基于双缝边缘检测的缺陷检测方法

基于双缝边缘检测的缺陷检测方法

0焊缝缺陷检测方法x射线成像的特点是具有直观性、可靠性、灵敏度和分辨率性的优越性，在损伤试验中发挥着重要作用。目前，x射线成像的结果评价通常采用人工评价法。评价员工作量大，容易被眼睛损伤，检测结果由检测主体的主观因素决定。通过计算机评估课程，可以有效克服这些困难，使评估过程客观、科学、规范。X射线数字化图像具有噪声多,缺陷对比度不高,存在较大的背景起伏等特点,给缺陷自动检测带来很大困难.国内外学者对此进行了研究并提出了很多方法,如列灰度波形分析、边缘检测算子、背景消除法、模糊推理、数学形态学等.这些方法在一定程度上可以从X射线焊缝图像中检测出焊缝缺陷,但对于双面焊焊缝,如油气钢管的制造通常采用双面埋弧焊,由于双面焊两面焊缝的焊接工艺通常不一样,使得两焊缝的宽度不同,而且两焊缝的中心位置常常存在偏差,这些因素使得钢管焊缝X射线图像呈现多个焊缝边缘,这种灰度分布特征给缺陷检测带来不利影响,在两焊缝重叠区边缘附近容易产生误检.为了描述方便,图像中整个焊缝区域的边缘称为“焊缝外边缘”,两焊缝重叠区的边缘称为“焊缝内边缘”.针对双面焊焊缝X射线胶片数字化图像的焊缝缺陷自动检测,焊缝缺陷被分为细长缺陷(平均宽度不超过3个像素的线状焊缝缺陷)和非细长缺陷(细长缺陷之外的其它缺陷)分别进行检测.对于非细长缺陷,在焊缝内外边缘区与非边缘区分别采用大模版中值滤波与大模版均值滤波模拟背景,然后对消除背景后图像采用分区域阈值分割检出焊缝缺陷;对于细长缺陷,基于列自适应二值化和改进霍夫变换的缺陷提取思路被提出.在此基础上,研制了适用于双面焊焊缝缺陷检测的X射线胶片数字化及焊缝缺陷自动检测系统.1胶片图像与缺陷自动检测如图1所示,X射线胶片数字化及缺陷自动检测系统由胶片拍摄、胶片自动冲洗、胶片数字化及图像处理4个环节组成.针对双面螺旋焊焊缝X射线胶片,采用扫描仪对胶片进行扫描,得到胶片数字化图像.所得图像分辨率为300dpi,象素位数为16位.文中显示的图像为原始图像经过对比度增强后压缩为8位图像的结果.图像处理环节是实现焊缝缺陷自动检测的核心,文中提出的图像处理流程主要可分为以下4个部分:(1)图像预处理;(2)焊缝内外边缘检出;(3)非细长缺陷分割;(4)细长缺陷分割.2图像预处理为准确提取出缺陷,对原始图像进行预处理是非常必需的.通过试验,对非细长缺陷以及焊缝内外边缘的检出,采用均值滤波算子h1对原始图像进行预处理;对细长缺陷的检出,选用线性滤波算子h2进行预处理,即h1=19⎡⎣⎢111111111⎤⎦⎥h1=19;h2=116⎡⎣⎢111181111⎤⎦⎥(1)h2=116(1)3连接内部和外部边缘的检测3.1焊缝区域预处理为了减少图像处理的总体计算量,同时避免在焊缝外产生不必要的误检,在实现缺陷分割前需要提取出焊缝区域.采用基于逐列灰度分析的多重阈值分割算法,可以避免焊缝区外白色文字区域和焊缝内边缘的影响,实现焊缝外边缘的检出.如图2a所示,以L=150列为例,其列灰度经多列中值滤波后如图2b所示,设为gi(x),首先对该列进行焊缝区域预估,预分割阈值为T=fmed[gi(x)]+Tinc(2)式中:fmed为求取中值;Tinc为阈值补偿值,经过试验,取Tinc=200.搜索灰度值超过阈值T的区域,计算区域宽度,如果区域宽度超过150个像素,则为焊缝区域,将此区域向两侧各扩展50个像素,得到焊缝预估区域.设(Hu,Hd)为焊缝预估区间,定义焊缝中心为Hm=(Hu+Hd)/2,利用双阈值分别确定焊缝上下边缘,上下边缘分割阈值按如下公式确定,即Tu=fmin[gi(x)]+Tinc2x∈[Hu,Hm]Td=fmin[gi(x)]+Tinc2x∈[Hm+1,Hd]}(3)Τu=fmin[gi(x)]+Τinc2x∈[Ηu,Ηm]Τd=fmin[gi(x)]+Τinc2x∈[Ηm+1,Ηd]}(3)式中:fmin为求最小值;Tinc2为阈值补偿值.经过试验,取Tinc2=400.应用这两个阈值,即可确定焊缝的上下边缘位置.对整幅图像逐列进行分析,即可检出整个焊缝外边缘,从而提取出焊缝区域.3.2焊缝内边缘检查焊缝内边缘的检出采用逐列分析,在焊缝区域内寻找超过一定阈值的二阶梯度极大值点来确定焊缝内边缘位置.以图2a第150列为例,该列焊缝区域内多列叠加降噪后的列灰度波形及其一定步长的二阶差分如图3所示,可以看出焊缝内边缘位置对应二阶差分极大值点位置,利用此思路即可检出焊缝内边缘.