申俊琦，胡繩蓀，馮勝強(qiáng)

(1. 天津大學(xué)材料科學(xué)與工程學(xué)院，天津 300072；2. 天津市現(xiàn)代連接技術(shù)重點(diǎn)實(shí)驗(yàn)室，天津 300072)

激光視覺焊縫跟蹤中圖像二值化處理

申俊琦1,2，胡繩蓀1,2，馮勝強(qiáng)1,2

(1. 天津大學(xué)材料科學(xué)與工程學(xué)院，天津 300072；2. 天津市現(xiàn)代連接技術(shù)重點(diǎn)實(shí)驗(yàn)室，天津 300072)

焊縫圖像的二值化處理是實(shí)現(xiàn)焊縫視覺跟蹤的一個(gè)重要環(huán)節(jié).針對激光視覺傳感焊縫圖像，通過最小二乘法建立了 Otsu法所選閾值與焊縫激光帶區(qū)域灰度平均值的直線回歸方程，從而得到了焊縫圖像二值化處理的最佳閾值.利用該方法對焊縫圖像進(jìn)行二值化處理，并與傳統(tǒng)二值化處理方法的結(jié)果進(jìn)行了對比.結(jié)果表明，該二值化閾值選取方法可以有效地選取出適合焊縫圖像二值化處理的閾值，處理結(jié)果良好，更利于后續(xù)的焊縫特征點(diǎn)提取.

激光視覺傳感；焊縫圖像；二值化處理；Otsu算法

隨著視覺傳感器、計(jì)算機(jī)技術(shù)、圖像處理算法以及智能控制技術(shù)的不斷發(fā)展，利用光學(xué)視覺傳感的焊縫跟蹤技術(shù)也得到了飛速的發(fā)展.這一焊縫跟蹤技術(shù)因其信息直觀、與工件無接觸、測量精度高和動態(tài)響應(yīng)快等優(yōu)點(diǎn)得到了國內(nèi)外焊接研究工作者的關(guān)注[1-5].

基于視覺傳感的焊縫跟蹤中，最為基礎(chǔ)也最為關(guān)鍵的就是焊縫圖像的處理.焊縫圖像處理的最終目標(biāo)就是快速而準(zhǔn)確地得到坡口及焊縫的特征信息，在焊縫圖像的處理過程中，圖像的二值化處理是非常重要的一個(gè)環(huán)節(jié).為此，筆者將傳統(tǒng)Otsu方法與直線擬合相結(jié)合的方法引入到焊縫圖像的二值化處理中，通過對實(shí)際焊縫圖像進(jìn)行處理，證明了該方法的有效性.

1 焊縫圖像的采集

激光視覺傳感焊縫跟蹤是目前使用最多的一種主動光視覺焊縫跟蹤方法.本研究利用激光視覺傳感器對35°單邊V形坡口橫焊焊縫進(jìn)行圖像采集，焊接母材選用 500,mm×300,mm×25,mm的 D32高強(qiáng)度鋼，焊縫圖像采集系統(tǒng)示意如圖1所示.圖2為所采集到的經(jīng)過打底焊后焊縫原始圖像.從圖 2中可以看出，焊縫原始圖像中有部分噪聲，并且焊縫圖像中表征坡口和焊縫信息的激光帶與圖像背景的對比度不強(qiáng)，不利于后續(xù)處理，所以首先對所采集到的焊縫原始圖像進(jìn)行了濾波去噪和對比度增強(qiáng)，處理后的焊縫圖像如圖3所示.

圖1 焊縫圖像采集系統(tǒng)示意Fig.1 Seam image acquisition system

圖2 焊縫原始圖像Fig.2 Original seam image

圖3 經(jīng)濾波去噪和對比度增強(qiáng)處理后的焊縫圖像Fig.3 Seam image after filtering and contrast enhancing

2 焊縫圖像二值化處理的基本概念

對于焊縫圖像的處理來講，最終的目的就是要從焊縫圖像中提取出真實(shí)的焊縫信號，摒棄其他無關(guān)的信號.通過濾波去噪和對比度增強(qiáng)，焊縫圖像中表征焊縫信息的激光帶圖像與背景有了較為強(qiáng)烈的對比，但為了提高后續(xù)處理的速度以及精度，則希望通過適當(dāng)?shù)奶幚硎沟煤缚p圖像中激光帶信息為唯一信息，而噪聲、飛濺等其他無關(guān)信息可以全部去除.

