關(guān)榆軍，董翠英

GUAN Yu-jun, DONG Cui-ying

（唐山學(xué)院 信息工程系，唐山 063000）

圖像處理在X射線焊縫檢測機器人焊縫識別中的研究

Research of imagine processing in weld identifi cation of x-ray weld inspection robot

關(guān)榆軍，董翠英

GUAN Yu-jun, DONG Cui-ying

（唐山學(xué)院 信息工程系，唐山 063000）

本文針對管道施工時X射線管道焊縫焊接檢測，提出對二值化后的焊縫圖像采用MPP法獲得焊縫的邊緣特征，并通過相關(guān)匹配法進行焊縫圖像的中心定位，根據(jù)焊縫位置發(fā)出相應(yīng)控制指令控制檢測機器人的運動速度及方向，從而達到機器人準(zhǔn)確定位焊縫的目的。

圖像處理；MPP；相關(guān)匹配

0 引言

管道是石油、天然氣、核工業(yè)、給排水等領(lǐng)域的重要物質(zhì)輸送工具。管道焊縫焊接質(zhì)量直接關(guān)系到管道的安全運行和使用壽命。因此，在管道施工中，必須對焊縫進行嚴(yán)格的質(zhì)量檢測。管道焊縫準(zhǔn)確定位是管道焊縫質(zhì)量檢驗的前提和保證?，F(xiàn)有的焊縫檢測機器人需要操作者遙控機器人在管道內(nèi)部移動，通過機器人攜帶的CCD來采集焊縫圖像并傳送至外部的監(jiān)控器管道內(nèi)情況。當(dāng)監(jiān)視器屏幕顯示焊縫時，操作者控制機器人準(zhǔn)確定位焊縫，并進行X光照射，對焊縫進行檢測。人工操作定位準(zhǔn)確率較高，但效率極低。為提高管道焊縫檢測機器人的自動化程度。本文提出了采用MPP法獲得焊縫的邊緣特征，并通過相關(guān)匹配法進行焊縫圖像的中心定位，可根據(jù)焊縫位置發(fā)出相應(yīng)控制指令控制檢測機器人的運動速度及方向，從而可將機器人可靠、準(zhǔn)確、快速地牽引至焊縫處，實現(xiàn)焊縫自動定位任務(wù)。

1 X射線焊縫檢測機器人工作原理

圖1 X射線焊縫檢測機器人工作原理

X射線焊縫檢測機器人主要由CCD攝像頭、圖像采集卡、無線傳輸模塊、PLC控制器和驅(qū)動裝置等構(gòu)成，其工作原理如圖1所示。由CCD采集管道圖像，從圖像中識別出焊縫位置，然后根據(jù)位置控制機器人運動并最終定位在焊縫處。

2 焊縫圖像預(yù)處理

用CCD采集的焊縫圖像中包含很多噪聲以及在無線傳輸過程中不可避免的產(chǎn)生干擾[1]，因此在圖像的特征分析之前，首先要對焊縫圖像進行預(yù)處理，濾除噪聲干擾，然后才能具體分析整個圖像的信息。

2.1 焊縫圖像增強

為了保證對焊縫圖像的正確識別，首先對焊縫圖像進行圖像增強處理。圖像增強處理分為基于空間域的增強方法和基于頻率域的增強方法，頻域增強要通過對圖像二位傅里葉變換后進行，算法較復(fù)雜，所以對焊縫圖像采用空域濾波增強。中值濾波是一種非線性平滑濾波，在一定的條件下可以克服線性濾波所帶來的圖像細(xì)節(jié)模糊問題，而且對過濾脈沖干擾非常有效。中值濾波是用一個有奇數(shù)點的滑動窗口，將窗口中心點的值用窗口各點的中值代替。

其數(shù)學(xué)描述為：

若S為像素(i0,j0)的鄰域集合，(i,j)表示S中的元素，f(i,j)表示(i,j)點的灰度值，|S|表示集合S中元素的個數(shù)，Sort表示排序，則對(i0,j0)進行平滑可表示為：

具體操作步驟如下：

1）將模板在圖中漫游，并將模板中心與圖中某個像素位置重合；

2）讀取模板下各對應(yīng)像素的灰度值；

3）將這些灰度值從小到大排成1列；

4）找出這些值里排在中間的1個；

5）將這個中間值賦給對應(yīng)模板中心位置的像素。

2.2 焊縫圖像的二值化

焊縫圖像濾波后必須進行二值化處理。二值化處理利用圖像中要提取目標(biāo)物與背景的差異，把圖像視為具有不同灰度級的兩類區(qū)域的組合。其主要有兩種方法：

1）空間域的區(qū)域增長分割方法，該方法有很好的分割效果，但缺點是運算復(fù)雜，處理速度慢；

2）鑒于度量空間的灰度閾值分割法。這種方法利用圖像中要提取的目標(biāo)物與背景的差異，把圖像視為具有不同灰度級，將圖像分成若干部分，每一部分對應(yīng)于某一物體表面，在進行分割時，每一部分的灰度或紋理符合某一種均勻測量度量。

