郭珍珍，盧振洋，劉 嘉，陳 雨

（北京工業(yè)大學(xué)機(jī)械工程與應(yīng)用電子技術(shù)學(xué)院，北京100124）

一種應(yīng)用于焊接監(jiān)控系統(tǒng)的多曝光圖像融合

郭珍珍，盧振洋，劉 嘉，陳 雨

（北京工業(yè)大學(xué)機(jī)械工程與應(yīng)用電子技術(shù)學(xué)院，北京100124）

在明弧焊接中，由于弧光的強(qiáng)烈干擾，焊接現(xiàn)場(chǎng)動(dòng)態(tài)范圍很大，傳統(tǒng)的監(jiān)控系統(tǒng)難以實(shí)現(xiàn)超大動(dòng)態(tài)范圍的監(jiān)控。提出一種基于圖像閾值分割的多曝光圖像融合算法，對(duì)多曝光圖像進(jìn)行融合處理，獲得了電弧區(qū)域和焊接背景都清晰的融合圖像。實(shí)驗(yàn)結(jié)果表明，該算法能夠很好的保留源圖像的有用信息，是一種有效的圖像融合算法,符合焊接監(jiān)控系統(tǒng)要求。

焊接監(jiān)控；多曝光圖像；圖像融合；閾值分割

0 前言

焊接監(jiān)控是保證焊接質(zhì)量的重要手段。由于焊接過(guò)程中存在著強(qiáng)烈的電弧干擾，電弧區(qū)域和焊接背景區(qū)域的明暗反差很大，動(dòng)態(tài)范圍超過(guò)了120 dB，而傳統(tǒng)相機(jī)一次曝光只能獲取約60 dB的動(dòng)態(tài)范圍，因此無(wú)論怎樣調(diào)節(jié)曝光參數(shù)都會(huì)出現(xiàn)過(guò)曝光或欠曝光的現(xiàn)象，造成圖像細(xì)節(jié)丟失。

為了獲得細(xì)節(jié)豐富的焊接過(guò)程圖像，國(guó)內(nèi)外學(xué)者從兩個(gè)方面來(lái)提高圖像的質(zhì)量：①減小焊接環(huán)境的動(dòng)態(tài)范圍。如使用激光照射[1]、窄帶濾波以及在基值電流過(guò)程中采集圖形[2-4]等方法。激光照射法價(jià)格昂貴且設(shè)備復(fù)雜，一般只適用于實(shí)驗(yàn)室環(huán)境。窄帶濾波法會(huì)過(guò)濾掉色彩的信息，由于不同類型的焊接現(xiàn)場(chǎng)光譜分布不同，因此在挑選濾波片時(shí)比較復(fù)雜?；惦娏鞑蓤D法只能在變化電流的焊接中獲得好的效果。②提高相機(jī)的動(dòng)態(tài)范圍。如選用高動(dòng)態(tài)相機(jī)[5]、使用多曝光圖像融合[6]。高動(dòng)態(tài)相機(jī)價(jià)格較貴，現(xiàn)階段無(wú)法廣泛應(yīng)用。多曝光圖像融合主要有兩種方法：色調(diào)映射的方法、通過(guò)不同策略對(duì)多曝光圖像進(jìn)行融合[7-8]。兩種方法的共同點(diǎn)都是采用同一場(chǎng)景曝光量不同圖像作為數(shù)據(jù)輸入源。色調(diào)映射算法復(fù)雜度高，容易出現(xiàn)光暈現(xiàn)象，擴(kuò)大噪聲。借助于融合策略生成HDR圖像的方法，其算法較為簡(jiǎn)單，主要是通過(guò)一些融合算子如金字塔、高斯函數(shù)等，融合效果主要取決于融合策略。相對(duì)于色調(diào)映射法，該方法成像自然，對(duì)源圖像的保真程度比較高，因此應(yīng)用廣泛。但是該方法大多都是基于像素灰度值的計(jì)算，得到的融合圖像在一定程度上模糊了源圖像的有用信息，且處理時(shí)間比較長(zhǎng)，無(wú)法滿足實(shí)時(shí)性的要求。針對(duì)焊接過(guò)程圖像中焊接電弧、熔池、焊縫以及周邊環(huán)境信息非常集中的特點(diǎn)，本研究提出了一種基于新策略的融合方法——基于圖像閾值分割的多曝光圖像融合算法。實(shí)驗(yàn)結(jié)果表明，該算法保留了多幅源圖像的有用信息，有較好的融合效果，且融合速度快，滿足焊接監(jiān)控的要求。

1 基于閾值分割的圖像融合方法

圖像閾值分割是一種廣泛應(yīng)用的分割技術(shù)，利用圖像中要提取的目標(biāo)區(qū)域與其背景在灰度特性上的差異，把圖像看作具有不同灰度級(jí)的兩類區(qū)域的組合，選取一個(gè)比較合理的閾值，以確定圖像中每個(gè)像素點(diǎn)應(yīng)該屬于目標(biāo)區(qū)域還是背景區(qū)域[9]。

