于坤林，謝志宇，王志敏

(長沙航空職業(yè)技術(shù)學(xué)院，湖南 長沙 410124)

葉片是航空發(fā)動機(jī)的關(guān)鍵部件之一，它對發(fā)動機(jī)的可靠性、安全性以及使用壽命具有非常大的影響。近年來，國產(chǎn)航空發(fā)動機(jī)在使用過程中出現(xiàn)了大量的問題，而其中絕大部分是葉片的質(zhì)量問題，主要原因是航空發(fā)動機(jī)的葉片工作環(huán)境十分惡劣。葉片檢測是保證葉片質(zhì)量的關(guān)鍵環(huán)節(jié)，目前國內(nèi)航空工廠對葉片的檢測手段還比較落后，僅限于目視檢測或模板檢測等傳統(tǒng)方法，這些方法具有容易受人為因素影響、檢測效率低下、檢測精度不高的缺點。文章提出一種基于圖像處理的航空發(fā)動機(jī)葉片檢測方法，用圖像處理的方法來代替?zhèn)鹘y(tǒng)的檢測手段，從而使葉片的質(zhì)量檢測不受人為因素的影響，檢測方法更簡單，檢測效率和精度更高，因此采用圖像處理的方法來檢測航空發(fā)動機(jī)葉片具有非常重要的應(yīng)用價值。

1 系統(tǒng)軟件設(shè)計

基于圖像處理的航空發(fā)動機(jī)葉片檢測方法是先對被檢測的葉片通過CCD圖像傳感器進(jìn)行圖像采集，然后對畸變后的圖像進(jìn)行校正、圖像濾波，對濾波后的葉片進(jìn)行邊緣檢測，最后根據(jù)邊緣檢測圖像來判斷航空發(fā)動機(jī)葉片的質(zhì)量的好壞或受損的部位。整個航空發(fā)動機(jī)葉片檢測流程如圖1所示。

圖1 航空發(fā)動機(jī)葉片檢測流程圖

2 系統(tǒng)算法實現(xiàn)

2.1 圖像校正

圖像校正是指對失真圖像進(jìn)行復(fù)原性處理［1］。圖像校正主要分為幾何校正和灰度校正，灰度校正的方法主要有灰度級校正、灰度變換、直方圖修正3種方法，為了有選擇性地突出所需要的圖像特征，選用直方圖修正。

2.2 圖像平滑

原始圖像包含了許多噪聲，在圖像邊緣檢測時容易將灰度值比較大的噪聲點誤判為偽邊緣，造成邊緣檢測不準(zhǔn)確［2］。為了減小噪聲對邊緣檢測的影響和將噪聲點誤判為邊緣的可能性，必須對原始圖像進(jìn)行圖像平滑以過濾掉噪聲。圖像平滑濾波的常用的方法有均值濾波和中值濾波，由于圖像傳感器容易引進(jìn)椒鹽噪聲，所以這里是對原始圖像疊加了椒鹽噪聲后進(jìn)行濾波比較。圖像分別經(jīng)過均值濾波和中值濾波處理后濾波效果如圖2所示。為了得出比較理想的實驗效果，選用圖像處理常用的標(biāo)準(zhǔn)測試圖片(256x256像素的camera圖片)進(jìn)行實驗。

圖2 圖像平滑濾波后的實驗對比

圖2(c)是對加有椒鹽噪聲的camera圖像進(jìn)行均值濾波后的圖像，圖2(d)是對加有椒鹽噪聲的camera圖像進(jìn)行中值濾波后的圖像。比較圖2(c)和圖2(d)可以看出，圖2(c)還含有椒鹽噪聲且圖像邊緣模糊，而圖2(d)幾乎看不見椒鹽噪聲且圖像也比較清晰。顯然采用中值濾波的效果要比均值濾波效果好，因此在葉片檢測預(yù)處理時要選擇中值濾波。

2.3 圖像增強(qiáng)

圖像濾波雖然濾除了大量的噪聲，但是在抑制噪聲的過程中難免會丟失一些邊緣細(xì)節(jié)，因此必須對濾波后的圖像進(jìn)行圖像增強(qiáng)。圖像增強(qiáng)目的是為了可以將鄰域(或局部)強(qiáng)度值有顯著變化的點突顯出來，提高圖像對比度，消除圖像的噪聲和改善圖像的質(zhì)量等［3］。常用的圖像增強(qiáng)的方法有對比度增強(qiáng)以及直方圖均衡化增強(qiáng)等［4］。圖像分別經(jīng)過對比度增強(qiáng)以及直方圖均衡化增強(qiáng)后的效果如圖3所示。

圖3 圖像增強(qiáng)后的實驗對比

圖3(b)是對中值濾波后的camera圖像進(jìn)行對比度增強(qiáng)后圖像，圖3(c)是對中值濾波后的camera圖像進(jìn)行直方圖均衡化增強(qiáng)后的圖像，圖3(d)是對中值濾波后的camera圖像進(jìn)行自適應(yīng)直方圖均衡化增強(qiáng)后的圖像［5］。比較圖3(b)、圖3(c)和圖3(d)可以看出，圖3(d)圖像的目標(biāo)與背景的灰度差值要大一些，而且它們之間的灰度對比度要強(qiáng)一些，圖像的邊緣細(xì)節(jié)更加突出清晰一些，因此在葉片檢測預(yù)處理時要選擇自適應(yīng)直方圖均衡化的方法對圖像進(jìn)行增強(qiáng)處理。

