查笑春 高煒欣 湯 楠 程世東

(1.西安石油大學(xué)電子工程學(xué)院 陜西西安) (2.長(zhǎng)慶油田公司油氣工藝研究院 陜西西安)

基于X射線圖像的長(zhǎng)輸管道焊縫快速邊緣檢測(cè)方法研究

查笑春1高煒欣1湯 楠1程世東2

(1.西安石油大學(xué)電子工程學(xué)院 陜西西安) (2.長(zhǎng)慶油田公司油氣工藝研究院 陜西西安)

針對(duì)X射線實(shí)時(shí)成像系統(tǒng)采集到的長(zhǎng)輸管道焊縫圖像復(fù)雜背景的特點(diǎn),對(duì)中值濾波和邊緣檢測(cè)技術(shù)在灰度圖像分割中的應(yīng)用進(jìn)行了研究,提出了一種基于中值濾波、Sobel算子和最小二乘法相結(jié)合的邊緣檢測(cè)算法。該算法比傳統(tǒng)的邊緣檢測(cè)能更有效地抑制噪聲和提高邊緣檢測(cè)精度,具有更好的邊緣提取效果和邊緣連續(xù)性。實(shí)驗(yàn)結(jié)果證明,該算法對(duì)含噪低對(duì)比度圖像有更好的檢測(cè)效果。

長(zhǎng)輸管道;閾值;最小二乘法

0 引 言

管道投入運(yùn)行的早期和后期是事故的高發(fā)期,所以對(duì)管道的檢測(cè)主要是如下兩個(gè)方面:①在管道鋪設(shè)過程中的檢測(cè),主要是對(duì)焊縫質(zhì)量的檢測(cè);②在管道使用過程中的檢測(cè),主要是對(duì)裂紋或泄漏的檢測(cè)。前者是現(xiàn)在應(yīng)用的熱點(diǎn),后者是將來發(fā)展的重點(diǎn),也是難點(diǎn)。石油天然氣長(zhǎng)輸鋼質(zhì)管道對(duì)接焊縫主要采用X射線數(shù)字化實(shí)時(shí)成像檢測(cè)技術(shù)。

1 圖像邊緣及檢測(cè)方法

X射線實(shí)時(shí)成像檢測(cè)技術(shù)采集到的圖像,由于焊縫缺陷在底片上一般呈現(xiàn)模糊輪廓的條狀或塊狀圖象,缺陷檢測(cè)的實(shí)質(zhì)可歸結(jié)為邊緣檢測(cè)[2]。

圖像邊緣檢測(cè)是圖像分割、目標(biāo)區(qū)域識(shí)別、區(qū)域形狀提取等圖像分析領(lǐng)域的基礎(chǔ)。圖像理解和分析的第一步往往就是邊緣檢測(cè),其結(jié)果的正確性和可靠性將直接影響到機(jī)器視覺系統(tǒng)對(duì)客觀世界的理解。邊緣檢測(cè)目前已成為機(jī)器視覺研究領(lǐng)域最活躍的課題之一,在工程應(yīng)用中占有十分重要的地位[2]。

圖像的邊緣是指其周圍像素灰度有階躍變化或屋頂狀變化的那些像素的集合。它一般存在于目標(biāo)與背景、目標(biāo)與目標(biāo)、區(qū)域與區(qū)域、基元與基元之間。

邊緣具有方向和幅度兩個(gè)特征,沿邊緣走向,像素值變化比較平緩;垂直于邊緣走向,像素值變化比較劇烈,可能呈現(xiàn)階躍狀,也可能呈現(xiàn)斜坡狀。因此,邊緣可以分為兩種:一種為階躍性邊緣,它兩邊的像素灰度值有著明顯的不同;另一種為屋頂狀邊緣,它位于灰度值從增加到減少的變化轉(zhuǎn)折點(diǎn)。對(duì)于階躍性邊緣,二階方向?qū)?shù)在邊緣處呈零交叉;而對(duì)于屋頂狀邊緣,二階方向?qū)?shù)在邊緣處取極值。

實(shí)現(xiàn)邊緣檢測(cè)有很多不同的方法,也一直是圖像處理中研究的熱點(diǎn),人們期望找到一種抗噪強(qiáng)、定位準(zhǔn)、不漏檢、不誤檢的檢測(cè)算法。經(jīng)典的邊緣檢測(cè)方法是對(duì)原始圖像中像素的某小鄰域來構(gòu)造邊緣檢測(cè)算子。常用的邊緣檢測(cè)算子有Roberts算子、Sobel算子、Prewitt算子、Kirsch算子、LOG算子等,本文針對(duì)Sobel算子進(jìn)行研究。

2 Sobel算子的邊緣檢測(cè)原理

Sobel算子利用像素的左、右、上、下鄰域的灰度加權(quán)算法,根據(jù)在邊緣點(diǎn)處達(dá)到極值這一原理進(jìn)行邊緣檢測(cè)。該方法不但產(chǎn)生較好的檢測(cè)效果,而且對(duì)噪聲具有平滑作用,可以提供較為精確的邊緣方向信息[3]。

