基于Canny的自適應換熱器板片邊緣檢測方法

苑瑋琦，趙佩瑤

(1.沈陽工業(yè)大學 視覺檢測技術研究所 遼寧省機器視覺重點實驗室，遼寧 沈陽 110870；2.沈陽工業(yè)大學 信息科學與工程學院，遼寧 沈陽 110870)

0 引 言

板式換熱器是由一系列波紋形狀的金屬板片堆疊組成用來進行熱交換的換熱裝置[1]，在冶金、石油、造紙、船舶等方面都有著廣泛的應用。板式換熱器板片是專門用于板式換熱器中用來隔離介質和進行熱交換的板片，是板式換熱器的重要組成部分，它的主要材質有不銹鋼、鈦及鈦鈀等。波紋板作為板式換熱器的關鍵部件，其質量保證了板式換熱器的正常運行，當波紋板片表面產生缺陷時會造成換熱器的外漏與串液，不僅損失了換熱的效果，嚴重開裂的板片甚至會造成安全事故。換熱板片作為換熱器的核心零件在生產過程中必然有著嚴要求與高標準，其中中華人民共和國能源行業(yè)標準NB/T47004.1-2017板式熱交換器第1部分：可拆卸板式熱交換器中第八節(jié)制造第一小節(jié)板片加工指出了板片的深度要求及其表面的缺陷指標。因此波紋板的缺陷檢測具有重要的工程實際應用價值[2-3]。

板片的板型設計應用CAD技術，配合先進的壓制工藝，使得板片能夠采用極度精密的模具一次沖壓成型。在板片的生產壓制過程中會因重力沖壓導致波紋的頂面與側面交界區(qū)域產生缺陷，影響板片的使用。國內外板式換熱器常見型號的板片外型尺寸在1 206*386*0.8 mm及以上，而缺陷的面積在幾百平方毫米的數(shù)量級且缺陷發(fā)生在固定的位置。對波紋板做邊緣檢測提取感興趣區(qū)域，能夠有效縮短檢測的面積，提高檢測的精度，減少計算機運算時間。

波紋板的缺陷具有顯著的位置特性，因此在不損失圖像質量的前提下，可通過優(yōu)化程序性能，定位感興趣區(qū)域(region of interest，ROI)，最終達到降級運算的不必要性和減少存儲空間的目的。檢索文獻發(fā)現(xiàn)國內外許多學者對定位區(qū)域的應用進行了詳細的研究，其中邊緣檢測的方法效果更佳。長春工業(yè)大學的吳翔等人[4]提出一種改進的Canny邊緣檢測算法，解決了檢測過程中需要預先設定高低閾值的缺點，并提高了檢測的精度；中國農業(yè)大學的張超等人[5]在Canny算子邊緣檢測的基礎上設計連接斷點算法，通過判定歐氏距離識別疑似目標邊緣，高低長度閾值相配合求取真正的邊緣；北京郵電大學的吳國華等人[6]發(fā)現(xiàn)在目標沒有先驗知識的情況下，高斯濾波器的最佳窗口大小與樣本中自相關函數(shù)的最大半寬度成正比。采用合適的高斯濾波器，重構后的二值圖像能夠以最小的誤碼率接近原始二值對象，從而得到最優(yōu)的邊緣檢測結果。香港大學的D. Sangeetha等人[7]在Canny算子的基礎上引入Sobel，使用近似的方法來計算梯度大小和方向，以替代復雜的操作和降低硬件成本，對現(xiàn)有的非最大抑制和遲滯閾值有很好的改善，有效地提高了邊緣檢測算法的性能。

目前檢索到的大部分研究都是對Canny算法的某一部分進行優(yōu)化和提升檢測精度的方法，但由于Canny邊緣檢測的方法在自適應方面的欠缺，因此很多優(yōu)化和改進對波紋板定位的效果具有一定的局限性。針對以上情況，文中提出了一種基于Canny的自適應板式換熱器邊緣檢測方法，通過剖析Canny算法的平滑、非最大值抑制和高低閾值等關鍵步驟，將其改進成能夠對多種版型與材質的波紋板提取邊緣的算法。

1 特征分析

1.1 板片結構特征分析

如圖1所示，板式換熱器板片主要由角孔區(qū)、導流區(qū)、波紋區(qū)三部分構成[8]。其型式主要分為可拆卸式和纖焊式兩類，其中可拆卸式板式換熱器是由堆疊具有波紋形狀的金屬片組成，板片上有四個角孔及波紋流道，板片兩端有固定緊壓板和活動緊壓板，并通過導桿連接。冷、熱流體分別在對應的波紋流道流通，在板片間完成熱的交換。文中主要研究在波紋區(qū)域的邊緣檢測方法。

