一种基于图像形态学运算的3D打印精度控制方法和系统与流程

本发明属于3d打印领域，具体设计一种基于图像形态学运算的3d打印精度控制方法和系统。

背景技术：

1、3d打印时一种新的生产制造方式，它集合了数字化、人工智能化、新型材料的应用等技术特点。光固化3d打印技术因为其制作原型表面质量好、打印速度较快、尺寸精度高等优点，是高精度成型的主要实现方式，被广泛应用在小尺寸高精度的产品生产。光固化的方式目前有激光扫描和数字光处理(digital light processing，dlp)成像两种方式。dlp成像方式原则上可以实现微米级极高精度的3d打印，其核心显示器件为数字微镜器件(digital micromirror device，dmd)。

2、当前的3d打印过程中有模型切片和打印切片两个关键步骤。在真实的3d打印应用中，理想模型切片图像和真实打印的切片图像总会存在一定的误差。如在dlp 3d打印技术中，3d打印机的dmd在进行投影时产生的光学畸变误差，经过实验测量，该误差主要体现在切片图像内外轮廓的边缘上，且针对切片图像的内外轮廓，也会存在不同大小的误差，从而造成成品与模型之间存在误差，影响实际打印精度。

技术实现思路

1、为解决上述背景技术中存在的问题，本发明提供了一种基于图像形态学运算的3d打印精度控制方法，具体包括以下步骤：

2、s1、采用切片软件处理三维模型，得到切片图像，取出第l层切片图像，基于所述切片图像获得轮廓图像，l为大于等于1的自然数；

3、s2、采用核矩阵对所述轮廓图像进行图像形态学运算，以对所述轮廓图像进行内径轮廓精度控制和外径轮廓精度控制，得到补偿后轮廓图像；所述内径轮廓精度控制为对每层切片轮廓图像封闭的内轮廓的尺寸精度的补偿，所述外径轮廓精度控制为对每层切片轮廓图像外围轮廓的尺寸精度的补偿；

4、s3、将所述补偿后轮廓图像通过图像的代数运算进行合并，得到补偿后切片图像；

5、s4、对所述补偿后切片图像进行图像处理，将处理后的补偿后切片图像发送至3d打印机打印；

6、循环上述步骤，直至将所述三维模型打印成型。

7、进一步地，所述s1基于所述切片图像获得轮廓图像具体包括以下步骤：

8、s101、提取所述切片图像的图像轮廓数据，基于所述图像轮廓数据构建轮廓层级树；

9、s102、根据所述轮廓层级树划分内外轮廓，并填充所述内外轮廓，获得轮廓图像。

10、进一步地，所述核矩阵的参数由机器学习算法生成，所述机器学习算法输入为打印误差特征，输出为当前核矩阵参数；

11、所述机器学习算法输入和输出的关系表示为：

12、

13、l表示所述切片图像的序号，i表示所述第l层切片图像包含的轮廓图像的序号，j表示求和遍历的序号；normal_contourl,i是第l层切片图像中的第i个标准的3d打印切片轮廓图像；γ∈(0,1]为折扣因子；是历史打印的折扣误差特征之和；kl,i为第l层中的第i个轮廓的核矩阵，kl,i＝{knm,anchor(x,y)}，knm是元素为0或1的布尔矩阵，anchor(x,y)为核矩阵的锚点位置，1≤x≤n,1≤y≤m；iterationsl,i是与kl,i核矩阵相对应的迭代次数，iterationsl,i∈z，z表示整数集，当iterationsl,i为负整数时表示腐蚀运算，iterationsl,i为正整数时表示膨胀运算，iterationsl,i为0时表示不做运算；迭代次数iterationsl,i＝n表示使用核矩阵进行abs(n)次循环运算，abs(·)表示取绝对值；layer_errorj表示第j层的打印误差；

14、所述计算打印误差特征的函数模型为：

15、

16、contour_numl表示第l层切片图像中总共包含的轮廓数，contour_errorl,j表示第l层切片图像中第j个轮廓的误差特征，其计算函数模型为：

17、contour_errorl,j＝g(normal_contourl,j,deform_contourl,j)

