陳 慧,姚恩濤,田裕鵬

(南京航空航天大學(xué) 自動(dòng)化學(xué)院,南京 210016)

橋梁纜索系統(tǒng)使用過程中,由于磨損、銹蝕等原因會(huì)產(chǎn)生斷絲、腐蝕等各種缺陷。對(duì)大型橋梁纜索,采取有效的無損檢測(cè)方法,既能夠延長(zhǎng)纜索的使用壽命,又能在其發(fā)生斷裂之前及時(shí)更換。

目前國(guó)內(nèi)外常用纜索檢測(cè)方法是漏磁檢測(cè)和超聲檢測(cè),但這兩種方法都存在檢測(cè)靈敏度低、效率低和提離效應(yīng)的問題。筆者采用了X 射線數(shù)字成像技術(shù)對(duì)以上兩種方法的缺點(diǎn)進(jìn)行補(bǔ)充,能獲得缺陷的直觀圖像,對(duì)缺陷的面積、位置的定量比較準(zhǔn)確。

目前橋梁纜索結(jié)構(gòu)的材料大都是鋼絲繩,因此采用鋼絲繩作為被檢對(duì)象,其表面上加工了腐蝕缺陷,外層用大約2mm 的熱縮管包上。利用便攜式X射線數(shù)字探傷儀沿纜索周向等分采集多幅圖像。

1 圖像預(yù)處理

X 射線檢測(cè)圖像具有灰度區(qū)間比較窄、缺陷邊緣模糊、圖像噪聲多、缺陷特征有時(shí)被湮沒等特點(diǎn),這些不利因素影響了根據(jù)X 射線圖像對(duì)被檢對(duì)象進(jìn)行分析的效果。為研究X 射線圖像,正確提取缺陷特征,在計(jì)算機(jī)內(nèi)對(duì)檢測(cè)圖像使用預(yù)處理是非常必要的,其主要目的是減少噪聲和提高對(duì)比度。

1.1 圖像濾波

射線檢測(cè)圖像中的噪聲大多是高斯白噪聲,所以采用高斯白噪聲去噪方法。從本質(zhì)上講,各種消噪法都是低通濾波的方法,它在消除圖像噪聲的同時(shí),也會(huì)消除圖像部分有用的高頻信息。因此各種消噪方法都是在消噪和保留有用高頻信息之間進(jìn)行權(quán)衡。非線性濾波中的中值濾波不僅算法簡(jiǎn)單、易于理解實(shí)現(xiàn),而且具有平滑圖像、增強(qiáng)邊緣、抑制噪聲等功能。該濾波法用一個(gè)含有奇數(shù)點(diǎn)的滑動(dòng)窗口,窗口正中的那點(diǎn)灰度值由各點(diǎn)灰度的中間值代替。

計(jì)算以點(diǎn)(i,j)為中心的函數(shù)窗像素中值濾波步驟如下:

(1)按亮度值大小排列像素點(diǎn)。

(2)選擇排序像素集的中間值作為點(diǎn)(i,j)的新值。

一般采用奇數(shù)點(diǎn)的領(lǐng)域來計(jì)算中值,但如果像素點(diǎn)數(shù)為偶數(shù)時(shí),中值就取排序像素中間兩點(diǎn)的平均值。采用中值濾波對(duì)比效果如圖1 所示。

圖1 中值濾波前后對(duì)比圖

1.2 圖像增強(qiáng)

圖像增強(qiáng)作為基本的圖像處理技術(shù),常用的增強(qiáng)技術(shù)根據(jù)其處理進(jìn)行的空間不同,分為空間域法和頻率域法。X 射線圖像函數(shù)f(x,y)的值受很多不確定性因素的影響,圖像中對(duì)比度不明顯,且邊緣和一些部位模糊不清。筆者采用了圖像的模糊增強(qiáng)方法,以增強(qiáng)邊緣處,而使白色區(qū)域和黑色背景區(qū)域分別得到強(qiáng)化,邊界變得黑白分明清晰。

依照模糊算法子集的概念,一幅灰度級(jí)為L(zhǎng)的m×n的二維圖像X,可作為一個(gè)模糊點(diǎn)集陣看待,記為:

式中pij/xij為圖像中第(i,j)點(diǎn)像素的灰度xij相對(duì)于最大灰度(L-1)的某種亮度程度;pij為其模糊特征;在Pal 算法中,pij由下式取得:

式中Fp為模糊參數(shù);Xmax=(L-1)表示最大灰度值為渡越點(diǎn),即T(xc)=0.5;得到pij后,再對(duì)圖像進(jìn)行模糊增強(qiáng)處理,其處理方程為:

經(jīng)過處理后,再對(duì)pij′進(jìn)行逆變換,得到增強(qiáng)后的圖像X′,X′中第(i,j)點(diǎn)像素的灰度xij′=T-1(pij′)。在模糊變換中采用冪函數(shù)作為隸屬函數(shù)計(jì)算量大,速度比較慢。在原Pal 算法的基礎(chǔ)上,筆者對(duì)pij作歸一化處理,pij=x ij/Xmax,然后取上面兩個(gè)函數(shù)段作為對(duì)比度增強(qiáng)算法進(jìn)行模糊增強(qiáng),產(chǎn)生一個(gè)新的模糊集。最后對(duì)pij′用x ij′=pij′×Xmax這個(gè)式子進(jìn)行逆變換,從而得到經(jīng)過模糊增強(qiáng)后的圖像。

綜上所述,其算法框圖如圖2 所示。

圖2

采用模糊增強(qiáng)算法前后對(duì)比效果如圖3 所示。

圖3 模糊增強(qiáng)前后對(duì)比圖

2 基于閾值選取的缺陷分割

閾值選取是X 射線檢測(cè)圖像識(shí)別中的關(guān)鍵技術(shù)。目前國(guó)內(nèi)外學(xué)者從各種角度提出了很多種閾值選取的方法。筆者采用一種對(duì)X 射線檢測(cè)圖像分割效果較好的方法——最佳閾值分割。該方法通過不斷迭代來獲取比較恰當(dāng)?shù)拈撝?大于閾值的則認(rèn)為是目標(biāo),小于閾值的則認(rèn)為是背景。通過這樣處理,可以將圖像轉(zhuǎn)換為二值圖像,以便后續(xù)處理。該算法步驟如下:

(1)求圖像中的最小和最大灰度值z(mì)1 和z k,令閾值初值T0=(z1+z k)/2。

(2)根據(jù)閾值T k將圖像分割成目標(biāo)和背景兩部分,求出兩部分的平均灰度值z(mì)c和zb,兩者按下式確定:

式中z(i,j)為圖像上(i,j)上的灰度值;N(i,j)為(i,j)點(diǎn)的權(quán)重系數(shù),一般取N(i,j)=1。

(3)求新的閾值Tk+1,Tk+1=(zc+zb)/2。

(4)如果T k+1=T k,則結(jié)束迭代,否則轉(zhuǎn)第(2)步,K=K+1。

(5)大于閾值的則認(rèn)為是目標(biāo),小于閾值的則認(rèn)為是背景。

最佳閾值分割的效果如圖4 所示。

圖4 最佳閾值分割二值化圖

3 缺陷識(shí)別

由于鋼絲繩特殊的周期性絞狀結(jié)構(gòu),根據(jù)采集到的圖像,無法利用灰度值的不同識(shí)別出缺陷區(qū)域與非缺陷區(qū)域。筆者利用了鋼絲繩結(jié)構(gòu)的周期性,通過計(jì)算出各個(gè)白色區(qū)域的中心點(diǎn)坐標(biāo),得出相鄰的兩個(gè)中心點(diǎn)的坐標(biāo)差,符合一定距離的即為非缺陷區(qū)域,反之則確定為缺陷區(qū)域。

首先將圖像上的白色區(qū)域進(jìn)行建模,將這些區(qū)域看成是一個(gè)個(gè)橢圓(圖5),四個(gè)點(diǎn)坐標(biāo)如下所示,則橢圓區(qū)域的中心點(diǎn)坐標(biāo)為:R=mean([(Rmin+

Rmax)/2,(CminR+CmaxR)/2]);C=mean([(Cmin+Cmax)/2,(RminC+RmaxC)/2])。

按照如下步驟檢測(cè)缺陷的中心位置:

(1)輸入二值化圖像。

圖5 白色區(qū)域建模圖像

(2)提取圖像的各邊界坐標(biāo),并保存到一元包數(shù)組中。

(3)搜索第一組邊界坐標(biāo),記下最小的行坐標(biāo)Rmin和最大的行坐標(biāo)Rmax,并分別計(jì)算此時(shí)行坐標(biāo)下所有列坐標(biāo)的平均值RminC和RmaxC。

(4)搜索第一組邊界坐標(biāo),記下最小的列坐標(biāo)Cmin和最大的列坐標(biāo)Cmax,并分別計(jì)算此時(shí)列坐標(biāo)下所有行坐標(biāo)的平均值CminR和CmaxR。

(5)重復(fù)循環(huán)至所有橢圓目標(biāo)中心全部確定為止。

根據(jù)上述算法對(duì)二值化圖像進(jìn)行處理,結(jié)果如圖6 所示。

圖6 缺陷中心點(diǎn)識(shí)別

各個(gè)中心點(diǎn)坐標(biāo)分別為:(32,126),(122,127),(151,128),(211,126),(300,126),(398,126)。根據(jù)纜索結(jié)構(gòu)的周期性,可以判斷出缺陷處于從左至右第三個(gè)空白區(qū)域。

4 缺陷定量計(jì)算

在缺陷的定量分析中,正確選擇缺陷的特征參數(shù)尤為重要,比如面積等。準(zhǔn)確識(shí)別出X 射線圖像的缺陷,最簡(jiǎn)單的面積計(jì)算方法是統(tǒng)計(jì)缺陷內(nèi)部(包括缺陷邊界)像素的數(shù)目。不同的缺陷具有不同的像素值,通過對(duì)圖像二值化處理后統(tǒng)計(jì)圖中像素點(diǎn)等于1 的點(diǎn),在實(shí)際編程時(shí)只要對(duì)圖像掃描一次就可以計(jì)算出缺陷的面積。按照如下步驟計(jì)算缺陷面積大小:

(1)輸入二值化圖像。

(2)根據(jù)缺陷區(qū)域中心點(diǎn)坐標(biāo)及選取一定大小的模板,對(duì)白色區(qū)域統(tǒng)計(jì)像素個(gè)數(shù)。

(3)根據(jù)圖像像素尺寸和試件實(shí)際尺寸的比例關(guān)系,得出缺陷的實(shí)際面積大小。

根據(jù)像素統(tǒng)計(jì)得出缺陷區(qū)域的個(gè)數(shù)為67 個(gè),而纜索圖像總像素個(gè)數(shù)為12 990 個(gè),纜索試件橫截面的實(shí)際尺寸為2 150 mm2,則缺陷實(shí)際面積大小為11.089 mm2, 原人工加工的缺陷的實(shí)際大小為10 mm2,則相對(duì)誤差為0.108%。

以上通過試驗(yàn)分析,采用X 射線數(shù)字成像系統(tǒng)來定量檢測(cè)纜索的缺陷比較準(zhǔn)確,并且能夠達(dá)到比較高的精度。由于其具有投入成本低、檢測(cè)效率高、自動(dòng)存儲(chǔ)、實(shí)時(shí)在線檢測(cè)等優(yōu)點(diǎn),有著很廣闊的應(yīng)用前景。

[1] 阮煒, 鄭明山.X 射線檢測(cè)鋼絲繩成像系統(tǒng)設(shè)計(jì)[J] .自動(dòng)化技術(shù)與應(yīng)用,2005,24(12):62-64.

[2] 張燕超, 徐桂云.基于X 射線數(shù)字成像技術(shù)的鋼絲繩檢測(cè)系統(tǒng)[J] .無損探傷,2007(1):23-24.

[3] 王華.X 射線數(shù)字成像系統(tǒng)及其應(yīng)用[J] .計(jì)測(cè)技術(shù),2005, 25(6):5-8.

[4] 劉俊敏, 王世耕.工業(yè)X 射線檢測(cè)圖像處理關(guān)鍵技術(shù)研究[D] .重慶:重慶大學(xué),2006.

[5] 段悅, 袁昌明.火災(zāi)探測(cè)中動(dòng)態(tài)火焰的數(shù)字圖像處理[J] .中國(guó)計(jì)量學(xué)院學(xué)報(bào),2009(1):55-58.

[6] 韓焱.射線數(shù)字成像檢測(cè)技術(shù)[J] .無損檢測(cè), 2003,25(9):468-471.