圖1 板式換熱器波紋板

以U10B、02CG兩種型號的波紋板為例，圖2為U10B部分波紋板圖片的灰度分布，圖3為02CG部分波紋板圖片的灰度分布。兩種板片的材質不同，灰度值隨著板片的亮度升高，兩種圖像的灰度分布可以看出，單一且固定的灰度閾值不能直接將區(qū)域分割。并且不同型號的板片區(qū)域分布也不盡相同，邊緣過渡區(qū)域深淺與角度不同導致邊緣圖像走勢大不相同，單一且固定的邊緣檢測參數(shù)亦不能直接將區(qū)域分割。

圖2 U10B波紋板特征

圖3 02CG波紋板特征

1.2 邊緣與非邊緣特征分析

波紋的上下表面有多個邊緣，但是其中只有兩條是真正的邊緣，為了避免多處邊緣帶來的干擾，對采集到的大量波紋板圖像波紋邊緣進行觀察，分析可知由于斜面坡度不均勻而產生的偽邊緣是造成誤檢的主要原因，且波紋具有一定的寬度且高度要高于周圍的偽邊緣。經典的Canny邊緣檢測算子能有效檢測出波紋板中的所有邊緣，合理的高低閾值以及平滑系數(shù)可將真實的邊緣與偽邊緣分開。但受光照、板片材質、成像角度等方面的影響，固定閾值的邊緣檢測參數(shù)不能適應千變萬化的波紋邊緣，對此文中提出一種基于Canny的自適應邊緣檢測方法。

2 自適應邊緣檢測

Canny邊緣檢測算法[9-11]于1986年開發(fā)至今仍作為邊緣檢測的標準算法在研究中被廣泛使用，在定位以及單響應等方面均有良好的效果。Canny邊緣檢測算法可以分為5個步驟，高斯濾波器平滑圖像、梯度強度與方向的計算、非極大值抑制、雙閾值判定、抑制弱邊緣。應用非最大值抑制，圖像梯度幅值矩陣中的元素值越大，說明圖像中該點的梯度值越大，但這不能說明該點就是邊緣(這僅僅是屬于圖像增強的過程)。

在Canny算法中，非極大值抑制是進行邊緣檢測的重要步驟，通俗意義上是指尋找像素點局部最大值，將非極大值點所對應的灰度值置為0，這樣可以剔除掉一大部分非邊緣的點。通過分析經典Canny邊緣檢測算子之后，結合實際項目需要，對邊緣檢測的高斯濾波標準差以及高低閾值參數(shù)進行研究。

2.1 高斯濾波標準差σ的設計

為了有效地平滑圖像，降低偽邊緣的識別，使用高斯濾波器[12]來抑制噪聲。

(1)

其中，x,y是圖像的坐標，σ是關聯(lián)概率分布的高斯濾波標準差。

抑制噪聲和邊緣精確定位是無法同時兼顧的，選取合適的高斯濾波標準差是高效檢測出邊緣的先決條件之一，當高斯濾波標準差偏小時，邊緣的灰度局部變化位置不清晰且易受噪聲的影響；當高斯濾波標準差偏大時，降低噪聲的平滑能力過強，邊界強度的損失導致閾值的犧牲；所以，合適的高斯濾波標準差對于邊緣檢測的效果來說非常重要。

由公式(1)可知，高斯濾波標準差σ決定高斯模板的形狀，當檢測的邊緣的剖面灰度分布與高斯濾波模型的分布越相似時，濾波的效果越好，反之，不理想的高斯濾波模型，會對效果造成影響。

通過單一變量原則，驗證了邊緣檢測的高斯濾波標準差σ僅與邊緣灰度剖面圖像中峰谷之間的寬度有關。經過測試統(tǒng)計，邊緣峰谷之間的寬度是高斯濾波標準差數(shù)值的三倍，這與Marr-Hildreth算法[13]決定高斯濾波標準差的方法一致。通過上述分析，高斯濾波標準差σ的設計只需得到邊緣上下沿之間的寬度。

2.2 高低閾值的設計

以單一閾值的方式來判定邊緣是武斷的，Canny設置兩個閾值，分別為maxVal和minVal，其中大于maxVal的都被檢測為邊緣，而低于minVal的都被檢測為非邊緣。對于中間的像素點，如果與確定為邊緣的像素點鄰接，則判定為邊緣；否則為非邊緣。

