基于差分圖像的灰度信息匹配算法在輪胎檢測(cè)中的應(yīng)用

馮霞 石超 郝振平

摘要：數(shù)字圖像處理中經(jīng)常使用圖像模板匹配算法進(jìn)行圖像紋理檢測(cè)，該文研究了幾種圖像模板匹配方法并提出基于差分圖像的灰度信息匹配算法來(lái)進(jìn)行輪胎檢測(cè)。通過(guò)對(duì)輪胎紋理特點(diǎn)的研究，表明該算法比較適合于進(jìn)行輪胎圖像檢測(cè)，其主要是將需要評(píng)測(cè)的輪胎圖像與標(biāo)準(zhǔn)模板圖像的灰度信息進(jìn)行比較，并且將兩者的灰度信息進(jìn)行像素值相減從而得到輪胎的差分圖像，最后對(duì)得到的差分圖像的灰度信息進(jìn)行特征分析找出輪胎缺陷的過(guò)程。大量實(shí)驗(yàn)數(shù)據(jù)表明基于差分圖像的灰度信息匹配算法使輪胎檢測(cè)更加客觀準(zhǔn)確，能夠提高輪胎檢測(cè)效率。

關(guān)鍵詞：輪胎檢測(cè)；匹配算法；差分圖像

中圖分類號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2015）03-0183-02

Application of Gray Level Information Matching Algorithm Based on Differential Image in Tire Detection

FENG Xia1， SHI Chao2， HAO Zhen-ping3

（1. De-zhou Science and Technology Vocational College of Shandong， Yucheng 251200， China；2. Yucheng Water Authorities， Yucheng 251200， China；3. Yucheng Municipal Radio and Television Bureau， Yucheng， 251200， China）

Abstract： Image matching algorithm is often used in digital image processing for image texture detection， this paper studied several image matching methods and put forward gray level information matching algorithm based on differential image to detect the tire. According to tire texture feature the algorithm is more suitable for tire image detection. Its essence is that to compare and subtract the gray image value of the tire with standard template image， and the process of feature extraction from the tire differential image. The experimental results show that the gray level information matching algorithm based on differential image makes the tire detection more objective and accurate， and can improve the detection efficiency.

Key words： Tire detection； matching algorithm；differential image

輪胎承擔(dān)了車輛的全部重量，是車輛與路面的唯一連接點(diǎn)，輪胎性能質(zhì)量的好壞直接影響到車輛在行駛中的安全性，然而在制造過(guò)程中由于制造工藝技術(shù)等問(wèn)題，經(jīng)常出現(xiàn)輪胎質(zhì)量問(wèn)題影響輪胎使用壽命和工作性能，因此輪胎出廠前必須進(jìn)行拉伸強(qiáng)度測(cè)試等常規(guī)檢測(cè)。如果每個(gè)輪胎出廠前都進(jìn)行人工檢測(cè)非常費(fèi)時(shí)費(fèi)力，目前廣泛使用X射線輪胎檢測(cè)系統(tǒng)對(duì)輪胎進(jìn)行CT掃描，通過(guò)圖像處理手段判斷輪胎是否合格從而進(jìn)行輪胎質(zhì)量檢測(cè)[1]。

圖像缺陷檢測(cè)方法比較多，其中圖像模板匹配算法是比較常用的檢測(cè)方式，圖像模板匹配就是利用數(shù)字圖像處理在選定的標(biāo)準(zhǔn)模板與待測(cè)圖像之間找到圖像共同特征點(diǎn)的過(guò)程，在模式識(shí)別領(lǐng)域是比較重要的分析研究方法，是一種有效的圖像信息特征描述方式。圖像模板匹配算法能夠比較直觀地反映待測(cè)圖像的紋理特征，并且可以用來(lái)研究圖像整體或局部的特征信息[2]。因此，在圖像分析中經(jīng)常使用模板匹配算法，其應(yīng)用廣泛是比較常用的圖像缺陷檢測(cè)方式。

1 圖像模板匹配原理分析

模版匹配首先需要大量采集研究圖像，通過(guò)圖像間的對(duì)比，找出不同圖像之間圖像特征的相似度，從而得到這些圖像的共同特征，制作出研究圖像的標(biāo)準(zhǔn)模版。把需要判別的圖像與選定的標(biāo)準(zhǔn)模板進(jìn)行比較的過(guò)程就是模版匹配，通過(guò)模板匹配就能確定待判別圖像與該標(biāo)準(zhǔn)模板是否存在相同或相似的圖像區(qū)域。如存在相同或相似區(qū)域，確定算法找到該圖像區(qū)域的位置并進(jìn)行特征提取。如基本特征一致，就說(shuō)明所判別的圖像與模板是匹配的；如果與模板不匹配，說(shuō)明需要判別的圖像有缺陷或者說(shuō)產(chǎn)品有質(zhì)量問(wèn)題。

