劉艷華

(山西工程職業(yè)技術(shù)學(xué)院，山西 太原 030009)

在X 射線照相檢測(cè)圖像中，焊縫只占據(jù)了整幅圖像的少部分區(qū)域，而焊接缺陷又僅存在焊縫內(nèi)的局部區(qū)域中［1］。如何正確進(jìn)行焊縫缺陷的特征提取是很重要的一環(huán)，提取的特征要盡量反映各類缺陷原本的特征［2］。目前，焊縫圖像缺陷特征主要包括幾何形狀、灰度特征、結(jié)構(gòu)信息、顏色信息等。本文主要研究缺陷的幾何特征的測(cè)量以及灰度分布情況。

1 系統(tǒng)構(gòu)成及圖像采集

X 射線成像廣泛應(yīng)用于醫(yī)學(xué)成像和工業(yè)無(wú)損檢測(cè)中，其檢測(cè)原理是利用X 射線對(duì)物體的穿透能力及其在物體的過(guò)程中，不同密度的材料和不同物體結(jié)構(gòu)對(duì)X 射線衰減程度的差異穿透，使物體的內(nèi)部結(jié)構(gòu)形態(tài)在照相底片、熒光屏或射線光電器件上形成影像［3］。本文采用的是圖像增強(qiáng)器射線實(shí)時(shí)成像檢測(cè)系統(tǒng)，主要包括射線源、被檢工件、圖像增強(qiáng)器、高分辨率CCD 相機(jī)、圖像處理和顯示系統(tǒng)。如圖1 所示。

圖1 圖像增強(qiáng)器射線實(shí)時(shí)成橡檢測(cè)系統(tǒng)

其工作原理為從X 射線源發(fā)出的X 射線穿過(guò)工件之后，通過(guò)圖像增強(qiáng)器增強(qiáng)，形成一幅含有工件內(nèi)部狀態(tài)信息的X 射線圖像，再通過(guò)CCD 相機(jī)將可見(jiàn)光圖像轉(zhuǎn)變成視頻信號(hào)，經(jīng)過(guò)視頻電纜將該視頻信號(hào)傳輸?shù)娇刂剖覂?nèi)的計(jì)算機(jī)上的圖像采集卡上，再經(jīng)過(guò)A/D 轉(zhuǎn)換為數(shù)字信號(hào)后由計(jì)算機(jī)內(nèi)的圖像處理軟件進(jìn)行圖像的采集、存儲(chǔ)、處理以及實(shí)時(shí)顯示。圖2 為通過(guò)該系統(tǒng)采集到的一幅鍋爐焊管焊縫的原始圖像。

圖2 焊縫缺陷的原始圖像

2 圖像預(yù)處理

X 射線檢測(cè)輪轂缺陷圖像具有灰度區(qū)間比較窄、缺陷邊緣模糊、圖像噪聲多、缺陷特征有時(shí)被淹沒(méi)等特點(diǎn)［4，5］，這些不利因素影響了根據(jù)射線圖像對(duì)被檢測(cè)工件進(jìn)行分析和評(píng)價(jià)的效果，為研究輪轂圖像，正確抽取缺陷特征，用計(jì)算機(jī)對(duì)檢測(cè)圖像進(jìn)行預(yù)處理是非常必需的，其主要目的是減少噪聲和提高對(duì)比度。首先應(yīng)該對(duì)圖像進(jìn)行降噪處理，消除原始圖像中的噪聲;然后對(duì)圖像進(jìn)行增強(qiáng)，增強(qiáng)圖像的對(duì)比度，能夠更好的區(qū)分缺陷圖像。

在此主要采用中值濾波法進(jìn)行降噪處理，該方法對(duì)圖像中的噪聲有很好的抑制作用，同時(shí)還能很好地保持圖像中的細(xì)節(jié)信息，防止邊緣模糊。隨后采用同態(tài)濾波法對(duì)圖像進(jìn)行增強(qiáng)，在對(duì)數(shù)域中對(duì)圖像進(jìn)行濾波，在壓縮圖像整體灰度范圍的同時(shí)擴(kuò)張用戶所感興趣的灰度范圍，能夠很好的滿足我們的需要。圖3 是經(jīng)過(guò)預(yù)處理后的圖像。

圖3 預(yù)處理后的圖像

3 圖像缺陷區(qū)域的提取

經(jīng)過(guò)圖像的預(yù)處理，圖像質(zhì)量有所改善，但缺陷目標(biāo)和背景仍很難正確區(qū)分，如何正確提取和分割缺陷信息成為自動(dòng)識(shí)別檢測(cè)技術(shù)中的一大難題。本文根據(jù)焊縫圖像的特點(diǎn)，采用了基于減影技術(shù)的缺陷提取技術(shù)。在圖像處理系統(tǒng)中，減影技術(shù)就是對(duì)同一景物前后所拍的圖像由A/D 轉(zhuǎn)換器轉(zhuǎn)換成數(shù)字信號(hào)，然后分別存在兩個(gè)存儲(chǔ)器內(nèi)［6］。這兩個(gè)信號(hào)由計(jì)算機(jī)進(jìn)行減法處理，經(jīng)放大、對(duì)比增強(qiáng)等處理后再由D/A 轉(zhuǎn)換器變換成模擬信號(hào)，將消去無(wú)關(guān)信息的圖像顯示出來(lái)。

