基于形態(tài)學(xué)重建與OTSU的極耳焊縫圖像分割方法

2

(1.福建工程學(xué)院 信息科學(xué)與工程學(xué)院,福建 福州 350118;2.工業(yè)自動(dòng)化福建省高校工程研究中心，福建 福州 350118)

近年來，我國新能源汽車行業(yè)發(fā)展迅速，對(duì)動(dòng)力電池的需求不斷加大。與傳統(tǒng)的方形和圓形動(dòng)力電池相比，軟包動(dòng)力電池作為新興動(dòng)力電池，擁有更高的能量密度，更輕的重量、內(nèi)阻更小、循環(huán)性能更好、循環(huán)壽命更長、設(shè)計(jì)更靈活等優(yōu)點(diǎn)。其中，軟包動(dòng)力電池的極耳焊縫質(zhì)量檢測作為檢測中的重要一環(huán)，直接影響動(dòng)力電池的質(zhì)量與性能。軟包動(dòng)力電池正負(fù)極耳一般為銅、鋁材料，在工藝生產(chǎn)過程中，采用激光焊接技術(shù)將極耳與連接片焊接起來，就形成了具有金屬光澤高反光的銅極耳焊縫和鋁極耳焊縫。由于金屬極耳材料的差異性、背景的復(fù)雜性，以及生產(chǎn)過程中帶來的噪聲、劃痕陰影等細(xì)節(jié)干擾，使得檢測難度加大。

在軟包動(dòng)力電池缺陷檢測過程中，極耳焊縫圖像分割的好壞將直接影響缺陷檢測精度的高低。許多文獻(xiàn)提出了焊縫圖像的分割算法以及改進(jìn)方法。文獻(xiàn)[1]提出了一種融合動(dòng)態(tài)閾值和全局閾值的算法來分割焊縫和瑕疵，在此基礎(chǔ)上利用形態(tài)學(xué)和行程處理來消除干擾以得到更真實(shí)的焊縫邊緣，利于檢測。文獻(xiàn)[2]針對(duì)常用閾值分割方法對(duì)小面積區(qū)域檢測的局限性，利用基于排序點(diǎn)的聚類算法(OPTICS)，實(shí)現(xiàn)了對(duì)石油鋼管中任意大小形狀焊縫缺陷的準(zhǔn)確分割。文獻(xiàn)[3]利用高斯混合模型構(gòu)建背景圖像，提出一種改進(jìn)的背景差分法，提取薄壁金屬罐焊縫目標(biāo)區(qū)域。文獻(xiàn)[4]對(duì)于高反射類金屬零部件，將最大類間方差法和形態(tài)學(xué)圖像分割法結(jié)合，排除高光影響，完成了圖像分割。文獻(xiàn)[5]通過利用自適應(yīng)改變鄰域灰度差分割中的閾值與步長對(duì)圖像進(jìn)行分割；能準(zhǔn)確分割金屬表面缺陷，但實(shí)時(shí)性還需要提高。文獻(xiàn)[6]提出一種新的改進(jìn)的OTSU算法(最大類間方差法)應(yīng)用于焊接圖像分割，在同時(shí)考慮類內(nèi)、類間方差信息對(duì)圖像分割效果影響的基礎(chǔ)上，使用方差信息代替原均值信息，提高了焊接圖像分割質(zhì)量和算法運(yùn)行速度。文獻(xiàn)[7]針對(duì)射線焊接圖像低對(duì)比度、噪聲干擾的特性，通過分析焊接圖像列灰度信息并運(yùn)用閾值方法提取焊道，并采用多尺度多結(jié)構(gòu)灰度形態(tài)學(xué)方法提取目標(biāo)邊緣，連續(xù)性和完整性較好。文獻(xiàn)[8]利用灰度形態(tài)學(xué)重建將目標(biāo)(補(bǔ)償鏈)與現(xiàn)場光源等高亮目標(biāo)作為整體從背景中提取出來，再利用條帶區(qū)域特征將目標(biāo)成功分割，該方法保證了提取目標(biāo)的完整性，為工業(yè)復(fù)雜現(xiàn)場的目標(biāo)提取提供了可行思路。

雖然焊接圖像的研究近年來取得了一定成果，但軟包動(dòng)力電池極耳焊縫方面的研究還比較少?；叶刃螒B(tài)學(xué)的相關(guān)運(yùn)算在圖像處理中得到良好運(yùn)用，尤其形態(tài)學(xué)重建運(yùn)算對(duì)于保障目標(biāo)結(jié)構(gòu)的完整性方面效果顯著，例如文獻(xiàn)[9-12]；關(guān)于焊縫圖像分割，閾值分割方法因其運(yùn)算簡單、易于實(shí)現(xiàn)得到廣泛應(yīng)用，其中具有代表性的就是OTSU閾值分割方法。

