用于处理轮胎表面的数字图像以便检测异常的方法

摘要

一种用于分析待检查的轮胎的表面的三维数字图像的方法，其中通过向由所述图像的像素所代表的所述表面的每个点分配与其相对于所述表面的标高成比例的灰度水平来捕捉所述表面的标高的三维图像，其特征在于：‑基于该标高图像，形成所述表面的标高梯度的定向图像，其中每个点被分配以一个灰度水平值，所述灰度水平值与由非零范数矢量在图像平面中的投影给出的方向所形成的角度成比例，所述非零范数矢量在该点处基本上对应于与所述表面相切并且在最大斜度方向上定向的梯度矢量；‑通过使用数字滤波变换所述标高梯度的定向图像来确定滤波后的定向图像，所述数字滤波能够对包括与具有最大斜度的气孔的标高梯度的参考定向图像相似的结构的区域进行选择。

权利要求

1.用于分析待检查的轮胎的表面的三维数字图像的方法，其中通过向由所述图像的像素所代表的所述表面的每个点分配与其相对于所述表面的标高成比例的灰度水平来捕捉所述表面的三维标高图像，其特征在于：-基于该标高图像，形成所述表面的标高梯度的定向图像，其中每个点被分配以一个灰度水平值，所述灰度水平值与由非零范数矢量在图像平面中的投影给出的方向所形成的角度成比例，所述非零范数矢量在该点处基本上对应于与所述表面相切并且在最大斜度方向上定向的梯度矢量；

-通过使用数字滤波变换所述标高梯度的定向图像来确定滤波后的定向图像，所述数字滤波能够对包括与具有最大斜度的气孔的标高梯度的参考定向图像相似的结构的区域进行选择。

2.根据权利要求1所述的分析方法，其特征在于，气孔的标高梯度的参考定向图像呈灰度水平基本上周向渐变的形式。

3.根据权利要求1所述的分析方法，其特征在于，通过求得所述表面的标高梯度的定向图像与由具有参考气孔的最大斜度的标高梯度的定向图像所形成的掩模的卷积乘积来获得所述滤波后的定向图像。

4.根据权利要求1至3中的任一项所述的分析方法，其特征在于，在每个点处，在所述最大斜度方向上定向的梯度矢量被认为等于与所述表面相切并且分别在两个正交方向上定向的两个梯度矢量之和。

5.根据权利要求1至3中的任一项所述的分析方法，其特征在于，在所述滤波后的定向图像上执行阈值化运算，以便确定最可能包含气孔的区域。

6.根据权利要求1至3中的任一项所述的分析方法，其特征在于：

-确定所述表面上的、形成与通过模制制成的标记相对应的浮凸元件的点，并且将这些点处的灰度水平调整成所述待检查的表面的灰度水平，以便获得校正后的标高图像，-在所述校正后的标高图像的每个点处，确定在所涉及的点的近程或远程附近处的像素的平均标高，并且通过向该像素分配与标高分值成比例的灰度水平来确定滤波后的标高图像，所述标高分值通过将这些平均标高与预定阈值进行比较来计算。

7.根据权利要求6所述的分析方法，其特征在于，求得所述滤波后的定向图像与所述滤波后的标高图像的乘积，以便获得结合图像。

8.根据权利要求7所述的分析方法，其特征在于，在所述结合图像上执行阈值化，以获得分割图像，其中所述待检查的表面的可能包含气孔的区域被加亮。

说明书

用于处理轮胎表面的数字图像以便检测异常的方法

技术领域

[0001] 本发明涉及轮胎制造领域，并且更特别地涉及其中检查轮胎以便提供相对于预定参考的一致性的诊断的步骤。

背景技术

[0002] 该检验步骤可以通过操作者进行轮胎的详细目视检查来执行。备选地，使用分析轮胎表面图像的方法的自动检查方法正在研发中。该图像可以是被称为3D(三维)图像的浮凸图像，或者是被称为2D图像的彩色水平图像。根据待检测的特定元件，这两种图像可以单独使用或者可以结合起来。

[0003] 可以借助于已知方法、基于光学三角原理、以及使用联接至诸如激光源的光源的传感器来获得三维表面的图像。可以提供该标高图像的任何其他种类的3D传感器(例如，使用立体视觉、小断面、渡越时间或者其他技术的传感器)适用于该方法。如此，获得了轮胎表面的形貌图像。

