毛晶晶，汪遠(yuǎn)銀，王森，于洋
?。ū本┚軝C(jī)電控制設(shè)備研究所，北京100010）
摘要：在LabVIEW和NI IMAQ Vision的軟件平臺下，利用通用圖像采集設(shè)備開發(fā)了一種新型視頻引伸計(jì)系統(tǒng)。通過調(diào)用動(dòng)態(tài)鏈接庫驅(qū)動(dòng)圖像采集設(shè)備DH HV 1303UM進(jìn)行圖像采集，并通過NI IMAQ Vision完成了圖像處理及基于灰度重心的視頻引伸計(jì)的開發(fā)。該系統(tǒng)具有靈活性強(qiáng)、可靠性高、性價(jià)比高等優(yōu)點(diǎn)。
0引言
引伸計(jì)（extensometer) 是測量構(gòu)件兩點(diǎn)之間平均線應(yīng)變的一種儀器。目前最常用的引伸計(jì)為如圖1所示的電阻式引伸計(jì)。刀刃口與試件接觸并將試件變形傳遞到變形傳遞桿上，再進(jìn)一步傳遞到彈性元件，粘貼在彈性元件上的應(yīng)變片感知應(yīng)變并將其轉(zhuǎn)換為電壓變化后輸出，最終通過測得的電壓信號值獲得應(yīng)變的大小。此種引伸計(jì)在測量時(shí)需接觸試件，需要導(dǎo)線引出信號，因此在測量柔性材料變形或者在特殊環(huán)境（如高溫高壓）中測量時(shí)存在困難。此外，因?yàn)閼?yīng)變片量程有限，且刀口間要有一定的距離，此種引伸計(jì)也不能測量微小試件的變形。
隨著光電技術(shù)的發(fā)展以及光電產(chǎn)品的普及，基于最近發(fā)展起來的激光干涉引伸計(jì)、CCD相機(jī)圖像采集以及數(shù)字圖像分析的視頻引伸計(jì)［1-3］得到越來越多的應(yīng)用。視頻引伸計(jì)如圖2所示，它通過拍攝試件表面的圖像，利用圖像分析算法分析圖像中標(biāo)志點(diǎn)之間的變形來測量試件表面的應(yīng)變。視頻引伸計(jì)為非接觸測量，因此可測量柔性試件，可在惡劣環(huán)境下測量，而且也可以測量微小試件和大變形，因此在新材料、新技術(shù)領(lǐng)域受到越來越多的重視。但與傳統(tǒng)的電阻式引伸計(jì)相比，專業(yè)視頻引伸計(jì)的價(jià)格相當(dāng)昂貴，光照要求嚴(yán)格。這在一定程度上限制了視頻引伸計(jì)的應(yīng)用。
為了解決這些難題，本文介紹一種新型視頻引伸計(jì)。該引伸計(jì)以虛擬儀器的開發(fā)軟件LabVIEW為基本開發(fā)平臺，實(shí)現(xiàn)視頻引伸計(jì)必要的控制、計(jì)算和操作，并最終完成了一個(gè)成熟的﹑實(shí)時(shí)的視頻引伸計(jì)的設(shè)計(jì)。
1視頻引伸計(jì)原理
視頻引伸計(jì)原理如圖3所示，在試件上制作兩個(gè)標(biāo)記點(diǎn)，在加載時(shí)用CCD相機(jī)實(shí)時(shí)記錄試件表面包含這兩個(gè)標(biāo)記點(diǎn)區(qū)域的數(shù)字圖像，通過特殊設(shè)計(jì)數(shù)字圖像處理算法識別標(biāo)記點(diǎn)在變形前后的位置或者位移，再根據(jù)幾何關(guān)系可得到兩個(gè)標(biāo)記點(diǎn)間的應(yīng)變ε ［4］。
為了算法識別的方便，標(biāo)識點(diǎn)一般設(shè)計(jì)為特定的形狀。圓形標(biāo)記點(diǎn)是一種常用的標(biāo)記點(diǎn)，一般可以通過邊界識別得到圓周上的點(diǎn)，再通過擬合求出圓心坐標(biāo)。本文采用一種特殊的標(biāo)記點(diǎn)識別方法，即灰度重心算法?；叶戎匦乃惴ㄊ菍?shù)字圖像像素的灰度看作是數(shù)字圖像的“密度”，認(rèn)為圖像中一個(gè)斑點(diǎn)的中心位于其“重心”處。相應(yīng)地，對于一幅大小為M×N的灰度圖像區(qū)域，如圖4所示，設(shè)其每個(gè)像素的灰度值為I(i,j)，(0<i<m,0<j<n),可以定義標(biāo)記點(diǎn)的灰度重心坐標(biāo)為：
