基于自適應(yīng)雙邊濾波的V型焊縫特征提取研究

張 帥 楊龍興 丁 力

(江蘇理工學(xué)院機(jī)械工程學(xué)院，江蘇 常州 213001)

焊接工藝在生產(chǎn)制造業(yè)中起著至關(guān)重要的作用，它己經(jīng)滲透到了各個(gè)領(lǐng)域的加工環(huán)節(jié)中，與此同時(shí)，自動(dòng)化焊接技術(shù)也愈發(fā)成熟并已在諸多行業(yè)得到了廣泛的應(yīng)用，例如車輛、飛機(jī)等大型的加工制造產(chǎn)業(yè)[1]。要想實(shí)現(xiàn)自動(dòng)焊接的高精準(zhǔn)性，焊縫的特征提取是至關(guān)重要的一步，如焊縫的寬度、深度、中心線以及角點(diǎn)位置，特別是角點(diǎn)能夠反映出豐富的焊縫信息[2]，對(duì)于V型焊縫而言，特征角點(diǎn)便顯得格外重要。只有在焊接的過(guò)程中獲取到了足夠精確的焊縫特征信息，才能規(guī)劃出準(zhǔn)確的自動(dòng)焊接路徑。

文獻(xiàn)[3]提出了一種改進(jìn)的最小二乘法，采取引入相關(guān)變量對(duì)待擬合點(diǎn)進(jìn)行篩選，去除偏離嚴(yán)重的點(diǎn)，通過(guò)多次篩選擬合進(jìn)而得出最優(yōu)的焊縫中心線。文獻(xiàn)[4]提出了一種基于直線擬合的斜率分析法，對(duì)多個(gè)連續(xù)的光點(diǎn)進(jìn)行直線擬合計(jì)算出斜率值，通過(guò)分析斜率變化情況實(shí)現(xiàn)了對(duì)于線結(jié)構(gòu)光焊縫特征的有效提取。文獻(xiàn)[5]提出了一種改進(jìn)的快速中值濾波算法，改變了中值濾波傳統(tǒng)濾波窗口單行排序的方式，采取濾波窗口沿著x軸方向，y軸方向和y=-x方向多方向同時(shí)排序的方式，大大地縮短了程序運(yùn)行的時(shí)間。

上述方法在圖像預(yù)處理過(guò)程中大都采取中值濾波對(duì)圖像進(jìn)行去噪處理，中值濾波能夠有效的去除圖像中的椒鹽噪聲和斑塊噪聲，但中值濾波會(huì)對(duì)激光條紋的邊界部分造成一定模糊，因此提出在圖像預(yù)處理中使用自適應(yīng)雙邊濾波對(duì)圖像進(jìn)行去噪處理。

雙邊濾波算法是一種非線性濾波方法，擁有良好的去噪效果，且在去噪的同時(shí)，也能夠較好地保持住原圖像的邊緣特征。文獻(xiàn)[6]和文獻(xiàn)[7]對(duì)傳統(tǒng)的雙邊濾波算法進(jìn)行改進(jìn)，實(shí)現(xiàn)其濾波算法中圖像空間標(biāo)準(zhǔn)差和灰度標(biāo)準(zhǔn)差的自適應(yīng)調(diào)整，省去了原本需要根據(jù)圖像具體情況進(jìn)行手動(dòng)調(diào)參的步驟。為了實(shí)現(xiàn)V型焊縫圖像邊緣的特征保護(hù)，從而更準(zhǔn)確提取出焊縫特征，本文在其基礎(chǔ)上根據(jù)焊接環(huán)境的具體情況提出一種基于改進(jìn)自適應(yīng)雙邊濾波V型焊縫特征的提取方法。

1 V型焊縫圖像預(yù)處理

原始的激光條紋圖像預(yù)處理的質(zhì)量，會(huì)對(duì)后續(xù)焊縫的特征信息提取造成不可忽視的影響。高質(zhì)量的圖像預(yù)處理能夠極大地降低后續(xù)焊縫特征提取過(guò)程中的難度，同時(shí)也能提高特征提取的精準(zhǔn)度。

1.1 灰度化

由于受焊接環(huán)境的影響，CCD相機(jī)采集到的激光條紋圖像中存在著大量的噪聲，這些噪聲會(huì)對(duì)后續(xù)焊縫特征的提取造成較大的誤差。圖1為激光條紋的原始像，大小為372×402像素。圖2為灰度化之后的激光條紋圖像，灰度化能夠?qū)⒉噬珗D像轉(zhuǎn)換為單通道的灰度圖像，一方面是為了去除顏色對(duì)圖像處理的干擾，另一方面是為了減少圖像原始數(shù)據(jù)量，降低后續(xù)的計(jì)算工作量。

