1 引言

機器視覺就是用機器代替人眼來做測量和判斷。機器視覺系統是指通過機器視覺產品將被攝取目標轉換成圖像信號，再傳送給專用信息處理裝置作進一步加工的軟、硬件設備。由于機器視覺系統可以快速獲取大量信息，而且易于自動處理，和便于與加工控制信息集成，因此，在現代自動化生產過程中，人們將機器視覺系統廣泛地用于工況監視、成品檢驗和質量控制等領域。機器視覺系統的特點是自動、客觀、非接觸、精度高，可方便地提高生產的柔性和自動化程度。在一些不適合于人工作業的危險工作環境或人工視覺難以滿足要求的場合，常用機器視覺來替代人工視覺;在大批量工業生產過程中，用人工視覺檢查產品質量效率低且精度不高，用機器視覺檢測方法可以大大提高生產效率和生產的自動化程度。由于機器視覺易于實現信息集成，是實現計算機集成制造的基礎技術之一。總之，隨著機器視覺技術自身的成熟和發展，可以預計它將在現代和未來制造企業中得到越來越廣泛的應用。

眾所周知，工業CT技術作為一種先進的無損檢測技術，它不僅可以用于工件內部結構和缺陷的無損檢測、質量評定、定性分析和判斷，還可以通過對工業CT圖像的測量來實現工件內部結構尺寸和缺陷尺寸進行測量和定量分析，測量精度高，可重復性好。近年來，從定性檢測向定量測量方向發展是工業CT技術的一個重要研究方向，并且已取得了很大的進展。但是，目前國內外對工業CT圖像的測量大都還依賴于手工方法進行，不僅測量的可重復性差而且測量精確度不高，越來越難以適應大批量的圖像處理工作的需要。因此，文章結合工程實踐，文中針對手工測量存在的一些問題，對工業CT圖像自動測量方法作些探討，根據工業CT圖像的自身特點提出了一種基于邊緣提取的自動測量方法。

2 Canny的邊緣檢測原理簡介

通過工業CT機獲得大型金屬工件的斷層圖像，然后傳輸給中央管理系統，系統利用圖像處理技術，對獲取的圖片進行分析，提取工件缺陷相關尺寸信息，存儲在數據庫中，供圖像分析系統對金屬或其它材料的基體組織、雜質含量、組織成分、缺陷大小等進行精確、客觀地分析，為產品質量提供可靠的依據。

從信號采集角度考慮，透射被測工件的光子經探測器轉換成模擬信號后，再經過A/D轉換成數字信號，在上述過程中，原工件不同材質區域的邊緣[1]，根據CT卷積反投影重建算法[2]中的點擴散原理可知，真實邊界在數字圖中的邊緣范圍3個像素。

Canny把邊緣檢測問題轉換為檢測單位函數極大值的問題[3]。在高斯噪聲中，一個典型的邊緣代表一個階躍的強度變化。

(1) 一個好的邊緣檢測算子應具有三個指標:

低失誤概率，既要少將真正的邊緣丟失，也要少將非邊緣判為邊緣;
高定位精度，檢測出的邊緣應在真正的邊緣位置上;
對每個邊緣有唯一的響應，得到的邊緣為單像素寬。

(2) Canny提出了判定邊緣檢測算子的三個準則[4]:

良好的信噪比:良好的信噪比準則即將非邊緣點判為邊緣點的概率要低，將邊緣點判為非邊緣點的概率要低。信噪比的數學表達式：
(1)
其中，f(x)是邊界為[-ω,+ω]的濾波器脈沖響應，G(-x)代表邊緣函數，σ是高斯噪聲的均方差，若信噪比大，則邊緣提取質量好。

定位精度準則。定位精度是指檢測出的邊緣點要盡可能在實際邊緣的中心。定位精度的數學表達式為:
(2)
其中，G'(x)和f'(x)分別表示G(x)和f(x)的一階導數。如果Localization值越大，那么表明邊緣定位精度就高。

單邊響應準則。即要保證單邊緣只有一個像素響應，檢測算子的脈沖響應導數的零交叉點平均距離D(f')應滿足f"(x)(為f(x)的二階導數)
(3)
最后，Canny用泛函求導方法推導出高斯函數的一階導數，此即為該最佳函數的最好近似，計算方法簡便。

3 Canny邊緣檢測算法

Canny算法實際采用雙門限方法實現邊緣提取,其中兩個門限分別為h1與h2。Canny建議h2為h1的2～3倍。算法流程如下[5]:

Step1:初始化邊緣點位置EdgeDot=(col, vol), col=0,vol=0。定義邊緣圖figureedge數組，大小為nWidth×nHeight，初始化為全255(非邊緣);
Step2:在非最大抑制所得圖中查看EdgeDot點的值，并賦給IfEdge;
Step3:if(IfEdge=noedge)then Step7;
Step4:查看梯度圖中EdgeDot點的值，并賦給magni- tude;
Step5:if(magnitudeStep6:在記錄結果的邊緣圖中記下EdgeDot點并設置非最大抑制圖對應點值為noedge，然后在梯度圖中查看EdgeDot點的八鄰域點梯度magnitudenear，若magnitudenear>h1，重復執行Step6, 否則執行Step7;
Step7:col++;
if(col>=nWidth) then vol++;
if(vol>=nHeight) then end;(程序結束)
執行Step2。

算法中門限的選擇直接影響著Canny算子的性能。

作者用Visual C++ 6.0實現了該算法，主要包括:圖象平滑(image smoothing，這里使用高斯濾波)、微分(differentiation)處理、非最大值抑制non-maximum suppression)、邊緣閾值化(edge thresholding)等步驟。選取CT圖像序列中的一切片(如圖1所示)該圖像分割算法在實際應用中效果如圖1所示:

圖1 邊緣提取效果圖
4 工業CT圖像的自動測量

在工業CT圖像中不同區域的物質表現為灰度值異于周圍物質的灰度值。所以，研究者們常通過邊緣檢測技術和圖像分割技術把這個區域分離出來，使之成為一個獨立的分析對象，然后再進行準確測量。目前，常見的面積測量大都依賴于手工完成，主要通過用戶使用鼠標點擊所測面積區域的周圍來得到一個閉合的區域，將該區域近似為待測的面積區域，而后通過統計該區域內像素點的個數來近似計算面積。而常見的周長和極徑測量也是如同面積測量一樣僅能得到一個近似值。顯然，這些測量方法由于人為原因或算法本身的缺點，給測量帶來了較大的誤差，并不具有可重復操作性，使得成批的圖像測量難以實現。

因此，以下通過對工業CT圖像進行準確地分割得到邊緣，并在此基礎上提出針對大型金屬工件的CT圖像面積、周長以及極徑等幾何尺寸的自動測量方法。

4.1 面積測量