Image Processing Technique’s Application and Research
in the Automobile Lamp Quality Measurement System
應用領域：汽車工業
使用的產品：LabVIEW；NI_IMAQ；NI_DAQ；
挑戰：將成熟的計算機視覺技術引入車燈配光檢測系統中，應用多種圖象處理方法同時實現汽車車燈光軸交點檢測和車燈零件檢測。
應用方案：使用National Instruments公司的IMAQ可視化軟件、LabVIEW圖片控制工具包、執行程序生成器和LabVIEW來開發一個經濟、靈活的基于PC的車燈配光檢測系統。
介紹：

車燈配光檢測系統原為兩套系統：車燈光軸交點檢測系統和車燈零件檢測系統，其通過人工目測檢測車燈光軸交點，應用物位傳感器精確定位來檢測零件的缺損。本車燈配光檢測系統將兩系統二合為一，根據測量對象的特征，應用圖象卷積、邊緣特征提取、圖象模式匹配等多種圖象處理的方法，實現對不同型號的車燈進行車燈零件缺損檢測和車燈光軸交點的自動檢測。
系統組成：
整個系統包括硬件部分和軟件部分。其系統組成簡圖如圖1所示：

圖1：系統組成簡圖
硬件部分主要運用黑白的CCD攝取圖象，圖象通過美國NI公司的1407圖象采集卡傳送入PC機進行處理及數據顯示，應用NI_DAQ6023卡控制攝像頭間的切換及系統的啟動和停止。本系統采用NI公司的LabVIEW5.1及其圖象處理軟件包IMAQ Vision5.0作為軟件操作平臺。其系統的主界面如下圖（圖2）所示：

圖2：系統主界面
系統運行中的一個檢測報錯界面如下圖（圖3）所示：

圖3：檢測報錯界面
運用NI（美國國家儀器公司）的這套虛擬開發平臺軟件，是因為其使用圖形化編程語言編寫，并提供豐富的庫函數和功能模塊，具有功能強大及運用靈活等特點，極大的節約了程序開發時間。
光軸交點檢測中的圖象預處理方法
（1）光軸特征分析
本車燈配光檢測系統實現計算機自動檢測車燈前照燈光路所成的交點。若為一右側行駛前照燈,則其光路圖如圖4所示：

圖4：前照燈光路圖
h-h：通過前照燈焦點的水平面;
H-H2：道路中心線；
v-v：通過前照燈的垂直面；

根據前照燈光路標準H—H2與h—h的夾角為15°，且ZONE1為暗區，而ZONE2為亮區，兩個區域分界明顯，有較大的亮度對比度。H-H2與h-h的交點位置是車燈光軸檢測的一個重要參數。
（2）圖象的原始LUT變換
LUT（Look_up Table）變換是一種很基本的圖象處理技術，其對圖象象素的灰度值進行特定計算及轉換，可以達到突出圖象的有用信息，增加圖象的光對比度，對要進行邊緣檢測的圖象尤佳，可以使邊緣明顯。本系統的車燈光軸原始圖如圖5所示：

圖5：光軸原始圖

由于車燈光線較強，使得整個圖象偏亮，圖象邊緣特征不明顯。本系統采用具體的反指數函數查表變換方法，降低暗區的亮度和對比度同時增強亮區的亮度和對比度，使檢測圖象邊緣明顯。經過LUT處理后的光軸圖象如圖6所示：

圖6：經過LUT后的光軸圖
（3）圖象的裁剪

由于精度的要求，射入的圖象為768X576 pixel的標準CCIR圖象。象素多可提高系統的測量分辨率，同時也增加了處理數據，增加了處理時間，從而就有可能影響整個系統的實時性。所以要根據圖象特點，減少處理數據，對圖象進行有效的裁減，裁去不需要的部分，留下有用的部分，減少處理量。通過對本近光燈光軸的自身特點的分析，我們可以發現其圖象的光軸交點就在圖象最亮區域附近。對于最亮的區域檢測其運算量視定義的亮區大小而定，具有隨機性，而且處理數據量也不小。這里我們運用檢測圖象質量中心的方法來確定圖象處理區域。圖象質量中心其不是光亮中心，其計算公式為：

