木質(zhì)碳纖維復(fù)合材料的邊緣檢測(cè)方法比較

張延林，王 娜

(東北林業(yè)大學(xué) 機(jī)電工程學(xué)院，哈爾濱 150040)

近年來材料科學(xué)發(fā)展迅速，碳纖維復(fù)合材料滿足了如今人們對(duì)木質(zhì)材料高性能的要求，使得該領(lǐng)域研究成為熱點(diǎn)。其微觀結(jié)構(gòu)是可設(shè)計(jì)的，從而決定其宏觀性能好壞。制備木質(zhì)碳纖維復(fù)合材料時(shí)，碳纖維的質(zhì)量輕、表面光滑的特性使得其很難用膠將板材和木質(zhì)纖維均勻的混合在一起制成碳纖維分布均勻的樣板，而使得板材各部分電阻率不同，引起板材不同位置電阻差異大，整體電學(xué)性能不穩(wěn)定等問題。

高效而準(zhǔn)確的觀察出碳纖維在復(fù)合材料的分布情況能夠確定板材是否具有良好性能；本文利用圖像處理技術(shù)對(duì)木質(zhì)碳纖維復(fù)合材料的樣板電鏡圖像研究，提取出樣本碳纖維的圖像，在此過程中，邊緣檢測(cè)出碳纖維邊緣圖像是很重要的過程。

1 碳纖維復(fù)合材料樣本的預(yù)處理

樣本材料的邊緣檢測(cè)具有如下難題：目標(biāo)和背景混響，對(duì)比度低，難以分辨；圖像的邊緣連續(xù)性差，存在斷裂現(xiàn)象，是典型的弱邊界圖像；原始圖存在大量的噪聲。所以，要實(shí)現(xiàn)樣本材料的精確分割，要對(duì)圖像進(jìn)行增強(qiáng)、去噪等預(yù)處理，及分割等處理。

該預(yù)處理過程包括灰度變換、直方圖均衡化和中值濾波[1]；此研究采用灰度直方圖來把樣本像素分成若干等級(jí)，每一等級(jí)對(duì)應(yīng)像素?cái)?shù)和圖像整體像素?cái)?shù)做比值來表示該灰度級(jí)出現(xiàn)的概率，該概率用直方圖的形式表示(如圖1所示)。

由灰度直方圖的灰度分布范圍可以看到其門限為[40，255]，可以通過灰度變換將其擴(kuò)展到[0，255]，從而有效的增強(qiáng)圖像的對(duì)比度，由于圖像存在噪聲信息，需要在分割前對(duì)圖像進(jìn)行中值濾波使圖像平滑，消除噪聲的影響；在這里利用7×7模板進(jìn)行中值濾波[2]，預(yù)處理后圖象如圖2所示。

圖1 概率直方圖

圖2 預(yù)處理后圖像

2 邊緣檢測(cè)方法比較

2.1 sobel算子

Sobel算子的本質(zhì)是將每個(gè)像素點(diǎn)的4個(gè)領(lǐng)域進(jìn)行加權(quán)，求加權(quán)平均值用公式(1)計(jì)算，從而達(dá)到對(duì)噪聲進(jìn)行平滑的目的；之后通過微分求取梯度。選取一個(gè)最合適的閾值T，g>T時(shí)，(i，j)即為邊緣點(diǎn)。

G(x,y)=|Δxf|+|Δyf|=|f(x-1,y-1)+2f(x,y+1)+f(x+1,y+1)-f(x-1,y+1)-2f(x,y-1)-f(x+1,y+1)|+|f(x-1,y-1)+2f(x-1,y)+f(x-1,y+1)-f(x+1,y-1)-2f(x+1,y)-f(x+1,y+1)|。

(1)

