基于連通域篩選和腐蝕重構(gòu)的鋼材裂痕檢測(cè)

姜圓香，孫玉秋，王超，李祖勝

(長(zhǎng)江大學(xué)信息與數(shù)學(xué)學(xué)院，湖北 荊州 434023)

田金文

(華中科技大學(xué)自動(dòng)化學(xué)院，湖北 武漢 430074)

?

基于連通域篩選和腐蝕重構(gòu)的鋼材裂痕檢測(cè)

姜圓香，孫玉秋，王超，李祖勝

(長(zhǎng)江大學(xué)信息與數(shù)學(xué)學(xué)院，湖北 荊州 434023)

田金文

(華中科技大學(xué)自動(dòng)化學(xué)院，湖北 武漢 430074)

為實(shí)現(xiàn)自動(dòng)準(zhǔn)確的檢測(cè)帶有裂痕的不合格鋼材產(chǎn)品，提出了一種基于連通域篩選和腐蝕重構(gòu)的方法。首先運(yùn)用均值濾波對(duì)樣品圖像去噪，然后將去噪后的圖像二值化以提取目標(biāo)特征，進(jìn)而采用了連通域篩選法和腐蝕重構(gòu)法濾除偽特征，前者通過(guò)標(biāo)記圖像信息，選出滿足大小的連通區(qū)域來(lái)實(shí)現(xiàn)特征提取，后者則先通過(guò)腐蝕算法去掉大部分偽特征，再通過(guò)重構(gòu)算法恢復(fù)部分特征信息。針對(duì)不同樣品進(jìn)行檢測(cè)試驗(yàn)，達(dá)到了預(yù)期效果，證明了該方法的有效性。

裂痕檢測(cè)；均值濾波；連通域；腐蝕；重構(gòu)

由于鋼材生產(chǎn)的用料以及在冶煉過(guò)程中各種力復(fù)雜的作用，可能產(chǎn)生裂痕，但裂痕對(duì)鋼材的使用，尤其是承載能力、耐久性能等方面都會(huì)產(chǎn)生不利影響。傳統(tǒng)的檢測(cè)方式中，依靠操作人員的經(jīng)驗(yàn)來(lái)進(jìn)行裂痕檢測(cè)，缺乏精密性，工作量大，容易受主觀情緒影響，難以實(shí)現(xiàn)全面且精準(zhǔn)的裂痕檢測(cè)。因此，研究開發(fā)一種能對(duì)鋼材裂痕進(jìn)行自動(dòng)檢測(cè)技術(shù)，能有效提高鋼鐵質(zhì)量，在鋼鐵生產(chǎn)過(guò)程中具有重要意義。隨著計(jì)算機(jī)軟件、模式識(shí)別、數(shù)字圖像處理技術(shù)、大容量?jī)?chǔ)存技術(shù)的迅速發(fā)展，基于數(shù)字圖像處理的裂痕檢測(cè)技術(shù)得到廣泛的研究[1]。王興建等設(shè)計(jì)提出了基于多級(jí)去噪模型的路面裂縫提取方法[2]；于泳波等運(yùn)用基于圖像連通域的技術(shù)能正確快速的提取橋梁裂縫信息，但由于裂縫發(fā)生初期不太明顯，因此要實(shí)現(xiàn)實(shí)時(shí)提取對(duì)圖像分辨率要求較高[3]；劉益玲等運(yùn)用基于閾值分割的邊緣檢測(cè)技術(shù)對(duì)公路裂痕實(shí)現(xiàn)自動(dòng)檢測(cè)，主要對(duì)成像效果一般的較模糊圖像仍能高效準(zhǔn)確的檢測(cè)出來(lái)，但容易漏檢細(xì)小裂縫[4]。為此，筆者對(duì)鋼材樣品圖像進(jìn)行去噪、提取特征、濾除偽特征等一系列處理，在濾除偽特征中提出了連通域篩選法和腐蝕重構(gòu)法。

