王琳++朱凱++李鑫雨

摘 要：單板表面如果出現(xiàn)缺陷就會嚴重影響單板的質(zhì)量，導(dǎo)致單板的實際使用機機制以及利用率得到降低，單板表面一個非常主要的缺陷便是裂縫，本文以圖像處理方法為基礎(chǔ)設(shè)計了單板表面裂縫檢測方法，借助形態(tài)學處理，二值化，灰度變換，灰度化等圖像處理技術(shù)對圖像中裂縫區(qū)域進行檢測，為人們進行缺陷識別工作奠定了一定的數(shù)據(jù)基礎(chǔ)。

關(guān)鍵詞：單板表面缺陷；裂縫；圖像處理研究

DOI：10.16640/j.cnki.37-1222/t.2017.15.209

單板表面裂縫是單板缺陷種非常主要的一種缺陷，單板裂縫的數(shù)量，位置，長度等特征信息是衡量裂縫對單板外觀造成影響大小的主要參數(shù)，同時也是對單板外觀的質(zhì)量進行判斷的一個基本特征，將計算機圖像處理技術(shù)作為基礎(chǔ)對單板表面展開檢測對識別單板表面缺陷有著非常重要的意義，本文在計算機圖像處理方法的基礎(chǔ)上進行了單板裂縫圖像處理方法的設(shè)計。

1 具體的方案設(shè)計

在該文章中進行的單板表面裂縫圖像處理流程設(shè)計包括有裂縫邊緣提取，形態(tài)性處理，去除黑邊，圖像風格，圖像灰度變換，像素統(tǒng)計分析，數(shù)字圖像灰度化。

2 缺陷圖像處理

進行單板裂縫缺陷圖的提取，四張即可，要具有一定的代表性，對其進行處理之后進行裂縫缺陷的提取。

2.1 圖像灰度化

圖像灰度化具體指的是將彩色的圖像轉(zhuǎn)化成為灰度的圖像，在該文中進行圖像灰度化是為了可以將顏色的實際突變特征進行有效的提取，在這里不需要對缺陷部位的顏色進行考慮，因此允許將彩色的RGB圖像成功轉(zhuǎn)化成為灰度圖像，在這樣在進行調(diào)整提取工作時難度將會降低。對其進行灰度化轉(zhuǎn)化時可以應(yīng)用rgb2gray（）函數(shù)來展開，轉(zhuǎn)化成為的灰度圖。

2.2 像素統(tǒng)計的分析

為了可以將分割圖像質(zhì)量提升，需要對所有圖像的像素展開統(tǒng)計分析，從而成功的計算出像素的實際分布特征，主要將像素值的灰度方差以及灰度均值求出即可。分別用FC=std2（）以及JZ=mean2（）來實現(xiàn)，其中灰度方差用FC表示，灰度均值用JZ來表示[1]。

2.3 圖像灰度轉(zhuǎn)化

灰度轉(zhuǎn)化是將圖像進行增強的一個非常重要的手段，可以使處在目標區(qū)域的圖像變得更加清晰，該部分的特征也變得更加明顯。研究時需要進行分段線性轉(zhuǎn)化法的采用，對于目標部分的圖像細節(jié)展開灰度級拉伸操作從而使對比度增加，對于不是目標部分的圖像展開灰度級壓縮。然后借助灰度方差以及灰度均值來進行動態(tài)轉(zhuǎn)折點坐標的選取，從而可以得出變化之后的圖像。

2.4 圖像分割

通過圖像分割可以將圖像中需要應(yīng)用的一些特征以及具有意義的一些特征有效的提取出來，其中閾值分割法主要借助對閾值進行設(shè)定來清楚的分辨出背景以及具體的物體。在本文研究中，借助算式（1）來將圖像二值化之后得出的閾值計算出來，然后在應(yīng)用im2bw（）來完成對圖像進行分割，分割之后所得的二值圖像即下圖。

（1）

在該算式中，Threshold代表的是最終閾值，thresh代表的是借助最大類間方差法計算出來的初選值。

2.5 對出現(xiàn)進行去除黑邊處理

在整張圖片中，四個邊界部門發(fā)生的突變特征在進行圖像處理過程時可以被成功的保留下來，這時候如果不對其進行除去處理就會導(dǎo)致目標區(qū)域的數(shù)量增加，這樣就導(dǎo)致程序的實際運算量增大，執(zhí)行效率因此也就會變得比較低下，因此可以看出在該文中，非常有必要進行去除處理，具體的程序如下。

2.6 形態(tài)學處理

形態(tài)學是建立在集合論基礎(chǔ)上的一門學科，在形式上鼠疫各種非線性的分析工具以及圖像處理工具。在形態(tài)學中存在有兩個基本運算，一是腐蝕，二是膨脹，將這兩個運算作為基礎(chǔ)可以進行多種符合運算的不同組合，例如閉運算，開運算等。在本文研究中針對二值圖像應(yīng)用函數(shù)bwmrph（）來完成閉運算，開運算，對的那個像素空洞進行填充，對孤立前景像素進行清除。

2.7 邊緣提取

圖像缺陷的輪廓，通過對圖進行觀看可以明顯的發(fā)現(xiàn)曲線輪廓非常的光滑并且清晰。將提取出來的缺陷輪廓在原來的圖像上，也就是疊加所得的效果，盡管裂縫缺陷已經(jīng)被非常完整不缺的提取出來，但與此同時也有一些干擾區(qū)域，即非裂縫缺陷以及紋理并成功的提取出來，這時候需要對裂縫缺陷展開更進一步的識別，從而判斷是否確實是裂縫缺陷，避免出現(xiàn)錯誤判斷。

3 結(jié)語

在本篇文章中將圖像處理流程作為依據(jù)，對具有一定代表性的裂縫缺陷圖像展開了形態(tài)學，二值化處理，將裂縫的實際基本輪廓特征進行了提取，并且將裂縫區(qū)域進行有效的分割，從而為更進一步的模式識別以及缺陷特征提取提供了一定的基礎(chǔ)。將提取出來的裂縫輪廓疊加到原來的圖像之上，對裂縫區(qū)域表現(xiàn)出了非常良好的檢測效果，并且可以將裂縫缺陷展開精準的檢測，對接下來的缺陷自動檢測以及實現(xiàn)缺陷的控制截除，統(tǒng)計分析以及準確定位等工具起到良好的作用，發(fā)揮著比較重要的意義。

參考文獻：

[1]楊建華，姚建平，范磊，張端，許心夢.單板表面裂縫圖像處理方法研究[J].林業(yè)機械與木工設(shè)備，2017（04）：29-31.

作者簡介：王琳（1990-），女，陜西富平人，碩士研究生，助教，主要研究方向：計算機視覺、圖像處理、數(shù)據(jù)挖掘、機器學習。endprint