基于matlab的螺紋鋼損傷圖像識(shí)別技術(shù)

(山東建筑大學(xué) 山東 濟(jì)南 250100)

螺紋鋼作為現(xiàn)代化生產(chǎn)中重要的工業(yè)材料，在建筑、機(jī)械、交通、運(yùn)輸?shù)刃袠I(yè)都有著廣泛的應(yīng)用。其表面特征如果不能達(dá)到國(guó)家標(biāo)準(zhǔn)的要求，將被視為缺陷，其產(chǎn)品肯定就是不合格的。隨著市場(chǎng)對(duì)螺紋鋼表面的質(zhì)量要求越來(lái)越高，傳統(tǒng)的人工離線測(cè)量的方法已經(jīng)不能夠滿足現(xiàn)代化生產(chǎn)線的要求，因此，各種非接觸的、無(wú)損傷的檢測(cè)方法得到了越來(lái)越多的開發(fā)和利用[1]。目前，廣泛使用的表面缺陷檢測(cè)技術(shù)有渦流、超聲波、漏磁和磁粉等檢測(cè)方法[2]。

一、圖像預(yù)處理

(一)圖像灰度化處理

如果對(duì)源色彩圖像進(jìn)行數(shù)字處理，其運(yùn)算量較大，且不利于研究后續(xù)處理。所以我們先將源色彩圖像轉(zhuǎn)化為灰度圖像，然后通過 MATLAB 讀入圖像并對(duì)源圖像進(jìn)行調(diào)整。

(二)圖像濾波處理

很多數(shù)字信號(hào)處理方法是需要建立在傅里葉變換的基礎(chǔ)上實(shí)現(xiàn)的，而傅里葉變換具有一定的局限性。信號(hào)在進(jìn)行傅里葉變換后，變換后的信號(hào)將不能再提供任何時(shí)域信息，使得信號(hào)在頻率變化下出現(xiàn)失真[4]。這對(duì)于一些非平穩(wěn)含有突變的系統(tǒng)，采用傅里葉變化所得到的結(jié)果是不可靠的。要解決之類問題可以使用小波變換。隨著系統(tǒng)頻率變化，小波變換可以提供對(duì)應(yīng)變化的窗口，通過伸縮平移運(yùn)算對(duì)系統(tǒng)信號(hào)逐步進(jìn)行多尺度細(xì)化，從而能有效地提取信息。通過各種濾波對(duì)比，最終選用自適應(yīng)濾波。

MATLAB中利用wiener2函數(shù)可以實(shí)現(xiàn)對(duì)圖像噪聲的自適應(yīng)濾除[3],wiener2函數(shù)根據(jù)圖像的局部方差來(lái)調(diào)整濾波器的輸出。當(dāng)局部方差大時(shí),濾波器的平滑效果較弱,濾波器的平滑效果強(qiáng),wiener2函數(shù)采用的算法是首先估計(jì)出像素的局部矩陣和方差

(1)

(2)

其中y是圖像中每個(gè)像素的MXN的鄰域。然后,對(duì)每一個(gè)像素利用wiener2濾波器估計(jì)出其灰度值

(3)

使用wiener2函數(shù)進(jìn)行濾波會(huì)產(chǎn)生比線性濾波更好的效果,因?yàn)樽赃m應(yīng)濾波器保留了圖像的邊界和圖像的高頻成分,但花時(shí)間更多。函數(shù)的調(diào)用格式為:

J=wiener2(I,[m n],noise),使用自適應(yīng)濾波對(duì)圖像1進(jìn)行濾降噪處理。參數(shù)為m與n為標(biāo)量，指定m*n鄰域來(lái)估計(jì)圖像均值與方差，默認(rèn)區(qū)域大小為3*3.參數(shù)noise為矩陣，表示指定噪聲。

[J,noise]=wiener2(I,[m n]),使用自適應(yīng)濾波對(duì)圖像1進(jìn)行降噪處理，并返回函數(shù)的估計(jì)噪聲noise。處理后的圖像如圖所示:

圖1 自適應(yīng)濾波圖像

(三)圖像邊界銳化

圖像銳化是補(bǔ)償圖像的輪廓，增強(qiáng)圖像的邊緣及灰度跳變的部分，使圖像變得清晰，分為空域處理和頻域處理兩類。圖像銳化是為了突出圖像上地物的邊緣、輪廓，或某些線性目標(biāo)要素的特征。這種濾波方法提高了地物邊緣與周圍像元之間的反差，因此也被稱為邊緣增強(qiáng)[4]。此處采用log算子高斯算法和拉普拉斯算法相結(jié)合的算子，是集合平滑和邊沿于一身的算子模型。Laplace算子對(duì)通過圖像進(jìn)行操作實(shí)現(xiàn)邊緣檢測(cè)的時(shí)，對(duì)離散點(diǎn)和噪聲比較敏感。于是，首先對(duì)圖像進(jìn)行高斯暖卷積濾波進(jìn)行降噪處理，再采用Laplace算子進(jìn)行邊緣檢測(cè)，就可以提高算子對(duì)噪聲和離散點(diǎn)的Robust，應(yīng)用histep函數(shù)對(duì)圖像直方圖均衡化處理。

二、圖像二值化

圖像二值化( Image Binarization)就是將圖像上的像素點(diǎn)的灰度值設(shè)置為0或255，也就是將整個(gè)圖像呈現(xiàn)出明顯的黑白效果的過程。在數(shù)字圖像處理中，二值圖像占有非常重要的地位，圖像的二值化使圖像中數(shù)據(jù)量大為減少，從而能凸顯出目標(biāo)的輪廓。

(一)二值化圖像處理

使用開運(yùn)算對(duì)二值化圖像進(jìn)行處理，以去除圖像中的細(xì)小空洞，經(jīng)過開運(yùn)算后的圖像中依然存在一些噪聲干擾。圖像區(qū)域連通處理可以進(jìn)一步去除面積較小的連通域，從而去除圖像上的噪聲干擾，使所需要的目標(biāo)更加清晰。

(二)邊緣提取及傷痕檢測(cè)

對(duì)處理后的二值圖，運(yùn)用bwperim函數(shù)對(duì)二值圖像進(jìn)行邊緣輪廓提取，提取程序選用8鄰域掃描，邊緣提取后的效果圖如圖2所示。通過圖2，我們可以清楚的看到中心周線左端有嚴(yán)重缺陷，由此可見，初步實(shí)現(xiàn)損傷位置的檢測(cè)。

圖2

三、總結(jié)

本文雖然解決了一些基本方面的問題，但是螺紋鋼表面缺陷檢測(cè)系統(tǒng)是一個(gè)很復(fù)雜的系統(tǒng)，雖然針對(duì)尺寸缺陷這一塊提出了自己的想法，但是離實(shí)時(shí)在線檢測(cè)還有很長(zhǎng)的距離，還是有很多問題需要解決，其中主要是包括如何將理論研究算法和實(shí)際的算法操作相結(jié)合。