葛宵燁，郭英軍，孫梓鈞, 孫鶴旭

(河北科技大學(xué)電氣工程學(xué)院，河北石家莊 050018)

?

冷軋帶鋼表面缺陷圖像預(yù)處理研究

葛宵燁，郭英軍，孫梓鈞, 孫鶴旭

(河北科技大學(xué)電氣工程學(xué)院，河北石家莊 050018)

圖像預(yù)處理是數(shù)字圖像處理領(lǐng)域的重要部分，也是冷軋帶鋼表面缺陷圖像檢測的前提。復(fù)雜的現(xiàn)場環(huán)境及光學(xué)系統(tǒng)的失真等因素可導(dǎo)致圖像降質(zhì)，進(jìn)而直接影響后續(xù)圖像的特征提取及分類。針對這些問題，采取自適應(yīng)中值濾波與同態(tài)濾波相結(jié)合的方法對圖像進(jìn)行預(yù)處理，利用自適應(yīng)中值濾波實(shí)現(xiàn)圖像去噪，高斯同態(tài)濾波較穩(wěn)定地去除圖像不均勻問題；將未經(jīng)預(yù)處理與經(jīng)過預(yù)處理后的圖像及圖像特征進(jìn)行分析與比較，結(jié)果表明，微處理較大地改善了圖像質(zhì)量。

圖像處理；缺陷圖像；圖像預(yù)處理；圖像去噪；光照不均勻；自適應(yīng)中值濾波；同態(tài)濾波

由于現(xiàn)場環(huán)境、光照條件等的影響，通過取像設(shè)備獲得的冷軋帶鋼原始圖像會含有多種噪聲，影響圖像的質(zhì)量，不利于后續(xù)圖像的特征提取及分類[1-3]。圖像預(yù)處理的主要目的是加強(qiáng)圖像的有用特征，抑制圖像數(shù)據(jù)中不希望的失真，以獲得高質(zhì)量的圖像。

1 帶鋼缺陷圖像預(yù)處理

通常情況下，在圖像的傳送和轉(zhuǎn)換(如成像、復(fù)制、掃描、傳輸以及顯示等)過程中總要造成圖像的某些降質(zhì)[4-6]。比如說，光照不均、噪聲污染、水霧等因素都會造成圖像模糊，使得圖像的質(zhì)量有所下降，而這會嚴(yán)重影響到后續(xù)的圖像特征提取及分類。所以，對帶鋼圖像進(jìn)行預(yù)處理是整個(gè)帶鋼表面缺陷檢測系統(tǒng)中必不可少的一部分。改善方法大致有2種：第1種是只突出圖像中感興趣的部分，衰減次要部分，這種方法并不考慮圖像降質(zhì)的原因，稱之為圖像增強(qiáng)技術(shù)；第2種方法是根據(jù)造成圖像降質(zhì)的因素，設(shè)法去補(bǔ)償這種因素，使得改善后的圖像可以盡可能的逼近原始圖像，這種方法稱之為圖像復(fù)原技術(shù)[7-8]。圖像預(yù)處理的主要目的是加強(qiáng)圖像的有用特征，抑制圖像數(shù)據(jù)中不希望的失真，盡可能恢復(fù)原圖像。在實(shí)際應(yīng)用中，造成圖像降質(zhì)的因素主要是由于現(xiàn)場環(huán)境中的各種噪聲污染及光學(xué)系統(tǒng)在某種程度上的失真。針對這種情況，本文將自適應(yīng)中值濾波算法與同態(tài)濾波算法結(jié)合起來，用于缺陷圖像的預(yù)處理，并用Matlab仿真，實(shí)驗(yàn)結(jié)果證明，不論是對圖像本身來說還是后續(xù)的特征提取，該算法對于圖像的預(yù)處理均有較好的效果。