本文采用自適應(yīng)閾值分割法，當(dāng)選定閾值為T時：

本文根據(jù)直方圖中灰度分布特點，可求得不同幀圖像的最優(yōu)閾值。

3 焊縫圖像邊緣檢測

在圖像中，邊界表明一個特征區(qū)域的終結(jié)和另一個特征區(qū)域的開始，邊界所分開區(qū)域的內(nèi)部特征或?qū)傩允且恢碌?，而不同區(qū)域內(nèi)部的特征或?qū)傩允遣煌?。焊縫圖像的邊緣檢測正是利用焊縫和背景在灰度上的差異來實現(xiàn)的。經(jīng)過多次實驗，本文采用的是MPP(Minimum perimeter polygons，最小周長多邊形) 算法確定圖像邊界，查找MPP的步驟如下[3]：

1）獲取細(xì)胞聯(lián)合體；

2）獲取細(xì)胞聯(lián)合體的內(nèi)部區(qū)域；

3）以4連接順時針坐標(biāo)序列的形式獲得步驟2）中的區(qū)域的邊界；

4）獲得4連接序列的鏈碼；

5）從鏈碼中獲得凸頂點（黑點）與凹頂點（白頂點）；

6）使用黑點作為頂點構(gòu)造一個初始多邊形，在進一步的分析中刪除位于該多邊形之外的任何白頂點（在多邊形邊界上的白頂點將保留）；

7）用剩余的黑白點作為頂點構(gòu)造一個多邊形；

8）刪除所有未能凹頂點的黑點；

9）重復(fù)步驟7）與步驟8），直到變換停止。

按照上述步驟可得到焊縫圖像的邊緣信息。

4 焊縫圖像的相關(guān)匹配

4.1 相關(guān)匹配

相關(guān)匹配法是圖像匹配中廣泛應(yīng)用的一種匹配算法，具有較強的噪聲抑制能力、計算簡單以及易于硬件實現(xiàn)等優(yōu)點。

設(shè)模板為T，尺寸為K×L，被搜索圖像為S尺寸為M×N，模板覆蓋下的圖像為S(i,j)，(i,j)代表子圖左手角像素點的坐標(biāo)?？梢圆捎脷w一化的相關(guān)函數(shù)作相似性測量：

由式(1)可見，用相關(guān)法進行圖像匹配的計算量很大，因為模板需要在(M-K+1)×(N-L+1)個參考位置進行相關(guān)函數(shù)計算。

4.2 用相關(guān)理論與FFT相結(jié)合計算相關(guān)匹配

通常空間相關(guān)的計算采用直接計算相關(guān)的方法實現(xiàn)，此方法在對實時性要求較高的條件下，對處理器的處理速度要求較高，在實際實現(xiàn)中總是依靠專用處理硬件如：DSP處理器，來實現(xiàn)的。若在頻率域?qū)崿F(xiàn)相關(guān)運算[4]，即利用相關(guān)定理來進行相關(guān)計算，可使計算量大幅減少，同時可進一步提高處理速度。

用相關(guān)定理與FFT相結(jié)合計算相關(guān)，如圖2所示：首先分別計算模板T與焊縫圖像S的二維FFT，得到各自的頻譜；然后對模板的頻譜求復(fù)共軛，再將其焊縫圖像S的頻譜對應(yīng)相乘；最后，對上述乘積進行二維的FFT逆變換，其結(jié)果即為所求的相關(guān)圖像，相關(guān)圖像中最大的值對應(yīng)的橫坐標(biāo)位置即為最佳匹配點。根據(jù)位置發(fā)出指令信息，控制機器人前進、后退；如果出現(xiàn)多個最大值點，即匹配位置有許多，則說明該幀信息不包含焊縫，應(yīng)保持控制機器人勻速前進。

圖2 利用FFT計算相關(guān)圖像的最大相關(guān)值

5 實驗與總結(jié)

為了驗證焊縫識別算法的可行性， 用X射線機器人采集到的典型焊縫圖像在Matlab軟件中進行仿真研究，相關(guān)匹配模板如圖3所示。仿真結(jié)果如圖4(a)所示，圖4(a)～(c)分別為采集的焊縫圖像，灰度化的圖像和中值濾波后的焊縫圖像，圖4(d)～(f)分別為焊縫圖像二值化的圖像、提取邊緣的圖像和顯示焊縫中心位置的圖像。確定焊縫中心的相對位置后，可以向PLC發(fā)出控制信號，控制X射線焊縫檢測機器人前進、后退或停止，最終實現(xiàn)焊縫的精確定位。

圖3 相關(guān)匹配模板

圖4 焊縫圖像及處理后的圖像

[1] 李冰,張華,等.改進型均值濾波對水下焊縫圖像的去噪[J].光電工程,2006,(5)：192-195.

[2] 林蘭極,王庫,等.基于DSP的石油管道焊縫檢測機器人系統(tǒng)[J].電子測量技術(shù),2007,(1)：144-146.

[3] Rafael C.Gonzalez.Digital Image Processing[M].北京：電子工業(yè)出版社,2006.

[4] William K.Pratt.Digital Image Processing[M].北京：機械工業(yè)出版社,2005.

TN919

A

1009-0134(2010)10(下)-0014-03

10.3969/j.issn.1009-0134.2010.10(下).04

2010-04-05

唐山市科學(xué)技術(shù)研究與發(fā)展指導(dǎo)項目資助

關(guān)榆軍（1958 -），河北山海關(guān)人，教授，研究方向為智能控制。