[0004] 为了便于图像的数字处理，通常的做法是，使与形成图像像素的点相关的灰度水平对应于该点相对于轮胎表面的标高(elevation)。这提供了一种二维黑白图像，可以使用适于轮胎的特定情况的图像处理技术来利用所述二维黑白图像。

[0005] 在可能出现在轮胎的内表面或者外表面上的异常之中，通常遇到的是由空气滞留所引起的通常已知为气孔(blow hole)的异常。

[0006] 这些气孔以局部膨胀的形式出现，在轮胎表面层中形成小隆起。这些气孔的表面面积很少超过大约10cm2，并且其近似圆形的形状常常类似于拱丘的顶部。它们的尺寸很少超过几毫米。

[0007] 这些气孔的几何特征经常使其难以定位，甚至对于有经验的操作者来说也难以定位。因此，通过使用诸如本文件中所述的图像处理方法来使该任务自动化是特别有用的。

发明内容

[0008] 本发明提出利用这些空间特征。事实上，可以看到，所述气孔具有基本上在由相对于轮胎表面的最大标高的点所代表的中心上会聚的最大斜度的线。

[0009] 因此，根据本发明的方法提供了一种捕捉所述表面的标高的三维图像以及向由图像的像素所代表的表面的每个点分配与其相对于所述表面的标高成比例的灰度水平的方式。

[0010] 分析所生成的图像的方法的特征在于，其包括以下步骤：

[0011] -基于标高图像，形成表面的标高梯度的定向图像，其中每个点被分配以一个灰度水平值，所述灰度水平值与由非零范数矢量在图像平面中的投影给出的方向所形成的角度成比例，所述非零范数矢量在该点处基本上对应于与所述表面相切并且在最大斜度方向上定向的梯度矢量。

[0012] -通过使用数字滤波变换标高梯度的定向图像来确定滤波后的定向图像，所述数字滤波能够对包括与气孔的标高梯度的参考定向图像相似的结构的区域进行选择。

[0013] 如上所述，参考气孔的标高梯度的图像具有特定结构，该特定结构的特征在于，在属于气孔的点的最大斜度方向上定向的梯度矢量基本上全都朝向对应于所述气孔的最高点并且相当于拱丘顶部的中心定向。因此，由这些梯度矢量与给定方向所形成的角度从0°至360°连续地变化。通过向该角度赋予成比例的灰度值，获得沿着由所述气孔所形成的拱丘的任何水平处的曲线连续地改变的灰度变化，所述曲线的形状基本上与以最大标高的中心点为中心的圆的形状相匹配。因此，气孔的标高梯度的参考定向图像的结构呈灰度水平基本上周向渐变的形式。

[0014] 优选地，通过求得所述表面的标高梯度的定向图像与由参考气孔的标高梯度的定向图像所形成的掩模(mask)的卷积乘积来获得所述滤波后的定向图像。卷积是用于凸显待检查的表面的其中与该参考图像最为相似的区域的运算。

[0015] 为了便于计算，可以通过认为在标高图像的每个点处在最大斜度方向上定向的梯度矢量等于与所述表面相切并且分别在两个正交方向上定向的两个梯度矢量之和来实施所述方法。

[0016] 优选地，在所述滤波后的定向图像上执行阈值化运算，以便确定最可能包含气孔的区域。

[0017] 为了减少错误检测，可能有用的是提供以下补充步骤，其中：

[0018] -确定所述表面上的、形成与通过模制制成的标记相对应的浮凸元件的点，并且将这些点处的灰度水平调整成待检查的表面的灰度水平，以便获得校正后的标高图像，[0019] -在校正后的标高图像的每个点处，确定在所涉及的点的近程或远程附近处的像素的平均标高，并且通过向该像素分配与标高分值成比例的灰度水平来确定滤波后的标高图像，所述标高分值通过将这些平均标高与预定阈值进行比较来计算。

