在生產加工中，刀具磨損過度就會引起工件的報廢甚至是機床的損壞，造成了一定的經濟損失。因而，對切削過程中刀具磨損進行監測是十分重要的。刀具磨損監測方法雖然種類繁多，但還沒有較為完善的監測方法，一定程度上制約了機械加工水平的提高，因而，對刀具進行磨損監測研究又是十分必要的。

　　計算機視覺是計算機科學研究領域的重要分支，它通過對三維世界所感知的二維圖像進行研究以提取出三維景物世界的物理結構。圖像法的核心技術就是計算機視覺技術，它具有非接觸性，并具有得到的磨損量精確、直觀性強的優點。

　　本文運用計算機視覺技術，通過計算機識別圖像的方法來監測加工過程中的刀具磨損情況，圖像處理的具體步驟包括：刀具磨損圖像的顯示、圖像旋轉、亮度調節、對比度調節、閾值處理、填充處理、顆粒去除處理、磨損帶VBmax測量、磨損帶面積測量和報警提示等。開發的計算機視覺刀具檢測系統以NI公司的圖形化編程軟件Labview為開發平臺，運用IMAQ Vision for Labview模塊編程共同完成。與傳統的編程方式相比，使用Labview開發視覺系統可以使效率提高4～10倍。

　　由于在一般的切削加工過程中，刀具后刀面的磨損量是影響刀具耐用度的主要因素，因而本文的研究對象定為刀具后刀面。

　　一、圖像處理流程及原理分析

　　刀具的磨損形態，通過CCD攝像機拍攝，經圖像采集卡轉換傳送至計算機內即可獲得刀具磨損圖片。本文在LabVIEW平臺上采用IMAQ Vision模塊對加工過程中所獲得的圖像進行圖像分析，獲取后刀面磨損帶VB值及其磨損面積，再與預定的臨界值進行比較，超過預定數值則系統報警，表示刀具過度磨損，以達到監測后刀面磨損狀態的目的。

　　對于圖像的處理，大致可步驟為：原始圖像→圖像的預 處理→圖像處理→圖像測量分析，其具體流程如圖1。

　　1.圖像的預處理

　　本文的研究目的是建立一個監測刀具后刀面磨損的計算 機視覺系統。由于從CCD攝像機獲得的圖像含有很多噪聲，不利于最終的圖像處理。因此需要對圖像進行預處理，消除這些不利因素，使實驗結果達到最理想的效果。

　　首先，對于剛剛獲得的原始圖像，其顏色一定是彩色的，由于在進行圖像處理時，并不需要彩色的信息，過于豐富的色彩反而會影響到后期圖像處理的效率。所以第一步要進行灰度轉換。這里，一幅8bit數字平面圖像用其灰度函數來表示。

(1)

　　灰度轉換的效果就是將原有的彩色亮度信息表達成0～255之間的灰度信息。對于所獲得的圖像，由于相機拍攝位置是任意的，因而圖像中刀具的位置與角度也是任意的，根據刀具的磨鈍標準， 實驗的最終目的是要測量刀具磨損帶的值及其面積，因而要將圖像預先進行旋轉等位置調整，使刀具的圖像處于垂直的位置，這樣，計算出的值才是真正的實際值。

　　另外，在試驗中，所獲得的圖像本身可能因為亮度不足，或拍攝出的物體對比度不理想，導致圖像信息提取困難， 所以要預先對圖像進行亮度和對比度等的調節。

　　對比度調節實際上就是增強圖像中各部分的反差，調節對比度能使原有圖像變得更加清晰、輪廓分明。亮度調節就是 使原有圖像所有點的灰度值全部增加或全部減小，以使原來過于黑暗的圖像變亮或使原來過于明亮的圖像變暗。

　　2.圖像處理

　　刀具的圖像包括灰度較大的磨損帶和灰度較小的背景。為了將物體分離出來，需要對圖像進行分割，設圖像的灰度值范圍為，二值化閾值取。二值化處理可用下式表示：

(2)

　　式中：是二值圖像。閾值化是輸入圖像到輸出圖像的變換。如果像素來源于磨損帶，則;如果像素來源于背景，則

　　實際閾值T的選取，可以采用Ostu提出的最大類間方差法進行閾值選取。由Ostu提出的最大類間方差法，是在判決分析最小二乘法原理的基礎上推導得出的，其基本思想是：把圖像中的像素按灰度值用閾值t劃分成目標類和背景類，由灰度值在0～t之間的像素組成，由灰度值在(t+1)～(L-1)(L為圖象主灰度級數)之間的像素組成，設為類間方差，則最優閾值是使取最大值時對應的灰度級，即:

　　式中, 分別為目標和背景的灰度概率和，分別為目標和背景的平均灰度值。

　　最大類間方差法選取閾值的過程實質上是一個尋求全局最優解的過程，用以求得最合理的閾值T。

　　此外，由于光源照射的不均勻或物體表面本身高低不齊，即使在磨損帶中心也不是處處都十分明亮，偶爾也會出現較暗的斑點，閾值化處理后，在磨損帶之中的這些點可能就因為過暗而被視為背景，使，造成處理的失真，因此有必要對這些點進行進一步的處理，那就是填充處理，人為地再將這些點再定義為。

