張利明，李建忠，劉國奇，王 強(qiáng)，李新蕾

（1.杭州華安無損檢測技術(shù)有限公司，杭州 310023；2.新疆科瑞檢測科技有限公司，克拉瑪 834018）

焊接作為連接構(gòu)件的一種基本工藝方法，廣泛應(yīng)用于石油化工、建筑、航天、航空、造船、冶金、鍋爐、鐵路、電子、機(jī)械及國防等多種領(lǐng)域。為了保證焊接構(gòu)件的產(chǎn)品質(zhì)量，在焊接構(gòu)件投入使用前，需要對其進(jìn)行無損檢測。射線檢測以其檢測結(jié)果直觀、檢測靈敏度高、便于定性定量判定等優(yōu)點(diǎn)在無損檢測領(lǐng)域應(yīng)用廣泛。

當(dāng)前的射線檢測技術(shù)，主要依靠人工對獲取的底片或圖像進(jìn)行評定，操作者需要長時(shí)間盯著觀片燈，評片效率低、勞動(dòng)強(qiáng)度大；且由于評片人員的素質(zhì)不一，易造成誤判和漏評。通過引入機(jī)器視覺系統(tǒng)，由攝像頭自動(dòng)采集射線圖像，然后通過后臺(tái)計(jì)算機(jī)進(jìn)行缺陷的自動(dòng)識(shí)別，這種方式有效地解決了人工評片的效率及評判不一等問題。

JB／T 4730.2—2005《承壓設(shè)備無損檢測 第2部分：射線檢測》中對缺陷按性質(zhì)劃分為裂紋、未熔合、未焊透、條形缺陷和圓形缺陷五類。這些缺陷在X射線圖像中，有各自明顯的特征（如圖1）。

圖1 X射線圖像的缺陷示例

通過分析圖像，焊縫的X射線圖像最大的特征主要包括：

（1）噪聲大，對比度低

在掃描焊縫射線圖像過程中，由于時(shí)間和空間等因素的影響，圖像存在時(shí)間噪聲和空間噪聲。時(shí)間噪聲主要是由于射線源輸出特性的不穩(wěn)定性引起的；空間噪聲主要來自兩方面：一方面是射線照相系統(tǒng)本身造成的；另一方面是工件焊縫表面的焊紋、飛濺等外部原因造成的。由于射線照相系統(tǒng)自身?xiàng)l件的限制，獲取的圖像對比度低，灰度范圍小，在灰度直方圖上表現(xiàn)為窄的凸峰。

（2）缺陷邊緣不清晰

所有射線源的焦點(diǎn)都是有一定尺寸的，根據(jù)射線的直線投影原理，缺陷所得圖像的邊緣無疑會(huì)有一定的寬度，從而產(chǎn)生幾何不清晰度；另外成像系統(tǒng)本身也存在固有不清晰度。

為克服上述缺點(diǎn)，筆者提出一種基于局部模式的圖像增強(qiáng)算法，在經(jīng)過降噪處理后的圖像基礎(chǔ)上，提取圖像每個(gè)像素的局部二值模式特征，并且按照其主方向的不同，分配不同的二值權(quán)重，達(dá)到加強(qiáng)裂紋、未熔合、未焊透、氣孔、條形缺陷和圓形缺陷等缺陷的目的。與現(xiàn)有的X射線圖像增強(qiáng)算法不同的是［1－3］，基于局部二值模式增強(qiáng)后的圖像，雖然在視覺上不能和原來圖像一致，但是可以增強(qiáng)缺陷特征和背景之間的對比度，為基于模式識(shí)別缺陷創(chuàng)造了相對干凈的輸入，進(jìn)而取得更好的缺陷識(shí)別效果。

1 局部二值模式

局部二值模式（Local Binary Pattern，LBP）是一種用來描述圖像局部紋理特征的算子，是Ojala等人在2000年提出的一種具有對稱形式、體現(xiàn)空間局部信息的，用于紋理分析的局部二值模式［4］。

該模式是對圖像的每個(gè)像素，在其3×3鄰域內(nèi)，以當(dāng)前像素值為閾值，考察當(dāng)前點(diǎn)鄰域內(nèi)其他所有8個(gè)鄰接點(diǎn)，如果其像素值大于或等于該閾值，那么用“1”表示該點(diǎn)的值，若小于，則用“0”表示。這樣就得到了當(dāng)前像素紋理單元的二值表示，構(gòu)成該像素的一種局部紋理。然后對這些鄰域的點(diǎn)，分別乘以不同的權(quán)重，再將相乘后的值累加，即得到該點(diǎn)的局部二值模式的值。值得注意的是，這里所累加的權(quán)重，取值都是以2為底數(shù)的冪指數(shù)，最小權(quán)重為20，最大權(quán)重為27。這樣，在原始圖像的每個(gè)像素的灰度級數(shù)取值為0～255，提取局部二值模式累加權(quán)重后的取值區(qū)間仍在0～255。圖2給出了一個(gè)像素的LBP特征計(jì)算示例：對于圖像（a）中的一個(gè)像素，獲取其3×3鄰域（b）及其像素值（c），（d）顯示了其鄰域二值化后的結(jié)果，然后將二值化后的結(jié)果分別乘以（e）中相應(yīng)位置的權(quán)重并累加，即得到該像素的一個(gè)紋理單元的局部二值模式的值（為30）。