1 理論基礎(chǔ)

1.1 均值濾波

均值濾波器也稱為平滑線性濾波器，均值濾波算法是一種傳統(tǒng)的數(shù)字圖象處理算法[5，6]，其核心原理是利用圖像中某一點(diǎn)的鄰域內(nèi)各點(diǎn)像素均值來(lái)取代該點(diǎn)的像素值，定義如下:

其中，i=0,1,…,M-1；j=0,1,…,N-1；s(m,n)表示點(diǎn)(m,n)處的灰度值;R表示點(diǎn)(i,j)鄰域內(nèi)所有點(diǎn)的集合;M與N分別是圖像的長(zhǎng)和寬。

均值濾波的主要步驟：選擇一個(gè)合適的模板，從圖像的左上角第一個(gè)像素點(diǎn)開始，讓模板與其覆蓋的圖像部分做卷積，求出均值并用該值取代點(diǎn)的像素值；按照從左至右從上至下的方向，依此類推到下一個(gè)像素點(diǎn)，不斷與模板做卷積并用均值取代，直至圖像的最后一個(gè)像素點(diǎn)。

圖1是最常見的2種均值濾波模板，其中圖1(b)與圖1(a)相比中心權(quán)重更大，能更好的保護(hù)圖像的原有性質(zhì)。

1.2 區(qū)域連通

在圖像中，最小的單位是像素，每個(gè)像素周圍有8個(gè)鄰接像素，常見的鄰接關(guān)系有2種：4鄰接與8鄰接。4鄰接一共4個(gè)點(diǎn)，即上下左右，如圖2(a)所示。8鄰接的點(diǎn)一共有8個(gè)，包括了對(duì)角線位置的點(diǎn)，如圖2(b)所示。

圖1 3×3均值濾波模板

圖2 4鄰接與8鄰接圖

圖3 區(qū)域連通圖

如果像素點(diǎn)A與B鄰接，則稱A與B連通，且區(qū)域連通有如下的結(jié)論：如果A與B連通，B與C連通，則A與C連通。在視覺上看來(lái)，彼此連通的點(diǎn)形成了一個(gè)區(qū)域，而不連通的點(diǎn)形成了不同的區(qū)域。這樣彼此連通點(diǎn)構(gòu)成的一個(gè)集合，被稱為一個(gè)連通區(qū)域。

如圖3中，如果考慮4鄰接，則有3個(gè)連通區(qū)域；如果考慮8鄰接，則有2個(gè)連通區(qū)域。(注：圖像是被放大的效果，圖像正方形實(shí)際只有4個(gè)像素)。

區(qū)域標(biāo)記是連通域篩選法中的重要操作，其算法的具體過(guò)程如下：

1)逐行掃描圖像。把每一行中連續(xù)的白色像素組成一個(gè)序列稱為一個(gè)團(tuán)(run)，并記下它的起點(diǎn)start、終點(diǎn)end以及它所在的行號(hào)。

2)對(duì)于除第一行外的所有行里的團(tuán)，如果它與前一行中的所有團(tuán)都沒有重合區(qū)域，則給它一個(gè)新的標(biāo)號(hào)；如果它僅與上一行中一個(gè)團(tuán)有重合區(qū)域，則將上一行中與之相連的團(tuán)的標(biāo)號(hào)賦給它；如果它與上一行的2個(gè)及以上的團(tuán)有重疊區(qū)域，則給當(dāng)前團(tuán)賦一個(gè)相連團(tuán)的最小標(biāo)號(hào)，并將上一行的這幾個(gè)團(tuán)的標(biāo)記寫入等價(jià)對(duì)。

3)將等價(jià)對(duì)轉(zhuǎn)換為等價(jià)序列。一組等價(jià)對(duì)需要給一相同的標(biāo)號(hào)，從1開始，逐次標(biāo)號(hào)各等價(jià)對(duì)。