[0020] 然后，可以有用(有效)地求得滤波后的定向图像与滤波后的标高图像的乘积，以便获得结合图像。

[0021] 为了改善结合图像的判读，可以在结合图像上进行阈值化，以获得分割(分段)图像，其中待检查的表面的可能包含气孔的区域被加亮(凸显)。

附图说明

[0022] 以下说明基于图1至图9，其中：

[0023] -图1显示了轮胎表面的3D图像，

[0024] -图2显示了所述表面的标高梯度的定向图像，

[0025] -图3显示了参考气孔的标高梯度的参考定向图像，

[0026] -图4显示了所述表面的滤波后的定向图像，

[0027] -图5显示了浮凸元件已经从其上移除的轮胎表面的图像，所述浮凸元件由通过模制形成的标记所产生，

[0028] -图6显示了以作为实例看作属于所述图像的点的近程或远程附近处的点的示意图，

[0029] -图7显示了所述表面的滤波后的标高图像，

[0030] -图8显示了由滤波后的定向图像和滤波后的标高图像的乘积所形成的结合图像，[0031] -图9显示了在结合图像的阈值化之后的分割图像。

具体实施方式

[0032] 图1的图像显示了轮胎表面的一部分的图像。其通过用于产生三维图像的已知器件来获得，这些器件例如是联接至激光照明装置的2D摄像机，所述激光照明装置以已知的入射角度向所述表面发射径向定向的光线。可以使用简单的三角计算来求得某个点相对于参考(高度)水平的标高，此处所述参考水平被认为是在没有浮雕元件的情况下的轮胎表面的水平。

[0033] 表面的每个点被认为相当于图像的一个像素。通过向所述表面的属于参考水平的点分配低灰度值(其中0值对应于黑色)以及向浮凸元件分配较高的灰度值(值2n，所述值2n对应于白色，其中n表示所获得图像的位数)，能够获得灰度水平下的表面的图像，其中明亮值对应于处于相对于底表面的浮凸中的点，所述底表面具有较暗的颜色。

[0034] 为了获得侧壁表面或者内部部分的完整图像，使轮胎围绕其轴线旋转。所产生的标高的最终图像大体上是以极坐标(ρ，θ)表达的图像。为了分析的需要，因而通常的做法是将该标高图像转换成笛卡儿坐标，其中角度值对应于沿着第一轴线(OX)的值以及模数值对应于沿着正交的第二轴线(OY)的值。

[0035] 应当注意到，该方法可以应用于侧壁和内部或者可能呈现气孔的任何其他区域(胎圈、胎冠、胎肩等)。因此，在车胎(外胎)的外表面和内表面上进行探测。

[0036] 在图1中看到，具有明亮颜色的气孔S(指示其相对于底表面的相对升高的位置)存在于图1中的标高图像的中心处。

[0037] 在该阶段，通过使用简单的阈值分析搜索在较暗背景的反衬下醒目的明亮表面，可以检测到气孔。

[0038] 然而，已经发现，该分析不能用于对通过缓慢改变轮胎表面的高度而形成、以及例如由侧壁的局部变形所导致、或者备选地由具有大表面积的浮凸标记所导致的较明亮的区域进行滤波。本发明还提出将气孔与这些元件区分开。

[0039] 图2显示了同一表面部分的梯度的定向图像，其中分配给每个像素的灰度水平与由非零范数梯度矢量在平面OXY中的投影与方向OX所形成的角度成比例，所述非零范数梯度矢量在该点处、在最大斜度方向上定向。

[0040] 可以通过逐次迭代地计算所涉及的点处的导数、通过搜索该导数的值在其上最低的方向来执行对具有最大斜度的梯度的评估。

[0041] 为了简化所述计算，该梯度被认为等于沿着方向OX的梯度矢量与沿着方向OY的梯度矢量之和。这两个矢量与所涉及的点处的表面相切，并且其模数分别与在方向OX和OY中的每一个上的标高梯度成比例。

[0042] 于是可以看到，位于浮凸标记元件的边缘处的点具有沿着与标记的边界线垂直的方向定向的梯度矢量，从而使得这些线以与所述线相对于水平轴线OX的角度成比例的灰度水平显露出来。类似地，由局部的径向凹陷所引起的(高度)水平上的变化具有在相同方向上定向的梯度矢量，并且可以通过在斜度的下降部分(指向凹陷的底部)中存在暗区域和在斜度的上升部分中存在明亮区域来识别。

