崔 宣，丁 楊，高 文，金世林

(西華大學(xué)機(jī)械工程與自動(dòng)化學(xué)院， 四川 成都 610039)

在一些機(jī)械零部件的生產(chǎn)過(guò)程中，焊接起到了十分關(guān)鍵的作用，其焊接質(zhì)量對(duì)工件的質(zhì)量有非常大的影響[1]。焊縫中出現(xiàn)的夾渣、虛焊、沙孔、疏松甚至偏焊漏焊等缺陷很難完全避免，所以在焊接之后焊縫的探傷工作是不可避免的。探傷需要首先找到準(zhǔn)確的焊接部分。在歐美等發(fā)達(dá)國(guó)家，探傷的研究進(jìn)行較早，且投入了大量的人力物力[2]；而我國(guó)基本上采用人工抽樣探傷或者半自動(dòng)設(shè)備探傷，識(shí)別錯(cuò)誤率高、速度慢，探傷的有效性低。為此，本文提出一種基于圖像快速并行細(xì)化的焊縫識(shí)別方法，以代替人工對(duì)焊縫的位置識(shí)別，該方法主要是通過(guò)圖像快速并行細(xì)化算法找到焊接部分的準(zhǔn)確位置，并指導(dǎo)檢查設(shè)備對(duì)其進(jìn)行檢測(cè)，實(shí)現(xiàn)自動(dòng)化。大部分的圖像主要集中在PC環(huán)境中使用matlab實(shí)現(xiàn)識(shí)別，不利于嵌入式的移植。本文利用C#語(yǔ)言和FreeMat開(kāi)發(fā)，以增強(qiáng)算法的可移植性，使其能夠應(yīng)用于一些嵌入式平臺(tái)，降低自動(dòng)焊接質(zhì)量檢測(cè)設(shè)備的價(jià)格。

1 圖像處理流程

焊縫的圖像識(shí)別主要經(jīng)過(guò)圖像的獲取、圖像的灰度變換、圖像二值化、圖像的縮放、圖像的細(xì)化、圖像的去除噪點(diǎn)、輸出焊縫路徑等處理步驟[3]，如圖1所示。

圖1 圖像處理流程圖

2 RGB圖像轉(zhuǎn)化為灰度圖像

圖像轉(zhuǎn)換主要是將真彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像。其著名心理學(xué)公式[4]為

Gray=R×0.299+G×0.587+B×0.114。

(1)

對(duì)于程序的算法來(lái)說(shuō)，式(1)涉及浮點(diǎn)運(yùn)算，所以編程的效率會(huì)非常低。在實(shí)際運(yùn)用中，應(yīng)盡量避免低速的浮點(diǎn)運(yùn)算而使用整數(shù)算法。

由于該算法需要32位運(yùn)算，所以式(1)可變?yōu)榱硪环N形式

Gray=(R×30+G×59+B×11+50)/100。

(2)

對(duì)于實(shí)際操作來(lái)說(shuō)，式(2)會(huì)制約運(yùn)算速度，所以可以將系數(shù)縮放成 2的整數(shù)冪。習(xí)慣上使用16位精度，2的16次冪是65 536，所以系數(shù)的計(jì)算為：

0.299×65536=19595.264≈19595；

(3)

0.587×65536+(0.264)=38469.632+0.264=38469.896 38469；

(4)

0.114×65536-(0.896)=7471。

(5)

由于四舍五入會(huì)有較大的誤差，所以將以前計(jì)算結(jié)果的誤差一起計(jì)算進(jìn)去進(jìn)行舍入，其表達(dá)式為

Gray(R×19595+G×38469+B×7472)?16。

(6)

其中

Gray=(R×38+G×75+B×15)?7。

(7)

式(7)使用了16位的位運(yùn)算，其效率高，并且運(yùn)算精度高，超過(guò)了前面放大100倍的運(yùn)算精度。

同時(shí)式(8)也可以達(dá)到相似的效果，且運(yùn)算量大大減小，所以本文采用之。

Gray=(R×1+G×2+B×1)?2。

(8)

