圖像技術(shù)廣泛應(yīng)用于機(jī)器人焊接領(lǐng)域，而且由于機(jī)器人對(duì)于適應(yīng)能力具有很高的要求，采用三維視覺傳感系統(tǒng)和計(jì)算機(jī)圖像處理技術(shù)作為輔助手段，可以實(shí)現(xiàn)對(duì)焊接環(huán)境進(jìn)行實(shí)時(shí)監(jiān)測(cè)。通過對(duì)采集到的圖像進(jìn)行分析，控制機(jī)器人進(jìn)行焊縫的實(shí)時(shí)對(duì)中，并將特征信息提供給機(jī)器人，實(shí)現(xiàn)對(duì)焊接過程進(jìn)行智能控制。
與其他在自然光下得到的圖像相比，受焊接過程中產(chǎn)生的聲、光、電、熱、磁及煙塵雜物等因素的影響，焊接過程中的焊縫圖像具有特殊性。基于視覺傳感器的焊縫跟蹤系統(tǒng)獲取的焊縫圖像，在進(jìn)行空間采樣和模數(shù)轉(zhuǎn)換之后變?yōu)榛叶染仃嚧嫒胗?jì)算機(jī)存儲(chǔ)器，從而獲得數(shù)字圖像。但是由于得到的圖像大量噪聲的存在以及傳輸過程產(chǎn)生的畸變，所以需要將數(shù)字圖像進(jìn)行一系列的圖像處理以獲取所需的焊縫位置信息。圖像處理方法一般包括圖像預(yù)處理、圖像分割、邊緣檢測(cè)、特征提取等。
1、圖像預(yù)處理
在進(jìn)行實(shí)際焊接過程中，由于受到產(chǎn)生的大量弧和飛濺等因素的干擾，導(dǎo)致采集的原始圖像中存在大量的噪聲，為了盡可能的減小因?yàn)榇朔N因素導(dǎo)致的圖像失真，在特征提取之前需要對(duì)焊縫圖像進(jìn)行預(yù)處理，如濾除圖像中存在的噪聲，修正灰度和校正產(chǎn)生的畸變等。焊縫圖像的預(yù)處理主要包括兩個(gè)步驟: 濾波去噪和圖像增強(qiáng)。焊縫圖像的濾波去噪是根據(jù)噪聲特征設(shè)計(jì)合適的濾波器，主要分為線性和非線性濾波器。線性濾波器是平滑處理，雖然利于濾波去噪，但是會(huì)使圖像邊緣模糊化，不利于特征提取。最常用的非線性濾波是中值濾波器，中值濾波器能在濾波去噪的同時(shí)保持圖像邊緣不被模糊化。對(duì)于圖像中的一些特定噪聲，需要根據(jù)噪聲特征設(shè)計(jì)合適的濾波去噪方法。但是濾波去噪在除去了大量的噪聲的同時(shí)，圖像也變得模糊，因此通常需要對(duì)焊縫圖像進(jìn)行圖像增強(qiáng)處理，以便于圖像目標(biāo)分割。常用圖像增強(qiáng)方法有灰度值線性變換、直方圖均衡化、直方圖匹配等。
2、圖像分割
圖像分割是將目標(biāo)從圖像背景中分割出來。圖像分割需要根據(jù)幅度、邊緣、形狀、灰度值和位置等因素將圖像劃分成若干區(qū)域。焊縫跟蹤中常采用閾值分割的方法進(jìn)行圖像分割，并利用提取目標(biāo)與背景在灰度特性上的差異，將圖像分為灰度級(jí)不同的兩類區(qū)域: 目標(biāo)區(qū)域和背景區(qū)域。只需選取合適的閾值，就可以確定圖像中的每一個(gè)像素點(diǎn)的歸屬區(qū)域，得到相應(yīng)的二值分割圖像。閾值分割分為全局閾值分割、局部閾值分割和自適應(yīng)閾值分割三種，其中自適應(yīng)閾值分割應(yīng)用比較廣泛，是根據(jù)圖像中灰度值的變化自適應(yīng)地選擇閾值，它適合圖像灰度值經(jīng)常發(fā)生變化的場(chǎng)合。最常用的自適應(yīng)閾值分割方法是 Otsu 方法，該方法采用統(tǒng)計(jì)學(xué)方法確定最優(yōu)的閾值，能最大程度區(qū)分圖像中的灰度層級(jí)。盡管目前已有大量的圖像分割算法，但是圖像分割算法的研究仍然是當(dāng)今圖像處理領(lǐng)域的一個(gè)研究熱點(diǎn)。如何克服焊接過程中環(huán)境的干擾，有效地濾除噪聲，準(zhǔn)確可靠地提取目標(biāo)邊緣仍是未來需要努力的方向。
3、邊緣檢測(cè)
在圖像處理技術(shù)的應(yīng)用中，邊緣檢測(cè)的地位顯得尤為重要，檢測(cè)焊縫位置的關(guān)鍵是提取圖像邊緣。圖像邊緣是目標(biāo)位置與背景的分界線。由于焊縫邊緣有多種類型，所以焊縫軌跡有其復(fù)雜性。傳統(tǒng)的邊緣提取方法首先針對(duì)原始圖像按照像素的某鄰域來構(gòu)造邊緣檢測(cè)算子，并考察圖像的每個(gè)像素在某個(gè)鄰域內(nèi)灰度發(fā)生的變化，然后利用邊緣鄰近的一階或二階方向?qū)?shù)的變化規(guī)律進(jìn)行邊緣檢測(cè)。將灰度值相差不大與位置相靠近的像素劃成一個(gè)區(qū)域，提取圖像灰度、紋理、顏色等特征。由于采用的被動(dòng)視覺技術(shù)直接獲取的焊縫圖像，邊緣檢測(cè)是影響圖像分析的一個(gè)關(guān)鍵步驟。目前經(jīng)常采用的邊緣檢測(cè)算法包括梯度算子( Roberts 算子、Prewitt 算子、Sobel 算子、Krisch 算子等) 檢測(cè)法、算子檢測(cè)法、高斯 － 拉普拉斯( LOG) 算子檢測(cè)法、Hough 變換法等。
4、特征提取
焊縫圖像經(jīng)過處理之后，下一步要進(jìn)行焊縫的特征提取，即焊縫中心的提取。提取焊縫中心一般是通過對(duì)垂直于焊縫的方向進(jìn)行掃描，將獲取焊縫邊緣點(diǎn)作為特征點(diǎn)以計(jì)算得到焊縫中心坐標(biāo)。由于實(shí)際的焊縫在小范圍內(nèi)可近似為直線，因此可以采用最小二乘法等數(shù)學(xué)方法擬合出焊縫軌跡坐標(biāo)。如果圖像分割采用的是閾值分割的方法，那么分割出來的焊縫具有一定寬度，首先需要對(duì)焊縫進(jìn)行細(xì)化得到單像素的線，然后再進(jìn)行焊縫直線提取。由于焊接過程中多數(shù)為直線焊縫，因此從圖像中提取直線是進(jìn)行焊縫目標(biāo)識(shí)別和特征分析的一個(gè)重要任務(wù)。目前有很多對(duì)焊縫中心進(jìn)行提取的算法，主要包括 Hough 變換法、啟發(fā)式連接、層次編組法等，并且基于數(shù)學(xué)形態(tài)學(xué)的細(xì)化算法和逐行搜索求平均值連線的方法是比較常用的方法。
