基于局部處理的X射線圖像裂紋缺陷自動(dòng)檢測

婁聯(lián)堂，何慧玲，石勝平

(1 中南民族大學(xué) 數(shù)學(xué)與統(tǒng)計(jì)學(xué)學(xué)院，武漢 430074；2 中國中車集團(tuán)長江車輛有限公司 工藝研究所，武漢 430212)

無損檢測中的自動(dòng)缺陷檢測，是目前國內(nèi)外研究的熱點(diǎn). 利用數(shù)字圖像處理與分析技術(shù)進(jìn)行工業(yè)產(chǎn)品缺陷的自動(dòng)無損檢測是一種常用方法，然而X射線圖像缺陷檢測是非常復(fù)雜的，最困難的是在對比度差的圖像中發(fā)現(xiàn)小的、不規(guī)則的缺陷，用一般的直方圖均衡化和閾值分割無法將目標(biāo)缺陷很好地分割出來. 由于缺陷的復(fù)雜性和多樣性，自動(dòng)缺陷檢測算法的可靠性和靈活性對自動(dòng)焊縫缺陷檢測系統(tǒng)至關(guān)重要. YIN等人[1]提出了一種前饋反向傳播神經(jīng)網(wǎng)絡(luò)在無損檢測中的應(yīng)用，定義并選擇了7類幾何特征來表征不同類型的焊接缺陷，實(shí)驗(yàn)結(jié)果表明機(jī)器學(xué)習(xí)確實(shí)是一種較好的方法，但此方法需要大量的樣本，因?yàn)闄C(jī)器學(xué)習(xí)分類的準(zhǔn)確性主要依賴于樣本學(xué)習(xí)，各種可能性都需要考慮到，而一般在工業(yè)中，出現(xiàn)缺陷的可能性較小，樣本較少，這時(shí)無法利用機(jī)器學(xué)習(xí)來進(jìn)行缺陷檢測. THIRUGANAM等人[2]提出了一種結(jié)合全局和局部閾值技術(shù)的射線焊接圖像分割方法. NACEREDDINE等人[3]提出了一種基于圖像中每個(gè)像素鄰域像素灰度統(tǒng)計(jì)特性的對比度增強(qiáng)方法. 上述兩種方法都可以檢測出較明顯的缺陷，但對細(xì)小裂紋這類缺陷的檢測上存在局限性.

本文將研究X射線圖像中的裂紋缺陷自動(dòng)檢測問題，將焊接圖像中的裂紋缺陷作為研究對象，在已有文獻(xiàn)的基礎(chǔ)上做了改進(jìn)，提出了一種基于局部方差和局部直方圖增強(qiáng)技術(shù)的缺陷檢測方法，對焊接結(jié)構(gòu)進(jìn)行檢查，以確保焊接質(zhì)量符合設(shè)計(jì)要求、安全可靠.

1 預(yù)處理

在處理和分析X射線圖像時(shí)，很難發(fā)現(xiàn)小缺陷的存在，也很難準(zhǔn)確地確定其尺寸，通常需要從預(yù)處理階段開始. 圖像預(yù)處理的首要任務(wù)是選擇感興趣的區(qū)域，就是在懷疑有缺陷的地方，對圖像的某些部分進(jìn)行定格[3]. 感興趣區(qū)域是圖像的縮小區(qū)域，選擇感興趣區(qū)域可以省去操作員對圖像無用部分的處理，從而縮短計(jì)算時(shí)間.

在X射線圖像中，焊縫所在區(qū)域只是整幅圖像的一部分，而裂紋缺陷又總是位于焊縫內(nèi)局部區(qū)域中. 通常，在規(guī)范的X射線圖像中焊縫區(qū)域一般位于圖像中間部分，而編號等文字信息位于圖像偏上或偏下的區(qū)域中，而且焊縫區(qū)域的圖像紋理特征與其他區(qū)域存在較明顯差異，如圖1(a)所示. 將檢測圖像的上述幾何和代數(shù)特征作為先驗(yàn)知識加以利用，就可以確定焊縫區(qū)域，即圖像感興趣區(qū)域[4]，如圖1(b)所示.

在這里，對原始圖像(a)進(jìn)行預(yù)處理，提取感興趣部分，相當(dāng)于將含有缺陷的部分圖像進(jìn)行放大，并去除無關(guān)部分，有利于計(jì)算機(jī)更快、更準(zhǔn)確地檢測出缺陷. 為方便，下文提到的原圖都指圖1(b).