質量中心Y坐標公式類似。雖不是光亮中心，但其接近光亮中心，處理量固定，運用于此系統，能根據其位置確定交點存在可能區域，減少了數據處理量。
（4）圖象的邊緣增強及圖象的二值化

邊緣檢測通常的方法就是對圖象進行灰度邊緣增強處理，得出一個增強處理后的圖象，然后設立門限，進行過門限處理來確定明顯邊緣的象元位置。經過LUT處理后的圖象，邊緣特征已比原始圖象清晰得多，我們對此圖象再進行一次二值化以便于后面邊緣的檢測，同時也便于對圖象中部分干擾因素的處理。對圖形進行二值化主要要考慮的問題就是閥值的選取。閥值應隨著空間總體幅度的變化而變化，閥值設得過高，將漏掉小幅度變化的邊緣，閥值設得低，將出現由噪聲引起的許多的虛假的圖象邊緣。尋找一種對各種噪聲不敏感、定位精確、不漏檢真邊沿又不引入假邊沿的閥值取定方法是此圖象二值化的關鍵，這也是圖象處理領域長期研究的一個方面。為尋找一個合理的閥值，要通過大量的實驗方可。在此，為了處理方便，也為了減少工作量，在一定的誤差范圍內，通過對圖象邊緣再進行一次邊緣特征提取——空間矢量梯度濾波，再次增強邊緣，然后通過實驗人工確定一閥值量，對圖象進行二值化。空間矢量梯度濾波是運用一軟件濾波器，使圖象象素光強度按特定的方向變化，增強圖象中基本顆粒的外部輪廓，即邊緣特征，顯示其形體結構。空間矢量梯度濾波實際上就是用一定的計算因子在整幅圖中做象素灰度卷積。因為本系統重要邊緣信息主要集中在基本顆粒的上邊緣，所以就選取了加強上邊緣的計算因子，處理以后的圖象如圖7所示：

圖7：經過邊緣加強后的光軸圖
經過此處理后，圖象基本顆粒邊緣象素灰度的對比度已得到增強，我們就可以通過實驗確定數值大的閥值對圖象進行二值化，其誤差在允許的范圍內。
（5）圖象的去干擾處理
在經過二值化的圖象中，我們可以發現很多小顆粒，這些顆粒都有可能阻礙圖象的正確處理，即邊緣的正確檢測，所以必須去除。這里，我們用圖形學最經典的膨脹和腐蝕方法對二值化進行處理。膨脹和腐蝕的原理雖然簡單，但對于膨脹和腐蝕所用計算因子象素包含量的確定及膨脹腐蝕次數確定卻需要作一定的考慮與實驗比較。膨脹和腐蝕必須成對出現，因為腐蝕能去掉小顆粒，同時卻也使檢測邊緣縮進，使檢測產生誤差，所以在腐蝕的同時必須伴有同樣計算因子的膨脹。膨脹和腐蝕的次數按圖象中出現的干擾顆粒的大小，通過實驗的方法確定。
模式匹配在零件檢測中的應用

原先系統應用物位傳感器的精確定位來檢測車燈零件的缺損，不同型號的車燈要制造不同零件分布的檢測設備，而此配光檢測系統應用圖象處理的方法，通過制作圖象模板來檢測車燈零件的缺損，提高系統的靈活性，實現柔性測量。通過分析車燈零件攝入圖及零件在與不在時的各種情況，從零件的輪廓特征和灰度特征入手，綜合多種圖象的模式識別技術，包括使用LabVIEW vision中強大的模式識別函數，通過大量實驗，合理設置參數，減少外界光線對檢測結果的干擾，提高檢測的可靠性和穩定性。
結論：

應用LabVIEW及其IMAQ vision圖象處理軟件包，在較短的時間內開發了此套車燈配光檢測系統，其可通過軟件設置對不同型號的車燈進行零件檢測，同時實現了光軸交點的自動檢測，是一套柔性的檢測系統，其可完成的技術指標主要有：
尺寸分辨率：1mm
最大檢測尺寸：500mm
檢測節拍：£30秒
模擬量檢測精度：0.5%FS
連續工作時間：³16小時

更值得一提的是，若對軟件稍加改動，此系統亦可用于其他產品的零件檢測，有較大的市場前景。