式(8)可以通過(guò)位運(yùn)算優(yōu)化為

Gray=(R+G?1+B)?2。

(9)

式(9)實(shí)現(xiàn)了無(wú)乘除法的完全移位運(yùn)算優(yōu)化。

在FreeMat中，由于不支持位運(yùn)算，所以計(jì)算方法依然和普通乘除法相同，在此省略FreeMat的代碼。C#支持位運(yùn)算，并且位運(yùn)算相對(duì)于乘除法運(yùn)算有很大的速度優(yōu)勢(shì)，其代碼如下。

private static uint RGBtoGray(uint r,uint g,uint b)

{uint res=g<<1;

res+=r+b;

return res>>2;}

3 圖像二值化

在數(shù)字圖像處理中，圖像二值化占有非常重要的地位。該方法是將圖像上的像素點(diǎn)的灰度值設(shè)置為0或255，使整個(gè)圖像呈現(xiàn)明顯的黑白效果[3,5]。

要進(jìn)行二值圖像的處理與分析，必須把灰度圖像二值化。圖像的二值化使圖像變得簡(jiǎn)單，數(shù)據(jù)量減小，能凸顯出感興趣的目標(biāo)輪廓。

閾值分割不僅可以大量壓縮數(shù)據(jù)，減少儲(chǔ)存容量，而且能夠大大簡(jiǎn)化其后的分析和處理步驟。

設(shè)原始圖像為f(x,y),在一定的準(zhǔn)則下找出一個(gè)合適的灰度值作為閾值，按照閾值進(jìn)行分割后的圖像是g(x,y)，可表示為：

(10)

要實(shí)現(xiàn)圖像的二值化首先要選擇分割的閾值。常見(jiàn)的方法有雙峰法、迭代法、大津法(即OTSU法)、直接法、固定閾值法，本文使用的是固定閾值法[3]。

經(jīng)過(guò)圖像灰度轉(zhuǎn)換、二值化、圖像分割和膨脹腐蝕等預(yù)處理過(guò)程后，接下來(lái)將對(duì)圖像進(jìn)行快速并行細(xì)化處理。

4 圖像快速并行細(xì)化

圖2為二值紋理圖像中某一像素點(diǎn)P1的3×3鄰域。設(shè)P1為紋理上的一點(diǎn)，其值為1，所有非紋理點(diǎn)取值0。細(xì)化過(guò)程為逐步迭代過(guò)程。在第n次迭代中P1的取值不但取決于P1本身的值，還取決于P1的鄰域點(diǎn)在第(n-1)次迭代后的值。在整個(gè)紋理圖像域內(nèi)，所有滿(mǎn)足條件的像素點(diǎn)可以同時(shí)去掉，并行算法便由此得名[4-7]。

P9P2P3P8P1P4P7P6P5

圖2P1的3×3鄰域

為保證原紋理的連續(xù)性，每次迭代分成2個(gè)子迭代。第1次子迭代消去紋理的所有東、南邊界點(diǎn)和西北角的點(diǎn)；第2次子迭代消去西、北邊界點(diǎn)和東南角的點(diǎn)。

在標(biāo)準(zhǔn)的計(jì)算過(guò)程中每次迭代會(huì)標(biāo)記相應(yīng)的點(diǎn)，然后在迭代結(jié)束后刪除對(duì)應(yīng)的點(diǎn)。迭代條件如表1所示。

表1 細(xì)化算法迭代條件

其中A(P1)是按P2,P3,P4，…，P9的排列順序出現(xiàn)0 1(或 1 0)模式的個(gè)數(shù)，即從P2到P9幾次出現(xiàn)0到1(或1到0)的變化。B(P1)是P1的8鄰接點(diǎn)中非零值的個(gè)數(shù)。

B(P1)=P2+P3+P4+…+P9。

(11)

