车轮是机车车辆中的重要零件之一,承受着来自于垂向和横向的作用力,特别是在进行列车制动时,还要承受来自于闸瓦及钢轨的强摩擦作用等。它的主要功能是承载构架和车体,传递列车牵引力和制动力,由于恶劣的工作条件,常常会导致车轮产生擦伤和剥离等缺陷,而车轮运行性能的优劣,对行车安全影响重大。本文基于机器视觉技术中的图像处理模块,就车轮表面缺陷检测方法进行了研究,分别就三种主要的缺陷,轮缘及轮辋裂纹、踏面擦伤和踏面麻坑,给出了多特征筛选的轮缘及轮辋裂纹检测方法、梯度角筛选梯度的踏面擦伤定位方法和基于灰度分布的踏面麻坑缺陷检测三种方法。根据列车车轮轮缘及轮辋裂纹图像特点,对轮缘及轮辋裂纹检测算法进行了研究,建立了根据裂纹图像特征结合Fisher法判别的车轮裂纹识别提取系统。首先在图像去噪及诸多增强方法中,比较后选用了模糊增强方法进行了对比度增强,利用多种方法对裂纹图像分割后,采用局部统计可变阈值法分割裂纹,再用小面积阈值初筛,结合形态学进行断裂连接后,计算面积、平均宽度、外接矩形长宽比、圆形度4个特征量,然后计算连续性筛选图像中各特征量的极值,再利用Fisher法对裂纹图像进行判别,并提取图像裂纹线坐标,用多项式最小二乘曲线拟合法提取出了完整裂纹线。对于根据踏面图像检测擦伤缺陷,给出了一种利用梯度角筛选梯度再分割的踏面擦伤定位方法。首先,根据踏面及擦伤的方向特征,确定梯度角并筛选指定方向梯度,用Otsu阈值法对筛选后的梯度图像进行分割,再利用形态学运算与多项式拟合的方法获取踏面边缘线,最后根据标准车轮的宽度确定出完整踏面区域。对分割出的踏面区域,采用形态学变换的方法进行背景削弱,继续用Otsu阈值法分割踏面擦伤区域,结合形态学操作及特征量阈值筛选,根据分割出的擦伤区域绘制擦伤定位框,在原始图像中完成定位。在对于麻坑缺陷的检测中,根据缺陷区域灰度分布的突变特性,先利用拟合的方法建立了标准灰度分布,再计算灰度差值分布及差值梯度分布,通过缺陷处灰度对于整体灰度分布趋势的影响,观察灰度差值分布与差值梯度分布来进行缺陷的检测判定。