微細電極的制備是微細電解、電火花加工過程中不可或缺的，微電極的尺寸及形位精度將嚴重影響到加工質量，對制備的微電極必須檢測合格才能使用。傳統(tǒng)的人工檢測費時費力，隨著對電極需求量的增大，人工檢測的壓力也逐漸增大，因此開發(fā)設計基于圖像檢測的微電極自動檢測的系統(tǒng)很有必要。

由于國外歐美制造技術，計算機技術以及自動控制技術的發(fā)展，國外檢測技術也得到快速進步。圖像檢測在醫(yī)學及遙感領域都得到了廣泛應用，在產(chǎn)業(yè)領域中，數(shù)字圖像測量主要有以下幾個方面：外觀檢查和篩選、視覺跟蹤、表面缺陷的自動檢查、工業(yè)材料的質量檢驗。國外在上述領域中的研究大部分是通過生產(chǎn)數(shù)字圖像處理儀器的公司贊助的。隨著研究的深入，目前已經(jīng)擴展到化工、鋼鐵等一般制造業(yè)。霍莫爾的AMV923是圖像檢測的代表，它能根據(jù)CCD獲得的零件圖像檢測零件的形狀誤差，速度快、精度高。

我國的圖像測量從上世紀70年代末80年代初開始發(fā)展，90年代以來，隨著圖像捕獲、計算機性能的發(fā)展，我國在圖像測量領域的研究進入一個新的階段。哈爾濱工業(yè)大學研制的圖像式萬工顯微鏡系統(tǒng)，實現(xiàn)了對目標對象輪廓的自動掃描定位，對小尺寸零件可直接測量如厚度、孔徑直徑等參數(shù)。圖像測量技術在很大程度上解放了勞動力，提高了自動化生產(chǎn)水平，應用前景非常廣闊。在國外，圖像測量技術已廣泛應用到生產(chǎn)生活中，我國起步較晚，雖已取得了一定進展，但仍需廣大科研人員一起努力來提高我國圖像測量檢測技術的發(fā)展水平。

本文基于數(shù)字圖像處理的理論基礎，以Windows操作系統(tǒng)為開發(fā)平臺，MATLAB作為編程工具，設計微電極的自動檢測系統(tǒng)，實現(xiàn)讀入電子顯微鏡下原始圖片，通過一系列處理輸出直徑尺寸與同軸度誤差。本文的主要研究內(nèi)容如下：

以電化學腐蝕法制備的圓柱型和球頭兩種不同的微電極為實驗對象，用電子顯微鏡獲取微電極的原始圖片，將其進行灰度化，濾波去噪，圖像二值化，形態(tài)學處理等初級的圖像預處理后，提取邊緣輪廓。通過計算得到微電極前端有效部分直徑的尺寸，并對其同軸度誤差進行檢測，實現(xiàn)了微電極直徑尺寸及同軸度誤差的自動檢測，同時也為同類零件提供了自動檢測方法。

1系統(tǒng)構成及檢測原理

基于微細電極實驗室的實際情況，微電極檢測系統(tǒng)的成功開發(fā)可以實現(xiàn)一定精度范圍內(nèi)電極相關尺寸的精確檢測。

實驗室使用放大倍數(shù)達160倍的尼康體式顯微鏡SMZ1270獲得微電極的俯視圖，本系統(tǒng)讀取電極圖片后，處理圖片并獲取尺寸數(shù)據(jù)。系統(tǒng)的開發(fā)過程可大致分為三部分：

①對圖片先做必要的圖像處理：灰度化、二值化、中值濾波、形態(tài)學處理、去除大片背景噪聲。

圖像處理的目的是獲得清晰的電極邊緣特征，便于圖像分割處理。

②分割圖像，提取電極輪廓特征，便于后續(xù)測量。

③測量微電極直徑尺寸，采用多種方法測量微電極同軸度誤差，和人工測量值比較后，選取誤差最小的算法置入系統(tǒng)。

工作流程如圖1所示。

2圖像處理

2.1灰度化處理

圖像處理的第一步灰度化可以在保留圖像的邊緣特征的基礎上，大大減小系統(tǒng)的計算量，從而減少運行時間。科學表明，人的眼睛對綠色的敏感比紅色、藍色高，而藍色則相對最低，因此在灰度化過程中，系統(tǒng)對R、G、B三個分量按照眼睛敏感度的大小分配不同的權重。實驗表明，下式中的各系數(shù)對R、G、B三個分量進行權重分配即可得到效果良好的灰度圖像：

W1R=W2G=W3B=0.3R+0.59G+0.11B

灰度化處理后，使用mat2gray函數(shù)將像素亮度值歸一化。按上式處理后得到的灰度化后的圖片如圖2所示。

2.2二值化處理

由于系統(tǒng)僅處理電極部分，圖像的背景需要和電極有明顯的區(qū)分，二值化處理可使圖像呈現(xiàn)出黑白分明的效果。通過對閾值的適當選取，多灰度級的彩色圖像轉換為二灰度圖像，在保留圖像整體和局部特征的基礎上，大大簡化了后續(xù)處理的工作量。

