一种应用于塑料材料的高速拉伸实验的视频引伸计的制作方法

本发明涉及视频引伸计，特别是针对应用于塑料材料的高速拉伸实验的图像处理算法，属于数字图像处理领域。运用图像处理技术对原始图片进行预处理，去除噪点；应用边缘检测算子对图像进行处理，检测出图像的边缘点数据并进行数据处理，从而获得物体的几何参数；从而获得物体的几何参数；

背景技术：

引伸计是用于测量试件标距间轴向及径向变形的基本装置。传统的测量拉伸变形的方法是在被测材料上贴应变片或夹持引伸计，用以测量试件在载荷作用下的应变量。这是一种接触式测量方法，用于测量精度要求不高、变形速率较慢的材料的小变形时，能达到较好的效果。然而对于拉伸变形大的塑料材料来说，拉伸变形过程中接触式引伸计的重量和夹持方法会影响试验结果和断裂点，接触式的刀口引伸计与塑料试件之间的摩擦会产生相对运动，从而导致较大的测量误差。这种测量方法并不可取。

视频引伸计就是视觉图像测量技术在力学领域应用的典型代表。它以计算机视觉为基础，运用图形图像学、图像分析、模式识别、数据压缩、数据结构、计算机图像显示等一系列专业知识实现对试件轴向和径向的应变测量。这是一种典型的非接触式应变测量方法，它具有工作效率高、工作距离大、测量精度高、数据处理灵活、图像再现性好、不受测量环境限制等优点，能够对一些难以测量的材料(如大变形的塑料材料)通过数字图像相关测量方法得到精确的材料性能，为塑料的力学性能研究奠定了基础。

技术实现要素：

本发明针对塑料材料在高速动态拉伸环境下的大应变测试，提出一种利用CMOS作为图像传感器、基于数字图像处理技术的视频引伸计，可以有效地去除噪点对于图像的影响，达到良好的图像分割效果，提高物体特征边缘的准确性，强化图像边缘清晰度，实现目标的精定位，从而实现塑料材料应变性能的高精度测量。

根据本发明的视频引伸计，包括试件标记系统、图像采集系统、图像处理系统和数据分析系统；其中试件标记系统具有丝印设备，对试件进行自动喷墨标记。图像采集系统具有用于发射照明光线的光源，以及图像获取探头和镜头。图像处理系统包括数据分析模块以及图像处理算法，其中图像处理算法包括预处理、图像分割、边缘检测以及亚像素定位。

此外，在根据本发明的试件标记系统中，标记时丝印装置通过刮板的挤压使油墨通过标记形状孔转印到试件上，形状清晰一直，可在延伸期间保持清晰且规则的标记特征，有利于特征提取。

此外，在根据本发明的试件标记系统中，丝印装置可针对材料的颜色选择与其颜色较大反差的颜色，利于摄像图像的精确定位。

此外，在根据本发明的试件标记系统中，丝印装置可根据材料拉伸过程中的变形量，选择标距的长度以及标记特征的形状(如直线、圆点、十字架形等)。

此外，在根据本发明的图像采集系统中，光源是LED发光二极管，并且该LED发光二极管可根据精度要求、实用性等配置成不同形状和不同颜色，光源照射方向选择前向照明方式。

此外，在根据本发明的图像采集系统中，图像获取探头选取CMOS图像传感器，不需图像采集卡，使用1394接口与计算机相连配合使用。

此外，在根据本发明的图像采集系统中，镜头优先考虑镜头畸变因素，采用定焦镜头。

此外，在根据本发明的图像处理系统中，图像处理算法包括以下步骤：

步骤一、原始彩色图像灰度化处理：

本例中照明系统采用红色LED光源，直接用彩色图像的红色色彩成分来表示，采用R分量进行灰度化处理。

g(x，y)＝T[f(x，y)] (公式1)

其中，f(x，y)是指输人的彩色图像；g(x，y)是指通过变换处理后输出的灰度图像；而T是代表加在输人图像域上的操作算子。

步骤二、中值滤波；

选用滤波窗口内所有像素的中值来代替中心像素的值，有效地去除孤立的斑点噪声(如脉冲噪声、椒盐噪声等)和线段的干扰，而且能较好地保留图像边缘细节。

g(x，y)＝Med{f(x-k，y-1)，k，1∈S}(公式2)

