王 雨

(北京郵電大學(xué)軟件學(xué)院，北京 100876)

基于霍夫變換的管子管板焊縫圖像的縫隙檢測算法

王 雨

(北京郵電大學(xué)軟件學(xué)院，北京 100876)

在管子管板焊縫圖像檢測中，探測器是由小成像板拼接而成，導(dǎo)致采集到的成像圖像中存在縫隙。因此，利用成像圖進行缺陷檢測之前，需要將圖像中的縫隙檢測出來。為此，本文提出了一種基于霍夫變換的焊縫圖像縫隙檢測算法，研究了在直線縫隙檢測前的預(yù)處理過程，包括利用中值濾波方法去除圖像噪聲，利用Canny邊緣檢測方法檢測圖像邊緣。最后，著重研究了提取所需縫隙，剔除無效的成像板輪廓的算法。實驗結(jié)果表明，該方法能正確的檢測出直線縫隙區(qū)域，取得了比較理想的檢測效果。

邊緣檢測；縫隙圖像；中值濾波；Canny算子；霍夫變換

0 引言

管子管板焊接接頭的質(zhì)量直接影響換熱器設(shè)備的安全性[1]，焊接接頭中氣泡、夾渣和裂紋等微小缺陷將導(dǎo)致?lián)Q熱器在工業(yè)生產(chǎn)中存在巨大隱患[2]。目前，國內(nèi)外主要通過X射線照射管子管板焊接接頭區(qū)域采集焊縫圖像[3]，運用圖像處理技術(shù)對焊縫區(qū)域進行檢測[4]，發(fā)現(xiàn)缺陷所在并對設(shè)備進行針對性地修補。

在利用X射線檢測技術(shù)采集圖像的過程中，由于探測器成像板的規(guī)格原因，使用單塊板子不能完全覆蓋采集到的圖像，因此只能對多塊成像板進行拼來采集圖像。成像板的規(guī)格大小是固定的，整個探測器是由8塊大小相同的板子拼接而成，導(dǎo)致成像圖中產(chǎn)生縫隙。根據(jù)制造工藝，每塊板子的大小為25.6 mm×12.8 mm，成像板之間垂直方向的縫隙寬度為0.4 mm，水平方向的縫隙寬度為0.2 mm，中間方孔的大小為10.8 mm×10.5 mm。每幅采集到的圖像上面會出現(xiàn)8條縫隙，如果被檢測物體缺陷部分恰好投射到成像板之間的縫隙區(qū)域內(nèi)，那么研究者將無法在后續(xù)的圖像處理過程中準確找到缺陷區(qū)域，從而給工業(yè)檢測中帶來隱患。

完成圖像采集后，本文對縫隙圖像進行濾除噪聲和邊緣檢測操作。在濾除噪聲階段，本文采用了中值濾波的方式，處理后的圖像縫隙清晰可見，不存在模糊銳化的效果；在邊緣檢測階段，采用Canny算子進行邊緣檢測，該算子具有較好的邊緣檢測定位結(jié)果，檢測出來的邊緣具有連續(xù)性，可以較好的實現(xiàn)檢測效果。上述步驟得到的圖像中包含了縫隙和成像板輪廓，后者不是實驗所需的。因此本文采用基于霍夫變換的直線縫隙檢測方法，將預(yù)檢測的縫隙與干擾縫隙相減得到所需要的縫隙圖像。最終結(jié)果表明，利用該方法檢測到的縫隙圖像與原圖中成像板拼接產(chǎn)生的縫隙區(qū)域一致。

后期對縫隙圖像處理方法是利用本文算法檢測到正確的縫隙圖像后，再利用形態(tài)學(xué)中的膨脹運算和腐蝕運算處理縫隙邊界，填補縫隙圖像中的空洞并消除斷點；然后將處理后的縫隙區(qū)域像素填補到旋轉(zhuǎn)后的圖像中相應(yīng)位置的像素，能夠完成所有縫隙的覆蓋，從而實現(xiàn)縫隙圖像融合。

1 圖像預(yù)處理

1.1 中值濾波

中值濾波是一種空間域非線性濾波方法[5]，它既可以用于二值圖像的處理，也可以用于灰度圖像的處理。由于在實際運算過程中不需要圖像的統(tǒng)計特性，因此使用起來較為方便。在一定的條件下，中值濾波克服了線性濾波器所帶來的圖像細節(jié)模糊的缺點，而且對濾除脈沖干擾以及圖像噪聲效果十分明顯，但是對于一些細節(jié)繁多的圖像不建議使用這種方法。

中值濾波是采用一個含有奇數(shù)個點的滑動窗口[6]，用各個像素點的灰度值的中值來代替中心像素點的灰度值。將所有的像素點排成的序列用21nf+表示，則中值的公式可表示為

