影像二值化

根據3.2.1 節硬體架構所獲得之銑刀魚尾端面影像，分析影像灰階直方圖分 佈以一灰階閥值將影像二值化區分為銑刀魚尾端面與背景。CCD 攝影機取像時 透過LED 環形白色光源打光，使得銑刀魚尾端面與背景有著強烈的對比，取得 影像如圖3.24(a)所示，影像灰階分佈如圖 3.25 所示，其分佈有明顯的兩個群組，

峰值較低的群組為銑刀魚尾端面，而較高的則為影像之背景，兩群組間無明顯交 集，閥值選取為兩個峰值之平均[8]，二值化將兩群的像素點分離，二值化結果 如圖3.24(b)所示，白色區域部份為銑刀魚尾端面。

(a)原始影像 (b)二值化結果 圖3.24 二值化前後影像之變化

圖3.25 圖 3.22(a)影像灰階直方圖分佈 3.2.4 擷取銑刀魚尾端面裂縫

每個銑刀魚尾端面上皆有二個因魚尾加工所形成的裂縫。擷取裂縫並獲得其 邊界資訊，藉著其邊界資訊得以計算出魚尾端面間隙特徵值大小。

魚尾端面裂縫擷取步驟如下:

30

1. 應用 2.5 節形態學中的閉合運算子(Close)，將圖 3.26(a)中的二個裂縫填滿。

首先設定結構元素，若以裂縫為所要填滿的特徵，一個裂縫的寬度約佔14 個像素，所以本研究所採用之結構元素為半徑長度14 個像素的圓形結構元 素，填滿後的影像如圖3.26(b)所示。

(a) (b) 圖3.26(a)二值化影像(b)使用閉合運算子填滿的影像

2. 將二值化影像與經閉合運算子填滿後的影像相減。如圖 3.27 所示，為圖 3.26(b)影像減去圖 3.26(a)影像後的結果。

圖3.27 圖 3.26(b)對圖 3.26(a)相減之結果

3. 將步驟 2 相減後所取得之影像，應用 Connected Component 分析[9]，辨識相 同區域且相鄰的像素點，取面積最大的二個區域，即可求得魚尾端面上的裂 縫，如圖3.28 所示。

31

圖3.28 魚尾端面上的二個裂縫

擷取銑刀魚尾端面上的兩個裂縫後，應用2.6 節影像處理方法，擷取二個裂 縫之邊界資訊如圖3.29 所示。完成邊界擷取後對所有輪廓點進行編號，將二個 裂縫的輪廓點資訊分別儲存於二個集合中。令兩個裂縫的輪廓點集合分別為 與 ，皆以其輪廓點集合中上方最接近 軸的輪廓點為起始點，按逆時針方向編 號，儲存輪廓點資訊;所獲得之輪廓點集合為 = , , … , 、 =

, , … , ，其中 ^、 為起始點， 、 分別為 、 裂縫輪廓點個數， 、 的 值與裂縫大小有關。

圖3.29 裂縫的邊界資訊

獲得裂縫輪廓點集合之後，接著將對裂縫的輪廓點進行轉角偵測。裂縫上的 轉角定義為相鄰輪廓點間交接處大於某一設定角度時，即稱之為轉角。轉角偵測

32

(Corner Detection)方法採用(22)式，求得輪廓點集合 與 中，每個輪廓點的向 量夾角。如圖3.30(a)所示，輪廓點集合 中的 輪廓點，其向量夾角 ， 為 與其

圖3.30(a)向量夾角說明圖(b)裂縫轉角偵測(Corner Detection)

+k

33

(a)轉角處 (b)非轉角處 圖3.31 裂縫輪廓點之向量夾角

3.2.5 計算間隙

根據3.2.4 節所擷取之梯形裂縫邊界資訊，參照圖 3.32，圖中 、 為裂縫輪 廓點之轉角處，各別通過兩個梯型裂縫上底輪廓點求得兩迴歸線 、 ， 與 之 垂直距離，即為間隙。

