用于玻璃碎片測(cè)試的圖像處理技術(shù)

吳淳杰

摘 要 碎片狀態(tài)試驗(yàn)是鋼化玻璃力學(xué)性能檢驗(yàn)的一項(xiàng)內(nèi)容，試驗(yàn)?zāi)康氖菫榱嗽u(píng)價(jià)安全玻璃破碎時(shí)碎片引起傷害的可能性。將計(jì)算機(jī)圖像處理技術(shù)應(yīng)用于玻璃碎片檢驗(yàn)中，提出了一種玻璃碎片自動(dòng)檢測(cè)、識(shí)別及計(jì)算的算法。首先獲取藍(lán)光背景下玻璃碎片原圖，進(jìn)行灰度處理，采用sobel算子對(duì)圖像進(jìn)行邊緣檢測(cè)并濾波去噪；然后利用灰度梯度方法提取出整幅圖片的高亮區(qū)域確定縫隙線，縫隙線膨脹生長(zhǎng)后進(jìn)行骨架提??；最后根據(jù)骨架標(biāo)示各碎片區(qū)域進(jìn)行計(jì)算。此外，同時(shí)將該算法和歐拉數(shù)計(jì)算公式相結(jié)合，應(yīng)用于圖像中碎片數(shù)量的計(jì)數(shù)方面，使得碎片分割和計(jì)數(shù)變得簡(jiǎn)單、快捷。實(shí)驗(yàn)結(jié)果表明，該算法是一種切實(shí)可行的碎片圖像的分割和計(jì)數(shù)方法。

【關(guān)鍵詞】玻璃碎片 圖像處理 sobel算子 縫隙線 生長(zhǎng) 歐拉數(shù)

為保證安全玻璃在應(yīng)用和破壞時(shí)產(chǎn)生的傷害程度達(dá)到最小，我國(guó)對(duì)安全玻璃實(shí)行強(qiáng)制性質(zhì)量檢驗(yàn)制度，碎片狀態(tài)試驗(yàn)是檢驗(yàn)方法之一。依據(jù)中華人民共和國(guó)國(guó)家標(biāo)準(zhǔn)GB 15763.2-2005《建筑用安全玻璃 第2部分：鋼化玻璃》、GBT 5137.1-2002《汽車安全玻璃試驗(yàn)方法 第1部分力學(xué)性能試驗(yàn)》、GB 9656-2003《汽車安全玻璃》、GB 18045-2000《鐵道車輛用安全玻璃》中的規(guī)定，安全玻璃質(zhì)量檢驗(yàn)中碎片狀態(tài)試驗(yàn)的要求是統(tǒng)計(jì)出 規(guī)定大小區(qū)域內(nèi)的碎片數(shù)，碎片的數(shù)量介于 40-200 塊之間，每塊碎片的面積大約介于 0.0625-0.625cm2之間。目前，這項(xiàng)工作由人工來(lái)完成，效率低并影響檢測(cè)結(jié)果的準(zhǔn)確性。為此提出一種基于計(jì)算機(jī)圖形學(xué)（Computer Graphics，簡(jiǎn)稱CG）的玻璃碎片圖像檢測(cè)與計(jì)算方法， 目的是確定高亮區(qū)域，獲得縫隙線，再采用新型歐拉計(jì)數(shù)方法統(tǒng)計(jì)碎片的數(shù)量特征。

1 圖像獲取及預(yù)處理

按照國(guó)家標(biāo)準(zhǔn)中安全玻璃碎片狀態(tài)試驗(yàn)方法的要求，使用自主研發(fā)的玻璃碎片檢測(cè)裝置，利用氣動(dòng)裝置控制尖銳的重物自動(dòng)敲擊距離玻璃的長(zhǎng)邊緣 20mm 處，使玻璃破碎。并在沖擊后10s后且3min內(nèi)使用工業(yè)CCD相機(jī)，在藍(lán)光背景下采集碎片圖像得到彩色照片，通過(guò)采集高度與放大率計(jì)算，從中選取50mm×50mm區(qū)域圖像，將其灰度化，作為玻璃碎片原始灰度圖像。圖 1即為藍(lán)光下玻璃碎片原圖，圖2為玻璃碎片灰度化處理后圖像。

