徐光明，宋 鈺，鄭曉曦

?

磁瓦表面夾層缺陷的檢測和識別方法

徐光明，宋 鈺，鄭曉曦

（五邑大學(xué) 信息學(xué)院，廣東 江門 529020）

為了改變目前以目視為主的磁瓦缺陷檢測現(xiàn)狀，應(yīng)用計算機(jī)視覺技術(shù)檢測與識別磁瓦缺陷. 首先，應(yīng)用圖像剪切技術(shù)獲得需要檢測的部分；然后，應(yīng)用Laplacian算子和Wiener濾波器進(jìn)行圖像銳化和濾波去噪，選擇相應(yīng)的閾值進(jìn)行圖像二值化；最后根據(jù)白色區(qū)域的面積和周長與給定的閾值進(jìn)行比較，實現(xiàn)夾層缺陷的檢測. MATLAB仿真實驗驗證了算法的有效性.

磁瓦；夾層缺陷；缺陷識別；數(shù)字圖像處理

磁瓦在電機(jī)等設(shè)備中廣泛應(yīng)用，且生產(chǎn)規(guī)模大、數(shù)量多. 在磁瓦的生產(chǎn)過程中，由于加工技術(shù)和材料等因素，磁瓦內(nèi)外表面以及矩形底面會產(chǎn)生崩爛、起級、夾層等缺陷[1]，這些缺陷對磁瓦的使用性能有很大的影響. 國內(nèi)外，關(guān)于工件表面缺陷檢測技術(shù)已廣泛地應(yīng)用于工業(yè)生產(chǎn)中[2]，但是對磁瓦表面缺陷的研究僅限于一些缺陷的識別. 目前磁瓦缺陷檢測以目視為主，這影響了企業(yè)生產(chǎn)規(guī)模的擴(kuò)大、經(jīng)濟(jì)效益的提高和工人的身體健康. 因此，本文利用計算機(jī)視覺技術(shù)對磁瓦缺陷進(jìn)行檢測與識別，并應(yīng)用MATLAB進(jìn)行圖像分塊、濾波去噪和缺陷識別過程的仿真實驗，以有效地提高磁瓦缺陷檢測速度和識別質(zhì)量.

1 磁瓦表面缺陷圖像的預(yù)處理

1.1 磁瓦表面缺陷檢測與識別步驟

利用計算機(jī)視覺技術(shù)對磁瓦缺陷檢測和識別流程如圖1所示，具體步驟如下：

1）對磁瓦進(jìn)行圖像采集、預(yù)處理，使圖像增強(qiáng)，這有利于磁瓦缺陷細(xì)節(jié)的識別；

2）進(jìn)行磁瓦圖像分析、濾波去噪、閾值分割；

3）進(jìn)行磁瓦缺陷分析、檢測與識別.

1.2 磁瓦表面圖像的獲取

獲得一個較好的磁瓦缺陷圖像，環(huán)境燈光和攝像設(shè)備至關(guān)重要. 本文采用CCD數(shù)碼相機(jī)獲取圖像，環(huán)境燈光采用漫反射圓頂光源以實現(xiàn)全空間區(qū)域的漫射光照明，消除陰影，獲得圖像如圖2. 從圖2看到，磁瓦的圖像對比度低、偏暗，灰度值集中在0～80之間.

圖1 磁瓦缺陷檢測與識別流程

圖2 磁瓦夾層（標(biāo)示內(nèi)）缺陷圖像

1.3 磁瓦特征分析

由圖2可知，磁瓦主要由外表面、內(nèi)表面、矩形底面以及拱形側(cè)面等組成. 外表面及內(nèi)表面都是曲面，各表面光滑或有規(guī)則的條形紋理（如矩形底面無缺陷部分無紋理），磁瓦缺陷部分都是不規(guī)則的幾何形狀（如夾層是灰度接近白色的間斷的亮區(qū)域，崩爛是不規(guī)則的塊狀凹陷）. 雖然曲面造成了光照的不均勻，但是在缺陷部分，缺陷與其周圍有較強(qiáng)的亮度反差或紋理差別. 我們對缺陷圖片的分析發(fā)現(xiàn)：輸入的圖像較暗，灰度值較小，且存在噪聲.

1.4 圖像的剪切

圖3 剪切處理的矩形底面圖像

由圖3可知，圖像經(jīng)剪切處理后有缺陷的磁瓦矩形底面圖像與無缺陷的磁瓦矩形底面圖像在亮度上有明顯的差別，即有缺陷部分的圖像亮度比無缺陷部分的高.

1.5 圖像的增強(qiáng)

由于磁瓦表面存在灰漬或在圖像采集、成像、數(shù)字化和處理過程中引入了噪聲，都將影響缺陷部分的識別. 因此，我們用中值濾波、均值濾波、高斯濾波和Wiener濾波對矩形底面圖像進(jìn)行去噪處理，用Laplacian算子對圖像銳化處理.

1.5.1 Laplacian算子、Wiener濾波原理

1）Laplacian算子反映的是圖像二階微商，定義為[3]：

Laplacian算子具有各向同性和平移不變性，對圖像點、線、邊界的提取效果較好. 對數(shù)字圖像而言，式（1）可離散化為：

根據(jù)Laplacian算子建立圖像增強(qiáng)模型

將式（2）代入式（3）得八鄰域的公式

由此可得八鄰域卷積模板.