結(jié)合極耳焊縫圖像特點(diǎn)，本文提出一種基于形態(tài)學(xué)混合開閉重建與OTSU的極耳焊縫圖像分割方法，在文獻(xiàn)[13]的多尺度形態(tài)學(xué)頂、底帽聯(lián)合變換基礎(chǔ)上，通過改變多尺度結(jié)構(gòu)元素，進(jìn)行形態(tài)學(xué)混合開閉重建，保持焊縫信息完整性的同時(shí)屏蔽細(xì)節(jié)干擾，提高焊縫對(duì)比度，并結(jié)合OTSU閾值分割算法將焊縫準(zhǔn)確快速分割。

1 極耳焊縫圖像分割

軟包動(dòng)力電池極耳焊縫圖像具有高反光、低對(duì)比度的特點(diǎn)。在工藝生產(chǎn)過程中還會(huì)出現(xiàn)噪聲、劃痕陰影等影響。因此需要對(duì)其進(jìn)行分步處理，最終實(shí)現(xiàn)準(zhǔn)確分割的目的。整體分割步驟如下：

(1)讀取原圖像，通過提取G分量進(jìn)行灰度化，得到灰度圖像；

(2)采用中值濾波，保留邊緣的同時(shí)去除椒鹽噪聲；

(3)根據(jù)焊縫結(jié)構(gòu)特點(diǎn)，設(shè)定結(jié)構(gòu)元素，進(jìn)行多尺度細(xì)節(jié)提升；

(4)進(jìn)行形態(tài)學(xué)混合開閉重建，進(jìn)一步平滑圖像，屏蔽干擾信息，保證焊縫完整性同時(shí)進(jìn)一步提高焊縫目標(biāo)與背景的對(duì)比度；

(5)最后，采用OTSU閾值分割方法，提取焊縫目標(biāo)。

1.1 多尺度形態(tài)學(xué)變換

數(shù)學(xué)形態(tài)學(xué)運(yùn)算因其具有快速、實(shí)時(shí)、易于實(shí)現(xiàn)等優(yōu)點(diǎn)，已經(jīng)成為圖像處理領(lǐng)域中的重要工具。形態(tài)學(xué)中開運(yùn)算能夠消除比結(jié)構(gòu)元素小的亮細(xì)節(jié)特征，閉運(yùn)算能夠消除圖像中比結(jié)構(gòu)元素小的暗細(xì)節(jié)特征。而頂帽變換(top-hat)則用開運(yùn)算對(duì)樣本進(jìn)行處理，底帽變換(bottom-hat)則用閉運(yùn)算對(duì)樣本進(jìn)行處理[14]。其中開、閉運(yùn)算分別定義為：

設(shè)f0為輸入圖像，B為結(jié)構(gòu)元素，則B對(duì)輸入圖像f0的開、閉運(yùn)算定義如下：

fopen=f0°B

(1)

fclose=f0·B

(2)

則形態(tài)學(xué)頂帽變換、底帽變換分別定義為：

ftop-hat=f0-f0°B

(3)

fbottom-hat=f0·B-f0

(4)

為了避免不必要的細(xì)節(jié)增強(qiáng)以及改善傳統(tǒng)細(xì)節(jié)提升的冗余性，提高算法的靈活性，本步驟采用文獻(xiàn)[13]多尺度變換增強(qiáng)的思想，進(jìn)行細(xì)節(jié)提升。并根據(jù)本文極耳焊縫的結(jié)構(gòu)特點(diǎn)，重新定義多尺度結(jié)構(gòu)元素，采用垂直方向，大小分別為3,5,7的線性結(jié)構(gòu)元素。如下所示：

多尺度變換增強(qiáng)的基本思想如下：

(5)

其中f0為輸入圖像；ω是根據(jù)具體情況自由設(shè)定的常數(shù)；Dopi，Dcli表示需要提取的各個(gè)尺度下的有價(jià)值的亮、暗細(xì)節(jié)特征，表示如下：

i=2,…,n

(6)

i=2,…,n

(7)

其中λi是根據(jù)圖像邊緣梯度信息所構(gòu)造的控制因子，定義如下所示：

(8)