2 邊緣檢測(cè)

欲獲得玻璃碎片的形狀和數(shù)量，首先要描繪出圖像中玻璃碎片的縫隙線，故可以把縫隙線看作目標(biāo)，用O表示，把碎片的內(nèi)部看作背景，用 B表示。

圖 2所示的預(yù)處理后圖像比較均勻一致，即縫線比其鄰域灰度值小，碎片內(nèi)部的灰度沒(méi)有太大起伏，但是整個(gè)圖像的亮度不均勻，因此不能使用簡(jiǎn)單的閾值法進(jìn)行邊緣的提取。為了突出碎片內(nèi)部（B）與縫隙線（O）的邊緣區(qū)域，選擇使用傳統(tǒng)的邊緣檢測(cè)算子—Sobel算子來(lái)求原始灰度圖像的梯度圖像。

2.1 Sobel邊緣算子

圖3所示的兩個(gè)卷積核形成了Sobel邊緣算子，圖像中的每個(gè)點(diǎn)都用這兩個(gè)核做卷積，一個(gè)核對(duì)通常的垂直邊緣響應(yīng)最大，而另一個(gè)對(duì)水平邊緣響應(yīng)最大，兩個(gè)卷積的最大值作為該點(diǎn)的輸出位。運(yùn)算結(jié)果是一幅邊緣幅度圖像，Sobel邊緣算子處理過(guò)的圖見(jiàn)圖4。使用Sobel算子進(jìn)行邊緣檢測(cè)后，進(jìn)行濾波平滑，以利于灰度梯度方法提取出整幅圖片的高亮區(qū)域。

2.2 求梯度圖像

梯度圖像也是灰度圖像，使用一種常用的分割方法，將圖像的灰度直方圖分割成兩部分， 選取最佳門(mén)限使類間方差最大，從而達(dá)到兩部分分離性最大的目的，確定高亮區(qū)域，找出圖片中的高亮點(diǎn)，進(jìn)行灰度重建、倒置，找出整幅圖片的高亮區(qū)域。該算法處理的結(jié)果如圖 5所示。

2.3 縫隙線生長(zhǎng)

由圖5可以看出，盡管目標(biāo)O（縫隙線）的輪廓已經(jīng)呈現(xiàn)，但是內(nèi)部并不均勻一致，縫隙線的生長(zhǎng)算法可以將縫隙線內(nèi)部變成均勻一致的區(qū)域，本文采用了二值圖像作數(shù)學(xué)形態(tài)學(xué)上的開(kāi)運(yùn)算，將距離較近的目標(biāo)區(qū)域連通起來(lái)。

數(shù)學(xué)形態(tài)學(xué)是由一組形態(tài)學(xué)的代數(shù)運(yùn)算子組成的。最基本的形態(tài)學(xué)運(yùn)算有：腐蝕、膨脹、開(kāi)、閉。形態(tài)開(kāi)運(yùn)算能使黑色區(qū)域首先膨脹，使縫線內(nèi)部的白點(diǎn)去除，但縫線也變粗，接著進(jìn)行一次腐蝕運(yùn)算，使縫線基本恢復(fù)原來(lái)的寬度。同時(shí)，通過(guò)開(kāi)運(yùn)算后，邊界也變得比較平滑，處理后如圖6所示。

3 玻璃碎片分割

從圖6可以觀察到，縫隙線上的灰度值大，碎片內(nèi)部的灰度值小，可以把它假想成地形表面，每個(gè)像素的灰度代表該點(diǎn)的海拔高度。采取分水嶺變換能夠?qū)D像進(jìn)行分割。首先讓每個(gè)像素指向具有最小值的鄰居像素，然后分別處理貯水盆地坡面的平臺(tái)區(qū)域和寬分水嶺區(qū)域、局部最小值區(qū)域，最后根據(jù)指入鏈碼回溯標(biāo)注各個(gè)貯水盆地。同一貯水盆地的像素即屬于同一玻璃碎片。該分割算法能實(shí)現(xiàn)完全分割，分割效果如圖7所示。

