（测试计量技术及仪器专业论文）基于x光图像的轮胎内部缺陷检测技术研究.pdf

摘要 随着拥有汽车的人的数量越来越多，人们对于汽车轮胎质量也越来越关注， 现今对轮胎缺陷的检测主要依靠于图像处理技术，使用x 光设备获得轮胎x 光 图像，运用各种图像处理算法精确的检测出其缺陷。 本论文主要研究了x 光轮胎图像的缺陷检测算法，并基于图像处理理论， 将x 光轮胎图像的检验流程分为四个部分：图像的预处理；图像缺陷的初步识别； 图像缺陷的提取；对缺陷进行分类识别。 图像的预处理首先完成对图像处理窗口的划分，针对不同的区域对缺陷进行 判定，此外图像由于光照等原因，可能存在对比度不高的情况，在本论文中采用 直方图均衡化的方法对图像进行增强。 图像缺陷的初步识别指的是仅仅判断出图片有无缺陷，在本论文中采用图像 匹配的算法，通过对各种匹配算法的比较，最后采用基于直方图统计特征的匹配 算法来实现。 图像缺陷的提取包括图像的分割和轮廓检测提取，在本论文中，结合x 光 轮胎图像特征，使用一种基于积分图像的自适应阈值分割算法实现图像的分割而 轮廓的提取则采用一种链码跟踪的算法来实现。 对于缺陷的分类识别，本论文针对各种不同的轮胎缺陷，以不变矩，傅立叶 描述子等形状特征为基础，研究了不同的识别算法。最后以v i s u a lc + + 6 0 为平 台，通过实验验证，可以达到较高的识别率。 关键词：x 光轮胎图像图像处理图像匹配算法 a b s t r a c t w i t ht h ei n c r e a s i n gn u m b e ro fc a r - o w n e r s p e o p l ea r em o r ec o n c e r n e da b o u tt h e q u a l i t yo ft i r e s n o w a d a y s ，t h ed e t e c t i o no ft i r ed e f l e c t sr e l ym a i n l yo ni m a g e p r o c e s s i n g t i r ex - r a yi m a g e sa r ef r o ms p e c i a le q u i p m e n t ，a n d t h ep r o c e s s i n gi s b a s e do nt h ed i g i t a li m a g et h e o r y 乃簖a l g o r i t h m so nt i r ex - r a yi m a g ed e f e c t sd e t e c t i o na r es t u d i e d 砀ew h o l e p r o c e s sc a r lb ed i v i d e di n t of o u rp a r t s ，w h i c hi n c l u d e st h ep r e p r o c e s s i n go ft h ei m a g e ， p r e l i m i n a r yi d e n t i f i c a t i o no ft h ex - r a yi m a g ed e f e c t s ，e x t r a c t i o no ft h ei m a g ed e f e c t s a n dc l a s s i f i c a t i o no ft h ed e f e c t s o nt h ef i r s ts t a g eo ft h ew h o l ep r o c e s s ，t h ei m a g ep r o c e s sw i n d o w sa r ed i v i d e d a c c o r d i n gt ot h ed i f f e r e n tp a r t so ft h et i r ex r a yi m a g e ，a n dt h ec o n t r a s t so ft h ei m a g e a r e e n h a n c e d o nt h es e c o n ds t a g e ，al a r g en u m b e ro fi m a g em a t c h i n g a l g o r i t h m sa r es t u d i e d ， a n dam a t c h i n ga l g o r i t h mb a s e do nt h es t a t i s t i c a lc h a r a c t e r i s t i c so ft h ei m a g e h i s t o g r a mi su s e do nt h ep r e l i m i n a r yi d e n t i f i c a t i o no ft h ex - r a yi m a g ed e f e c t s i no r d e rt oe x t r a c tt h ei m a g ed e f l e c t s ，i m a g es e g m e n t a t i o na l g