灰度圖像的二值化處理是指將圖像中像素點(diǎn)的灰度值設(shè)置為 0或 255，也就是說圖像中的像素點(diǎn)不是黑色就是白色.而焊縫圖像的二值化處理就是通過運(yùn)算使得焊縫圖像(如圖 3所示)中激光帶區(qū)域像素點(diǎn)的灰度值變?yōu)?255(或 0)，而其他無關(guān)區(qū)域的灰度值變?yōu)?(或255).從本質(zhì)上講，0和255這兩個(gè)像素值分別對應(yīng)于關(guān)閉和打開，也可以記為0和1.

式中： g(x ,y)表示經(jīng)過轉(zhuǎn)換后像素點(diǎn)(x ,y)的灰度值；f(x ,y)表示轉(zhuǎn)換前該像素點(diǎn)的灰度值；T為二值化變換閾值.從式(1)中可以看出，二值化處理的關(guān)鍵就是閾值T的選擇.

3 傳統(tǒng)方法的焊縫圖像二值化處理

最簡單的二值化閾值選擇方法就是根據(jù)圖像的灰度直方圖來進(jìn)行選擇.一般來說，對比度比較大圖像的灰度直方圖中會有明顯的雙峰，傳統(tǒng)的方法是以雙峰間的谷底作為二值化的閾值，把圖像中大于閾值的像素點(diǎn)灰度值變?yōu)?255，小于閾值的像素點(diǎn)灰度值變?yōu)?0.圖 4為圖 3所示焊縫圖像的灰度直方圖，從圖中可以看出有明顯的雙峰，雙峰間谷底的灰度值在85左右，圖5是將谷底灰度值85作為變換閾值的二值化處理結(jié)果.

圖4 焊縫圖像灰度直方圖Fig.4 Gray histogram of seam image

從圖5中可以看出，若將直方圖中兩個(gè)峰值間的谷底灰度值作為閾值，對焊縫圖像進(jìn)行二值化處理，結(jié)果并不理想.這主要是由于焊縫圖像中表征焊縫信息的激光帶的灰度值是非常高的，而其在整個(gè)焊縫圖像中所占有的面積卻較小，這就使得直方圖中不能明顯地顯示出激光帶與其相鄰區(qū)域的灰度變化.查看焊縫圖像中所有像素的灰度值可以發(fā)現(xiàn)，激光帶區(qū)域內(nèi)像素點(diǎn)的灰度值基本在230左右，所以應(yīng)將該值作為焊縫圖像二值化處理的變換閾值.圖 6為將閾值設(shè)為230后焊縫圖像的二值化處理結(jié)果.

圖5 閾值為85的二值化處理結(jié)果Fig.5 Binarization processing with threshold 85

圖6 閾值為230的二值化處理結(jié)果Fig.6 Binarization processing with threshold 230

從圖 6可以看出，將閾值設(shè)為 230后，焊縫圖像的二值化處理與閾值為 85時(shí)相比，處理效果良好.但由于焊接過程是一個(gè)包含了電場、磁場、熱場等的復(fù)雜過程，這就導(dǎo)致焊縫圖像的灰度分布以及激光帶區(qū)域內(nèi)像素點(diǎn)的灰度平均值并不相同，所以對不同焊縫圖像進(jìn)行二值化處理時(shí)所需設(shè)定的閾值也可能不同.如果焊接過程中對每幅焊縫圖像都人工選取閾值的話，那顯然是不切實(shí)際的.這就需要計(jì)算機(jī)能夠針對不同的焊縫圖像自適應(yīng)地選擇相應(yīng)的二值化變換閾值.

4 自適應(yīng)焊縫圖像二值化處理

4.1 Otsu法

自動獲取二值化變換閾值的方法有很多種，目前應(yīng)用較為廣泛的是 Otsu法.Otsu法又被稱作最大類間方差法，是由日本學(xué)者Otsu Nobuyuki[6]于1979年首次提出的，它是一種二值化變換閾值的自適應(yīng)確定方法，一般記為 Otsu法.到目前為止，Otsu法及其改進(jìn)算法已經(jīng)廣泛地應(yīng)用到了有關(guān)圖像二值化處理的許多研究之中[7-10].

Otsu法的基本思想是：對于圖像的二值化變換閾值，它應(yīng)該能夠?qū)D像分為灰度大小兩類，并使得兩類中像素點(diǎn)灰度平均值的類間方差最大，滿足這個(gè)要求的灰度值就是圖像的二值化變換閾值.