由于焊接現(xiàn)場(chǎng)監(jiān)控的信息（焊接電弧、熔池、焊縫、焊接周邊環(huán)境）集中，能夠獲取較為精準(zhǔn)的分割目標(biāo)圖像和背景圖像的閾值，基于這種特殊性，本研究提出一種基于閾值分割的圖像融合算法，融合過(guò)程如圖1所示。

圖1 融合算法流程

具體流程如下：

（1）分別計(jì)算兩幅待融合圖像的閾值。計(jì)算閾值的方法是迭代法，迭代法是基于逼近的思想，迭代閾值的獲取步驟可歸納如下[9]：

a.選取一個(gè)初始閾值T，通常選擇整幅圖像的平均灰度值作為初始閾值。j為迭代次數(shù)，初始時(shí)j=0。

b.用T分割圖像，將圖像分為兩個(gè)區(qū)域G1和G2。

c.分別計(jì)算區(qū)域G1和G2中像素的平均灰度值m1和m2。

d.計(jì)算一個(gè)新的閾值

e.令j=j+1，重復(fù)步驟2到步驟4，直到T（j+1）-T（j）＜0.5。

（2）根據(jù)計(jì)算所得的閾值對(duì)兩幅圖像進(jìn)行分割，得到目標(biāo)圖像和背景圖像。

對(duì)源圖像進(jìn)行閾值分割是本研究的重點(diǎn)。假設(shè)圖像A、B是來(lái)自于焊接現(xiàn)場(chǎng)同一時(shí)刻兩張曝光量不同的照片，圖像A是曝光量小時(shí)獲得的圖像，圖像B是曝光量大時(shí)獲得的圖像。A（x，y）、B（x，y）分別表示圖像A、B在坐標(biāo)（x，y）處的像素值。對(duì)于圖像A，目標(biāo)圖像為焊接電弧，用A1（x，y）來(lái)表示；背景圖像為焊接熔池、焊縫及周邊環(huán)境，用A2（x，y）來(lái)表示。對(duì)于圖像B，目標(biāo)圖像為焊接熔池、焊縫及周邊環(huán)境，用B1（x，y）來(lái)表示；背景圖像為焊接電弧，用B2（x，y）來(lái)表示。假設(shè)式（1）計(jì)算出圖像A、B閾值分別為T1、T2，對(duì)圖像進(jìn)行分割如下

（3）根據(jù)目標(biāo)圖像和背景圖像分別得到兩幅源圖像的光暈部分。

當(dāng)曝光量較大時(shí)，由于電弧屬于強(qiáng)光源，會(huì)導(dǎo)致采集到圖像中的電弧大于實(shí)際電弧，即出現(xiàn)光暈。為滿足融合圖像的真實(shí)性，需要分別計(jì)算出源圖像A、B的光暈部分，分別用A3（x，y）和B3（x，y）表示

（4）用加權(quán)平均融合算法對(duì)所得到的光暈圖像進(jìn)行融合。

假設(shè)得到的光暈融合圖像為C，用C（x，y）來(lái)表示

（5）用圖像累加法對(duì)目標(biāo)圖像和光暈融合圖像

進(jìn)行融合，得到最終的融合圖像。

假設(shè)得到的最終融合圖像為F，用F（x，y）表示

2 實(shí)驗(yàn)結(jié)果及分析

為了驗(yàn)證算法的性能，利用Matlab 15.0平臺(tái)對(duì)兩幅源圖像A、B進(jìn)行融合實(shí)驗(yàn)。圖2和圖3分別為焊接現(xiàn)場(chǎng)采集的兩幅圖像，焊接方法為TIG焊接。圖2為曝光值較小的圖像，在圖2中可以清楚地看到焊接電弧的形態(tài)。圖3為曝光量較大的圖像，在圖3中可以清楚的看到焊槍和焊接板材即焊接背景。為了驗(yàn)證算法的有效性，選取當(dāng)前兩種經(jīng)典的多曝光圖像融合算法——加權(quán)平均和小波變換進(jìn)行對(duì)比實(shí)驗(yàn)。圖4為加權(quán)平均融合的結(jié)果，圖5為小波分解后低頻取平均，高頻絕對(duì)值選大的融合結(jié)果，圖6為本研究算法的結(jié)果。

圖2 曝光量小圖像

圖3 曝光量大圖像

圖4 加權(quán)平均融合圖像

圖5 小波分解融合圖像

圖6 本研究算法融合圖像

分別從定性分析和定量分析兩個(gè)方面對(duì)本研究算法和加權(quán)平均及小波變換融合結(jié)果進(jìn)行比較。從定性分析上看，加權(quán)平均融合和小波分解融合算法的結(jié)果相比源圖像信息更加豐富，圖像也更加清晰，但都在一定程度上模糊了源圖像中清晰的部分。相對(duì)于經(jīng)典算法，本研究算法融合效果明顯改善，保留了源圖像中清晰的部分，提高了整幅圖像的清晰度。

從定量分析上看，以均方差和信息熵[10]作為評(píng)價(jià)指標(biāo)，對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行評(píng)價(jià)。均方差和信息熵分別表示為