圖2 局部二值模式計(jì)算示例

由LBP的定義，LBP具有以下優(yōu)點(diǎn)：

（1）LBP只計(jì)算一個(gè)鄰域內(nèi)的灰度值差異，提取的是局部信息，而不像其他紋理特征描述的是全局的信息。

（2）由于LBP的比較過程只有兩種情況，一是大于等于當(dāng)前像素值，另一種是小于當(dāng)前像素值。所以當(dāng)要處理圖像的值全相等時(shí)，那么處理邊緣像素，其他像素的LBP值也都相等；同樣，當(dāng)圖像灰度是單調(diào)變化時(shí)，區(qū)域內(nèi)也是除了邊緣外其他所有像素的LBP值相等。只有當(dāng)圖像的灰度變化為非單調(diào)時(shí)，其LBP的值相對比較敏感。

（3）LBP計(jì)算時(shí)，進(jìn)行周圍8個(gè)像素的值的大小比較，并轉(zhuǎn)化為10進(jìn)制數(shù)，因此LBP計(jì)算的復(fù)雜度非常小。

上述LBP的特性，使得LBP特征非常適用于紋理分析，也非常容易與其他方法相結(jié)合，可應(yīng)用于工業(yè)檢測上。但LBP也有缺點(diǎn)，其本質(zhì)上是灰度之間的一種比較，可以看做是一種求梯度的過程，因此它對灰度非單調(diào)變化或微小變化比較敏感。在實(shí)際使用中，需要考慮結(jié)合其他方法來避免這種缺陷。

2 基于局部二值模式的焊縫圖像增強(qiáng)

將局部二值模式應(yīng)用在焊縫射線檢測圖像增強(qiáng)中，需要克服其對非單調(diào)變化和微小變化敏感的兩個(gè)缺點(diǎn)。在焊縫圖像中，由于圖像本身存在噪聲，使得圖像中可能存在許多會(huì)影響LBP表達(dá)的微小變化；同時(shí)對于待檢測的缺陷，包括裂縫、未熔合、未焊透等，其軌跡一般表現(xiàn)出非單調(diào)變化，而且在局部內(nèi)變化的曲線帶有不同的方向性，也會(huì)干擾LBP特征的表達(dá)。

對于噪聲，可以通過引入圖像去噪的方法消除噪聲的影響。圖像去噪是圖像處理中的常用技術(shù)，其過程是根據(jù)一些已知的“降質(zhì)模型”，從降質(zhì)圖像恢復(fù)原圖像，即求在某種最優(yōu)意義下的原圖像估計(jì)。數(shù)字圖像噪聲處理方法一般可分為空域處理和頻域處理［5］?？沼蛟肼曁幚矸椒ㄖ饕ǎ侯I(lǐng)域平均法、中值濾波、維納濾波等；頻域處理方法是指圖像經(jīng)過傅里葉變換（FFT）后，利用已設(shè)計(jì)好的低通濾波器濾除高頻噪聲。

為了克服LBP在描述缺陷特征的方向性變化的缺點(diǎn)，筆者通過觀察分析，引入了梯度方向直方圖和不同的權(quán)重排列，來增強(qiáng)描述LBP的方向信息。

2.1 權(quán)重排列對LBP特征值的影響

為了考察不同的權(quán)重排列對于LBP特征值的影響，首先固定權(quán)重的排列順序?yàn)轫槙r(shí)針，分別考察兩種情況：① 從大到小，或從小到大的順序。② 序列首元素在不同位置上。下面結(jié)合圖像說明此兩個(gè)因素對LBP值的影響。

圖3 權(quán)重排列對LBP的影響

如圖3所示，3（a）中為權(quán)重按照順時(shí)針從小到大的順序排列，其右邊3張圖，第一張為原始圖像，第2張為序列首位置在左上角對應(yīng)的LBP特征值，第3張為序列首位置在右上角對應(yīng)的LBP特征值；可以發(fā)現(xiàn)原圖像中的3條豎條紋在增強(qiáng)圖像后顯得特別明顯。圖3（b）中和3（a）不同的是，改變權(quán)重的排序?yàn)轫槙r(shí)針從大到小。圖3（b）中并沒有發(fā)現(xiàn)增強(qiáng)后的圖像有明顯的條紋狀出現(xiàn)。

通過比較可以發(fā)現(xiàn)，不同的排列順序?qū)BP特征值的影響較大，而相同排列不同位置則對LBP特征值的影響較小。

更進(jìn)一步，筆者考察不同排列順序是如何影響LBP特征值的。圖4給出了缺陷特征的4種典型模擬，其中白色區(qū)域代表缺陷的邊緣，灰度值用255表示；黑色信息代表背景，灰度值用0表示。圖4（a）～（d）分別為缺陷邊緣的4種方向的模擬。分別看圖中的A，B兩個(gè)點(diǎn)，顯然希望增強(qiáng)后的圖像中的A，B兩個(gè)點(diǎn)的值差別越大越好，這樣才能達(dá)到增強(qiáng)缺陷邊緣的目的。