在測量時(shí)用式（1）可檢測出不同時(shí)刻圖像上標(biāo)記點(diǎn)的位置，根據(jù)同一標(biāo)記點(diǎn)位置相對于初始時(shí)刻的變化可獲得該標(biāo)記點(diǎn)的位移。兩個(gè)標(biāo)記點(diǎn)的相對位移與初始時(shí)刻兩標(biāo)記點(diǎn)的距離L之比則為要測量的應(yīng)變。
2視頻引伸計(jì)的虛擬儀器實(shí)現(xiàn)
從上述視頻引伸計(jì)原理中可知，視頻引伸計(jì)的實(shí)現(xiàn)需要實(shí)時(shí)采集圖像，然后對圖像進(jìn)行處理得到應(yīng)變值。除此之外，為了使用方便，還需要有合理的操作界面供用戶操作。本節(jié)介紹用LabVIEW實(shí)現(xiàn)視頻引伸計(jì)的圖像采集、圖像處理及程序面板設(shè)計(jì)的工作。
2.1基于USB接口的圖像采集
LabVIEW對NI公司自己生產(chǎn)的圖像采集設(shè)備提供了相應(yīng)的驅(qū)動(dòng)和控制模塊，這些采集設(shè)備應(yīng)用起來較為方便，但存在價(jià)格昂貴且不易進(jìn)行底層開發(fā)的缺點(diǎn)。目前，市面上常見的工業(yè)數(shù)字化相機(jī)多以USB、1394、以太網(wǎng)口以及專業(yè)的Camera Link為接口形式，其中多款USB接口的攝相機(jī)在性價(jià)比上有很大的優(yōu)勢。此外，USB接口成為PC的標(biāo)配，在視頻引伸計(jì)中采用USB接口的數(shù)字?jǐn)z相機(jī)還能大大提高測量系統(tǒng)的靈活性。由于LabVIEW中并不提供與USB接口相機(jī)直接通信的標(biāo)準(zhǔn)模塊，為實(shí)現(xiàn)在LabVIEW環(huán)境下控制USB接口相機(jī)的圖像采集，需進(jìn)行特殊開發(fā)。下面以大恒圖像公司生產(chǎn)的DH HV 1303UM相機(jī)為例，介紹圖像采集的實(shí)現(xiàn)過程。
大恒公司提供了DH HV 1303UM相機(jī)驅(qū)動(dòng)的動(dòng)態(tài)鏈接庫，該動(dòng)態(tài)鏈接庫能完成相機(jī)的設(shè)置、圖像的采集等常用功能，并提供了VC++、VB等常用開發(fā)環(huán)境下的調(diào)用函數(shù)。但沒有提供LabVIEW平臺下的接口，若要在LabVIEW平臺下控制該相機(jī)，一個(gè)可行的方法是通過LabVIEW中Call Library Function模塊調(diào)用動(dòng)態(tài)鏈接庫中相應(yīng)的相機(jī)設(shè)置及采集函數(shù)。此時(shí)需注意在Call Library Function模塊配置對話框中設(shè)置好動(dòng)態(tài)鏈接庫的名稱和路徑、函數(shù)的名稱、數(shù)據(jù)的類型、返回值等內(nèi)容，并注意將動(dòng)態(tài)鏈接庫函數(shù)參數(shù)的數(shù)據(jù)類型映射為相應(yīng)的LabVIEW中的數(shù)據(jù)類型［5-6］。
