轮胎图像校正方法与流程

本发明涉及轮胎制造领域，并且更具体而言，涉及在生产过程期间或结束处的轮胎的视觉检查领域。

背景技术：

轮胎的视觉检查已经在轮胎工业中广泛地发展，并且仍然最常依赖于负责检测轮胎表面的任何可见缺陷的操作者的技能。现在，随着计算机装备的处理能力的提高，制造商开始看到自动执行这些检查工作的可能性。

为了这个目的，为了能够检测先前由操作者视觉检测的缺陷的随后的数字处理的目的，使用照明和数字成像的各种单元来采集轮胎的图像。

这些成像单元使得能够采取被检查的轮胎的内表面和/或外表面的图像的各种快照(在二维或者在三维中)。

为了检查该表面的整体，提供了机械单元，使得能够关于图像拍摄设备旋转地放置轮胎。例如，已知诸如轮胎被放置在其侧面上的板的单元。板被放置于旋转中以便允许对例如被检查的轮胎的胎圈部分的图像的采集。还已知轮胎引导系统，其包括被放置于旋转中的滚子(roller)。

现在已经发现，在这些成像技术期间，轮胎上不存在的缺陷出现在所采集的图像中，因此可能篡改检测结果，因为存在在轮胎固有的变形与在图像采集期间产生的变形之间的混淆的风险。

已经识别出了这些缺陷的若干可能的原因。一方面，驱动轮胎的旋转的机械系统能够产生不完美的旋转运动，从而导致轮胎与采集系统之间的偏移。另一方面，轮胎不是刚性对象，尤其是当其没有充气时，并且因此弯曲的缺陷可能在采集期间出现。

已经预期了改进用于轮胎的旋转引导的机器的机械特性的可能性，但是这种改进是非常昂贵的，并且此外，它们不能校正由未充气的外胎的移动而引起的缺陷。

因此，本发明的目的是提出一种可以校正由采集过程引起的所有前述缺陷的方法。

技术实现要素：

为此目的，本发明提出了一种紧接在采集之后并且在应用其他数字检测处理之前校正轮胎的图像的方法。

因此，本发明涉及一种校正表示轮胎的表面的图像的方法，包括以下步骤：

·在图像中检测存在于所述轮胎上的圆周标记，

·基于该标记并且针对所述图像的每条线，确定所述轮胎上的位置参考，

·针对所述图像的每条线，确定当前线上的参考位置与针对所述图像的所有线的参考位置的最小值之间的差异，并且

·通过该差异的值将所述线中的每条的像素径向偏移。

该校正方法能够有利地用于对在轮胎外胎的胎圈部分上采集的图像的校正。然而，其能够被实施用于轮胎外胎的侧壁的任何部分，只要其具有圆周标记。

实际上，在一个实施例中，以下是有用的：圆周标记是存在于轮胎的整个圆周上并且关于用于在采集被校正的图像期间支撑和旋转轮胎的设备的旋转轴居中的元件。

尽管本发明不限于对在外胎的侧壁上采集的图像的处理，但是其尤其有兴趣应用于此处，因为这些图像通常存在本申请的开始处提及的缺陷。

在一个实施例中，圆周标记具有落在包括以下项的组内的特定几何性质：突起、腔、宽度、深度、色调。

在一个有利的实施例中，检测步骤涉及实施轮廓滤波器的滤波步骤。优选地，选择Sobel滤波器，但是也能够利用其他轮廓滤波器，诸如Prewitt滤波器或Freeman滤波器。这些滤波器是本领域技术人员已知的，并且它们在本发明中的使用应当在下面详述。

在一个实施例中，检测步骤还包括以下步骤之中的一个或多个步骤：验证一致性的步骤，数据平滑步骤以及插值步骤。

实际上，应用本方法的图像具有在采集期间产生的缺陷是可能的。因此，执行图像的不同线之间的一致性的验证以验证图像连续性是有用的。在图像中存在异常值的情况下提供平滑步骤同样是有用的。提供插值步骤同样是有用的，以便在图像中发现一个或多个洞的情况下创建数据。

附图说明

本发明的其它目的和优点将从对由附图图示的优选但非限制性实施例的以下描述中清楚地出现，在附图中：

·图1示出了要通过使用根据本发明的方法校正的图像，

·图2示出了通过根据本发明的方法校正后的展平的图1的图像。

具体实施方式

图1示出了在轮胎外胎的胎圈部分上采集的图像1。区域10表示背景，区域11表示胎圈部分。该图像是在三维中采集的，但是根据本发明的方法也可以被应用于在二维中采集的图像。

