一种基于图像的叶片参数测量方法与流程

计算;推算;计数设备的制造及其应用技术1.本发明涉及叶轮机械的叶片参数测量方法，尤其涉及一种基于图像的叶片参数测量方法。背景技术：2.叶片是叶轮机械的关键零件，叶片的精确测量和检测对叶片加工制造起着重要的先验作用，也是对叶片性能诊断的重要步骤。叶片生产一般为批量生产，种类繁多，传统的叶片测量方法很难兼顾检测精度和效率的要求。当前国内常见的叶片测量方法可分为接触式和非接触式，其中接触式测量包括样板测量、电感量仪测量和三坐标机测量，非接触式测量包括激光测量和机器视觉测量。样板测量法通过测量标准样板和实际叶片间的漏光间隙检测叶片造型误差，操作简单、成本低，但是需要大量的标准样板进行匹配，测量效率和自动化程度低；电感量仪测量采用传感器测量实际叶片与标准叶片之间偏差，测量精度高，但是需要利用标准叶片对仪器进行校准，通用性差，设备价格昂贵；三坐标测量机选用高精度测头获取叶片轮廓信息，测量精度高，适用于叶片的最终检验，但是测量效率低，成本高，需要专业的测量场所。激光测量和机器视觉测量具有自动化程度高，测量效率高的特点，两者相比，激光测量的设备成本较高，需要专业人员和测量场所。技术实现要素：3.发明目的：本发明的目的是提供一种能够快速提取叶片轮廓信息、测量叶型关键参数，并对测量结果进行误差评定的基于图像的叶片参数测量方法。4.技术方案：本发明的叶片参数测量方法，包括步骤如下：5.s1，采用图像采集仪器对叶片截面进行图像采集；6.s2，对叶片图像进行预处理，获取叶片轮廓坐标信息；7.s3，对叶片轮廓坐标进行处理，采用标准几何参考物计算图像坐标与物理坐标的比例信息，将叶型曲线的像素坐标映射到物理坐标系中；8.s4，对步骤s3中得到的图像进行处理，获取单像素的叶型骨架，对提取到的叶型骨架进行三次多项式拟合，获取中弧线的函数分布，根据叶型曲线轮廓坐标和中弧线坐标计算叶型初始参数和厚度分布曲线；9.s5，根据叶型初始参数重建叶型，以原始叶片图像为先验信息，采用最小二乘法对叶型参数进行迭代，描述重建叶型与原始叶型的差异；采用列文伯格-马夸尔特算法对方程迭代求解精确的叶型参数，满足迭代条件时，输出叶型的测量参数。10.进一步，所述步骤s1中，采用高斯滤波对图像进行处理，当图像中无明显噪点时，对图像进行线性操作，通过调整参数a、b提高图像亮度和对比度，增强图像边缘，以获得叶型图像f(i,j)：11.f(i,j)＝afg(i,j)+b12.其中，(i,j)表示图像中的像素点，fg(i,j)表示高斯滤波后的图像，和分别为对比度调节因子和亮度调节因子，为实数集；13.当a＞1时图像对比度增强，a＜1时对比度降低；14.当b＞0时图像亮度增强，b＜0时亮度降低。15.进一步，所述步骤s2中的实现过程如下：16.s21，给定边缘像素的灰度阈值，采用canny算子对图像进行边缘检测，当点(i,j)的像素值大于最大边缘阈值或小于最小边缘阈值时，认为该点不是边缘；17.s22，对提取到图像的边缘信息进行形态学处理，采用腐蚀操作去除图像离散噪点，采用膨胀操作填充孔洞，调整腐蚀和膨胀算子大小，直至图像中出现封闭的叶型曲线；18.s23，采用最大外缘轮廓提取法获取叶型轮廓坐标信息，用3×3的窗口对图像进行扫描，当提取到连续完整的叶型曲线时，判定背景分割成功，对叶型曲线内部进行填充，输出叶片为白色，背景为黑色的二值图像，返回叶型曲线和正方形参考物的像素坐标；当图像中不存在完整叶型曲线时，则结束计算，需重新采集图像。19.进一步，对步骤s2中得到的叶型二值图，采用不同半径的结构元b对图像进行腐蚀和开运算，令a表示叶片待检测区域，s(a)表示中弧线c(x)上点的集合，则腐蚀和开运算的表达式sk(a)为：[0020][0021]其中，k为迭代次数，符号和分别表示腐蚀和开运算；[0022]当图像中出现单像素的叶型骨架时，停止迭代；对提取到的叶型骨架进行三次多项式拟合，获取中弧线的函数分布，根据叶型曲线轮廓坐标和中弧线坐标计算叶型初始参数p0和厚度分布曲线。