對(duì)于條件1，B(P1)=1時(shí)，只能出現(xiàn)8種情況之一[4]。顯然，P1是紋線(xiàn)的端點(diǎn)。為保證細(xì)化后線(xiàn)條不縮短，甚至被全部吞食，P1必須被保留。當(dāng)B(P1)=7或B(P1)=8時(shí)，為保證消蝕是從外緣逐層向中心骨架進(jìn)行，并保證細(xì)化紋線(xiàn)的定中性和拓?fù)洳蛔冃?P1必須被保留。

條件2保證了細(xì)化紋線(xiàn)的連續(xù)性。原始紋線(xiàn)只要有1個(gè)像素相連，細(xì)化后就不會(huì)出現(xiàn)墳線(xiàn)斷裂。假設(shè)A(P1)=2，P1顯然是紋線(xiàn)上不能去掉的點(diǎn)，否則將破壞紋線(xiàn)的連續(xù)性。類(lèi)似的，當(dāng)A(P1)=3，A(P1)=4時(shí)，情況與A(P1)=2的相似，如果去掉P1點(diǎn)就會(huì)破壞紋線(xiàn)的連續(xù)性。

對(duì)于條件3和4，只有當(dāng)P4=0或P6=0或P2，P8同時(shí)等于0才能同時(shí)滿(mǎn)足條件。當(dāng)P4=0時(shí)，則表示P1為紋線(xiàn)的東邊界點(diǎn)，如果去掉P1點(diǎn)，則可去掉整個(gè)圖像所有紋線(xiàn)的東邊界點(diǎn)。同理，當(dāng)P6=0時(shí)，表示要去掉所有紋線(xiàn)的南邊界點(diǎn)。當(dāng)P2，P8同時(shí)等于0時(shí)，表示要去掉所有紋線(xiàn)的西北角點(diǎn)。

以下為FreeMat實(shí)現(xiàn)并行圖像細(xì)化算法的過(guò)程.

首先需要判斷當(dāng)前點(diǎn)是否為前景點(diǎn)，若為背景點(diǎn)則不需要處理，細(xì)化時(shí)只是細(xì)化前景點(diǎn)。

if( false == tempin.getxy( tx, ty ) )

continue.

接著將當(dāng)前點(diǎn)和8鄰域的各個(gè)點(diǎn)按照順序排列到數(shù)組中，用于存儲(chǔ)數(shù)據(jù)。通過(guò)對(duì)數(shù)據(jù)儲(chǔ)存，可以方便調(diào)試時(shí)觀察數(shù)據(jù)的正誤，以及后續(xù)的運(yùn)算過(guò)程的處理。

//初始化8個(gè)鄰域數(shù)據(jù)點(diǎn)

bool pt[9];

pt[0] = tempin.getxy( tx, ty );

pt[1] = tempin.getxy( tx, ty - 1 );

pt[2] = tempin.getxy( tx + 1, ty - 1 );

pt[3] = tempin.getxy( tx + 1, ty );

pt[4] = tempin.getxy( tx + 1, ty + 1 );

pt[5] = tempin.getxy( tx, ty + 1 );

pt[6] = tempin.getxy( tx - 1, ty + 1 );

pt[7] = tempin.getxy( tx - 1, ty );

pt[8] = tempin.getxy( tx - 1, ty - 1 ).

根據(jù)前文中對(duì)細(xì)化算法的說(shuō)明可知，對(duì)于這9個(gè)點(diǎn)的順序并不是任意分布，所以要按照順序排布這9個(gè)點(diǎn)。排布好以后，通過(guò)數(shù)組索引來(lái)代替直接使用坐標(biāo)讀取數(shù)據(jù)。

判斷這幾個(gè)領(lǐng)域點(diǎn)的狀況，如果8鄰域中的8個(gè)點(diǎn)有6個(gè)及以上的點(diǎn)為前景時(shí)，視此點(diǎn)為內(nèi)部點(diǎn)；如果僅有1個(gè)點(diǎn)是前景點(diǎn)時(shí)，則此點(diǎn)為孤立點(diǎn)。通過(guò)計(jì)算鄰域點(diǎn)的數(shù)目，從而判斷原坐標(biāo)點(diǎn)為內(nèi)部點(diǎn)或孤立點(diǎn)的情況。

int tcount = 0;

for( int tt = 1; tt < 9; tt++ )

{if( true == pt[tt] )

tcount++;}

if( tcount < 2 || tcount > 6 )

continue.