o r i t h m sa n d c o u n t e re x t r a c t i o na l g o r i t h m sa r es t u d i e d ，a c c o r d i n gt ot h ec h a r a c t e r so ft h ei m a g e ， f i r s tw eu s e da na l g o r i t h mc a l l e da d a p t i v et h r e s h o l d i n gu s i n gt h ei n t e g r a li m a g et o s e g m e n tt h ei m a g e ，t h e nw eu s ec h a i n - c o d et r a c k i n ga l g o r i t h mt oe x t r a c tt h ec o u n t e r f o rt h ec l a s s i f i c a t i o no f t h ed e f e c t s ，s e v e r a la l g o r i t h m sf o rd i f f e r e n td e f e c t sa r e p r o p o s e d a n d a tl a s t ，e x p e r i m e n t sa r ed o n eu n d e rt h ee n v i r o n m e n to f v i s u a lc + + 6 0 ， a n dt h e yp r o v ew e l l k e yw o r d s ：t i r e x - r a yi m a g e ，i m a g ep r o c e s s i n g ，i m a g em a t c h i n g , a l g o r i t h m s 独创性声明 本人声明所呈交的学位论义足本人在导师指导下进行的研究工作和取得的 研究成果，除了文中特别加以标注和致谢之处外，论文中彳i 包含其他人已经发表 或撰写过的研究成果，也不包含为获得丞鲞盘堂或其他教育机构的学位或证 书而使用过的材料。与我一i 刊工作的例志对奉研究所做的任何责献均已在论文中 作了明确的说明并表示了谢意。 学位论文作者签名： 禹日问笔 签字日期： 功夕7 年9 月日 学位论文版权使用授权书 本学位论文作者完全了解 基盗盘堂 有关保留、使用学位论文的规定。 特授权苤鲞盘鲎可以将学位论文的仝部或部分内容编入有关数据库进行检 索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校 向国家有关部门或机构送交论文的复印件和磁盘。 ( 保密的学位论文在解密后适用本授权说明) 学位论文作者签名： 高碉易 签字日期：_ ，口7 年9 月 日 导帅签名： 殳狄 签字曰期：办唧年? 月日 第一章绪论 第一章绪论 1 1 课题来源及意义 得益于我国的稳定的经济发展和良好的投资环境，我国的轮胎发展近年势头 迅猛。世界知名轮胎制造厂商如米其林，普利斯通等纷纷移师中国，而国内厂商 也在不断发展。现今世界轮胎发展的趋势是子午化、无内胎化、扁平化。子午线 轮胎具有高速、安全、节油、耐磨、行驶里程高等优点，是子轮胎工业的发展方 向。但是由于载重子午线轮胎的结构相对复杂，技术难度比大，生产使用条件等 相对苛刻。产品的性能和质量还不能够满足当今汽车、公路发展的要求。最近国 家质量技术监督局的一次抽验显示，全国子午线轮胎生产企业合格率不足八成， 因此带来了很大的交通安全隐患。 在轮胎生产过程中，常见的缺陷包括：成型开根，成型接头稀线，垫胶接头 稀线，胎体帘线变形，胎体弯睦，胎侧杂质，冠部杂质，胎体交叉，胎圈变形， 帘线断，胎侧气泡，冠部气泡，差级不正，边部打折，带束层稀线，零度散线等 等。这些缺陷都或多或少影响着轮胎的寿命和性能。因而轮胎缺陷的检测十分重 要，目前主流的轮胎检测手段是利用x 射线对轮胎进行检测。 x 射线多年以来被广泛应用于轮胎的检测技术当中。其检测原理如下：由于 不同种类的材料对x 射线的吸收能力不同，所以穿过不同材料的x 射线束到达 图像增强器时的能量是不同的。图像增强器能将微小尺寸范围内x 射线能量变 化分辨出来。在某一时刻x 射线穿过轮胎的一个横截面，同时图像增强器将该 界面内所包含的物体吸收过的x 射线能量值记录下来。随着轮胎的转动，被检 测轮胎的每一个横截面被连续扫描，轮胎的所有界面吸收过的x 射线能量值都能 被记录下来，这样就能得到从x 射线源到图像增强器方向整个轮胎的投影图像， 再经计算机图像整合成一幅完整图像。 本课题拟在x 光图像信息的基础上，通过合适的图像处理技术实现轮胎内 部缺陷的自动识别。因此，本课题着重开展x 光图像检测中的相关图像处理算 法的研究。本课题来源于轮胎生产企业山东金宇轮胎有限公司生产应用实际 需求，由其提供x 光轮胎图像，图1 1 为一典型的x 光轮胎图像。 第一章绪论 图1 1 典型的x 光轮胎图像 1 2 国内外发晨状况 目前轮胎检测设备的主要生产企业主要集中在欧美，包括意大利的马郎尼贡 公司，米其林公司等。