圖1 對原始圖像進(jìn)行預(yù)處理Fig.1 Preprocessing the original image

2 基于局部方差和直方圖均衡化處理的圖像分割方法

對比度增強(qiáng)是將圖像中的亮度值范圍拉伸或壓縮成顯示系統(tǒng)指定的亮度顯示范圍，從而提高圖像全部或局部的對比度，改善圖像的視覺效果，將圖像轉(zhuǎn)換成一種更適合人或計(jì)算機(jī)進(jìn)行分析處理的形式，突出某些對人或計(jì)算機(jī)分析有意義的信息，提高圖像的使用價(jià)值. 對比度不足會(huì)使圖像中的細(xì)節(jié)分辨不清，計(jì)算機(jī)檢測起來較困難. 如圖2所示，直接對原圖進(jìn)行分割，導(dǎo)致裂紋缺陷丟失，后期將無法檢測.

圖2 利用Otsu方法對原圖二值化處理后的圖像Fig.2 Image after binary processing of original image by Otsu method

文獻(xiàn)[3]提出了一種基于局部方差增強(qiáng)圖像的方法，實(shí)驗(yàn)結(jié)果見圖3(a). 文獻(xiàn)[5]提出了一種基于局部直方圖增強(qiáng)圖像的方法，實(shí)驗(yàn)結(jié)果見圖3(c). 這兩種方法在增強(qiáng)效果上還存在局限性和不足.

本文在文獻(xiàn)[3]和文獻(xiàn)[5]的基礎(chǔ)上，提出了一種基于局部方差和局部直方圖均衡化增強(qiáng)圖像的方法，對圖像進(jìn)行灰度放大，增強(qiáng)亮度的同時(shí)拉伸對比度，從而達(dá)到改善圖像的視覺效果、清晰顯示局部細(xì)節(jié)的目的.

圖像增強(qiáng)步驟如下：

(1)計(jì)算原圖像f(x,y)的全局均值mG和方差σG；

(2)選取大小合適的局部區(qū)域Sxy(如八鄰域)，計(jì)算局部均值mSxy和方差σSxy；

(3)對圖像進(jìn)行灰度增強(qiáng)，處理后的圖像為：

(1)

(4)對(3)中處理后的圖像采用局部直方圖均衡化增強(qiáng)對比度.

a)確定模板大小，并對圖像進(jìn)行擴(kuò)展；

b)從圖像的第一個(gè)像素開始與模板點(diǎn)乘，將點(diǎn)乘后的局部區(qū)域進(jìn)行直方圖均衡化；

c)將均衡化后中心點(diǎn)的像素值賦給原圖對應(yīng)點(diǎn)的元素，未被賦值的元素取原值，重復(fù)此過程，直至處理完整幅圖像.

為了驗(yàn)證基于局部方差和局部直方圖均衡化增強(qiáng)圖像對比度方法的可行性和有效性，本文進(jìn)行了多組對比實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果見圖3.

注：其中第一行中對局部方差增強(qiáng)的圖像去噪后利用局部閾值法進(jìn)行處理后，圖像呈全白，未在結(jié)果中給出圖3 實(shí)驗(yàn)對比圖像Fig.3 Contrast image of experiments

圖3(a)、(c)分別是基于局部方差、局部直方圖增強(qiáng)后得到的圖像，圖3(f)是采用本文提出的基于局部方差和局部直方圖增強(qiáng)后得到的圖像，其中選取Sxy大小為3×3的局部區(qū)域，在式(1)中取k=0.8；取像素值為1大小為35×35的模板. 比較原圖與圖3(a)、(c)、(f)，可以看出圖3(a)采用局部方差增強(qiáng)后的圖像與原圖無明顯區(qū)別；圖3(c)采用局部直方圖均衡化增強(qiáng)后的圖像，對比度增強(qiáng)了；而圖3(f)采用本文提出方法增強(qiáng)后的圖像與圖3(c)相比，暗區(qū)的對比度更高. 由于在圖像獲取和處理的過程中會(huì)存在許多噪聲，因此，本文采用文獻(xiàn)[6]中的方法，用中值濾波去噪，以保持圖像質(zhì)量，避免噪聲對圖像處理產(chǎn)生干擾，影響實(shí)驗(yàn)結(jié)果的有效性. 圖3(b)、(d)、(g)是圖3(a)、(c)、(f)去噪后利用Otsu方法二值化處理后得到的圖像；圖3(e)、(h)是圖3(c)、(f)去噪后利用文獻(xiàn)[7]中的局部閾值法二值化處理后得到的圖像. 比較圖2與圖3(b)、(d)、(g)，可以看出圖3(b)采用局部方差增強(qiáng)圖像后的分割效果與原圖分割效果無區(qū)別，裂紋缺失；圖3(d)采用局部直方圖均衡化增強(qiáng)圖像后，分割效果不佳，裂紋大部分缺失；圖3(g)采用本文提出的方法增強(qiáng)圖像后，將裂紋分割出來了. 此外，對比圖3(d)、(g)與圖3(e)、(h)，明顯前一組的處理效果要優(yōu)于后一組，這是因?yàn)楫?dāng)該圖像由暗色背景上的較亮物體組成，即當(dāng)物體和背景像素的灰度十分明顯時(shí)，可以用適用于整個(gè)圖像的單個(gè)(全局)閾值，也就是此時(shí)Otsu方法優(yōu)于局部閾值法，可以將缺陷很好地分割出來. 這也進(jìn)一步說明了采用基于局部方差和局部直方圖均衡化后，圖像的對比度明顯增強(qiáng)了. 因此，本文提出的基于局部方差和局部直方圖均衡化算法，有效地增強(qiáng)了圖像的對比度，使細(xì)節(jié)更清晰.

