劉 淼，薛建軍，王 玲，張小軍，封榮光

（南京航空航天大學(xué) 材料科學(xué)與技術(shù)學(xué)院，南京211100）

碳鋼的腐蝕是不斷發(fā)展的過程，腐蝕發(fā)展程度取決于發(fā)展的時間和腐蝕環(huán)境，研究腐蝕發(fā)展程度對預(yù)測腐蝕行為和了解腐蝕機理有重要意義。而在一系列描述腐蝕程度的參數(shù)中，腐蝕等級是一個重要參數(shù)，用來對腐蝕作定性或粗略描述。目前，碳鋼腐蝕等級的評定主要根據(jù)GB／T 6461－2002《金屬基體上金屬和其他無機覆蓋層經(jīng)腐蝕試驗后的試樣和試件的評級》，采用人工目測的方法進行評定。這種方法檢測速率慢，檢測人員工作強度大，而且由于存在人為因素，因此檢測結(jié)果的一致性較差，不同人員檢測的結(jié)果不同，置信度較低。

近年來，隨著計算機技術(shù)飛速發(fā)展，基于計算機視覺的檢測技術(shù)由于其方便性、快捷性及準確性，在金屬腐蝕檢測中受到越來越多的關(guān)注，并逐漸顯示出了強大的應(yīng)用潛力。Sabine等[1]運用自行設(shè)計的原位圖像采集裝置，采用具有離子選擇功能的光纖圖像傳感技術(shù)研究了 Al－Cu電偶對在0.1mol／L NaCl緩沖溶液（pH＝7.0）中的腐蝕過程。M.R.Pidaparti等[2]采用小波變換和分形方法研究了鎳鋁青銅在不同腐蝕環(huán)境和不同應(yīng)力狀態(tài)下的腐蝕形態(tài)。結(jié)果表明，通過圖像處理區(qū)分腐蝕圖像中的凹坑和裂紋是完全可行的。實踐表明，利用計算機圖像和視覺技術(shù)對金屬腐蝕特征進行圖像采集、處理、評價，實現(xiàn)對腐蝕特征進行定量或定性分析，不僅可以加快檢測速率，保證檢測質(zhì)量一致性，還可以避免人因疲勞、注意力不集中等帶來的誤判[3]。D.Itzhak等[4]用掃描儀直接掃描304不銹鋼在10%FeCl3中50℃時浸泡20min產(chǎn)生的腐蝕圖像，然后將上述圖像進行二值化處理，統(tǒng)計出了整個試樣表面不同大小的蝕孔數(shù)量。K.Y.Choi和S.S.Kim[5]采用數(shù)字圖像處理的方法對表面腐蝕進行了分析，結(jié)果表明，利用圖像的顏色、紋理和形狀對腐蝕形態(tài)進行描述是可行的。

本工作采用C語言編程對碳鋼腐蝕圖像進行處理，對碳鋼的腐蝕等級自動評定進行探討，其流程圖如圖1所示。

圖1 腐蝕等級評定流程

1 圖像預(yù)處理

由于圖像的傳送和轉(zhuǎn)換總會造成圖像的某些質(zhì)量下降，這些造成圖像降質(zhì)的因素稱為圖像的噪聲。在產(chǎn)品腐蝕檢測時，很可能將噪聲誤認為是產(chǎn)品的腐蝕，造成整個系統(tǒng)性能下降。圖像預(yù)處理的作用是對采集到的圖像進行去噪、增強處理，減少噪聲對后續(xù)處理的影響。

1.1 對比度增強

由于光照及拍攝角度等方面的原因常常造成采集的腐蝕圖像照度不均勻，甚至有些圖片出現(xiàn)大面積的陰影，背景或目標出現(xiàn)全黑。為了清晰地還原真實場景，需對圖片進行修正，消除照度影響?，F(xiàn)有的處理不均勻光照，提高圖片對比度的主要方法有直方圖均衡、灰度變換、同態(tài)濾波、Gamma校正等。

