陳華偉，吳祿慎，袁小翠

（南昌大學 機電工程學院，江西 南昌330031）

0 引 言

隨著中國鐵路事業(yè)的發(fā)展，軌道缺陷檢測要求越來越高，傳統(tǒng)的人工巡道作業(yè)效率低，危險性大，難以滿足鐵路事業(yè)高速發(fā)展的要求。針對鋼軌表面缺陷 （裂紋、掉塊等）的線路檢修作業(yè)，國內(nèi)外均專注于機器視覺和圖像處理［1，2］相結(jié)合的自動檢測技術研究。

鋼軌的裂紋、掉塊等缺陷規(guī)律性不強，采用圖像方法處理時，一般使用邊界跟蹤方法。自Freeman提出圖像的鏈碼表示法［3，4］，鏈碼技術已在圖像處理的各領域得到了廣泛應用。鏈碼跟蹤算法 （又稱Freeman 算法）實現(xiàn)簡單、變形容易、處理速度快、基于邊界鏈碼表示，還可對圖像的區(qū)域特征做深入分析，是基于機器視覺的分揀計數(shù)、缺陷檢測等特征識別領域的基礎算法。鏈碼算法一般是基于像素的，受圖像的預處理方法的影響較大，常存在漏跟蹤、重復跟蹤［5－8］等問題，面向鋼軌表面缺陷識別等具體應用還有較大的改進余地。

1 Freeman鏈碼算法設計

1.1 鏈碼方向的確定

鏈碼是一種用邊界方向作為編碼依據(jù)的邊界表示法，但為了簡化邊界描述，一般只記錄有序排列的邊界點集。常有4連通鏈碼和8連通鏈碼之分，后者方位信息更為全面，能夠準確描述中心像素點與鄰接點的信息，因而最為常用。如圖1為8連通鏈碼。

圖1 8連通鏈碼

考慮到圖像存貯和顯示中主要是采用逐行掃描的方式進行，設定自上而下為行掃描的正方向，自左向右為列掃描正方向 （如圖1坐標系所示）。根據(jù)正掃描順序，設定起始點 （0方向）為左上角點，則順時針鏈碼搜索方向 （0－7方向）坐標可表示為集合：

DIR8 ［8］ ［2］＝ ｛｛－1，－1｝， ｛0，－1｝， ｛1，－1｝，｛1，0｝，｛1，1｝，｛0，1｝，｛－1，1｝，｛－1，0｝｝

即搜索方向序列為0→1→2→3→4→5→6→7。

它表示8方向序列：左上→上→右上→右→右下→下→左下→左。

1.2 數(shù)據(jù)結(jié)構(gòu)設計

為了存貯邊界點集，并表達邊界走向，最好的辦法就是使用鏈表結(jié)構(gòu)記錄邊界信息，為此設計以下鏈節(jié)點結(jié)構(gòu)體：

從NODE節(jié)點結(jié)構(gòu)體定義可以看出，它既表示了邊界中的各節(jié)點坐標和方向、下一節(jié)點信息，還表示了整個邊界即連通區(qū)域的周長、面積、外接矩形等基本特征信息。

變量定義中，NODE 為節(jié)點對象，一個NODEList指針代表一條區(qū)域邊界鏈。

對每條邊界，采用尾插法，將新的邊界點插入鏈表尾端，最終形成一條完整的邊界鏈，以下為尾插法的偽代碼表示：

1.3 基本算法流程

假設二值圖像中，灰度值255 表示白色，為背景，灰度值0表示黑色，為目標。由于圖像邊界的像素點，沒有完整的8個鄰域點，為了規(guī)避邊界點的干擾，算法中常直接將邊界點置為背景點。

接下來，采用逐行逐列掃描法進行搜索。

（1）置初始搜索方向為0，鏈長length＝0，邊界所圍（或區(qū)域）面積area＝0；

（2）當找到一個目標點 （灰度值為0）時，置該點為邊界起始點，鏈長length＋1，區(qū)域面積area＋1；

（3）在其8鄰域內(nèi)搜索下一個目標點。如果找到一個點，其當前方向點為背景點，下一方向點為目標點，則認定該目標點為下一邊界點；

（4）照此方法繼續(xù)搜索。

1.4 結(jié)束條件

條件1：當搜索到的邊界點回到了起始邊界點時，說明當前邊界已成閉合鏈，此時應結(jié)束本鏈搜索。這是鏈碼搜索的基本結(jié)束條件；

條件2：每個節(jié)點處限定搜索次數(shù)nSearchTime≤8。當邊界搜索無法回到起點，如出現(xiàn)開鏈結(jié)構(gòu)時，為了避免死循環(huán)，就需要補充本結(jié)束條件。