經(jīng)過(guò)對(duì)內(nèi)部點(diǎn)和孤立點(diǎn)的判斷以后，如果不是內(nèi)部點(diǎn)和孤立點(diǎn)的話(huà)，程序會(huì)繼續(xù)執(zhí)行，然后需要判斷8鄰域的分支數(shù)量，如果分支數(shù)量為1，則視此點(diǎn)在圖像內(nèi)容的邊界上，可以對(duì)此點(diǎn)進(jìn)行消除。

int tcount2 = 0;

for( int tt = 1; tt < 8; tt++ )

{if( true == pt[tt] && false == pt[tt+1] )

tcount2++;}

if( true == pt[8] && false == pt[1] )

tcount2++;

if( tcount2 != 1 )

continue.

接下來(lái)對(duì)右方和下方的像素點(diǎn)進(jìn)行判斷。如果滿(mǎn)足條件，則刪除此點(diǎn)；否則跳過(guò)這個(gè)循環(huán)。

bool tempb1 = false; bool tempb2 = false;

tempb1 = pt[5] && pt [7] && pt[1];

tempb2 = pt[5] && pt [3] && pt[7];

if( true == tempb1 || true == tempb2 )

{continue;}

如果以上條件均滿(mǎn)足，則沒(méi)有跳出這循環(huán)，直接進(jìn)行刪除點(diǎn)操作，并記錄標(biāo)記。

temp.setxy( tx, ty, true );

modified = true;

counter++.

以上過(guò)程完成了一個(gè)方向上的操作，在另外一個(gè)方向上，基本流程都一樣，大部分語(yǔ)句都是相似的，主要的區(qū)別在于對(duì)點(diǎn)的條件判斷進(jìn)行了修改，對(duì)圖2中P1點(diǎn)左方的像素點(diǎn)和上方像素點(diǎn)進(jìn)行判斷。

bool tempb1 = false; bool tempb2 = false;

tempb1 = pt[5] && pt [7] && pt[1];

tempb2 = pt[5] && pt [3] && pt[7];

if( true == tempb1 || true == tempb2 )

{continue;}

5 實(shí)驗(yàn)

本文對(duì)焊縫圖像的2種情況進(jìn)行實(shí)驗(yàn)：一種是直接采用焊縫圖像進(jìn)行處理如圖3所示；另一種是對(duì)圖像加上椒鹽噪點(diǎn)后再進(jìn)行處理，以檢查圖像的抗噪能力如圖4所示。首先讀取原始圖像，對(duì)圖像進(jìn)行灰度變換，通過(guò)位運(yùn)算優(yōu)化后，在C#中的執(zhí)行效率有一定的提升；然后對(duì)灰度圖像進(jìn)行縮小變化，其目的是固定處理圖像的大小，確定處理的時(shí)間。其算法過(guò)程為：讀入原圖，計(jì)算出該圖的尺寸大小，通過(guò)縮放比例得到目標(biāo)圖像尺寸大?。粧呙鑈軸和Y軸方向像素點(diǎn)，對(duì)每個(gè)目標(biāo)圖像坐標(biāo)(u，v),利用近鄰取樣法在原圖中找到模塊中心位置(i,j)；進(jìn)行雙線(xiàn)性插值，并對(duì)X方向和Y方向遞推實(shí)現(xiàn)圖像縮?。焕霉絫emp=temp+grayimg(u,v)進(jìn)行遞推，得到最終縮小的圖像scaleimg(i,j)。

(a)原始圖像

(b)灰度圖像

(c)縮小圖像

(d)二值化圖像

(e)細(xì)化后圖像

此方法相對(duì)于臨近取樣法有更好的圖像效果，但是運(yùn)算速度相對(duì)較低，適合一些小規(guī)模的數(shù)據(jù)。由于處理的是固定大小的圖像，這種縮放方法的運(yùn)算量是一常量，所以這種方法是合理的。