求出波紋板圖像中每個像素點的梯度值，每個像素點的梯度值為相鄰兩點的灰度差與距離差之比，生成梯度圖像，并按梯度值的大小順序排列。實驗結果表明排序后出現(xiàn)兩種情況，一種為邊界清晰的波紋板圖像，如圖4存在突變點Th將邊緣分割為兩部分，大于Th的為真正的邊緣，小于Th的是偽邊緣，中間有很長一段距離的過渡，這種情況的邊緣足夠清晰；另一類為緩慢過渡的梯度圖像，這種情況沒有明確的閾值分界點，這時觀察梯度閾值情況，將梯度值分成兩類，依然得到理想的高閾值。邊緣檢測的高低閾值只與邊緣峰谷之間的高度有關。在一個波形梯度近似的且橫向寬度較小時，邊緣檢測的高度近似波形最低點與波形最高點灰度值差值的0.8。在一個波形明顯兩個梯度時，邊緣檢測的寬度和高度應各自獨立，閾值依然近似0.8倍。

于是，只需要知道待測邊緣兩側的灰度差或者梯度分布圖的分界點，即可知道邊緣檢測的閾值，檢測的目的是盡可能地保留完整邊緣，達到不漏檢的效果，那么低閾值的選取要能滿足最弱的缺陷也被連接上，高閾值的選取要保證所有缺陷的輪廓都提取出來，經過多次試驗給出低閾值為高閾值的一半。

圖4 高閾值為56

2.3 梯度極大值

通過上述研究可知，只需得到邊緣上下沿的寬度以及高度即可推算出Canny邊緣檢測的參數(shù)，經多次實驗，梯度算子均可得到粗略的邊緣。梯度算子眾多且發(fā)展成熟，Sobel算子[14-16]在波紋上的效果最為突出，于是選取Sobel算法作為自適應提取過程的梯度算法。

用一階偏導的有限差分來計算梯度的幅值，Gx和Gy分別為水平和垂直方向的差分，G為像素點的梯度模。

梯度幅度為：

(2)

鋼板材質在光照不均勻的情況下會產生異常值。經過多次實驗和數(shù)據(jù)統(tǒng)計得知，此類異常值存在共性，異常發(fā)生在波紋區(qū)下凸臺的其中一側。于是采用9×9的濾波窗口進行均值濾波，此窗口大于存在異常值區(qū)域的寬度能有效抑制異常值，并且很好地平緩了表面的波動。

當卷積模板與圖像卷積之后的圖像灰度值為0時，說明此處像素的4鄰域為平坦的區(qū)域，灰度值越大的區(qū)域說明其4鄰域為發(fā)生急劇變化的區(qū)域。對圖像做Sobel算子的操作，操作后的圖像中每一個像素點的灰度值代表原圖像在這一點的梯度。

2.4 檢測流程

在Sobel的幫助下順利找到了邊緣的邊界點，通過定位邊緣聯(lián)測的信息點可以快速有效地得到邊緣灰度剖面線上每一個邊緣點的峰谷坐標H(x1,y1)、峰頂坐標H(x2,y2)與對應的峰谷灰度值G1、峰頂灰度值G2，是Canny邊緣檢測參數(shù)確定的關鍵。在人為參與測試的過程中，邊緣檢測的實現(xiàn)是對邊緣做灰度剖面線，得到邊緣的邊界點信息，并且剖面線的方向垂直于邊緣，板片的擺放位置固定且圖像采集時長軸置于水平方向上，在自動化檢測的過程中算法生成四條直線代替剖面線與Sobel后的邊界去取交集。實驗發(fā)現(xiàn)直線與剖面線帶來的差別只與波紋板的波紋角度存在線性關系，在波紋角度已知的情況下，可通過波紋走勢得到波紋與水平長軸的角度，波紋的剖面線上所測量到的結果與水平方向劃線的結果在高度差上近似，在寬度上成正弦關系，由此解決剖面線帶來的問題。文中自適應Canny邊緣檢測主要分四步進行：

(1)去噪聲，用一個高斯濾波器平滑輸入圖像；

(2)計算梯度幅值圖像與方向角圖像；

(3)對梯度幅值圖像應用非最大值抑制；

(4)用雙閾值處理和連接分析檢測并連接邊緣。

利用Sobel算子得到波紋板圖像的梯度圖像，如圖5所示。從Sobel圖像與直線段的交集圖像中可以看到277，292處為零點位置，對應的正是邊緣的兩端，于是獲得Sobel中為零的坐標點，即可得到邊緣兩端的坐標，從而獲得此點在原圖中的灰度值。橫坐標差值與平滑系數(shù)成線性關系，縱坐標的差值與閾值成倍數(shù)關系，即可得到邊緣檢測的參數(shù)。

