张帅兵 任亚飞 张宝池 尹振汉 石义彬
摘 要：针对企业在实际钢球生产过程中的计数问题，在对现有图像计数方案研究后，提出了一种基于机器视觉的钢球计数系统。通过黑白面阵相机进行图像采集、自适应直方图均衡化对图像进行增强，对比基于距离变换的分水岭图像分割和局部自适应阈值算法对钢球计数的准确率，最终识别出钢球数量。经样机试验证明，所设计的系统达到了企业所要求的标准，可以快速准确的识别钢球数量，减小了企业计数的成本和误差，提高了企业的生产效率。
关键词：钢球计数系统;自适应直方图均衡化;局部自适应阈值
中图分类号：TP391.4 文献标识码：A文章编号：2096-4706（2022）05-0101-04
Research on Image Segmentation Based on Distance Transform and Watershed Algorithm
ZHANG Shuaibing， REN Yafei， ZHANG Baochi， YIN Zhenhan， SHI Yibin
（School of Electrical Engineering and Automation， Luoyang Institute of Science and Technology， Luoyang 471023， China）
Abstract： Aiming at the counting problem of steel balls in actual production process， a steel balls counting system based on machine vision is proposed after studying the existing counting scheme of images. Through collecting images by the black and white face array camera and enhancing images by the adaptive histogram equalization， this paper compares accuracy of the watershed image segmentation based on distance transformation and the local adaptive threshold algorithm for steel ball counting， and the number of steel balls is finally identified. The prototype test proves that the designed system meets the standards of enterprises and it can quickly and accurately identify the number of steel balls， reduce the cost and error of enterprise counting， improve the production efficiency of enterprises.
Keywords： steel ball counting system; adaptive histogram equalization; local adaptive threshold value
0 引 言
随着工业5.0计划的提出和中国智造2025的发展，各行各业对轴承的需求不断增加，钢球是轴承的重要组成部分，钢球的质量、生产效率也成了大家关注的一部分。在企业调整钢球生产关系、提高生产效率过程中，钢球计数是很重要的一环。大型钢球主要用于风电轴承、回转支承等方面，目前国内仍有很多的大型钢球生产线采用人工计数或机械计数的方法，人工计数效率低下，易发生错误计数的情况，计数精度易受个人状态影响，机械计数则需要搭建复杂的机械结构，更改原有生产线方案，产生额外的费用。因此，利用机器视觉实现对钢球的计数是企业最为需要的，也是对企业最为有利、高效的方法。
目前，图像处理技术已经广泛应用到各种物体的数量统计方面，李彦清[1]等研究了钢球的精确计数与尺寸识别系统，通过设计机械结构，让钢球能够整齐地排列，使用双灰度阈值算法对采集的图像进行二值化处理，计数准确率可以达100%。崔明[2]等利用基于距离变换的分水岭算法成功分割草莓粘连和重叠的图像，实现草莓数量的实时检测。李咏豪[3]针对粘连谷物分割问题，提出基于超像素的粘连谷粒分割算法，准确率达94%。刘家军[4]等使用自适应直方图均衡化对采集的接触网支柱号牌进行处理，图像整体对比度效果大大增强，使号牌上数字的易提取性大幅增强。
1 系统及软件设计