對(duì)于灰度圖中的噪聲，最常見(jiàn)的做法是采取中值濾波去除噪聲，中值濾波能夠有效地去除圖像中的椒鹽噪聲和斑塊噪聲，但是，中值濾波會(huì)對(duì)激光條紋的邊界部分造成一定模糊，其濾波效果如圖3b，因此使用雙邊濾波算法對(duì)圖像進(jìn)行去噪處理。高斯濾波是一種線性平滑濾波方式，能夠有效地去除高斯噪聲，廣泛應(yīng)用于各種圖像噪聲去除，但是高斯濾波不具備圖像邊界的識(shí)別能力，通常會(huì)在去除噪聲的同時(shí)將圖像邊界也變得模糊。雙邊濾波算法是一種基于高斯濾波算法衍生出的噪聲去除算法，不僅有效地克服了高斯濾波在去噪時(shí)只針對(duì)圖像空間信息而忽略圖像灰度信息的缺點(diǎn)外，同時(shí)將圖像的空間信息與灰度信息進(jìn)行非線性組合，保留了高斯濾波優(yōu)秀的去噪能力的同時(shí)，也能夠較好地保持激光條紋圖像的邊緣信息。

1.2 傳統(tǒng)的雙邊濾波方式

傳統(tǒng)的雙邊濾波算法公式如下：

(1)

(2)

(3)

式中：f(i,j)為濾波后圖像f在坐標(biāo)(i,j)處的灰度值，gray(i,j) 噪聲圖像f在坐標(biāo)(i,j)處的灰度值，‖為取絕對(duì)值符號(hào)，r為濾波窗口半徑，v表示為以坐標(biāo)(i,j)為中心 ，以邊長(zhǎng)為(2r+1)的正方形區(qū)域內(nèi)像素點(diǎn)坐標(biāo)的集合，ωs(x,y) ，ωg(x,y) 分別為坐標(biāo)(x,y)處的空間權(quán)重和灰度相似權(quán)重，σs、σg分別為空間域標(biāo)準(zhǔn)差和灰度域標(biāo)準(zhǔn)差。

ωs為空間高斯函數(shù)，其參數(shù)σs決定空間權(quán)重分布?？芍襰越大，空間權(quán)重越分散，去噪效果就越好，但計(jì)算量也越大同時(shí)圖像也就越模糊；反之，空間權(quán)重就會(huì)越集中，濾波后的圖像就會(huì)越清晰，但去噪的效果就越差。ωg為灰度相似度函數(shù)，與中心點(diǎn)的灰度相似度越大的像素點(diǎn)分配的權(quán)重就越大。灰度標(biāo)準(zhǔn)差σg為ωg的參數(shù)，其值越大，對(duì)灰度的相似度的要求就越低。雙邊濾波的權(quán)重由ωs和ωg共同決定。圖3c為濾波窗口半徑r=4，空間域標(biāo)準(zhǔn)差σs=2，灰度域σg=0.1的效果圖，與圖3b相比較可以看出，激光條紋的邊界部分更加清晰。傳統(tǒng)的雙邊濾波器的參數(shù)不定，需要根據(jù)實(shí)際的噪聲情況進(jìn)行手動(dòng)調(diào)參，且很少存在參數(shù)能夠通用的情況，因此提出一種自適應(yīng)的雙邊濾波算法。

1.3 自適應(yīng)雙邊濾波

(1) 空間域標(biāo)準(zhǔn)差

空間標(biāo)域準(zhǔn)差σs與濾波窗口半徑r之間呈一定的線性關(guān)系，導(dǎo)致噪聲標(biāo)準(zhǔn)差的準(zhǔn)確度和濾波后圖像清晰度之間存在矛盾。由于高斯函數(shù)的95%以上的分量都集中在區(qū)間[-2σs,2σs]中，為獲得更多的樣本數(shù)目，同時(shí)保證圖像的清晰度，令

(4)

式中：k為常數(shù)，r為雙邊濾波窗口半徑，并且通過(guò)多次實(shí)驗(yàn)得出，k的最佳取值范圍在[0.75-0.85]，能夠有效防止空間權(quán)重過(guò)渡分散，導(dǎo)致圖像模糊，其余在窗口邊緣處r2-(kr)2個(gè)像素點(diǎn)的主要作用是參與噪聲標(biāo)準(zhǔn)差的計(jì)算。

(2) 灰度標(biāo)準(zhǔn)差

灰度標(biāo)準(zhǔn)差σg較空間標(biāo)準(zhǔn)差σs而言，對(duì)雙邊濾波的去噪效果具有更大的影響，當(dāng)σg的數(shù)值較大時(shí)對(duì)圖像噪聲的去除十分有利，但同時(shí)也會(huì)使得圖像更加模糊，導(dǎo)至細(xì)節(jié)丟失?；叶葮?biāo)準(zhǔn)差σg與噪聲方差σz存在線性關(guān)系，并且σg/σz的比值范圍為[2, 3][8]，為了保留更多的圖像細(xì)節(jié)信息，這里取σg= 2σz。噪聲方差σz可通過(guò)拉普拉斯變換進(jìn)行快速估算[9]。

(5)

式中：W和H分別為圖像的寬和高，*為卷積操作，gray(i,j)*N表示灰度圖與模板N進(jìn)行卷積運(yùn)算，N為離散拉普拉斯變換的掩模，

(6)

將其帶回公式可求得灰度標(biāo)準(zhǔn)差σg

(7)

