Abstract In this study, 3D digital and optical microscopes were used. The aim of this study is to compare surface roughness measurement by employing the image processing methods such as line scanning, speckle and fast fourier transform with three different samples machined by different manufacturing processes. The surface roughness results from processed images were obtained using different image analysis techniques such as Dark-light technique developed by the authors. The values calculated with the proposed method were compared with the roughness values obtained from 3D digital and optical microscopes. Zusammenfassung In dieser Studie wurden verschiedene optische Verfahren wie die konfokale Laser-Scanning-Mikroskopie und Digitalmikroskopie für die Experimente verwendet, mit dem Ziel diese Verfahren miteinander zu vergleichen. Dabei wurde die Oberflächenrauheit durch Verwendung der Bildverarbeitungsmethoden, wie Zeilenabtastung, Speckle und schnelle Fourier-Transformation, mit drei durch unterschiedlichen Herstellungsverfahren bearbeiteten Proben, bewertet. Die Oberflächenrauheit ergibt sich aus verarbeiteten Bilder mit Bildanalyse Techniken wie Hell-Dunkel-Technik, die von den Autoren entwickelt wurden. Die Werte, die mit der vorgeschlagenen Methode berechnet wurden, wurden mit den von 3D Digitalmikroskop sowie optischen Mikroskop erhaltenen Rauheitswerten verglichen.
[1]
Pinar Demircioglu,et al.
Investigations on machined metal surfaces through the stylus type and optical 3D instruments and their mathematical modeling with the help of statistical techniques
,
2011
.
[2]
N. Arunachalam,et al.
Fourier Transform based texture measures for grinding wheel condition monitoring using machine vision
,
2010,
Int. J. Manuf. Technol. Manag..
[3]
Basanta Bhaduri,et al.
Evaluation of surface roughness based on monochromatic speckle correlation using image processing
,
2008
.
[4]
Hasan Öktem,et al.
Measurement of surface roughness of metals using binary speckle image analysis
,
2010
.
[5]
G A H Al-Kindi,et al.
An application of machine vision in the automated inspection of engineering surfaces
,
1992
.
[6]
Robert J. Hocken,et al.
Optical Metrology of Surfaces
,
2005
.