[0023]进一步，所述步骤s5中，采用中弧线叠加厚度分布的方式重建叶型曲线h(i,j)，叶型参数准确测量过程为：[0024][0025]s.t.l≤max(fc,x)[0026]其中，fc(i,j)为原始图像提取出的叶型轮廓点，fc,x为fc(i,j)的横坐标，h(i,j)为由叶片参数p确定的叶型；[0027]采用列文伯格-马夸尔特算法迭代求解精确的叶型参数，以弦长轴向距离l小于叶型曲线轴向距离为约束条件；当满足迭代次数或达到残差设定值时，停止迭代，输出测量参数。[0028]本发明与现有技术相比，其显著效果如下：[0029]1、与传统的接触式测量相比，本发明采用图像处理方式实现了叶轮机械叶片特征参数的非接触式测量，实现方式直接、操作简单；[0030]2、本发明可广泛应用于叶轮机械、通用机械等叶片截面参数测量，测量的参数可直接导入叶型设计软件，指导叶片造型设计。附图说明[0031]图1为本发明的流程图；[0032]图2(a)为本发明中的背景点示意图；[0033]图2(b)为本发明中的内部点示意图；[0034]图2(c)为本发明中的轮廓点示意图；[0035]图3为某型透平叶片打印图的拍摄原始图像。具体实施方式[0036]下面结合说明书附图和具体实施方式对本发明做进一步详细描述。[0037]如图1所示，本发明的叶型参数测量方法，包括步骤如下：[0038]s1、获取一张原始叶片图像，将其转化为灰度图，对叶片图像进行预处理增强图像特征，改善叶片图像的视觉效果；[0039]s2、对叶片主体进行背景分割，提取叶片轮廓坐标信息；[0040]s3、通过图中正方形参照物所占像素，计算单位像素的长度，将叶片轮廓坐标映射到物理世界坐标；[0041]s4、提取叶片图像骨架，进行曲线拟合得到叶型中弧线函数，初步计算叶型参数，并拟合厚度分布函数；[0042]s5、根据步骤s4中的叶型参数进行叶型曲线重建，将其与原始叶型曲线轮廓对比，迭代调整叶型参数；[0043]s6、将步骤s5得到的叶型参数与原始叶片真实值进行比较，计算测量相对误差。[0044]结合图3某型号透平叶片打印图的拍摄图像，对其进行参数测量，包括步骤：[0045]步骤1，采集透平叶片图像，传输至图像预处理模块，截取图像感兴趣区域(roi，region of interest),使图像中包含完整的叶片和正方形参照物，采用高斯滤波对图像进行处理，减少图像高斯噪声，当图像中无明显噪点时，对图像进行线性操作，根据式(1)调整图像亮度和对比度，增强图像边缘信息。[0046]当roi区域包含完整的叶片区域且叶片附近空白信息较少时，采用高斯滤波核g(i,j)对图像进行滤波，根据式(1)调整参数a、b，提高图像亮度和对比度，增强图像边缘，以获得准确、清晰的叶型图像f(i,j)：[0047]f(i,j)＝afg(i,j)+bꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(1)[0048]其中，fg(i,j)表示高斯滤波后的图像，和分别为对比度调节因子和亮度调节因子，为实数集。[0049]当a＞1时图像对比度增强，a＜1时对比度降低；[0050]当b＞0时图像亮度增强，b＜0时亮度降低。[0051]当获得清晰、明亮的叶片图像，图像中无明显噪点时，判定预处理合格，进行步骤2。[0052]步骤2，给定边缘像素的灰度阈值，采用canny算子对图像进行边缘检测，当像素点(i,j)的像素值大于最大边缘阈值或小于最小边缘阈值时认为该点不是边缘。提取到图像的边缘信息后进行形态学处理，通过形态学处理中的腐蚀和膨胀操作消除孤立点、填充孔洞，当图像中得到封闭的叶型曲线时判定边缘信息合格，否则继续调整腐蚀和膨胀算子尺寸。