其中，美国的y x l o n 公司是目前国际上最大的轮胎检测 设备厂家，如图1 - 2 为y x l o n 公司的轮胎x 光图像自动缺陷识别系统( a u t o n m t i c x - r a y i n s p e c t i o ns y s t e m f o r t i r e s ，a x i s ) 。 图1 2a x i s 的结构 该系统由普通x 光机图像获取系统、a x i s 计算机和可编程逻辑控制器( p l c ) 构成。图像获取系统的工作原理将在后面的章节中说明。图像显示计算机在获取 2 第一章绪论 图像的同时，将图像信息传递培a x i s 计算机进行缺陷的自动识别，根据识别的 结果，由a x i s 计算机向p l c 发出状态信息，p l c 根据预先设定的程序，对轮 胎进行分捡、标记等控制。 a x i s 的检测内容包括对胎冠、带柬层、胎侧、子口包布和胎圈5 个部位的 多项检铡，比较常见的缺陷包括帘线开根，帘线杂质帘线断线等等。 国内对x 光检测的研究起步相对较晚，但近年来也取得不俗的成绩。0 8 年 中国首条数字化x 射线轮胎检测自动线在甘肃研制成功，这一轮胎检测自动线 可同时扫描轮胎的5 个面，每3 7 到4 0 秒可检畏4 一条轮胎，年检测轮胎可达3 0 万条以上，检验水平达到国际一流。 国外的软件厂商也对轮胎自动检测软件进行了大量的研究，也有十分成熟的 软件产品。如图l 一3 所示，为y x l o n 公司所研发的i m a g e2 5 0 0 图像处理系统 的界面。该软件功能强大可实现图像各种缺陷的捡授屿显示( 图i - 4 ) 图1 - 3i m a g e 2 5 0 t ) 图像处理系统界面 对于国外开发的检测软件，其价格往往十分昂贵而且多为英文操作界面， 并不利于推广。而近年来在国内也有众多研究机构屉开对x 光轮胎图像缺陷检 测的研究，如天津大学的黄战华教授等人，实现了x 光轮胎圈像缺陷的快速检 测：青岛科技大学的徐启蕾等人也针对各种不同的轮胎缺陷，提出了不同识别的 算_ ；去“j 。笔者所在的实验室受山东金字轮胎有限公司的要求，也展开了对x 光轮 胎缺陷的自动识别研究。 第一章绪论 盯 图l - 4 缺陷检验界面 1 3 本文的主要研究内容 本文一共分为7 章，第一章为绪论，介绍了课题来源、意义及相关技术研究 的国内外现状：第二章对于轮胎x 光自动识别系统进行了详细的介绍并针对 要处理的轮胎缺陷提出整体的解决方案；第三章主要研究了轮胎缺陷初识别的算 法，经过各种匹配算法的比较，提出基于直方图的统计特征( 均值和方差的加权) 的匹配算法来实现轮胎缺陷的初步识别；第四章研究了图像特征提取的算法，包 括各种分割算法以及轮廓提取算法的研究，并采用基于积分图像的自适应阈值算 法实现图像分割，而轮廓的提取采用一种链码跟踪的算法来实现；第五章在前面 各章研究的基础上，针对各种不同的缺陷提出缺陷的分类识别算法；第六章利用 v c6 0 平台，利用c + + 语言编写出轮胎缺陷检测的平台，对所提出的算法进行 了验证，给出了实验结果：第七章对本文的研究工作进行了总结，并对下一步工 作进行了展望。 第二章x 光轮胎图像自动识别概述 第二章x 光轮胎圈像自动识别概述 2 1x 光轮胎检测系统简介 在本章中以y x l o n 公司生产的l x 1 5 0 0 型轮胎检爱i 系统为例对轮胎检测 系统进行介绍，其外形如图2 - 1 所示。 y x l o n 的o f f r o a d 轮胎检测系统由金属陶瓷x 一射线管，x _ 射线系统控 制单元，机械系统控制单元，图像增强器及其控制单元以及图像显示部分组成。 该系统拥有强有力而精确的机械结构和高分辨率的图象系统，从而保证了系统的 可靠性和质量要求。轮胎的侧壁、胎圈、胎冠、帘布、束带等各个部位的缺陷， 以及夹杂在其中的杂质能够被轻松的检测出来。如图2 - 1 ，2 - 2 。 | 圣j2 - 1l x - 1 5 0 0 型轮胎缺陷检 = i 系统 该系统提供了手动和半自动两种工作模式，对于半自动模式，用户需对x 射线管头、图象系统的相对位置等参数进行设定。这些参数将被保存在i n s p e c t i o n c o d e 之中。 牵引马达或起重机将轮胎装载到检测支架上，操作者通过交互式的控制面板 输入适当的参数，或选择预先设定的i n s p e c t i o n - c o d e 。按照设定值，周向x 一射线 管伸进轮胎中部，马鞍型的线阵列检测器移动到如上图的环绕轮胎的位置，轮胎 支架驱动其进行匀速的转动，保证了检测过程的完整性。 第二章x 光轮胎图像自动识别概迷 贼贼露 图2 - 2l x 一1 5 0 0 的显示部分及定位部分 符合人体工程学设计的控制台上安装了如下设备：2 矿高分辨率s v g a 显示 器、x 一射线控制单元m g c 4 1 、l d a 的计算机系统、机械部分的控制器，及系统 的供电单元。如图2 2 所示，操作人员可以通过9 寸监视器在实时检测的同时观 测铅房内部的运转情况。 l x 一1 5 0 0 采用自己研发的m g l 6 5 22 5 型x 射线系统( 图2 - 3 ) ，4 0 k h z 高频率 技术的负高压发生器能够产生1 6 0 k v 的恒定高压。