在布氏硬度測試中，壓痕直徑的測量精度直接決定硬度值的準確性。傳統(tǒng)的人工測量方式依賴操作者通過目鏡觀察并用刻線對準壓痕邊緣，這一過程存在主觀誤差大、測量效率低、重復性差等固有局限。對于小負載布氏硬度測試，壓痕尺寸通常在零點二毫米到一點五毫米之間，對測量精度的要求更高，人工測量的局限性更為突出。數(shù)字圖像處理技術(shù)的發(fā)展為壓痕自動測量提供了有效途徑，通過圖像傳感器采集壓痕圖像，利用圖像處理算法自動識別壓痕邊界并計算直徑，可以消除人為因素影響，提高測量精度和效率。本文研究基于數(shù)字圖像處理的小負載布氏硬度壓痕自動測量算法，包括圖像預處理、邊緣檢測、直徑計算等關(guān)鍵技術(shù)。

圖像采集是自動測量的基礎環(huán)節(jié)。壓痕圖像通過顯微鏡光學系統(tǒng)放大后由圖像傳感器轉(zhuǎn)換為數(shù)字圖像。光學系統(tǒng)的放大倍率根據(jù)壓痕尺寸選擇，通常為二十倍到五十倍，使壓痕占據(jù)視場適當比例。圖像傳感器采用CMOS或CCD芯片，分辨率對測量精度有直接影響。根據(jù)采樣定理，像素分辨率應優(yōu)于測量精度的兩倍。對于要求測量精度零點零零一毫米的應用，像素對應的實際尺寸應不大于零點五微米，因此需要傳感器分辨率達到一千萬像素以上。照明系統(tǒng)采用同軸照明或環(huán)形照明方式，通過調(diào)節(jié)光源角度和強度獲得均勻照明，避免反光和陰影干擾圖像處理。

圖像預處理目的是改善圖像質(zhì)量，為后續(xù)邊緣檢測創(chuàng)造有利條件。首先，進行灰度變換，將彩色圖像轉(zhuǎn)換為灰度圖像，簡化處理數(shù)據(jù)量。由于光照不均勻可能導致圖像灰度分布不均衡，采用直方圖均衡化方法增強圖像對比度，使壓痕區(qū)域與背景的灰度差異更加明顯。直方圖均衡化通過重新分配灰度級，使輸出圖像的灰度直方圖近似均勻分布，從而增強圖像整體對比度。對于光照嚴重不均勻的圖像，可采用自適應直方圖均衡化，將圖像分塊處理后合并，避免局部過暗或過亮。

噪聲濾除采用中值濾波或高斯濾波方法。中值濾波是一種非線性濾波技術(shù)，將像素鄰域內(nèi)的灰度值排序后取中值作為輸出，對椒鹽噪聲有良好抑制效果，且能保持邊緣信息不模糊。高斯濾波是線性濾波，根據(jù)高斯函數(shù)計算鄰域內(nèi)各像素的權(quán)重，對高斯噪聲有效，但可能使邊緣略微模糊。對于壓痕圖像，可先采用中值濾波去除孤立噪點，再采用高斯濾波平滑圖像，兩者結(jié)合可獲得較好效果。濾波窗口大小根據(jù)圖像分辨率確定，通常取三乘三或五乘五像素。

圖像增強通過銳化算子突出壓痕邊緣特征。拉普拉斯算子是一種二階微分算子，對灰度突變敏感，能夠增強邊緣細節(jié)。但拉普拉斯算子對噪聲敏感，通常先，進行平滑處理再應用。非銳化掩模方法將原圖像減去平滑后的圖像得到高頻分量，再將高頻分量加權(quán)加回原圖像，達到銳化效果。這種方法實現(xiàn)簡單，銳化程度可通過權(quán)重系數(shù)調(diào)節(jié)。

圖像分割將壓痕區(qū)域從背景中分離出來。壓痕區(qū)域灰度通常低于背景，可采用閾值分割方法。全局閾值分割選取一個固定閾值，將圖像二值化為壓痕和背景兩部分。閾值的選擇是關(guān)鍵，大津法通過計算類間方差自動確定閾值，對光照均勻的圖像效果良好。大津法原理是在灰度直方圖上以每個灰度級為閾值將圖像分為兩類，計算兩類之間的方差，方差較大的灰度級即為較佳閾值。對于光照不均勻的圖像，全局閾值難以適應，可采用局部閾值法，將圖像分成若干子塊，在每個子塊內(nèi)分別計算閾值，再進行插值得到全圖像素級的閾值曲面。局部閾值法計算量大，但適應性更強。

二值化后的圖像可能存在微小孔洞或孤立噪點，需要通過形態(tài)學運算進行修正。開運算先腐蝕后膨脹，可以去除細小噪點，斷開狹窄連接。閉運算先膨脹后腐蝕，可以填充微小孔洞，連接鄰近區(qū)域。對于壓痕圖像，開運算可消除背景中的孤立亮點，閉運算可使壓痕內(nèi)部孔洞閉合。形態(tài)學運算的結(jié)構(gòu)元素尺寸根據(jù)壓痕大小和噪聲程度選擇，通常取三乘三或五乘五圓形結(jié)構(gòu)。