不管圖像的直方圖中是否存在明顯的雙峰，Otsu法都可以通過該算法計(jì)算選取出一個(gè)較合適的變換閾值T，使得分類的類間方差最大，所以該算法是一種選取全局閾值的算法.

通過Otsu法對圖1所示的焊縫圖像進(jìn)行二值化閾值選取，所得的二值化處理變換閾值T為 96.9.可以看出使用Otsu法雖然可以自動地選取二值化處理的變換閾值，但是由于從根本上該算法選取的還是焊縫圖像灰度直方圖中最為明顯的兩峰值間的谷底灰度值作為變換閾值，所以得到的閾值并不能有效反映出表征焊縫信息的激光帶區(qū)域的灰度特點(diǎn).

4.2 焊縫圖像二值化變換閾值的確定

從前面的分析可知，若將焊縫圖像的二值化變換閾值設(shè)為激光帶區(qū)域像素點(diǎn)的灰度平均值，則二值化處理的結(jié)果較好.選取經(jīng)過濾波去噪和對比度增強(qiáng)的25幅焊縫圖像，進(jìn)行Otsu法二值化變換閾值選取，同時(shí)利用圖像處理軟件分別計(jì)算這 25幅焊縫圖像中激光帶區(qū)域像素點(diǎn)的灰度平均值，所得的結(jié)果如表1所示.

表1 焊縫圖像Otsu法閾值與激光帶區(qū)域灰度平均值的比較Tab.1 Comparison of threshold of Otsu method and average gray of laser region

將 Otsu法求取的二值化變換閾值設(shè)為x，利用最小二乘法對表1所示的兩項(xiàng)數(shù)據(jù)進(jìn)行直線擬合，擬合后得到兩者關(guān)系為

式(2)中的y′代表利用上述方法進(jìn)行擬合后所計(jì)算出的激光帶區(qū)域像素點(diǎn)的灰度平均值.圖 7為激光帶區(qū)域像素點(diǎn)平均灰度的實(shí)際值與擬合值.

圖7 激光帶區(qū)域像素點(diǎn)平均灰度的實(shí)際值與擬合值Fig.7 Comparison of measured and fitted average gray within laser region

利用直線擬合得到的激光帶區(qū)域像素點(diǎn)灰度平均值與實(shí)際值的最大相對誤差為 4.83%，最小相對誤差為0.04%，平均相對誤差為 1.60%，這說明利用直線擬合的方法可以實(shí)現(xiàn)焊縫圖像二值化閾值的小誤差確定.

4.3 自適應(yīng)焊縫圖像二值化處理結(jié)果

利用 Otsu法以及式(2)，可以求出圖 3所示的焊縫圖像二值化變換閾值.圖 8為根據(jù)計(jì)算出的閾值進(jìn)行焊縫圖像二值化處理的結(jié)果.

從圖8中可以看出，使用本文提出的方法對焊縫圖像進(jìn)行二值化處理，處理結(jié)果較好，使得表征焊縫信息的激光帶圖像得到了有效的保留，而其他無關(guān)信息基本去除.

圖8 焊縫圖像自適應(yīng)二值化處理結(jié)果Fig.8 Result of adaptive seam image binarization processing

利用該方法實(shí)現(xiàn)焊縫圖像的二值化處理時(shí)間不超過 50,ms，整個(gè)焊縫跟蹤中圖像處理的總時(shí)間不超過350,ms，可以滿足焊縫跟蹤實(shí)時(shí)性的要求.圖9為針對圖8的二值化焊縫圖像的最終處理結(jié)果，即為坡口及焊縫特征點(diǎn)提取的結(jié)果.

圖9 焊縫圖像最終處理結(jié)果Fig.9 Final result of seam image processing

5 結(jié) 論

(1)使用傳統(tǒng)的二值化閾值方法并不能有效地選擇出適合焊縫圖像二值化處理的閾值，并且由于該方法確定的閾值需要人工選取，所以不能滿足自動化的要求.

(2)使用 Otsu法雖然可以自動地選取圖像二值化閾值，但是由于算法本身的特點(diǎn)，所以選取出的閾值還不能滿足焊縫圖像二值化處理的要求.

(3)通過最小二乘法，直線擬合出了 Otsu法選取出的閾值與激光帶區(qū)域像素點(diǎn)灰度平均值的關(guān)系，最終得到了適合焊縫圖像二值化處理的閾值自適應(yīng)選取方法，通過對焊縫圖像的二值化處理，證明該方法是切實(shí)有效的.