1.1 自適應(yīng)中值濾波

中值濾波是一種典型的低通濾波器，它是由JUKEY在1971年提出的[9-10]。最初被用于時(shí)間序列分析，后來被廣泛應(yīng)用于圖像處理。其優(yōu)點(diǎn)是在去除噪聲的同時(shí)能保護(hù)圖像的邊緣，但是，該算法對于圖像中所有的像素點(diǎn)均采用相同的處理[11-13]，也就是說，算法中使用的濾窗大小是固定不變的，這就使得其在去除噪聲點(diǎn)的同時(shí)也可能會改變非噪聲點(diǎn)像素的值，當(dāng)窗口中的噪聲像素?cái)?shù)超過正常像素?cái)?shù)的1/2時(shí)，中值濾波將起不到去噪作用。自適應(yīng)中值濾波是對中值濾波的改進(jìn)與完善，針對中值濾波窗口固定的局限性，自適應(yīng)算法中增加了設(shè)定條件來改變?yōu)V波窗口的大小。

自適應(yīng)中值濾波算法由2部分構(gòu)成，即第1層和第2層。其中，第1層也稱為LevelA，第2層也稱為LevelB。將LevelA表示為

(1)

(2)

如果A1>0且A2<0，算法轉(zhuǎn)到LevelB，否則，增加濾窗尺寸，如果Sxy的大小沒有超過濾窗尺寸所允許的最大值，則繼續(xù)執(zhí)行LevelA，否則，輸出Zxy。LevelB可表示為

(3)

(4)

圖1 自適應(yīng)中值濾波流程圖Fig.1 Adaptive median filter flowchart

如果B1>0且B2<0，則輸出Zxy，否則輸出Zmed。上述算法中，Zmin為濾窗內(nèi)灰度的最小值；Zmax為濾窗內(nèi)灰度的最大值；Zmed為濾窗內(nèi)灰度的中值；Zxy為坐標(biāo)(x,y)處的灰度值；Smax為濾波窗口Sxy所允許的最大值。

其自適應(yīng)中值濾波流程圖見圖1。

1.2 同態(tài)濾波

同態(tài)濾波是一種在頻域中增強(qiáng)圖像對比度和壓縮圖像亮度范圍的特殊濾波方法，通過抑制低頻成分增強(qiáng)高頻成分來減少光照變化并銳化邊緣及細(xì)節(jié)[14-16]。它可以很好地實(shí)現(xiàn)對入射分量和反射分量的控制，主要是將圖像進(jìn)行傅里葉變換，通過設(shè)計(jì)好的頻域?yàn)V波器，抑制圖像信息的低頻分量、增強(qiáng)高頻分量，從而實(shí)現(xiàn)非均勻亮度的校正。假設(shè)用f(x,y)來表示圖像函數(shù)，那么圖像在坐標(biāo)(x,y)處的值f為一個(gè)標(biāo)量且f>0。令

(5)

式中：i(x,y)為入射分量，即入射到所觀察物體的光源照射總量，0

首先借助對數(shù)運(yùn)算將i(x,y)與r(x,y)分離，即

(6)

再進(jìn)行傅里葉變換，即

(7)

該式可記為

(8)

式中：Fi(u,v)是lni(x,y)的傅里葉變換，F(xiàn)r(u,v)是lnr(x,y)的傅里葉變換。選取合適的濾波函數(shù)H(u,v)來控制入射分量和反射分量，即

(9)

再進(jìn)行傅里葉反變換，將圖像由頻率域變換到空間域，即

(10)

最后再經(jīng)過指數(shù)變換，得到輸出圖像，即

(11)