2.4 圖像邊緣檢測

邊緣反映圖像灰度的不連續(xù)性，是圖像的最基本特征［6］。邊緣檢測是圖像分割，形狀特征提取和匹配，以及文理分析等圖像分析的重要基礎(chǔ)，常用的邊緣檢測方法是采用邊緣檢測算子來進(jìn)行檢測的，如 roberts算子、sobel算子、prewitt算子、canny算子等，圖4就是采用各種邊緣檢測算子對圖像進(jìn)行邊緣檢測后的對比圖像。

圖4 圖像邊緣檢測后的實驗對比

圖4(b)是對自適應(yīng)均衡化增強(qiáng)后的camera圖像進(jìn)行sobel算子邊緣檢測圖像，圖4(c)是對自適應(yīng)均衡化增強(qiáng)后的camera圖像進(jìn)行prewitt算子邊緣檢測圖像，圖4(d)是對增強(qiáng)后的camera圖像進(jìn)行roberts算子邊緣檢測圖像，圖4(e)是對增強(qiáng)后的 camera圖像進(jìn)行 canny算子邊緣檢測圖像［7］。比較圖4(b)、圖4(c)、圖4(d)和圖4(e)可以看出，圖4(d)camera圖像丟失了很多邊緣細(xì)節(jié)，檢測效果最差，圖4(b)、圖4(c)邊緣檢測效果相當(dāng)，比圖4(d)效果要好，但是也丟失了一些邊緣細(xì)節(jié)，圖4(e)邊緣檢測效果最好，檢測圖像邊緣包含了比較豐富的的圖像邊緣細(xì)節(jié)，所以在進(jìn)行航空發(fā)動機(jī)葉片邊緣檢測時要選擇canny算子對圖像進(jìn)行邊緣檢測。

3 葉片裂紋檢測實驗結(jié)果與分析

裂紋的種類很多，實驗選擇的是比較難檢測的內(nèi)部裂紋和微觀裂紋。選擇某渦輪發(fā)動機(jī)葉片切割后得到的實驗試件，對實驗試件進(jìn)行中值濾波和自適應(yīng)直方圖均衡化圖像增強(qiáng)等預(yù)處理以及自動閾值的canny算子邊緣檢測后的實驗結(jié)果如圖5所示。

圖5 航空發(fā)動機(jī)葉片邊緣檢測實驗結(jié)果

圖5(b)是對裂紋葉片進(jìn)行中值濾波后的圖像，從圖上可以看出:濾波后的圖像比較清晰，消除了大量的噪聲，但是邊緣細(xì)節(jié)變得模糊;圖5(c)是對裂紋葉片進(jìn)行自適應(yīng)均衡化增強(qiáng)后的圖像，從圖上可以看出:目標(biāo)和背景的灰度對比度明顯增強(qiáng)，圖像的邊緣細(xì)節(jié)更加突出;圖5(d)是對裂紋葉片進(jìn)行自動閾值的canny算子邊緣檢測后的圖像，從圖上可以看出，葉片裂紋非常清晰并且可以定位真實的裂紋邊緣位置，可以準(zhǔn)確地測量出葉片裂紋的寬度和長度，取得了比較理想的邊緣檢測效果，葉片裂紋被檢測以后，發(fā)動機(jī)修理人員可以采用先進(jìn)的修理工藝對葉片的損傷進(jìn)行修復(fù)，從而可以延長葉片的使用壽命，提高航空發(fā)動機(jī)的可靠性和安全性。

4 結(jié)束語

文章提出了一種基于圖像處理的航空發(fā)動機(jī)葉片檢測方法，該方法與傳統(tǒng)的檢測方法相比較，具有檢測方法更簡單、檢測效率和精度更高、葉片的質(zhì)量檢測不受人為因素的影響等優(yōu)點，具有非常好的應(yīng)用價值。

［1］敬忠良.圖像融合─理論與應(yīng)用［M］.北京:高等教育出版社，2007:3－23.

［2］張德豐.詳解MATLAB數(shù)字圖像處理［M］.北京:電子工業(yè)出版社，2009:270－272.

［3］關(guān)雪梅.基于空域的圖像增強(qiáng)技術(shù)研究［J］.赤峰學(xué)院學(xué)報(自然科學(xué)版)，2012，(8):22 －24.

［4］馬麗亞力.阿布來孜.一種小波變換邊緣圖像融合的邊緣檢測新方法［J］.計算機(jī)系統(tǒng)應(yīng)用，2012，(12):182－185.

［5］毛本清.自適應(yīng)直方圖均衡化算法在圖像增強(qiáng)處理的應(yīng)用［J］.河北北方學(xué)院學(xué)報(自然科學(xué)版)，2010，(10):64－67.

［6］鄒柏賢.prewitt圖像邊緣檢測方法的改進(jìn)［J］.微電子學(xué)與計算機(jī)，2013，(5):23 －25.

［7］王智文.幾種邊緣檢測算子的性能比較研究［J］.制造業(yè)自動化，2012，(6):14 －16.