基于光切显微镜的表面粗糙度视觉综合测量方法∗ 尹加杰 金守峰 陈 阳 李 毅 仝梦圆 高 凯

2020 7

2020年第7期 Ship Electronic Engineering

∗ 收稿日期：2020年1月14日，修回日期：2020年2月24日

基金项目：国家自然科学基金青年项目“食品重金属污染光声光谱检测新技术原理研究”（编号：61701384）资助。

作者简介：尹加杰，男，硕士，研究方向：机器视觉检测与机器人控制。

1 引言

表面粗糙度描述了机加工零件表面微观几何 误差，是评价零件表面质量的重要指标。随着装备 制造业对零件表面加工精度的提高，高精度、综合 化的表面粗糙度测量对提高产品质量、改善加工条 件具有重要意义^［1~2］。

目前，机加工零件表面粗糙度的测量方法主要 以触针法、比较法、印模法等接触式测量，其离线测 量精度高，直接反映零件表面状态，但是测头与零 件表面接触，对被测表面会带来损伤^［3］。此外利用 光切法、干涉法、散射法及激光法等光学非接触式 测量方法对测量的环境有严格要求，调节光学仪器 时主观误差较大，自动化程度低，效率不高^［4~5］。随

基 于 光 切 显 微 镜 的 表 面 粗 糙 度 视 觉 综 合 测 量 方 法

^∗

尹加杰 金守峰 陈 阳 李 毅 仝梦圆 高 凯

（西安工程大学机电工程学院 西安 710048）

摘 要 针对光切显微镜不能综合测量粗糙度的高度参数和间距参数的问题，提出了基于光切显微镜的视觉测量表面 粗糙度方法。通过安装在光切显微镜上的工业相机获取表面粗糙度图像，对图像进行预处理来提高图像对比度，采用最大 类间方差法融合形态学算法提取表面粗糙度的光带区域。根据光带区域上下边缘轮廓具有相同的峰谷特点，采用Freeman 链码算法提取下边缘轮廓特征，结合边缘轮廓特征以最小二乘法拟合中线，建立了评定表面粗糙度的高度参数和间距参数 的数学模型。实验结果表明，该方法测量的高度参数与光切显微镜读数最大相对误差为4.81%，同时实现了间距参数的测 量，相对误差控制在4.47%，能够综合评定表面粗糙度。

关键词 光切显微镜；机器视觉；表面粗糙度；高度参数；间距参数；最小二乘中线 中图分类号 TN247 DOI：10. 3969/j. issn. 1672-9730. 2020. 07. 041

Surface Roughness Visual Comprehensive Measurement Method Based on Light-cut Microscope

YIN Jiajie JIN Shoufeng CHEN Yang LI Yi TONG Mengyuan GAO Kai

（School of Mechanical and Electrical Engineering，Xi'an Polytechnic University，Xi'an 710048）

Abstract Aiming at the problem that the light-cutting microscope can not comprehensively measure the height parameter and the spacing parameter of roughness，this paper proposes a method for visual measurement of surface roughness based on light-cut⁃

ting microscope. The surface roughness image is obtained by an industrial camera mounted on a light-cut microscope，and the im⁃

age is pre-processed to improve the image contrast. The maximum inter-class variance method is used to fuse the morphological al⁃

gorithm to extract the light-band region of the surface roughness. According to the characteristics of the upper and lower edges of the strip zone，the Freeman chain code algorithm is used to extract the lower edge contour features，and the edge contour features are combined to fit the center line by least squares method. The height parameters and spacing parameters of the surface roughness are established. mathematical model.The experimental results show that the maximum relative error between the height parameter and the light-cutting microscope reading is 4.81%，and the measurement of the spacing parameter is realized. The relative error is con⁃

trolled at 4.47%，which can comprehensively evaluate the surface roughness.

