再制造工程作为绿色产业,为我国的资源再利用和环境污染治理开辟了新途径,极具发展潜力。再制造属于典型的离散制造业,人工成本大,劳动强度高,自动化程度低,作为制造业的重要分支,智能化是其未来重要的发展方向。发动机缸盖是发动机的重要部件之一,缸盖属于典型的高强度薄壁复杂铸件,工艺复杂且制造成本高,在汽车发动机再制造中具有很高的再制造价值,是发动机再制造的典型零部件。对于缸盖的损伤,80%集中在缸盖鼻梁区,目前对缸盖毛坯件的检测主要采用两种方法:磁粉探伤和水检法。这两种方法均需人工操作完成,效率低、过程繁琐且目前在国内还不能实现在线检测,与现代企业快速、高效的理念不符。本文提出一种基于图像处理的方法来检测缸盖材料裂纹。图像处理具有无接触检测,设备简单易操作、成本低,节约劳动力,精度可靠,而且可在线检测的优点为实现缸盖再制造自动化、智能化奠定基础。基于图像处理实现缸盖材料裂纹检测主要借助于机器视觉系统及MATLAB软件,机器视觉系统主要完成对裂纹原始图像的高质量采集,MATLAB软件实现对原始图像的预处理、图像分割与特征提取。针对相应的图像处理算法,完成对缸盖材料裂纹图像的处理与裂纹的特征提取,给出了裂纹缺陷检测有效性的评价体系。得出以下结论:(1)基于图像的灰度直方图分析图像的灰度分布特征,可以得出裂纹和背景分布在不同的灰度范围,裂纹的灰度值小,背景灰度值大,裂纹主要集中在灰度值为20~75的范围内,而背景主要集中在75~225的范围内,且数量多,裂纹区域灰度对比度不强,裂纹图像中背景与裂纹的灰度值有部分重叠的结论。(2)通过基于能量的Fourier频谱法分析,得出裂纹图像中主要以椒盐噪声为主,掺杂高斯噪声的结论;对图像的红、绿、蓝(RGB)通道进行分析,R、G通道主要以椒盐噪声为主,B通道掺杂高斯噪声,整体是两种噪声的叠加。(3)对裂纹图像进行去噪增强的预处理,分别采用邻域均值滤波和中值滤波两种平滑滤波器对加入裂纹图像中的椒盐噪声进行去噪处理并对比效果,证明了针对现实中的非线性信号,中值滤波的去噪的有效性,也指出了中值滤波在去噪的同时会平滑图像,使图像模糊、质量下降,细节内容发生丢失的缺点。(4)提出了一种改进型的中值滤波算法:自适应中值滤波,以m×n的矩形窗口Sxy定义的滤波器区域内图像的统计特性为基础,具有处理更大概率的脉冲噪声如椒盐噪声时显示出极大的优势,在平滑非脉冲噪声时图像细节也能得到较好的保留的优点。(5)将细化处理得到的裂纹骨架通过像素转化可以快速获得裂纹长度特征,与实际测量的17.52 mm相比,误差率在0.0188,测量数据较为准确。