1.2 形態(tài)學(xué)混合開閉重建

經(jīng)過多尺度細(xì)節(jié)提升之后，焊縫本身細(xì)節(jié)信息雖然被提升，但部分劃痕同時(shí)也被增強(qiáng)，一些團(tuán)塊陰影仍存在，因此還需要進(jìn)一步進(jìn)行圖像平滑處理，剔除劃痕及陰影。傳統(tǒng)的形態(tài)學(xué)開、閉運(yùn)算只能去除部分高灰度和低灰度的細(xì)節(jié)信息，且由于開運(yùn)算的反擴(kuò)展性和閉運(yùn)算的擴(kuò)展性使得開閉(OC)濾波器的輸出幅度偏小、而閉開(CO)濾波器的輸出幅度偏大[15]。單一的開、閉重建運(yùn)算，只能消除圖像目標(biāo)上方(或下方)的細(xì)節(jié)和噪聲，處理后的圖像也總位于原圖像的下方或者上方，導(dǎo)致目標(biāo)位置發(fā)生偏移[10]。所以，在實(shí)際應(yīng)用中要將它們以組合的方式運(yùn)用，以達(dá)到良好的效果。綜上，本文提出形態(tài)學(xué)開閉混合重建方法，去除劃痕、陰影等干擾的同時(shí)，提高焊縫輪廓定位能力，利于繼續(xù)分割。

其中

(9)

形態(tài)學(xué)測地腐蝕為測地膨脹運(yùn)算的相應(yīng)補(bǔ)集的對(duì)偶變換，定義為：

其中

(10)

式中∧表示點(diǎn)方式的極小算子，∨表示點(diǎn)方式的極大算子，b表示結(jié)構(gòu)元素，根據(jù)極耳焊縫的形狀結(jié)構(gòu)特征，本文選取線性垂直結(jié)構(gòu)。⊕表示形態(tài)學(xué)膨脹運(yùn)算，Θ表示形態(tài)學(xué)腐蝕運(yùn)算。測地膨脹與測地腐蝕均為迭代運(yùn)算，當(dāng)?shù)螖?shù)達(dá)到預(yù)設(shè)值或Di+1=Di，Ei+1=Ei時(shí)，迭代終止。

因?yàn)闇y地膨脹、測地腐蝕分別采用逐點(diǎn)極小、逐點(diǎn)極大運(yùn)算，使得測地膨脹保留了標(biāo)記圖像中小于等于模板圖像的部分；同理，測地腐蝕保留了標(biāo)記圖像中大于等于模板圖像的部分。實(shí)際中，測地膨脹小于等于相應(yīng)條件的膨脹，測地腐蝕大于等于同等條件的腐蝕，所以保證了良好的尺度性，從而確保了開閉重建運(yùn)算對(duì)極耳焊縫的準(zhǔn)確定位。

基于以上測地膨脹和測地腐蝕的定義，形態(tài)學(xué)開重建與閉重建定義如下：

(11)

基于以上運(yùn)算，將開重建與閉運(yùn)算組合，達(dá)到同時(shí)消除陰影及劃痕干擾的目的。采用重建的均值也更能接近原始結(jié)果[15]。故提出形態(tài)學(xué)混合開閉重建的均值運(yùn)算，定義為開閉與閉開重建的均值：

(12)

在重建過程中以1.1節(jié)多尺度形態(tài)學(xué)焊縫細(xì)節(jié)提升后的圖像作為模板圖像，以普通形態(tài)學(xué)處理后的圖像作為標(biāo)記圖像。由于模板圖像的存在，它總是對(duì)標(biāo)記圖像起到限制膨脹或限制收縮的作用，且開(閉)重建運(yùn)算和相應(yīng)的形態(tài)學(xué)開(閉)運(yùn)算滿足如下關(guān)系：

(13)

故開閉重建運(yùn)算滿足良好的尺度性，保證輪廓不發(fā)生偏移，提高定位能力，進(jìn)一步保障準(zhǔn)確分割。

1.3 OTSU閾值分割

OTSU閾值法也稱大津法(最大類間法)，是由日本學(xué)者OTSU于1979年提出。其基本思想：將圖像分為前景與背景兩大類，通過全局搜索計(jì)算兩部分的方差值，使得兩類間方差值最大的灰度值作為最佳分割閾值。

(14)

那么代表C1，C2類的均值分別為：

(15)

整體均值為：

(16)

綜上可知，類間方差δ2可以定義為：

δ2=P1(m1-mG)2+P2(m2-mG)2

(17)

化簡后表示為：

δ2=P1P2(m1-m2)2

(18)

選取使δ2最大的閾值k作為最佳閾值，以此來進(jìn)行圖像分割。由上述可知：

k*=argmaxδ2

(19)

因其具有操作簡單，易于實(shí)現(xiàn)的特點(diǎn)，故在重建后圖像基礎(chǔ)上采用此方法進(jìn)行二值化操作，有效分割出焊縫目標(biāo)。

