，P_e(i,j,d,θ)＝0；

第四步：計算歸一化的有效灰度共生矩陣p_e(i,j,d,θ)；

將有效灰度共生矩陣P_e(i,j,d,θ)進行歸一化，得到像素對出現頻率p_e(i,j,d,θ)：

pe(i,j,d,θ)=Pe(i,j,d,θ)/Σi=1NgΣj=1NgPe(i,j,d,θ)]]>

第五步：計算歸一化的有效灰度共生矩陣p_e(i,j,d,θ)的特征參數；

灰度共生矩陣提供了圖像灰度方向、間隔和變化幅度的信息，根據共生矩陣來計算復雜零件三維形貌的特征值：熵（Entropy）和對比度（Contrast）；

Entropy=-ΣiΣjpe(i,j)log(pe(i,j))]]>

Contrast=Σn=0Ng-1n2{Σi=1NgΣj=1Ng|i-j|=npe(i,j)}]]>

其中，p_e(i,j)表示特定距離和角度的歸一化有效灰度共生矩陣，N_R表示灰度圖像的灰度級數；

熵表示復雜零件表面三維形貌的隨機性；當零件表面各點高度隨機性分布，灰度共生矩陣各處的元素幾乎相等，對應熵較大；當零件表面各點高度分布集中時或有規律分布時，灰度共生矩陣中元素相對集中，對應熵較小；

對比度反映了復雜零件三維形貌局部誤差的大小；當零件三維形貌局部誤差越大紋理越深時，灰度公生矩陣中遠離對角線的元素值越大，對比度越大；反之，當零件三維形貌局部誤差越小紋理越小時，灰度公生矩陣中遠離對角線的元素值越小，對比度越小。