同態(tài)濾波流程圖如圖2所示。

圖2 同態(tài)濾波流程圖Fig.2 Homomorphic filter flowchart

但是，同態(tài)濾波并非把所有低頻成分全部濾掉而只保留高頻部分，而只是對低頻部分的抑制，在保留低頻部分的同時(shí)對高頻部分進(jìn)行提升，因此，該濾波器并非僅是一般的高通濾波器，而是一種類似高通的濾波器，它要保證對低頻信號也有較好的通過性[17-19]。由于高斯高通濾波器在高低頻之間能夠光滑的過渡，無振鈴效果，故本文選用的是基于高斯高通濾波器的同態(tài)濾波器。將高斯高通濾波器加以修改后得到高斯型同態(tài)濾波器濾波函數(shù)：

(12)

式中：RH與RL均為濾波器參數(shù)，常數(shù)c用來控制濾波器函數(shù)斜面的銳化程度，在RH與RL之間過渡。為達(dá)到抑制低頻增強(qiáng)高頻的效果，常選擇RL<1而RH>1，RH越大，高頻信息就越強(qiáng)，但其又不能過大，因?yàn)檫^大會把缺陷的細(xì)小邊緣也顯示出來，不利于后續(xù)對缺陷圖像的特征提取。本文經(jīng)過仿真實(shí)驗(yàn)，選取RH為2，RL為0.5，D0為10，c為1.5可達(dá)到效果。

2 仿真實(shí)驗(yàn)結(jié)果與討論

本文對夾雜、孔洞、氧化等缺陷進(jìn)行了仿真實(shí)驗(yàn)，下面列出了孔洞缺陷樣本的仿真實(shí)驗(yàn)結(jié)果，圖3是缺陷樣本的原始圖像，圖4是中值濾波后的圖像，圖5是自適應(yīng)中值濾波后的圖像，圖6是同態(tài)濾波后的圖像，此外，對于其他類缺陷圖像進(jìn)行仿真實(shí)驗(yàn)也有同樣的效果。

圖3 原始圖像Fig.3 Original image

圖4 中值濾波圖像Fig.4 Median filter image

圖5 自適應(yīng)中值濾波圖像Fig.5 Adaptive median filter image

圖6 同態(tài)濾波后的圖像Fig.6 Homomorphic filter image

由圖像可以看出，經(jīng)過中值濾波后的圖像雖然變得較平滑，但也變的比較模糊，這是因?yàn)樵撍惴▽Ψ窃肼晠^(qū)域也進(jìn)行了處理。自適應(yīng)中值濾波后則有效地緩解了圖像的模糊，但圖像亮度不均勻仍比較明顯，部分區(qū)域亮度仍明顯大于其他區(qū)域，因?yàn)樽赃m應(yīng)中值濾波只是在進(jìn)行去噪處理。再經(jīng)過同態(tài)濾波后，圖像的亮度較處理之前就有了較大的改善。

下面選取了對劃痕、夾雜和孔洞缺陷圖像進(jìn)行灰度直方圖和灰度共生矩陣特征提取的結(jié)果，每種缺陷均列出了3個(gè)缺陷樣本的特征統(tǒng)計(jì)量。其中，提取的灰度直方圖特征量為均值、方差、偏度、峰度、能量、熵，分別用h1-h6表示，提取的灰度共生矩陣特征量為角二階矩、方差、逆差矩、熵、對比度、相關(guān)，分別用f1-f6表示。表1和表2是未經(jīng)過圖像預(yù)處理而直接進(jìn)行特征提取后的特征值。

由表1和表2可知，各類特征值參差不齊?？梢钥闯?，孔洞缺陷樣本2的灰度直方圖特征量h1和灰度共生矩陣特征量f1均與另外2個(gè)樣本的差值較大，劃痕缺陷圖像樣本1的灰度共生矩陣特征值比另外兩個(gè)樣本特征值差很多。以f3為例，可以看出劃痕缺陷樣本與夾雜缺陷樣本的紋理特征差別很小?？梢?，上述結(jié)果無法得出灰度值特征和紋理特征是能夠區(qū)分不同類型的有效特征，有效的特征值應(yīng)該是類內(nèi)的特征值相差小，而與其他的類別特征的特征值相差較大。