原始图像为f(x，y)，处理后的图像为g(x，y)，S为选定窗口大小。

步骤三、图像分割；

为了提取出目标特征的信息，本文针对塑料材料拉伸的特定实验场合，提出了一种新的阈值分割方法该方法的工作原理。

通过Hough变换提取拉伸试验中第一帧图片上的圆形标记的中心坐标位置以及半径，对于第一帧以后的图片序列，则依据前一帧图片的圆形标记位置确定大概的目标处理区域；

阈值分割处理后的图像中，目标内部可能存在某些均匀区域被剔除，使目标区域产生断裂，或者目标周围存在噪，不利于目标提取。本发明利用数学形态学方法，对分区后的特征图选用半径为2像素的圆盘结构元进行闭运算，使目标区域成为连通区域，利用MATLAB中imfill函数将目标区域填充，然后利用bwareaopen函数去除孤立的小点。

步骤四、边缘检测；

考虑应变测量系统所需提取的目标为圆，并且目标边缘周围仍然存在很多干扰信息，导致目标定位困难。本发明对上步骤处理后的图像进行Hough变换，提取目标特征点的初始位置；再基于局部的Canny算法对两区域进行边缘检测处理，从而确定特征点的中心坐标；

整个工作流程的关键问题其实是动态图像处理区域S1、S2的确定问题。S1、S2的选取，既要保证完全包含特征点信息，又不能太大，因为太大的话，运算量大而且噪声多，不利于特征的提取。因此在确定S1、S2时，有必要对特征点移动速度进行估算。

假设高速拉伸试验中：拉伸方向为单向的，拉伸试件上特征点的直径为1mm，标距为10mm，摄像机拍摄频率≥1000fps/s，试验机拉伸速度为3m/s。由这些数据可知，特征点的移动速度≤0.003mm/fps，由此可见，相邻两帧图片上，特征点的位移量非常微小。因此，在确定图像处理区域S1、S2时，可以把前一帧中特征点所在的大致区域当做后一帧图片的图像处理区域。

步骤五、亚像素定位算法；

基于二次多项式的亚像素边缘定位方法，首先运用3.3节中所述的边缘检测算法将目标边缘精确定位到一个像素精度；接着使用Sobel算子对原始灰度图像f(i，j)求其梯度图像R(i，j)。

对于已确定的边缘点(m，n)，在梯度图像R(i，j)的X方向上取三点R(m-1，n)、R(m，n)、R(m+1，n)，以这三个点的梯度赋值作为函数值，m-1、m、m+1为插值基点，代入二次多项式插值函数；

φ(x)，并令

同理，在Y方向上取三点R(m-1，n)、R(m，n)、R(m+1，n)进行相同的操作，经推导可得亚像素边缘坐标(x，y)。

亚像素定位后得到的边缘点是离散的坐标数据点，并不能组成封闭的边界将目标显现出来。为了得到高精度的特征点中心位置，本文对亚像素处理得到的边缘进行拟合。考虑到本文要提取的初始特征为圆，变形后该点为近似椭圆的特征，因此，采用椭圆拟合算法对亚像素边界进行拟合。

此外，在根据本发明的数据分析系统中，数据分析模块包括对图像采集数据的分析，提取拉伸位移变化量，与其他载荷数据进行曲线拟合，其中拟合分析部分基于MATLAB数学模块。

本发明与现有技术相比较具有如下显而易见的突出实质性特点和显著优点：

(1)本发明提出基于丝印的自动标记方法，相比以往使用标记笔标记，前者墨层均匀且厚、遮盖力强、标记规则、定位精度高，对于大变量的应变测试中在延伸期间前者可保持清晰且规则的标记特征，便于特征的提取。

(2)本发明基于R通道的灰度化算法，并提出了中值滤波与形态学处理相结合的去噪方法，改善了运算速度，也增强了图像分割的准确性；

(3)本发明提出了基于局部阈值分割及特征区域跟踪的阈值分割方法，达到很好的分割效果。

(4)本发明将Hough变换与Canny算法巧妙结合，提出了基于Canny及特征区域跟踪的边缘检测算法，解决了视频应变测量系统中随着试件延伸量不断增大、标记特征与背景的对比度越来越小，而导致目标难以提取的问题；

(5)本发明运用Matlab编程实现了基于二次多项式插值的亚像素定位，定位效果良好；针对亚像素边缘为离散边界这一问题，本文提出了基于椭圆拟合的特征点中心定位方法。

附图说明

图1为视频引伸计系统结构；

图2为测量系统工作流程；

图3为红色LED光源结构图；

图4为试件尺寸与标记后试件；

图5为图像处理算法的工作流程图；

图6为图像处理算法中预处理的灰度化图像以及二值化图像；

图7为图像处理算法中对图像进行噪声处理；

图8为图像处理算法中的新阈值分割方法的工作原理；

图9为图像处理算法中对图像进行阈值分割；

图10为图像处理算法中图像分割后对图像进行的形态学处理图；

图11为图像处理算法中新的目标特征边缘提取算法流程图；

图12为图像处理算法中边缘处理的第一帧图片的Hough处理图；

图13为图像处理算法中边缘处理的第二帧图片的边缘检测；

图14为图像处理算法中亚像素定位算法工作流程；

图15为图像处理算法中亚像素边缘检测图；

图16为数据处理后拟合的应力应变曲线；

具体实施方式

下面结合附图对本发明的实施例作详细说明。本实施例在本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于以下的实施例。

