張俊男，王遠(yuǎn)濤

(遼寧機(jī)電職業(yè)技術(shù)學(xué)院 材料工程系，遼寧 丹東 118009)

0 引 言

目前很多機(jī)械關(guān)鍵部件主要采用焊接加工制造，在大規(guī)模生產(chǎn)中，廣泛應(yīng)用焊接機(jī)器人。在焊接過(guò)程中難免由于各種原因?qū)е潞缚p質(zhì)量不合理，造成構(gòu)架結(jié)構(gòu)變形和性能下降，嚴(yán)重影響機(jī)械使用安全性。焊接缺陷識(shí)別是焊接生產(chǎn)自動(dòng)化提高焊接質(zhì)量的關(guān)鍵。隨著計(jì)算機(jī)視覺(jué)技術(shù)的飛速發(fā)展，圖像檢測(cè)在焊接過(guò)程中應(yīng)用越來(lái)越廣泛。由于在焊接時(shí)所攝焊縫圖像往往存在很多噪聲[1]，一般要先進(jìn)行圖像平滑濾波和圖像矯正等預(yù)處理?，F(xiàn)行的焊縫質(zhì)量檢測(cè)手段有：對(duì)工程常見(jiàn)焊接缺陷(燒穿、夾雜和氣孔等)基于X射線(xiàn)焊縫圖像缺陷自動(dòng)提取與識(shí)別技術(shù)[2]；采用超聲相控陣檢測(cè)圖像特征與識(shí)別，對(duì)焊縫缺陷的特征規(guī)律進(jìn)行統(tǒng)計(jì)，進(jìn)而獲得典型缺陷特征[3]；使用Canny算子對(duì)焊縫邊緣提取，雖然有效但是工作量大[4]。采用遺傳算法對(duì)焊縫圖像邊緣進(jìn)行檢測(cè)并提取焊縫邊緣，導(dǎo)致焊縫信息丟失嚴(yán)重[5]。這些方法大多集中在架構(gòu)的強(qiáng)度分析和焊接溫度場(chǎng)模擬以及焊縫內(nèi)部檢測(cè)上，存在一定的局限性。筆者提出一種基于DMG(Differential Morphological Gradient)的焊縫圖像檢測(cè)方法，針對(duì)焊縫邊緣提取困難、識(shí)別精度低等問(wèn)題，利用微分形態(tài)學(xué)算法有效地抑制噪聲并保留有效信息，大大提高檢測(cè)效率，實(shí)現(xiàn)一種可靠高效的焊縫質(zhì)量檢測(cè)。

1 焊縫邊緣檢測(cè)預(yù)處理

圖1為焊接專(zhuān)業(yè)作為1+X特殊焊接技術(shù)證書(shū)的試點(diǎn)對(duì)培訓(xùn)人員進(jìn)行考核時(shí)采用CCD攝像機(jī)對(duì)部分測(cè)試樣品進(jìn)行檢測(cè)并生成三維數(shù)據(jù)。焊縫質(zhì)量決定了焊接成品是否合格，雖然焊縫主體可以直觀辨別，但是對(duì)于焊縫邊緣部分無(wú)法通過(guò)肉眼清晰判別。為了提高焊縫質(zhì)量檢測(cè)水平，利用典型算法對(duì)圖像中焊縫邊緣進(jìn)行提取，獲得最好的辨識(shí)精度。

圖1 焊縫圖像及數(shù)據(jù)

如圖1所示，該焊縫圖像存在大量的噪聲，對(duì)于焊縫圖像邊緣提取有較大的影響。中值濾波[6]作為一種有效的非線(xiàn)性信號(hào)處理手段可以去除噪聲。圖2所示，采用中值濾波處理焊縫圖像時(shí)對(duì)于屏蔽脈沖干擾和保持信號(hào)邊緣表現(xiàn)突出。

圖2 中值濾波

由于所攝圖像往往存在大量噪聲，往往造成圖像中物體顏色脫離了它們?cè)瓉?lái)的實(shí)際色彩。采用白平衡方法處理失真圖像從而矯正色彩偏移，以獲得正常顏色的圖像。

2 焊縫圖像邊緣檢測(cè)算法

圖像邊緣是圖像中灰度不連續(xù)或急劇變化的所有像素的集合，其中含有圖像的大部分信息，保證焊縫邊緣信息不丟失是提取過(guò)程的關(guān)鍵。邊緣檢測(cè)被認(rèn)為是后續(xù)圖像分割、特征提取和識(shí)別等圖像分析過(guò)程十分重要的一步。

2.1 形態(tài)學(xué)算法

數(shù)學(xué)形態(tài)學(xué)(Mathematical Morphology)在處理焊縫圖像時(shí)主要用于從圖像中提取對(duì)表達(dá)和描繪區(qū)域形狀有意義的圖像分量，為了方便下一步處理能夠抓住焊縫圖像中最為本質(zhì)(Most Discriminative)的形狀特征[7-10]。使用數(shù)學(xué)形態(tài)學(xué)對(duì)焊縫圖像進(jìn)行分析和識(shí)別處理能夠大大簡(jiǎn)化圖像數(shù)據(jù)，在留住它們基本形狀特征的同時(shí)除去不相干的結(jié)構(gòu)，提高圖像分析處理速度。

如圖3所示，形態(tài)學(xué)處理采用三原色RGB通道線(xiàn)性組合模型rgb′=aR+bG+cB，得到凸顯焊縫目標(biāo)二維圖像。對(duì)該圖像進(jìn)行二值化操作，通過(guò)剔除小塊和標(biāo)記塊中心得到二值化圖像，通過(guò)填充、膨脹和腐蝕操作優(yōu)化二值化圖像。整個(gè)圖像處理過(guò)程利用形態(tài)學(xué)算法簡(jiǎn)單、結(jié)構(gòu)元選取靈活的特點(diǎn)可以很好地抑制噪聲并保留焊縫細(xì)節(jié)部分，達(dá)到檢測(cè)出真正焊縫邊緣的目的。

圖3 形態(tài)學(xué)處理流程

設(shè)P是原圖像，S是結(jié)構(gòu)元素。使用S對(duì)P進(jìn)行腐蝕時(shí)，會(huì)使圖像的灰度值比原來(lái)變小，是將S作用于P的每個(gè)像素點(diǎn)，重合部分的最小值我們稱(chēng)之為腐蝕運(yùn)算，用PΘS表示。

(1)

最大值為膨脹，即使用S對(duì)P進(jìn)行膨脹，用P⊕S表示。

(2)

特別當(dāng)結(jié)構(gòu)元素S是平展的，則有S(α,β)=0，腐蝕和膨脹公式變?yōu)椋?/p>

(3)

(4)

圖4、5分別對(duì)腐蝕和膨脹運(yùn)算進(jìn)行了演示?？梢钥闯龈g運(yùn)算由于取最小值而減小了高亮區(qū)域；膨脹運(yùn)算由于取最大值增加了高亮區(qū)域。

圖4 腐蝕運(yùn)算

圖5 膨脹運(yùn)算

2.2 經(jīng)典形態(tài)學(xué)梯度

基本梯度(Basic Morphological Gradient,BMG)：

BMG(x,y)=(P⊕S)-(PΘS)

(5)

內(nèi)部梯度(Inside Morphological Gradient,IMG)：

IMG(x,y)=P(x,y)-(PΘS)

(6)

外部梯度(External Morphological Gradient,EMG)：

EMG(x,y)=(P⊕S)-P(x,y)

(7)

2.3 微分形態(tài)學(xué)梯度算子(DMG)

基本的形態(tài)學(xué)處理灰度圖像，在經(jīng)過(guò)腐蝕膨脹后雖然可以達(dá)到提取焊縫邊緣的效果，但是邊緣效果較模糊，因此本文在此基礎(chǔ)上對(duì)經(jīng)典的形態(tài)學(xué)算法進(jìn)行了改進(jìn)，提出了DGM微分形態(tài)學(xué)方法[11]。DGM(x,y)圖像是對(duì)BGM(x,y)進(jìn)行一階微分：

(8)

(9)

焊縫圖像是由許多離散的像素點(diǎn)組成，以像素點(diǎn)為單位，可令Δx=1、Δy=1，則有：

(10)

(11)

于是整個(gè)焊縫圖像的梯度為：

(12)

3 實(shí)驗(yàn)分析

實(shí)驗(yàn)選取遼寧機(jī)電職業(yè)技術(shù)學(xué)院1+X特殊焊接證書(shū)考核T型焊接件，通過(guò)對(duì)以上四種算法在處理焊縫圖像上的分析，使用MATLAB分別采用Sobel、Prewitt、Canny和微分形態(tài)學(xué)(DMG)幾種算法處理焊縫圖像，并對(duì)焊縫圖像處理結(jié)果進(jìn)行分析比較[12-15]。

從圖6中可以看出，采用Sobel算子對(duì)圖像邊緣進(jìn)行檢測(cè)時(shí)，受噪聲干擾較大，以至于不能對(duì)目標(biāo)焊縫進(jìn)行單一提取，得到的邊緣較粗，可能出現(xiàn)偽邊緣，導(dǎo)致檢測(cè)精度較差。

圖6 Sobel邊緣檢測(cè)

從圖7中可以看出，Prewitt算法雖然對(duì)圖像邊緣能夠提取，但是提取邊緣沒(méi)有閉合的區(qū)域，提取效果差。Prewitt算法對(duì)圖像邊緣檢測(cè)效果較粗，受背景噪聲影響較大，閾值選取不適當(dāng)會(huì)導(dǎo)致邊緣點(diǎn)誤判。

圖7 Prewitt邊緣檢測(cè)

從圖8中可以看出，Canny算子對(duì)焊縫圖像邊緣提取是較為有效的，在檢測(cè)樣本邊緣的噪聲和焊接位置方面是精確的，但是焊縫表面質(zhì)量紋理較為不規(guī)則，Canny檢測(cè)紋理較細(xì)，增加了計(jì)算工作量。

圖8 Canny邊緣檢測(cè)

從圖9中可以看出，采用微分形態(tài)學(xué)邊緣檢測(cè)能夠?qū)D像噪聲起到較好的過(guò)濾效果，得到的二值化圖像接近于實(shí)際目標(biāo)，保證了焊縫特征信息不丟失，信噪比大而且精度高，焊縫邊緣輪廓較清晰。

圖9 微分形態(tài)學(xué)邊緣檢測(cè)

表1 四種算子處理圖像對(duì)比度

為了驗(yàn)證DWG算法對(duì)焊縫邊緣檢測(cè)效果的普遍適用性，采用其他肉眼不容易辨認(rèn)的含有缺陷的焊縫進(jìn)行實(shí)驗(yàn)。從圖10中可以明顯識(shí)別出焊縫不飽滿(mǎn)，即含有缺陷的位置。

圖10 DWG檢測(cè)缺陷焊縫

4 結(jié) 語(yǔ)

文中將DMG算法應(yīng)用于含有大量噪聲的焊縫邊緣檢測(cè)問(wèn)題中，使圖像數(shù)據(jù)簡(jiǎn)化，保持基本特征的同時(shí)除去不相干的結(jié)構(gòu)，提高了圖像分析處理速度。與Sobel、Prewitt、Canny方法相比，微分形態(tài)學(xué)算法能夠更好地提取焊縫特征，對(duì)圖像噪聲過(guò)濾較好，得到的二值化圖像接近于實(shí)際目標(biāo)，獲得了較為滿(mǎn)意的焊縫檢測(cè)效果，對(duì)提高焊縫焊縫質(zhì)量檢測(cè)的實(shí)際應(yīng)用具有重要意義。