表3和表4是經(jīng)過了圖像預(yù)處理后，進(jìn)行特征提取得到的特征值。

表1 灰度直方圖特征

表2 灰度共生矩陣特征

由表3可以看出，雖然h2的類內(nèi)特征值變化較大，h6的類間特征值變化很小，這些都使得它們不利于用作分類依據(jù)，但h1，h3，h4及h5類內(nèi)特征值相差相對較小，類間特征值相差相對較大，比較適合用作分類，并且可以考慮剔除特征h2，h6，即經(jīng)過特征提取后的特征篩選可以進(jìn)一步提高特征值的有效程度。由表4可以看出，f3類間數(shù)值差很小，f4類內(nèi)數(shù)值差較大，但f1，f2，f5及f6類內(nèi)數(shù)值差相對較小，類間數(shù)值差相對較大，適宜用作分類依據(jù)。通過數(shù)據(jù)的對比，可以看出，經(jīng)過圖像預(yù)處理后，雖然有些特征值仍不適合用作分類，但是多數(shù)的特征值可以作為分類的有效依據(jù)，這就需要在特征提取之后進(jìn)行特征篩選，使得用作分類的特征數(shù)據(jù)更加有效。因此，對圖像進(jìn)行預(yù)處理是十分必要的。

表3 灰度直方圖特征(處理后)

表4 灰度共生矩陣特征(處理后)

3 結(jié) 語

本文針對冷軋帶鋼表面缺陷圖像檢測中圖像預(yù)處理的重要性及存在的問題，進(jìn)行了圖像去噪與消除圖像不均勻亮度的分析與研究，采取將自適應(yīng)中值濾波算法與同態(tài)頻域?yàn)V波算法相結(jié)合的方法，并進(jìn)行Matlab仿真實(shí)驗(yàn)，選取了劃痕缺陷圖像、夾雜缺陷圖像及孔洞缺陷圖像的3個(gè)樣本在未經(jīng)過預(yù)處理與經(jīng)過預(yù)處理的情況下所提取的特征值，并對提取的數(shù)據(jù)以及處理前后的圖像進(jìn)行了對比與分析，結(jié)果證明，該算法對于冷軋帶鋼表面缺陷圖像的預(yù)處理起到了比較好的作用。圖像預(yù)處理只是整個(gè)冷軋帶鋼表面缺陷檢測的一個(gè)關(guān)鍵部分，后續(xù)工作還包括對特征的篩選、對分類器的選擇與設(shè)計(jì)[20]等，需要根據(jù)實(shí)際情況采取相應(yīng)的方法，以達(dá)到最佳分類效果。

[1] 徐科，徐金梧．基于圖象處理的冷軋帶鋼表面缺陷在線檢測技術(shù)[J]．鋼鐵，2002,37(12)：61-64．

XU Ke, XU Jinwu. On-line inspection of surface defects of cold rolled strips based on image processing [J]. Iron and Steel， 2002, 37(12): 61-64.

[2] 吳平川，路同浚，王炎．帶鋼表面自動(dòng)檢測系統(tǒng)研究現(xiàn)狀與展望[J]．鋼鐵，2000, 35(6)：70-75．

WU Pingchuan, LU Tongjun, WANG Yan. Development and perspective of automatic strip surface inspection system [J]. Iron and Steel， 2000, 35(6):70-75.

[3] 周廣芬，李鵬，楊久義．利用MATLAB圖像處理工具箱進(jìn)行圖形數(shù)字化的研究[J]．河北科技大學(xué)學(xué)報(bào)，2005,26(4)：309-312．

ZHOU Guangfen, LI Peng, YANG Jiuyi. Study of using the image processing toolbox of MATLAB to digitize graph [J]. Journal of Hebei University of Science and Technology， 2005, 26(4): 309-312.

