一种应用于手机外壳表面粗糙度的检测方法技术领域
本发明涉及计算机视觉的图像处理领域，特别涉及一种应用于手机外壳表面粗糙
度的检测方法。
背景技术
本发明方法涉及到计算机视觉的图像处理，特别是图像基本处理这一部分，用工
业CCD相机来检测光切法显微镜所得到的表面粗糙度曲线，从而得到表面粗糙度等级。
与本发明最相近的方法有姚松丽[1]等人针对手机外壳表面的粗糙度检测提出了
一种基于机器视觉的表面粗糙度检测系统，运用图像处理技术从光切显微图像中提取表面
轮廓信号计算粗糙度评定参数。
引用文献：
[1]姚松丽、司剑勋、任宏利等.基于机器视觉的表面粗糙度检测系统设计[J].工
业控制计算机.2015，28(6)：71-72.
[2]刘斌，冯其波，匡萃方.表面粗糙度测量方法综述[J].光学仪器，2004，26(5)：
54-55.
[3]苑惠娟等.非接触式表面粗糙度测量仪[J]哈尔滨科学技术大学学报，1995，19
(6)：30-34.
发明内容
目前现有的粗糙度技术分为接触式测量和非接触式测量，接触式测量主要是触针
法，直接接触被测表面，测量比较稳定，接触式测量存在很大的缺陷，具体表现在：①对高精
度表面及软质金属表面有划伤破坏作用；②受触针尖端圆弧半径的限制，其测量精度有限；
③因触针磨损及测量速度的限制，无法实现在线实时测量。针对这个问题，本发明针对手机
外壳表面粗糙度的检测，首先使用CCD工业摄像机和非接触时式的光切法显微镜提取工件
表面图像，然后对表面图像进行缩放、灰度化、二值化、中值滤波、自适应的边缘检测等一系
列的图像处理工作，实现自动的粗糙度检测的在线实时测量，解决了这一问题。
本发明提出一种应用于手机外壳表面粗糙度的检测方法，首先对手机外壳表面区
域划分采样，然后对采样后的图像进行预处理，用中值滤波减少噪声对图像的干扰，最后根
据自适应边缘检测Canny方法来进行边缘检测，提取波峰和波谷的像素点行距平均差值，进
行曲线拟合和权值修正，得到表面粗糙度等级。
进一步的，所述预处理包括进行缩放、灰度化、二值化的步骤。
进一步的，所述自适应边缘检测Canny方法包括以下步骤：
用高斯滤波器平滑图像；
用一阶偏导的有限差分来计算梯度的幅值和方向；
对梯度幅值应用非极大值抑制；
用双阙值算法检测和链接边缘。
进一步的，采集图像的硬件设备为光切法显微镜和CCD工业摄像机。
进一步的，手机外壳表面粗糙度范围设为6.3-0.8。
附图说明
图1为粗糙度检测方法流程框图；
图2A为手机样本划分区域图；
图2B为粗糙度为6.3、3.2、1.6、0.8的样本采样结果曲线图；
图3为灰度化结果图；
图4为二值化结果图；
图5为中值滤波后图；
图6为边缘检测结果图；
图7A为6.3粗糙度检测结果图；
图7B为3.2粗糙度检测结果图；
图7C为1.6粗糙度检测结果图；
图7D为0.8粗糙度检测结果图。
具体实施方式
以下结合附图对本发明进行详细说明：
一种应用于手机外壳表面粗糙度的检测方法，首先对手机外壳表面区域划分采
样，然后对采样后的图像进行预处理，用中值滤波减少噪声对图像的干扰，最后根据自适应
边缘检测Canny方法来进行边缘检测，提取波峰和波谷的像素点行距平均差值，进行曲线拟
合和权值修正，得到表面粗糙度等级。图1是手机外壳粗糙度检测方法流程框图。主要包括
划分区域采样、图像预处理、灰度化、二值化、中值滤波等七个方面。
区域采样：由于采集图像的硬件设备为光切法显微镜和CCD工业摄像机，为了测量
的表面粗糙度的结果更为精确，进行在手机外壳表面进行多次采样，针对多次采样的图像
进行后续处理，减少实验的误差。划分区域后如图2A所示。这里用14倍物镜，粗糙度为6.3、
3.2、1.6、0.8的为例，进行采样后的图片如图2B所示。
图像预处理：光切法显微镜有四个物镜，分别是7倍、14倍、30倍、60倍。在光切机的
CCD图片拍摄软件中拍的图片格式为2048*1536的，由于图片比较大，在处理测试的过程中，
用opencv中缩小图片的规格，统一缩小至800*600的标准图片。在图像缩放的时首先需要计
算缩放后图像的大小，设newWidth，newHeight为缩放后的图像的宽和高，width，height为
原图像的宽度和高度，K为缩放比例那么有：
newWidth＝K*width
newHeight＝K*height (1)
图像灰度化：彩色图像包含着大量的颜色信息，对系统的存储与处理能力要求比
较高，且不利于表面粗糙度的计算。而由彩色图像转换为灰度图像的过程就叫做图像的灰