［1］陳 誠，劉 鳴，陳興梧，等. 自動焊接中焊縫檢測跟蹤系統(tǒng)的研究[J]. 天津大學(xué)學(xué)報(bào)，2003，36(5)：567-570.

Chen Cheng，Liu Ming，Chen Xingwu，et al. Research of detection and tracking system of seam in the automatic welding[J].Journal of Tianjin University，2003，36(5)：567-570(in Chinese).

［2］Kang Minggoo，Kim Joonhong，Park Youngjun，et al.Laser vision system for automatic seam tracking of stainless steel pipe welding machine[C]// ICCA 2007-International Conference on Control，Automation and Systems.Seoul，Korea，2007：1046-1051.

［3］姜建鋒，熊震宇，陳煥明. 數(shù)字圖像處理在焊縫識別中的應(yīng)用[J]. 南昌航空工業(yè)學(xué)院學(xué)報(bào)：自然科學(xué)版，2005，19(1)：58-61.

Jiang Jianfeng，Xiong Zhenyu，Chen Huanming. Application of digital image processing in the weld seam recognition[J].Journal of Nanchang Institute of Aeronautical Technology：Natural Science，2005，19(1)：58-61(in Chinese).

［4］Reddy G，Raman A，Reddy H，et al. Laser vision based seam tracking system for welding automation[C]//Proceedings of the 2008 International Conference on Image Processing，Computer Vision and Pattern Recognition，IPCV2008. Las Vegas，2008：440-445.

［5］劉振國，陳志翔. 激光傳感圖像處理方法研究[J]. 電焊機(jī)，2009，39(4)：133-137.

Liu Zhenguo，Chen Zhixiang. Research on image processing for laser sensing[J].Electric Welding Machine，2009，39(4)：133-137(in Chinese).

［6］Otsu Nobuyuki. Threshold selection method from graylevel histograms[J]. IEEE Transactions on Systems，Man and Cybernetics，1979，9(1)：62-66.

［7］Buxton B，Abdallahi H，F(xiàn)ernandez-Reyes，et al. Development of an extension of the Otsu algorithm for multidimensional image segmentation of thin-film blood[C]//Proceedings of International Conference on Computing：Theory and Applications，ICCTA2007. Kolkata，2007：552-561.

［8］吳世英，虞 欣. 基于智能遺傳算法和 Otsu法的多目標(biāo)圖像分割算法[J]. 測繪信息與工程，2006，31(4)：47-49.

Wu Shiying，Yu Xin. An multi-object image segmentation approach based on intelligent genetic algorithm and Otsu algorithm[J].Journal of Geomatics，2006，31(4)：47-49(in Chinese).

［9］Zahara E，F(xiàn)an Shukai，Tsai Duming. Optimal multithresholding using a hybrid optimization approach[J].Pattern Recognition Letters，2005，26(8)：1082-1095.

［10］Parkinson I H，Badiei A，F(xiàn)azzalari N L. Variation in segmentation of bone from micro-CT imaging：Implications for quantitative morphometric analysis[J].Australasian Physical and Engineering Science in Medicine，2008，31(2)：160-164.

Image Binarization Processing in Laser Vision Seam Tracking

SHEN Jun-qi1,2，HU Sheng-sun1,2，F(xiàn)ENG Sheng-qiang1,2
(1. School of Materials Science and Engineering，Tianjin University，Tianjin 300072，China；2. Tianjin Key Laboratory of Advanced Joining Technology，Tianjin 300072，China)

The binarization processing of seam image is an important step to realizing the vision seam tracking. Aiming at the seam image of laser vision sensing，the linear regression equation of threshold obtained using Otsu method and average gray value of laser region was concluded based on least square method，hence the optimal threshold of seam image binarization was gained. The binarization processing result of the calculated threshold was compared with that of conventional binarization approach. The results show that the suitable threshold of seam image binarization processing can be automatically obtained，and the seam image binarization result is beneficial to the subsequent image feature point extraction.

laser vision sensing；seam image；binarization processing；Otsu algorithm

TG409

A

0493-2137(2011)04-0308-05

2009-11-18；

2010-03-12.

國家自然科學(xué)基金資助項(xiàng)目（50975195）.

申俊琦（1983— ），男，博士研究生，shenjunqi@tju.edu.cn.

胡繩蓀，huss@tju.edu.cn.