本发明视频引伸计系统结构如图1，具体工作过程为：首先在试样上标记出测量的上下限。然后用外部光源照亮被测试件，将被测试件上的标记成像到图像传感器上。当试件变形时，上下标记相对位置发生变化，图像传感器的成像也相应发生变化，通过图像采集卡将不同时刻采集到的数字图像存储到计算机中，利用图像处理技术对比前后图像中标记的位置变化便可计算出试件的变形大小，如图2所示。

本实施例采用自行研制的一款红色LED条形光源，条形光源尺寸：15cm×5cm，照明采用40个功率为1W的红色发光二极管，以矩阵形式分两排密排在印刷电路板上，如图3。

本实施例标记特征采用圆点，标记颜色选择红色，试件采用德国标准化学会Din 53504-1994规定的塑料拉伸实验标准，试件材料为PP试件尺寸及标记后特征如图4。

如图5所示，本实施例的算法流程分为图像预处理(主要为灰度化处理与噪声处理)、图像分割(阈值分割与形态学处理)、边缘提取(Hough变换与Canny运算)、亚像素定位四个主要部分。

根据摄像后的原图进行图像处理，具体包括如下步骤：

步骤一：预处理。本示例对输入的一幅红光LED光源照射下的哑铃状材料彩色图像，如图6(a)。本发明方法对于其他彩色图像及灰度化图像同样适用。首先对原彩色图像进行灰度化处理，本示例是基于R分量进行处理。方法是将彩色图像中的三分量亮度的最大值(红色)作为灰度值，处理结果如图6(b)。接着对灰度化图像进行二值化处理，通过算法OTSU将256个亮度等级的灰度图像通过适当的阈值选取而获得整体和局部特征的二值化图像，如图6(c)。最后采用5×5模板的方形滤波窗口对图像进行平滑处理，如图7(a、b、c)；

步骤二：图像分割。完成步骤一操作后，可以获得灰度化和滤波后的二值化图像。对其进行图像图像分割，本发明公开了一种新阈值分割方法，工作流程如图8。首先，通过Hough变换提取拉伸试验中第一帧图片上的圆形标记的中心坐标位置以及半径，以上、下标记点圆心为中心分别选取的包含特征的矩形区域作为两圆形标记所在的初始区域S1、S2(S1、S2的确定将在步骤四详细说明)，对于第一帧以后的图片序列，则依据前一帧图片的圆形标记位置确定大概的目标处理区域；然后，对标记所在区域S1、S2分别运用OTSU方法进行阈值分割，并将灰度图片中除S1、S2以外的区域全部变成黑色，如图9(b)；接着利用数学形态学方法，对分区后的特征图选用半径为2像素的圆盘结构元进行闭运算，使目标区域成为连通区域，利用imfill函数将目标区域填充，然后利用bwareaopen函数去除孤立的小点。处理结果如图10(b、d)所示。

步骤三：边缘检测。本发明针对拉伸试件上的标记点的形状变化越来越大，而标记点与背景的对比度越来越小的问题，提出了一种新的边缘定位技术，工作流程如图11。首先，运用Hough对拉伸图片集中的第一帧图片进行处理，提取目标特征点的初始位置，如图12；以两目标点中心位置为依据，分别确定出第一帧图片中包含特征点的两个子区域S1、S2；以S1，S2作为第一帧图片的图像处理区域，对于第一帧以后的图片序列，则以前一帧图片的圆形标记位置确定大概的目标处理区域；运用基于局部的Canny算法分别对S1，S2区域进行边缘检测处理，提取出包含在子区域S1、S2中特征点的中心坐标，图13为实施例第二帧图片的边缘检测。

步骤四：亚像素定位。基本流程如图14。运用Matlab编程实现亚像素的边缘定位，并采用椭圆拟合算法对亚像素边界进行拟合，如图15(b、c)。

将数据导入数据库，基于MATLAB最小二乘法对数据进行拟合，得到拉伸的应力应变曲线，如图16。

本发明未详细阐述部分属于本领域技术人员的公知技术。

以上所述仅为本发明的实例，并非因此限制本发明的专利范围，凡是利用本发明说明书内容所作的的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。