3 裂紋缺陷檢測

通過以上分析，我們選取圖3(g)二值化圖像進(jìn)行裂紋檢測，可看出圖中存在一些小的殘留點(diǎn)和小孔，為去掉這些小的殘留點(diǎn)和小孔，節(jié)省檢測時(shí)間，并使檢測到的結(jié)果更精確地代表裂紋缺陷，可利用形態(tài)學(xué)方法[8]對圖像進(jìn)行處理. 其中形態(tài)學(xué)腐蝕方法可以有效地去除圖像中一些較小部分，填充狹窄的間隔并消除不相關(guān)，同時(shí)保持圖像的基本形狀特征與連通性，使邊界更平滑.

二值圖像分析最重要的方法就是連通區(qū)域標(biāo)記，它通過對二值圖像中白色像素(目標(biāo))的標(biāo)記，讓每個(gè)單獨(dú)的連通區(qū)域形成一個(gè)被標(biāo)識的塊，進(jìn)一步就可以獲取這些塊的輪廓、外接矩形、質(zhì)心、不變矩等幾何參數(shù). 本文利用八鄰域區(qū)域連通標(biāo)記算法對圖4(a)中的區(qū)域進(jìn)行標(biāo)記，它一次遍歷圖像，并記下每一行(或列)中連續(xù)的團(tuán)和標(biāo)記的等價(jià)對，然后通過等價(jià)對對原來的圖像重新進(jìn)行標(biāo)記. 實(shí)驗(yàn)結(jié)果見圖4(b)與圖4(c)，得到兩個(gè)連通區(qū)域.

圖4 形態(tài)學(xué)處理與連通區(qū)域標(biāo)記Fig.4 Morphological processing and connected region marking

根據(jù)缺陷特征分析，很容易檢測出圖4(c)為裂紋缺陷.

綜上，本文X射線圖像裂紋檢測方法的步驟如下：

(1)在X射線圖像中提取可能存在缺陷的感興趣區(qū)域；

(2)基于局部方差和局部直方圖均衡化進(jìn)行對比度增強(qiáng)，再用中值濾波去噪；

(3)采用Otsu方法進(jìn)行閾值化處理；

(4)利用形態(tài)學(xué)腐蝕處理，消除裂紋與邊緣之間的細(xì)小連通及其他小孔；

(5)標(biāo)記連通區(qū)域；

(6)根據(jù)裂紋的幾何特征對所有提取到的連通區(qū)域進(jìn)行分析，將裂紋缺陷檢測出來.

4 結(jié)論

由上述各組實(shí)驗(yàn)對比可知，僅用局部方差或局部直方圖均衡化增強(qiáng)圖像，都不能將裂紋缺陷準(zhǔn)確地分割出來，使后期檢測較困難. 而本文采用的方法達(dá)到了較好的圖像增強(qiáng)效果，分割出了裂紋缺陷，最終準(zhǔn)確地檢測出裂紋缺陷，因此本文方法優(yōu)于僅用局部方差或局部直方圖均衡化方法. 本文主要針對的是細(xì)微裂紋缺陷檢測問題，由于裂紋缺陷特征基本相同，只是位置可能不同，文中算法需要用到的參數(shù)較少，無須進(jìn)行太多調(diào)整；同時(shí)本文的裂紋與焊縫的邊界相當(dāng)近(僅相差一個(gè)像素)，利用本文提出的方法能正確檢測出裂紋缺陷，對于其他不同位置的裂紋缺陷也應(yīng)該能檢測到，因此本文提出的方法對于細(xì)微裂紋缺陷檢測具有一定的適應(yīng)性.