18、deform_contourl,j是第l层切片图像中第j个3d打印机打印的切片轮廓图像。

19、进一步地，所述步轮廓图像的补偿规则如下：

20、当iterationsl,i<0，所述轮廓图像的图像形态学运算表示为：

21、normal_contourl,iθ[kl,i,iterationsl,i]，

22、即对轮廓图像的补偿结果为：

23、

24、当iterationsl,i>0，所述轮廓图像的图像形态学运算表示为：

25、

26、即对轮廓图像的补偿结果为：

27、

28、当iterationsl,i＝0，所述轮廓图像不做运算，即对轮廓图像的补偿结果为其本身。

29、进一步地，所述历史打印误差特征保存于误差特征数据库中，所述误差特征数据库由每一次新打印的误差特征累积形成。

30、进一步地，所述补偿后轮廓图像根据轮廓合并函数merge(·)进行轮廓图像合并，compensated_layerl＝merge(compensate_contoursl,contour_hierarchy_treel)，

31、

32、其中or表示“或”，即采用“腐蚀”或“膨胀”运算，compensated_layerl为第l层的补偿后切片图像，compensated_contoursl为第l层切片图像的补偿后轮廓图像集合，contour_hierarchy_treel为第l层切片图像的轮廓层级树。

33、进一步地，所述merge(·)具体操作包括以下步骤：

34、s301、对第l层切片图像的轮廓层级树进行层次遍历，获取所述轮廓层级树中每层切片图像的层级序号；

35、s302、将每层补偿后轮廓图像进行图像的加法运算，合并为一张包含多个轮廓的层级轮廓图像，并按轮廓层级树的层级序号排序，所述轮廓层级树包含所有轮廓的层级关系，具体包括后一个轮廓、前一个轮廓、内嵌轮廓、父轮廓的索引序号；

36、s303、对层级轮廓图像进行图像的加减运算，实现多个层级轮廓图像合并为一张，获得补偿后切片图像。

37、进一步地，所述核矩阵的参数包括核矩阵大小、核矩阵元素值、核矩阵锚点位置。

38、进一步地，所述机器学习算法包括但不限于监督学习算法和强化学习算法，所述监督学习算法是采用深度神经网络架构的核矩阵进行优化训练，其中输入为误差特征数据，输出核矩阵，然后将核矩阵与核矩阵标签进行loss计算，利用反向传播对深度神经网络参数进行训练优化；所述强化学习算法输入为回报函数和误差特征数据，输出为核矩阵，通过核矩阵对切片图像形态学运算进行补偿，将补偿后的切片图像输入到3d打印机中，切片图像输出，补偿后的切片图像与切片图像输出进行误差计算得出误差特征数据，并送入回报函数，给出当前核矩阵的奖励值，并继续输入到下一时刻。

39、进一步地，所述图像处理方法为高斯平滑处理。

40、一种基于图像形态学运算的3d打印精度控制系统，包括：

41、切片模块，用于处理三维模型以得到切片图像，并基于所述切片图像获得轮廓图像；

42、图像处理模块，用于对所述轮廓图像进行图像形态学运算以得到补偿后轮廓图像，然后将所述补偿后轮廓图像合并得到补偿后切片图像，将所述补偿后切片图像进行图像处理；

43、3d打印模块，用于对处理后的补偿后切片图像进行打印。

44、一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，其特征在于，所述计算机程序可被至少一个处理器所执行，以使所述至少一个处理器执行如上所述的一种基于图像形态学运算的3d打印精度控制方法的步骤。。

45、相比现有技术，本发明的有益效果在于：

46、本发明采用图像形态学的运算对切片图像进行精度控制，可以有效的处理切片图像中的边缘轮廓像素点，并针对切片图像中轮廓边缘的误差进行补偿；同时通过对切片图像进行轮廓提取，构建轮廓层级树，可对切片图像中，每个轮廓(包含内外轮廓)进行不同程度的补偿。在实际的仿真实验和生产应用中，使用该精度控制方法，相比无任何补偿操作，可以很大程度上减少3d打印过程中，由于材料收缩、投影误差等原因造成成品与模型之间存在的误差，从而提高实际打印的精度。

47、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所指出的结构来实现和获得。