图像处理目前还很少应用于生产线上大型钢球的数量统计，针对人工计数效率低下、精度不稳定的问题，结合企业生产需要，提出了面向大型钢球生产线的视觉计数方法，在大型钢球厂的一条生产线上搭建了钢球计数系统。首先，提取图像的目标区域，并通过自适应直方图均衡化来对图像进行增强，通过比较基于距离变换的分水岭算法和基于阈值分割算法两种方法对钢球计数的准确率，选择了基于阈值分割的方法应用于系统上，最后把统计数据显示在生产线大屏上，并保存在本地的数据库中。经实际测试，本系统能够准确地对钢球进行计数，准确性、鲁棒性和实时性满足了钢球生产要求，提高了企业的信息化水平。
钢球生产过程复杂，棒材在经过加热、空冷、淬火、回火等步骤后，生产的一批钢球会送入铁篮中，需要及时对篮子中的钢球进行计数，生产线现场是一个相对开放的环境，光线变化大;场地环境复杂，不时有员工、车辆和其他物体在篮子周围移动;由于生产需要，篮子上会有很多椭圆形的孔洞;部分钢球表面有凹凸不平的斑点，这些都会增加钢球计数的难度。针对现场的复杂环境，本系统分别在硬件和软件进行了抗干扰和滤波处理。系统主要由圆形高亮度LED面板、黑白面阵CCD相机、工业控制计算机（图形工作站）以及图像处理算法控制软件组成。当系统检测到篮子运送过来后，相机向高亮度LED面板发送控制信号，控制灯光闪烁并采集图像，计算机获取到图像后进行分析、处理，得到钢球数量，将统计数据显示至大屏上，同时会将生产时间、数量等各种生产信息保存至数据库中，以便后期的查询和追溯。具体软件计数流程如图1所示。
2 钢球图像分割研究
2.1 图像增强
针对现场生产环境复杂、生产车间内存在各种干扰的问题，在分析图像前，必须对获取的图像进行预处理，截取ROI区域，提高图像的质量，使其更适于后续算法的分析和处理。本文首先截取图像的ROI区域，针对图片明暗分布不均、图像细微处对比度低的问题，采用对比度受限的自适应直方图均衡化方法（CLAHE）[5]对图像进行增强。传统直方图均衡化是在图像全局增强对比度，它对数据的处理不加选择，由于本系统采集的图像常会出现部分区域对比度较好，部分较差，CLAHE算法更适用于对比度不均的情况，CLAHE在增强对比度的同时能抑制图像的噪声，可以更好地突出图像的细节，以下为算法具体流程：
（1）图像分割：将ROI区域分成M行N列的图块，分割数量根据图像特点而定，假设每个图块区域大小为（a，b）。
（2）计算灰度阈值：计算每个图块的直方图，将直方图的灰度级标记为r，可能出现的灰度级个数为K，每个图块直方图函数为Hm，n（r），0≤r≤K-1。通过以下方法得到灰度阈值β。
（1）
式中，参数为α为截止系数，是我们每个灰度级所允许一个像素的最大程度百分比。
（3）均衡处理：对每个图块进行常规的直方图均衡化处理。
（4）插值运算：为了避免图像呈现块状效应，使用双线性插值法对图像进行插值运算，合并相邻图块，以消除人工形成的边界。
采用CLAHE方法对ROI区域进行处理，处理结果如图2所示，原图图像和利用直方图均衡化处理后的图像分别如图3和图4所示，通过CLAHE处理后图像质量有明显改善，与普通的直方图均衡化方法相比，提高了局部对比度，让图像细节更加清晰，也更有利于后期对图像分割。
2.2 钢球检测
图像通过CLAHE处理后，需要对图中钢球进行计数，为了达到较好的效果，本文采用了两种方案进行对比识别，分别为基于距离变换的分水岭图像分割和基于阈值的图像分割。
2.2.1 基于距离变换的分水岭图像分割
方案一采用基于距离变换的分水岭图像分割。距离变换描述了图像中某像素点与某块区域之间的距离大小，它可以将二值图像转化为距离图像，即灰度图像，常用于粘连物体的分离、骨架提取、目标细化等。距离变换的算法分为欧式距离和非欧式距离，欧式距离精度高但计算复杂，时间复杂度高，非欧式距离计算简单，但不易满足精度要求，本系统对时间复杂度要求不高，故采用欧式距离，将ρ定义为点（i，j）与（k，l）之间的欧氏距离，公式为：
（2）
分水岭算法，又称模拟浸水法，分水岭分割所采用的原理主要有两种，模拟降水过程和模拟浸水过程。其基本思想是把图像看成是测地学的拓扑地形图，地形中存在“山峰”和“山谷”，地势低的区域为盆地，地势高的为做山脊，无论是通过模拟浸没法还是模拟降水法，最终都会将盆地区域覆盖，被覆盖的区域即为分割出的图像区域，从而实现了图像分割的目的。
算法流程为：
（1）基于重建的开闭操作：运用数学形态学的基于开和基于闭的重建运算对图像进行分析重建，去除小的“突刺”，填充洞孔，在不影响对象全局形状的同时去除细节和噪声，得到前景和背景标记。
（2）标记前景物体：对重建后的图像在每个对象的内部创建单位极大值。
（3）计算背景标记：通过二值化操作，将背景置为黑色，计算二值图像的欧几里得矩阵，如图5所示，再进行分水岭变换，取出相邻区域间的分界线构成背景标记，如图6所示。
（4）计算分割函数的分水岭变换：结合前景和背景标记，修改梯度幅度图像，让区域最小值出现在标记上，最后进行基于分水岭的分割。
