微細(xì)電極的制備是微細(xì)電解、電火花加工過(guò)程中不可或缺的，微電極的尺寸及形位精度將嚴(yán)重影響到加工質(zhì)量，對(duì)制備的微電極必須檢測(cè)合格才能使用。傳統(tǒng)的人工檢測(cè)費(fèi)時(shí)費(fèi)力，隨著對(duì)電極需求量的增大，人工檢測(cè)的壓力也逐漸增大，因此開(kāi)發(fā)設(shè)計(jì)基于圖像檢測(cè)的微電極自動(dòng)檢測(cè)的系統(tǒng)很有必要。

由于國(guó)外歐美制造技術(shù)，計(jì)算機(jī)技術(shù)以及自動(dòng)控制技術(shù)的發(fā)展，國(guó)外檢測(cè)技術(shù)也得到快速進(jìn)步。圖像檢測(cè)在醫(yī)學(xué)及遙感領(lǐng)域都得到了廣泛應(yīng)用，在產(chǎn)業(yè)領(lǐng)域中，數(shù)字圖像測(cè)量主要有以下幾個(gè)方面：外觀檢查和篩選、視覺(jué)跟蹤、表面缺陷的自動(dòng)檢查、工業(yè)材料的質(zhì)量檢驗(yàn)。國(guó)外在上述領(lǐng)域中的研究大部分是通過(guò)生產(chǎn)數(shù)字圖像處理儀器的公司贊助的。隨著研究的深入，目前已經(jīng)擴(kuò)展到化工、鋼鐵等一般制造業(yè)。霍莫爾的AMV923是圖像檢測(cè)的代表，它能根據(jù)CCD獲得的零件圖像檢測(cè)零件的形狀誤差，速度快、精度高。

我國(guó)的圖像測(cè)量從上世紀(jì)70年代末80年代初開(kāi)始發(fā)展，90年代以來(lái)，隨著圖像捕獲、計(jì)算機(jī)性能的發(fā)展，我國(guó)在圖像測(cè)量領(lǐng)域的研究進(jìn)入一個(gè)新的階段。哈爾濱工業(yè)大學(xué)研制的圖像式萬(wàn)工顯微鏡系統(tǒng)，實(shí)現(xiàn)了對(duì)目標(biāo)對(duì)象輪廓的自動(dòng)掃描定位，對(duì)小尺寸零件可直接測(cè)量如厚度、孔徑直徑等參數(shù)。圖像測(cè)量技術(shù)在很大程度上解放了勞動(dòng)力，提高了自動(dòng)化生產(chǎn)水平，應(yīng)用前景非常廣闊。在國(guó)外，圖像測(cè)量技術(shù)已廣泛應(yīng)用到生產(chǎn)生活中，我國(guó)起步較晚，雖已取得了一定進(jìn)展，但仍需廣大科研人員一起努力來(lái)提高我國(guó)圖像測(cè)量檢測(cè)技術(shù)的發(fā)展水平。

本文基于數(shù)字圖像處理的理論基礎(chǔ)，以Windows操作系統(tǒng)為開(kāi)發(fā)平臺(tái)，MATLAB作為編程工具，設(shè)計(jì)微電極的自動(dòng)檢測(cè)系統(tǒng)，實(shí)現(xiàn)讀入電子顯微鏡下原始圖片，通過(guò)一系列處理輸出直徑尺寸與同軸度誤差。本文的主要研究?jī)?nèi)容如下：

以電化學(xué)腐蝕法制備的圓柱型和球頭兩種不同的微電極為實(shí)驗(yàn)對(duì)象，用電子顯微鏡獲取微電極的原始圖片，將其進(jìn)行灰度化，濾波去噪，圖像二值化，形態(tài)學(xué)處理等初級(jí)的圖像預(yù)處理后，提取邊緣輪廓。通過(guò)計(jì)算得到微電極前端有效部分直徑的尺寸，并對(duì)其同軸度誤差進(jìn)行檢測(cè)，實(shí)現(xiàn)了微電極直徑尺寸及同軸度誤差的自動(dòng)檢測(cè)，同時(shí)也為同類零件提供了自動(dòng)檢測(cè)方法。

1系統(tǒng)構(gòu)成及檢測(cè)原理

基于微細(xì)電極實(shí)驗(yàn)室的實(shí)際情況，微電極檢測(cè)系統(tǒng)的成功開(kāi)發(fā)可以實(shí)現(xiàn)一定精度范圍內(nèi)電極相關(guān)尺寸的精確檢測(cè)。