圖3.32 間隙量測說明圖

+k

+k

34

迴歸線 、 求法說明如下，將位於梯形裂縫上底位置(如圖 3.33 所示線段 部分)的輪廓點 , ,…, , ， 為梯形裂縫上底輪廓點個數，應用2.8 節 所提之簡單線性迴歸方法，求得一估計直線 : + ，其中 是截距， 是斜率，

以此類推，求得另一迴歸線 。

圖3.33 梯形裂縫上底處輪廓點(圖中 部分) ,

,

35

第四章 系統驗證與結果

本章將說明整個量測系統所需要的實驗設備、相關實驗參數設定，以及各個 項目的量測結果。本章共分成三小節，包括第4.1 節實驗環境、第 4.2 節銑刀特 徵值量測實驗、以及第4.3 節驗證量測系統實驗。

4.1 實驗環境

本實驗採用之設備包括個人電腦(Personal Computer)、光源照明設備

(Lighting Source) 、鏡頭、攝影機(CCD Camera)等硬體設備，如圖 4.1 所示。實 驗處理過程，係將待測之銑刀放置在夾具上後，透過所設置之硬體架構取得影像，

根據第三章中所提出的影像處理方法，經個人電腦程式量測並輸出其結果。各項 硬體設備的功能及規格說明如下:

1. 個人電腦(PC):使用 CPU 為 Intel 3.20GHz，記憶體為 1G。

2. CCD 攝影機(CCD Camera):使用 uEYE1460c，CCD 最高解析度為 2048 1536，三百萬像素點，USB 介面。

3. 鏡頭:moritex MML1.5-ST65D(光學倍率 1.5X，景深 0.56mm) 4. 光源系統:EXLITE- R48 LED 環型白光光源燈組

5. 程式開發語言:Microsoft Visual Basic .NET 2003

圖4.1 本論文所設計之硬體架構(第一階段量測)

36

圖4.2 本論文所設計之硬體架構(第二階段量測) 4.2 銑刀特徵值量測實驗

本實驗所使用之銑刀樣品之尺寸為直徑1mm，為七刃型微型銑刀，如圖 4.3(a) 所示。銑刀樣品個數為8 個，將銑刀樣品從 1 編號至 8，其中 5 個樣品為已進行 右刃加工，但尚未進行左刃、與魚尾加工之銑刀，實驗於第一階段進行包括右刃 溝深與前周角特徵值量測；第二階段針對剩餘3 個已經過右刃加工、左刃加工、

和魚尾加工後之銑刀樣品，進行間隙特徵值量測。

銑刀樣品透過所設置之硬體架構，經所開發之軟體，擷取銑刀魚尾端面影像，

影像大小經擷取後為690(pixel) × 690(pixel)如圖 4.3(a)(b)所示，軟體使用者介面 如圖4.4 所示。

37

(a)第一階段量測 (b)第二階段量測 圖4.3 本論文所設計之硬體架構下，所取得之銑刀魚尾端面影像

圖4.4 使用 Microsoft Visual Basic .NET 開發出來的銑刀特徵值量測使用者介面 4.2.1 右刃溝深與前周角量測結果

右刃溝深與前周角量測實驗其銑刀樣品個數為5 個，每個樣品根據其放置於 夾具上的位置，任意旋轉五種不同的位置，擷取五張銑刀魚尾端面影像，驗證系 統精確度與穩建性。應用本論文第三章所提及之方法，計算銑刀魚尾端面上各個 刀刃之右刃溝深與前周角特徵值，量測結果分別紀錄於表4.1 至表 4.3 中。

38

表4.1 右刃溝深實驗量測結果 Sample No. Orientation Actual

size(mm)

Experimental

data(mm) Difference(mm) Variance

1 在允許公差範圍±2 內。如圖4.5 所示為銑刀 Sample No.3(Orientation #2)魚尾端 面影像，應用第三章所提之方法，刀刃編號如圖4.5 中所示，計算銑刀各個刀刃 之右刃溝深特徵值，表4.2 中為銑刀 Sample No.3(Orientation #2)各刀刃之右刃溝 深量測值，其餘相關實驗數據請參考附錄1。本論文所提之銑刀特徵值量測系統，

