張利紅，梁英波，吳定允，朱思峰

(1.周口師范學(xué)院物理與電子工程系，河南周口466001;2.周口師范學(xué)院數(shù)學(xué)與信息科學(xué)系，河南周口466001)

1 引言

帶鋼作為航空航天、汽車制造和日常生活用品的原材料，其質(zhì)量要求越來(lái)越嚴(yán)格。然而帶鋼制造過(guò)程中會(huì)產(chǎn)生表面缺陷。這些缺陷大大降低了產(chǎn)品的抗腐蝕性等性能，鋼鐵企業(yè)花費(fèi)大量的人力物力檢測(cè)表面質(zhì)量，以便及時(shí)發(fā)現(xiàn)缺陷并加以控制。但目前帶鋼缺陷的檢測(cè)主要依賴于人眼的操作，這主要是因?yàn)楝F(xiàn)有的邊緣檢測(cè)算法中，沒(méi)有一種能夠準(zhǔn)確的檢測(cè)出邊緣，因此，探求實(shí)用的算法意義重大［1］。圖像邊緣檢測(cè)的關(guān)鍵是在盡量多地檢測(cè)到圖像邊緣的同時(shí)更有效地抑制噪聲。

常用的邊緣檢測(cè)算子如Canny、Sobel常常在檢測(cè)邊緣的同時(shí)加強(qiáng)噪聲［2］，形態(tài)邊緣檢測(cè)器不會(huì)放大噪聲［3］，但單尺度的形態(tài)學(xué)梯度算子的性能取決于結(jié)構(gòu)元素的大小;尺度大的結(jié)構(gòu)元素雖然去噪能力強(qiáng)，但會(huì)模糊圖像細(xì)節(jié);尺度小的結(jié)構(gòu)元素雖然能很好的保持圖像的細(xì)節(jié)信息，但是去噪能力弱［4］。針對(duì)以上邊緣檢測(cè)方法的優(yōu)缺點(diǎn)，本文在單尺度形態(tài)學(xué)梯度邊緣檢測(cè)的基礎(chǔ)上，提出了一種多結(jié)構(gòu)多尺度形態(tài)學(xué)梯度邊緣檢測(cè)算法，并將其應(yīng)用于帶鋼缺陷的邊緣檢測(cè)，利用多結(jié)構(gòu)元素可以檢測(cè)出帶鋼缺陷圖像不同方向的邊緣，多尺度形態(tài)學(xué)邊緣檢測(cè)可以利用大尺度下的抗噪特性抑制噪聲［5］，可靠地識(shí)別邊緣;利用小尺度下的定位特性，再由粗到細(xì)跟蹤邊緣，得到帶鋼缺陷圖像邊緣的位置。實(shí)驗(yàn)結(jié)果表明本文提出的算法具有很強(qiáng)的抗噪性，能有效地檢測(cè)到帶鋼缺陷圖像的邊緣。

2 多結(jié)構(gòu)多尺度形態(tài)學(xué)梯度的邊緣檢測(cè)

單尺度形態(tài)學(xué)梯度定義為:

單尺度形態(tài)學(xué)梯度算子的性能取決于結(jié)構(gòu)元素g(x，y)的大小。小尺度濾波雖然邊緣細(xì)節(jié)豐富，得到較準(zhǔn)確的邊緣定位，但是濾波性能差，輪廓模糊;在大尺度下，濾波性能好，輪廓清晰，但是邊緣細(xì)節(jié)丟失，邊緣定位上會(huì)有一定的偏差。文獻(xiàn)［3］綜合不同尺度的特性實(shí)現(xiàn)互補(bǔ)作用提出了多尺度形態(tài)學(xué)梯度算子，多尺度形態(tài)學(xué)梯度定義為:

多尺度形態(tài)學(xué)梯度算子存在以下兩個(gè)缺點(diǎn):①去噪效果不是很好;②圖像邊緣細(xì)節(jié)的提取不夠完整。因此，本文從去噪和多結(jié)構(gòu)元素兩個(gè)方面來(lái)改進(jìn)算法。

2.1 多尺度形態(tài)學(xué)濾波降噪求取圖像邊緣

本文在文獻(xiàn)［6］提出由閉－開(kāi)運(yùn)算完成預(yù)處理以濾除噪聲基礎(chǔ)上，首先做閉運(yùn)算平滑圖像，再對(duì)平滑的圖像作多尺度的形態(tài)學(xué)梯度。具體算法如下:

其中，。表示開(kāi)運(yùn)算符號(hào)［7］，目的是消除與結(jié)構(gòu)元素相比尺寸小的亮細(xì)節(jié);·表示閉合運(yùn)算符號(hào)，目的是消除與結(jié)構(gòu)元素相比尺寸較小的暗細(xì)節(jié)。式(3)可以同時(shí)濾除亮區(qū)與暗區(qū)中的各類噪聲。M(x，y)為f(x，y)平滑后的圖像，再將此和多尺度形態(tài)學(xué)梯度結(jié)合起來(lái)，則得到多尺度形態(tài)學(xué)濾波降噪求取圖像邊緣:

2.2 多結(jié)構(gòu)元素方面的改進(jìn)

多尺度形態(tài)學(xué)濾波降噪求取圖像邊緣公式中采用單一的結(jié)構(gòu)元素，很難檢測(cè)到不同形狀的邊緣，因?yàn)閱谓Y(jié)構(gòu)元素只能檢測(cè)出與結(jié)構(gòu)元素同方向的邊緣，而對(duì)與結(jié)構(gòu)元素不同方向的邊緣不敏感，因此效果不是很理想。解決此問(wèn)題的一個(gè)有效方法就是采用多個(gè)結(jié)構(gòu)元素，分別對(duì)圖像進(jìn)行運(yùn)算，然后將運(yùn)算后的圖像合并起來(lái)，即多結(jié)構(gòu)元素形態(tài)學(xué)運(yùn)算［8］。

結(jié)構(gòu)元素的劃分有兩種方式:一種是Bi為不同的幾何形狀結(jié)構(gòu)元素，如圓形、菱形、正方形等，這種方式運(yùn)算復(fù)雜、效率不高;另一種方式是對(duì)原來(lái)的大結(jié)構(gòu)元素進(jìn)行分解產(chǎn)生不同的結(jié)構(gòu)元素，這種方式簡(jiǎn)單，運(yùn)算效率高，可以較好的檢測(cè)到一些細(xì)節(jié)邊緣信息。綜合考慮計(jì)算的復(fù)雜度和邊緣檢測(cè)的效果，實(shí)驗(yàn)中取 n=4，m=4，其中，i=1為0°方向的的結(jié)構(gòu)元素;i=2為45°方向的結(jié)構(gòu)元素;i=3為90°方向的結(jié)構(gòu)元素，i=4為135°方向的結(jié)構(gòu)元素。j=1表示創(chuàng)建的是 3×3的結(jié)構(gòu)元素;j=2表示創(chuàng)建的是5×5的結(jié)構(gòu)元素;j=3表示創(chuàng)建的是7×7的結(jié)構(gòu)元素;j=4表示創(chuàng)建的是9×9的結(jié)構(gòu)元素。其中，3 ×3的 0°、45°、90°、135°四個(gè)方向的結(jié)構(gòu)元素分別為:，5×5結(jié)構(gòu)元素、7×7結(jié)構(gòu)元素、9×9結(jié)構(gòu)元素與此類似。

3 本文的算法

本文算法的流程圖如圖1所示。具體的步驟如下:

(1)多尺度形態(tài)學(xué)濾波降噪。對(duì)分解出的四個(gè)結(jié)構(gòu)元素分別按著式(4)，同時(shí)取n=4，有:進(jìn)行多尺度形態(tài)學(xué)濾波降噪，求取帶鋼缺陷圖像邊緣，獲得帶鋼缺陷圖像在不同響應(yīng)下的邊緣。

(2)多結(jié)構(gòu)邊緣提取。通過(guò)算法將上述四個(gè)角度結(jié)構(gòu)元素得到的邊緣進(jìn)行組合，本文采用線性相加的方法，即考慮到帶鋼缺陷圖像的特殊性和計(jì)算的復(fù)雜度，這里取 p1，p2，p3和 p4均等于 0.25。

(3)后期處理。對(duì)得到的帶鋼缺陷圖像的邊緣作二值化處理，再細(xì)化邊緣得到缺陷圖像邊緣的最終結(jié)果。

圖1 算法的流程圖

本算法在CPU為2.93GHz、內(nèi)存為4G的計(jì)算機(jī)上，通過(guò)MATLAB語(yǔ)言編程完成。運(yùn)用本算法對(duì)采集出的一帶鋼邊裂缺陷圖像作邊緣檢測(cè)。

