现场挺常见的一种情况:相机算下来,一个像素对着物体已经有两丝了,图纸却要 ±0.01 mm,有的还更紧。方案里就会写一句,边缘走亚像素,能到 1/10 像素,折算下来大约 0.002 mm,余量很大。这句话我以前也写过。后来发现得加前提,对比度够不够、边缘糊不糊、增益有没有把噪声抬起来。前提没有的话,小数点后面那些位是跳的。

上一篇把手眼标定接到机器人上了。测量要准,还是得回到边缘落在哪。手眼再认真,边缘要是在整数格子上随便踩一个,前面那些小数也没地方挂。

像素级边缘,其实是踩在格子上的

普通的边缘,说白了就是灰度跨过某个阈值,或者梯度在哪一格最大,就把这一格的整数坐标记下来。格子是 10 就是 10,11 就是 11,中间那一截它不认。

这样最大就会偏半个像素。要是测轴径、测缝宽,两边各找一次边缘,两端的取整误差还可能往同一个方向叠。按 2448 像素看 50 mm 的视野来算,一个像素大约 0.0204 mm,直径这头要是差出一个像素,0.01 mm 的公差基本就没了。所以不是算法不稳,是量化本身就摆在那儿。

亚像素要做的事情很单纯:别只看“跨没跨过”,把过渡区那几个像素的灰度也用上,估一个带小数的位置。

灰度插值,凭什么能进到小数

边缘在图像里很少是一刀切的。即使工件本身很利,镜头的模糊、离焦、衍射,也会把过渡摊到两三个、四五个像素上。这几个点的灰度,其实已经把“边在哪”泄露出来了。

最简单的办法是线性插值。左边这个像素灰度是 gig_igi​,右边是 gi+1g_{i+1}gi+1​,阈值取 TTT,边就落在:

x=i+T−gigi+1−gi x=i+\frac{T-g_i}{g_{i+1}-g_i} x=i+gi+1​−gi​T−gi​​

比方说第 10 个像素灰度 30,第 11 个是 200,阈值取中间灰 115。算下来就是 10.5。阈值再往上一点,位置就往亮的那边挪一点。说白了,就是在两个采样点之间按比例切一刀。

现场我用得更多的,其实是再多看几个点。梯度峰值附近套个抛物线,或者把过渡当成一条被模糊过的台阶去拟合,思路是一回事,只是参与计算的灰度更多,单个点的噪声不至于一锤子定位置。Halcon 里 edges_sub_pix 出的那些亚像素轮廓,以及 measure_pos、measure_pairs 在测量矩形里走的一维灰度剖面,骨子里都是这类插值和拟合。measure_pos 我用得更勤,因为它顺着法向抽一条剖面,位置好解释,也方便后面再拟合成直线或者圆。后面要是再跟 fit_line_contour_xld 或 fit_circle_contour_xld,等于把一串亚像素点再平均一次,重复性还会好看一些。不过前提是这些点的偏差是散的。要是整条边都被反光往同一个方向推,拟合只是把这个偏差拟合得更稳,尺码还是不对。

灰度过渡上的线性插值:阈值穿过相邻两像素之间,得到带小数的边缘位置

1/10 像素不是写上就能兑现

插值能给出小数,不等于这个小数稳。下面这组是计算例,不是某天在现场刚测的数。阈值要是固定的,两边像素又带着灰度噪声,位置的抖动大概是:

σx≈2 σn∣gi+1−gi∣ \sigma_x\approx\frac{\sqrt{2}\,\sigma_n}{|g_{i+1}-g_i|} σx​≈∣gi+1​−gi​∣2​σn​​

分母就是相邻像素的灰度差,也就是局部梯度。对比度高、边又利,这个差就大,同样的噪声,位置晃得小;边一糊,或者黑白都变得灰蒙蒙的,分母小了,小数位就开始跳。这个式子把阈值当成固定的,两个像素的噪声也当成互相独立,只是用来估量级。阈值要是从同一条剖面的最小、最大值现算,它自己也带噪声,实际还会再大一点。不过量级已经够看了:分母掉下去之后,1/10 并不是默认就能拿到的。