系统由g c 4 1 控制单元，控 制单元外壳，m g i ? 4 0 22 5 k w 电子电源供电器，m g g 4 6 1 6 0 k v 负高压发生器， 水流量安全阀，冷却水管，高压电线，yt u l 6 0 - d 0 1 型金属陶瓷x 射线管组成。 稳定长寿命的周向x 一射线管l x 5 1 0 0 射线覆盖范围达到2 7 0 。能够在整个检测过 程中提供始终如一的几何描述。 图2 - 3m g l 6 5 22 5 型x 射线系统实物图 第二章x 光轮胎图像自动识别概述 2 2 本文提出的x 光轮胎缺陷圈片识别渲程 本文中所获得的x 光轮胎图像均由厂家提供，典型缺陷图片如图2 - 4 所示 c a ) 帘线断线( b ) 帘线间距小 ( c ) 帘线开根 薹量量量 薹薹 = = = = = = = j 看i 雷 o o _ i i = 二= = i = - 一 耋蚕耋藿 = = ! ! ! o _ _ - i i ；i i - 一 = = ! ! ! o 一 = = ! ! ! o - - i i i i i i l e ) 帘线杂质 图2 _ 4 各种缺陷图片 d ) 帘线每曲 第二章x 光轮胎图像自动识别概述 这样研究过程只需围绕在缺陷自动识别上，基于图像处理相关理论【2 1 ，结合实际 图像特点，本论文提出的自动识别的流程如图2 5 所示，主要分为以下几个部分。 ( 1 ) 结合图像特点，对图像处理窗i z l 进行划分，针对不同的区域进行不同的 处理 ( 2 ) 对欲识别的图像进行增强。由于所获得的某些图片存在对比度较低，影 响机器识别和人眼观察。 ( 3 ) 对图像缺陷进行初步的判定，也就是说先区分出有缺陷的图片和无缺陷 的图片，这一步要求既快速又准确。 ( 4 ) 对有缺陷的图片提取出其缺陷特征。这一部分包括图像的分割和图像轮 廓的提取。 ( 5 ) 对缺陷进行识别。针对不同的缺陷构建不同的算法，对缺陷类别进行分 辨。 ( 6 ) 得出结论 。 图2 5 自动识别流程图 8 第三章图像匹配实现x 光轮胎图像缺陷订识别的算法研究 第三章圈像匹配实现x 光轮胎圈像缺陷初识别的算法研究 3 1 田像处理窗口的划分 在x 光轮胎图像的自动识别识别中，首先必须快速的分辨出有缺陷的图像， 这里我们称之为x 光轮胎图像缺陷的初识别。由于x 光机直接得到的轮胎图像 包含了轮胎从一侧胎豳到另一侧胎圈的全部图像，如图3 1 所示而在自动识别 过程中，各个部位有明显不同的特点，所以需要对图像窗口进行划分。在此我 们按照轮胎的各个部位来对区域进行划分，共划分为5 个区域，即左侧胎圈、 左胎侧、胎冠、右胎侧以及右侧胎圈。各个区域的大小由统计分析得到，其大小 会园轮胎型号规格的不同而不同。 需要注意的是，由于轮胎个体的差异，每条轮胎个体的部位划分在图像上看 来并不是完全一致的，总会有一定像素的误差再者由于某些缺陷可能出现在两 个区域的边界位置如杂质等，为了减少由区域划分而引起的缺陷区域不完整的 可能性，在区域划分时需要对每个区域边界留有一定像素的重叠区域。 胎圈胎侧。胎冠胎侧胎圈 图3 1 轮胎各部位名称图 3 1 1 本论文中田像处理窗口的捌分 在本论文中，所检测的缺陷包括帘线开根，帘线间距小，帘线断，胎侧杂质， 帘线弯曲等，主要集中在胎侧帘线区域，如图2 4 所示。因此我们对所获得x 光 图像可以直接截取左右胎侧部分。 而由厂家直接提供的x 光图像往往由于受光照，设备等因素的制约，会出 现灰度对比度低，某些局部细节没有明显的灰度差别等特点，如图3 - 2 所示，这 9 第三章图像匹配实现x 光轮胎图像缺赂柳识别的算法研究 使得机器识别较为困难。因此需要对图像进行对比度增强，改善图像的外观，方 便进一步的处理。 一 图3 2 需要增强的图像 3 2x 光轮胎田像的增量 图像增强的方法分为两大类，空间域方法和频域方法。空间域的方法主要是 以图像的像素直接处理为基础如常见的线形变化，直方图均衡化等。而频域的 方法则是以修改图像的傅立叶变换为基础，如所熟知的离散傅立叶变换，高斯滤 波器等等。对于本文要处理的国像，只是需要使其对比度增强，更方便机器的识 别，因此采用了空间域增强方法中的直方图均衡化技术。 3 3 圈像匹配算法概述 所谓图像匹配，是指在变换空问中寻找一种或多种变换，使来自不同时问、 不同传感器或者不同视角的同一场景的两幅或多幅图像在空间上一致1 3 】目前已 经广泛应用于现代航天、军事、医学、工业等各个领域。但是由于拍摄时间、拍 摄角度、自然环境的变化、多种传感器的使用和传感器本身的缺陷，实际拍摄的 图像不仅受噪声的影响，而且存在严重的荻度失真和几何畸变，所以研究出精度 高、匹配正确率高、速度快、鲁棒性和抗干扰性强的匹配算法一直是研究人员的 目标，根据近几十年来的研究，根据其原理。图像匹配大致可虬分为三娄基于灰 度相关性的匹配、基于特征的匹配、以及基于变换域的匹配。 第三章图像匹配实现光轮胎图像缺陷初识别的算法研究 3 3 1 基于灰度相关性的匹配 基于灰度相关的匹配算法是一种对待匹配图像的像元以一定大小窗口的灰 度阵列按某种或几种相似性度量顺次进行搜索匹配的方法。这类算法的性能主要 取决于相似性度量及搜索策略的选择上。