Sobel算子的卷積計(jì)算核如圖3和圖4所示，選圖像一點(diǎn)置于該核做卷積運(yùn)算，圖3用于垂直邊緣，圖4用于水平邊緣卷積，所得最大值即是這一點(diǎn)的輸出值，該輸出值便是指定圖像的邊緣幅度圖像[3]。

圖3垂直邊緣

Fig.3 The vertical edges

圖4水平邊緣

Fig.4 The level of the edges

2.2 robert算子

該算子通過局部差分算子查詢邊緣，如圖5所示為該算子的模板，robert算子求取對(duì)角方向2像素的差用公式(2)計(jì)算，根據(jù)相互垂直方向的差分來得到梯度值[4]。

Δxf=f(x,y)-f(x-1,y-1)，

Δyf=f(x,y)-f(x-1,y-1)。

(2)

(3)

該算子以{x-1/2，y-1/2}作為核心，度量這一核心點(diǎn)處45度和135度的灰度變換，取一個(gè)值T，G(x，y)>T時(shí)，(x，y)為階躍狀邊緣點(diǎn)。Robert邊緣檢測(cè)算子相當(dāng)于利用模板對(duì)圖像進(jìn)行卷積。

圖5算子模板

Fig.5 Operator template

2.3 canny算子

該算子通過尋找圖像梯度(高斯一階微分計(jì)算得)的局部極大值，在canny算法中使用雙閾值法來判別強(qiáng)弱邊緣，輸出是弱邊緣和強(qiáng)邊緣連接的輪廓邊緣，這一特征使得canny算法基本不受噪聲的影響[5]。

梯度矢量模：M=|M(x,y)n·f(x,y)|。

該算法檢測(cè)邊緣的關(guān)鍵在于選取gauss濾波器領(lǐng)域范圍和合適的閾值，前者決定對(duì)噪聲抑制是否最佳[6]。

2.4 利用二值圖像的數(shù)學(xué)形態(tài)學(xué)提取邊緣

在利用二值圖像提取邊緣信息的時(shí)候，通常用數(shù)學(xué)形態(tài)學(xué)表述；數(shù)學(xué)形態(tài)學(xué)基本運(yùn)算包括膨脹、腐蝕、開運(yùn)算、閉運(yùn)算，運(yùn)算的有效集合，可以得到圖像所需的內(nèi)容。圖像的邊緣檢測(cè)可以運(yùn)用形態(tài)學(xué)梯度算子完成，在邊緣檢測(cè)過程中若某一點(diǎn)梯度值打則這點(diǎn)是邊緣點(diǎn)，形態(tài)學(xué)檢測(cè)有以下3種算子[4]。

(1)腐蝕型。該運(yùn)算可以使處理圖像收縮，選擇某個(gè)元素，對(duì)該圖像進(jìn)行腐蝕，用原圖像減去腐蝕處理的圖像時(shí)，得到的差為圖像的邊緣，該運(yùn)算方式即被稱為腐蝕型算子。這種運(yùn)算得到的是圖像的內(nèi)邊緣，具體公式如下[7]：

Grad1(f)=f-(fΘB)。

(2)膨脹型。該運(yùn)算時(shí)將原圖進(jìn)行擴(kuò)展，選擇某一元素對(duì)圖像進(jìn)行膨脹處理。膨脹處理后圖像與原圖像相減差值被看做圖像的邊緣，這種運(yùn)算公式(如下)稱為膨脹型算子，這種算子得到的是圖像的外邊緣[8-10]。

Grad2(f)=(f⊕B)-f。

(3)膨脹腐蝕型。有噪聲存在時(shí)，膨脹腐蝕的運(yùn)算實(shí)質(zhì)是將用以上2種算子進(jìn)行提取的結(jié)構(gòu)進(jìn)行疊加，減小噪聲對(duì)邊緣的影響。具體公式如下：