4)遍歷開始團(tuán)的標(biāo)記，查找等價(jià)序列，并將每個(gè)團(tuán)的標(biāo)號(hào)填入標(biāo)記圖像中。

1.3 腐蝕重構(gòu)

數(shù)學(xué)形態(tài)學(xué)是圖像處理和模式識(shí)別領(lǐng)域的新方法，其基本思想是用具有一定形態(tài)的結(jié)構(gòu)元素去度量和提取圖像中的對(duì)應(yīng)形狀[7,8]，以達(dá)到圖像分析和識(shí)別的目的。形態(tài)學(xué)中定義先腐蝕后膨脹的運(yùn)算為開運(yùn)算，基于開的重建是通過(guò)腐蝕后再進(jìn)行形態(tài)學(xué)重建來(lái)清理圖片。

腐蝕處理是利用結(jié)構(gòu)元素對(duì)圖像進(jìn)行探測(cè)，找出圖像中可以放下該結(jié)構(gòu)元素的區(qū)域，實(shí)現(xiàn)消除邊界點(diǎn)，使邊界點(diǎn)向內(nèi)部收縮的效果。腐蝕方法常應(yīng)用來(lái)消除小而無(wú)意義的物體，其原理是利用結(jié)構(gòu)元素掃描圖像中的每一個(gè)像素，并與其覆蓋的二值圖像作“與”操作[9]。

數(shù)學(xué)定義如下：A被B腐蝕記為AΘB，也可表示為：

AΘB={z|(B)z∩Ac≠?}

式中，?為空集；B為元素結(jié)構(gòu)；且平移的B與A的背景不疊加。

重構(gòu)是一種涉及到2幅圖像和一個(gè)結(jié)構(gòu)元素(而不是單幅圖像和一個(gè)結(jié)構(gòu)元素)的形態(tài)學(xué)變換。一幅圖像，即標(biāo)記(marker)，是變換的開始點(diǎn)。另一幅圖像是掩模(mask)，用來(lái)約束變換過(guò)程。結(jié)構(gòu)元素用于定義連接。

若g是掩模，f為標(biāo)記(標(biāo)記f必須是g的一個(gè)子集，即f?g)，則從f重構(gòu)g可以記為Rg(f)，它由下面的迭代過(guò)程定義：

1)將h1初始化為標(biāo)記圖像f；

2)創(chuàng)建結(jié)構(gòu)元素：B=ones(n)；

3)重復(fù)hk+1=(hk⊕B)∩g直到hk+1=hk。

2 鋼材優(yōu)劣檢測(cè)算法及流程

圖4 鋼材優(yōu)劣檢測(cè)算法流程圖

圖5 均值濾波處理圖像

根據(jù)鋼材優(yōu)劣的特點(diǎn)，首先對(duì)鋼材圖像進(jìn)行去噪處理，然后提取特征，接著對(duì)偽特征進(jìn)行濾除，最后得到鋼材的優(yōu)劣情況，流程圖如圖4所示。

2.1 去噪處理

在鋼材中對(duì)于分散比較均勻的碳化顆粒和自身的條紋對(duì)鋼材質(zhì)量沒有影響，可以直接將之去除以避免它們對(duì)后面的處理帶來(lái)影響。因此，進(jìn)行圖像檢測(cè)時(shí)，首先必須進(jìn)行去噪處理。

試驗(yàn)采取的是均值濾波去噪。均值濾波能有效抑制加性噪聲，但容易引起圖像模糊，可以對(duì)其進(jìn)行改進(jìn)，主要避開對(duì)景物邊緣的平滑處理。通過(guò)處理前后的對(duì)比(見圖5)可以看出，碳化顆粒和自身?xiàng)l紋得到明顯的抑制，達(dá)到了去噪的效果。