4 玻璃碎片歐拉數(shù)的計(jì)算

本文提出一種計(jì)算圖像歐拉數(shù)的公式，它只需對(duì)圖像采用逐行掃描由上而下的方式掃描一次，而且每次只需使用兩行數(shù)據(jù)，占用內(nèi)存少。歐拉數(shù)計(jì)數(shù)公式如下：

式中，Vmk表示圖像第m行，第k個(gè)圖段所對(duì)應(yīng)的上相鄰數(shù)。而且Vm0=1，即當(dāng)k=0時(shí)，Vmk=1。表示當(dāng)m行無(wú)圖段時(shí)，該行對(duì)歐拉數(shù)無(wú)貢獻(xiàn)。此外，根據(jù)國(guó)家標(biāo)準(zhǔn)里碎片計(jì)數(shù)原則—橫跨計(jì)數(shù)框的碎片按1/2個(gè)碎片計(jì)算，需對(duì)歐拉數(shù)計(jì)算公式進(jìn)行優(yōu)化補(bǔ)充定義，非封閉區(qū)域圖段按1/2個(gè)碎片數(shù)計(jì)數(shù)。用該算法對(duì)圖7進(jìn)行碎片統(tǒng)計(jì)，結(jié)果為37，與實(shí)際圖片中的碎片數(shù)目相符。

5 結(jié)束語(yǔ)

（1）本文提出的玻璃碎片邊緣檢測(cè)、分割和計(jì)數(shù)方法能夠較準(zhǔn)確地檢測(cè)出碎片的縫隙線，劃分出碎片的區(qū)域，統(tǒng)計(jì)出碎片塊數(shù)，并已經(jīng)用實(shí)驗(yàn)進(jìn)行了驗(yàn)證，證明了它的實(shí)用性和合理性。

（2）該算法整個(gè)過(guò)程無(wú)需人工參與，能夠完成安全玻璃碎片的自動(dòng)檢測(cè)與識(shí)別，提高了安全玻璃產(chǎn)品質(zhì)量檢驗(yàn)的自動(dòng)化程度，滿足試驗(yàn)結(jié)果判定的客觀性和準(zhǔn)確性要求。為今后的深入研究和將其應(yīng)用到生產(chǎn)實(shí)踐奠定了堅(jiān)實(shí)的基礎(chǔ)。

（通訊作者：董晨晨 李威霖 陳佳靜）

參考文獻(xiàn)

[1]何斌，馬天予，王運(yùn)堅(jiān)等.Visual C++ 數(shù)字圖像處理（第2版）[M].北京：人民郵電出版社，2002.

[2]周心明，蘭賽，徐燕.圖像處理中幾種邊緣檢測(cè)算法的比較[J].現(xiàn)代電力.2000，17（03）：65-69.

[3]Luc Vincent.Morphological grayscale reconstruction in image analysis： applications and efficient algorithms[J].IEEE Transactions on Image Processing，1993，2（02）：176-201.

[4]Gordon Gaile G.Automated glass fragmentation analysis[J]. Procedings of the SPIE，Machine Vision Applications in Industrial Inspection IV，1996，2665（02）：244-252.

[5]孫涵，任明武.基于鏈碼的分水嶺變換算法[J].中國(guó)圖象圖形學(xué)報(bào)，2004，9（09）：1025-1031.

[6]Bieniek A，Moga A.An efficient watershed algorithm based on connected components [J].Pattern Recognition，2000，33（03）：907-916.

[7]林小竹，沙蕓，籍俊偉，等.計(jì)算二維圖像歐拉數(shù)的新公式[J].微電子學(xué)與計(jì)算機(jī)，2005，22（11）：158-161.

作者單位

1.浙江方圓檢測(cè)集團(tuán)股份有限公司 浙江省杭州市 310018

2.浙江省質(zhì)量檢測(cè)科學(xué)研究院 浙江省杭州市 310018