經(jīng)過(guò)上述對(duì)圖像進(jìn)行的減影處理，使圖像在計(jì)算機(jī)內(nèi)的存儲(chǔ)更加精煉簡(jiǎn)便。但是由于在計(jì)算時(shí)缺陷邊緣的大面積白色區(qū)域是計(jì)算時(shí)所不需要的，所以為了進(jìn)一步在進(jìn)行特征計(jì)算和分類時(shí)減少運(yùn)算量，只需要提取焊縫缺陷區(qū)域即可。因此我們需要在目標(biāo)圖像中將邊界區(qū)域去掉，只保留缺陷圖像，然后再對(duì)缺陷圖像進(jìn)行降噪處理，就得到了完整的缺陷圖像。如圖4 所示。

圖4 減影處理后的缺陷圖像

4 缺陷的特征測(cè)量及系統(tǒng)顯示

缺陷的幾何特征盡管比較直觀和簡(jiǎn)單，但在許多圖像分析中起著十分重要的作用。在提取缺陷的幾何特征前，常對(duì)缺陷進(jìn)行分割和二值化處理等處理，獲得只有0，1 值的黑白圖像。這樣就能比較容易的得到缺陷的輪廓信息，以便下一步的測(cè)量。

缺陷特征區(qū)域的一些非幾何特征很多時(shí)候?qū)τ跊Q策也有重要幫助。此系統(tǒng)中，主要考慮的非幾何特征包括:灰度最大值、最小值、均值及光標(biāo)所在位置的坐標(biāo)。

灰度的最大值和最小值都可以通過(guò)區(qū)域內(nèi)灰度值進(jìn)行比較獲得，而均值則需要對(duì)灰度值進(jìn)行加權(quán)計(jì)算獲得。對(duì)于光標(biāo)所在位置的坐標(biāo)，當(dāng)定義好窗口后，通過(guò)定義的CPoint類來(lái)獲得當(dāng)前點(diǎn)坐標(biāo)。

本文設(shè)計(jì)的系統(tǒng)特征測(cè)量參數(shù)顯示在狀態(tài)欄的窗格中，在從功能函數(shù)到窗格的顯示中，應(yīng)需要注意函數(shù)返回值類型到Cstring 類型的強(qiáng)制轉(zhuǎn)換。另外，還需要在功能函數(shù)中，加入定時(shí)器OnTimer，實(shí)現(xiàn)窗口不斷的動(dòng)態(tài)刷新，獲得實(shí)時(shí)數(shù)據(jù)［5］。

系統(tǒng)特征測(cè)量效果如圖5 所示，對(duì)中間一個(gè)橢圓測(cè)量的參數(shù)在狀態(tài)欄窗格中從左到右依次為:面積，區(qū)域像素最小值、均值、最大值、周長(zhǎng)和當(dāng)前點(diǎn)坐標(biāo)、當(dāng)前時(shí)間。

另外，系統(tǒng)還能實(shí)現(xiàn)對(duì)射線圖像進(jìn)行行掃描和列掃描，觀察灰度圖像每行或列的灰度分布范圍，這對(duì)于動(dòng)態(tài)檢測(cè)背景反射度均勻，但如果有缺陷就會(huì)有很大灰度變化的物體，如平面玻璃、光滑木板、鋼板的缺陷實(shí)時(shí)檢測(cè)有很大用途。對(duì)一塊具有缺陷的木板進(jìn)行實(shí)時(shí)檢測(cè)，運(yùn)用行掃描的方法發(fā)現(xiàn)缺陷的系統(tǒng)效果如圖6 所示。

圖5 特征測(cè)量參數(shù)實(shí)時(shí)顯示效果

圖6 木板缺陷檢測(cè)效果圖

對(duì)于反射度比較均勻的木板實(shí)時(shí)成像，圖像的灰度值大多聚集在某一范圍內(nèi)，當(dāng)具有缺陷時(shí)，就會(huì)超出此范圍。在圖6 中，一般情況下此木板的最大灰度坐標(biāo)在2 800 以下，但掃描到缺陷部分時(shí)，有部分灰度坐標(biāo)跳動(dòng)到了3 200 以上，遠(yuǎn)遠(yuǎn)超過(guò)了一般水平，所以可以判斷此處具有缺陷，這就為自動(dòng)檢測(cè)提供了判定。

5 結(jié)束語(yǔ)

本文首先進(jìn)行了缺陷圖像的提取，然后在缺陷特征測(cè)量顯示系統(tǒng)中能夠很好的將圖的面積、周長(zhǎng)、灰度最大值、最小值、中值、當(dāng)前點(diǎn)坐標(biāo)等實(shí)時(shí)地顯示。另外還實(shí)現(xiàn)了對(duì)某些圖像缺陷的動(dòng)態(tài)檢測(cè)，為缺陷的分類識(shí)別提供了依據(jù)，對(duì)工業(yè)生產(chǎn)領(lǐng)域各種缺陷的分類和識(shí)別有著重要的作用。

［1］孫正.基于圖像的焊接缺陷提取與識(shí)別方法研究［D］.中國(guó)礦業(yè)大學(xué)，2010.

［2］劉福順，湯明.無(wú)損檢測(cè)基礎(chǔ)［M］.北京:北京航空航天大學(xué)出版社，2002:4－6.

［3］楊靜.基于X 射線圖像的焊縫缺陷檢測(cè)與識(shí)別技術(shù)［D］.太原:中北大學(xué)，2008.

［4］Kehoe A，Parker GA.Image Processing for Industrial Radiographic Inspection:Image Enhancement［J］.British Journal of NDT，1990，32(3):183－190.

［5］Guylaine Daillant etc al.Defects in a weld:a complete Radiographic Processing Line［J］.IEEE，1996:719－724.

［6］Puentes J，Roux C，Garreau，Metcal.Dynamic Feature Extraction of Coronary Artery Motion Using DSA Image Sequences［J］.Medical Imaging，IEEE Transactions on，1998，17(6):857－871.