式中μ為圖像像素灰度值的平均值；I（x，y）為圖像在點(diǎn)（x，y）處的像素灰度值；M×N為圖像大??；Pi

為圖像像素灰度值等于i時(shí)，該像素在本圖像中出現(xiàn)的頻率；N為灰度等級(jí)，取N=256。均方差表示了灰度變化的大小，均方差越大，灰度變化就越多，圖像就越清晰；信息熵描述一副圖像所含信息量的大小，信息熵越大，圖像越清晰。三種融合算法評(píng)判結(jié)果值以及融合所需時(shí)間如表1所示。

表1 融合效果客觀評(píng)價(jià)指標(biāo)

從評(píng)判結(jié)果數(shù)值上可以看出，本研究提出的基于閾值分割的圖像融合算法，其融合圖像的均方差和信息高于加權(quán)平均融合算法、小波分解算法，說(shuō)明本研究算法的融合結(jié)果圖像更清晰，包含的信息量更大，是一種有效的圖像融合算法。從融合所需時(shí)間來(lái)看，本研究算法所用時(shí)間小于經(jīng)典融合算法，更能滿足實(shí)時(shí)監(jiān)控的目的。

3 結(jié)論

根據(jù)焊接現(xiàn)場(chǎng)的特殊性和焊接監(jiān)控的需求，提出了一種基于閾值分割的圖像融合算法，該算法把源圖像中有用信息部分直接用作最終融合圖像的一部分，并利用加權(quán)平均方法對(duì)光暈部分進(jìn)行融合，提高了圖像的動(dòng)態(tài)范圍又保留了圖像最真實(shí)的信息，并且也符合人眼觀看需求。仿真結(jié)果表明，相對(duì)于經(jīng)典的融合算法，該算法既增大了圖像的動(dòng)態(tài)范圍，又真實(shí)保留了源圖像的有用信息部分，且整體效果較自然，融合速度較快，更能滿足焊接監(jiān)控實(shí)

時(shí)性的要求。

[1]Agapakis JE，Bolstad JO.Vision sensing and processing system for monitoring and control of welding and other high-luminosity processes[J].Optics，Illumination，and Image Sensing for Ma-chine Vision，1991（32）：32-38.

[2]楊嘉佳，王克鴻，吳統(tǒng)立，等.鋁合金雙絲脈沖MIG焊雙向熔池同步視覺(jué)傳感及圖像處理[J].機(jī)械工程學(xué)報(bào)，2014（12）：44-50.

[3]Wang J J，Lin T，Chen S B.Obtaining weld pool vision information during aluminum alloy TIG welding[J].International Journal of Advanced Manufacturing Technology，2005，26（3）：219-227.

[4]王建軍，林濤，陳善本，等.鋁合金交流鎢極氬弧焊熔池圖像傳感方法[J].上海交通大學(xué)學(xué)報(bào)，2002（1）：5-8.

[5]Li Mengxing，Sun Dawei，Cai Yan，et al.Research on image acquisition system of weld pool based on linlog technolog[J].Welding&Joining，2012（1）：53-57+72.

[6]Mann S，Picard R W.On being‘undigital’with digital cameras：extending dynamic range by combining differently exposed pictures[C].Proceedings of IS&T，1995：442-448.

[7]Zhang J，Kamata S.Adaptive Local Contrast Enhancement for the Visualization of High Dynamic Range Images[R]. United states 19th International Conference on Pattern Recognition，2008.

[8]Pardo A，Sapiro G.Visualization of high dynamic range images[J].IEEE Transactions on Image Processing，2003，12（6）：639-647.

[9]Rafael C，Gonzalez，Richard E，et al.數(shù)字圖像處理（Matlab版）（第二版）[M].阮秋琦譯.北京：電子工業(yè)出版社，2014：202-243.

[10]胡良梅，高雋，何柯峰.圖像融合質(zhì)量評(píng)價(jià)方法的研究[J].電子學(xué)報(bào)，2004（S1）：218-221.

A multiple exposure images fusion used in welding control system

GUO Zhenzhen，LU Zhenyang，LIU Jia，CHEN Yu
（College of Mechanical Engineering and Applied Electronics Technology，Beijing University of Technology，Beijing 100124，China）

In the bright arc welding，owing to the strong interference of arc，welding field dynamic range is very large，the traditional monitoring system is difficult to achieve the goal of large dynamic range monitoring.This paper proposes a multiple exposure image fusion based on threshold image segmentation.Through the multiple exposure image fusion，can obtain the final image which the arc zone and weld background are all clear.Experimental results show that the algorithm can preserve the useful information from multiple source images，and it is an effective image fusion algorithm，and it can be used in welding monitor system.

welding monitoring；multiple exposure images；images fusion；threshold segmentation

TG409

A

1001-2303（2016）10-0069-04

10.7512/j.issn.1001-2303.2016.10.14

獻(xiàn)

郭珍珍，盧振洋，劉嘉，等.一種應(yīng)用于焊接監(jiān)控系統(tǒng)的多曝光圖像融合[J].電焊機(jī)，2016，46（10）：69-72.

2016-03-07；

2016-08-18

郭珍珍（1989—），女，河南三門峽人，在讀碩士，主要從事FPGA控制及圖像融合算法的研究。