在圖像二值化后，圖4(d)中的焊縫占有幾個(gè)像素寬度，但通過(guò)細(xì)化處理以后都變成了一個(gè)像素寬度的點(diǎn)，這說(shuō)明圖像細(xì)化方法有一定的缺點(diǎn)，在有些特殊情況的地方會(huì)出現(xiàn)一個(gè)像素的斷點(diǎn)。解決這個(gè)問(wèn)題的方法是通過(guò)其他細(xì)化算法得到更加精確的沒(méi)有斷點(diǎn)的圖像；但是對(duì)于焊縫的軌跡來(lái)說(shuō)，由于焊縫都是比較長(zhǎng)的直線(xiàn)，若是出現(xiàn)了一個(gè)像素的斷點(diǎn)，可以通過(guò)后期的軟件插補(bǔ)出對(duì)應(yīng)的直線(xiàn)軌跡，所以這種斷點(diǎn)對(duì)于實(shí)際應(yīng)用來(lái)說(shuō)幾乎是沒(méi)有影響的。在圖4焊縫加噪點(diǎn)處理過(guò)程中，原始圖像被人為添加了椒鹽噪點(diǎn)，圖像本身受到很大影響，通過(guò)縮小方法后依然有許多噪點(diǎn)，通過(guò)圖像二值化以后，噪點(diǎn)依然存在。

(a)加噪點(diǎn)圖像

(b)灰度圖像

(c)縮小圖像

(d)二值化圖像

(e)細(xì)化后圖像

圖4 情況2加噪點(diǎn)的處理過(guò)程

當(dāng)圖像細(xì)化和去噪點(diǎn)完成后，圖像的焊縫骨架非常完好地保存了下來(lái)，噪點(diǎn)基本上被完全去除；但是在焊縫骨架線(xiàn)條上方依然有一個(gè)短線(xiàn)條沒(méi)有被去除，這是因?yàn)閳D像本身在骨架上方存在由于采集圖像時(shí)留下的一片黑色區(qū)域。這同樣可以通過(guò)后期路徑插補(bǔ)的運(yùn)算消除。

6 結(jié)論

實(shí)驗(yàn)結(jié)果表明：本文的處理方法對(duì)圖像的焊縫骨架提取較為精確，并且能夠保持很好的拓?fù)浣Y(jié)構(gòu)，執(zhí)行周期少，灰度變換的效率較高，程序執(zhí)行時(shí)間短；對(duì)加了椒鹽噪點(diǎn)圖像也能夠很好的處理，達(dá)到了較好的去除噪點(diǎn)的效果。由于程序代碼在C#語(yǔ)言和FreeMat語(yǔ)言環(huán)境中都測(cè)試通過(guò)，所以該算法具有一定的可移植性。

[1]續(xù)晉華．用于石油鋼管螺旋焊機(jī)外焊縫自動(dòng)跟蹤的視覺(jué)系統(tǒng)[D]．西安：西安交通大學(xué)，1991.

[2]Rafael C Gonzalez,Richard E Woods.數(shù)字圖像處理[M].2版. 阮秋琦,譯.北京:電子工業(yè)出版社,2007:192-209.

[3]劉海波,沈晶,郭聳,等.Visual C++數(shù)字圖像處理技術(shù)詳解[M].北京：機(jī)械工業(yè)出版社,2010:158-172.

[4]嚴(yán)玉龍,王厚樞. 快速并行細(xì)化算法[J]. 南京航空學(xué)院學(xué)報(bào),1991(1):136-140.

[5]王云. 焊縫圖像處理的匹配算法研究[D]. 杭州：浙江工業(yè)大學(xué)， 2012.

[6]曲興田，王濱，張雷，等. 焊縫磨拋圖像預(yù)處理技術(shù)[J]. Issue，2012 (6): 1421-1425 .

[7]俞博，陳守強(qiáng)，王雙一，等.基于手指角度特征的靜態(tài)手勢(shì)識(shí)別算法[J].西華大學(xué)學(xué)報(bào)：自然科學(xué)版,2014,33(1):69-71.