Grad3(f)=(f⊕B)-(fΘB)。

2.5 邊緣檢測(cè)方法比較

根據(jù)上述方法，利用matlab對(duì)預(yù)處理后的圖像進(jìn)行邊緣檢測(cè)，得到圖像如圖6所示。

圖6 邊緣檢測(cè)圖像

由圖6可知：sobel算子對(duì)噪聲具有一定的平滑作用，其缺點(diǎn)是有偽邊緣和邊緣不聯(lián)系等問題，邊緣的定位也不是很準(zhǔn)確；roberts算子在定位上強(qiáng)于sobel算子，但其檢測(cè)的邊緣較粗，圖像背景的提取也比較差；canny算子利用高斯函數(shù)對(duì)圖像進(jìn)行平滑處理，同時(shí)采用了雙閾值算法檢測(cè)和連接邊緣，對(duì)噪聲抑制能力要大于前2個(gè)，比之前幾個(gè)，抗噪能力要更強(qiáng)一些，但如圖5所示，依舊參雜很多背景雜質(zhì)；而二值形態(tài)學(xué)方法可以去除不感興趣區(qū)域，切斷細(xì)長(zhǎng)的搭接，提取出目標(biāo)中碳纖維的輪廓，更好的提取測(cè)量到所需特征值。

3 結(jié) 論

本文分別對(duì)圖像進(jìn)行了sobel算子、roberts算子、canny算子和二值形態(tài)學(xué)方法對(duì)碳纖維復(fù)合材料進(jìn)行邊緣檢測(cè)，在含有木質(zhì)纖維和膠體等雜質(zhì)中有效提取出碳纖維的邊緣，對(duì)圖像進(jìn)行預(yù)處理后(灰度變換、中值濾波)，用matlab對(duì)預(yù)處理圖像進(jìn)行邊緣檢測(cè)，比較幾種方法更有利于進(jìn)行提取特征值；從中得出二值形態(tài)學(xué)可以克服大量噪聲對(duì)圖像提取的影響，對(duì)碳纖維復(fù)合材料特征提取意義重大，為其提取特征提供了重要的技術(shù)支持。

【參 考 文 獻(xiàn)】

[1]賈永剛.基于圖像處理的材料細(xì)觀結(jié)構(gòu)分析方法研究[D].哈爾濱：東北林業(yè)大學(xué)，2006.

[2]張冬妍，鄶洪杰，孫麗萍，等.短切碳纖維木質(zhì)復(fù)合材料導(dǎo)電性能數(shù)值分析[J].東北林業(yè)大學(xué)學(xué)報(bào)，2011，39(2)：109-111.

[3]王家文.圖形圖像處理[M].北京：國(guó)防工業(yè)出版社，2004.

[4]陳愛軍，董光輝，夏 宇.數(shù)字圖像處理及其matlab實(shí)現(xiàn)[M].哈爾濱：東北林業(yè)大學(xué)出版社，2008.

[5]王鄭耀.數(shù)字圖像的邊緣檢測(cè)[D].西安：西安交通大學(xué)，2003.

[6]雷麗珍.數(shù)字圖像邊緣檢測(cè)方法的探討[J].測(cè)繪通報(bào)，2006(3)：40-42.

[7]孫麗萍，劉 實(shí)，鄶洪杰.碳纖維木質(zhì)復(fù)合材料sem圖像分割與性能微觀表征研究[J].林業(yè)科技，2013，30(2)：30-36.

[8]何東健.數(shù)字圖像處理[M].西安：西安電子科技大學(xué)出版社，2003.

[9]羅 勇，張 華.基于canny邊緣檢測(cè)算子和去除小物體算法的熔池圖像處理[J].焊接，2005(4)：17-20.

[10]基于matlab的奶牛數(shù)字圖像邊緣的提取[J]農(nóng)機(jī)化研究2011(2)：23-26.

[11]李 超，李兆剛，李鳳日.我國(guó)非木質(zhì)林產(chǎn)品資源現(xiàn)狀及其分類體系的研究[J].森林工程，2011，27(5)：1-7.