之后采用最大边缘轮廓法对提取的边缘信息进行筛选，具体实施方法为：[0053]定义目标区域像素值为1，背景区域像素值为0，采用3×3的卷积模板(结构元)对图像进行腐蚀操作，用结构元的中心遍历图像的每一个元素，取结构元所覆盖原图对应区域的像素最小值来代替当前结构元中心的像素，采用3×3的卷积模板(结构元)对图像进行膨胀操作，用结构元的中心遍历图像的每一个元素，取结构元所覆盖原图对应区域的像素最大值来代替当前结构元中心的像素，调整结构元大小，当图像中得到封闭的叶型曲线时，采用最大外缘轮廓提取法获取叶型轮廓坐标信息，用3×3的窗口对图像f(i,j)进行扫描，若像素点(i,j)和其邻域内的8个像素点n8(i,j)均为0，则判断像素点(i,j)为背景点，如图2(a)；反之为内部点，如图2(b)；若像素点(i,j)和其邻域内的8个像素点n8(i,j)既有0也有1时，判断像素点(i,j)为轮廓点，如图2(c)。[0054]当提取到连续完整的叶型曲线时，判定背景分割成功，对叶型曲线内部进行填充，输出叶片为白色，背景为黑色的二值图像，返回叶型曲线和正方形参考物的像素坐标；当图像中不存在完整叶型曲线时，则结束计算，需重新采集图像。[0055]步骤3，根据步骤2获得的正方形的像素坐标，计算正方形的所占像素，求取该图像中单位像素的尺寸，从而根据叶型在图像中的像素推算出叶型关键参数。[0056]步骤4，对步骤2中得到的叶型二值图，采用不同半径的结构元bi对图像进行腐蚀和开运算，令a为叶片待检测区域，s(a)表示a中弧线c(x)上点的集合，以不同半径的结构元b对图像进行腐蚀和开运算，腐蚀和开运算的表达式sk(a)为：[0057][0058]其中，k为迭代次数，符号和分别表示腐蚀和开运算。[0059]当图像中出现单像素的叶型骨架时，停止迭代，对提取到的叶型骨架进行三次多项式拟合，获取中弧线的函数分布，根据叶型曲线轮廓坐标和中弧线坐标计算叶型初始参数：[0060]l＝or,x-of,x[0061][0062][0063]tmax＝tx-of,x[0064][0065][0066][0067][0068]pmax＝omax,x-of,xꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(3)[0069]其中，of(of,x,of,y)和or(or,x,or,y)分别为叶片前、后缘圆心，rf和rr为前、后缘圆弧半径，l为前、后缘圆心间的x轴向距离。叶片中弧线记为ofor，αf和αr为中弧线在入口边和出口边切向与x轴的夹角，记为几何入口角和几何出口角。xj，yj分别表示叶型轮廓点上第j个点的横、纵坐标，j∈[1,m]，m为叶型轮廓点的数目，si,x，si,y分别表示叶片中弧线上第i个点的横、纵坐标，i∈[1,n]，n为叶片中弧线点的数目，omax，rmax为叶型最大厚度处圆弧圆心和半径；pmax为前缘圆心of到omax的x轴向距离。t为中弧线极大y值点，tx为点t的横坐标，tmax为前缘圆心与t间的x轴向距离。[0070]步骤5，对步骤4中获得的叶型初始参数进行精确测量，叶型参数准确测量过程目标函数可描述为式(4)，对重建叶型曲线与原始图像曲线的距离进行最小二乘优化，约束条件为：轴向弦长l小于轮廓点x轴向距离。[0071]参数精确测量采用中弧线叠加厚度分布的方式重建叶型曲线h(i,j)，叶型参数准确测量过程可描述为：[0072][0073]其中，fc(i,j)为原始图像提取出的叶型轮廓点，fc,x为fc(i,j)的横坐标，h(i,j)为由叶片参数p确定的叶型，采用列文伯格-马夸尔特(levenberg-marquardt，lm)算法迭代求解精确的叶型参数，当迭代次数n≥1400或残差ε≤e-6时判定收敛停止迭代，输出精确测量参数。本实施例的测量结果如下表1：[0074]表1某型号透平叶片测量结果[0075][0076]实验表明，本发明具有较高的测量精度，测量绝对误差不大于±0.2mm，相对误差不大于1.5％。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!