2.2 特征提取

圖6 二值化處理后的圖像

在去噪后需要提取圖像的優(yōu)劣信息，即對(duì)圖像進(jìn)行提取特征，以方便進(jìn)行檢測(cè)。通過(guò)觀察均值濾波后的圖像發(fā)現(xiàn)，圖像優(yōu)劣特征的灰度值區(qū)間與其他部分的灰度值區(qū)間存在明顯差異。因此，可通過(guò)自動(dòng)二值化方法對(duì)圖像進(jìn)行處理，得到所需信息。

2.3 濾除偽特征

如圖6所示，通過(guò)二值化處理后的圖像仍然存在部分白斑，即偽特征。該類白斑與需要檢測(cè)的帶狀裂痕灰度級(jí)相近，但其多由顆粒雜質(zhì)聚集造成，對(duì)鋼材的質(zhì)量影響不大，因此為方便后續(xù)分析，需將其去除。由于偽特征與影響鋼材質(zhì)量的裂痕連通大小區(qū)別較大，筆者使用連通域篩選法和腐蝕重構(gòu)法這2種方法對(duì)已處理的圖像進(jìn)行再次處理。

2.3.1 連通域篩選法

該方法主要采用了matlab中連通區(qū)域標(biāo)記函數(shù)bwlabel，算法首先一次遍歷圖像，并記下每一行(或列)中連續(xù)的團(tuán)(run)和標(biāo)記的等價(jià)對(duì)，然后通過(guò)等價(jià)對(duì)對(duì)原來(lái)的圖像進(jìn)行重新標(biāo)記。連通域篩選法的流程圖如圖7所示。

連通域篩選法的主要過(guò)程為：①讀取原始圖像，均值濾波后再通過(guò)im2bw將其轉(zhuǎn)化為二值圖像以進(jìn)行預(yù)處理；②遍歷圖像，通過(guò)bwlable對(duì)各連通域進(jìn)行標(biāo)記；③計(jì)算求出各連通域的大??；④找出各連通域中大于min的部分并建立索引；⑤輸出帶有索引的二值化圖像。

2.3.2 腐蝕重構(gòu)法

腐蝕重構(gòu)法函數(shù)為：

imgN= imreconstruct(imerode(img,strel('disk',n)),img)

圖7 連通域篩選法流程圖

首先用imerode對(duì)圖像img進(jìn)行腐蝕處理，該操作會(huì)將原圖像中一些偽特征腐蝕掉，但同時(shí)圖像的部分信息特征也會(huì)被腐蝕，因此，需要進(jìn)行適當(dāng)處理來(lái)恢復(fù)特征信息。此處，以圖像img為基礎(chǔ)得到的圖像為參照，將圖像img進(jìn)行重構(gòu)得到較為理想的圖像imgN。

3 試驗(yàn)結(jié)果及分析

試驗(yàn)主要采用連通域篩選法和腐蝕重構(gòu)法來(lái)檢測(cè)鋼材樣品中帶狀情況。圖8為5種具有代表性的鋼材樣品原圖以及經(jīng)過(guò)腐蝕重構(gòu)和連通域篩選2種方法處理后的結(jié)果圖。當(dāng)鋼材樣品中雜質(zhì)分布相對(duì)均勻時(shí)，2種算法檢測(cè)后都有少量雜質(zhì)未處理完全，但是不影響后續(xù)評(píng)級(jí)和使用；當(dāng)雜質(zhì)較多并形成一條較長(zhǎng)帶狀或鋼材生產(chǎn)過(guò)程中形成裂痕時(shí)，2種方法都能達(dá)到較好的檢測(cè)結(jié)果。此外，連通域篩選法更側(cè)重雜質(zhì)的連通情況，而腐蝕重構(gòu)法對(duì)于并不連通，但是分布比較密集的雜質(zhì)區(qū)域仍然可以檢測(cè)出來(lái)，即其更強(qiáng)調(diào)雜質(zhì)的密集程度。

