(1.內(nèi)蒙古科技大學(xué) 機(jī)械工程學(xué)院，內(nèi)蒙古 包頭 014010； 2.內(nèi)蒙古科技大學(xué) 工程訓(xùn)練中心，內(nèi)蒙古 包頭 014010；3.內(nèi)蒙古物通天下網(wǎng)絡(luò)科技有限責(zé)任公司，內(nèi)蒙古 包頭 014010)

隨著機(jī)器視覺和圖像處理的日漸成熟，邊緣檢測(cè)技術(shù)的應(yīng)用范圍越來越廣泛，其在列車軸承表面缺陷方面的應(yīng)用也取得了一定的效果，但是由于受到噪聲的干擾，提高抗噪性和準(zhǔn)確保留邊緣特征成為目前需要解決的主要問題。傳統(tǒng)的邊緣檢測(cè)算法對(duì)噪聲比較敏感，進(jìn)行檢測(cè)時(shí)通常會(huì)加強(qiáng)噪聲，其中Canny算法的邊緣檢測(cè)效果相對(duì)較好。而數(shù)學(xué)形態(tài)學(xué)方法在近些年也開始用于邊緣檢測(cè)，它是一種非線性的濾波，相比于傳統(tǒng)的濾波算法，經(jīng)過數(shù)學(xué)形態(tài)學(xué)處理后得到的圖像有比較好的抗噪性和連續(xù)性，但是也存在著一些問題，即無法令處理后的圖像同時(shí)在噪聲平滑和邊緣準(zhǔn)確定位方面都達(dá)到最優(yōu)。趙芳[1]等人將多尺度形態(tài)學(xué)和雙邊濾波結(jié)合的去噪方法引入Canny算法中，檢測(cè)效果有了一定的提高，但是也增加了算法運(yùn)行的時(shí)間，這影響了視覺檢測(cè)系統(tǒng)的工作效率。孫汝萍[2]通過小波分解的方法將圖像分解為高、低頻，分別進(jìn)行邊緣檢測(cè)處理，再將圖像融合為完整邊緣，這也增加了算法的復(fù)雜性。朱地博[3]等人采用兩個(gè)互不相同的結(jié)構(gòu)元素對(duì)圖像邊緣進(jìn)行檢測(cè)，得到的邊緣特征不夠清晰，這說明只用數(shù)學(xué)形態(tài)學(xué)進(jìn)行邊緣檢測(cè)顯然很難得到準(zhǔn)確的邊緣特征。除此之外，還有一些關(guān)于米粒、軌道圖像、布匹瑕疵圖像的邊緣檢測(cè)算法研究[4-6]，但是用于處理列車軸承表面缺陷圖像并不完全合適。基于這種情況，筆者提出一種改進(jìn)的邊緣檢測(cè)算法，其結(jié)合了形態(tài)學(xué)處理的抗噪性好和Canny算法準(zhǔn)確保留邊緣特征的優(yōu)點(diǎn)，用于列車軸承表面缺陷(麻點(diǎn)、壓痕、腐蝕)的邊緣檢測(cè)，效果有了明顯的提高，這對(duì)于軸承缺陷視覺檢測(cè)系統(tǒng)的研究有重要意義。

1 數(shù)學(xué)形態(tài)學(xué)

數(shù)學(xué)形態(tài)學(xué)作為邊緣檢測(cè)中提取圖像分量的一種工具，可以根據(jù)需要提取分量的特征，分別采用適當(dāng)形狀和尺度的結(jié)構(gòu)元素對(duì)圖像分量進(jìn)行提取，具體實(shí)現(xiàn)的方法是通過腐蝕和膨脹操作進(jìn)行圖像處理，并在此兩種算法的基礎(chǔ)上推導(dǎo)出形態(tài)學(xué)的開、閉運(yùn)算和其他形態(tài)學(xué)算法[7]。

1.1 形態(tài)學(xué)基本運(yùn)算

對(duì)于平面A2上的元素集合B，使用結(jié)構(gòu)元素C對(duì)集合B進(jìn)行形態(tài)學(xué)處理，得到4種基本運(yùn)算。

① 形態(tài)學(xué)腐蝕：

BΘC={s|(C)s?B}

(1)

② 形態(tài)學(xué)膨脹：

(2)

③ 形態(tài)學(xué)開運(yùn)算：

B·C=(BΘC)⊕C

(3)

④ 形態(tài)學(xué)閉運(yùn)算：

B·C=(B⊕C)ΘC

(4)

1.2 形態(tài)學(xué)邊緣檢測(cè)

形態(tài)學(xué)邊緣檢測(cè)算法實(shí)際上相當(dāng)于使用一個(gè)結(jié)構(gòu)元素對(duì)原圖像進(jìn)行腐蝕，再用原圖像減去腐蝕后的圖像，恰好刪除了腐蝕后的內(nèi)部點(diǎn)，留下了邊界元素。取D(B)為經(jīng)過形態(tài)學(xué)處理后的邊緣圖像，可定義為

D(B)=B-(BΘC)

(5)

形態(tài)學(xué)處理依賴于結(jié)構(gòu)元素的選取，不僅與結(jié)構(gòu)元素的形狀有關(guān)，還與結(jié)構(gòu)元素的尺寸及原點(diǎn)位置密切相關(guān)[8]。形態(tài)學(xué)用于邊緣檢測(cè)處理時(shí)對(duì)噪聲不敏感，其本質(zhì)是結(jié)構(gòu)元素和集合的相互作用，如果在傳統(tǒng)的邊緣檢測(cè)算法中引入數(shù)學(xué)形態(tài)學(xué)，可在一定程度上抑制噪聲，同時(shí)保留邊緣細(xì)節(jié)信息。

2 Canny算法

在目前的圖像邊緣檢測(cè)處理中，抑制噪聲和準(zhǔn)確保留邊緣特征很難同時(shí)實(shí)現(xiàn)，有一些邊緣檢測(cè)算法通過平滑濾波，在去除噪聲的同時(shí)，也增加了邊緣定位的不確定性；而提高邊緣檢測(cè)算法對(duì)邊緣敏感性的同時(shí)，卻也增加了對(duì)噪聲的敏感性，Canny算法是在抑制噪聲干擾和保留邊緣特征之間最好的折中方案[8]。

圖1分別給出了5種傳統(tǒng)的邊緣檢測(cè)算法對(duì)麻點(diǎn)缺陷邊緣檢測(cè)后的圖像。

圖1 傳統(tǒng)的邊緣檢測(cè)算法處理后的圖像

實(shí)驗(yàn)表明，Canny算法相比于其他傳統(tǒng)算法，具有準(zhǔn)確保留邊緣特征的優(yōu)點(diǎn)，雖然具備一定的抗噪性，但是仍然存在對(duì)噪聲敏感的問題，所以應(yīng)該加入其他算法將其改進(jìn)。

3 本文算法

本文結(jié)合形態(tài)學(xué)對(duì)噪聲不敏感、Canny算法準(zhǔn)確保留邊緣特征的優(yōu)點(diǎn)，提出了一種改進(jìn)的邊緣檢測(cè)算法，其核心思想是將二值化后的圖像首先進(jìn)行形態(tài)學(xué)3菱形閉運(yùn)算處理，然后對(duì)其進(jìn)行Canny邊緣檢測(cè)，最終實(shí)現(xiàn)對(duì)軸承缺陷的邊緣提取。

3.1 結(jié)構(gòu)元素的選取

由于結(jié)構(gòu)元素的選取在形態(tài)學(xué)處理中占有極其重要的地位，所以對(duì)多種不同的結(jié)構(gòu)元素分別進(jìn)行對(duì)比實(shí)驗(yàn)，最終選取[0 1 0;1 1 1;0 1 0]作為本文算法形態(tài)學(xué)處理中的結(jié)構(gòu)元素，實(shí)驗(yàn)證明，該結(jié)構(gòu)元素對(duì)于軸承3種主要缺陷(麻點(diǎn)、壓痕和腐蝕)的處理效果最好。實(shí)驗(yàn)中用到的結(jié)構(gòu)元素分別為

[1 1 1;1 1 1;1 1 1]

(3×3)

[1 1 1 1 1;1 1 1 1 1;1 1 1 1 1;1 1 1 1 1;1 1 1 1 1]

(5×5)

[0 1;1 0]

(0110)

[1 0;0 1]

(1001)

[0 1 0;1 1 1;0 1 0]

(3菱形)

[0 0 1 0 0;0 1 1 1 0;1 1 1 1 1;0 1 1 1 0;0 0 1 0 0]

(5菱形)

以麻點(diǎn)圖像的形態(tài)學(xué)閉運(yùn)算處理為例，圖2分別給出了麻點(diǎn)缺陷原圖、二值化后的圖像以及此六種結(jié)構(gòu)元素閉運(yùn)算處理后的圖像。

圖2 不同結(jié)構(gòu)元素閉運(yùn)算處理后的圖像

由圖2可以看出，相比于二值化后的圖像，經(jīng)過此六種形態(tài)學(xué)結(jié)構(gòu)元素閉運(yùn)算處理后的圖像均有一定的抗噪效果，所以形態(tài)學(xué)圖像處理可在一定程度上抑制噪聲。對(duì)此六種結(jié)構(gòu)元素處理后的圖像進(jìn)行比較后發(fā)現(xiàn)，3×3、5×5、5菱形這3種結(jié)構(gòu)元素對(duì)圖像的抗噪效果最好，但是對(duì)圖像原有特征的改變比較大，出現(xiàn)特征邊緣不準(zhǔn)確的問題；而0110和1001這兩種結(jié)構(gòu)元素對(duì)圖像的抗噪效果較差，并且處理后的特征有方向性，不具有普遍性；只有3菱形結(jié)構(gòu)元素處理后的圖像具有一定的抗噪性，而且保留了邊緣的細(xì)節(jié)信息。

3.2 基本運(yùn)算的選取

形態(tài)學(xué)基本運(yùn)算包括腐蝕、膨脹、開運(yùn)算和閉運(yùn)算，各有其作用和優(yōu)勢(shì)，用于軸承缺陷邊緣檢測(cè)的效果不同，實(shí)驗(yàn)表明，形態(tài)學(xué)閉運(yùn)算的處理效果最好。

以麻點(diǎn)圖像的形態(tài)學(xué)3菱形結(jié)構(gòu)元素處理為例，圖3分別給出了腐蝕、膨脹、開運(yùn)算和閉運(yùn)算處理后的圖像。

圖3 3菱形不同基本運(yùn)算處理后的圖像

由圖3可以看出，相比于閉運(yùn)算處理后的圖像，腐蝕、膨脹和開運(yùn)算處理的抗噪效果差，而且腐蝕處理后將噪聲點(diǎn)擴(kuò)大了，膨脹處理后將特征縮小了，所以這3種處理效果都不是很理想，最終選擇閉運(yùn)算作為本文算法中形態(tài)學(xué)處理的基本運(yùn)算。

綜上所述，選擇形態(tài)學(xué)3菱形閉運(yùn)算作為邊緣檢測(cè)的前處理，結(jié)合Canny算法作為本文算法進(jìn)行軸承表面缺陷的邊緣檢測(cè)。

4 實(shí)驗(yàn)結(jié)果與分析

用本文算法在Matlab R2018a環(huán)境下對(duì)軸承表面的3種主要缺陷(麻點(diǎn)、壓痕和腐蝕)進(jìn)行處理，并與形態(tài)學(xué)邊緣檢測(cè)和Canny算法邊緣檢測(cè)進(jìn)行比較分析，實(shí)驗(yàn)結(jié)果如圖4～圖6所示。

實(shí)驗(yàn)結(jié)果表明了本文算法的可行性和有效性，相比于形態(tài)學(xué)邊緣檢測(cè)和Canny算法邊緣檢測(cè)處理后的圖像，本文算法不僅加強(qiáng)了抑制噪聲的能力，還準(zhǔn)確地保留了圖像的邊緣特征，同時(shí)為接下來的表面缺陷分類識(shí)別處理提供了極大便利。

圖4 麻點(diǎn)圖像及邊緣檢測(cè)后的圖像

圖5 壓痕圖像及邊緣檢測(cè)后的圖像

圖6 腐蝕圖像及邊緣檢測(cè)后的圖像