2 改進算法

2.1 幾種特殊情況

基本搜索算法可用于簡單圖形的測試和對鏈碼的理解，但是實際圖形處理中的孤立點、單列鏈、局部鏈、開鏈等特殊情況常常引起基本算法的失效。

情況1：孤立點

描述：孤立點的8鄰域搜索均沒有目標點，按基本算法會出現(xiàn)死循環(huán)。

處理：一種方法是進行預處理，去除孤立點；第二種方法是控制搜索次數(shù)nSearchTime≤8，大于8次則提前結(jié)束搜索。

情況2：單列鏈

描述：如圖2所示 （圖中線段和箭頭表示搜索路徑；①②表示搜索起點），當邊界節(jié)點從橫向進入單列排列的目標點時，在不對已處理節(jié)點進行標記 （2.2節(jié)）的情況下，如果每次搜索都從0方向開始，則會在圖中圈定區(qū)域 （本列的第2－3像素點處）形成死循環(huán)。該問題即使采用后退兩步搜索法 （2.3節(jié)），也會在圖中圈定區(qū)域出現(xiàn)死循環(huán)。

圖2 單列現(xiàn)象

處理：其實質(zhì)是已搜索節(jié)點的重入 （重復搜索）問題，可通過節(jié)點標記解決該問題。

情況3：局部鏈

描述：單列兩點經(jīng)過兩次搜索 （搜索路徑分別為①②），即可回到起點，從而提前結(jié)束本鏈搜索 （如圖3 （a）所示）。單列兩點會導致局部鏈問題的出現(xiàn)，如圖3 （b）所示，如果始終從0方向開始搜索，并且已搜索邊界點不做標記的話，會導致圖中圈定兩點為局部封閉鏈。

圖3 局部鏈問題

處理：對已搜索邊界點進行標記。圖3 （b）為標記后搜索沿著正確方向前進。

情況4：非閉合鏈

描述：如圖4 （a）所示 （圖中1－4為節(jié)點編號，箭頭表示節(jié)點的進入方向，即從箭頭方向搜索到箭頭所指節(jié)點），如果固定起始搜索方向為0方向，最大搜索方向為7方向，將會導致節(jié)點4 的八鄰域無法搜索到新的邊界點，鏈無法閉合的情況。

處理：該問題是由于固定了起始搜索方向為0方向引起的，采用自適應的后退兩步搜索法 （adaptive two－steps back search，ATSBS）可解決該問題。

2.2 節(jié)點標記

圖4 非閉合鏈

為了避免節(jié)點重入，應對已搜索邊界點進行標記，即通過改變其灰度值的辦法，將其從目標點集合中刪除，使其在后續(xù)搜索中 “不可見”。但是為了基本搜索結(jié)束條件，應對邊界起點不做標記或做特殊標記，待再次搜索回到起點時，再做標記。

此外，已搜索區(qū)域的內(nèi)部節(jié)點也存在重入問題。一個區(qū)域搜索結(jié)束后，將轉(zhuǎn)入外圍循環(huán)的逐行掃描進行新的區(qū)域搜索，如果已搜索區(qū)域內(nèi)部節(jié)點不做標記，則會在新的區(qū)域搜索中被認定為目標點，這與實際不符。一種近似的解決辦法是：確定搜索區(qū)域的外接矩形 （box屬性），遍歷box區(qū)域內(nèi)所有節(jié)點，如果節(jié)點灰度值為目標節(jié)點灰度，則用本區(qū)域標記值進行標記。

8位灰度圖的標記中還存在一個特殊問題：在8位灰度圖中標記值一般取自然數(shù)，但8 位圖中的最大標記值為28－1＝255。當標記區(qū)域太多 （如圖5 所示），超過255時，則存在無標記值可用的情況，因此需要對連通區(qū)域太多的情況加以限制。實際情況是，如果二值處理后的目標區(qū)域太多，則會導致目標區(qū)域特征模糊化，難以識別，這主要是由于未采用恰當?shù)亩祷撝翟斐傻?。對此，而可以根?jù)具體的應用環(huán)境，設定一個最大的標記區(qū)域數(shù) （標記值）Lmax，當連通區(qū)域數(shù)超過Lmax 時退出圖片掃描。假設圖片中目標對象數(shù) （如一張圖像中的缺陷區(qū)域數(shù)）不超過N 個，則可設定最大標記值Lmax∈ ［2＊N，255］。