匹配窗口大小的选择也是该类方法必须 考虑的问题，大窗口对于景物中存在遮挡或图像不光滑的情况会出现误匹配的问 题，小窗口不能覆盖足够的强度变化，因此可自适应调整匹配区域的大小来达到 较好的匹配结果。 经典的相似性度量包括相关函数( 如，归一化积相关算法( n c ) 、序贯相似性 检测算法( s s d a ) ) 和m i n k o w k s i j l 三离。这种方法能够获得较高的定位精度，但是它 计算量大，难以达到实时性要求，一旦进入信息贫乏的区域，会导致误匹配率的 上升，而且此方法对噪声影响敏感，对畸变图像不能有效的进行匹配。 3 3 2 基于特征的匹配 为克服基于灰度相关匹配方法的缺点，人们提出了基于特征的匹配方法，该 类方法首先从待配准的图像中提取特征，用相似性度量和一些约束条件确定几何 变换，最后将该变换作用于待匹配图像。匹配中常用的特征有边缘、轮廓、直线、 兴趣点、颜色、纹理等。 人们早先使用图像的边缘特征进行匹配，但是它计算比较费时，因此后来又 提出用信息含量高、数量相对少的局部特征如兴趣点代替边缘来计算两幅图像之 间的相似性。兴趣点是图像灰度在x 和y 方向都有很大变化的一类局部特征点。 它包含角点、拐点以及r 交叉点等。定位精度、重复率和信息含量是衡量兴趣点 检测算子的标准。m o r a v e c 在1 9 7 7 年就提出了利用图像灰度自相关函数的兴趣点 检测算子【4 】；h a r r i s t 等人提出t m o r a v e c 算子的改进算子1 5 ，实验表明，该算子对 于图像存在旋转、照明变化和透视变形时是稳定的。v i n c e n t 等人使用h a r r i s 检测 器提取兴趣点【6 】，通过归一化相关，沿极线寻找幅图像中兴趣点的对应点，接着 使用第三幅图像来得到更准确的对应；j a n e 提出了基于小波变换的分层图像匹配 算法【7 】，在分解后的每一层图像中提取兴趣点进行匹配，用并行策略进一步提高 速度。 矩作为图像的一种形状特征，已经广泛应用于计算机视觉和模式识别等领域。 h u 在代数不变量的基础上首先提出了几何矩的概念【8 】，并使用几何矩的非线性组 合，导出了具有尺度、平移和旋转不变性的矩不变量。几何矩存在信息冗余方面 的缺欠，而且对噪声比较敏感。后来，人们又推导出了正交的z e r n i k e 矩和l e g e n d r e 矩f 9 】。文献使用矩不变量作为匹配特征，模糊不相似性作为匹配度量，提出了最 1 1 第三章图像匹配实现x 光轮胎图像缺陷初识别的算法研究 优匹配对理论并加以证明；h u a n g 和c o h e n 提出了个曲线匹配的算法【l0 1 ，使用 加权b 样条曲线矩，解决了仿射变换和遮挡问题。使用矩的匹配方法无需建立点 的对应信息，它的缺点是不能检测图像的局部特征，需要对图像进行分割，而且 只适用于发生了刚体变换的图像。 基于特征的匹配对于图像畸变、噪声、遮挡等具有一定的鲁棒性，但是它的 匹配性能在很大程度上取决于特征提取的质量。 3 3 3 基于变换域的变换 频域匹配技术对噪声有较高的容忍程度，检测结果与照度无关，可处理图像 间的旋转和尺度变换。常用的频域相关技术有相位相关和功率谱相关，其中相位 技术使用相对广泛，最典型的如傅立叶变换。近些年来人们更倾向选择更可靠， 更符合人眼视觉特征的g a b o r 变换及小波变换进行图像匹配。 3 4 基于灰度直方图统计特征的图像匹配算法 3 4 1 算法简介 在对图像灰度特征的描述上，直方图( h i s t o g r a m ) 是一个非常有效的工具。直 方图描述了图像灰度的统计分布特征，且具有平移、尺度和旋转的不变性，因此 在图像匹配中被广泛采用。经典的直方图匹配算法通过计算直方图间的欧氏距离 ( e u c l i d e a nd i s t a n c e ) 进行匹配判断。欧氏距离是根据矢量距离进行相似度测量， 但其准确率相对来说较低，本文中使用直方图均值和方差的加权来进行判断。 3 4 2 直方图特征 灰度直方图是灰度级的函数，它表示图像中具有每种灰度级的像素的个数， 反映图像中每种灰度出现的频率。姻3 3 所示，灰度直方图的横坐标是灰度级， 纵坐标是该灰度级出现的频率。 ， 从概率论的角度来看，灰度级出现的频率可视为其出现的概率，直方图则对 应于概率密度函数，概率分布函数则是概率密度函数的积分。 p ( ，) = b ( r ) 咖p ( ，) = d p ( r ) d r 其中p ( r ) 和p ( ，) 分别为概率分布函数和概率密度函数。 1 2 ( 3 一1 ) 第三章图像匹配实现光轮胎图像缺陷初识别的算法研究 暖k ( a ) 灰度图嘞灰度直方图 图3 - 3 灰度直方图示意图f 左为原图，右为直方图) 获取灰度图像直方圈具体步骤如下： 假设图像大小为m _ v ，f ( x ，y ) n n ( x ，y ) 处灰度值。 ( 1 ) 初始化数组h i s t k _ 0 ，k 0 , 12 5 5 ( 2 ) 对图像进行逐点遍历，统计灰度值h i s l 【，( 王y ) = h i s t 九z ，) 】+ 1 ( 3 ) 对灰度值进行归一化片【，“y ) 】_ h i s t f ( x , y 。 