Key Words light-cut microscope，machine vision，surface roughness，height parameter，spacing parameter，least squares cen⁃

terlin

Class Number TN247

181

着机器视觉技术的发展，将机器视觉技术与非接触 式测量相融合提高测量的精度和效率。

Kelkar

用 光分段视觉测量有限差分法加工零件的表面粗糙 度，只是针对表面粗糙度的高度参数R^a测量精度的 改进，而没有考虑到间距参数^［6］；

O.B.Aboulatta

使用 光切视觉系统进行

3D

表面粗糙度测量，该系统主 要对

3D

表面粗糙度高度参数的精确性验证^［7］；刘 坚等基于图像质量的磨削表面粗糙度检测，提出一 种基于图像质量算法的粗糙度检测新方法，主要检 测磨削表面粗糙度R^a［8］，陈曼龙等对车削表面粗糙 度图像法检测，该方法用于R^a值为

0.8μm~12.5μm

范围内的车削零件表面粗糙度有效区分与检测^［9］； 刘波等研究了切削参数对切削表面粗糙度的高度 参数R^a影响规律^［10］；杨洁等对工件表面进行多层序 列拍图，得出工件表面粗糙度的高度参数，计算了 工件表面粗糙度的三维高度参数^［11］；陈毅等基于图 像处理对表面粗糙度检测，运用图像的纹理特征分 析表面粗糙度的高度参数^［12］。

综上所述，文献中通过视觉技术主要针对表面 粗糙度的高度参数测量，没有进行间距参数的测 量，因此不能客观反映表面粗糙度的综合状态。本 文针对这一问题，提出了基于光切显微镜的视觉综 合测量方法，利用光切成像原理获取表面粗糙度图 像，提取粗糙度图像的边缘轮廓特征，建立高度与 间距参数的数学模型，实现对机加工零件表面粗糙 度的综合测量。

2 基于光切显微镜的表面粗糙度视 觉综合测量系统

2.1 系统构成

构建如图

1

所示的基于光切显微镜的表面粗 糙度视觉综合测量系统，在光切显微镜

2

上安装工 业相机

1

，载物台上的被测表面

3

进行光学成像，在 工业相机

1

中获取被测表面的图像信息，在计算机

4

中进行算法处理得到被测表面的表面粗糙度。

1.工业相机，2.光切显微镜，3.被测表面，4.计算机 图1 表面粗糙度视觉综合测量系统 2.2 光切成像原理

光切成像原理如图

2

所示，光源

1

发出的光线

经遮光板

2

及物镜

3

形成一束宽度极窄的平行光 带，按

45°

角方向投射在被测表面

4

上，反射光以

45°

角将被测表面的光学成像经过物镜

5

，在工业相 机

6

中形成了表征被测表面的微观状态的曲折光

带图像^［13~14］。

1光源，2遮光板，3物镜，4被测表面，5物镜，6工业相机 图2 光切成像原理

3 机加工零件表面粗糙度的边缘轮 廓提取

3.1 表面粗糙度图像的特征分析

由图

1

得到的机加工零件表面粗糙度的图像 如图

3

所示，光带呈现有规律的波峰、波谷状态，体 现了机加工表面的微观状态在垂直方向上为高度 变化，表征了表面的粗糙程度；水平方向为间距变 化，表征了表面的疏密程度。光带的上下边缘轮廓 具有相同的峰谷特点，因此只需提取其中一侧边缘 即可，本文提取光带下边缘轮廓特征进行表面粗糙 度的综合测量。

图3 表面粗糙度图像 3.2 光带区域的分割

被测表面的粗糙度图像在光切显微镜的成像 过程中，由于成像视场及光路的影响导致图像中存 在噪声，本文在对图

3

进行灰度化的基础上采用中 值滤波进行去噪，去噪后的表面粗糙度图像如图

4

（

a

）所示。为了提取光带区域，本文采用最大类间 方差法对表面粗糙度图像进行图像分割，分割后的 光带区域存在空洞、边缘粗糙等缺陷，本文采用线 性结构元素和圆形结构元素对分割后的光带区域 进行形态学膨胀和腐蚀处理，结果如图