度化处理。灰度图是只含亮度信息不含色彩信息的图像，虽然省略了彩色图像的信息，但是
其他方面的信息却得到了放大，图像灰度值用如公式(2)表示：
F＝0.3R+0.59G+0.11B (2)
其中R、G、B分别为位置像素多对应的彩色信息值，F为图片对应位置像素的灰度
值。通过将彩色图像转为灰度图像，从而提高了整幅图像的对比度，原来观察不到的一些图
像细节可能突出了。灰度化后图像如图3所示。
图像二值化：对应五级灰度图，二值化处理是一种灰度处理算法，对于给定的阈
值，程序将灰度大于给定阈值的点变成白点，另外的点变为黑点，经处理后图像变为只有黑
白二色的二值图像。对于二值化的定义如下：
然而尽管由于光线的不同，颜色分布不一定完全相同，但基本上我们的敏感区域
二值化后则认为该点像素置为白色。这样处理后的二值化图像如图4所示。
中值滤波：中值滤波SM(Standard Median Filter)是一种具有较少边缘模糊的非
线性滤波方法，不仅能够去除或者减少随机噪声和脉冲干扰，还能较好地保留图像边缘信
息。这种算法主要依赖于快速排序算法，其基本思想是在要排序的元素集合中任意选取一
个元素并将它与其他元素进行比较，将所有比这个元素小的元素都放在它之前，将所有比
它大的元素放在它之后；经过一次排序之后，可按该元素所在的位置分界，将集合分成2个
部分；然后对剩下的2个部分重复上述过程进行排序，直到每一部分只剩下一个元素为止；
当所有排序完成后，取排序后的集合中位于中间位置的元素的值(即所谓的中值)作为输出
值。传统中值滤波可以定义为：
g(x，y)＝med{f(xi，yj)}(i，j)∈M (4)
其中g(x，y)为中值滤波输出，f(xi，yj)为图像的像素(xi，yj)的灰度值，M为模板窗
口。在中值滤波前先用一次膨胀操作可以把缺陷的信息更加明显，如图5所示。
边缘检测：Canny边缘检测算子其实质是用1个准高斯函数作平滑运算，然后以带
方向的一阶微分算子定位导数最大值，根据变分方法得到高斯模板导数逼近，在理论上很
接近4个指数函数线性组合形成的最佳边缘算子，采用高斯函数对图像作平滑处理，因此具
有较强的去噪能力。Canny算子的具体步骤为
(1)用高斯滤波器平滑图像；
(2)用一阶偏导的有限差分来计算梯度的幅值和方向；
(3)对梯度幅值应用非极大值抑制；
(4)用双阙值算法检测和链接边缘。
根据上述中值滤波后的结果，用Canny算子检测后的边缘检测结果如图6所示。
曲线拟合和权值修正：经过一系列的滤波和形态学运算后，我们已经提取出最终
的曲线图。由于曲线图是由CCD摄像机采样得到的，难免会有曲线倾斜的现象，这样会造成
比较大的误差。在这里先采用最小二乘法拟合曲线，然后根据得到的拟曲线来进行数据修
正，使得曲线图在同一水平线上，保证精度，减小实验的误差。利用最小二乘法可以简便地
求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘
法的公式如下：
在使用最小二乘法拟合曲线进行修正后，我们要对曲线图提取5个波峰值和5个波
谷值，从而得到一个手机外壳表面平均高度Rz。最后由于在测量过程难免会有一些测量上
的误差，所以最后要对最后的结果进行一个轻微的权值修正，减小检测过程造成的误差。由
于是采样了若干张图片，对于一个数据群来说，我们可以得到比较多的数据，从多个手机外
壳表面平均高度Rz先去除几个极高值和几个极低值，设置一个自适应的权值来修订最后的
结果参数，减小检测误差。
应用到手机外壳表面粗糙度的检测中，对于最好的技术来说，不能达到在线的实
时监测，往往要浪费大量的人力和物力去实现人工检测，这样对自动检测有着极大的不便。
而本发明在原有的技术基础上，首先对手机外壳表面进行区域的取样若干张，对保存后的
图像进行缩放减小计算量，灰度化和二值化的图像处理基础上加上中值滤波和边缘检测，
减少CCD相机提取图像时造成的噪声干扰，最后通过曲线拟合和偏差权重修正，得到较为准
确的表面粗糙度的数值。
根据手机外壳在自动打磨抛光的过程中有几个过程会造成不同的粗糙度，针对这
几种情况，将不同过程手机外壳分为四种粗糙度的等级，分别是6.3，3.2，1.6，0.8粗糙度的
检测情况分别如附图7A-7D所示。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的
限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，
均应为等效的置换方式，都包含在本发明的保护范围之内。