利用欧氏距离进行判断则如式3 - 2 所示 以m = ( h i - l q ) 2 + ( h 2 一e 2 ) 2 ( 3 - 2 ) 其中五，丘分别为两幅图像的灰度平均值。 而直方图也可卧看作是一个统计量，具有随机变量的性质，因此我们可以采 用对随机变量的数字特征进行分析的方法对直方图间的相似性进行度量。在本论 文中利用直方图的均值和方差的加权来进行直方图匹配判断。 一j 直方图平均灰度：a = m ，= ( 卜一) 2 p ( ) ，即均值 f 目 直方图方差；口2 = r h = u 一声) 2p ( ) 是对灰度分布的分散性度量 1 日 则对任意两_ 个直方图啊，且，按照以下原则进行匹配： ( 1 ) 定义灰度直方图m ，i = ：相关距离d 晰( h ，h ：) ( 2 ) 计算日，月2 的均值差别i “一鸬，并进行归一化乒= “一鸬i 2 s s ： 1 3 第三章图像匹配实现光轮胎图像缺陷初识别的算法研究 ( 3 ) 计算且，皿的方差i 砰一砖i ，并进行归化；a c t 2 = i 彳一蠢j 2 5 5 ( 4 ) 对均值与方差两种特征进行加权求和d 吲( 日，日：) = + 以矿：a o 2 其 中红，以，：为所赋的加权值 ( 5 ) 通过设定阈值便可以对直方图的相似性进行判断。 3 5 基于纹理统计特征的图像匹配算法 3 5 1 算法的简介 所谓纹理，可以认为是相似的，但不一定是完全一致的纹理基元按照某种重 复规律的排列，也就是说纹理可以看作是纹理基元的集合。纹理一般分为均匀纹 理和非均匀纹理。在均匀纹理图像中，所有的纹理基元在方向和形状上都一致， 并且空间分布也一致；在非均匀纹理图像中，纹理基元在形状、方向和排列上都 有一定的偏差。 为了便于分析，假定图p 是均匀纹理图像，大小为mx n ，纹理基元b 是一 个确定性实函数。纹理图像p 可由纹理基元b 阵列表示为如下 p ( x ，y ) = 6 ( x ，y ) 万o k a x ，y r a y ) ( 3 3 ) 。z = 式中血是x 方向上纹理基元分布周期；a y 是y 方向上分布周期。在非均匀 纹理图像中，纹理基元函数b ( x ，y ) 和分布周期缸，缈不恒定，但在变化较小的情 况下，仍可以用( 3 3 ) 式来表达。在实际中完全均匀纹理图像几乎不存在，图像由 于光照等原因总会使得灰度存在不均匀，也就是存在背景噪声，于是可以将图像 分为均匀纹理r 和背景噪声的叠加，则图像阵列可以表示为 t ( x , y ) = t ( x ，y ) + 聆( x ，y ) ( 3 _ 4 ) 一般来说，有缺陷的纹理相比于正常纹理，会表现为纹理基元的形状和分布 异常，即在缺陷区域纹理基元函数b ( x ，y ) 和分布周期缸，缈会有突变，天津大学 黄战华教授提出一种一阶统计运算检测纹理缺陷的方法【】，通过提取均值与方差 来进行检测。 3 5 2 算法的具体原理及实现 要提取纹理特征，由公式3 4 可知，需要消除背景噪声n ( x ，y ) ，获取正则化 1 4 第三章图像匹配实现x 光轮胎图像缺陷初识别的算法研究 的图像。获取正则化图像步骤如下： ( 1 ) 将图像p 划分为m 大小的块q 阵列，其任意一块记为q ( x ，y ) j 且有 q ( x ，y ) = t ( x ，y ) = t ( x ，y ) + ，z ( 五y ) ( 2 ) 分块计算均值得到均值矩阵，均值公式为 ( 3 - 5 ) 耳= 肌e b = 磊1 芝x ，o 瓢y = o 少，+ 去萋势朋 p 6 ， ( 3 ) 分块计算方差值得到方差矩阵，方差公式为 珥= e ( t + b e t e b ) 2 ( 3 - 7 ) 而实际上背景不均匀只是相对于整幅图像，在局部区域内是近似均匀的，当 ，l ，胛选择足够小时，有 珥= e ( t e t ) 2 ( 3 - 8 ) 对所得均值矩阵和方差矩阵分别进行双线形插值，得到和原图大小相同的均 值图像e 及方差图像d ，然后通过式3 - 9 得到正则化的图像z ，其中f y ) 为 原图像点( x ，y ) 的灰度值，e ( x ，y ) 为均值图像e 点( 工，y ) 的灰度值，d ( x ，y ) 为 方差图像d 点( x ，y ) 的灰度值。图像z 均值近似为1 ，方差近似为0 ，这样我们 可以认为其具有均衡的背景噪声，可以近似的认为是均匀纹理图像。 如棚2 背 ( 3 - 9 ) 分块尺寸m ，力的选取是正则化预处理的关键，要依据纹理图像的背景噪声特 征和纹理基元分布周期来选取。m ，z 越小，去背景噪声能力就越强，但太小就容 易破坏纹理的固有特征。所以需要根据图像实际特点进行处理。 在理想均匀纹理图像z 中，如式( 3 - 3 ) 所示，如果将图像分为大小为r x s 的块， 当，s 分别为周期缸，缈的整数倍时，则每一块的均值和方差都相等，但在缺陷 1 5 第三章图像匹配实现光轮胎图像缺陷初识别的算法研究 区域，由于纹理基元b ( x ，y ) 或周期缸，缈的变化，其均值和方差就会出现异常， 所以可以通过计算每个块的均值和方差来判断这个块内是否存在缺陷。