4

（

b

）所示，

消除了光带区域的空洞，同时光带区域的边缘得到 了平滑。

3.3 边缘轮廓提取

图

4

（

b

）的光带区域的边缘轮廓是建立表面粗 糙度评定参数模型的基础，本文在

Canny

边缘检测

算子的基础上^［15~16］，采用

Freeman

链码轮廓跟踪算 法，以表面粗糙度图像中相邻两个像素点定义水 平、垂直和两条对角线的

8

个方向符为

0

、

1

、

2

、

3

、

4

、

5

、

6

、

7

，利用线段的起始点与方向符构成的一组数 列，以此提取光带的下边缘轮廓特征^［17~18］。对图

4

（

b

）进行光带边缘轮廓标记，光带区域图像前景像 素点为

0

，背景像素点为

1

，由图像左上角按自上而 下，自左到右搜索边界起始点，以起始点进行八邻 域方向索搜，确定八个方向是否存在一个像素为

1

的点，若存在，则该参考点为边界点，每完成一次边 界点的搜索，将该边界设置为背景重新开始搜索起 始点，直至历遍整个二值图像，提取的光带区域下 边缘轮廓如图

4

（

c

）所示。

（a）图像预处理 （b）二值图像 （c）边缘轮廓 图4 表面粗糙度轮廓

4 基于轮廓边缘的表面粗糙度评定 参数模型的建立

为了建立机加工零件表面粗糙度的数学模型，

本文将如图

4

（

c

）所示的图像坐标下的边缘轮廓变 换为如图

5

所示的直角坐标，设边缘轮廓为（f x）。

4.1 最小二乘法拟合中线

由

GB/T 1031-2009

可知，中线是对表面几何 轮廓划分的基准线，以中线评定表面粗糙度的高度 参数^［19~20］。本文以最小二乘算法对边缘轮廓f（x） 进行拟合中线，最小二乘法拟合中线的回归方程式 为

y=ax+b （

1

）

回归系数a、b分别为 a= 1

n

å

i=1 n

y_i-b1 n

å

i=1 n

x_i （

2

）

b=æ

èçç ö

ø÷÷

å

i=1 n

x_iy_i-1 n æ èç ö

ø÷

å

i=1 n

x_i æ èç ö

ø÷

å

i=1 n

y_i æ

èçç ö

ø÷÷

å

i=1 n

x_i²- 1 n æ èç ö

ø÷

å

i=1 n

x_i

2

（

3

） 式中：n为采样点数，x_i为采样点 x轴坐标，y_i为 采样点y轴坐标。

将f（x）带入式（

1

），得到的最小二乘法拟合中 线如图

5

所示，（f x）的最小二乘拟合中线表达式为

y=221.787-0.0035x （

4

）

图5 下边缘轮廓 4.2 表面粗糙度评定参数模型的建立

国家标准

GB/T 1031-2009

中规定轮廓的高度 参数为R_a和R_z，间距参数为轮廓单元的平均宽度 RS_m。

1

）轮廓算数平均偏差R_a

由图

5

可知，实际轮廓（f x）各点到中线y 距离 的绝对值，即轮廓算数平均偏差，计算公式为

R_a= 1 n

å

i=1

n

|

^y-f

( )

^xi

|

（

5

）

R_a参数能反映表面粗糙度的高度特征，R_a值 越大，则表面越粗糙，相反则越光滑。

2

）轮廓最大高度R_z

由图

5

可知，在成像范围内，轮廓最大幅度R_z 为最大轮廓峰高 Z_p=max（f(x)）和最大轮廓谷深 Z_v=min（f(x)）之和，计算公式为

R_z=Z_v+Z_p （

6

）

3

）轮廓单元的平均宽度RS_m

轮廓单元的平均宽度作为间距参数的主要指 标，它反应了轮廓表面纹理特征，由图

5

可知，在成 像范围内，中线y与轮廓（f x）的一个峰谷构成的单 元相交线段的长度叫做轮廓单元的宽度，用符号 X_si表示，如图

5

所示。

轮廓单元的平均宽度是指在成像范围内所有 轮廓单元的宽度X_si的平均值，用RS_m表示，即

RS_m= 1 n

å

i=1 n

X_si （

7

）

5 实验数据分析

5.1 实验参数

5.1.1

机加工表面粗糙度样块

为了验证本文方法，选用如图

6

所示的刨削、

铣削、车削三种加工工艺的表面粗糙度样块，加工 精度均为

4

级。

5.1.2

实验参数

实验中采用如图

1

所示的表面粗糙度视觉测 量系统，

9J

型光切显微镜安装

7

倍物镜，工业相机 的分辨率为

1024×1024

、帧率

52fps

。在调整的清晰

成像后，成像范围内为

1904×1428

。采用

0.01mm

标定板对视觉测量系统进行标定，得到标定系数为 K=1.56μm/pixel。

（a）车削 （b）铣削 （c）刨削 图6 粗糙度标准样块

5.2 实验与分析

对选取的三种表面采用本文方法进行测量，对 同一区域多次测量取平均值，得到的表面粗糙度的 高度参数的算术平均偏差R_a、轮廓最大幅度R_z和 间距参数的轮廓单元平均宽度RS_m如表

