外螺纹图像采集时由于镜头视场宽度的限制,某些螺纹图像需要分段拍摄才可以获得,外螺纹表面缺陷在检测时要一次可以实现对整个螺纹的二维展开图处理,解决此矛盾一个行之有效的方法是对外螺纹表面进行图像拼接,重庆视觉检测设备如何进行外螺纹表面图像拼接?

1、特征提取

成像匹配是对客观环境(光照、时间、分辨率等)不同的情况下所采集的同一目标的图像进行特征点的提取与匹配,传统特征提取算法利用与图像灰度相关的信息直接对感兴趣目标进行角点或进行边缘检测和提取,对拍摄环境要求比较高,适应性较差,匹配效果随着光照、尺度等变化而变化。如SIFT算法,优势在于所检测出的特征点对旋转、仿射等变换有良好的稳定性,抗噪性能好,对尺度变换也有较强稳定性。这些特点的存在使它比较适合于消除外螺纹表面图像在采集过程中因执行机构存在机械振动、螺纹转动等因素造成的图像质量差的影响。

2、图像噪声及分类

视觉检测设备获取噪声,一种在图像切割过程中引起的白色和黑色相间的杂点噪声,该噪声对于特征提取、边缘检测、图像识别等负面影响较大;量化噪声:一种在图像量化过程中因设置不同的量化等级而产生的量化误差;冲击噪声:一种在传输过程中出现的噪声幅值明显高于周围像素点的差错。为削弱图像中各种图像噪声的影响,必须对图像进行滤波。常见的空间域图像滤波方法有邻域平均法、加权平均法、选择式掩膜平滑法以及中值滤波法等。

视觉检测设备图像拼接的两个核心操作是图像配准和图像融合,图像配准是解决图像拼接问题的关键,主要包括特征点提取以及寻找图像之间的一致性匹配区域。图像配准对于图像拼接效果的影响程度是不容小觑的,没有好的配准效果,再好的融合算法也无济于事。