[4] 劉偉嵬，顏云輝，孫宏偉．冷軋帶鋼表面缺陷在線檢測軟件體系結(jié)構(gòu)設(shè)計(jì)[J]．計(jì)算機(jī)工程與設(shè)計(jì)，2008, 29(5)： 1276-1278．

LIU Weiwei, YAN Yunhui, SUN Hongwei. Design of software architecture for online surface defect inspection system for cold-rolled steel strips [J]. Computer Engineering and Design， 2008, 29(5): 1276-1278.

[5] 王建華，王春平，賈洪濤．自適應(yīng)中值濾波器在圖像降噪技術(shù)中的應(yīng)用[J]．測控技術(shù)，2004, 23(5)：54-56．

WANG Jianhua, WANG Chunping, JIA Hongtao. Application of adaptive median filter in image de-noise [J]. Measurement & Control Technology， 2004,23(5): 54-56.

[6] 肖蕾，何坤，周激流，等．改進(jìn)自適應(yīng)中值濾波的圖像去噪[J]．激光雜志，2009, 30(2)：44-46．

XIAO Lei, HE Kun, ZHOU Jiliu，et al. Image noise removal on improvement adaptive medium filter [J]. Laser Journal,2009, 30(2):44-46.

[7] HU H G. Automated defect detection in textured surfaces using optimal elliptical Gabor filters [J]. Optik - International Journal for Light and Electron Optics, 2015, 126(14): 1331-1340.

[8] 張旭明，徐濱士，董世運(yùn)．用于圖像處理的自適應(yīng)中值濾波[J]．計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2005, 17(2)：295-299．

ZHANG Xuming, XU Binshi, DONG Shiyun. Adaptive median filtering for image processing [J]. Journal of Computer Aided Design & Computer Graphics, 2005, 17(2):295-299.

[9] 張霞，葛蘆生．自適應(yīng)中值濾波算法的研究與應(yīng)用[J]．微計(jì)算機(jī)信息，2007, 23(6)：217-218．

ZHANG Xia, GE Lusheng. A well adaptive median filtering algorithm and its application [J]. Microcomputer Information, 2007,23 (6): 217-218.

[10]LIN T C. A new adaptive center weighted median filter for suppressing impulsive noise in images [J]. Information Sciences, 2007, 177(4): 1073-1087.

[11]MEHER S K. An improved recursive and adaptive median filter for high density impulse noise [J]. AEU-International Journal of Electronics and Communications, 2014, 68(12): 1173-1179.

[12]陳炳權(quán)，劉宏立，孟凡斌．?dāng)?shù)字圖像處理技術(shù)的現(xiàn)狀及其發(fā)展方向[J]．吉首大學(xué)學(xué)報(bào)(自然科學(xué)版)，2009, 30(1)：63-70．

CHEN Bingquan, LIU Hongli, MENG Fanbin. Current situation and development direction of digital image processing technology [J].Journal of Jishou University(Natural Sciences Edition), 2009, 30(1): 63-70.

[13]劉立宏，胡可剛，劉立欣．目標(biāo)檢測中的快速中值濾波法[J]．吉林大學(xué)學(xué)報(bào)(信息科學(xué)版)，2004, 22(3)：232-235．

LIU Lihong, HU Kegang, LIU Lixin. Fast median filtering algorithm in target detection [J]. Journal of Jilin University(Information Science Edition), 2004,22(3): 232-235.

[14]楊永敏，樊繼壯，趙杰．強(qiáng)反射表面缺陷圖像預(yù)處理[J]. 光學(xué)精密工程，2010, 18(10)：2288-2296．

YANG Yongmin, FAN Jizhuang, ZHAO Jie. Preprocessing for highly reflective surface defect image [J]. Optics and Precision Engineering, 2010, 18(10): 2288-2296.