同時(shí)，構(gòu)造了3種權(quán)重的排列方式。如圖5所示。

當(dāng)選用圖5（a）的順序排列時(shí)，圖4（a）～（d）的A，B的LBP特征值的差值的絕對值分別為＞128，＞128，＜128，＜128。而當(dāng)選用5（b）的順序排列時(shí)，圖4（a）～（d）的A，B的LBP特征值的差值的絕對值分別為＜128，＜128，＞128，＞128。可以看出，對于圖4（a），（b）采用圖5（a）的權(quán)重序列的增強(qiáng)效果明顯，而圖4（c），（d）采用圖5（b）的權(quán)重序列的增強(qiáng)效果明顯。然而，還有一種可能的方向，比如缺陷中的氣孔，其不符合圖4中的任何一種情況。這種情況下，應(yīng)選擇圖5（c）的距離中心近的權(quán)重大的排列方式。

圖4 局部區(qū)塊缺陷邊緣的4種方向模擬

圖5 權(quán)重排列的3種方式

2.2 基于LBP的圖像增強(qiáng)

基于上節(jié)的討論，可以針對不同方向的缺陷特征圖像，選擇不同的權(quán)重序列來計(jì)算LBP，從而實(shí)現(xiàn)增強(qiáng)缺陷特征的目的。對于如何估計(jì)缺陷特征圖像的方向，可以采用梯度方向的直方圖來判斷。由于圖像梯度的方向，正好和圖4給出的缺陷特征方向成垂直關(guān)系，那么可以通過構(gòu)造圖像的梯度方向直方圖來判斷主方向，從而進(jìn)一步確認(rèn)該缺陷圖像的主要方向。梯度方向直方圖產(chǎn)生的具體算法：

（1）首先對于輸入圖像I進(jìn)行必要的去噪處理后，計(jì)算其梯度圖像，對于每個(gè)像素點(diǎn)I（x，y）由式（1）（2）分別得到其梯度模長 m（x，y）和方向θ（x，y）：

（2）對于每個(gè)單元中的像素，將其方向按照最近距離量化，分別量化到4個(gè)固定方向上，即如圖6（a）所示的0°，45°，90°，135°的4個(gè)方向，累加其對應(yīng)的梯度模長，就形成一個(gè)4維的梯度方向直方圖，如圖6（b）所示。

圖6 梯度方向直方圖生成

綜上，基于局部二值模式的焊縫圖像增強(qiáng)的主要步驟為：

（1）對輸入圖像，選擇圖像去噪的方法消除噪聲。

（2）構(gòu)造梯度方向直方圖，估算其缺陷特征圖像的主方向。

（3）根據(jù)主方向選擇相應(yīng)的權(quán)重序列，計(jì)算LBP圖像，達(dá)到增強(qiáng)缺陷特征的效果。

3 試驗(yàn)結(jié)果及分析

將基于局部二值模式的增強(qiáng)算法應(yīng)用在實(shí)際的X射線焊縫缺陷圖像中，部分增強(qiáng)效果如圖7所示。

圖7 基于局部二值模式圖像增強(qiáng)效果

試驗(yàn)結(jié)果表明，這種圖像增強(qiáng)的方法適合于帶有缺陷特征的圖像，雖然不能在視覺效果上完全不失真的增強(qiáng)，但是增強(qiáng)結(jié)果可以極大地方便后續(xù)的特征分割和識(shí)別。

4 結(jié)語

提出一種基于局部二值模式的圖像增強(qiáng)算法，它方法簡單、易于實(shí)現(xiàn)，應(yīng)用在焊縫射線檢測底片圖像智能識(shí)別上，有明顯的突出缺陷特征的效果。同時(shí)，局部二值模式特征不僅可以用在圖像增強(qiáng)算法上，而且可以作為一種特征描述，進(jìn)一步應(yīng)用在焊縫圖像缺陷識(shí)別上。

［1］ 豐國棟.數(shù)字化X線攝影圖像增強(qiáng)方法研究［D］.合肥：中國科學(xué)技術(shù)大學(xué)，2009：40－54.

［2］ 韓得水，王明泉，王玉，等.基于同態(tài)濾波與直方圖均衡化的射線圖像增強(qiáng)［J］.電視技術(shù)，2013，37（7）：20－22.

［3］ 楊振亞，陳裕泉，潘敏，等.基于Curvelet變換的X射線圖像增強(qiáng)［J］.計(jì)算機(jī)科學(xué)，2010，37（3）：275－277.

［4］ OJALA T，MATTI P，TOPI M.Gray scale and rotation invariant texture classification with local binary patterns［C］／／Computer Vision－ECCV 2000.Berlin：Springer Berlin Heidelberg，2000：404－420.

［5］ 寧媛，李皖.圖像去噪的幾種方法分析比較［J］.貴州工業(yè)大學(xué)學(xué)報(bào)，2005，34（4）：63－66.