[0043] 气孔的特征在于在最大斜度方向上定向的梯度矢量基本上朝向气孔的顶部的中心会聚。因此，由位于以气孔的最大标高的点为中心的圆上的点的梯度矢量与方向OX所形成的角度从0值(对应于黑色)至360°值(对应于白色)连续地变化。因此如图3中所示，气孔的图像显现为灰度周向渐变。

[0044] 这里可以看到，气孔可能背离圆形并且可能具有在给定方向上或多或少地拉长的形状。然而，由在这些结构的最大斜度的方向上定向的梯度矢量所形成的角度具有与更圆形的气孔的图像非常相似的图像，因为这些矢量朝向气孔的最大标高的点或者朝向大体上具有非常低的幅度的峰线会聚。它们的不同仅在于水平线被或多或少地拉长，从而导致如图3中所示的结构的灰度水平的近似连续变化的局部改变。

[0045] 该结构在图2中、在图1的明亮区域的位置处也是明显的，并且因此很可能代表气孔。

[0046] 因此，通过定位其配置和结构与诸如图3中所示的参考气孔的较大斜度的梯度的定向图像的结构最接近的轮胎表面的图像的梯度的定向图像的区域，气孔的参考图像被用于以更大的可靠性来识别该区域。

[0047] 为了该目的，使用包括卷积运算的滤波(函数)F，其适用于该类型的匹配并具有掩模(mask)M，所述掩模(mask)M由所述气孔的较大斜度的梯度的定向图像所形成。

[0048] 如果M表示具有(2L+1)x(2H+1)的尺寸的模型掩模(model mask)，O表示梯度的定向图像，并且||||表示角距离，则特定于像素(x,y)处的被评估形状的滤波F的响应给出为：

[0049]

[0050] 其中函数D按以下方式限定：

[0051] ·如果|α|≤Svalid，则D(α)＝1

[0052] ·如果Svalid<|α|

[0053] ·如果|α|≥Serror，则D(α)＝-2

[0054] 并且，其中Svalid表示在其以下则认为两个像素具有相似定向的阈值，并且Serror表示在其以上则两个像素具有被认为是不一致的定向的阈值。

[0055] 滤波可以基于相应梯度的大小的水平来将加权值(weight)与被评估的像素相关联，以便减小相对于其附近处具有低标高的像素的影响(随着像素和其附近处之间的标高差距增大，该像素的梯度的大小也增大，并且对于滤波来说其必定变得更有优势)。

[0056] 在完成该运算后，结果是得到滤波后的定向图像，其可以通过阈值化运算被滤波，以使得很可能包含气孔的区域在黑色背景上显现白色，如图4中所示。

[0057] 然而，在图4的图像中可以看到，即使不包含任何气孔，图像的一些区域也显现浅颜色。

[0058] 因此，为了排除这些错误地测得的区域，可以通过使用不同的方法搜索浮凸区域来有效地分析表面的图像。

[0059] 为了该目的，返回如图1中所示的标高的图像，以及搜索存在于待检查的表面上并且通过模制制成的标记。

[0060] 存在检测这些点的几种可行的方法。

[0061] 第一种方法是使用从用于制造模具的设计数据中得到的数字模型。该方法可以特别成功地应用于轮胎的外部侧壁以及可以获得浮凸元件的数字模型的任何区域。

[0062] 所述方法进而由调整表面上的该数字模型以及认为在数字模型中所限定的每个标记对应于存在于轮胎侧壁上的标记所组成。例如，在EP 1 750089、EP 2 235 679以及FR 2 966 956中描述了这种方法。

[0063] 另一种可行的方法是，在没有气孔的原始车胎上标记浮凸区域，然后将该绘图调整成利用传统方法(搜索共性特征、相关性、差异最小化等)来分析的目标物。

[0064] 另一种方法是，分割标高的图像，以及确定其灰度梯度的变化具有在一定阈值以上的值的点，以便识别标记区域的轮廓特征。此处应当注意到，所述气孔具有小得多的标高梯度并且因此不能被认为相当于这些轮廓。