2 實(shí)驗(yàn)結(jié)果與分析

為了驗(yàn)證本算法在軟包電池極耳焊縫圖像分割中的有效性，算法在相同的實(shí)驗(yàn)條件下進(jìn)行：Windows10系統(tǒng)，3.20 GHz處理器，8 GB內(nèi)存；在MATLAB2018a編程環(huán)境下進(jìn)行實(shí)驗(yàn)。分別采用普通形態(tài)學(xué)，文獻(xiàn)[16]的方法,直方圖均衡化方法及本文方法進(jìn)行對(duì)比度提升實(shí)驗(yàn)，最后均采用OTSU方法進(jìn)行焊縫分割。此外，在本文重建方法的基礎(chǔ)上，選取了Adaptive-threshold方法，粒子群優(yōu)化方法(particle swarm optimization，PSO)進(jìn)行分割實(shí)驗(yàn)，并與OTSU方法進(jìn)行分割方法的對(duì)比。

2.1 對(duì)比度提升實(shí)驗(yàn)結(jié)果與分析

從實(shí)驗(yàn)結(jié)果圖1、圖2可以直觀看出，由于銅焊縫與鋁焊縫的本質(zhì)屬性不同，對(duì)實(shí)驗(yàn)結(jié)果也略有不同。從二者實(shí)驗(yàn)整體效果來看，普通形態(tài)學(xué)能平滑劃痕等細(xì)節(jié)干擾，但銅、鋁焊縫與背景的對(duì)比度增強(qiáng)不明顯；文獻(xiàn)[16]的方法對(duì)銅焊縫本身細(xì)節(jié)信息有所提升，但同樣劃痕、陰影干擾也被提升，不利于焊縫提??；對(duì)鋁焊縫提升效果不明顯。直方圖均衡化方法則都造成局部過亮或過暗現(xiàn)象，雖然焊縫本身對(duì)比度明顯提高，尤其對(duì)于銅焊縫本身提升效果明顯，但都使得圖像質(zhì)量較差，不利于繼續(xù)分割提取。通過對(duì)比則可以看出，本文方法能平滑細(xì)節(jié)干擾，消除陰影的同時(shí)，提高焊縫目標(biāo)與背景的對(duì)比度，有利于分割。

2.2 分割實(shí)驗(yàn)結(jié)果與分析

為了進(jìn)一步證明本文對(duì)比度提升效果的有效性，分別在上述普通形態(tài)學(xué)方法、文獻(xiàn)[16]方法、直方圖均衡化方法及本文方法的基礎(chǔ)上采用OTSU閾值分割方法進(jìn)行分割。實(shí)驗(yàn)結(jié)果如圖3、圖4所示。實(shí)驗(yàn)結(jié)果表明：本文重建方法對(duì)比度提升效果顯著，能使焊縫有效分割出來，剔除了其他干擾信息；其他方法則不能將焊縫目標(biāo)與背景分離，仍存在干擾，不利于后續(xù)的缺陷檢測。

此外，在本文重建方法的基礎(chǔ)上，采用Adaptive-threshold方法，粒子群優(yōu)化方法(PSO)與本文OTSU方法進(jìn)行分割方法的對(duì)比。從分割效果來看，三種分割方法都能將焊縫完整分割，效果幾乎相同，這一結(jié)果也從側(cè)面反應(yīng)出本文對(duì)比度提升效果較好，重建方法可行；從時(shí)間上來看，OTSU閾值分割方法耗時(shí)更短。又Adaptive-threshold方法本身涉及濾波窗口大小的選取；粒子群算法涉及慣性權(quán)重的選擇；相比之下，OTSU閾值分割方法更穩(wěn)定，持續(xù)。因此本文選擇了OTSU方法進(jìn)行分割。

圖1 銅焊縫對(duì)比度提升Fig.1 Copper weld contrast boost

圖2 鋁焊縫對(duì)比度提升Fig.2 Aluminum weld contrast boost

圖3 銅焊縫分割結(jié)果Fig.3 Copper weld segmentation result

圖4 鋁焊縫分割結(jié)果Fig.4 Aluminum weld segmentation result

圖5 分割方法對(duì)比Fig.5 Comparison of segmentation methods

表1 分割方法對(duì)比分析結(jié)果Tab.1 Comparsion analysis results of segmentation methods

3 結(jié)論

針對(duì)軟包動(dòng)力電池極耳焊縫對(duì)比度低、噪聲高，存在陰影、劃痕等干擾的問題，本文提出基于形態(tài)學(xué)混合開閉重建與OTSU的極耳焊縫圖像分割方法。重建后的圖像不僅剔除了干擾信息，使得背景均勻，提高了焊縫目標(biāo)與背景的對(duì)比度；而且保留了焊縫輪廓信息的完整性，符合尺度要求，達(dá)到準(zhǔn)確定位的目的。對(duì)重建后的圖像采用OTSU閾值分割方法快速實(shí)現(xiàn)二值化，能準(zhǔn)確分割出焊縫。實(shí)驗(yàn)驗(yàn)證了方法的有效性，為軟包動(dòng)力電池極耳焊縫分割提供了一種可行思路。