上式中，ig表示排序后的中值。

中值濾波需要選定一個方陣作為模板，通常選定的是3×3矩陣。在獲得模板區(qū)域內(nèi)的像素點的灰度值之后，需要對像素點排序，再進行中值運算，最后重新賦值得到濾波圖像。中值濾波流程圖如圖1所示。

第一步：獲得選定的3×3區(qū)域內(nèi)奇數(shù)像素點的灰度值；

第二步：對奇數(shù)像素點排序，并利用中值運算得出中間位置的灰度值；

第三步：利用步驟2中得到的灰度值代替這個區(qū)域中間位置像素點的灰度值；

圖1 中值濾波流程圖Fig.1 Median Filter Flow Image

第四步：重復(fù)上述步驟，直到圖像中所有的像素點被重新賦值，即可得到中值濾波圖像。圖2是經(jīng)過中值濾波后得到的圖像。

圖2 中值濾波圖Fig.2 Median Filter Image

從圖2中可以看出，利用中值濾波對圖像進行處理后，其縫隙清晰可見，不存在模糊銳化的效果。

1.2 Canny邊緣檢測

Canny邊緣檢測技術(shù)有三個指標衡量[7-8]，分別是好的檢測、好的定位和最小響應(yīng)。其中好的檢測指的是算法能夠盡可能多地標識出圖像中的實際邊緣，因為有些邊緣是不必要的；好的定位指的是標識出來的實際邊緣要最大限度的與原圖像中的實際邊緣接近，保證定位精確才能使檢測到的邊緣更具有說服力；最小響應(yīng)是指圖像中的邊緣只能標識一次，不能重復(fù)標識，并且可能存在于圖像中的噪聲應(yīng)該被標識為邊緣，這樣可以消除偽邊緣[9]，有利于圖像邊緣的后續(xù)特征處理和分析，同時提高了邊緣檢測的效率和準確度。算法流程圖如圖3所示。

圖3 Canny邊緣檢測流程圖Fig.3 Canny Edge Detection Flow Image

Canny邊緣檢測的流程分以下四步：

第一步：平滑圖像，即利用高斯濾波方法對待檢測圖像進行卷積處理，由于在檢測過程中，邊緣檢測算子很容易將噪聲點的像素誤判為實驗所需要的邊緣像素，因此，使用構(gòu)造的高斯函數(shù)G(x)對原圖像f(x,y)卷積，目的是為了降低噪聲。設(shè)所得的平滑圖像公式為I(x,y)，那么公式表示為：

I(x,y)=G(x)G(y)*f(x,y) （2）

第二步：計算圖像的梯度值，主要計算圖像梯度的水平方向和垂直方向的分量。選擇一個2×2矩形模板計算步驟1中所得兩個方向上的分量，然后是生成圖像的梯度圖。

第三步：非極大值抑制，非極大值抑制用到了步驟2中生成的梯度圖，它要遍歷梯度圖中的每個像素點，再將該像素點梯度反方向上與之相近的兩個像素點的梯度值進行比較，如果該像素點大的梯度值小于其相鄰的兩個方向上的梯度值，說明該點有可能是邊緣點，否則可能是偽邊緣點，通過非極大值抑制也會得到相應(yīng)的圖像。

第四步：雙閾值檢測和邊緣連接，雙閾值檢測是對步驟3得到的非極大值抑制圖像使用高閾值和低閾值來檢測，再將邊緣進行提取，將梯度值比閾值還要小的像素點的灰度值賦0。最后是對之前生成的邊緣進行完善與優(yōu)化，將各個分段邊緣進行連接。

通過實驗驗證，Canny算法具有較好的邊緣檢測性能。如圖4所示，采用Canny邊緣檢測能夠提取出原圖的邊緣直線，更加清晰地描述了圖像的邊緣輪廓，并且使邊緣細化，有助于更有效地進行邊緣分割。

2 基于霍夫變換的直線縫隙檢測算法

標準霍夫變換邊緣檢測[10]的方法可以在保證檢測性能的前提下縮短計算量，減少計算時間。與標準霍夫變換不同，本文算法不是將累加器平面內(nèi)的全部可能點累加作為檢測到的直線，而是將預(yù)檢測的縫隙與干擾縫隙相減得到所需要的縫隙信息。此外，對于不連續(xù)的直線，本文采用了將相同斜率的直線連起的方式來保證直線的連通性。累計概率霍夫變換流程圖如圖5所示。