以matlab2016b為實(shí)驗(yàn)平臺(tái)，濾波窗口半徑r取4，常數(shù)k取0.8進(jìn)行濾波可以得到圖3d。通過(guò)對(duì)比圖3c與圖3d，可以看出改進(jìn)的自適應(yīng)雙邊濾波算法與傳統(tǒng)的雙邊濾波算法結(jié)果相差無(wú)幾，同時(shí)改進(jìn)后的算法實(shí)現(xiàn)了空間標(biāo)準(zhǔn)差和灰度標(biāo)準(zhǔn)差的自適應(yīng)調(diào)整，滿足后續(xù)焊縫特征提取的要求。

1.4 閾值分割

為了能夠從圖像中得到目標(biāo)物體，降低圖像處理的時(shí)間，需要精確選取出感興趣的區(qū)域。最常用的方法是對(duì)通過(guò)閾值分割對(duì)圖像進(jìn)行二值化處理，以此將激光條紋信息單獨(dú)分離出來(lái)。二值化算法有兩種，一種是全局閾值分割，另一種是局部閾值分割，這里采用全局閾值分割。通過(guò) Otsu自適應(yīng)閾值分割法對(duì)焊縫圖像進(jìn)行處理，閾值處理后的圖像如圖4所示。經(jīng)過(guò)以上步驟的處理，可以得到一條明亮的焊縫條紋圖像。

2 激光條紋中心線提取

只有準(zhǔn)確地提取出激光條紋的中心線，才能夠得到焊縫特征角點(diǎn)。首先對(duì)二值化的圖像，灰度重心法能夠有效求取焊縫條紋的區(qū)域中心點(diǎn)，然后根據(jù)激光條紋的形狀特征分割成4塊區(qū)域。通過(guò)最小二乘法對(duì)每塊區(qū)域的點(diǎn)進(jìn)行直線擬合，得到4條直線和它們的回歸方程。

2.1 灰度重心法

對(duì)于亮度不均勻的目標(biāo)圖像(如光斑，光條紋等)，灰度重心法可按目標(biāo)光強(qiáng)分布采取灰度加權(quán)算法求出目標(biāo)圖像質(zhì)心坐標(biāo)，即光斑或光條紋中心坐標(biāo)。灰度重心法中針對(duì)二值化圖像的型心法公式如下：

(8)

式中：(x,y)表示該區(qū)域重心的坐標(biāo)，(i,j)表示該區(qū)域中所有點(diǎn)的坐標(biāo)，S表示該區(qū)域，N表示該區(qū)域像素個(gè)數(shù)。每間隔5個(gè)單位長(zhǎng)度對(duì)焊縫條紋進(jìn)行重心求解，得到激光條紋中心點(diǎn)坐標(biāo)如表1所示。

2.2 最小二乘法

最小二乘法是使用頻率較高的直線擬合方法，其原理為：對(duì)給定的點(diǎn)集{(xi，yi)|1≤i≤n} ，設(shè)擬合的直線方程為y=ax+b，當(dāng)所有待擬合點(diǎn)到擬合直線的距離之和S最小時(shí)，該直線為最終的擬合直線，如圖5。

根據(jù)原理可得到如下等式：

(9)

表1 坐標(biāo)點(diǎn)數(shù)據(jù)

對(duì)a，b求偏導(dǎo)，當(dāng)?S/?a=0,?S/?b=0 時(shí)，S可取到其最小值。

代入數(shù)據(jù)，通過(guò)對(duì)方程組的求解可得到a和b的值，即得出擬合直線。這里將得到的表1中的點(diǎn)按照焊縫條紋的特征分為4份，對(duì)每份單獨(dú)進(jìn)行直線擬合，可得到4條焊縫中心線L1、L2、L3和L4，如圖6所示。4條中心線回歸方程的數(shù)據(jù)如表2所示。

表2 中心線方程數(shù)據(jù)

3 焊縫特征角點(diǎn)提取

為了給跟蹤焊接的機(jī)器人提供準(zhǔn)確的焊接位置信息，需要進(jìn)一步的獲得焊縫特征角點(diǎn)在像素中的坐標(biāo)。通過(guò)對(duì)已經(jīng)得到的四條直線聯(lián)立方程組求解交點(diǎn)便能夠得到焊縫角點(diǎn)的坐標(biāo)，具體的坐標(biāo)值如表3所示。

表3 焊縫角點(diǎn)坐標(biāo)

4 結(jié)語(yǔ)

(1)提出的自適應(yīng)雙邊濾波算法相比于常規(guī)的中值濾波算法，在去噪的同時(shí)能夠更好保持住激光條紋的邊界特征，同時(shí)相比于傳統(tǒng)的雙邊濾波算法，實(shí)現(xiàn)了權(quán)重?cái)?shù)值的自適應(yīng)，省去了人工調(diào)參的環(huán)節(jié)。

(2)采用灰度重心法和最小二乘法結(jié)合的方法能夠有效地提取出激光條紋中心線。

(3)通過(guò)對(duì)中心線方程聯(lián)立求解得到的焊縫角點(diǎn)坐標(biāo)可精確至小數(shù)點(diǎn)后3位，滿足實(shí)際的焊接要求。