直方圖均衡化是使圖像灰度分布趨于均勻，它對于一些灰度分布比較密集或者對比度比較低的圖像能取得比較滿意的增強結(jié)果。但是由于直方圖均衡化實際上降低了圖像的灰度級，往往會在圖像中形成一些不連續(xù)的斑塊，特別是在圖像中高光區(qū)域和陰影區(qū)域?qū)Ρ认鄬γ黠@的情況下，表現(xiàn)更為突出[6]。圖2為經(jīng)過腐蝕的試片圖像，圖3為原圖經(jīng)過直方圖均衡化后的圖像。由圖3可見，直方圖均衡化后的圖像右下角由于照度不均勻產(chǎn)生大片陰影。

圖2 腐蝕原圖

圖3 直方圖均衡后圖像

對照度不均勻的圖像通過全局變換并不能保證所關(guān)心的局部區(qū)域得到所需要的增強效果，為解決這類問題，需要根據(jù)關(guān)系的局部區(qū)域特性來進行局部變換，達到對局部區(qū)域的增強效果[7]。圖4為圖像經(jīng)過局部增強后的效果，通過局部增強后，圖像對比度有所增強，而且并未出現(xiàn)大片陰影。

Gamma校正也是一種灰度變換，它是為了克服人類視覺系統(tǒng)對于亮度感覺的非線性關(guān)系而引入的一種傳輸函數(shù)[6]。圖5為局部增強后進行Gamma校正后的效果，對比圖4和圖5可見，經(jīng)過Gamma校正后的圖像亮度明顯增大，右下角未出現(xiàn)圖4的大片陰影。

圖4 局部增強后圖像

圖5 Gamma校正后圖像

1.2 去噪平滑

圖像去噪平滑是用于突出圖像的寬大區(qū)域和主干部分（低頻部分）或抑制圖像噪聲和干擾（高頻部分），使圖像亮度平緩漸變，減小突變梯度，改善圖像質(zhì)量的圖像處理方法。包括均值濾波、中值濾波、灰度形態(tài)學(xué)濾波等多種方法。

通常的中值濾波采用3×3矩陣模版（8點鄰域模版）進行濾波計算，如圖6所示。本工作采用了4點鄰域模版進行運算，如圖7所示。與傳統(tǒng)矩陣模版濾波計算相比，這種方法在一個運算周期內(nèi)只需對5個數(shù)據(jù)進行均值計算，大大縮短了程序運算時間。圖8為中值濾波后的效果。

圖6 8點鄰域

2 圖像二值化

二值圖像是指整幅圖像畫面內(nèi)僅黑、白兩個灰度值的圖像。較灰度圖像而言，二值圖像節(jié)省存儲空間、傳輸速度快，易于統(tǒng)計某些特征量。在腐蝕圖像處理中，由于腐蝕區(qū)域的形狀極不規(guī)則，用傳統(tǒng)方法難以精確計算腐蝕面積，因此必須對圖像進行二值化處理[8]。

自動閾值法是比較常用的圖像二值化方法（見圖9）。對于灰度圖像來說，圖像中的腐蝕點和圖像背景是有明顯的區(qū)別，通過選擇特征閾值，區(qū)分腐蝕點和背景。設(shè)原始圖像為f（x，y），選擇特征閾值為T，將圖像分割成兩部分，分割后圖像g（x，y）為：

式中：0代表黑色，255代表白色。

圖9 腐蝕二值圖像

3 腐蝕面積計算

腐蝕灰度圖像轉(zhuǎn)為二值圖像后，只存在純黑和純白兩種顏色，其中黑色代表了腐蝕點顏色，白色代表基體顏色。通過計算二值圖像中黑色像素點占整個圖像像素點的比例可得出腐蝕圖像的腐蝕面積，根據(jù)GB／T 6461－2002《金屬基體上金屬和其他無機覆蓋層經(jīng)腐蝕試驗后的試樣和試件的評級》中關(guān)于保護評級的規(guī)定（表1所示），可判定腐蝕級別。其程序流程圖如圖10。

表1 腐蝕等級與腐蝕面積之間的關(guān)系

圖10 腐蝕面積計算流程圖

GB／T 6461－2002《金屬基體上金屬和其他無機覆蓋層經(jīng)腐蝕試驗后的試樣和試件的評級》中附錄A的標準圓點圖，是腐蝕等級評定的參考標準，通過對標準圓點圖腐蝕面積的計算，并通過表1判斷其腐蝕等級可以驗證程序的準確程度。程序運行結(jié)果如表2所示。

?