需要指出的是，此方法不僅適用于USB接口相機(jī)，對于其他所有提供了動(dòng)態(tài)鏈接庫驅(qū)動(dòng)程序的相機(jī)均可以用此方法實(shí)現(xiàn)與LabVIEW平臺的連接。本文正是通過這樣一個(gè)方法多次調(diào)用動(dòng)態(tài)鏈接，完成引伸計(jì)的圖像采集。該圖像采集部分共分為六步：（1）打開相機(jī)并初始化；（2） 設(shè)置圖像分辨率；（3）設(shè)置采集模式；（4）設(shè)置增益；（5）設(shè)置曝光時(shí)間；（6）圖像輸出。
2.2圖像處理
原始圖像采集后，如何正確完整地提取標(biāo)記點(diǎn)的中心是圖像處理部分所需完成的內(nèi)容。這一部分是系統(tǒng)測量的核心，也直接決定系統(tǒng)測量分辨率和精度。實(shí)際測量中的圖像均含有各種噪聲，因此在用式（1）所示的灰度重心算法計(jì)算標(biāo)記點(diǎn)位置之前，需要對圖像進(jìn)行很多預(yù)處理，包括濾波、二值化以及圖像的形態(tài)學(xué)操作［7-8］等，其目的是去除圖像中可能影響測量結(jié)果的噪聲點(diǎn)，并增強(qiáng)標(biāo)記點(diǎn)與背景的對比度，提高標(biāo)記點(diǎn)定位的精度。
本系統(tǒng)中圖像處理程序流程及在LabVIEW中實(shí)現(xiàn)相關(guān)操作的函數(shù)和處理效果如圖5所示。第一步先對原始圖像進(jìn)行濾波和增強(qiáng)操作。在LabVIEW的VISION模塊［9-10］中，提供了多種濾波算法，包括線性濾波法和非線性濾波法，有針對空域的和針對頻域的濾波方法，也有頻率域?yàn)V波法?？筛鶕?jù)實(shí)際所采集的圖像設(shè)置合理的濾波參數(shù)。經(jīng)過多次實(shí)驗(yàn)，發(fā)現(xiàn)該系統(tǒng)采用有平滑作用的卷積濾波法，能夠得到非常好的結(jié)果，因此決定圖像處理中第一步先對圖像進(jìn)行卷積濾波操作。濾波完成后接著對圖像實(shí)施二值化［11-12］操作。二值化操作是為了最大程度地增強(qiáng)標(biāo)記點(diǎn)與背景圖像的對比度。圖像經(jīng)過二值化分割后，不可避免地存在一些與檢測對象像素值相似的干擾點(diǎn)或區(qū)域，這些點(diǎn)或區(qū)域需要在計(jì)算之前去除掉。在LabVIEW中可采取閉區(qū)域面積篩選的方法，即在圖像處理中只保留與標(biāo)記點(diǎn)面積大小相似的區(qū)域，與標(biāo)記點(diǎn)面積相差較大的區(qū)域?qū)⒂枰蕴蕹?。因此只要在系統(tǒng)中設(shè)置合理的面積篩選區(qū)間，標(biāo)記點(diǎn)便能正確提取出來。由于受到光照變化和相機(jī)內(nèi)部噪聲的影響，所提取的標(biāo)記點(diǎn)圖像會出現(xiàn)一些不規(guī)則的噪聲點(diǎn)，這些噪聲點(diǎn)將會對計(jì)算灰度重心有較大的影響。因此需要在計(jì)算灰度重心之前予以消除。一個(gè)可行的辦法是對圖像進(jìn)行閉運(yùn)算［13-15］。閉運(yùn)算可以填平輪廓中細(xì)小的孔，彌合輪廓上的小缺口，而且目標(biāo)特征的總的位置和形狀不變。經(jīng)過上述處理后，標(biāo)記點(diǎn)圖像變?yōu)橐粋€(gè)純凈的、完全連通的、對比明顯的二值化圖像。用LabVIEW實(shí)現(xiàn)式（1）的計(jì)算后，可得標(biāo)記點(diǎn)的坐標(biāo)。
2.3系統(tǒng)程序的前面板設(shè)計(jì)
