毛晶晶，汪遠銀，王森，于洋
（北京精密機電控制設備研究所，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備開發了一種新型視頻引伸計系統。通過調用動態鏈接庫驅動圖像采集設備DH HV 1303UM進行圖像采集，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的開發。該系統具有靈活性強、可靠性高、性價比高等優點。
0引言
引伸計（extensometer) 是測量構件兩點之間平均線應變的一種儀器。目前最常用的引伸計為如圖1所示的電阻式引伸計。刀刃口與試件接觸并將試件變形傳遞到變形傳遞桿上，再進一步傳遞到彈性元件，粘貼在彈性元件上的應變片感知應變并將其轉換為電壓變化后輸出，最終通過測得的電壓信號值獲得應變的大小。此種引伸計在測量時需接觸試件，需要導線引出信號，因此在測量柔性材料變形或者在特殊環境（如高溫高壓）中測量時存在困難。此外，因為應變片量程有限，且刀口間要有一定的距離，此種引伸計也不能測量微小試件的變形。
隨著光電技術的發展以及光電產品的普及，基于最近發展起來的激光干涉引伸計、CCD相機圖像采集以及數字圖像分析的視頻引伸計［1-3］得到越來越多的應用。視頻引伸計如圖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志點之間的變形來測量試件表面的應變。視頻引伸計為非接觸測量，因此可測量柔性試件，可在惡劣環境下測量，而且也可以測量微小試件和大變形，因此在新材料、新技術領域受到越來越多的重視。但與傳統的電阻式引伸計相比，專業視頻引伸計的價格相當昂貴，光照要求嚴格。這在一定程度上限制了視頻引伸計的應用。
為了解決這些難題，本文介紹一種新型視頻引伸計。該引伸計以虛擬儀器的開發軟件LabVIEW為基本開發平臺，實現視頻引伸計必要的控制、計算和操作，并最終完成了一個成熟的﹑實時的視頻引伸計的設計。
1視頻引伸計原理
視頻引伸計原理如圖3所示，在試件上制作兩個標記點，在加載時用CCD相機實時記錄試件表面包含這兩個標記點區域的數字圖像，通過特殊設計數字圖像處理算法識別標記點在變形前后的位置或者位移，再根據幾何關系可得到兩個標記點間的應變ε ［4］。
為了算法識別的方便，標識點一般設計為特定的形狀。圓形標記點是一種常用的標記點，一般可以通過邊界識別得到圓周上的點，再通過擬合求出圓心坐標。本文采用一種特殊的標記點識別方法，即灰度重心算法。灰度重心算法是將數字圖像像素的灰度看作是數字圖像的“密度”，認為圖像中一個斑點的中心位于其“重心”處。相應地，對于一幅大小為M×N的灰度圖像區域，如圖4所示，設其每個像素的灰度值為I(i,j)，(0<i<m,0<j<n),可以定義標記點的灰度重心坐標為：
在測量時用式（1）可檢測出不同時刻圖像上標記點的位置，根據同一標記點位置相對于初始時刻的變化可獲得該標記點的位移。兩個標記點的相對位移與初始時刻兩標記點的距離L之比則為要測量的應變。
2視頻引伸計的虛擬儀器實現
從上述視頻引伸計原理中可知，視頻引伸計的實現需要實時采集圖像，然后對圖像進行處理得到應變值。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。本節介紹用LabVIEW實現視頻引伸計的圖像采集、圖像處理及程序面板設計的工作。
2.1基于USB接口的圖像采集
LabVIEW對NI公司自己生產的圖像采集設備提供了相應的驅動和控制模塊，這些采集設備應用起來較為方便，但存在價格昂貴且不易進行底層開發的缺點。目前，市面上常見的工業數字化相機多以USB、1394、以太網口以及專業的Camera Link為接口形式，其中多款USB接口的攝相機在性價比上有很大的優勢。此外，USB接口成為PC的標配，在視頻引伸計中采用USB接口的數字攝相機還能大大提高測量系統的靈活性。由于LabVIEW中并不提供與USB接口相機直接通信的標準模塊，為實現在LabVIEW環境下控制USB接口相機的圖像采集，需進行特殊開發。下面以大恒圖像公司生產的DH HV 1303UM相機為例，介紹圖像采集的實現過程。