測量一隻銑刀之魚尾端面的右刃溝深與前周角特徵值，所需時間小於2 秒鐘，右 刃溝深量測值精確度可至±2 。

39

表4.2 針對表 4.1 中銑刀 Sample No.3#2 各刃之右刃溝深值

刀刃編號 1 2 3 4 5 6 7 Average

右刃溝深(mm) 0.148 0.148 0.147 0.147 0.146 0.146 0.147 0.147

圖4.5 銑刀 Sample No.3(Orientation #2)魚尾端面影像及各刀刃之對應編號

40

表4.3 前周角實驗量測結果 Sample No. Orientation Actual size(°) Experimental

data(°) Difference(°) Variance

1

41

圖4.6 銑刀樣品編號 1 之銑刀魚尾端面影像

從前周角量測實驗中發現，此編號1 銑刀之量測結果變異值偏大，接著將本 論文所設計之硬體架構下，再實驗檢測銑刀特徵點偏移會造成實際多少角度的變 化。如圖4.7 所示為量測系統檢測前周角之結果，圖中點 為銑刀魚尾端面上其 中一個刀刃(刀刃編號 1)之刃尖，點 為此刀刃之三分之一右刃溝深處，點 與 為與刀刃編號1 相鄰之刀刃的刃尖。前周角示意圖如圖 4.8(a)所示， 為通過點

與點 之直線， 為通過 且垂直線段 之直線，直線 與 之夾角 即為前

周角。在本論文所設計之量測系統架構下，所擷取之銑刀魚尾端面影像，刀刃上 之刃尖至該刀刃的三分之一右刃溝深處之距離，平均約為34 個像素點，如圖 4.8(a) 所示，所以當量測系統偵測刀刃的刃尖或該刀刃的三分之一右刃溝深處與實際位 置稍有偏差時，所量測之角度變化結果將頗為明顯，如圖4.8(b)中，將該刀刃之 三分之一處(即圖中點 )固定，將刀刃之刃尖點 向左平移一個像素點寬至點 ， 得到一直線 與 之夾角 ，實驗得知 1.235°。所以銑刀前周角量測項 目，偏移一個像素點，會造成實際角度變化1.235°，其量測結果變異量值可謂相 當明顯。

42

圖4.7 銑刀魚尾端面前周角特徵值

(a) (b)將刃尖 向左平移一個像素點

圖4.8 銑刀魚尾端面前周角特徵值示意圖

由於前周角量測項目，其結果容易受到刃尖偏移影響，且變化明顯，而擷取 魚尾端面影像時會受到銑刀上的雜質影響，如圖4.9 所示，若雜質位於銑刀魚尾 端面輪廓上，則會影響量測結果，空氣中的塵粒可能會是雜質的最大來源。因此，

量測前需先清潔銑刀魚尾端面，期能每次都擷取到清晰之銑刀魚尾端面影像。在 清晰之影像下，本論文所提之銑刀特徵值量測系統，前周角量測值精確度可至±

2°。

43

圖4.9 受雜質影響之銑刀魚尾端面影像(圖中圈選處為雜質) 4.2.2 間隙量測結果

間隙量測實驗之銑刀樣品個數為3 個，應用本論文第三章所提之方法，計算 銑刀魚尾端面之間隙特徵值，量測結果紀錄於表4.4 中。

44

表4.4 間隙實驗量測結果 Sample

No. Orientation Actual size(mm)

Experimental

data(mm) Difference(mm) Variance

1

45

Variance 0.3100 0.2285 0.8154 0.2164 0.1575 0.2869 0.1124

實驗得知本論文所提之量測系統，不受銑刀放置於夾具上的方位影響，銑刀 魚尾端面上之各個刀刃，可達成右刃溝深量測值精確度±3 ，前周角量測值精 確度±2°。

46

47

參考文獻

[1] M. B. Ahmad and T. S. Choi, “Local Threshold and Boolean Function Based Edge Detection”, IEEE Transactions on Consumer Electronics, Vol.5, No.3, 674-679, August, 1999.