[0065] 当已经识别出被认为属于标记区域的点时，将这些点处的灰度水平的值调整成附近底表面的灰度水平。因此，该运算在于将标记从待检查的表面上排除，以便获得校正后的标高图像，如图5中所示。此处还可以看到，气孔所处的区域形成明亮区域，并且因此处于相对于底表面的浮凸中，而且不被认为相当于标记区域。

[0066] 然后，对其中点/像素相对于其近程附近处或者相对于其较遥远的附近处显示出标高差的区域进行搜索，所述标高差处于作为在通常遇到的气孔中所观察到的阈值特征的预定阈值之间。

[0067] 所述方法基于两个观察结果：

[0068] -属于气孔的像素必定具有比与其附近处有关的阈值THigh大的标高；以及[0069] -像素属于气孔的概率与气孔的中心和其附近处之间的标高幅度成比例。

[0070] 为了改善性能，在附近处的不同部分之间于重要性上没有区别的情况下，通过估算沿着水平轴线OX和垂直轴线OY的标高的平均值来进行标高的测量。

[0071] 清楚的是，通过构造更详细的附近处、向所涉及的附近处的不同区域分配更高或更低的加权值(weight)、以及选择统计测量值而非平均值，可以设计更复杂的测量。

[0072] 图6中示出了所使用的附近处的分区，其中点X的近程附近处是以深灰色着色的附近处，以及其中较遥远的附近处以较浅的灰色标出。

[0073] 因此，对于具有坐标(x,y)的属于校正后的标高图像的点/像素X，对附近处中的每一个测量平均标高。

[0074] 这些平均标高分别被表示成对应于中心、垂直和水平区域的μproche(X)、μverticale(X)、μhorizontale(X)。

[0075] -最大标高的变化被表示为ξmax：

[0076] ξmax(X)＝max({μproche(X)-μverticale(X),μproche(X)-μhorizontale(X),0}[0077] -最小标高的变化被表示为ξmax:

[0078] ξmin(X)＝min(max({μproche(X)-μverticale(X),0}),max({μproche(X)-μhorizontale(X),0})

[0079] 作为像素X(x,y)处的估算标高的滤波的结果、对应于该点处的灰度水平的分值函数ξ被指定和定义如下：

[0080]

[0081] 其中THigh和TLow是基于通常在给定范围的轮胎中所测得的气孔中所观察到的平均值确定的所述方法的两个参数。

[0082] 图7展示了对应于以上所阐述的运算的结果的滤波后的标高图像。

[0083] 可以看到，被定向的滤波加亮并在图4中显示的对应于气孔的区域显得更加清楚。

[0084] 与可能包含气孔的区域不相应的明亮区域也是明显的。然而，这些明亮区域不同于在图4的滤波后的定向图像中错误地测得的明亮区域。

[0085] 因此，为了降低错误检测的风险，通过求得如图4中所示的滤波后的定向图像与如图7中所示的滤波后的标高图像的乘积将利用上述两个滤波所获得的结果结合或者使用任何其他组合的结合统计方法可能是有用的。

[0086] 在给定图像的像素中，通过将在滤波后的定向图像中所获得的该像素的灰度水平值乘以在滤波后的标高图像中所获得的同一像素的灰度水平值来求得该乘积。

[0087] 结果则是得到如图8中所图解的结合图像。

[0088] 对应于气孔的区域则清楚地显现。

[0089] 为了消除由滤波运算所引起的最终的不可靠性，通过使用阈值化、例如滞后阈值化来执行图像的最终滤波可能是有用的。

[0090] 这是通常使用的图像分割技术，其基于被称为高阈值(Sh)和低阈值(Sb)的两个参数来选择灰度水平图像的像素。所述算法按以下方式来进行：

[0091] -提取灰度水平大于Sh的像素＝像素P1，

[0092] -提取灰度水平在Sb和Sh之间的像素＝像素P2，

[0093] -选择所有的像素P1+与像素P1相关(连接至像素P1)的像素P2。

[0094] 最终结果是得到分割图像，其中可能包含气孔的表面区域清楚地显现，如图9中所示。错误地测得的区域已经被彻底排除。

[0095] 因为用于使用所述方法的算法在工业中所使用的计算机设备上的实施的简易性，此处举例说明了所述算法。然而，在不脱离本发明主旨的情况下，所述算法可以按许多方式变型。