大恒公司提供了DH HV 1303UM相機驅動的動態鏈接庫，該動態鏈接庫能完成相機的設置、圖像的采集等常用功能，并提供了VC++、VB等常用開發環境下的調用函數。但沒有提供LabVIEW平臺下的接口，若要在LabVIEW平臺下控制該相機，一個可行的方法是通過LabVIEW中Call Library Function模塊調用動態鏈接庫中相應的相機設置及采集函數。此時需注意在Call Library Function模塊配置對話框中設置好動態鏈接庫的名稱和路徑、函數的名稱、數據的類型、返回值等內容，并注意將動態鏈接庫函數參數的數據類型映射為相應的LabVIEW中的數據類型［5-6］。
需要指出的是，此方法不僅適用于USB接口相機，對于其他所有提供了動態鏈接庫驅動程序的相機均可以用此方法實現與LabVIEW平臺的連接。本文正是通過這樣一個方法多次調用動態鏈接，完成引伸計的圖像采集。該圖像采集部分共分為六步：（1）打開相機并初始化；（2） 設置圖像分辨率；（3）設置采集模式；（4）設置增益；（5）設置曝光時間；（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記點的中心是圖像處理部分所需完成的內容。這一部分是系統測量的核心，也直接決定系統測量分辨率和精度。實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算標記點位置之前，需要對圖像進行很多預處理，包括濾波、二值化以及圖像的形態學操作［7-8］等，其目的是去除圖像中可能影響測量結果的噪聲點，并增強標記點與背景的對比度，提高標記點定位的精度。
本系統中圖像處理程序流程及在LabVIEW中實現相關操作的函數和處理效果如圖5所示。第一步先對原始圖像進行濾波和增強操作。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，也有頻率域濾波法。可根據實際所采集的圖像設置合理的濾波參數。經過多次實驗，發現該系統采用有平滑作用的卷積濾波法，能夠得到非常好的結果，因此決定圖像處理中第一步先對圖像進行卷積濾波操作。濾波完成后接著對圖像實施二值化［11-12］操作。二值化操作是為了最大程度地增強標記點與背景圖像的對比度。圖像經過二值化分割后，不可避免地存在一些與檢測對象像素值相似的干擾點或區域，這些點或區域需要在計算之前去除掉。在LabVIEW中可采取閉區域面積篩選的方法，即在圖像處理中只保留與標記點面積大小相似的區域，與標記點面積相差較大的區域將予以剔除。因此只要在系統中設置合理的面積篩選區間，標記點便能正確提取出來。由于受到光照變化和相機內部噪聲的影響，所提取的標記點圖像會出現一些不規則的噪聲點，這些噪聲點將會對計算灰度重心有較大的影響。因此需要在計算灰度重心之前予以消除。一個可行的辦法是對圖像進行閉運算［13-15］。閉運算可以填平輪廓中細小的孔，彌合輪廓上的小缺口，而且目標特征的總的位置和形狀不變。經過上述處理后，標記點圖像變為一個純凈的、完全連通的、對比明顯的二值化圖像。用LabVIEW實現式（1）的計算后，可得標記點的坐標。
2.3系統程序的前面板設計
根據引伸實驗的基本情況，設計視頻引伸計的前面板如圖6示。面板分為4個部分，分別完成相機參數設置﹑圖像處理參數設置﹑原始圖像和目標圖像的顯示及引伸實驗的應變時間曲線顯示。其中相機參數設置主要完成采集圖像時曝光時間﹑增益﹑采集模式等設置；圖像處理參數設置主要完成圖像閾值區間的設定﹑所保留區域面積的設定及濾波相關參數的設定。
3系統標定及實驗
3.1系統標定
在系統搭建完成后，需要確定系統測量的分辨率，由應變的定義可知，應變為試件的相對變形，因此此引伸計的分辨率可以通過兩標記點之間位移的變化來測得，標定實驗裝置如圖7所示。
制作包含標記點的平板，其中一個固定，另一個可隨精密平移臺移動。平移臺移動時兩個標記的距離會發生變化，以此來模擬試件的拉伸實驗。調節相機的放大倍率，使得一個像素相當于1 mm。將平移臺移動間隔分別取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）。對于每種移動間隔，分別移動精密平移臺20次。將測量的結果與實際值相比較，其結果如表1所示。