1

所示。

由表

1

可知，表面粗糙度的高度参数算术平均

偏差R^a最大相对误差为

4.81%

，轮廓最大幅度R^z最 大相对误差为

2.72%

，间距参数轮廓单元平均宽度 RS^m与估算法最大相对误差为

4.47%

，实验表明表 面粗糙度视觉测量系统的轮廓误差在测量误差允 许范围内，可用于表面粗糙度的测量。

分析图

7

高度特征参数误差、图

8

间距特征参 数误差，光切显微镜的图像测量系统与实际粗糙度 测量参数有着不可避免的误差，误差包括如下几种 因素，机加工表的瑕疵，测量时光线的明暗，截取图 像在传输中和处理时所造成的各种噪声，对图像的 预处理方式的选择，轮廓特征提取的方法，都会对 最终的轮廓曲线产生一定影响。光切显微镜的图 像法测量表面粗糙度时，应考虑以上因素多次对同 一区域测量取平均值，尽可能地减小与实际轮廓尺 寸误差。

实验组数 铣削

刨削

车削 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5

R_a/μm 图像法测量系统 10.87

10.48 11.23 11.31 11.77 11.56 12.81 12.06 11.02 12.1 11.5 12.24 11.01 11.52 12.03

目测法 11.13 10.98 11.31 11.53 11.51 11.21 12.78 12.34 11.52 12.5 11.68 12.37 11.54 11.93 12.05

相对误差 -2.39%

-4.77%

-0.71%

-1.95%

2.21%

3.03%

0.23%

-2.32%

-4.54%

-3.31%

-1.57%

-1.06%

-4.81%

-3.56%

-0.17%

R_z/μm 图像法测量系统 55.8

59.52 57.66 61.38 63.24 139.5 141.36 152.52 142.23 117.18 55.8 57.66 55.8 55.8 57.66

目测法 56.34 57.9 58.14 60.04 63.51 142.02 137.89 149.54 139.28 116.67 55.5 56.81 56.49 55.89 57.05

相对误差 -0.97%

2.72%

-0.83%

2.18%

-0.43%

-1.81%

2.45%

1.95%

2.07%

0.44%

0.54%

1.47%

-1.24%

-0.16%

1.06%

RS_m/μm 图像法测量系统 539.4

509.64 509.64 505.92 513.36 496.62 494.76 491.04 491.04 507.78 583.22 567.3 574.74 565.44 574.74

估算法 529.87 513.76 522.48 528.54 515.78 497.65 507.54 477.46 512.54 519.65 564.6 579.5 592.45 548.47 590.77

相对误差 1.77%

-0.81%

-2.52%

-4.47%

-0.47%

-0.21%

-2.58%

2.77%

-4.38%

-2.34%

3.19%

-2.15%

-3.08%

3.00%

-2.79%

表1 粗糙度综合参数

（a）算数平均偏差Ra

（b）轮廓最大幅度R^z 图7 高度参数误差

图8 间距参数误差

6 结语

1

）通过工业相机代替人眼观察表面微观形状 和纹理特征，降低了表面粗糙度参数计算时间，并 在传统的测量方法上加入了间距参数，将得到表面 粗糙度的综合参数与目测法进行对比，最大相对误

差不超过

5%

。

2

）图像预处理选择方法对表面粗糙度有着重 要的影响，选取合适的图像处理工具对不同微观几 何形状表面粗糙度测量，降低标准图像预处理方式 对不同轮廓曲线造成的误差，采用

Freeman

链码轮 廓跟踪算法、最小二乘法中线拟合算法，可提高表 面粗糙度的精确度。

3

）表面粗糙综合评定参数模型的建立，实现了 机加工表面多维度特征测量，为表面特征需求多样 化的零件测量提供了参考。

参 考 文 献

［1］吕冬梅.探讨表面粗糙度光学测量方法研究进展［J］. 通讯世界，2017（06）：284-285.

［2］赵永彪，苗雅丽.表面粗糙度的测量分析［J］.制造业自 动化，2011，33（06）：6-8.