　　在二值化處理后，不僅在磨損帶中心會出現斑點，整個圖像都會出現許多微小顆粒，這些顆粒可能會與磨損帶中的區域具有相同的灰度級，這也是由于光照條件不均勻，或物體表面本身就高低不齊，導致光照后的反射呈現出或亮或暗的斑點所引起的。對于非磨損帶的斑點，這時就要進行顆粒去除的工序，用IMAQ Vision中的IMAQ Particle Filter可以實現該功能。它的工作原理是預先設定好需要除去的顆粒面積范圍，如0～400，那么程序運行時，在進行閾值處理后仍保留面積大于400的，而面積小于400的被去除，使其。需要注意的是，這里的面積計算是用像素值作為單位的。

　　3.圖像測量分析

　　在處理完圖像信息后，就可以得到一定的圖像數據，需要將這些數據進行分析。

　　首先要測得刀具磨損帶的VB值和刀具磨損面積，根據上步閾值處理后，圖像只呈現二值化形式，在IMAQ Vision for LabVIEW軟件中可以用IMAQ Particle Analysis來處理對于的相關信息，包括的磨損帶的面積、寬度、長度、磨損帶中心的橫坐標和縱坐標等相關信息，分析得到的數據是一個數組，要將其轉化成為一個簇，并分別提取所需要的數據，從而得到最終要測量的值和面積值。

　　圖像數據處理的最后一步就是要進行檢測，當超過預先給定的臨界值時，系統就要報警，表示刀具已經過度磨損，提示工作人員需要做出更換刀具等相應調整措施。

　　二、監測程序開發

　　1.程序流程

　　圖像處理程序是在LabVIEW 軟件平臺上，采用IMAQ Vision for LabVIEW來開發刀具磨損的監 測程序，包括圖像的顯示、控制信號的輸入、圖像處理、測量和檢測報警等內容，其中圖像處理 又包括灰度轉換、亮度/對比度調節、閾值處理和顆粒去除等， 程序流程圖如圖2所示。

　　2.程序框圖及界面

　　圖3為在Labview平臺上開發的監測程序界面，圖4為Labview 部分程序框圖。

　　三、實驗結果

　　本文以破損刀具為例，通過計算機圖像處理分析得到該刀具的磨損帶信息，圖像處理操作步驟如下。

　　(1)通過CCD攝像機傳送至計算機，經灰度處理后得到圖像如圖5。

　　(2)輸入圖像的旋轉度數，將圖像旋轉至相應角度。本例中，輸入的旋轉度數10°，再對圖像進行亮度、對比度調節，輸入如下數據。

　　Brightness = 180

　　Contrast = 60.00

　　Gamma = 1.18

　　(3)進行閾值處理，本例輸入Threshold Value的下限為71，上限為255。

　　(4)填充處理(FillHole)：原理上就是將圖片中紅色區域中所包圍的黑色部分填補，使之變換成紅色區域，填充處理時不需要輸入任何數據，由計算機自行按順序進行。

　　(5)顆粒去除：去除由于光照不均等原因在磨損帶周圍產生的亮點，在圖像上也就是去除在圖像中磨損帶周圍的細小紅色部分。顆粒去除的選擇控制欄是Selection Values欄。

　　在Selection Values欄里需要輸入的數據比較多，本例為如下數據。

　　特征：Area

　　Range Lower Value = 0

　　Range Upper Value = 400

　　Range: Include

　　Measurement Type: Pixel

　　(6)測量磨損帶面積和，通過應用IMAQ Vision中的組 件可以自動完成程序框圖的數據輸出。本例中，根據上述數據，最后由計算機計算得到的數據如圖6所示。

　　圖中，2452這個數值就是該區域的面積，即磨損帶的面積是2452pixel，經相機標定，可將像素值關聯表示成實際尺寸單位，為表達統一和方便，本文仍以像素作為尺寸單位。計算機測量的在程序界面最右端顯示，見圖3。

　　本例中，設置臨界為85pixel，臨界面積為2400pixel，而由計算機測得的實際為91pixel，實際面積為2452pixel。因而，經過計算機分析后系統報警，表示刀具已經過度磨損。

　　四、小結

　　本文在虛擬儀器LabVIEW的環境里，應用IMAQ Vision for LabVIEW模塊對刀具后刀面的磨損進行了圖像處理和分析，分析得到了刀具磨損的實驗數據，并配以報警系統的設計，完成了刀具磨損監測系統的軟件開發。但本文中尚待研究的內容有。

　　(1)光源照射條件的研究。不同光線下所獲得的刀具磨損圖像的效果是不一樣的，如何找到一個最佳位置以及如何調整光源的強度，以得到較為清晰、對比度強烈的圖像效果，這是將來所要研究的課題之一。

　　(2)磨損的輔助判斷標準。對于刀具磨損帶的測量，除了現有的判別標準以外，還可以考慮添加新的判別磨損標準作為輔助判別標準，綜合判斷刀具的磨損狀況。