圖5 閾值分割對鏈碼搜索的影響

2.3 ATSBS算法

ATSBS算法是將前一次鏈碼方向后退兩步作為當前搜索的起始方向。該方法以前一次搜索方向作為本次搜索的依據(jù)，因而優(yōu)先保證了目標邊界方向的連續(xù)性和目標區(qū)域形狀的凸包性，是一種自適應方向 （自旋）的鏈碼搜索方法。

ATSBS算法中后退兩步可能帶來負方向問題，可置搜索方向為最大搜索方向7，設搜索至前一節(jié)點時的搜索方向為prePOS，當前節(jié)點的起始搜索方向curPOS，則起始搜索方向設置的偽代碼表示為：

curPOS ＝prePOS－2；

if（curPOS＜0）then curPOS＝7；

接下來，沿八方向curPOS→7→0→curPOS－1搜索下一邊界點。

圖4 （b）中，ATSBS算法執(zhí)行過程如下：

在節(jié)點1處，從方向5搜索到節(jié)點2；

在節(jié)點2處，起始搜索方向為5－2＝3，依次沿方向3→4→5→6→7→0搜索才能搜索到節(jié)點3；

在節(jié)點3處，起始搜索方向0－2＝－2，出現(xiàn)負方向，此時置起始搜索方向為7，沿方向7正好能找到本鏈起始節(jié)點0，從而結(jié)束本鏈搜索。

3 實驗

在鋼軌表面缺陷的圖像檢測中，需要對軌面裂紋、掉塊等缺陷類型進行識別，這些缺陷區(qū)域特征明顯，可以采用鏈碼方法提取邊界，進而通過周長、面積、長寬比、圓形度、幾何矩 （不變矩）等特征參數(shù)［9，10］的計算獲得缺陷區(qū)域的定量描述，進而對缺陷的類型和嚴重性進行分類和管理。

如前所述，鏈碼搜索適用于邊界特征明顯的圖像，其預處理二值化閾值和方法的選擇將直接影響鏈碼算法的執(zhí)行效率和效果。使用常規(guī)邊緣檢測方法，例如使用Canny算子獲取二值化的梯度圖像，則會導致圖像中邊緣線出現(xiàn)雜亂、斷線等復雜情況。使用大津法自動閾值化，獲得的目標 （黑色）區(qū)域太多，目標缺陷區(qū)域則已模糊 （圖5）。這兩種方法都違背了鏈碼使用的邊界特征明確的要求，難以直接使用鏈碼進行邊界搜索求解。

為了說明不同閾值對鏈碼搜索的影響，減少搜索范圍和區(qū)域，為提高搜索效率提供參考，本文設計了迭代閾值法：

（1）設定閾值上下限，理論上下限是 ［1，255］。二值處理中，閾值很小時，圖片全為背景 （全白），相反，則全為目標 （全黑）；

（2）設定閾值變化步長，默認為1，為了提高搜索速度，可適當加大該步長；

（3）針對每個閾值，做二值化處理，獲得二值圖像；

（4）使用鏈碼算法，收集目標區(qū)域；

（5）當目標區(qū)域數(shù)過大 （超過Lmax）時，結(jié)束圖片掃描；

（6）后置處理：對所有初識別區(qū)域，計算特征參數(shù)，獲得面積和周長較大的區(qū)域2－3 個，進一步根據(jù)經(jīng)驗值（裂紋長度、寬度等），從中剔除非缺陷區(qū)域，從而獲得目標缺陷。

圖5中，設定閾值上下限為 ［30，200］，步長為10，如果設定Lmax＝100，則搜索將在T＝40 時結(jié)束，此時L＝16。后置處理中對16個標記區(qū)域進行過濾刪除，最終可獲得本實例中的具有最大周長和面積的裂紋缺陷。

