何銀水，胡兆吉，胡宗梅，謝曉聞

（1.南昌大學(xué) 過程裝備與測控工程系，江西 南昌 330031；2.格特拉克（江西）傳動(dòng)系統(tǒng)有限公司，江西 南昌 330031）

0 前言

在識別焊縫圖像待焊位置的坐標(biāo)時(shí)，一些比較多的方案中會(huì)采用小波分析、濾波、閾值分割和擬合[1-3]等，而這些處理過程中很難有效地消除干擾數(shù)據(jù)，究其原因文獻(xiàn)[4]詳細(xì)的分析了干擾的成因。文獻(xiàn)[5]提出采用跟蹤V形焊縫的平均高度，以此高度作為基準(zhǔn)，結(jié)合V形焊縫的深度來消除干擾。這一方法的前提是要較為準(zhǔn)確地獲得V形焊縫的平均高度，當(dāng)氣泡或者弧光形成的干擾閾值分割后的形狀與焊縫的左右邊類似時(shí)，這一方法的效果將大打折扣。聚類分析法通過對焊縫圖像中的各類數(shù)據(jù)進(jìn)行分類，再根據(jù)一些決策直接尋找到屬于V形焊縫的類，在不消除干擾數(shù)據(jù)的情況下可以準(zhǔn)確地識別焊縫。當(dāng)然，近鄰聚類法的聚類結(jié)果很大程度上依賴于第一個(gè)聚類中心的位置的選擇、待分類模式樣本的排列次序、距離閾值T的大小以及樣本分布的幾何性質(zhì)等[6]。

1 改進(jìn)的近鄰聚類算法

1.1 算法描述

（1）任取樣本Xi作為第一個(gè)聚類中心的初始元素，例如 Z1=X1。

（2）計(jì)算樣本X2到Z1歐式距離D21= ||x2-x1||，如果D21>T，則定義一個(gè)新的聚類Z2=X2；否則X2∈Z1聚類。

（3）假設(shè)已經(jīng)有聚類Z1和Z2，且它們都已有多個(gè)樣本。對樣本Xj，計(jì)算其與Z2聚類最后一個(gè)樣本之間的距離t，如果tT，則計(jì)算其與所有聚類的最短距離 t′，同時(shí)記下所在的類 c′，如果 t′

（4）以此類推，直到把所有的樣本分類完全。

1.2 實(shí)現(xiàn)步驟

第一步：對閾值處理后的焊縫圖像從左到右、從下到上進(jìn)行遍歷。以第一次搜索的“白點(diǎn)”樣本數(shù)據(jù)作為第一個(gè)聚類的初始值。

第二步：計(jì)算第二個(gè)樣本與第一個(gè)樣本的歐式距離，如果大于T，則開新類；如果小于T，則把它仍歸為第一聚類。當(dāng)只有一個(gè)聚類且其樣本數(shù)大于1時(shí)，那么后面搜索到的樣本在歸類前先計(jì)算其與第一個(gè)聚類中的最后一個(gè)樣本的歐式距離，只要這個(gè)距離比T小，則該樣本仍然屬于該聚類（這是由搜索順序決定的，這樣做可以減少計(jì)算量）。當(dāng)上述距離比T大時(shí)就計(jì)算其與第一個(gè)聚類中所有其他樣本的歐式距離，找出最短距離，如果該最短距離仍然小于T，則該樣本仍然屬于第一聚類，否則就開新類。

第三步：當(dāng)聚類的個(gè)數(shù)大于1時(shí)，搜索到的樣本先計(jì)算其與最后一個(gè)聚類的最后一個(gè)樣本的歐式距離t。當(dāng)tT時(shí)，就計(jì)算其與已知的所有聚類的所有樣本的歐式距離，找出最短距離t′并同時(shí)記下對應(yīng)的聚類 c′，當(dāng) t′

1.3 聚類合并處理

（1）對需要合并的聚類處理。

如果聚類之間出現(xiàn)了合并的情況，可以在算法進(jìn)行中合并，也可以在分類結(jié)束后完成。如果選擇在分類結(jié)束后完成，那么必須在算法進(jìn)行中保存需要合并的聚類的名稱，可以通過定義結(jié)構(gòu)體來保存：struct combination{int category[100]；int sum；}。結(jié)構(gòu)體中定義兩個(gè)成員變量：一個(gè)是數(shù)組category[100]，用于存放被合并的聚類；一個(gè)是整型變量sum，用來統(tǒng)計(jì)被合并的類的個(gè)數(shù)。這樣的結(jié)構(gòu)體可以定義100個(gè)：combination[100]，用來保存與之前合并的聚類沒有聯(lián)系而需要合并的新的聚類。結(jié)合本研究的最終識別V形焊縫處數(shù)據(jù)的這一目的，選擇在分類完成后合并聚類。