（5）可视化输出：将分割对象边界、前景标记、背景标记叠加到增强后的图像上，如图7所示，统计轮廓个数，对轮廓大小、周长等参数进行限定，即为钢球数目。
2.2.2 基于阈值分割的图像分割
方案二采用基于阈值分割的图像处理，它是最常用的图像分割措施之一。钢球生产环境复杂，在不同的工作时间采集的图像光照分布不同，使用全局阈值很难为图像确定最佳阈值，最大类间方差法（Otsu算法）根据图像的最小类内方差确定最佳全局阈值，但在图像局部过曝或欠曝时，会出现无法正确分离出钢球的情况。因此本文采用局部自适应阈值算法对图像进行二值化，能够更多地分割出前景目标，再根据面积大小和长短轴大小进行滤波，便能够较好地分离出前景钢球。
局部自适应阈值法，该算法对每一个像素点的阈值是不一样的，与Otsu算法和普通的阈值方法相比计算量较大，可以更好地解决光线分布不均匀的问题。该算法的主要步骤为以目标像素点为中心选取一块面积为w×h的区域，使用均值算法对图块里面的像素点计算，如果当前所遍历像素的值比平均值低t%，则把当前值为0，否则为255。本文w和h分别选取图像长宽的1/8，t取35。局部自适应阈值法将一个像素与周围像素平均值进行比较，通过设置局部范围内的硬性条件来减小图像整体光照变化的影响，能够较好地分离出前景目标。
阈值分割算法流程为：
（1）自适应二值化：使用局部自适应阈值对图像进行二值化，通过像素局部均值强度计算每个像素的阈值，系统选取局部区域约为图像大小的1/8，敏感因子为0.35。
（2）孔洞填充：二值化后有许多微小的孔洞，使用以下过程对孔洞进行填充。
（3）
式中，B为填充所用的结构元素，Ac为集合A的补集，填充从全黑图像X0开始迭代，至Xk=Xk-1结束。
（3）形态学开操作：先腐蚀运算，再膨胀运算，去除比掩膜小的前景对象，本文选用半径为8的圆盘形状的掩膜。以下为开运算公式：
（4）
式中，X为被处理图像，B为结构元素，-表示腐蚀操作运算符，+表示膨胀操作运算符。
（4）筛选滤波：根据处理后连通分量的面积、长轴长度和短轴长度进行滤波，统计最终的连通分量个数，即为钢球数目。面积通过统计连通分量边界内部像素点为1的像素个数，长轴和短轴则通过计算连通分量的最小外界矩形得到。
（5）可视化输出：将滤波后的掩膜合成为3通道的BGR图，叠加至原图上，如图7所示。
3 实验结果与分析
在Visual Studio平台下利用C#编写人机交互界面，方便对于钢球计数实验的进行以及在实际场景中的应用，整个交互系统可以选择对导入的图片进行计数，以及自动识别计数，另外也可以分别使用两种方式来实现钢球计数。
在实验过程中为验证钢球计数的准确性，使用两种方式针对不同的钢球数量进行多次检测，具体运行效果如图8所示，部分结果如表1所示。从统计结果来看：方案一误差较大，分析原因为篮底反光、部分钢球位置原因，造成图像部分亮度分部不均，采用分水岭分割易出现过分割和欠分割现象，不正确分割会直接导致计数错误。方案二误差较小，计数错误的原因为钢球数量较少时，篮底有大面积反光的情况，造成对图像的误分割，钢球数量较多时，钢球堆叠遮挡造成部分前景钢球被滤除。
4 结 论
本文提出了基于机器视觉的钢球计数方案。钢球图像通过黑白面阵CCD相机进行采集，运用图像处理技术完成了钢球的准确计数，解决了在不改动原有生产线的基础上进行钢球计数的难题，受到了使用单位的一致好评，具有较好的应用和推广价值。经样机试验表明，该系统具有以下特点：
（1）系统使用CCD相机采集篮子中钢球图像，通过自适应直方图均值化及局部自适应阈值算法识别出钢球数量，达到企业要求的精度。
（2）系统硬件简单，安装方便，无须更改原来的生产线，降低了企业的生产成本。
（3）系统有一定的抗干扰能力，在周围有移动物体或光线变化在一定范围内仍能够准确识别出钢球数量。
参考文献：
[1] 李彦清，何绍鑫，赵俊潇，等.基于图像技术的钢球精确计数与尺寸识别系统 [J].吉林大学学报（信息科学版），2019，37（6）：631-637.
[2] 崔明，蒋其友，薛小松.基于图像处理的成熟草莓检测计数研究 [J].农业与技术，2021，（23）：15-18.
[3] 李咏豪.基于超像素的粘连谷粒分割算法 [J].数字技术与应用，2021，39（4）：110-112.
[4] 刘家军，钟鸣睿，秦梓轩.基于对比度受限直方图均衡化的夜间接触网支柱号牌识别方法研究 [J].电气工程学报，2021，16（3）：70-76.
[5] Pizer S M，Amburn EP，Austin J D. Adaptive histogram eqalization and its variations [J].Computer Vision，Graphics，and Image Processing，1987，39（3）：355-368.
作者简介：张帅兵（2001—），男，汉族，河南周口人，本科在读，研究方向：机器视觉。