得到方差 和均值的步骤如下： ( 4 ) 将正则化图像z 划分为大小为r x s ( r 缸，s a y ) 的块阵列，计算每一块的均 值和方差，产生两个矩阵。 ( 5 ) 这两个阵列通过双线性插值拓展到原始图像的大小，拓展后的阵列分别为均 值图像e 和方差图像d 1 有缺陷的区域其均值和灰度会与其他部分有明显差异，我们便可以据此来实现缺 陷的判别。 3 6 两种匹配算法的比较 为了选择合适的算法来实现图像缺陷的初识别，在本论文中分别利用两种算 法来实现轮胎缺陷的粗识别，并进行比较。 3 6 1 基于直方图灰度统计特征的匹配算法实现轮胎缺陷初识别 根据3 4 节算法原理，实现步骤如下： ( 1 ) 选取图3 4 ( a ) 所示图片作为测试图片，图3 4 ( b ) 作为模板图片。图片大小分别 为2 5 6x2 5 6 ，2 5 6x ：3 2 。 ( 2 ) 对测试图片进行窗口扫描，窗口大小选为2 5 6x3 2 ，计算每个窗口与模板的 相似性距离d 洲，并与所设定的阈值进行比较。在本例中阈值选为0 4 0 。如大 于阈值，则判断为有缺陷，否则继续扫描，直到扫描结束。 对于基于直方图统计特征的匹配算法，其关键在于模板的选择，由于所检测的轮 胎图片存在型号的差异，所以需要根据具体图片选择不同的模板。我们又选择同 一型号的缺陷图片5 0 张，大小均为2 5 6x2 5 6 ，并选择合适的模板，模板大小为 2 5 6x3 2 ，识别率能达到9 0 。 3 6 2 基于纹理统计特征的匹配算法实现轮胎缺陷初识别 根据3 5 节算法原理，实现步骤如下： ( 1 ) 同样选取图3 - 4 ( a ) 所示图片作为测试图片。 ( 2 ) 对测试图片进行正则化，得到如图3 5 ( a ) 所示，其中原始图片分块大小为8x 8 ( 3 ) 对所得的正则化图片进行阵列的划分，分块大小为6 6 ，进而得到均值图像 和方差图像( 3 5 c o ) ，3 5 ( c ) ) ，对方差图像和均值图像进行判断，如其图像的灰 度值存在明显变化，则认为有缺陷。 1 6 第三章图像匹配实现x 光轮胎图像缺陷韧识别的算法研究 ( a ) 正则化圈片( b ) 均值图片 第三章图像匹配宴现x 光轮胎图像缺陷初识别的算法研究 塑 誊耄霉辫疆 。薹鬻攀翻 _ - - 簟瞄函瞄i 一 ( c ) 方差闺片 图3 - 5 处理得到的图片 3 7 本章小结 本章首先根据轮胎缺陷的特征分布对欲处理的图片窗口进行了划分并结合 图像实际特点，对其进行对比度增强，增强方法采用直方圉均衡化的方法，然后 研究比较了各种图像匹配的算 击，重点比较了基于直方图的统计特征的匹配算法 和基于纹理统计特征的图像匹配算法，通过实验，最终采用基于直方图的统计特 征l 方差和均值的加权和) 来实现轮胎缺陷的初步识别。 第四章图像缺陷特征提取算法研究 第四章图像缺陷特征提取算法研究 在对x 光轮胎图像缺陷实现初步识别后，需要提取出缺陷特征，以满足后 续分类的要求。本章主要研究了图像缺陷特征的分割，轮廓提取算法。 4 1 图像的分割 4 1 1 图像阈值分割概述 所谓的图像分割就是把图像分成各具特性的区域并提取出感兴趣目标的技 术和过程( 感兴趣的部分定义为目标，其余部分称为背景) ，在本论文中主要是需 要提取帘线的特征。长期以来，人们已提出了上千种类型的分割算法，而阈值分 割又称灰度门限技术最为常用也最为典型。 阈值分割就是通过灰度的阈值变换，将一幅图像转换成为黑白二值图像。其 基本思想是利用图像的灰度特征来选择一个( 或多个) 最佳灰度阈值，并将图像中 每个像素的灰度值与阈值相比较，最后将对应的像素根据比较结果分到合适的类 别中。 将一幅m n 的二维图像r 在像素( f ，j f ) 处的灰度值记为f ( i ，j ) ，假设t 为该 图像的一个灰度阈值，则利用t 分割图像目标与背景的原则为 目标部分：0 = 厂( f ，) 冬t l ( f ，歹) 毋 背景部分：b = 矿( f ，j ) tf ( f ，) 乃 阈值法既可以基于图像的全局信息( 如整个图像的直方图) ，也可以使用图像 的局部信息( 如灰度共现矩阵) 选取阈值。阈值又分为全局阈值( 整个图像使用一 个门限值) 和局部阈值( 图像中的不同区域使用不同的门限值) 。按分割方法又可 分为单阈值分割( 将图像用一个门限分为两个区域) 和多阂值分割( 将图像用多个 门限分为两类以上区域) 。 寻找计算简单、自适应能力强的图像阈值自动选取方法一直是阈值法研究的 一个重要课题。o t s u 投】在1 9 7 9 年提出的最大类间方差法( 也称为大津方法) 一 直被认为是闽值自动选取方法中的最优方法。北京科技大学的苟中魁等人将o t s u 算法进行推广【1 3 1 ，使其可用于多阈值的分割；而o t s u 方法由于是基于全局灰度 值，因此对于光照不均的图像分割效果较差，d e r e kb r a d l e y 和g e r h a r dr o t h 在 2 0 0 7 年提出基于积分图像的自适应阈值算法【1 4 1 ，对于此类图像有很好的分割效 果。 1 9 第四章图像缺陷特征提取算法研究 4 1 2o t s u 算法 o t s u 阈值化方法是一种全局的自动非参数无监督的阈值选取算法，以图像 的一维直方图为依据，以目标和背景的类间方差作为准则选取最佳分割阈值。 