為分析各因素對(duì)?？讛D壓壓強(qiáng)的影響規(guī)律，在上述壓強(qiáng)模型基礎(chǔ)上借助Matlab軟件進(jìn)行分析計(jì)算，繪制模孔壓強(qiáng)在各參數(shù)下的變化規(guī)律曲線。計(jì)算過程中，各參數(shù)取值范圍如下：泊松比νyz和νyx取值相同，取值范圍從0.1到0.5；摩擦系數(shù)μ取值范圍從0.1到0.5；?？组L(zhǎng)徑比λ=L/rh取值范圍從6到12。分析過程中對(duì)縱坐標(biāo)進(jìn)行歸一化處理，取PL/PN0相對(duì)壓強(qiáng)作為計(jì)算結(jié)果。

Sobel邊緣算子所采用的算法是先進(jìn)行加權(quán)平均,然后進(jìn)行微分運(yùn)算,算子的計(jì)算方法如下:

Δxf(x,y)=-1×f(x-1,y-1)+0×f(x-1, y)+1×f(x-1,y+1)-2×f(x,y-1)+0×f(x, y)+2×f(x,y+1)-1×f(x+1,y-1)+0×f(x +1,y)+2×f(x+1,y+1)

Δyf(x,y)=1×f(x-1,y-1)+2×f(x-1, y)+1×f(x-1,y+1)+0×f(x,y-1)+0×f(x, y)+0×f(x,y+1)-1×f(x+1,y-1)-2×f(x +1,y)-1×f(x+1,y+1)

式中,f(x,y)為(x,y)點(diǎn)的灰度值;Δxf(x,y)為水平檢測(cè)算子計(jì)算后的灰度值;Δyf(x,y)為垂直檢測(cè)算子計(jì)算后的灰度值。Sobel算子的邊緣檢測(cè)是在圖像空間利用兩個(gè)方向模板與圖像進(jìn)行鄰域卷積來完成的。這兩個(gè)方向模板:一個(gè)是檢測(cè)水平邊緣,一個(gè)是檢測(cè)垂直邊緣。如圖1所示。

圖1 Sobel算子模板

圖1(a)檢測(cè)圖像中垂直方向的邊緣,圖1(b)檢測(cè)圖像中水平方向的邊緣。每個(gè)像素點(diǎn)取兩個(gè)模板卷積的最大值作為該像素點(diǎn)的輸出值,運(yùn)算結(jié)果是一副邊緣圖像。

在數(shù)字圖像處理中,用Sobel算子檢測(cè)圖像邊緣的步驟如下:

(1)分別將兩個(gè)方向模板沿著圖像從一個(gè)像素移到另一個(gè)像素,并將模板的中心像素與圖像中的某個(gè)像素位置重合;

(2)將模板內(nèi)的系數(shù)與其對(duì)應(yīng)的圖像像素值相乘;

(3)將所有乘積相加;

(4)將兩個(gè)卷積的最大值,賦給圖像中對(duì)應(yīng)模板中心位置的像素,作為該像素的新灰度值;

(5)利用最小類內(nèi)方差法求取適當(dāng)?shù)拈撝礣H,若像素新灰度值≥TH,則認(rèn)為該像素點(diǎn)為邊緣點(diǎn)。

由上述可知,Sobel算法的優(yōu)點(diǎn)是計(jì)算簡(jiǎn)單,速度快,具有一定的噪聲抑制能力,在檢測(cè)階躍邊緣時(shí)可以得到至少兩個(gè)像素的邊緣寬度[4]。但由于Sobel算子只采用了兩個(gè)方向的模板,只能檢測(cè)水平方向和垂直方向的邊緣,而且Sobel算法認(rèn)為新灰度值大于或等于閾值的像素點(diǎn)都是邊緣點(diǎn),如果許多噪聲的新灰度值也滿足條件,則會(huì)造成邊緣點(diǎn)誤判[5]。

3 Sobel算子與最小二乘法相結(jié)合

針對(duì)Sobel算子檢測(cè)出的邊緣不連續(xù),并且存在檢測(cè)出的邊緣粗且對(duì)噪聲極其敏感的缺點(diǎn),考慮到最小二乘法的特點(diǎn),采用最小二乘法來定量分析繪制這兩條邊緣線。

文獻(xiàn)[3]提出了應(yīng)用Sobel算子以及一些簡(jiǎn)單的前期處理來檢測(cè)含噪低對(duì)比度圖像的算法流程,在此基礎(chǔ)上結(jié)合最小二乘法算法可以定量計(jì)算出兩條邊緣線的斜率和截距,本文確定的圖像處理算法如圖2所示。

Sobel算子與最小二乘法相結(jié)合求取圖像邊緣的步驟如下:

(1)對(duì)原始圖像(含噪低對(duì)比度圖像)作直方圖均衡化處理,以增強(qiáng)對(duì)比度。直方圖均衡化的基本思想是把原始圖像的直方圖變換成均勻分布的形式,這樣就增加了像素灰度值的動(dòng)態(tài)范圍,從而達(dá)到了增強(qiáng)圖像整體對(duì)比度的效果。

(2)利用最小類內(nèi)方差法對(duì)均衡化后的圖像求取閾值,并用該閾值對(duì)圖像進(jìn)行二值化處理,灰度值小于閾值的取0,灰度值大于閾值的取255。

(3)對(duì)第2步所得圖像中各個(gè)像素點(diǎn)進(jìn)行判斷,若該像素點(diǎn)8鄰域內(nèi)各個(gè)像素點(diǎn)的值均為255,則該像素點(diǎn)的灰度值取255,否則灰度值取0;將8鄰域內(nèi)所有像素點(diǎn)的值均為255作為判斷中心像素值的條件,既可以有效地去除噪聲又為下一步檢測(cè)到平滑的圖像邊緣打下良好的基礎(chǔ);

(4)用簡(jiǎn)單的Sobel算子檢測(cè)第3步所得圖像的邊緣從而得到原始圖像的邊緣;

(5)利用最小二乘法擬合曲線的方法尋找原始圖像的邊緣,從而得到計(jì)算機(jī)可以識(shí)別的圖像邊緣[6]。

圖2 流程圖

4 實(shí)驗(yàn)結(jié)果圖

本文利用所提出的算法對(duì)某鋼管廠實(shí)際X射線焊縫圖像進(jìn)行了處理,結(jié)果如圖3所示。

圖3 實(shí)驗(yàn)結(jié)果圖

圖3(a)是利用X射線采集到的原始灰度圖像,圖3(b)是原始圖像經(jīng)過二值化后閾值減6的效果圖。圖3(c)為原始圖像經(jīng)過二值化并進(jìn)行Sobel算子處理后的結(jié)果圖。從圖中可以看出,由于采用最小類內(nèi)方差法求取閾值處理后圖像的邊緣以及邊緣線之間比較模糊,不易找出圖像的邊緣,因此針對(duì)含噪低對(duì)比度的圖像在最小類內(nèi)方差法求取閾值的基礎(chǔ)上適當(dāng)?shù)卦黾踊蛘邷p少一定的數(shù)值(本文對(duì)求取的閾值減3)并利用最小二乘法找出圖像的邊緣,如圖3(d)所示。

5 結(jié) 論

針對(duì)X射線采集到的灰度圖像,利用中值濾波、Sobel算子和最小二乘法相結(jié)合的圖像邊緣檢測(cè)方法,并對(duì)最小類內(nèi)方差法求取的閾值進(jìn)行一定數(shù)值的改變,從而得到圖像的兩條邊緣線,仿真試驗(yàn)證明了該算法的有效性。實(shí)驗(yàn)證明,本文提出的改進(jìn)算法對(duì)含噪低對(duì)比度圖像有較好的檢測(cè)效果,而且此算法優(yōu)于一般的基于微分運(yùn)算的邊緣提取算法,能夠很好地去除噪聲,所處理的圖像細(xì)節(jié)損失少,邊緣細(xì)節(jié)損失小,光滑效果好,邊緣清晰、連續(xù),并且算法易于編程實(shí)現(xiàn)。

[1] 馬宏偉,陳 富,杜功儒.長(zhǎng)輸管道無損檢測(cè)自動(dòng)化技術(shù)的研究進(jìn)展[J].中國機(jī)械工程,2003,14(23)

[2] 錢蓉暉.自動(dòng)識(shí)別X射線底片缺陷圖像處理技術(shù)[J].無損檢測(cè),1999,21(6)

[3] 盧 洋,張旭秀.圖像邊緣檢測(cè)算法的對(duì)比分析與研究[J].研究與探討,2009,(3)

[4] 鄭 敏,王有熙,稅冬東.基于Sobel算子含噪低對(duì)比度圖像的邊緣檢測(cè)方法[J].石河子大學(xué)學(xué)報(bào),2008,1(26)

[5] 袁春蘭,熊宗龍,周雪花,等.基于Sobel算子的圖像邊緣檢測(cè)研究[J].圖像與信號(hào)處理,2009,39(1)

[6] 程世東,湯 楠,高緯欣,等.基于CCD的埋弧焊焊縫跟蹤系統(tǒng)數(shù)字圖像處理方法[J].焊接技術(shù),2008,37(2)

[7] 高煒欣,湯 楠,穆向陽,等.埋弧焊焊縫CCD跟蹤系統(tǒng)研制[J].焊接,2007,54(4)

TG445

B

1004-9134(2010)02-0084-03

查笑春,女,1983年生,碩士研究生,西安石油大學(xué)檢測(cè)技術(shù)與自動(dòng)化裝置專業(yè),主要研究方向?yàn)閳D像處理工業(yè)自動(dòng)化。郵編: 710065

2009-09-10 編輯:姜 婷)

·計(jì)算機(jī)與通訊技術(shù)·