實(shí)驗(yàn)室使用放大倍數(shù)達(dá)160倍的尼康體式顯微鏡SMZ1270獲得微電極的俯視圖，本系統(tǒng)讀取電極圖片后，處理圖片并獲取尺寸數(shù)據(jù)。系統(tǒng)的開(kāi)發(fā)過(guò)程可大致分為三部分：

①對(duì)圖片先做必要的圖像處理：灰度化、二值化、中值濾波、形態(tài)學(xué)處理、去除大片背景噪聲。

圖像處理的目的是獲得清晰的電極邊緣特征，便于圖像分割處理。

②分割圖像，提取電極輪廓特征，便于后續(xù)測(cè)量。

③測(cè)量微電極直徑尺寸，采用多種方法測(cè)量微電極同軸度誤差，和人工測(cè)量值比較后，選取誤差最小的算法置入系統(tǒng)。

工作流程如圖1所示。

2圖像處理

2.1灰度化處理

圖像處理的第一步灰度化可以在保留圖像的邊緣特征的基礎(chǔ)上，大大減小系統(tǒng)的計(jì)算量，從而減少運(yùn)行時(shí)間?？茖W(xué)表明，人的眼睛對(duì)綠色的敏感比紅色、藍(lán)色高，而藍(lán)色則相對(duì)最低，因此在灰度化過(guò)程中，系統(tǒng)對(duì)R、G、B三個(gè)分量按照眼睛敏感度的大小分配不同的權(quán)重。實(shí)驗(yàn)表明，下式中的各系數(shù)對(duì)R、G、B三個(gè)分量進(jìn)行權(quán)重分配即可得到效果良好的灰度圖像：

W1R=W2G=W3B=0.3R+0.59G+0.11B

灰度化處理后，使用mat2gray函數(shù)將像素亮度值歸一化。按上式處理后得到的灰度化后的圖片如圖2所示。

2.2二值化處理

由于系統(tǒng)僅處理電極部分，圖像的背景需要和電極有明顯的區(qū)分，二值化處理可使圖像呈現(xiàn)出黑白分明的效果。通過(guò)對(duì)閾值的適當(dāng)選取，多灰度級(jí)的彩色圖像轉(zhuǎn)換為二灰度圖像，在保留圖像整體和局部特征的基礎(chǔ)上，大大簡(jiǎn)化了后續(xù)處理的工作量。

閾值的選取決定了二值化處理的效果，是后續(xù)一系列圖像處理的基礎(chǔ)。在MATLAB中有專門(mén)的二值化處理函數(shù)im2bw，它將在未設(shè)定閾值時(shí)自動(dòng)選擇一閾值進(jìn)行二值化。但應(yīng)用到圖像中的效果如圖3所示。

可觀察到電極內(nèi)部有嚴(yán)重丟失，效果很不理想。因此，本系統(tǒng)采取了一套自適應(yīng)閾值選取的算法，其原理如下：

觀察待處理電極圖片后可知背景色占據(jù)了整個(gè)圖像的大部分，電極顏色與背景顏色有較明顯的不同。根據(jù)圖像的特點(diǎn)，本文二值化處理依據(jù)如下式：

|I(x,y)-μ|≤w×σ

上式確定了圖像背景灰度的范圍：I(x,y)為待處理圖像，系統(tǒng)求得圖像灰度的均值μ、圖像灰度標(biāo)準(zhǔn)差σ并確定適當(dāng)?shù)谋尘懊娣e加權(quán)w(即背景面積對(duì)圖像的權(quán)重：

W=S背景面積/S圖像面積

根據(jù)電極圖像特征及多次實(shí)驗(yàn)，本文取w值為0.75)，若每點(diǎn)的灰度值與均值的差的絕對(duì)值小于加權(quán)標(biāo)準(zhǔn)差，則將這一點(diǎn)劃為背景范圍內(nèi)，像素置1，不在此范圍內(nèi)的像素則置0。此法可根據(jù)不同圖像的情況自動(dòng)確定背景色范圍，適用范圍較廣。