s a h o o 等人通过试验证明【1 5 】，o t s u 方法是一种很好的阈值化方法。 其数学模型如下： 首先假设阈值t 将级灰度的图像划分为两类： c o o ，f 】，c i p + i , l 一1 】 并对图像的直方图进行归一化，由此可得： = 专，只o ，篓只= ( 4 - 1 ) ( 4 2 ) 为图像总像素数，刀，为灰度为i 的像素数，则类出现的概率值分别为： tl - i w o = e ( c 。) = 只= w ( f ) ，w ( f ) = e ( c ，) = 只= 1 - w ( t ) f = 0i = t + i 旷言等= 嚣以= i 篁= t + l 堡w 1 = 丽u , - u ( t ) l - 1 其中= i e , 为图像x 的均值。c o ，c 。类的类间方差为： f 譬0 仃；= w o ( u o u t ) 2 + w l ( “l 一“r ) 2 = w o w i ( u o 一“i ) 2 ( 4 - 3 ) ( 4 - 4 ) 最佳阈值t 应使类间方差最大，即f = a r g m a x o 盘盟一l 2 o t s u 算法原理简单，自适应强，算法效率高，适合实时图像处理。 从分割质量上看，o t s u 法在处理灰度直方图分布呈双峰形状( 或大致呈双 峰形状) 的图像时，分割效果最好，直方图的双峰分别与图像中的目标和背景相 对应，门限值取谷底位置便可达到要求。由图4 1 ( b ) 可以看出其直方图大致呈双 峰状，采用o t s u 法便可得到满意的分割效果，图4 - 2 是其利用o t s u 法得到的二 值化图像。 第四章图像缺陷特征提取算 去研究 露 ( a 1 原图 图4 - 1 图像及其灰度直方圈 ( b ) 直方图 图4 - 2 二值化后的图像 4 l 3o t s u 双期值法 o t s u 多阈值法主要针对直方国呈多峰值分布的图像。在此我们以取闺值法为 例- 基于412 中o t s u 算法的基本原理，井设置两个阚值( 墨，t ) 把图像灰度值分为 三类，其推导过程如下。 设一幅图像的灰度值分为( o ) 级，获度值为i 的像素数为即则总像素数 为 n = _ f 4 - 5 1 第四章图像缺陷特征提取算法研究 各灰度值出现的概率为 p ：n l n 整幅图像的灰度平均值u 为 ( 4 - 6 ) ( 4 7 ) 将全部灰度值分为三类：c o = o z ) ，q = 五4 - 1 互) ，c ：= 仍+ l l - 1 设c 。出现的概率为w o ，其灰度平均值为“。；c 1 出现的概率为w l ，其灰度 平均值为“。；c 2 出现的概率为w 2 ，其灰度平均值为“：则： 五 w o = 鼻 i = 0 3 只 2 荟盖 w i “l w 2 = 1 一w l 一 “25 “一w o u o h “l w 2 这样，o t s u 法求取阈值的公式就扩展为： g ( 互，疋) = a r g m a x o 五五吐w o ( u 一“o ) 2 + w l ( u - u 1 ) 2 + w 2 ( u u 2 ) 2 ( 4 8 ) ( 4 9 ) ( 4 1 0 ) ( 4 1 1 ) ( 4 - 1 2 ) ( 4 1 3 ) ( 4 一1 4 ) 令正在0 三- 2 之间变化，疋在正l - 12 n 变化。根据式( 4 1 4 ) 求出每次 对应的，其中g ( 互，疋) 的最大值对应的( 互，乏) 即为o t s u 双阈值法求取的最佳阈值。 嵋 n 瑚 = 掰 只 只一皇己州县乙州 第四章图像缺陷特征提取算法研究 4 1 4 基于积分图像快速自适应阈值分割算法 p i e r r ed w e l l n e r 于1 9 9 3 年一种提出快速自适应阈值算法【16 】，可以较好的解决 由于光照等原因造成图像亮度不均匀的图像分割问题。 此算法的基本思想是要确定图像上某点像素的黑或者白，用其邻域，或者扫 描顺序上的其他点灰度均值来确定阈值，然后用阈值与当前像素值比较从而实现 图像分割的目的。数学模型定义如下。 设一幅图像的灰度值分为( 0 三) 级，图像大小为m n ，对图像进行横向 扫描，第i 个扫描点其灰度值为p ( f ) ，分割后的灰度值为t ( i ) 。 设用厂用) 来表示第i 个点之前，个点的灰度值的和，就是 而t ( i ) 的判定如下式 j - i f j ( i ) = t r i o 砸眯5 以。嘶二矬叫v 1 0 。 而且有经验公式，这里的和s 一般取为，= w i d t h 8 ，s = 1 5 ( 4 - 1 5 ) ( 4 1 6 ) 由式4 一1 5 可以发现p ( f ) 的值取决于其之前的扫描点以及其扫描的顺序，而 互竺是前个点的均值，这说明前面，个扫描点对于决定当前点值的权重是一 1 样的，事实上离当前点越近，所占权重应该越大，同时也应该消除扫描顺序的影 响，n 此x c f j ( i ) 进行修正 酮碣( f _ 1 ) 一半堋 f j ( f ) = 盟掣竺 ( 4 1 7 ) ( 4 - 1 8 ) 第四章图像缺陷特征提取