不過(guò)由于圖像形成條件的差異或因圖像預(yù)處理方式的不同，在模板和待測(cè)圖像中，找到相同或相似的區(qū)域并確定該區(qū)域并不容易，因此，利用數(shù)字圖像處理來(lái)進(jìn)行模版匹配是一個(gè)復(fù)雜的課題。

圖像模板匹配算法主要分為灰度信息匹配及幾何特征匹配兩種匹配算法。

1） 灰度信息匹配算法：

灰度信息匹配算法是采用統(tǒng)計(jì)像素灰度值的方式，通過(guò)對(duì)待測(cè)圖像與模板圖像的灰度矩陣逐像素的搜索比較，來(lái)進(jìn)行的圖像模板匹配?；叶刃畔⑵ヅ渌惴ㄈ菀讓?shí)現(xiàn)和理解，但是進(jìn)行像素比對(duì)的計(jì)算量大，魯棒性差。經(jīng)常用的灰度信息匹配算法是歸一化的灰度信息匹配算法及相應(yīng)的快速算法，如快速傅里葉變換（FFT）相關(guān)算法和幅度排序相關(guān)算法等[3]。

2） 幾何特征匹配算法：

在圖像處理中經(jīng)常使用基于圖像幾何特征的匹配算法，幾何特征匹配就是運(yùn)用數(shù)學(xué)的方法，對(duì)圖像的點(diǎn)、線、面特征進(jìn)行參數(shù)描述，并運(yùn)用該參數(shù)對(duì)多幅圖像進(jìn)行比較運(yùn)算的過(guò)程。幾何特征匹配算法可以不考慮圖像形變、灰度變化對(duì)于匹配的影響，其利用數(shù)學(xué)的方法，提高了圖像模板匹配的精確度，由于圖像幾何特征的計(jì)算比像素的計(jì)算小得多，降低了圖像模板匹配過(guò)程的計(jì)算量[4]。

3） 灰度信息匹配算法與幾何特征匹配算法的比較與選擇：

灰度信息匹配算法研究的是圖像像素，其進(jìn)行像素比對(duì)的計(jì)算量大，但灰度信息匹配算法比較容易實(shí)現(xiàn)和理解，適合圖像局部特征的匹配，例如圖像紋理簡(jiǎn)單特征點(diǎn)少的情況。幾何特征匹配算法研究的是圖像區(qū)域特征，該算法基于數(shù)學(xué)的方法提高了圖像匹配的精確度。幾何特征匹配算法需要考慮空間特征、空間位置等諸多因素，需要設(shè)定合適的判定閾值和參數(shù)，不適合圖像區(qū)域特征點(diǎn)比較少的場(chǎng)合。只有選擇合適的匹配算法才能提高圖像檢測(cè)效率，如果選擇了不合適的匹配算法會(huì)使運(yùn)算量加大，也不能達(dá)到預(yù)期的檢測(cè)效果，因此應(yīng)根據(jù)圖像特征情況，選擇具體的匹配算法。

2 基于差分圖像的灰度信息匹配算法在輪胎檢測(cè)中的應(yīng)用研究

為了比較采集圖像與模板圖像灰度信息差異，圖像處理中經(jīng)常使用基于差分圖像的灰度信息匹配算法。其主要是將需要評(píng)測(cè)的輪胎圖像與標(biāo)準(zhǔn)模板圖像的灰度信息進(jìn)行比較，并且將兩者的灰度信息進(jìn)行像素值相減從而得到輪胎的差分圖像，然后對(duì)得到的輪胎差值圖進(jìn)行特征提取，逐行掃描輪胎圖像進(jìn)行檢測(cè)并查找輪胎有無(wú)缺陷，判斷輪胎是否合格。通過(guò)對(duì)輪胎CT掃描圖像特點(diǎn)的研究，發(fā)現(xiàn)輪胎圖像在空間分布中具備規(guī)律的周期性特點(diǎn)[5]，其圖像紋理具有規(guī)則性的特點(diǎn)，輪胎圖像幾何特征更適合于使用灰度信息匹配算法，本文主要使用了基于差分圖像的灰度信息匹配算法來(lái)進(jìn)行輪胎檢測(cè)[6]。

基于差分圖像的灰度信息匹配算法流程圖如圖1所示，本論文使用的基于差分圖像的灰度信息匹配算法均使用MATLAB語(yǔ)言編程實(shí)現(xiàn)，并運(yùn)用大量輪胎CT圖像進(jìn)行綜合分析驗(yàn)證了該匹配算法的可行性。

圖1 基于差分圖像的灰度信息匹配算法流程圖

基于圖像差分圖像的灰度信息匹配算法步驟為：

1） 制作并選擇標(biāo)準(zhǔn)輪胎模板圖像，模板圖像的選擇非常重要，模板的選擇決定了后面輪胎檢測(cè)的準(zhǔn)確度，因此需要通過(guò)分析大量的輪胎圖像，找到?jīng)]有缺陷的輪胎圖像作為模板圖像。