圖4 Canny邊緣檢測圖Fig.4 Canny Edge Detection Image

圖5 累計概率霍夫變換流程圖Fig.5 Hough Transform Image

基于累計概率霍夫變換縫隙檢測算法可以歸納如下：

第一步：隨機獲取邊緣圖像上的前景點，映射到極坐標系畫曲線；

第二步：當極坐標系里面有交點達到最小投票數(shù)，將該點對應(yīng)坐標系的直線找出來；

第三步：搜索邊緣圖像上前景點，把直線上的點（當點與點之間距離小于閾值）連成線段；

第四步：全部刪除這些點，記錄該線段的參數(shù)（起始點和終止點），線段長度要滿足最小長度。

3 實驗結(jié)果與分析

經(jīng)過以上算法的處理，得到圖7中預(yù)檢測出的縫隙圖像，該圖像的外圍邊緣是成像板投影的邊緣，它不作為實驗所需要提取的縫隙，因此要將其去除。處理方法是先對輸入圖像做中值濾波，再進行Canny邊緣檢測和霍夫直線檢測，得出圖8中干擾的縫隙圖像。最后，將預(yù)檢測的縫隙與干擾縫隙相減得到所需要的縫隙信息。

圖6 原圖像Fig.6 Original Image

圖7 檢測出的縫隙圖像Fig.7 Test Slit Image

圖8 干擾縫隙圖像Fig.8 Disturb Slit Image

圖9 縫隙檢測圖Fig.9 Slit Detection Image

通過實驗效果圖9與原圖6對比分析，可以發(fā)現(xiàn)最終檢測到的縫隙圖像與原圖中成像板拼接產(chǎn)生的縫隙區(qū)域一致，直線縫隙部分非常清晰，細節(jié)信息豐富，檢測效果達到了預(yù)期。

4 結(jié)論

本文通過對管子管板焊縫檢測圖像的研究，提出了一種基于霍夫變換的縫隙圖像檢測算法。通過將邊緣檢測算法與霍夫直線檢測算法結(jié)合起來，在一定程度上解決了因成像板拼接而產(chǎn)生的縫隙圖像的問題。實驗結(jié)果表明，該算法在檢測縫隙中有良好的效果，為后期圖像融合奠定了基礎(chǔ)。

[1] 孫遠霞, 郝恩喜. 管子-管板焊縫射線檢測技術(shù)研究[J]. 一重技術(shù), 2011(6): 47-50.

[2] 邵中華. X射線焊縫數(shù)字圖像的缺陷提取技術(shù)研究[D]. 中北大學(xué), 2011.

[3] 袁作彬. 無損檢測技術(shù)在機械工業(yè)中的應(yīng)用和發(fā)展[J]. 湖北民族學(xué)院學(xué)報(自科版), 2013, 31(2): 228-231.

[4] 葉峰, 劉順, 陳衡, 等. 核電站蒸汽發(fā)生器管子-管板焊縫射線檢測工藝[J]. 無損檢測, 2015, 37(4): 56-59.

[5] 陳健, 鄭紹華, 余輪,等. 基于方向的多閾值自適應(yīng)中值濾波改進算法[J]. 電子測量與儀器學(xué)報, 2013, 27(2): 156-161.

[6] 郭利明. 圖像處理及圖像融合[D]. 西北工業(yè)大學(xué), 2006.

[7] 許宏科, 秦嚴嚴, 陳會茹. 一種基于改進Canny的邊緣檢測算法[J]. 紅外技術(shù), 2014, 36(3): 210-214.

[8] Benayed S. Developing Kinect-like Motion Detection System using Canny Edge Detector[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2014, 8(6): 679-98.

[9] 曾俊. 圖像邊緣檢測技術(shù)及其應(yīng)用研究[D]. 華中科技大學(xué), 2011.

[10] 李亞娣, 黃海波, 李相鵬,等. 基于Canny算子和Hough變換的夜間車道線檢測[J]. 科學(xué)技術(shù)與工程, 2016, 16(31): 234-237.

Gap Detection Algorithm of Tube and Tube Sheet Weld Image Based on Hoff Transformation

WANG Yu
(School of Software Engineering, Beijing University of Posts and Telecommunications, Beijing 100876, China)

In the test of tube and tube sheet weld, the detector is made up of small image plates, which can cause a gap in the image. As a result, the gaps in the diagram need to be detected before using an imaging map for defect detection. For this reason, this paper proposes a weld image crack detection algorithm based on Hough Transform, studied in front of the straight line crack detection pretreatment process, including the use of median filtering method to remove the image noise, using Canny edge detection method to detect image edge. Finally, the algorithm for extracting the desired gap and eliminating invalid image plate contour is studied. The experimental results show that the method can detect the area of the straight gap and obtain the desired results.

Edge detection; Slit image; Eymedian filter; Canny operator; Hough Transform

TP391

A

10.3969/j.issn.1003-6970.2017.05.032

王雨(1989-），男，碩士研究生，主要研究領(lǐng)域為圖像處理。

本文著錄格式：王雨. 基于霍夫變換的管子管板焊縫圖像的縫隙檢測算法[J]. 軟件，2017，38（5）：150-153