閾值的選取決定了二值化處理的效果，是后續(xù)一系列圖像處理的基礎。在MATLAB中有專門的二值化處理函數(shù)im2bw，它將在未設定閾值時自動選擇一閾值進行二值化。但應用到圖像中的效果如圖3所示。

可觀察到電極內(nèi)部有嚴重丟失，效果很不理想。因此，本系統(tǒng)采取了一套自適應閾值選取的算法，其原理如下：

觀察待處理電極圖片后可知背景色占據(jù)了整個圖像的大部分，電極顏色與背景顏色有較明顯的不同。根據(jù)圖像的特點，本文二值化處理依據(jù)如下式：

|I(x,y)-μ|≤w×σ

上式確定了圖像背景灰度的范圍：I(x,y)為待處理圖像，系統(tǒng)求得圖像灰度的均值μ、圖像灰度標準差σ并確定適當?shù)谋尘懊娣e加權w(即背景面積對圖像的權重：

W=S背景面積/S圖像面積

根據(jù)電極圖像特征及多次實驗，本文取w值為0.75)，若每點的灰度值與均值的差的絕對值小于加權標準差，則將這一點劃為背景范圍內(nèi)，像素置1，不在此范圍內(nèi)的像素則置0。此法可根據(jù)不同圖像的情況自動確定背景色范圍，適用范圍較廣。

使用本系統(tǒng)方法進行二值化處理后的圖像如圖4。

最終圖像的像素點全部被置為0或1，成為了一幅二值圖像?？煽闯鱿噍^于MATLAB的內(nèi)置函數(shù)來說，此法處理后的電極圖像較好地保存了其邊緣特征，電極和背景也得到了有效的區(qū)分。但是電極內(nèi)部與背景色灰度相近的像素沒有得到有效處理，導致電極內(nèi)部有小面積“空洞”。此外，在背景中存在著少量噪點，影響對輪廓的提取。因此，為去除噪點并使得電極內(nèi)部完全被填充，系統(tǒng)需要進一步處理已經(jīng)得到的二值圖像。

2.3后續(xù)處理

得到二值圖像后，MATLAB可用medfilt2函數(shù)對圖像進行中值濾波，本文選用3×3鄰域并進行中值濾波兩次，效果如圖5。

經(jīng)過中值濾波后，孤立噪點被有效去除，但電極內(nèi)部區(qū)域仍然存在的大量“空洞”和背景中的大片噪聲，可使用腐蝕、膨脹等形態(tài)學處理來將其去除。

系統(tǒng)構造r=3的圓盤區(qū)域作為結構元素，對該圖進行腐蝕操作，黑點附近圓盤范圍內(nèi)的區(qū)域將被腐蝕為黑色，腐蝕后使用bwareaopen函數(shù)刪除電極內(nèi)部的小面積空洞，再將圖片黑白轉置，再次使用bwareaopen函數(shù)去除背景中的小面積噪聲。此時系統(tǒng)再次使用r=3的圓形結構元素對電極圖片進行膨脹，消除腐蝕操作帶來的影響。

效果圖如圖6所示。

在經(jīng)過上述處理后，如果圖像中的電極已和背景有了較好的二值區(qū)分，可以進行輪廓的提取工作。

2.4基于連通域的大片噪聲處理

在經(jīng)過上述處理之后，大部分電極圖片的噪聲都被去除，可以進行輪廓提取工作，但少部分圖片的背景中依然存在大片噪聲。使用bwlabel函數(shù)標注圖像中的連通域，再用regionprops函數(shù)計算出各連通域的周長，系統(tǒng)檢測整幅圖片后在各個連通域的中間以紅色標號。處理好后，操作者在GUI中選擇需要保留的電極部分，系統(tǒng)就會自動刪除剩余的噪聲部分(圖7)。經(jīng)過噪聲處理，電極圖像的處理工作全部完成，系統(tǒng)可提取電極輪廓。

2.5輪廓提取

電極的輪廓包含著電極的尺寸及形位誤差等重要電極特征信息，且處理輪廓部分計算量小，操作易行，因此系統(tǒng)需要提取出圖像的完整邊緣特征。系統(tǒng)對處理后的二值圖像進行處理，其中包含輪廓信息的像素被置1，不包含輪廓信息的像素，如圖像背景及電極內(nèi)部，則置為0。本文設計了提取邊緣特征的8鄰域算法，算法思路如下：每一像素點周圍的3×3鄰域稱之為8鄰域，對于一個電極中的點來說，如果此點為邊緣部分，那么它的8鄰域中必定有至少一點值不為0；如果此點位于電極內(nèi)部，那么它的8鄰域中的像素則全部為0。系統(tǒng)程序檢測每一值為0的像素的8鄰域，若8鄰域中的8個像素都為0，則可判斷此點在電極內(nèi)部，該點值不變；若8鄰域中不是所有像素都為0，則將其視作電極邊緣上的點，將這一點置1，也就是設為輪廓點。整幅圖像檢測完畢后，所有值為1的點的集合即為電極的輪廓線。

輪廓提取后的效果圖如圖8。