陳卓明

（中海油能源發(fā)展股份有限公司采油服務(wù)分公司，天津 300457）

機械制造業(yè)是關(guān)乎國計民生的支柱性產(chǎn)業(yè)，也是衡量一國科學(xué)技術(shù)水平的重要標志。隨著我國經(jīng)濟的飛速發(fā)展和科學(xué)技術(shù)水平的不斷提高，機械制造業(yè)的規(guī)模和產(chǎn)量都不斷擴大[1]。海洋石油開采要用到數(shù)量很多的大型機械設(shè)備，這些機械設(shè)備又由千千萬萬個機械零件構(gòu)成，一旦其中某個零件出現(xiàn)問題就會影響海洋石油設(shè)備，進而影響開采進程。在這種情況下，如何確保制造出來的產(chǎn)品符合質(zhì)量要求，就成為具有重要意義的關(guān)鍵工作[2]。機器視覺技術(shù)是一種光、機、電、算完美結(jié)合的方法，通過一定的硬件設(shè)備和配套的軟件算法可以實現(xiàn)與人類視覺相近的功能。機器視覺技術(shù)進入機械制造業(yè)檢測領(lǐng)域后，迅速發(fā)展為最重要的檢測技術(shù)[3]。這種技術(shù)可以實現(xiàn)高精度檢測、在線檢測和高速檢測，大大提高了缺陷檢測領(lǐng)域的質(zhì)量和效率。進入二十一世紀以后，大多數(shù)機械制造業(yè)都在自己的車間配備了全自動或者半自動的機器視覺檢測生產(chǎn)線，以確保其零部件的生產(chǎn)質(zhì)量。在這樣的大背景下，該文試圖從機械零件的缺陷類型、缺陷特征、檢測手段出發(fā)，對各種可能出現(xiàn)的機械零件缺陷進行識別和分類，并進一步提高機器視覺檢測的效率和質(zhì)量。

1 基于小波變換的海洋石油機械零件缺陷分割

小波變換是非常適于圖像處理的一種數(shù)學(xué)變換，這是因為它通過多分辨率分析可以獲得原始圖像的多級分辨率結(jié)果，所以就為多個角度地提取圖像特征以及更可靠地執(zhí)行圖像處理提供了可能。該文借助這種思路，試圖從原始圖像中獲得各級分辨率結(jié)果，進而分別從不同分辨率圖像中提取特征，協(xié)助域值分割方法獲得最終的分割結(jié)果。

1.1 一維小波變換

在圖像的各種信息處理中，運動信息更有助于人們對圖像信息的理解和高級處理。因此，很多學(xué)者試圖在圖像處理中引入瞬時運動變化處理。最早用于此領(lǐng)域的是Fourier變換。Fourier變換和Fourier反變換的相關(guān)公式如公式（1）所示（上面的公式是Fourier變換，下面的公式是Fourier反變換）。

1.2 連續(xù)小波變換

各類小波變換技術(shù)已經(jīng)在各個領(lǐng)域中被開發(fā)出來并加以應(yīng)用，事實上，明目繁多的小波變換技術(shù)大抵可以用連續(xù)小波變換和離散小波變換加以分門別類。所謂小波，是根據(jù)wavelet英文單詞翻譯過來的，但在中文釋義下也是具有形義結(jié)合的典型漢語詞組。小，體現(xiàn)的就是小波函數(shù)模型覆蓋的范圍小、處理的區(qū)間不大；波，指的就是信號的波動性，即振幅幅度上的波動變化。

小波變換需要先建立基本小波，其概念如下：

令?（x）為一個實數(shù)函數(shù)，那么其Fourier變換?（w）需要滿足公式（2）的情形。

式中：φ（x）就是基礎(chǔ)小波。

設(shè)x（t）代表可積函數(shù)，那么x（t）有關(guān)其Fourier變換φ（w）的連續(xù)小波可以定義為如公式（3）所示的形式。

基于此，小波反變換如公式（4）所示。

式中：a為小波變換的尺度；b為小波變換的位移。

在這里，可以用φab（t）進行如公式（5）所示的表達。

小波變換的尺度a就是用于對φ（x）進行縮放。這個尺度大，就表明φ寬。這個尺度小，就表明φ窄。也就是說，a的大小可以表征小波分析的范圍。而當小波變換用于時間域分析時，a就改變?yōu)楸碚鲿r間域分析范圍，即a表征了時間域的分辨率，而且這是一種反比關(guān)系。

2 基于小波多分辨率分析的海洋石油機械零件缺陷分割

小波變換之所以能在圖像處理中得到廣泛的應(yīng)用，一個重要的原因在于小波變換的多分辨率分析的能力。

在圖像處理領(lǐng)域中，很多時候既需要總覽圖像全部信息，又需要對圖像中某些細節(jié)信息進行觀測。這就涉及對各級分辨率圖像數(shù)據(jù)的獲得，因此一般的數(shù)學(xué)變換方法都不能滿足圖像處理的需求。而小波變換恰恰具有多分辨率分析的能力，可以有效地解決這一問題，獲得各級分辨率的圖像。

分辨率越高的圖像就越清晰，能看到的圖像細節(jié)就越多，反之能分辨的圖像細節(jié)就越少。根據(jù)多分辨率分析的能力，經(jīng)小波變換實現(xiàn)的圖像空間關(guān)系如圖1所示。

圖1 小波變換的多分辨率分析能力

根據(jù)小波分析的原理和特點，該文將小波變化和奧蘇域值分割結(jié)合起來，構(gòu)建一種全新的圖像分割方法。在小波變換的各級分辨率圖像上，可以分別獲得高頻信息和低頻信息。其中，高頻信息富含了圖像的細節(jié)和噪聲，低頻信息富含了圖像的輪廓。傳統(tǒng)的奧蘇分割都是在原始圖像上分割，如果將這一過程在小波變換的低頻成分上進行，就可以避免噪聲和其他干擾性細節(jié)的影響。

算法的執(zhí)行過程如下：1）對原始圖像進行形態(tài)學(xué)分割和增強處理，然后進行小波變換的多尺度分析，分析過程要明確采用的小波基函數(shù)和變換級次，進而得到各級變換的圖像。2）將各級尺度的小波細節(jié)系數(shù)定為域值，并將那些絕對值小于域值的系數(shù)置0。如果非零系數(shù)離原點較遠，就需要通過縮放調(diào)整到原點附近，以便杜絕域值附近的斷裂問題。3）利用小波變換的細節(jié)系數(shù)和近似系數(shù)，執(zhí)行圖像恢復(fù)性的小波反變換，主要利用低頻信息進行重建。4）根據(jù)低頻信息得到的重構(gòu)圖像，采用二維奧蘇域值分割方法進行處理，篩選出最佳域值，以提取零件的缺陷。5）根據(jù)低頻信息得到的重構(gòu)圖像，采用一維奧蘇域值分割方法進行處理，篩選出最佳域值，以提取零件的缺陷。6）分別比較兩種方法得到的分割結(jié)果，確定最終選定的分割方法。

3 海洋石油機械零件表面缺陷分割試驗

為了比較這兩種方法的性能優(yōu)劣，采用軸零件圖像進行試驗。分別采用兩種奧蘇分割方法、基于變換尺度為1的小波變換的改進奧蘇分割方法進行比較，試驗結(jié)果分別如圖2、圖3、圖4所示。

圖2 原始圖像一的試驗結(jié)果

圖3 原始圖像二的試驗結(jié)果

圖4 原始圖像三的試驗結(jié)果

從圖2的試驗結(jié)果可以看出，這是一幅帶有點狀缺陷的軸零件圖像，圖2（b）是執(zhí)行一維奧蘇分割的結(jié)果，圖（c）、圖（d）分別是執(zhí)行基于小波變換的改進一維奧蘇分割和二維奧蘇分割的結(jié)果。從機器視覺的缺陷檢測目標來看，分割效果最差是一維奧蘇分割，基本無法看到缺陷區(qū)域?；谛〔ㄗ儞Q的二維奧蘇分割兩種方法的結(jié)果雖然檢測到了缺陷區(qū)域，但周圍的背景區(qū)域仍然會干擾后續(xù)的識別工作?；谛〔ㄗ儞Q的一維奧蘇分割方法結(jié)果是最理想的。

圖3和圖4分別顯示的是帶有帶狀缺陷特征、坑狀缺陷特征的軸零件圖像以及分別采用奧蘇分割和基于小波變換的奧蘇分割的結(jié)果。試驗的結(jié)論和圖2基本是一致的。

4 結(jié)論

海洋石油機械是海上石油開采的重要組成部分，對構(gòu)成海洋石油機械的零件進行缺陷檢測關(guān)系到機械設(shè)備的工作穩(wěn)定性和使用壽命。該文以小波變換為基礎(chǔ)構(gòu)建了一種基于小波多尺度分析的機械零件表面缺陷檢測方法。從一維小波、連續(xù)小波和離散小波多分辨率分析的原理出發(fā)，構(gòu)建了多尺度分析缺陷檢測方法的流程。試驗過程中選擇傳統(tǒng)的一維奧蘇分割方法和多尺度分析方法相融合，形成三種不同的方法對海洋石油機械中軸零件表面缺陷進行檢測。檢測試驗結(jié)果表明：多尺度分析方法同一維奧蘇分割方法相結(jié)合，可以得到最好的檢測結(jié)果，對軸零件表面的點狀缺陷、帶狀缺陷、坑狀缺陷都能實現(xiàn)準確的分割和提取。