根據(jù)引伸實(shí)驗(yàn)的基本情況，設(shè)計(jì)視頻引伸計(jì)的前面板如圖6示。面板分為4個(gè)部分，分別完成相機(jī)參數(shù)設(shè)置﹑圖像處理參數(shù)設(shè)置﹑原始圖像和目標(biāo)圖像的顯示及引伸實(shí)驗(yàn)的應(yīng)變時(shí)間曲線顯示。其中相機(jī)參數(shù)設(shè)置主要完成采集圖像時(shí)曝光時(shí)間﹑增益﹑采集模式等設(shè)置；圖像處理參數(shù)設(shè)置主要完成圖像閾值區(qū)間的設(shè)定﹑所保留區(qū)域面積的設(shè)定及濾波相關(guān)參數(shù)的設(shè)定。
3系統(tǒng)標(biāo)定及實(shí)驗(yàn)
3.1系統(tǒng)標(biāo)定
在系統(tǒng)搭建完成后，需要確定系統(tǒng)測量的分辨率，由應(yīng)變的定義可知，應(yīng)變?yōu)樵嚰南鄬ψ冃危虼舜艘煊?jì)的分辨率可以通過兩標(biāo)記點(diǎn)之間位移的變化來測得，標(biāo)定實(shí)驗(yàn)裝置如圖7所示。
制作包含標(biāo)記點(diǎn)的平板，其中一個(gè)固定，另一個(gè)可隨精密平移臺移動(dòng)。平移臺移動(dòng)時(shí)兩個(gè)標(biāo)記的距離會發(fā)生變化，以此來模擬試件的拉伸實(shí)驗(yàn)。調(diào)節(jié)相機(jī)的放大倍率，使得一個(gè)像素相當(dāng)于1 mm。將平移臺移動(dòng)間隔分別取10 μm、20 μm、40 μm、50 μm、60 μm（換算為圖像分辨率為0.01、0.02、0.04、0.05和0.06像素）。對于每種移動(dòng)間隔，分別移動(dòng)精密平移臺20次。將測量的結(jié)果與實(shí)際值相比較，其結(jié)果如表1所示。
調(diào)節(jié)相機(jī)的放大倍率，使得一個(gè)像素相當(dāng)于40 μm，將平移臺移動(dòng)間隔分別取10 μm、500 μm，分別移動(dòng)20次，系統(tǒng)所計(jì)算的結(jié)果與實(shí)際值的對比曲線如圖8和圖9所示。
由表1實(shí)驗(yàn)數(shù)據(jù)可以看出，在圖像分辨率為0.01像素、 0.02像素下系統(tǒng)誤差較大。在圖像分辨率為0.05像素、 0.06像素下系統(tǒng)誤差無明顯變化，最大相對誤差小于3.5%。平均誤差小于1.5 μm。因此系統(tǒng)的分辨率可取0.05像素。以CCD相機(jī)的分辨率為1 024×1 024來計(jì)算，此引伸計(jì)的應(yīng)變測量分辨率約為48 με（0.05/1 024=48 με）。如果CCD相機(jī)的分辨率為2 048×2 048，則此引伸計(jì)的應(yīng)變測量分辨率約為24 με。由圖8和圖9可以看出，該引伸計(jì)在大量程范圍擁有較好的線性度和測量精度。
3.2系統(tǒng)應(yīng)用
用橡皮制作4個(gè)相同的試件，在試件上做兩個(gè)標(biāo)記點(diǎn)，如圖10所示，將試件夾持在MTS試驗(yàn)機(jī)上做拉伸試驗(yàn)，用引伸計(jì)實(shí)時(shí)記錄試件的應(yīng)變。配合試驗(yàn)機(jī)的相關(guān)數(shù)據(jù)，得到圖11所示的4組應(yīng)力應(yīng)變曲線。 由圖11可看出這4組應(yīng)力應(yīng)變曲線擁有較好的重合度，且本文所開發(fā)的引伸計(jì)所測的最大應(yīng)變值可高達(dá)0.1。
4結(jié)論