進(jìn)行合并時(shí)，把結(jié)構(gòu)體中后面數(shù)組所保存的聚類的數(shù)據(jù)依次保存在第一個(gè)數(shù)組所代表的聚類的名目下，每個(gè)結(jié)構(gòu)體數(shù)組都進(jìn)行類似處理即可實(shí)現(xiàn)數(shù)據(jù)的合并。當(dāng)然，合并后后面數(shù)組所代表的聚類的數(shù)據(jù)可以進(jìn)行銷毀，也可以保持不動(dòng)。

（2）出現(xiàn)了合并聚類現(xiàn)象總的分類數(shù)目的確定。

在對圖像中的數(shù)據(jù)進(jìn)行分類而又出現(xiàn)了合并聚類的現(xiàn)象時(shí)，真正的聚類數(shù)目要比算法統(tǒng)計(jì)出來得少，那么真正的聚類的數(shù)目可以如下計(jì)算

式中 sumstatistic是算法統(tǒng)計(jì)的聚類數(shù)目；combination[i].sum是每個(gè)結(jié)構(gòu)體數(shù)組保存的合并的聚類的數(shù)目。

2 圖像分類處理分析

2.1 閾值分割后直接進(jìn)行分類

把圖1進(jìn)行自動(dòng)閾值分割，得到的結(jié)果如圖2所示。由圖2可知，相當(dāng)于對兩類光帶狀的樣本（灰度值為255的白點(diǎn)）進(jìn)行分類。由于兩類之間距離比較遠(yuǎn)，且類間相距很近，所以分類很準(zhǔn)確。

圖1 水下原始圖像

圖2 對圖1閾值處理

因干擾光斑或者V字形焊縫在閾值處理后都是帶狀形的，程序在搜索樣本時(shí)，只要相鄰樣本不是在光帶的邊緣，那么其間的歐式距離都是很小的，只有在上下邊緣部分相鄰的樣本，其歐式距離才有可能超過距離閾值，因此，算法設(shè)計(jì)對待分類的樣本先計(jì)算它和當(dāng)前聚類最后一個(gè)樣本的歐式距離來判斷其是否屬于當(dāng)前聚類，有助于節(jié)省計(jì)算時(shí)間。如果上下邊緣相鄰的樣本的歐式距離超過了距離閾值，這種情形算法設(shè)計(jì)計(jì)算該樣本與所有已知聚類的所有樣本的距離，用最近鄰法則對其進(jìn)行歸類也保證了分類的準(zhǔn)確性。

圖3是在圖1的基礎(chǔ)上人為添加了不同形狀的干擾，且干擾離V形焊縫比較近。閾值處理后如圖4所示，當(dāng)距離閾值設(shè)置得比較小時(shí)，它們所屬的類別會(huì)不同，但是當(dāng)距離閾值設(shè)置為20時(shí)，正方形形狀的干擾和V形焊縫就應(yīng)該被合并在一起。通過處理試驗(yàn)，本算法可以準(zhǔn)確做到這一點(diǎn)。

2.2 閾值分割求取光帶中心線再分類

在尋找V形焊縫待焊中心坐標(biāo)時(shí)，有時(shí)要求取閾值處理后圖像中的光帶的平均位置，這樣所得圖像中的樣本呈現(xiàn)線狀，如圖5所示。那么如果是對這樣圖像中的樣本數(shù)據(jù)進(jìn)行分類時(shí)，基本上就只要計(jì)算待分類的樣本與當(dāng)前類的最后一個(gè)樣本的歐式距離，根據(jù)這一距離的大小對其進(jìn)行歸類，當(dāng)距離大于距離閾值時(shí)就不需要計(jì)算其與所有已知聚類的所有樣本的距離，然后再根據(jù)最近鄰法進(jìn)行歸類。

圖3 加干擾圖像

圖4 對圖3閾值處理

圖5 對圖4求取樣本平均高度的結(jié)果

3 基于聚類V形焊縫的識別

在成功對所有樣本進(jìn)行分類后，剩下的工作就是如何在這些聚類中準(zhǔn)確的尋找屬于V形焊縫的聚類。問題的關(guān)鍵是以什么樣的準(zhǔn)則來完成這一工作?，F(xiàn)介紹三種準(zhǔn)則。