調節相機的放大倍率，使得一個像素相當于40 μm，將平移臺移動間隔分別取10 μm、500 μm，分別移動20次，系統所計算的結果與實際值的對比曲線如圖8和圖9所示。
由表1實驗數據可以看出，在圖像分辨率為0.01像素、 0.02像素下系統誤差較大。在圖像分辨率為0.05像素、 0.06像素下系統誤差無明顯變化，最大相對誤差小于3.5%。平均誤差小于1.5 μm。因此系統的分辨率可取0.05像素。以CCD相機的分辨率為1 024×1 024來計算，此引伸計的應變測量分辨率約為48 με（0.05/1 024=48 με）。如果CCD相機的分辨率為2 048×2 048，則此引伸計的應變測量分辨率約為24 με。由圖8和圖9可以看出，該引伸計在大量程范圍擁有較好的線性度和測量精度。
3.2系統應用
用橡皮制作4個相同的試件，在試件上做兩個標記點，如圖10所示，將試件夾持在MTS試驗機上做拉伸試驗，用引伸計實時記錄試件的應變。配合試驗機的相關數據，得到圖11所示的4組應力應變曲線。 由圖11可看出這4組應力應變曲線擁有較好的重合度，且本文所開發的引伸計所測的最大應變值可高達0.1。
4結論
本文提出了一種基于虛擬儀器的光學引伸計，在LabVIEW下完成了基于USB接口的圖像采集和圖像處理。該系統的整個外圍硬件部分只需要一個普通的圖像采集設備及一根USB傳輸線，系統結構簡單、靈活。與應變片等傳統接觸式引伸計相比，除了精度更高之外，本系統的優勢更在于適用于微小試樣、柔性材料、變溫環境和大形變實驗等情況。在各類非接觸式引伸計之中, 相比于傳統的激光引伸計，本引伸計不利用激光的反射或者干涉，對環境的要求低，而且不需要大量的矯正算法，開發周期短，使用方便，而且更加穩定可靠；與傳統視頻引伸計相比，由于其在圖像處理時采用合適的特征提取方法并利用LabVIEW開發程序及控制硬件的便利性，使得系統對硬件和對外界環境的要求大幅度降低，系統不需要特制的鏡頭和高精度CCD，不需要嚴格的特殊光照條件，由此大大降低了系統成本。
參考文獻
［1］ 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.基于機器視覺非接觸測量金屬應變量［J］.機械工程與自動化,2006(1):73-74.
［3］ 張英杰.基于視頻圖像的應變精密測量研究［D］.長春:吉林大學,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.
［5］ 劉玉. 利用動態連接庫擴展Labview的功能［J］. 國外電子測量技術, 2004,23（S1）:51-53.
［6］ 謝其德，張云云. 動態鏈接庫在LabVIEW中的高級應用［J］. 微計算機信息，2004，20(10):45-46.
［7］ 陳月婷. 視頻引伸計測量技術初探［J］. 工程與試驗，2009（S1）:50-53.
［8］ 高宏閣.視頻引伸計研發［D］.天津：天津大學, 2005.
［9］ BLUME P A. The LabVIEW style book［M］. Upper Saddle River: Prentice Hall，2009.
［10］ National Instruments. IMAQ Vision User’s Manual［Z］.2006.
［11］ 張會林,簡獻忠. 人體手背靜脈血管圖像增強處理算法研究［J］. 儀器儀表學報，2005,26(8):730-731.
［12］ 舒華, 余群. 基于LabVIEW的形態學圖像處理研究［J］. 信息技術, 2009（5）：142-144 .
［13］ 金昊.基于虛擬儀器的計算機視覺系統的研究［J］. 計算機自動測量與控制，2000，19（1）：30-32.
［14］ RAFAEL C G， RICHARD E W. 數字圖像處理(第二版)［M］. 阮秋琦，阮宇智，譯.北京:電子工業出版社，2003.
［15］ Dai Qingyun，Yu Yingling. The advanced of mathematical morphology in images processing［J］.Control Theory and Applications，2001，18(4)：479-481.