还是用上面那组数。高对比、相邻差 170、灰度噪声按 3 个灰度级来算,位置抖动大约 0.025 像素,比 1/10 好一截。要是两边只有 90 和 130,差只剩 40,同样的噪声大约就是 0.106 像素,刚好摸到 1/10 边上。增益再抬一挡,噪声到 8,大约就到 0.283 像素 了。这个时候再跟客户说 1/10,就有点空。

边要是摊成一段斜坡,情况更明显。同样是 30 到 200,如果过渡拉到 4 个像素,相邻差大约只剩 42.5,抖动大概会到 0.100 像素。所以光圈关得太小、焦点没对准,看起来“都在景深里”,亚像素先被吃掉一截。以前写衍射和景深的时候就埋过这个。

measure_pos 那个矩形沿边缘方向拉长一些,等于把多条剖面拿来平均。25 条差不多独立的话,上面那个 0.283 能收到大约 0.057 像素。矩形也不能乱拉,拉到毛刺、倒角或者反光上,平均值会被带偏。这是重复性变好、位置不一定对的典型情况。

还有一个比抖动更阴的,是阈值没取在中间灰。还是 30 和 200,中间该是 115,要是随手取了 80,单边大约会偏 0.206 像素。测一根暗的轴、亮的背景,左边是从亮到暗,右边是从暗到亮。阈值偏低,两边的边都会往暗处收,直径一起变短。按 0.0204 mm/像素算,大约短 0.0084 mm。这是系统偏差,多测几次消不掉,0.01 mm 的公差几乎被它占满了。过曝把亮部顶死,中间灰也会算错,是同一类坑。彩色相机还要再小心一截,Bayer 插值本身就会改边缘附近的灰度。

from math import sqrt

# 线性插值
i, gi, gip, T = 10, 30.0, 200.0, 115.0
x = i + (T - gi) / (gip - gi)
# 噪声引起的位置抖动
sn = 3.0
sx_hi = sqrt(2) * sn / abs(gip - gi)
sx_lo = sqrt(2) * sn / 40.0
sx_lo8 = sqrt(2) * 8.0 / 40.0
sx_blur = sqrt(2) * sn / 42.5
# 阈值取 80 时,暗轴直径两边往里收
xL80 = 10 + (80 - 200) / (30 - 200)
xR80 = 30 + (80 - 30) / (200 - 30)
d_mid, d_80 = 20.0, xR80 - xL80
mm_per_px = 50 / 2448
print(x, sx_hi, sx_lo, sx_lo8, sx_blur)
print(d_mid - d_80, (d_mid - d_80) * mm_per_px)

相邻灰度差越小,位置越晃;阈值偏低时,暗轴直径会两边往里收

现场我比较在意这几处

亚像素给我的感觉是,它能把量化那半个像素的台阶抹掉,但抹不掉成像本身的毛病。对比度、噪声和模糊,决定小数点后面那些位稳不稳;阈值、过曝、反光,决定它会不会偷偷偏走。这两件事不是一回事。重复性好看,只说明抖得小,不说明尺寸对。

我自己验收,不太看一次算出来的小数有多漂亮,更愿意拿一根针规或者块规,在视野中间和靠边各测一串,看标准差,再换个位置看看均值有没有跟着走。标准差已经到了 0.3 像素,报告里就不要再写 1/10。金属边有一条亮带的时候,我会先改打光,而不是先把阈值拧来拧去。打光其实比算子更要命。背光看外形,过渡通常干净;正光打在金属倒角上,亮带会跟着入射角走,边就像长了腿。我遇到过同一种件,换了个工位角度,直径均值能差出好几微米,算法一行没改。那种时候别先怀疑亚像素失效,先看边缘灰度是不是还对称。

焦距和光圈标完以后别再大动,前面写内参、手眼的时候也说过。对一次焦,过渡区的宽度会变,阈值要是还按老的中间灰去套,位置会悄悄挪一点。

下篇聊 视觉测量精度分析:重复精度、准确度与误差预算。

Logo

DAMO开发者矩阵,由阿里巴巴达摩院和中国互联网协会联合发起,致力于探讨最前沿的技术趋势与应用成果,搭建高质量的交流与分享平台,推动技术创新与产业应用链接,围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