（1）根據(jù)每個(gè)聚類中第一個(gè)樣本與最后一個(gè)樣本的歐式距離準(zhǔn)則識別V形焊縫。

這一準(zhǔn)則實(shí)現(xiàn)起來比較簡單，但是前提是干擾形成的樣本在空間上比較集中，因此其應(yīng)用有相當(dāng)?shù)木窒扌?。?yīng)用這一準(zhǔn)則上述圖像還是比較容易達(dá)到目的，識別的結(jié)果略去。

（2）根據(jù)“V”字的特征識別V形焊縫。

V字的特征是先有相當(dāng)一部分?jǐn)?shù)據(jù)在一定的水平范圍內(nèi)其高度是逐漸降低的，后在另外一定的水平范圍內(nèi)其高度是逐漸升高的。經(jīng)過試驗(yàn)，在水平30個(gè)像素范圍內(nèi)高度逐漸降低或者升高的樣本個(gè)數(shù)大于25個(gè)。那么根據(jù)這兩個(gè)特征，可以準(zhǔn)確尋找到V形焊縫的類。這樣準(zhǔn)則實(shí)現(xiàn)起來也不難，但是其適應(yīng)性大大提高了。

（3）同時(shí)滿足上述兩種準(zhǔn)則。

把準(zhǔn)則一和準(zhǔn)則二結(jié)合起來，即當(dāng)某一聚類的樣本同時(shí)滿足第一個(gè)特征和第二個(gè)特征就認(rèn)為是屬于V形焊縫數(shù)據(jù)的聚類。這樣更能提高識別的準(zhǔn)確性。根據(jù)準(zhǔn)則三對圖4和圖5識別的結(jié)果如圖6、圖 7所示。

圖6 消去干擾

圖7 消去干擾線形焊縫

注意：當(dāng)獲得圖4中各個(gè)光帶在圖中的平均高度位置后，此時(shí)V形焊縫光帶與正方形光帶的平均高度之間的距離超過了設(shè)定的距離閾值20，所以當(dāng)從線形焊縫圖像中以本算法消除干擾數(shù)據(jù)時(shí)，正方形干擾形成的線形數(shù)據(jù)被消去了。

4 提取V形焊縫待焊位置坐標(biāo)

V形焊縫圖像識別的最終目的是獲取待焊位置的坐標(biāo)，方法有投影法、曲率法[7]和最小二乘法等。其中最小二乘法能比較準(zhǔn)確獲得各種V字形焊縫待焊位置的坐標(biāo)。本研究采用最小二乘法獲取圖7待焊位置坐標(biāo)，結(jié)果如圖8所示。

圖8 擬合獲取焊縫待焊位置

5 結(jié)論

（1）由于本算法設(shè)置了自決斷是否對聚類進(jìn)行合并，因此算法克服了因搜索路徑或者因待分類模式樣本的排列次序的不同而致使分類結(jié)果的不同，提高了算法分類的準(zhǔn)確性。

（2）在對所有的樣本進(jìn)行分類后，提出的基于“V字”形的特征可以準(zhǔn)確的識別出屬于V形焊縫的類，從而準(zhǔn)確獲得焊縫待焊接位置的坐標(biāo)。

：

[1]劉 桑，鐘繼光，王國榮，等.水下濕法焊接電弧圖像的邊緣檢測技術(shù)[J].電焊機(jī)，2000，30（4）：14-17.

[2]李國進(jìn)，王國榮，鐘繼光，等.水下焊縫自動(dòng)跟蹤路徑的識別[J].焊接學(xué)報(bào)，2005，26（3）：58-62.

[3]何銀水，張 華，余卓驊，等.水下焊接中V形焊縫的識別[J].焊接，2007（7）:49-52.

[4]徐鵬飛，張 華，賈劍平，等.水下焊接機(jī)器人視覺傳感系統(tǒng)圖像干擾因素分析[J].焊接，2008（5）：33-37.

[5]何銀水，周國發(fā)，張 華，等.基于路徑跟蹤的水下焊接V形焊縫識別中強(qiáng)干擾的去除[J].應(yīng)用光學(xué)，2009（5）：747-750.

[6]齊 敏，李大健，郝重陽.模式識別導(dǎo)論[M].清華大學(xué)出版社，p20.

[7]劉國平，張 華，胡瑢華，等.V形焊縫特征點(diǎn)提取的算法研究[J].焊接，2006（2）：36-38.