邊緣檢測在分割出的壓痕區(qū)域基礎上精確提取邊界。Canny算子是一種經(jīng)典的邊緣檢測算法，具有良好的信噪比和定位精度。Canny算法首先用高斯濾波平滑圖像，然后計算每個像素的梯度幅值和方向，常用的梯度算子包括Sobel、Prewitt等。梯度幅值大的像素可能是邊緣點，但單純用閾值判斷會產(chǎn)生寬邊緣。非極大值抑制沿梯度方向比較相鄰像素的梯度幅值，只保留局部大值點，細化邊緣。最后通過雙閾值檢測連接邊緣，高閾值得到強邊緣，低閾值得到弱邊緣，強邊緣直接輸出，弱邊緣只有與強邊緣連接時才輸出。這種策略可以抑制噪聲引起的偽邊緣，保持邊緣連續(xù)性。

對于壓痕圖像，由于壓痕邊界通常閉合且形狀近似圓形，可在邊緣檢測后利用圓形擬合進一步優(yōu)化。最小二乘法擬合圓是常用方法，設圓的方程為x平方加y平方加Ax加By加C等于零，將邊緣點坐標代入，通過最小化誤差平方和求解參數(shù)A、B、C，進而得到圓心坐標和半徑。這種方法對邊緣點噪聲有一定抑制作用，能夠獲得亞像素精度的直徑值。

霍夫變換也可用于圓形檢測。標準霍夫變換將圖像空間中的邊緣點映射到參數(shù)空間，通過累加器投票檢測圓形。但標準霍夫變換計算量大，對內(nèi)存要求高。隨機霍夫變換通過隨機采樣邊緣點，減少計算量，適用于實時性要求較高的場合。

直徑計算在獲得壓痕邊界后進行。對于最小二乘法擬合圓，直接得到圓直徑作為壓痕直徑。對于邊緣點集，也可計算各點到圓心的距離，取平均值的兩倍作為直徑。為保證測量準確性，通常測量多個方向的直徑，如相互垂直的兩個方向，取平均值。系統(tǒng)還應輸出壓痕的圓形度參數(shù)，即長短軸之比，用于判斷壓痕形狀是否正常。如果圓形度過大，說明壓痕變形嚴重，應提示操作者檢查測試條件或試樣狀態(tài)。

測量結(jié)果的可靠性需要通過驗證來保證。采用標準刻線尺進行像素當量標定，標準刻線尺上有精密加工的刻度線，間距經(jīng)過計量標定，如每毫米一百條線即間距零點零一毫米。將刻線尺置于工作臺上，采集圖像后測量相鄰刻線的像素距離，即可計算出每個像素對應的實際尺寸。像素當量應在不同視場位置分別標定，以修正光學系統(tǒng)的畸變。測量系統(tǒng)還應定期用標準壓痕板進行驗證，將系統(tǒng)測量值與標定值比較，偏差應在允許范圍內(nèi)。

算法性能通過重復性測試和準確性比對進行評價。重復性測試對同一壓痕連續(xù)測量十次，計算測量值的標準偏差，應小于零點零零一毫米。準確性比對用標準壓痕板或標準硬度塊，將系統(tǒng)測量值與標定值比較，偏差應小于百分之一。處理速度方面，對于一千萬像素圖像，算法應在三秒內(nèi)完成處理，滿足實際測試效率要求。

針對小負載布氏硬度壓痕的特點，算法需要處理一些特殊情況。當壓痕邊緣存在微小毛刺時，邊緣檢測可能產(chǎn)生局部凸起，影響擬合精度。可在邊緣點集中剔除偏離較大的異常點，或采用魯棒估計算法降低異常點權(quán)重。當壓痕表面有劃痕或污點干擾時，可能被誤識別為邊緣點，需要通過形態(tài)學運算或連通域分析排除干擾。對于反光較強的材料，壓痕內(nèi)部可能出現(xiàn)高光區(qū)域，使邊緣檢測不連續(xù)，可改進照明方式或在圖像處理中采用高光抑制算法。

隨著深度學習技術(shù)的發(fā)展，基于卷積神經(jīng)網(wǎng)絡的壓痕識別方法逐漸成熟。通過訓練大量標注的壓痕圖像，神經(jīng)網(wǎng)絡可以自動學習壓痕特征，對復雜表面的適應能力更強，對缺陷的識別更準確。卷積神經(jīng)網(wǎng)絡由卷積層、池化層和全連接層組成，能夠自動提取圖像的多層特征，實現(xiàn)端到端的壓痕直徑回歸。這種方法減少了對手工特征設計的依賴，在光照變化、材料多樣性等復雜條件下表現(xiàn)更穩(wěn)定。但神經(jīng)網(wǎng)絡模型需要較大的存儲空間和計算資源，在嵌入式平臺上的部署仍需進一步優(yōu)化。

基于數(shù)字圖像處理的壓痕自動測量算法，使小負載布氏硬度測試實現(xiàn)了自動化和智能化。操作者只需放置試樣并啟動測試，系統(tǒng)自動完成圖像采集、壓痕識別、直徑計算和硬度值輸出，整個過程無需人工干預，消除了人為誤差，提高了測量效率和重復性。隨著圖像傳感器分辨率的提高和算法的持續(xù)優(yōu)化，壓痕測量精度將進一步提升，為材料硬度測試提供更可靠的技術(shù)手段。