楊建華，劉進圣

(1.中北大學電子測試技術國家重點實驗室，山西 太原 030051；2.遼寧慶陽特種化工有限公司，遼寧 遼陽 111002)

?

基于機器視覺的缺陷圖像增強算法研究

楊建華1，劉進圣2

(1.中北大學電子測試技術國家重點實驗室，山西 太原 030051；2.遼寧慶陽特種化工有限公司，遼寧 遼陽 111002)

摘要：介紹了一種基于機器視覺的缺陷圖像自動檢測系統(tǒng)，針對檢測的缺陷圖像細節(jié)模糊，分辨率較低的問題，采用基于小波變換和插值的重建算法處理圖像。客觀評價(PSNR)證明，該方法在提高圖像邊緣和細節(jié)分辨率方面有著較好的效果。

關鍵詞：機器視覺；小波變換；插值；PSNR

機器視覺作為一門涉及人工智能、神經生物學、心理物理學、計算機科學、圖像處理、模式識別等諸多領域的交叉學科，廣泛應用于工業(yè)生產檢測領域，具有速度快、信息量大、功能多的特點[1]。針對固體火箭發(fā)動機包覆層表面缺陷的檢測，由于固體火箭發(fā)動機的結構特點，如下圖1所示。

圖1　發(fā)動機示意圖

人眼難以識別并分辨包覆層表面缺陷，因此采用機器視覺缺陷檢測技術自動檢測包覆層表面缺陷，大大調高了檢測效率和檢測精度，同時對保證發(fā)動機的安全性能方面有著十分重要的意義。

本文針對檢測過程中檢測裝備的晃動所造成的圖像失真進行圖像增強，能夠進一步提高缺陷的分辨率，以防漏檢。采用基于小波和插值的重建算法對圖像進行重建和增強，進一步提高圖像的分辨率，對缺陷識別有著非常的意義。

1系統(tǒng)檢測方案

檢測系統(tǒng)分為機器視覺結構和驅動結構，機器視覺結構為維視圖像公司的VS-616H高清晰低照度微小型工業(yè)相機和LED環(huán)形光源，環(huán)形光源用于提供均勻的光照條件。驅動結構為水平測量臂、伺服電機、伺服驅動器。檢測系統(tǒng)如下圖2所示。

圖2　檢測系統(tǒng)示意圖

檢測過程中測量臂在伺服電機的驅動下，沿著與發(fā)動機軸心的方向等間距進給，攜帶末端的視覺檢測裝備進行檢測，為了提高采集效率同時不影響采集精度采集間隔L的選取至關重要。通過對攝像頭進行標定，當L取30 mm時，攝像頭采集的圖像像素個數保持穩(wěn)定。 測量臂在伺服電機的驅動下，以間距為L進行等間距采集。采集的圖像個數為

n=(l1-l2)/L.

(1)

式中：l1和l2為采集的起始位置和結束位置，L為采集間隔。通過控制伺服電機進行自動采集和定位采集。

2圖像增強

采用上述的方式進行采集得到的缺陷表面圖像如下圖3所示。圖中有兩個缺陷，分別是凹坑缺陷和凸起缺陷，由于采集環(huán)境和裝備的限制，圖中缺陷的分辨率并不高，缺陷的邊緣不夠明顯，為了能夠準確的識別缺陷的大小，因此有必要對圖像進行增強。文獻[2]中提出了雙線性超分辨率重建算法，這種方法忽視了原始圖像向低頻轉化的重要性，增強后的圖像灰度偏移。本文采用基于小波和插值的重建算法來增強圖像，利用近鄰插值中的低頻分量和三次內插值中的高頻分量通過小波逆變換重建圖像，綜合了近鄰插值和三次內插值的優(yōu)點。通過插值增加了圖像的信息量的同時提高圖像的分辨率。基于小波和插值的超分辨率重建算法的過程如下圖4所示。

圖3　缺陷表面圖像

圖4　算法過程示意圖

為了避免上述的灰度偏移，采用Harr小波基的尺度函數，

(2)

采用Harr小波對圖像進行插值相當于進行鄰域插值的過程，將原圖經過領域插值后再進行小波分解，這樣可以將原圖完全轉化為低頻系數，不存在圖像細節(jié)的丟失，修正了灰度偏移[3]。分別采用近鄰插值、雙線性插值，三次內插值的方法以及本文提出的基于小波和插值的重建算法處理原始缺陷圖像，如下圖5所示。

圖5　圖像處理結果

為了客觀評價圖像處理后的對比結果，利用PSNR的值來判斷圖像質量的好壞。如下表1所示。

表1　圖像處理客觀評價(PSNR)

從表1可以看出，基于小波變換和插值的重建算法處理后的圖像的PSNR大于其他的三種方法，說明圖像的失真度越小，在提高圖像邊緣和細節(jié)，避免圖像模糊方面比其他三種插值方法處理的效果較為理想。

3結論

本文采用機器視覺技術實現(xiàn)了發(fā)動機缺陷圖像的自動檢測，并通過基于小波變換和插值的重建算法增強圖像，對比不同算法處理后的結果并客觀評價，該方法處理后的圖像失真度較小，在提高圖像細節(jié)和分辨率方面有較好的效果。

參考文獻

[1]張五一，趙強松，王東云.機器視覺的現(xiàn)狀及發(fā)展趨勢[J].中原工學院學報，2008,19(1):9-12.

[2]陶洪久，柳健，田金文.基于小波變換和插值的超分辨率圖像處理算法[J].武漢理工大學學報,2002,24(8):63-66.

[3]林虹.基于小波和插值的超分辨率重建算法研究[D].西安：西安電子科技大學，2005.

[4]郭慧平，王召巴，金永.基于機器視覺的發(fā)動機包覆層表面缺陷檢測系統(tǒng)研究[J].電子測試，2011(2):71-75.

[5]田巖，田金文，柳健，等.超分辨率技術的實現(xiàn)——一種改善的小波插值方法[J].中國圖象圖形學報,2003,12(12):1422-1426.

[6]程光權，成禮智.基于小波的方向自適應圖像插值[J].電子與信息學報,2009,31(2):265-269.

收稿日期：2016-01-06

作者簡介：楊建華(1989- )，男，山西忻州人，碩士研究生，主要從事信號處理與無損檢測方面的研究。

文章編號：1674- 4578(2016)02- 0093- 02

中圖分類號：TP391.41；TP274

文獻標識碼：A

Research on Defect Image Enhancement Algorithm Based on Machine Vision

Yang Jianhua1, Liu Jinsheng2

(1.NationalKeyLabforElectronicMeasurementTechnology,NorthUniversityofChina,TaiyuanShanxi030051,China;2.LiaoningQingyangSpecialChemicalCo.,Ltd.,LiaoyangLiaoning111002,China)

Abstract:This paper introduces a defect image automatic detection system based on machine vision. In view of the defected image that detected is fuzzy details and low resolution, the method of image reconstruction algorithm based on wavelet transform and interpolation is used for image processing. The objective evaluation (PSNR) certification shows that the method has a better effect in improving the image edge details and resolution.

Key words:machine vision; wavelet transform; interpolation; PSNR