4 實(shí)驗(yàn)結(jié)果與分析

在無(wú)噪聲干擾的情況下，就本文算法處理結(jié)果與 Sobel算子、Canny算子、文獻(xiàn)［6］方法、文獻(xiàn)［8］方法進(jìn)行了對(duì)比。圖2是無(wú)噪聲存在下的原始帶鋼邊裂缺陷測(cè)試圖，圖3是Sobel算子所得的結(jié)果圖，圖4是Canny算子所得結(jié)果圖，圖5是為文獻(xiàn)［6］方法所得結(jié)果圖，圖6是文獻(xiàn)［8］方法所得結(jié)果圖，圖7是本文方法所得結(jié)果圖。從邊緣檢測(cè)的效果看，在沒(méi)有受到噪聲干擾的情況下，圖6文獻(xiàn)［8］算法和圖7本文算法均能較好的進(jìn)行邊緣提取;圖5為文獻(xiàn)［6］方法進(jìn)行邊緣提取時(shí)丟失了一部分中下方帶鋼的邊裂邊緣，可能會(huì)導(dǎo)致后續(xù)的帶鋼表面缺陷在線檢測(cè)系統(tǒng)缺陷識(shí)別時(shí)沒(méi)有識(shí)別出相應(yīng)的缺陷，從而給使用帶鋼的公司帶來(lái)不必要的損失;因?yàn)樵紟т撨吜讶毕輬D像細(xì)節(jié)豐富，故圖3 Sobel算子邊緣提取時(shí)丟失了許多重要的細(xì)節(jié)，且邊緣不連貫，效果較差;圖4中 Canny算子有許多虛假的邊緣，提取的邊緣會(huì)導(dǎo)致帶鋼表面缺陷在線檢測(cè)系統(tǒng)缺陷識(shí)別時(shí)錯(cuò)誤的識(shí)別。

圖2 原始帶鋼邊裂缺陷測(cè)試圖

圖3 Sobel算子所得結(jié)果圖圖

圖4 Canny算子所得結(jié)果圖

圖5 文獻(xiàn)［6］所得結(jié)果圖

圖6 文獻(xiàn)［8］所得結(jié)果圖

圖7 本文算法所得結(jié)果圖

有噪聲存在的條件下，本文算法處理結(jié)果分別與形態(tài)學(xué)梯度、文獻(xiàn)［6］方法、文獻(xiàn)［8］方法、文獻(xiàn)［9］方法進(jìn)行的結(jié)果圖對(duì)比。其中圖8是原始帶鋼邊裂缺陷加噪測(cè)試圖;圖9是用形態(tài)學(xué)梯度算法提取邊緣所得結(jié)果圖，從圖中可以清楚地看到:在檢測(cè)邊緣的同時(shí)加強(qiáng)噪聲，提取的邊緣嚴(yán)重的淹沒(méi)在噪聲中;圖10為采用文獻(xiàn)［6］的方法提取邊緣所得結(jié)果圖，從圖10中可以看到中下方帶鋼的部分邊裂邊緣丟失，可能會(huì)導(dǎo)致后續(xù)的帶鋼表面缺陷在線檢測(cè)系統(tǒng)缺陷識(shí)別時(shí)沒(méi)有識(shí)別出相應(yīng)的缺陷，從而給使用帶鋼的公司帶來(lái)不必要的損失，且仍有少量的噪聲存在;圖11文獻(xiàn)［8］方法和圖12文獻(xiàn)［9］方法均能較好地提取帶鋼缺陷的邊緣，只是在邊緣檢測(cè)圖中有極少量的噪聲存在。圖13是本文方法所得結(jié)果圖，從邊緣檢測(cè)的效果看，在受到噪聲干擾的情況下，本文算法能在有噪聲的時(shí)候較好地提取出帶鋼缺陷圖像的邊緣，并且去噪的效果較好;因此，本文算法具有較好的噪聲魯棒性和更高的邊緣檢測(cè)精度。