2） 把需要評(píng)測(cè)的輪胎圖像與標(biāo)準(zhǔn)模板圖像進(jìn)行灰度信息歸一化處理，使圖像信息不容易受光照變化及幾何變換的影響，讓兩幅圖具有對(duì)準(zhǔn)可比性。圖像的灰度信息歸一化，目的是使不同成像條件的圖像具有灰度信息一致性，將待處理圖像及模板圖像轉(zhuǎn)換成唯一標(biāo)準(zhǔn)形式[7]。

3） 比較待測(cè)圖像與標(biāo)準(zhǔn)模板圖像灰度信息的差異，將歸一化后的待評(píng)測(cè)輪胎圖像與標(biāo)準(zhǔn)模板圖像進(jìn)行差分操作。其實(shí)質(zhì)是將待處理輪胎圖像的灰度信息同標(biāo)準(zhǔn)模板圖像灰度信息進(jìn)行比較，并且將兩者的灰度信息進(jìn)行像素值相減，從而得到輪胎的差分圖像。待測(cè)圖像與標(biāo)準(zhǔn)模板圖像對(duì)應(yīng)像素點(diǎn)的差值就是差分圖像的像素值，下一步可以對(duì)得到的差分圖像的灰度信息進(jìn)行特征分析找出輪胎缺陷。

4） 對(duì)得到的輪胎差分圖像進(jìn)行特征提取，需要使用遞歸算法對(duì)得到的差分圖像進(jìn)行缺陷掃描及特征分析，如果想將輪胎圖像的缺陷區(qū)域的形狀提取出來(lái)，還需要經(jīng)過(guò)腐蝕、膨脹、再腐蝕等一系列數(shù)學(xué)形態(tài)學(xué)算法操作，腐蝕算法就是消除小且無(wú)意義的邊界點(diǎn)的過(guò)程，膨脹是將與物體接觸的背景點(diǎn)合并的過(guò)程[8]，經(jīng)過(guò)這個(gè)對(duì)偶過(guò)程提取出輪胎圖像的研究區(qū)域形狀特征。

5） 通過(guò)進(jìn)一步的分析和判斷圖像特征，對(duì)檢測(cè)到的輪胎缺陷圖像特征進(jìn)行分類及識(shí)別。根據(jù)輪胎圖像的灰度信息特性及區(qū)域形狀特征差異，預(yù)先設(shè)定合理的閾值范圍，判斷待評(píng)測(cè)圖像與標(biāo)準(zhǔn)模板圖像灰度信息特性及區(qū)域形狀特征的差異是否符合設(shè)定的閾值范圍，如果符合該閾值范圍則判斷輪胎合格，否則就不合格。該方式可應(yīng)用到自動(dòng)化流水線中，大量檢測(cè)輪胎是否合格及有無(wú)缺陷問(wèn)題，提高輪胎檢測(cè)效率。

3 結(jié)論

通過(guò)實(shí)驗(yàn)證明基于差分圖像的灰度信息匹配算法使輪胎檢測(cè)更加客觀、準(zhǔn)確、規(guī)范，能夠提高輪胎檢測(cè)效率?？梢赃M(jìn)一步研究其實(shí)用性及可靠性，并應(yīng)用于工業(yè)生產(chǎn)及檢測(cè)環(huán)節(jié)中。

參考文獻(xiàn)：

[1] 馮霞，郝振平，馮燕，等.X射線在輪胎邊緣檢測(cè)中的應(yīng)用[J].CT理論與應(yīng)用研究，2010，19（3）：61-66.

[2] 馬莉， 范影樂(lè). 紋理圖像分析[M]. 北京： 科學(xué)出版社， 2009：78-99.

[3] 馮霞，石超，丁文波，等.基于傅里葉變換的頻譜分析法在X射線輪胎檢測(cè)中的應(yīng)用[J].CT理論與應(yīng)用研究， 2014，23（3）：453-458.

[4] 劉傳才. 圖像理解與計(jì)算機(jī)視覺(jué) [M]. 廈門(mén)： 廈門(mén)大學(xué)出版社，2002： 33-45.

[5] 金向?qū)?子午線輪胎X射線檢測(cè)設(shè)備的開(kāi)發(fā)與研制[J].橡膠技術(shù)與設(shè)備，1998， 24（6）：47-49

[6] 馮霞.基于數(shù)字圖像處理的輪胎缺陷檢測(cè)[D]. 濟(jì)南： 山東大學(xué)， 2011.

[7]肖振，馮玉田.抵抗仿射變換攻擊的圖像歸一化方法研究[J].微計(jì)算機(jī)信息， 2007，5（3）：275-276.

[8] Rafael C.Gonzalez，Richard E，et al .數(shù)字圖像處理（MATLAB版）[M].北京：電子工業(yè)出版社，2007：125-128.