2）Wiener濾波原理

圖4 銳化去噪的磁瓦矩形底面缺陷圖像

1.5.2 圖像二值化與數(shù)學(xué)形態(tài)學(xué)操作

為了獲得更好的缺陷識別圖像，可利用二值數(shù)學(xué)形態(tài)學(xué)膨脹運算原理[4]對磁瓦缺陷圖像的缺陷部分的像素進(jìn)行增強(qiáng)，這種方法在處理外表面崩爛缺陷圖像中獲得了較好的效果[1]183. 利用二值數(shù)學(xué)形態(tài)學(xué)膨脹運算需確定矩形結(jié)構(gòu)元素，我們根據(jù)磁瓦矩形底面缺陷的特點，選擇矩形結(jié)構(gòu)元素為3×7，磁瓦矩形底面缺陷二值化圖像的膨脹結(jié)果如圖5-b. 由圖5-b看出，圖像經(jīng)數(shù)學(xué)形態(tài)學(xué)膨脹處理后，缺陷部分更加清晰.

圖5 二值化及形態(tài)學(xué)膨脹處理的磁瓦矩形底面缺陷圖像

2 磁瓦缺陷的檢測與識別

2.1 缺陷特征選取與測量

對目標(biāo)特征的選取有利于缺陷的識別. 磁瓦圖像中的目標(biāo)特征包括面積、周長、形狀參數(shù)、球狀性、偏心率、歸一化絕對平均曲率和彎曲能7個特征（其中通過直接測量得到的目標(biāo)特征稱為直接測度，通過間接測量得到的目標(biāo)特征稱為間接測度[3]256）. 本文對磁瓦夾層缺陷提取面積、周長和形狀因子作為目標(biāo)特征.

2.1.1 面積及周長的測量

以邊界處四連通的像素數(shù)作為邊界的周長，根據(jù)邊界跟蹤結(jié)果求得滿足缺陷邊界形狀的各區(qū)域的周長. 周長的缺陷識別根據(jù)設(shè)定閾值和獲得的缺陷邊界周長，比較后進(jìn)行缺陷的檢測和識別.

2.1.2 形狀特征的缺陷檢測和識別

其中：為各疑似缺陷的目標(biāo)圍臺的長度；為對應(yīng)的目標(biāo)圍臺寬度；為各疑似缺陷的周長；為疑似缺陷區(qū)域的個數(shù)；為各疑似缺陷的面積. 對和利用試驗獲得的閾值，剔除孤立點及非缺陷區(qū)域，獲得真實缺陷區(qū)域，以各區(qū)域周長和及面積和檢測、識別磁瓦夾層缺陷.

2.2 磁瓦矩形底面夾層缺陷檢測和識別

根據(jù)磁瓦矩形底面夾層缺陷的特征，應(yīng)用MATLAB編程進(jìn)行仿真實驗，對磁瓦矩形底面夾層缺陷邊界輪廓標(biāo)記結(jié)果見圖6-a；對特征向量標(biāo)記磁瓦夾層缺陷的檢測和識別結(jié)果見6-b.

圖6 磁瓦矩形底面缺陷標(biāo)記及識別圖像

從圖6可知，根據(jù)本文方法提取到的磁瓦矩形底面缺陷的特征能很好地識別磁瓦缺陷，且識別程度高、魯棒性強(qiáng)，也避免了磁瓦其它部位缺陷特征的影響.

3 結(jié)語

根據(jù)磁瓦缺陷的不同特點，本文利用圖像分塊處理的方法，避免了在提取缺陷特征時缺陷特征之間的相互干擾. 根據(jù)磁瓦夾層缺陷的特征，使用Laplacian算子、Wiener濾波進(jìn)行圖像的混合濾波預(yù)處理，獲得了很好的濾波實驗效果；并應(yīng)用MATLAB軟件進(jìn)行了仿真實驗，對提取到的磁瓦缺陷特征進(jìn)行了缺陷識別，取得了較好的識別效果.

[1] 鄭曉曦，嚴(yán)俊龍. 數(shù)學(xué)形態(tài)學(xué)在磁瓦表面缺陷檢測中的運用[J]. 計算機(jī)工程與應(yīng)用，2008, 44(16): 182-184.

[2] 程轉(zhuǎn)偉，頡潭成，劉岳林，等. 圖像處理技術(shù)在表面缺陷檢測中的應(yīng)用[J]. 微計算機(jī)信息，2008, 15(24): 312-314.

[3] 章毓晉. 圖像工程：圖像處理和分析[M]. 北京：清華大學(xué)出版社，1999.

[4] 王愛玲，葉明生，鄧秋香，等.MATLABR2007圖像處理技術(shù)與應(yīng)用[M]. 北京：電子工業(yè)出版社，2008.

[責(zé)任編輯：孫建平]

A Study of the Detection of the Interlayer Surface Defect of Arc-magnets

XUGuang-ming,SONGYu,ZHENGXiao-xi

To change the practice of detecting the surface defects of arc-magnets by the naked eye, the computer vision technology should be applied. First, obtain the parts to be detected using the image-cutting techniques; then, sharpen and filter the image with the Laplacian operator and the Wiener filter, and binarize the image with the proper threshold; and lastly, compare the area and circumference of the white arc-magnet with the given threshold value and realize the detection of the interlayer defect. Good defect detection and identification is achieved through the MATLAB simulation experiments.

arc-magnets; interlayer defects; defect identification; digital image processing

1006-7302（2010）01-0027-06

TP391.41

A

2009-09-24

徐光明（1979—），男，山東臨沂人，碩士生，研究方向：計算機(jī)視覺、圖像處理與識別等，E-mail: brightxusdu@sina.com；鄭曉曦，博士，教授，碩士生導(dǎo)師，通信作者，研究方向：計算機(jī)圖像識別及處理技術(shù)、虛擬現(xiàn)實與系統(tǒng)仿真技術(shù)、虛擬樣機(jī)與CAD技術(shù)等，E-mail: mailzxx@163.com.