使用本系統(tǒng)方法進(jìn)行二值化處理后的圖像如圖4。

最終圖像的像素點(diǎn)全部被置為0或1，成為了一幅二值圖像?？煽闯鱿噍^于MATLAB的內(nèi)置函數(shù)來(lái)說(shuō)，此法處理后的電極圖像較好地保存了其邊緣特征，電極和背景也得到了有效的區(qū)分。但是電極內(nèi)部與背景色灰度相近的像素沒(méi)有得到有效處理，導(dǎo)致電極內(nèi)部有小面積“空洞”。此外，在背景中存在著少量噪點(diǎn)，影響對(duì)輪廓的提取。因此，為去除噪點(diǎn)并使得電極內(nèi)部完全被填充，系統(tǒng)需要進(jìn)一步處理已經(jīng)得到的二值圖像。

2.3后續(xù)處理

得到二值圖像后，MATLAB可用medfilt2函數(shù)對(duì)圖像進(jìn)行中值濾波，本文選用3×3鄰域并進(jìn)行中值濾波兩次，效果如圖5。

經(jīng)過(guò)中值濾波后，孤立噪點(diǎn)被有效去除，但電極內(nèi)部區(qū)域仍然存在的大量“空洞”和背景中的大片噪聲，可使用腐蝕、膨脹等形態(tài)學(xué)處理來(lái)將其去除。

系統(tǒng)構(gòu)造r=3的圓盤(pán)區(qū)域作為結(jié)構(gòu)元素，對(duì)該圖進(jìn)行腐蝕操作，黑點(diǎn)附近圓盤(pán)范圍內(nèi)的區(qū)域?qū)⒈桓g為黑色，腐蝕后使用bwareaopen函數(shù)刪除電極內(nèi)部的小面積空洞，再將圖片黑白轉(zhuǎn)置，再次使用bwareaopen函數(shù)去除背景中的小面積噪聲。此時(shí)系統(tǒng)再次使用r=3的圓形結(jié)構(gòu)元素對(duì)電極圖片進(jìn)行膨脹，消除腐蝕操作帶來(lái)的影響。

效果圖如圖6所示。

在經(jīng)過(guò)上述處理后，如果圖像中的電極已和背景有了較好的二值區(qū)分，可以進(jìn)行輪廓的提取工作。

2.4基于連通域的大片噪聲處理

在經(jīng)過(guò)上述處理之后，大部分電極圖片的噪聲都被去除，可以進(jìn)行輪廓提取工作，但少部分圖片的背景中依然存在大片噪聲。使用bwlabel函數(shù)標(biāo)注圖像中的連通域，再用regionprops函數(shù)計(jì)算出各連通域的周長(zhǎng)，系統(tǒng)檢測(cè)整幅圖片后在各個(gè)連通域的中間以紅色標(biāo)號(hào)。處理好后，操作者在GUI中選擇需要保留的電極部分，系統(tǒng)就會(huì)自動(dòng)刪除剩余的噪聲部分(圖7)。經(jīng)過(guò)噪聲處理，電極圖像的處理工作全部完成，系統(tǒng)可提取電極輪廓。

2.5輪廓提取

電極的輪廓包含著電極的尺寸及形位誤差等重要電極特征信息，且處理輪廓部分計(jì)算量小，操作易行，因此系統(tǒng)需要提取出圖像的完整邊緣特征。系統(tǒng)對(duì)處理后的二值圖像進(jìn)行處理，其中包含輪廓信息的像素被置1，不包含輪廓信息的像素，如圖像背景及電極內(nèi)部，則置為0。本文設(shè)計(jì)了提取邊緣特征的8鄰域算法，算法思路如下：每一像素點(diǎn)周?chē)?×3鄰域稱之為8鄰域，對(duì)于一個(gè)電極中的點(diǎn)來(lái)說(shuō)，如果此點(diǎn)為邊緣部分，那么它的8鄰域中必定有至少一點(diǎn)值不為0；如果此點(diǎn)位于電極內(nèi)部，那么它的8鄰域中的像素則全部為0。系統(tǒng)程序檢測(cè)每一值為0的像素的8鄰域，若8鄰域中的8個(gè)像素都為0，則可判斷此點(diǎn)在電極內(nèi)部，該點(diǎn)值不變；若8鄰域中不是所有像素都為0，則將其視作電極邊緣上的點(diǎn)，將這一點(diǎn)置1，也就是設(shè)為輪廓點(diǎn)。整幅圖像檢測(cè)完畢后，所有值為1的點(diǎn)的集合即為電極的輪廓線。

輪廓提取后的效果圖如圖8。