在完成焊缝外边缘和内边缘的检出后,都需进行滤波降噪处理,以消除边缘毛刺.4图像估算方法背景消除法是焊缝X射线图像缺陷分割最常用的方法之一,该方法的难点在于背景图像的估算,对于文中针对的双面焊焊缝,由于X射线图像的焊缝内边缘处灰度值有较大的突变,使内外边缘处的背景估算容易出现较大偏差,从而造成误检.4.1焊缝内外边缘处背景分析由于在焊缝内外边缘处灰度变化起伏较大,采用常规的大模版均值滤波不能准确估计焊缝内外边缘处背景.通过试验得出,焊缝内外边缘处背景灰度沿着列方向的局部变化趋势是递增或递减的,在这附近采用大模版中值滤波能够很好地估计焊缝内外边缘处背景.在焊缝内外边缘区采用大模板中值滤波来估计背景,而在焊缝其它区域采用大模板均值滤波来估计背景可以有效地综合两者的优点,避免焊缝内外边缘处误检.4.2非精细化缺陷分割面的初步检测由于X射线胶片数字化图像沿焊缝方向的噪声分布常有不均,导致无法采用统一的阈值对背景消除后图像进行阈值分割来提取缺陷.对消除背景后的差图像逐列分析,将每列焊缝中间一定数量像素的灰度求均值作为参考灰度,设为Gi,按如下公式来设定阈值Ti,该公式根据胶片数字化图像中噪声分布规律并通过大量试验得到,即Ti=⎧⎩⎨⎪⎪⎪⎪⎪⎪⎪⎪65535‚Gi≤3000800−Gi/15,3000＜Gi≤6000250+Gi/40,6000＜Gi≤10000Gi/20,10000＜Gi≤65535(4)Τi={65535‚Gi≤3000800-Gi/15,3000＜Gi≤6000250+Gi/40,6000＜Gi≤10000Gi/20,10000＜Gi≤65535(4)利用Ti将差图像逐列二值化即可得到非细长缺陷分割结果.图4a,图5a分别为含虫气孔和含夹渣的X射线胶片数字化图像,采用上面步骤提取焊缝缺陷,其结果分别如图4b,图5b所示,结果图像中标识出了焊缝外边缘.在完成对非细长缺陷的初步分割后,可以利用面积阈值(像素数)来进一步排除误检.5非长件质量缺陷的检出对于文中所定义的细长缺陷,如平均宽度不超过3个像素(0.08～0.25mm)的未焊透、裂纹等,其对比度很低,常有间断,前面所介绍的非细长缺陷检出算法难以有效检出.对于双面焊焊缝钢管,其细长缺陷长度方向一般近似平行于焊缝方向.经过试验,基于逐列自适应二值化和改进霍夫变换的分割算法可以实现这类缺陷的检出.5.1细线缺陷检出霍夫变换在直线检测中具有广泛的应用.对于细长缺陷,直线性好,因此选用斜截式直线方程y=kx+b的霍夫变换来实现细长线缺陷检出.通过采用较细的步长对参数空间(k,b)离散化,并改变传统霍夫变换累积数组的累计方式,对于每个目标点(x,y),在根据公式b=-kx+y计算得到b后,将当前k值下所有[b-0.5,b+0.5]区间的单元累加器都增加1,这样可以有效避免由于图像空间(x,y)整数坐标引起的峰值扩算.5.2分散详细错误的方法细长缺陷分割的基本流程如下.(1)划分等待区域由于焊缝内外边缘处容易产生误检,而一般不会在焊缝边缘处产生细长缺陷,因此对焊缝内外边缘附近几个像素的区域不处理.(2)模拟背景消除试验由于细长缺陷方向一般沿着焊缝方向.采用列方向均值模版(2N+1)×1进行低通滤波模拟背景,然后进行背景消除得到差图像.经过试验,取N=3.(3)目标点预分割处理对步骤(2)得到的结果图像逐列进行分析.将每列焊缝区域平均划分为焊缝中心区域和非中心区域,两个区域分别设置二值化点数阈值TPnM和TPnE,对每列焊缝中心区域和非中心区域分别取灰度值最高的TPnM和TPnE个点作为目标点.处理完所有列得到由目标点组成的预分割图像.经过试验,取TPnM=5,TPnE=4.(4)监督组合检测划分M×N局部区域覆盖预分割图像中全部焊缝区,相邻区域之间有一半重叠.利用改进Hough变换依次处理这些区域,寻找Hough变换后得到的累计数组中的最大累计值,设为MaxLPn,设定细长缺陷局部像素总数阈值TLPn,如果MaxLPn>TLPn,则说明该局部区域内检出的直线段属于细长缺陷,填充这些直线段中小的裂口后,标记这些目标点.处理完所有局部区域,即可得到细长缺陷检出结果.经过试验,取M=81,N=7,霍夫变换中k的范围取[-0.08,0.08],间隔为0.01,b的范围取[-6,6],间隔为0.02,另外取TLPn=28.以图6a,图7a所示X射线胶片数字化图像为例,最终检测结果分别如图6b,图7b所示.6多重阈值分割法的分析(1)将缺陷分为细长缺陷与非细长缺陷分别进行检测,可以进行不同程度的滤波降噪处理与采用不同的缺陷分割算法,降低误检和漏检.(2)采用以逐列分析为基础的多重阈值分割