[2] J. Eliosoff and U. Richard, “Welcome to the Minimum Enclosing Circle Emporium”, Retrieved May, 2006, from

http://www.cs.mcgill.ca/~cs507/projects/1998/jacob/, 1998.

[3] Preparata and Shamos, “Computational Geometry: An Introduction”, New York:

Springer-Verlag, 1985.

[4] S. Skyum, “A simple algorithm for computing the smallest enclosing circle”, Information Processing Letters, Vol.37, No.3, 121-125, February, 1991.

[5] R. C. Gonzalez and R. E. Woods, Digital Image Processing, Addison-Wesley Publishing Company, 418-421, 1993.

[6] N. Otsu, “A Threshold Selection Method from Gray Level Histograms”, IEEE Transactions on Systems, Man, and Cybernetics, SMC-9, 62-66, 1979.

[7] E. R. Davies, Machine Vision: Theory, Algorithms, Practicalities, London:

Academic, 1990.

[8] D. B. Perng and Y. C. Chen, “An Advanced Auto-Inspection System for Micro-router Collapse, ” Accepted by Machine Vision and Application, 2008.

[9] L. G. Shapiro and G. C. Stockman, Computer Vision, Englewood Cliffs, Prentice Hall PTR Upper Saddle River, USA, 2001.

[10] J. Neter, W. Wasserman and M. H. Kutner, Applied Linear Statistical Models, 1990.

48

[11] F. C. Tien and C. H. Yeh, “Using Eigenvalues of Covariance Matrices for Automated Visual Inspection of Microdrills” International Journal of Advanced Manufacturing Technology, August, 2005.

[12] G. Duan, Y. W. Chen, and T. Sakekawa, “Automatic Optical Inspection of Micro Drill Bit in Printed Circuit Board Manufacturing Based on Pattern Classification” IEEE International Instrumentation and Measurement Technology Conference, May, 2008.

[13] 陳賢義，”視覺技術在線上檢測之應用”，自動化感測技術專輯，機械工業雜 誌6 月號，267-279，1993。

[14] 梁有燈，”機器視覺在 BGA 銲球尺寸量測上之應用”，中華大學機械與航太 工程研究所碩士論文，2001。

[15] 洪朝陽，”應用電腦視覺於微型鑽頭與鍍膜銑刀的量測”，國立交通大學工業 工程與管理學系碩士論文，2005。

49

50

51

銑刀Sample No.5 各刀刃之右刃溝深值(單位:mm) 刀刃編號

Orientation. 1 2 3 4 5 6 7 Average

#1 0.146 0.148 0.148 0.147 0.145 0.148 0.147 0.147

#2 0.146 0.145 0.147 0.147 0.147 0.145 0.148 0.146

#3 0.146 0.146 0.148 0.146 0.147 0.146 0.148 0.147

#4 0.148 0.146 0.146 0.148 0.147 0.147 0.146 0.147

#5 0.145 0.147 0.146 0.147 0.148 0.147 0.147 0.147 銑刀Sample No.5 各刀刃之前周角值(單位:°)

刀刃編號

Orientation. 1 2 3 4 5 6 7 Maximum

#1 8.54 7.12 6.79 8.22 7.14 8.81 7.27 8.81

#2 7.48 7.09 7.35 8.05 7.81 7.45 7.33 8.05

#3 6.81 7.49 7.69 7.42 8.03 7.63 8 8.03

#4 7.08 6.9 7.34 7.04 6.87 7.21 7.02 7.34

#5 6.47 8.44 7.51 7.05 7.05 7.98 7.85 8.44

在文檔中 銑刀特徵值之機器視覺量測 (頁 40-0)