4 結(jié)語(yǔ)

在對(duì)鋼材樣品圖像進(jìn)行裂痕檢測(cè)中，提出了連通域篩選法和腐蝕重構(gòu)法濾除偽特征。連通域篩選法通過(guò)設(shè)定合適的閾值，可以在濾除偽特征的同時(shí)更好的保護(hù)原始圖像中的細(xì)節(jié)，但是具體的閾值，目前仍只是通過(guò)手動(dòng)設(shè)定并進(jìn)行多次試驗(yàn)幾組具有代表性的樣品圖像和主觀比較來(lái)獲得，沒有一個(gè)確定的標(biāo)準(zhǔn)，今后該方法可在閾值設(shè)定處作進(jìn)一步改進(jìn)以實(shí)現(xiàn)自動(dòng)化。腐蝕重構(gòu)法能夠較好的清除圖像中細(xì)小的偽特征，但同時(shí)也會(huì)腐蝕掉圖像中某些有用的細(xì)節(jié)部分，可在腐蝕前針對(duì)某些可能被腐蝕的重要細(xì)節(jié)提前進(jìn)行保護(hù)，腐蝕后再進(jìn)行重構(gòu)。

圖8 2種方法在不同情況下處理效果圖

[1]唐磊,趙春霞,王鴻南,等.基于圖像三維地形模型的路面裂縫自動(dòng)檢測(cè)[J].計(jì)算機(jī)工程,2008(5):20～21+38.

[2]王興建,秦國(guó)鋒,趙慧麗.基于多級(jí)去噪模型的路面裂縫檢測(cè)方法[J].計(jì)算機(jī)應(yīng)用,2010(6):1606～1609+1612.

[3]于泳波,李萬(wàn)恒,張勁泉,等.基于圖像連通域的橋梁裂縫提取方法[J].公路交通科技,2011(7):90～93.

[4]劉益玲,謝書童.基于模糊數(shù)學(xué)的公路路面裂痕檢測(cè)技術(shù)[J].集美大學(xué)學(xué)報(bào)(自然科學(xué)版),2014(3):224～229.

[5]李佐勇,湯可宗,胡錦美,等.椒鹽圖像的方向加權(quán)均值濾波算法[J].中國(guó)圖象圖形學(xué)報(bào),2013(11):1407～1415.

[6]朱士虎,游春霞.一種改進(jìn)的均值濾波算法[J].計(jì)算機(jī)應(yīng)用與軟件,2013(12):97～99+116.

[7]王彥,謝曉方,吳龍寶,等.基于概率模型的裂紋識(shí)別算法[J].計(jì)算機(jī)工程,2012(2):189～191.

[8]王樹文,閆成新,張?zhí)煨?等.數(shù)學(xué)形態(tài)學(xué)在圖像處理中的應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用,2004(32):89～92.

[9]Gonzalez R C.Digital Image Processing Using MATLAB[M].Electronic Industry Press,2009.

[編輯] 洪云飛

2016-04-18

國(guó)家自然科學(xué)基金項(xiàng)目(61273279)；湖北省自然科學(xué)基金項(xiàng)目(2013CFA053)。

姜圓香(1993-)，女，碩士生，現(xiàn)主要從事數(shù)字圖象處理、目標(biāo)檢測(cè)方面的研究工作。

孫玉秋(1968-)，女，博士，教授，博士生導(dǎo)師，現(xiàn)主要從事數(shù)字圖像處理、模式識(shí)別方面的教學(xué)與研究工作；E-mail:yqsun@yangtzeu.edu.cn。

TP391

A

1673-1409(2016)25-0026-05

[引著格式]姜圓香，孫玉秋，王超，等.基于連通域篩選和腐蝕重構(gòu)的鋼材裂痕檢測(cè)[J].長(zhǎng)江大學(xué)學(xué)報(bào)(自科版)，2016,13(25)：26～30.