在该图像中见到表示存在于该图像中表示的胎圈上的标记元件的纵向元件12。根据本发明的方法可以应用于具有这种圆周标记的任何图像，无论是定中心绳、滚花区域还是任何其它元件。

在当前情况下，标记元件是定中心绳，其厚度在十分之五到十分之六毫米之间，并且宽度在十分之七到一毫米之间，从而形成浮雕(relief)。注意到在图像中该定中心绳变形。该变形能够由图像采集系统引起，或者它可以是轮胎固有的。

根据本发明的方法的第一步骤在于在所采集的图像上检测该圆周标记。为此目的，将圆周标记视为轮廓，并且因此将搜索具有在圆周方向上取向的直线形式和轴向取向的图像的轮廓。

可以有利地借助数字图像处理算法来进行对轮廓的搜索。这些算法基于以下观察：当从一个图像对象移动到另一个时，光或颜色的强度水平以显著的方式变化。因此，将搜索其周围存在从亮到暗的快速变化并且最可能对应于轮廓以及这些轮廓的取向的图像点。

在数学术语中，两个变量的函数的梯度(在当前情况下，作为图像坐标的函数的灰度或颜色的强度)是维度2的向量，其坐标是在轴向和圆周方向上的导数。在每个点或像素处，梯度指向强度的最强变化的方向，并且其长度表示该方向上的变化率。在轮廓的区中，梯度从较暗的强度到最亮的强度跨轮廓。

在最流行的算法之中，将选择使用滤波器，其是矩阵算子，其目的是在被认为是数值矩阵的图像与自身同样呈现为矩阵的卷积掩码或滤波器之间执行卷积。

虽然所有的算法都是合适的，但是看起来Sobel算法是具有最大优点的算法，因为其相对容易实施，并且其能够克服实质噪声水平，这考虑形成两个元件之间的边界的迹线的低对比度而在当前情况下是特别令人感兴趣的。

例如利用Sobel滤波器的滤波使得能够检测图像上的值的峰，这些峰对应于特定标记。在进行校正之前，并且如前所述，执行若干图像校正步骤，诸如一致性处理、平滑或插值有时是有用的。

因此，为了验证线之间的一致性，向图像应用具有在垂直方向上取向的矩形形状的结构元件(例如优选具有5像素的宽度和20像素的高度的矩形结构元件)的膨胀型形态滤波器。该滤波器使得能够在对象对齐或垂直地非常靠近(例如，间隔开小于约5像素左右)的情况下，链接垂直对齐的元件，并且替换小于20像素长度的缺失值。

在从该处理中形成若干对象的情况下，执行异常值的过滤，其在于选择连接到图像的开始和结束并且缺省地为第一个的对象。

在这些校正步骤之后，针对图像的每条线确定轮胎上的位置参考。在一个特定范例中，该位置参考例如对应于线上的标记元件的最小值与图像的左边缘之间的距离。

然后确定当前线上的参考位置与图像的所有线的参考位置的最小值之间的差异。出于若干原因，选择使用最小值。一方面，这使得能够具有始终为正的差异，并且因此简化了以下步骤的实施。另一方面，已经发现，如果例如使用平均值，则该值可能受到图像中的大缺陷的影响，这因此将具有对所有线的校正的影响。

此外，已经发现，使用最小值而不是最大值更容易，因为在最大值的方向上的偏移将导致图像的部分的损失，这然后会需要图像的重新调节。这将使图像处理更复杂和更慢。

根据本发明的方法中的最后步骤因此在于将图像的像素中的每个径向偏移针对像素所属的线的相应差异值。因此，在图2中注意到，在实施根据本发明的方法之后，在图1中变形的标记元件13现在已经被校正并且因此是直线的。

因此，这种方法的实施能够提供良好质量的图像，能够在良好条件下对其应用其他处理。因此将能够：

-将图像划分成能够在其上执行特定处理的若干矩形区域，使得能够简化计算操作并减少处理时间，

-简化调节和变形的操作，以便将图像与其他采集进行比较，

-检测橡胶边缘上出现的橡胶毛刺或特定轮胎缺陷。

应当注意，当先前已经在良好的条件下执行了对被校正的图像的采集时，本发明证明是特别有效的。因此，将优选地选择在三维中采集，这对于检测浮雕中的标记更有效。

在采集在二维中的情况下，要确保利用侧面照明，并考虑侧壁的曲率，以便有效地检测浮雕中的标记。对于纵向标记，能够使用水平取向的侧面照明。对于彩色的标记，将使用标记的颜色的照明，这使得这能够在利用黑白相机进行采集的情况下强烈地呈现出来。

与现有技术相比，本发明是非常有利的，其中，其避免了修改用于执行采集的机器的机构的需要，因为之后可以校正由该机器引起的缺陷。