本文提出了一種基于虛擬儀器的光學(xué)引伸計(jì)，在LabVIEW下完成了基于USB接口的圖像采集和圖像處理。該系統(tǒng)的整個(gè)外圍硬件部分只需要一個(gè)普通的圖像采集設(shè)備及一根USB傳輸線，系統(tǒng)結(jié)構(gòu)簡單、靈活。與應(yīng)變片等傳統(tǒng)接觸式引伸計(jì)相比，除了精度更高之外，本系統(tǒng)的優(yōu)勢更在于適用于微小試樣、柔性材料、變溫環(huán)境和大形變實(shí)驗(yàn)等情況。在各類非接觸式引伸計(jì)之中, 相比于傳統(tǒng)的激光引伸計(jì)，本引伸計(jì)不利用激光的反射或者干涉，對環(huán)境的要求低，而且不需要大量的矯正算法，開發(fā)周期短，使用方便，而且更加穩(wěn)定可靠；與傳統(tǒng)視頻引伸計(jì)相比，由于其在圖像處理時(shí)采用合適的特征提取方法并利用LabVIEW開發(fā)程序及控制硬件的便利性，使得系統(tǒng)對硬件和對外界環(huán)境的要求大幅度降低，系統(tǒng)不需要特制的鏡頭和高精度CCD，不需要嚴(yán)格的特殊光照條件，由此大大降低了系統(tǒng)成本。
參考文獻(xiàn)
?。?］ 王慶有,于涓匯.利用線陣CCD非接觸測量材料變形量的方法［J］.光電工程,2002,29(4):20-23.
［2］ 徐亮,李新軍，呂曉東.基于機(jī)器視覺非接觸測量金屬應(yīng)變量［J］.機(jī)械工程與自動(dòng)化,2006(1):73-74.
?。?］ 張英杰.基于視頻圖像的應(yīng)變精密測量研究［D］.長春:吉林大學(xué),2006.
［4］ Wang Huaiwen，Kang Yilan, Fu Donghui, et al. Digital marker recognition method and it’s application of material behavior［J］. Chinese Journal of Energetic Materials, 2004, 17(5): 434-437.
?。?］ 劉玉. 利用動(dòng)態(tài)連接庫擴(kuò)展Labview的功能［J］. 國外電子測量技術(shù), 2004,23（S1）:51-53.
?。?］ 謝其德，張?jiān)圃? 動(dòng)態(tài)鏈接庫在LabVIEW中的高級應(yīng)用［J］. 微計(jì)算機(jī)信息，2004，20(10):45-46.
［7］ 陳月婷. 視頻引伸計(jì)測量技術(shù)初探［J］. 工程與試驗(yàn)，2009（S1）:50-53.
［8］ 高宏閣.視頻引伸計(jì)研發(fā)［D］.天津：天津大學(xué), 2005.
?。?］ BLUME P A. The LabVIEW style book［M］. Upper Saddle River: Prentice Hall，2009.
?。?0］ National Instruments. IMAQ Vision User’s Manual［Z］.2006.
［11］ 張會林,簡獻(xiàn)忠. 人體手背靜脈血管圖像增強(qiáng)處理算法研究［J］. 儀器儀表學(xué)報(bào)，2005,26(8):730-731.
?。?2］ 舒華, 余群. 基于LabVIEW的形態(tài)學(xué)圖像處理研究［J］. 信息技術(shù), 2009（5）：142-144 .
?。?3］ 金昊.基于虛擬儀器的計(jì)算機(jī)視覺系統(tǒng)的研究［J］. 計(jì)算機(jī)自動(dòng)測量與控制，2000，19（1）：30-32.
［14］ RAFAEL C G， RICHARD E W. 數(shù)字圖像處理(第二版)［M］. 阮秋琦，阮宇智，譯.北京:電子工業(yè)出版社，2003.
?。?5］ Dai Qingyun，Yu Yingling. The advanced of mathematical morphology in images processing［J］.Control Theory and Applications，2001，18(4)：479-481.