[15]管聲啟，王燕妮，師紅宇．基于圖像預(yù)處理的神經(jīng)網(wǎng)絡(luò)帶鋼缺陷檢測[J]．鋼鐵研究，2013, 41(1)：22-26．

GUAN Shengqi, WANG Yanni, SHI Hongyu. Neural network inspection of strip defect based on image preprocessing [J]. Research on Iron and Steel, 2013, 41(1): 22-26.

[16]陳春寧，王延杰．在頻域中利用同態(tài)濾波增強(qiáng)圖像對比度[J]．微計(jì)算機(jī)信息，2007, 23(6)：264-266．

CHEN Chunning, WANG Yanjie. Image contrast enhancement by homomorphic filtering in frequency field [J]. Microcomputer Information, 2007,23 (6): 264-266.

[17]劉毅，賈旭芬，田子建．一種基于同態(tài)濾波原理的井下光照不均圖像處理方法[J]．工礦自動(dòng)化，2013, 39(1)：9-12．

LIU Yi, JIA Xufen, TIAN Zijian. A processing method for underground image of uneven illumination based on homomorphic filtering theory [J]. Industry and Mine Automation, 2013, 39(1): 9-12.

[18]林曦，余文明，陳新，等．同態(tài)濾波技術(shù)在膜蛋白顆粒圖像增強(qiáng)中的應(yīng)用[J]．中國醫(yī)學(xué)物理學(xué)雜志，2015, 32(2)：187-192．

LIN Xi, YU Wenming, CHEN Xin, et al. Application of Homomorphic filtering in membrane protein particle image enhancement [J]. Chinese Journal of Medical Physics, 2015, 32(2): 187-192.

[19] YANG W D, GUO W, PENG K, et al. Research on removing shadow in workpiece image based on homomorphic filtering[J]. Procedia Engineering, 2012, 29: 2360-2364.

[20] 李峰，葉學(xué)衛(wèi)，姜正連，等．冷軋帶鋼表面缺陷識別與控制[J]．冶金設(shè)備，2010(1)：65-69．

LI Feng, YE Xuewei, JIANG Zhenglian, et al. Identification and control of surface defects on cold rolled strip[J]. Metallurgical Equipment, 2010(1): 65-69.

Study on preprocessing of surface defect images of cold steel strip

GE Xiaoye, GUO Yingjun, SUN Zijun, SUN Hexu

(School of Electrical Engineering, Hebei University of Science and Technology, Shijiazhuang, Hebei 050018, China)

The image preprocessing is an important part in the field of digital image processing, and it’s also the premise for the image detection of cold steel strip surface defects. The factors including the complicated on-site environment and the distortion of the optical system will cause image degradation, which will directly affects the feature extraction and classification of the images. Aiming at these problems, a method combining the adaptive median filter and homomorphic filter is proposed to preprocess the image. The adaptive median filter is effective for image denoising, and the Gaussian homomorphic filter can steadily remove the nonuniform illumination of images. Finally, the original and preprocessed images and their features are analyzed and compared. The results show that this method can improve the image quality effectively.

image processing; defect images; image preprocessing; image denoising; nonuniform illumination; adaptive median filter; homomorphic filter

1008-1542(2016)03-0262-06

10.7535/hbkd.2016yx03008

2016-01-10；

2016-03-03；責(zé)任編輯：李 穆

國家自然科學(xué)基金(61203275)

葛宵燁(1990—)，女，河北滄州人，碩士研究生，主要從事冷軋帶鋼表面缺陷圖像模式識別方面的研究。

孫鶴旭教授。E-mail：hxsun@hebust.edu.cn

TP751

A

葛宵燁，郭英軍，孫梓鈞，等.冷軋帶鋼表面缺陷圖像預(yù)處理研究[J].河北科技大學(xué)學(xué)報(bào),2016,37(3):262-267.

GE Xiaoye, GUO Yingjun，SUN Zijun，et al.Study on preprocessing of surface defect images of cold steel strip[J].Journal of Hebei University of Science and Technology,2016,37(3):262-267.