孫績婷　戚大偉

摘要：竹塑復(fù)合材是一種新型的綠色環(huán)保材料，X射線無損檢測系統(tǒng)，為其提供了一種行之有效的檢測手段，但圖像在獲取的過程中極易受到環(huán)境和實(shí)驗(yàn)光線強(qiáng)度等變化所產(chǎn)生的噪聲影響，為增強(qiáng)圖像清晰程度，降低對圖像的分割和邊緣檢測等處理的誤差影響，本文提出基于圖像融合的竹塑復(fù)合材內(nèi)部缺陷邊緣進(jìn)行檢測的方法。利用小波變換將多幅內(nèi)部缺陷圖像變換融合后，運(yùn)用OTSU方法和Canny算子分別對其內(nèi)部缺陷圖像進(jìn)行分割與邊緣提取。結(jié)果表示，可以應(yīng)用小波變換融合的方法對竹塑復(fù)合材內(nèi)部缺陷邊緣進(jìn)行檢測，對圖像信息的進(jìn)一步表達(dá)，具有一定的增強(qiáng)效果。

關(guān)鍵詞：小波變換;竹塑復(fù)合材;X射線無損檢測;圖像分割;缺陷邊緣檢測

中圖分類號：S781.1文獻(xiàn)標(biāo)識碼：A文章編號：1006-8023（2019）03-0036-05

Detection of Internal Defect Image Edge of Bamboo Plastic

Composite Based on Image Fusion

SUN Jiting，QI Dawei*

（College of Science， Northeast Forestry University， Harbin 150040）

Abstract：Bamboo-plastic composite is a new type of green environmental protection material. X-ray non-destructive testing system provides an effective detection method. In order to enhance the image clarity and reduce the error effect on image segmentation and edge detection， the influence of noise caused by the change of light intensity in the experiment is improved. In this paper， a method based on image fusion to detect the internal defect edge of bamboo-plastic composite is proposed. After fusion of multiple internal defect images by wavelet transform， the OTSU method and Canny operator are used to segment and extract the edge of the internal defect images respectively. The results show that the wavelet transform fusion method can be used to detect the internal defect edge of bamboo-plastic composite， which has certain enhancement effect on the further expression of image information.

Keywords：Wavelet transformation; bamboo plastic composite; X-ray nondestructive testing; image segmentation; defect edge detection

0引言

近年來，塑料、再生塑料與天然纖維等合成的新型材料得到了廣泛的重視與研究，可降解的竹塑復(fù)合材料更成為了有利于可持續(xù)發(fā)展和有利于生態(tài)環(huán)境良好發(fā)展的新興材料之一[1-2]。對竹塑復(fù)合材料的研究基于我國竹材資源豐富，廢舊塑料也可得到循環(huán)再利用等優(yōu)勢，能夠起到一定程度上改善生態(tài)環(huán)境的作用。因此對其制備方式及所具有的主要性能和增強(qiáng)材料特性等方面仍然有大量學(xué)者進(jìn)行研究[3-5]。然而卻少有利用無損檢測技術(shù)對其在不改變外部及其他任何特性的情況下，對竹塑復(fù)合材內(nèi)部可能會出現(xiàn)的腐蝕、分層和裂縫等缺陷信息進(jìn)行檢測。因此，對竹塑復(fù)合材進(jìn)行的內(nèi)部缺陷信息檢測的研究，便于其被合理的選擇與應(yīng)用提供了一種有效方法。

射線檢測技術(shù)可廣泛應(yīng)用于探傷和醫(yī)療等研究領(lǐng)域[6-7]，而其中X射線檢測技術(shù)經(jīng)不斷的發(fā)展與應(yīng)用，為復(fù)合材料的無損檢測提供了一定的可行性[8-9]。經(jīng)大量實(shí)踐結(jié)果證實(shí)，X射線技術(shù)可對木材、板材和工板等進(jìn)行無損檢測[10-11]。可利用X射線無損檢測系統(tǒng)采集到竹塑復(fù)合材內(nèi)部缺陷信息的圖像，對提高竹塑復(fù)合材的利用率問題，將是一個(gè)非常重要的衡量和檢測手段。并對其內(nèi)部圖像信息進(jìn)行特征提取和缺陷識別等處理，可以更直觀、全面的進(jìn)行分析，并進(jìn)行綜合考量，也可為竹塑復(fù)合材所具有的相關(guān)性能和應(yīng)用適用范圍提供一定的指向性。

在圖像信息采集的過程中，由于不可抗因素產(chǎn)生的噪聲干擾等問題，容易造成圖像質(zhì)量差和視覺效果模糊等現(xiàn)象，難以呈現(xiàn)出清晰的效果。而圖像融合技術(shù)可為其提供一種有利于提高圖像清晰程度的有效辦法。目前，國內(nèi)外學(xué)者進(jìn)行了大量實(shí)踐與應(yīng)用[12-13]。而基于小波變換的融合方法，可以取得較理想的效果。小波變換及其各種新算法也在不斷涌現(xiàn)，也是圖像融合處理的研究熱點(diǎn)之一[14-15]。這些研究表明通過小波變換融合的方法，能夠減小噪聲的作用范圍，有助于增強(qiáng)圖像的清晰程度及對比度。為此提出將多幅數(shù)字型圖像進(jìn)行融合處理，并對融合圖像進(jìn)行分割及內(nèi)部缺陷的邊緣進(jìn)行檢測，降低外界及噪聲等干擾因素對圖像的影響，從而達(dá)到改善圖像品質(zhì)，改善圖像的模糊化程度，使其更加具體地表達(dá)出其內(nèi)部圖像的缺陷信息。

1材料與方法

1.1材料

竹塑復(fù)合材料（Bamboo Plastic Composite，簡稱BPC）是利用經(jīng)過改性的竹鋸末、竹屑或竹渣等進(jìn)行預(yù)處理后的纖維做為主要的原料，結(jié)合高分子化學(xué)界面融合的原理，與具有熔融熱塑性質(zhì)的樹脂（主要有PE、PP、PVC等）按照一定的比例進(jìn)行結(jié)合，在所添加助劑的作用下，經(jīng)過高溫混煉和加工定型而制取得到的一種具有用途廣且綠色環(huán)保的新型復(fù)合材料。其同時(shí)具有竹材和塑質(zhì)材料雙重的優(yōu)良特性：尺寸穩(wěn)定性較高，質(zhì)優(yōu)且輕、成本價(jià)低、能損低、無害無味，且具有一定良好的回收再利用的特性，為新型環(huán)保材料提供了更多的發(fā)展空間及可能性[3]。

1.2方法

竹塑復(fù)合材X射線無損檢測系統(tǒng)[10]，檢測中主要結(jié)構(gòu)部件包括：X光源、微光攝像機(jī)、圖像采集及處理、圖像顯示器、計(jì)算機(jī)、微機(jī)顯示器，如圖1所示。本文所使用的竹塑復(fù)合材，尺寸大小為20 cm×10 cm×50 cm的長方體。利用強(qiáng)度均勻的X射線無損檢測系統(tǒng)，對竹塑復(fù)合材表面及結(jié)構(gòu)特性均無任何破壞的情況下進(jìn)行的內(nèi)部缺陷信息采集。充分利用了X射線具有較強(qiáng)的穿透性，即利用透射法檢測并對所獲取的圖像信息進(jìn)行記錄與保存，

并利用數(shù)字圖像處理技術(shù)進(jìn)行分析與識別。但由于透射材料的不同，往往伴隨著一定的能量衰減現(xiàn)象。由于入射能量強(qiáng)度I0、透射能量強(qiáng)度I與被檢測物質(zhì)的厚度d又存在著強(qiáng)度衰減規(guī)律，公式為：

I = I0e-μd 。（1）

式中：μ為衰減系數(shù)，也稱吸收系數(shù)。

實(shí)驗(yàn)通過產(chǎn)生X射線在高壓發(fā)生器即X射線兩級電子管，將陰極燈絲通電加熱溫度至白熾而發(fā)出電子，本實(shí)驗(yàn)所獲圖片是在當(dāng)電子管的兩板（燈絲與鉬靶）間加上4 200 kv電壓，入射強(qiáng)度在2 450～4 000 μA變化范圍內(nèi)獲取得到的。當(dāng)電子經(jīng)過物體即射線穿過板材時(shí)，其能量被部分吸收，透射能量被不同程度的削弱。因此可獲取得到同規(guī)格、但清晰程度卻大不相同的竹塑復(fù)合材內(nèi)部缺陷信息的圖像，共采集40幅。本實(shí)驗(yàn)選取16個(gè)實(shí)驗(yàn)樣本，采用不同方法對其內(nèi)部缺陷邊緣進(jìn)行提?。褐苯訉D像進(jìn)行閾值分割及內(nèi)部缺陷邊緣進(jìn)行檢測和經(jīng)過融合處理后的圖像再進(jìn)行閾值分割及內(nèi)部缺陷邊緣檢測，獲取得到兩種效果的檢測圖像進(jìn)行比較。

2方法與理論

2.1基于小波變換的圖像分解

圖像融合是把同一研究對象的兩幅或多幅的圖像信息合成在一幅圖像中，所獲圖像效果比原來任何一幅圖像更容易使人們理解和接受。這一技術(shù)可應(yīng)用于X射線無損檢測竹塑復(fù)合材內(nèi)部缺陷圖像的研究。小波變換法能提供出信號在時(shí)域和頻域中的同步信息。對于圖像而言，可將圖像分解成在各個(gè)頻率段上的子圖像，用此來表示原圖像的各個(gè)特征分量，并對不同的特征分量進(jìn)行相應(yīng)融合方法的處理，以期達(dá)到最佳的融合效果。

利用小波變換中常用的Mallat算法對二維圖像進(jìn)行二層小波分解的示意圖，如圖2所示。L表示低頻，H表示高頻，下標(biāo)1，2表示一級，二級分解。利用小波變換對圖像可進(jìn)行多層分解，每一層均可產(chǎn)生4幅分解的子圖像LL1、HL1、LH1、HH1。其中，LL1是原始圖像中的主要低頻部分，LH1代表著水平方向的高頻信息，HL1代表著垂直方向的高頻信息，HH1代表著45°方向的高頻信息。下一層的分解只對含有較多低頻信息的LH1繼續(xù)進(jìn)行。如圖2（c）所示，完成二層小波分解[17]。

在MATLAB2016a環(huán)境下，對 X射線無損檢測系統(tǒng)所獲得的含有竹塑復(fù)合材內(nèi)部缺陷信息的圖像，利用小波變換實(shí)現(xiàn)得到的二層小波分解示意圖，如圖3所示。

2.2圖像融合的方法

融合規(guī)則的理論基礎(chǔ)是：經(jīng)小波變換后，低頻波段用以表述圖像的相似部分，高頻波段用來表述圖像的細(xì)節(jié)信息。高頻波段的系數(shù)波動范圍往往處在零值附近，系數(shù)絕對值越大，代表該處亮度變化越強(qiáng)烈，則可能含有極其重要的圖像細(xì)節(jié)信息，是所要尋找的邊緣、線條，或是所要尋找的感興趣區(qū)域的邊界等[17]。經(jīng)小波變換可獲取得到的小波系數(shù)，針對較小尺度范圍內(nèi)，使得細(xì)節(jié)能夠更加突出，而較大的特征卻不再顯現(xiàn);于此同時(shí)，有多種方法可供選擇，對小波系數(shù)進(jìn)行處理。本文應(yīng)用小波變換所得到的低頻部分以及高頻部分的小波系數(shù)，均采用像素點(diǎn)絕對值取最大的方法進(jìn)行處理，具體步驟為：

Cj（Q，q）=Cj（A，q）|Cj（A，q）≥Cj（B，q）|

Cj（B，q）|Cj（A，q）

式中：Cj（A，q）、Cj（B，q）、Cj（Q，q）分別表示樣本A、B和融合結(jié)果Q在j層小波分解時(shí)，q點(diǎn)的系數(shù)。

2.3基于小波變換融合方法的圖像邊緣檢測步驟

基于小波變換融合后的圖像進(jìn)行其內(nèi)部缺陷信息邊緣檢測，步驟為：

（1）兩幅初始圖像分別進(jìn)行小波變換，獲取各幅圖像在低頻帶和高頻帶上的小波系數(shù)。

（2）經(jīng)分解得到的圖像低頻帶和高頻帶上的小波系數(shù)，各自分別采取不同的融合方法處理及運(yùn)算。

（3）利用小波逆變換對融合處理后的系數(shù)進(jìn)行處理及運(yùn)算， 得到融合圖像。

（4）對融合處理后的內(nèi)部缺陷圖像進(jìn)行分割及邊緣檢測。

本實(shí)驗(yàn)選取16個(gè)經(jīng)X射線無損檢測系統(tǒng)獲取得到的竹塑復(fù)合材內(nèi)部缺陷圖像，分成4組按照上述步驟進(jìn)行融合處理。將每組中的樣本依次按照2.2中小波變換融合的方法進(jìn)行融合。本實(shí)驗(yàn)共可得到4組融合結(jié)果，融合效果對比分析見表1。

經(jīng)對比分析第4組的融合效果較好。圖像的分割處理是將圖像中的目標(biāo)區(qū)域與背景部分進(jìn)行區(qū)分。為進(jìn)一步獲取到背景與對象之間的交界線，即缺陷的邊緣信息，進(jìn)而對其邊緣進(jìn)行檢測處理。本文對原始圖像和融合后的圖像分別進(jìn)行閾值分割及邊緣檢測處理，過程如下：

方法一，采用OTSU最大閾值法對竹塑復(fù)合材內(nèi)部缺陷原始圖像信息進(jìn)行分割，再利用Canny算子對其內(nèi)部缺陷邊緣進(jìn)行檢測。檢測結(jié)果，如圖4所示，（a）為原始圖像，（b）為OTSU法閾值分割后圖像，（c）為原始圖像經(jīng)閾值分割處理后由Canny算子檢測出的內(nèi)部缺陷邊緣圖像。

方法二，應(yīng)用小波變換先將多幅原始圖像信息進(jìn)行融合，增加了圖像中更多的細(xì)節(jié)信息。對選取的小波融合效果較好的第4組融合圖像，利用OTSU法進(jìn)行閾值分割，因融合后的圖像與原始圖像進(jìn)行閾值分割，對比結(jié)果無過于明顯的差異性，可用圖4中的（b）來表示對融合圖像進(jìn)行閾值分割處理效果;并利用Canny算子對其內(nèi)部缺陷進(jìn)行邊緣檢測，如圖4（d）所示，為融合圖像經(jīng)閾值分割處理后的內(nèi)部缺陷邊緣檢測的圖像結(jié)果。

觀察上述兩種方法得到的邊緣檢測效果圖像，可進(jìn)一步得出，經(jīng)小波變換融合法獲取得到的竹塑復(fù)合材內(nèi)部缺陷邊緣檢測融合圖像，清晰程度較之前未經(jīng)小波變換融合處理過的圖像帶有更多、更明顯和更具體的細(xì)節(jié)信息，圖像效果得到了較好的改善。因此，利用小波變換融合的方法對竹塑復(fù)合材內(nèi)部缺陷進(jìn)行邊緣檢測，具有一定明顯增強(qiáng)的作用。

3結(jié)論

利用X射線無損檢測技術(shù)對竹塑復(fù)合材內(nèi)部缺陷信息進(jìn)行檢測，為竹塑復(fù)合材料的廣泛探究及應(yīng)用發(fā)展提供了一種行之有效的檢測手段。在進(jìn)行信息采集的過程中易受到噪聲等其它因素的干擾，影響圖像質(zhì)量及圖像分析結(jié)果，圖像經(jīng)過小波變換融合處理后再進(jìn)行內(nèi)部缺陷圖像的分割及邊緣檢測，經(jīng)客觀評價(jià)中的指標(biāo)對比可看出：對圖像進(jìn)行小波變換融合處理，有利于信息的進(jìn)一步表達(dá)，圖像效果具有一定增強(qiáng)的效果。對圖像處理的識別與分析，奠定了良好的基礎(chǔ)。

【參考文獻(xiàn)】

[1]高振華，邸明偉.生物質(zhì)材料與應(yīng)用[M].北京：化學(xué)工業(yè)出版社，2008.

GAO Z H， DI M W. Spice chemistry and technology[M]. Beijing： Chemical Industry Press， 2008.

[2]MOHANTY A K，MISRA M，DRZAL L T.可再生資源的可持續(xù)生物復(fù)合材料：綠色材料世界的機(jī)遇與挑戰(zhàn)[J].聚合物與環(huán)境雜志，2002，10（1/2）：19-26.

MOHANTY A K， MISRA M， DRZAL L T. Sustainable bio-composites from renewable resources： opportunities and challenges in the green materials world[J]. Journal of Polymers & the Environment， 2002， 10（1/2）：19-26.

[3]李雪菲，張澤華，任瑢，等.竹塑復(fù)合材料的研究及發(fā)展趨勢[C]//中國木材保護(hù)大會暨中國景觀木竹結(jié)構(gòu)與材料產(chǎn)業(yè)發(fā)展高峰論壇橡膠木高效利用專題論壇，2012.

LI X F， Zhang Z H， REN R， et al. Research and development trend of bamboo-plastic composite materials[C]. China Wood Protection Conference and China Landscape Wood Bamboo Structure and Materials Industry Development Summit Forum Rubber Wood Efficient Utilization Forum， 2012.

[4]湯穎，沈鈺程，吳亞剛，等.竹塑復(fù)合材料研究現(xiàn)狀及展望[J].林業(yè)機(jī)械與木工設(shè)備，2013，41（8）：8-10.

TANG Y， SHEN Y C， WU Y G， et al. Research status and prospect of bamboo-plastic composites[J]. Forestry Machinery &Woodworking Equipment， 2013， 41（8）：8-10.

[5]趙德金，郭艷玲，宋文龍.國內(nèi)外竹塑復(fù)合材料研究進(jìn)展[J].安徽農(nóng)業(yè)科學(xué)，2014，42（21）：7059-7060.

ZHAO D J， GUO J Y， SONG W L. Research advance of bamboo plastic composites at home and abroad[J]. Journal of Anhui Agricultural Sciences， 2014， 42（21）：7059-7060.

[6]鄭世才.我國射線檢測技術(shù)近年的發(fā)展[J].無損檢測，2004，26（4）：163-167.

ZHENG S C. The development of Chinas radiation detection technology in recent years[J]. Nondestructive Testing， 2004， 26（4）：163-167.

[7]韓明，苗長云.無損檢測技術(shù)及應(yīng)用研究[J].天津科技，2011，38（1）：75-77.

HAN M， MIAO C Y. Nondestructive testing technology and application research[J]. Tianjin Science & Technology， 2011， 38（1）：75-77.

[8]葛邦，楊濤，高殿斌，等.復(fù)合材料無損檢測技術(shù)研究進(jìn)展[J].玻璃鋼/復(fù)合材料，2009，V209（6）：67-71.

GE B， YANG T， GAO D B， et al. Research progress of nondestructive testing technology for composite materials[J]. Fiberglass/Composites， 2009， V209（6）：67-71.

[9]董方旭，王從科，凡麗梅，等.X射線檢測技術(shù)在復(fù)合材料檢測中的應(yīng)用與發(fā)展[J].無損檢測，2016，38（2）：67-72.

DONG F X， WANG C K， FAN L M， et al. Application and development of X-ray detection technology in composite materials detection[J]. Nondestructive Testing， 2016， 38（2）：67-72.

[10]戚大偉.木材無損檢測圖像處理系統(tǒng)的研究[J].林業(yè)科學(xué)，2001， 37（6）：92-96.

QI D W. Research on image processing system for wood nondestructive testing[J]. Forestry Science， 2001， 37（6）：92-96.

[11]李學(xué)益，戚大偉.木材缺陷檢測圖像處理系統(tǒng)工作平臺的研制[J].東北林業(yè)大學(xué)學(xué)報(bào)，2002， 30（2）：109-112.

LI X Y， QI D W. Development of working platform for wood defect detection image processing system[J]. Journal of Northeast Forestry University， 2002， 30（2）：109-112.

[12]敬忠良，肖剛，李振華. 圖像融合-理論與應(yīng)用[M]. 北京：高等教育出版社， 2007.

JING Z L， XIAO G， LI Z H. Image fusion： theory and applications[M]. Beijing： Higher Education Press， 2007.

[13]李俊峰，姜曉麗，戴文戰(zhàn).基于提升小波變換的醫(yī)學(xué)圖像融合[J].中國圖象圖形學(xué)報(bào)，2014，19（11）： 1639-1648.

LI J F， JIANG X L， DAI W Z. Medical image fusion based on lifting wavelet transform[J]. Journal of Image and Graphics， 2014， 19（11）： 1639-1648.

[14]SINGH R，SRIVASTAVA R，PRAKASH O，等. 基于Daubechies小波變換的多模態(tài)醫(yī)學(xué)圖像融合 [C] //國際信息學(xué)，電子學(xué)和視覺會議論文集.達(dá)卡：IEEE計(jì)算機(jī)學(xué)會， 2012： 304-309.

SINGH R， SRIVASTAVA R， PRAKASH O， et al. Mixed scheme based multimodal medical image fusion using Daubechies complex wavelet transform[C]. Proceedings of International Conference on Informatics， Electronics and Vision， Dhaka， IEEE Computer Society， 2012： 304-309.

[15]劉海濤，石躍祥，康蘊(yùn). 基于小波分析的圖像融合新方法[J]. 計(jì)算機(jī)工程與應(yīng)用，2013，49（6）： 205-208.

LIU H T， SHI Y X， KANG Y. New method for image fusion based on wavelet transform[J]. Computer Engineering and Applications， 2013， 49（6）： 205-208.

[16]郭雷，李暉暉，鮑永生.圖像融合[M].北京：電子工業(yè)出版社，2008.

GUO L， LI H H， BAO Y S. Image fusion[M]. Beijing： Publishing House of Electronics Industry， 2008.

[17]程正興. 小波分析與算法應(yīng)用[M].西安： 西安交通大學(xué)出版，2000.

CHENG Z X. Application of wavelet analysis and algorithms[M]. Xian： Xian Jiaotong University Press， 2000.