由表2可知，除1級標準圓點圖和8級標準圓點圖自動評級結(jié)果存在一定的誤差，其他腐蝕等級圓點圖評定結(jié)果與標準一致。

4 碳鋼試片腐蝕等級評定

選取2個腐蝕試片圖像（1號試片和2號試片）進行處理。其中1號試片腐蝕嚴重，目測腐蝕等級達到3級，2號試片表面無腐蝕點，目測腐蝕等級為5級。用兩種對比度增強的方法對腐蝕圖像進行處理，并對最終腐蝕等級評定結(jié)果進行對比。

4.1 采用全局直方圖均衡運行結(jié)果

采用直方圖均衡法對圖像進行對比度增強，程序運行結(jié)果如表3所示。

?

由表3可見，1號試片圖像和2號試片圖像運行結(jié)果與目測結(jié)果相差甚遠，腐蝕面積與實際情況不符。出現(xiàn)偏差的原因是因為光照不均勻，圖像產(chǎn)生部分陰影，在灰度圖像轉(zhuǎn)換為二值圖像后出現(xiàn)的大量黑色像素點就是代表陰影部分，進而導(dǎo)致腐蝕面積計算出現(xiàn)極大偏差，腐蝕等級評定不準確。

4.2 采用局部增強并進行Gamma校正后的運行結(jié)果

由4.1可知，對照度不均勻的腐蝕圖像采用全局變換不能達到所需要的增強效果，因此對圖像局部增強后進行Gamma校正。運行結(jié)果如表4所示。

?

通過對比表3與表4的運行結(jié)果可得，圖像經(jīng)過局部增強后再進行Gamma校正可以消除照度不均勻引起的陰影，腐蝕面積計算也更為準確。

5 結(jié)論

（1）腐蝕圖像二值化后能較好區(qū)分腐蝕區(qū)域和基體，便于計算腐蝕面積；

（2）通過二值圖像計算得到的腐蝕面積較精確，解決了傳統(tǒng)幾何方法難以計算不規(guī)則區(qū)域面積的問題；

（3）通過直方圖均衡化處理的圖示圖像雖然可以提高對比度，但無法消除照度不均勻產(chǎn)生的陰影；

（4）腐蝕圖像經(jīng)過局部增強處理后再進行Gamma校正可以消除照度不均勻產(chǎn)生的不良影響。

[1]Stefan Sabine，David R W.Aluminum surface corrosion and the mechanism of inhibitors using pH and metal ion selective imaging fiber bundles[J].Analytical Chemistry，2002，74（4）：886－894.

[2]Ramana M Pidaparti，Babak Seyed Aghazadeh，Angela Whitfield.Classification of corrosion defects in NiAl bronze through image analysis[J].Corrosion Science，2010，52（11）：3661－3666.

[3]章毓晉.圖象理解與計算機視覺[M].北京：清華大學(xué)出版社，1999.

[4]Itzhak D，Dinstein I，Zilberberg T.Pitting corrosion evaluation by computer image processing[J].Corrosion Science，1981，21：17－22.

[5]Choi K Y，Kim S S.Morphological analysis and classification of types of surface corrosion damage by digital image processing[J].Corrosion Science，2005，47（1）：1－15.

[6]儲霞，吳效明，黃岳山.照度不均勻圖像的自動Gamma灰度校正[J].微計算機信息，2009，25（6／3）：292－293.

[7]章毓晉.圖象處理和分析[M].北京：清華大學(xué)出版社，1999.

[8]朱做濤，穆志韜，蘇維國，等.基于圖像處理技術(shù)的鋁合金腐蝕等級評定方法[J].南京航空航天大學(xué)學(xué)報，2010，42（3）：383－386.