［3］沈肇雨，方九金，牟塬，等.表面粗糙度测量方法的研究 进展［J］.木工机床，2019（01）：4-7.

［4］李博，黄镇昌，全燕鸣.基于光切图像处理的表面粗糙 度检测系统［J］.电子测量技术，2007（04）：184-187.

［5］贾晓艳，肖泽新.基于光切法的表面粗糙度的图像处理 研究［J］.光学与光电技术，2007（06）：42-44.

［6］A S Kelkar，N N Kumbhar，A V Mulay.Surface Roughness Measurement of Parts Manufactured by FDM Process us⁃

ing Light Sectioning Vision System［J］. The Institution En⁃

gineers（India），2018（4）：429-433.

［7］Ossama B. Abouelatta. 3D Surface Roughness Measure⁃

ment Using a Light Sectioning Vision System［J］. Lecture Notes in Engineering and Computer Science，2010，2183

（1）.

［8］刘坚，路恩会，易怀安等.基于图像质量的磨削表面粗

糙 度 检 测［J］. 电 子 测 量 与 仪 器 学 报 ，2016（06）：

375-381.

［9］陈曼龙，侯东明，王会江.车削零件表面粗糙度图像法 检测优选方法［J］.应用光学2017，38（02）：227-230.

［10］刘波，孔金星.切削参数对纯铁车削表面粗糙度的影 响［J］.机床与液，2018，46（08）：1-4.

［11］杨洁，李乐.基于机器视觉的表面粗糙度测量与三维 评定［J］.光学技术2016，42（06）：491-495.

［12］陈毅，靳伍银.基于数字图像处理的表面粗糙度检测

［J］.机械设计与制造，2018（10）：210-216.

［13］金守峰，陈蓉，范荻等.面向机加工表面粗糙度的光切 显微视觉测量系统［J］.西安工程大学学报2016，30

（03）：347-353.

［14］司剑勋，姚松丽，任宏利等，基于光切法的表面粗糙度 的智能化测量［J］.机械工程师，2015（09）：177-178.

［15］徐国雄，张骁，胡进贤等，基于阈值分割和轮廓提取的 图 像 边 缘 检 测 算 法［J］.计 算 机 技 术 与 发 展 ，2015

（12）：64-67.

［16］孙凯乐，郭显久，张烜等，基于改进Canny算子的边缘

检测［J］.电脑编程技巧与维护，2018（06）：165-188.

［17］邓仕超，李伟明，龙芋宏等.一种改进的二值图像边界

跟踪与边界链码获取算法［J］.激光与光电子学进展，

2018（06）：147-153.

［18］朱戈明，应自炉，基于Canny、Sobel及其改进模板算子 融合的Freeman链码边缘点提取算法［J］.五邑大学学 报，2015（04）：42-47.

［19］陈岚峰，杨静瑜，崔崧等，基于MATLAB的最小二乘曲 线拟合仿真研究［J］.沈阳师范大学学报（自然科学 版），2014（01）：75-79.

［20］中华人民共和国国家质量监督检验检疫总局. GB/T

3505-2009.产品几何技术规范（GPS）表面结构轮廓法

术语、定义及表面结构参数［S］.北京：中国标准出版 社，2009.

［48］雷强，高杨，王雄. MEMS壁面剪切应力传感器研究 进展［J］. 中国测试，2016，42（7）：1-8.

［49］张春龙，固体发动机界面受载状态监检测技术与方法 研究［D］. 烟台：海军航空工程学院，2015.

［50］张春龙，张波，董可海. 埋入式传感器与发动机相容 性分析［J］. 导弹试验技术，2014（9）：30-34.

［51］任 海 峰. 固 体 仪 器 发 动 机 药 柱 缺 陷 诊 断 技 术 研 究

［D］. 烟台：海军航空工程学院，2015.

［52］高鸣，任海峰. 固体仪器发动机健康检测技术评述与

研究［J］. 固体火箭技术，2013，36（2）：278-284.

［53］徐廷学，陈海建，滕克难，等. 基于SHMSRM系统传 感器分布优化的损伤识别技术［J］. 固体火箭技术，

2012，23（7）：280-284.

［54］赵汝岩，黄志勇，吴昊. 某型固体发动机健康状态评 估技术研究［J］. 固体火箭技术，2013（2）：270-273.

（上接第12页）

􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍􀤍