劉 歡，劉驍佳，趙耀邦，王 寧，羅志強(qiáng)，危 荃

(上海航天精密機(jī)械研究所，上海 201600)

1 前 言

鋁板焊接后焊縫內(nèi)存在裂紋、氣孔等缺陷，使用X射線成像方法進(jìn)行缺陷檢測(cè)是一種重要檢測(cè)手段。由于X射線的成像方式、焊接材質(zhì)、焊接方法等客觀因素的影響，圖像中焊縫區(qū)域與背景區(qū)域的像素值分布相似，焊縫區(qū)域?qū)Ρ榷容^低，不利于觀察焊縫區(qū)域的缺陷，因此，提升焊縫區(qū)域的對(duì)比度成為有效檢測(cè)焊縫缺陷的前提[1-3]。X射線成像中焊縫區(qū)域在整副圖像中占比較低，若對(duì)整副圖像進(jìn)行對(duì)比度提升處理則數(shù)據(jù)量冗余且含有大量噪聲，對(duì)比度提升效果較差，因此可先確定焊縫區(qū)域后再進(jìn)行對(duì)比度提升處理。確定焊縫位置后，主要在焊縫區(qū)域中進(jìn)行缺陷檢測(cè)和識(shí)別，忽略圖像中大多數(shù)無(wú)關(guān)區(qū)域，這將極大減少系統(tǒng)處理時(shí)間，為焊縫缺陷智能化和快速化檢測(cè)實(shí)際應(yīng)用提供基礎(chǔ)。但由于X射線圖像存在噪聲多、焊縫區(qū)域邊緣模糊等問(wèn)題，因此如Sobel、Canny等傳統(tǒng)的基于邊緣檢測(cè)的方法[4，5]應(yīng)用于焊縫區(qū)域提取時(shí)效果較差。并且由于焊縫缺陷可能位于熱影響區(qū)內(nèi)，現(xiàn)有方法多為提取焊縫邊緣，會(huì)導(dǎo)致提取位置遺漏；同時(shí)由于X射線成像焊縫區(qū)域的對(duì)比度低、亮度分布不均勻，基于不同區(qū)域類(lèi)間方差原理的局部自適應(yīng)閾值法[6-8]提取焊縫區(qū)域效果同樣欠佳，并且當(dāng)圖像數(shù)據(jù)集較大，大多數(shù)焊縫提取方法難以針對(duì)所有圖像都有較好的效果。因此針對(duì)現(xiàn)有方法存在的局限，本文提出一種自動(dòng)提取焊縫區(qū)域并提高焊縫區(qū)域?qū)Ρ榷鹊姆椒?，提取焊縫位置區(qū)域并提升對(duì)比度，可解決大批量的X射線成像中焊縫區(qū)域難提取、對(duì)比度低的問(wèn)題，提高識(shí)別可靠性，為后續(xù)焊縫區(qū)域的自動(dòng)化缺陷檢測(cè)提供基礎(chǔ)。

2 焊縫區(qū)域?qū)Ρ榷忍嵘夹g(shù)

通過(guò)X射線圖像采集裝置，收集多張不同厚度、不同位置、邊緣形態(tài)各異的鋁板焊縫圖像，如圖1所示，圖1a～1e分別為焊縫不同位置、不同X射線源強(qiáng)度下獲取的X射線圖像。由圖1可知，焊縫所在區(qū)域與背景區(qū)域像素值較為接近，焊縫區(qū)域?qū)Ρ榷容^低。

圖1 典型鋁板X(qián)射線圖像Fig.1 Typical X-ray image of aluminum plate

焊縫區(qū)域內(nèi)像素值梯度變化比背景區(qū)域劇烈，據(jù)此焊縫區(qū)域特性，以圖1a中焊縫為例，首先進(jìn)行焊縫區(qū)域的提取，再進(jìn)行像素值線性變換，提升對(duì)比度，整體流程如圖2所示。

圖2 焊縫區(qū)域?qū)Ρ榷忍嵘鞒虉DFig.2 Flow chart of contrast improvement in weld area

2.1 雙邊濾波去噪處理

首先需對(duì)圖像進(jìn)行去噪處理，本研究使用雙邊濾波方法去除噪聲，在盡量保留圖像細(xì)節(jié)特征的條件下對(duì)目標(biāo)圖像的噪聲進(jìn)行抑制，達(dá)到保邊去噪的目的。雙邊濾波同時(shí)考慮像素點(diǎn)的空域信息和值域信息，濾波器各權(quán)重系數(shù)大小ω是定義域核和值域核的乘積。

濾波器的定義域核計(jì)算公式如式(1)：

(1)

其中，(i，j)是當(dāng)前被卷積像素的坐標(biāo)點(diǎn)，(k，l)是鄰域像素的坐標(biāo)點(diǎn)，σd是高斯函數(shù)的標(biāo)準(zhǔn)差。濾波器的值域核計(jì)算公式如式(2)：

(2)

其中，vi，j是當(dāng)前被卷積坐標(biāo)(i，j)的像素值，vk，l是其鄰域坐標(biāo)(k，l)的像素值，σr是雙邊濾波器的標(biāo)準(zhǔn)差。定義域核與值域核相乘得到濾波器加權(quán)系數(shù)ω，如式(3)：

ω(i，j，k，l)=

(3)

由公式(1)可知，定義域核d(i，j，k，l)由像素點(diǎn)之間的距離決定，像素點(diǎn)距離越遠(yuǎn)權(quán)重系數(shù)大小ω越小。由公式(2)可知，值域核r(i，j，k，l)由像素點(diǎn)差值決定，像素點(diǎn)差值越小權(quán)重系數(shù)大小ω越大。因此當(dāng)圖像中像素值變化較小時(shí)，此時(shí)值域核r(i，j，k，l)接近于1，定義域核d(i，j，k，l)起主要作用。當(dāng)圖像中像素值變化較大時(shí)值域核r(i，j，k，l)權(quán)重較大，較好地保留了圖像的邊緣信息。為保證雙邊濾波處理時(shí)定義域核和值域核的均衡性，可將標(biāo)準(zhǔn)差σr和σd數(shù)值設(shè)置為相同，原始X射線圖像使用雙邊濾波器去噪后所得圖像如圖3。

圖3 對(duì)原始圖像進(jìn)行雙邊濾波所得圖像Fig.3 Image obtained by bilateral filtering of the original image

2.2 水平方向邊緣檢測(cè)

在圖像形成過(guò)程中，由于圖像中圖形紋理、顏色的不同而導(dǎo)致圖像的像素值發(fā)生突變，從而形成了整副圖像的邊緣。通過(guò)上文分析可知，焊縫區(qū)域的像素值梯度變化比背景區(qū)域劇烈，因此可利用焊縫邊緣信息進(jìn)行焊縫位置的提取。邊緣是通過(guò)檢查每個(gè)像素的鄰域并對(duì)其像素變化進(jìn)行量化，這種像素變化的量化相當(dāng)于微積分里連續(xù)函數(shù)中方向?qū)?shù)或者離散數(shù)列的差分[9]。

本研究使用Scharr算子進(jìn)行邊緣檢測(cè)，Scharr算子為一階離散微分算子，可獲得數(shù)字圖像的一階梯度[10-12]，其算子臨近待計(jì)算像素的算子權(quán)重更大，能計(jì)算出更小的梯度變化，因此精確度更高。Scharr算子是在一個(gè)坐標(biāo)軸方向上進(jìn)行非歸一化的高斯平滑，在另一個(gè)坐標(biāo)軸方向上進(jìn)行差分處理。本研究根據(jù)焊縫擺放位置，設(shè)定在水平方向上進(jìn)行差分處理，獲得圖像在水平方向上的邊緣信息，所用Scharr算子模板如式(4)：

(4)

原圖像與Scharr算子進(jìn)行卷積運(yùn)算后，某一像素點(diǎn)(i，j)處的像素值可用式(5)表達(dá)：

(5)

由于使用Scharr算子進(jìn)行卷積運(yùn)算后，圖像中某一點(diǎn)的數(shù)值將可能出現(xiàn)負(fù)數(shù)的情況，為處理數(shù)值方便，本研究將Scharr算子處理后的負(fù)數(shù)設(shè)置為0，此時(shí)檢測(cè)出的邊緣僅保留像素由小到大變化的一側(cè)，雙邊濾波所得圖像經(jīng)Scharr算子檢測(cè)水平邊緣后所得圖像如圖4所示。

圖4 雙邊濾波圖像進(jìn)行水平方向邊緣檢測(cè)Fig.4 Horizontal edge detection of bilateral filtered images

2.3 形態(tài)學(xué)開(kāi)運(yùn)算操作

經(jīng)Scharr算子檢測(cè)水平邊緣所得圖像中存在麻點(diǎn)狀像素點(diǎn)，本研究使用形態(tài)學(xué)開(kāi)運(yùn)算操作去除此干擾信息。圖像開(kāi)運(yùn)算可以去除圖像中的噪聲，消除較小連通域，保留較大連通域，同時(shí)能夠使兩塊連接不緊密的連通域分離。圖像開(kāi)運(yùn)算是對(duì)圖像進(jìn)行先腐蝕、后膨脹的過(guò)程，本研究中腐蝕和膨脹過(guò)程中采用相同的結(jié)構(gòu)元素。腐蝕操作時(shí)取結(jié)構(gòu)元素形狀覆蓋范圍內(nèi)最小值作為圖像中該位置的輸出像素值，而膨脹操作時(shí)取結(jié)構(gòu)元素形狀覆蓋范圍內(nèi)最大值作為圖像中該位置的輸出像素值。常用的結(jié)構(gòu)元素有矩形、橢圓和十字交叉，本研究中結(jié)構(gòu)元素選取為矩形，水平方向邊緣檢測(cè)所得圖像經(jīng)開(kāi)運(yùn)算處理后所得圖像如圖5所示。

圖5 水平方向邊緣檢測(cè)所得圖像開(kāi)運(yùn)算處理Fig.5 Open operation processing of images obtained from horizontal edge detection

2.4 焊縫區(qū)域提取

第1步：獲取形態(tài)學(xué)開(kāi)運(yùn)算后圖像中每一像素點(diǎn)的像素值，統(tǒng)計(jì)每一行中所有像素點(diǎn)像素值的代數(shù)和，則第i行所有像素點(diǎn)的像素值的代數(shù)和由式(6)計(jì)算：

(6)

其中，m和n分別為圖像行數(shù)和列數(shù)，vi，j為開(kāi)運(yùn)算后圖像在第i行、第j列的像素值。為便于觀察結(jié)果，可將開(kāi)運(yùn)算所得圖5中像素點(diǎn)值之和按水平方向進(jìn)行投影，可得圖像每一行像素點(diǎn)像素值相加值的大小顯示，如圖6所示。

圖6 像素值之和水平投影Fig.6 Horizontal projection sum of pixel values

第2步：確定X射線圖像中焊縫所在位置的行數(shù)，設(shè)置布爾標(biāo)識(shí)符flagWhite、flagBlack，其初始狀態(tài)為0；同時(shí)設(shè)置變量colForword、colBehind分別用來(lái)記錄圖6中像素值之和不為0區(qū)域的起始行數(shù)和終止行數(shù)數(shù)值，其初始狀態(tài)為0；并新建線性列表List用于儲(chǔ)存所有像素值之和不為0區(qū)域的像素值總和大小，列表List1用于儲(chǔ)存所有像素值之和不為0區(qū)域的起始行數(shù)值，列表List2用于儲(chǔ)存所有像素值之和不為0區(qū)域的終止行數(shù)值，List、List1、List2初始狀態(tài)為空。

第3步：從第1行開(kāi)始，判斷圖6中此行像素值之和是否為0，若像素值之和為0則置colForword為當(dāng)前行數(shù)大小，置flagWhite=0，flagBlack=1。

第4步：行數(shù)每次增加1，若像素值之和為0則colForword加1，直到此行像素值之和不為0，此時(shí)置flagWhite=1，flagBlack=0；行數(shù)依然每次增加1，若此行像素值之和不為0，此時(shí)flagWhite、flagBlack布爾值不變；直到此行像素值之和為0，此時(shí)置colBehind為當(dāng)前行數(shù)大小減1。

第5步：計(jì)算colForword行至colBehind行的像素值總和大小sum，將sum儲(chǔ)存至List列表，將colForword儲(chǔ)存至List1列表，colBehind儲(chǔ)存至List2列表。

第6步：重置colForword為當(dāng)前行數(shù)大小，置flagWhite=0，flagBlack=1；并重復(fù)第4步至第5步直到圖像中最后一行，將不為0區(qū)域的像素值總和大小、colForword、colBehind行數(shù)數(shù)值分別存儲(chǔ)至List、List1、List2列表。

第7步：獲取列表List中元素最大值summax，則summax所對(duì)應(yīng)列表List1、List2中colForword、colBehind行數(shù)位置即為焊縫起始行和終止行，由此確定了X射線圖像中焊縫位置區(qū)域。

為了避免圖像處理過(guò)程中引起的焊縫邊緣數(shù)據(jù)丟失，可設(shè)定單邊誤差大小h，則最終確定焊縫在X射線原始圖像中第colForword-h行至colBehind+h行的位置。如圖7中設(shè)定h為30個(gè)像素大小，即設(shè)定離colForword、colBehind各30個(gè)像素點(diǎn)的寬度作為有效區(qū)域，在X射線原始圖像中可標(biāo)注出焊縫區(qū)域。

圖7 焊縫區(qū)域位置提取后標(biāo)注Fig.7 Marking of the position of the weld seam area after extraction

2.5 焊縫區(qū)域?qū)Ρ榷忍嵘?/h3>

由于X射線原始圖像中對(duì)比度較低、亮度分布不均勻，焊縫區(qū)域像素值較為集中，因此本研究采用像素值線性變換的方法，提高焊縫區(qū)域的對(duì)比度情況。經(jīng)線性變換后輸出圖像中某點(diǎn)的像素值oi，j可用式(7)表達(dá)：

(7)

其中，原圖像中焊縫區(qū)域像素值范圍為[vmin，vmax]，輸出圖像中焊縫區(qū)域像素值范圍為[omin，omax]，通常omin、omax設(shè)定為當(dāng)前圖像深度位數(shù)下像素值最小值和最大值，經(jīng)線性變換處理后的圖像如圖8所示。

3 結(jié)果與討論

為驗(yàn)證本方法的魯棒性和準(zhǔn)確性，對(duì)11 150張X射線圖像進(jìn)行測(cè)試。X射線成像設(shè)備可輸出8位、12位、16位的灰度圖像，由于8位灰度圖像讀取速度快、程序運(yùn)行占用內(nèi)存空間小，因此為快速和大批量驗(yàn)證本文算法的有效性，文中采用8位灰度圖像進(jìn)行處理，依次使用去噪、邊緣檢測(cè)、形態(tài)學(xué)操作、焊縫區(qū)域提取、線性變換處理方法，采用Visual Studio 2015進(jìn)行程序編寫(xiě)，對(duì)圖像進(jìn)行批量處理，開(kāi)發(fā)了焊縫區(qū)域?qū)Ρ榷茸詣?dòng)提升的處理程序，圖9所示為對(duì)典型鋁板X(qián)射線圖像進(jìn)行處理所得結(jié)果。由圖9可知，本方法可自動(dòng)提升亮度分布不均、對(duì)比度低的焊縫區(qū)域的對(duì)比度。將本方法與Median-filtering[4]、Canny[5]、Adaptive-threshold[6]、Susan[13]這4種方法進(jìn)行對(duì)比，所有方法均采用濾波去噪、邊緣檢測(cè)、開(kāi)運(yùn)算進(jìn)行處理，如圖10所示。對(duì)比5組實(shí)驗(yàn)結(jié)果可知，本方法比其他方法更適用于邊緣模糊、噪聲較多、亮度分布不均勻的X射線圖像的焊縫區(qū)域提取，提取的冗余區(qū)域更小，可更準(zhǔn)確提取焊縫區(qū)域。根據(jù)單邊誤差大小h的不同對(duì)11 150張X射線原始圖片的測(cè)試結(jié)果準(zhǔn)確率如表1所示。由表1可知，單邊誤差大小設(shè)置為30個(gè)像素時(shí)，即可得到準(zhǔn)確率100%的焊縫提取有效區(qū)域。相較于陳強(qiáng)等[13]提出采用Susan算法將焊縫上下邊緣單邊60個(gè)像素點(diǎn)大小作為有效區(qū)域，本方法提高了焊縫提取的準(zhǔn)確率和魯棒性，減小了誤差范圍。

表1 準(zhǔn)確率測(cè)試結(jié)果

圖9 X射線圖像(a～e)以及雙邊濾波(a1～e1)、邊緣檢測(cè)(a2～e2)、開(kāi)運(yùn)算(a3～e3)、對(duì)比度提升(a4～e4)處理后的焊縫圖像Fig.9 X-ray images (a～e) and weld seam images processed by bilateral filtering (a1～e1)，edge detection (a2～e2)，open operation (a3～e3)，and contrast enhancement (a4～e4)

圖10 傳統(tǒng)方法與本文方法結(jié)果對(duì)比：(a) 本方法，(b) Median-filtering，(c) Canny，(d) Adaptive-threshold，(e) Susan Fig.10 Comparison between the results of the traditional method and the method in this paper：(a) the method in this paper，(b) Median-filtering，(c) Canny，(d) Adaptive threshold ，and (e) Susan

對(duì)典型鋁板X(qián)射線原始圖像和線性變換后圖像中焊縫區(qū)域的像素值進(jìn)行統(tǒng)計(jì)，計(jì)算X射線原始圖像和線性變換圖像焊縫區(qū)域的均值和標(biāo)準(zhǔn)差，所得結(jié)果如表2所示?？芍?，原始X射線圖像中焊縫區(qū)域像素值主要聚集在范圍很小的一個(gè)區(qū)域里，所以導(dǎo)致其對(duì)比度較低。對(duì)原始圖像焊縫區(qū)域的像素值進(jìn)行線性變換后，圖像焊縫區(qū)域的像素值平均擴(kuò)大了4.13倍，像素值數(shù)據(jù)的波動(dòng)性更大，分布更為離散，因此提高了焊縫區(qū)域的對(duì)比度，使圖像細(xì)節(jié)看起來(lái)更加清晰。

表2 焊縫區(qū)域像素值均值和標(biāo)準(zhǔn)差結(jié)果

4 結(jié) 論

(1)針對(duì)于亮度分布不均、對(duì)比度低的焊縫區(qū)域，提出一種基于圖像形態(tài)學(xué)的焊縫區(qū)域提取與對(duì)比度提升方法，使用雙邊去噪、邊緣檢測(cè)、形態(tài)學(xué)操作、焊縫區(qū)域提取、線性變換處理，當(dāng)設(shè)置單邊誤差大小為30個(gè)像素時(shí)，可自動(dòng)準(zhǔn)確提取到準(zhǔn)確率100%的焊縫位置區(qū)域。

(2)線性變換后的圖像較原有圖像焊縫區(qū)域圖像像素值標(biāo)準(zhǔn)差平均擴(kuò)大了4.13倍，像素值范圍擴(kuò)大從而提升了其對(duì)比度。

(3)使用Visual Studio 2015編寫(xiě)程序，用該方法對(duì)11 150張圖像進(jìn)行批處理，驗(yàn)證了該方法的準(zhǔn)確性和魯棒性，為后續(xù)焊縫區(qū)域內(nèi)缺陷提取或焊縫動(dòng)態(tài)跟蹤提供了可靠保證。