圖8 原始帶鋼邊裂缺陷加噪測(cè)試圖

圖9 形態(tài)學(xué)梯度所得結(jié)果圖

圖10 文獻(xiàn)［6］所得結(jié)果圖

圖11 文獻(xiàn)［8］所得結(jié)果圖

圖12 文獻(xiàn)［9］所得結(jié)果圖

圖13 本文算法所得結(jié)果圖結(jié)果圖

5 結(jié)論

本文提出了一種結(jié)合多結(jié)構(gòu)元素和多尺度的特性的邊緣檢測(cè)算法，為驗(yàn)證本文算法的缺陷邊緣檢測(cè)性能，對(duì)采集到的帶鋼表面邊裂缺陷圖像進(jìn)行邊緣檢測(cè)處理，并與傳統(tǒng)算法和一些文獻(xiàn)介紹的邊緣處理效果進(jìn)行比較。結(jié)果表明，本文提出的算法在抑制噪聲方面明顯優(yōu)于其他方法，且檢測(cè)的邊緣清晰連貫，邊緣細(xì)節(jié)信息保留的較好。而實(shí)際工業(yè)生產(chǎn)線在線采集的圖像大多有較強(qiáng)的噪聲，因此本文算法非常適合于這種含噪聲的帶鋼缺陷圖像的邊緣檢測(cè)，本文提出的帶鋼缺陷邊緣檢測(cè)算法對(duì)于在線檢測(cè)系統(tǒng)后續(xù)的缺陷檢測(cè)、缺陷識(shí)別等奠定了良好的基礎(chǔ)。

［1］ Wu Degang，Zhang Yubo，Cao Libo.Improved algorithm of fuzzy edge － detection［J］.Laser ＆ Infrared，2010，40(12):1474－1377(in Chinese)吳德剛，張宇波，曹立波.一種改進(jìn)的模糊邊緣檢測(cè)算法［J］.激光與紅外，2010，40(12):1474 －1377.

［2］ Maliyamu Abulaizi，Eilimnur Abiljan，Turghunjan Ab-dukirim Turki.Method of image edge detection based on dyadic wavelet transform［J］.Laser ＆ Infrared，2012，42(12):1389－1392(in Chinese)馬麗亞木·阿布來(lái)孜，艾力米努·阿布力江，吐?tīng)柡榻ぐ⒉级伎肆δ?一種基于二進(jìn)小波變換的圖像邊緣檢測(cè)方法［J］.激光與紅外，2012，42(12):1389－1392.

［3］ Yang Gaobo，Du Qingsong.MATLAB image/video processing applications［M］.Beijing:Electronic Industry Press，2010.(in Chinese)楊高波，杜青松.MATLAB圖像/視頻處理應(yīng)用實(shí)例［M］.北京:電子工業(yè)出版社，2010.

［4］ Liu Qing，Lin Tusheng.Image edge detection algorithm based on mathematical morphology ［J］.Journal of South China University of technology:Natural Science Edition，2008，36(9):113 －116(in Chinese)劉清，林土勝.基于數(shù)學(xué)形態(tài)學(xué)的圖像邊緣檢測(cè)算法［J］.華南理工大學(xué)學(xué)報(bào):自然科學(xué)版，2008，36(9):113－116.

［5］ Kang Jie，Yang Gang.Simulation research of adaptive weight morphological edge detection algorithm［J］.Computer Engineeringand Applications，2010，46(17):163 －165.(in Chinese)亢潔，楊剛.自適應(yīng)權(quán)重形態(tài)學(xué)邊緣檢測(cè)算法仿真研究［J］.計(jì)算機(jī)工程與應(yīng)用，2010，46(17):163 －167.

［6］ Rao Haitao，Weng Guirong.The image edge detection based on mathematics morphology［J］.Journal of Suzhou University:Natural Science Edition，2004，20(2):42 －45(in Chinese)饒海濤，翁桂榮.基于數(shù)學(xué)形態(tài)學(xué)的圖像邊緣檢測(cè).［J］.蘇州大學(xué)學(xué)報(bào):自然科學(xué)版，2004，20(2):42－45.

［7］ Wei Na，Wang Zhenchen，Zhang Cong，et al.Research of a new license plate location algorithm［J］.Laser＆ Infrared，2012，42(8):936 －939.(in Chinese)魏娜，王振臣，張聰，等.一種新型車牌定位算法的研究［J］.激光與紅外，2012，42(8):936 －939.

［8］ Zhang Lihong，Liang Yingbo.Flame image edge detection based on multi－scale and multi－structuring elements morphology［J］.Video Engineering，2012，36(11):138 －139.(in Chinese)張利紅，梁英波.基于多尺度多結(jié)構(gòu)形態(tài)學(xué)的火焰圖像邊緣檢測(cè)［J］.電視技術(shù)，2012，36(11):138 －139.

［9］ Zhang Lihong，Liang Yingbo，Zhi Lianhe，et al.The edge－detection of medical image based on multi－scale morphological gradient［J］.Laser Magazine，2012，33(3):104 －105.(in Chinese)張利紅，梁英波，支聯(lián)合，等.基于多結(jié)構(gòu)多尺度形態(tài)學(xué)梯度的醫(yī)學(xué)圖像邊緣檢測(cè)［J］.激光雜志，2012，32(3):31－32.