4 結(jié)束語

鋼軌圖像中缺陷數(shù)量有限，采用最大區(qū)域數(shù)限定的節(jié)點標記法能夠有效識別較大缺陷，提高了搜索速度。在標記過程中提出的自適應后退兩步搜索法解決了常規(guī)標記算法中易出現(xiàn)的孤立點、單列鏈、局部鏈、開鏈等錯誤跟蹤問題。

閾值迭代法采用迭代方式能夠逐步顯現(xiàn)目標區(qū)域的變化趨勢，為有效閾值化方法的確定提供了依據(jù)。但是該方法本身效率較低，在實際應用中，可將其作為先導方法測試圖像的最佳閾值，然后在此基礎上再采用改進最大熵方法［9，10］等方法快速確定閾值。

鋼軌缺陷檢測實驗結(jié)合了上述方法，并采用簡單的參數(shù)計算獲得了顯著缺陷的幾何特征，達到了缺陷識別的目的。

［1］XU Guiyang，SHI Tianyun，REN Shengwei，et al.Development of the on－board track inspection system based on computer vision ［J］.China Railway Science，2013，34 （1）：139－144（in Chinese）.［許貴陽，史天運，任盛偉，等.基于計算機視覺的車載軌道巡檢系統(tǒng)研制 ［J］.中國鐵道科學，2013，34（1）：139－144.］

［2］Li QY，Ren SW.A real－time visual inspection system for discrete surface defects of rail heads［J］.IEEE Transactions on Instrumentation and Measurement，2012，61 （8）：2189－2199.

［3］Freeman H.Techniques for the digital computer analysis of chain－encoded arbitrary plane curves ［J］.Proceedings of National Electronics Conference，1961，17：421－432.

［4］Park J，Chisty KMM，Lee J，et al.Image retrieval technique using rearranged freeman chain code ［C］／／Proceedings of 1st International Conference on Informatics and Computational Intelligence，2011：283－286.

［5］Banerjee J，Ray R，Shome SN.A novel approach for freeman chain coding with prior modification using cubic interpolation［C］／／IEEE International Conference on Computational Intelli－gence and Computing Research，2012.

［6］LI Wen.Research on chain code in region contour representation and reconstruction ［D］.Lanzhou：Lanzhou University，2012 （in Chinese）.［李雯.鏈碼在區(qū)域輪廓表示與重建中的應用研究 ［D］.蘭州：蘭州大學，2012.］

［7］Gong Aiping，Chen Ji，Qiu Zhengjun，et al.Quantity qualification of overlapped region for citrus image based on modified Freeman chain code algorithm ［J］.Nongye Jixie Xuebao Transactions of the Chinese Society of Agricultural Machinery，2012，43 （11）：203－208.

［8］WANG Jingxue，SONG Weidong，ZHAO Like，et al.Application of improved freeman chain code in edge tracking and straight line extraction ［J］.Journal of Signal Processing，2014，30 （4）：422－430 （in Chinese）. ［王競雪，宋偉東，趙麗科，等.改進的Freeman碼在邊緣跟蹤及直線提取中的應用研究 ［J］.信號處理，2014，30 （4）：422－430.］

［9］LIU Hui，ZHANG Yunsheng，ZHANG Yinhui，et al.Curvature computing of BOF flame boundary based on differential chain code［J］.Computer Engineering and Application，2013，49 （7）：171－175 （in Chinese）.［劉輝，張云生，張印輝，等.基于差分鏈碼曲率的轉(zhuǎn)爐火焰邊界彎曲度計算 ［J］.計算機工程與應用，2013，49 （7）：171－175.］

［10］Li Jian，Guo Shuai，Ye Feng.Shape recognition based on freeman chain code ［J］.Advanced Materials Research，2011，317－319：2490－2496.

［11］Tan Haifeng，Yang Guang，Zheng Nan，et al.An improvement of two－dimensional maximum entropy thresholding segmentation algorithm for SAR image［C］／／Proceedings of International Conference on Computer Science and Electronics Engineering，2012：379－382.

［12］ZHANG Xinming，ZHANG Aili，ZHENG Yanbin，et al.Improved two－dimensional maximum entropy image thresholding and its fast recursive realization ［J］.Computer Science，2011，38 （8）：278－283 （in Chinese）. ［張新明，張愛麗，鄭延斌，等.改進的最大熵閾值分割及其快速實現(xiàn) ［J］.計算機科學，2011，38 （8）：278－283.］