圖5 Sobel圖像灰度分布

3 實驗結果及分析

3.1 實驗數(shù)據(jù)庫的建立

筆者自行建立一個板式換熱器板片的圖像數(shù)據(jù)庫用于算法驗證[17]，其中包括8種版型共90張圖片，圖像于吉林四平波紋板生產車間采集，是真實的生產環(huán)境。將型號為LA-CM-16K05A-00-R的DALSA線陣相機和專用于16 K相機的Xenon-Sapphire 4.5-95-0.07鏡頭安裝在檢測承重平臺上方的龍門架上，并將隧道光源KW-DL1500F-HW作為相機的照明。板片放置在設備的移動平臺上，通過滾筒輸送的過程中觸發(fā)相機并采集圖片，圖6即為系統(tǒng)實物圖。

圖6 圖像采集裝置

3.2 實驗測試結果與對比分析

為了體現(xiàn)文中算法的優(yōu)越性，將改進后的自適應邊緣檢測方法與經典的Canny邊緣檢測方法進行對比。以P10B同型號的兩張板片為例，圖7(a)在圖庫中編號為P10B191104-12222，簡稱例1，自適應的邊緣檢測給出的結果：高斯平滑系數(shù)為6、高閾值為31、低閾值為15。圖7(b)在圖庫中編號為P10B191113-12212，簡稱例2，自適應的邊緣檢測給出的結果：高斯平滑系數(shù)為4、高閾值為50、低閾值為25?？梢钥吹絻蓮埌迤倪吘壘粰z出，效果理想，兩張圖片自適應參數(shù)相差20個數(shù)量級。

(a)例1邊緣檢測效果

(b)例2邊緣檢測效果

經典的Canny邊緣檢測方法需要手動設置，觀察灰度剖面圖和梯度分布圖像可以看出，P10B12212的整體亮度高于P10B12222，且梯度分布的分界點高出20個單位，這種情況下試圖用一個值來檢測兩張圖像，則取梯度相交的中間值40來進行檢測，由于不是理想參數(shù)造成結果出現(xiàn)誤檢與漏檢的情況，并且對每一種版型手動設置是不現(xiàn)實的。

在確定了自適應邊緣檢測算法后，對8種版型90張板片的圖片進行測試，測試結果理想，如圖8所示，但在測試過程中發(fā)現(xiàn)三種情況，現(xiàn)對三類情況做出誤檢說明。

情況一為板式換熱器板片上由于存儲不當使得波紋板表面存在臟污干擾導致的誤檢，圖8為通過自適應邊緣檢測算法得到的邊緣圖像，圖像中除了真正的邊緣外，檢測到的均為臟污的邊緣，臟污使得2個邊緣變?yōu)?個邊緣，臟污的梯度值在自適應邊緣檢測的閾值之上，導致在梯度值的排序中，部分臟污邊緣的梯度值排列在了邊緣的行列中，造成誤檢。但此誤檢與實際邊緣不相連且為小短線，可將提取到的區(qū)域做連通域，互不相連的線段可以通過長度剔除，并且沖壓后立即采集的板片不會出現(xiàn)此種情況。

圖8 邊緣檢測誤檢效果

第二種情況為波紋板的部分型號板片在斜面處存在誤檢，由于斜面過渡不均勻造成斜面間產生類似邊緣的過渡。分析誤檢產生的原因，斜面處的誤檢數(shù)值不大但數(shù)值在高低閾值之間，并且與高閾值相連，雙閾值的優(yōu)勢在這種情況下具有雙面性，所以被作為邊緣檢出。

第三種情況為板片變形和嚴重臟污位置存在漏檢，此種情況在生產環(huán)境是不存在的，是采集圖像中的意外情況。采集過程中被拉伸的板片在采集過程中被拉伸導致邊緣變化趨勢與周圍邊緣相比較為緩慢，拉伸處的梯度值比周圍的梯度值10個單位以上，造成自適應的邊緣檢測在此位置漏檢。若為了迎合此位置降低邊緣檢測的參數(shù)會造成不必要的誤檢，背離檢測的初衷。油污導致此位置的對比度較周圍區(qū)域要低，自適應的邊緣檢測過程中邊緣的上下沿之間的對比度是非常重要的檢測因素，而此處位置的對比度遠低于板片的整體對比度，造成漏檢。新生產的板片上是不會存在油污的，不會有這種情況的發(fā)生。

4 結束語

針對當前的研究對板式換熱器不同型號的邊緣檢測不適用的問題，提出一種基于Canny的自適應板式換熱器邊緣檢測方法。該方法主要是對經典Canny的解讀以及更貼近鋼材自動化檢測的一種改進方法。詳細闡述了算法原理和實現(xiàn)流程，與經典的Canny邊緣檢測方法相比檢測結果有一定的改善，具有一定的實際應用價值。