姜圓香，孫玉秋，王超，李祖勝

(長江大學(xué)信息與數(shù)學(xué)學(xué)院，湖北 荊州 434023)

田金文

(華中科技大學(xué)自動化學(xué)院，湖北 武漢 430074)

?

基于連通域篩選和腐蝕重構(gòu)的鋼材裂痕檢測

姜圓香，孫玉秋，王超，李祖勝

(長江大學(xué)信息與數(shù)學(xué)學(xué)院，湖北 荊州 434023)

田金文

(華中科技大學(xué)自動化學(xué)院，湖北 武漢 430074)

為實現(xiàn)自動準確的檢測帶有裂痕的不合格鋼材產(chǎn)品，提出了一種基于連通域篩選和腐蝕重構(gòu)的方法。首先運用均值濾波對樣品圖像去噪，然后將去噪后的圖像二值化以提取目標特征，進而采用了連通域篩選法和腐蝕重構(gòu)法濾除偽特征，前者通過標記圖像信息，選出滿足大小的連通區(qū)域來實現(xiàn)特征提取，后者則先通過腐蝕算法去掉大部分偽特征，再通過重構(gòu)算法恢復(fù)部分特征信息。針對不同樣品進行檢測試驗，達到了預(yù)期效果，證明了該方法的有效性。

裂痕檢測；均值濾波；連通域；腐蝕；重構(gòu)

由于鋼材生產(chǎn)的用料以及在冶煉過程中各種力復(fù)雜的作用，可能產(chǎn)生裂痕，但裂痕對鋼材的使用，尤其是承載能力、耐久性能等方面都會產(chǎn)生不利影響。傳統(tǒng)的檢測方式中，依靠操作人員的經(jīng)驗來進行裂痕檢測，缺乏精密性，工作量大，容易受主觀情緒影響，難以實現(xiàn)全面且精準的裂痕檢測。因此，研究開發(fā)一種能對鋼材裂痕進行自動檢測技術(shù)，能有效提高鋼鐵質(zhì)量，在鋼鐵生產(chǎn)過程中具有重要意義。隨著計算機軟件、模式識別、數(shù)字圖像處理技術(shù)、大容量儲存技術(shù)的迅速發(fā)展，基于數(shù)字圖像處理的裂痕檢測技術(shù)得到廣泛的研究[1]。王興建等設(shè)計提出了基于多級去噪模型的路面裂縫提取方法[2]；于泳波等運用基于圖像連通域的技術(shù)能正確快速的提取橋梁裂縫信息，但由于裂縫發(fā)生初期不太明顯，因此要實現(xiàn)實時提取對圖像分辨率要求較高[3]；劉益玲等運用基于閾值分割的邊緣檢測技術(shù)對公路裂痕實現(xiàn)自動檢測，主要對成像效果一般的較模糊圖像仍能高效準確的檢測出來，但容易漏檢細小裂縫[4]。為此，筆者對鋼材樣品圖像進行去噪、提取特征、濾除偽特征等一系列處理，在濾除偽特征中提出了連通域篩選法和腐蝕重構(gòu)法。

1 理論基礎(chǔ)

1.1 均值濾波

均值濾波器也稱為平滑線性濾波器，均值濾波算法是一種傳統(tǒng)的數(shù)字圖象處理算法[5，6]，其核心原理是利用圖像中某一點的鄰域內(nèi)各點像素均值來取代該點的像素值，定義如下:

其中，i=0,1,…,M-1；j=0,1,…,N-1；s(m,n)表示點(m,n)處的灰度值;R表示點(i,j)鄰域內(nèi)所有點的集合;M與N分別是圖像的長和寬。

均值濾波的主要步驟：選擇一個合適的模板，從圖像的左上角第一個像素點開始，讓模板與其覆蓋的圖像部分做卷積，求出均值并用該值取代點的像素值；按照從左至右從上至下的方向，依此類推到下一個像素點，不斷與模板做卷積并用均值取代，直至圖像的最后一個像素點。

圖1是最常見的2種均值濾波模板，其中圖1(b)與圖1(a)相比中心權(quán)重更大，能更好的保護圖像的原有性質(zhì)。

1.2 區(qū)域連通

在圖像中，最小的單位是像素，每個像素周圍有8個鄰接像素，常見的鄰接關(guān)系有2種：4鄰接與8鄰接。4鄰接一共4個點，即上下左右，如圖2(a)所示。8鄰接的點一共有8個，包括了對角線位置的點，如圖2(b)所示。

圖1 3×3均值濾波模板

圖2 4鄰接與8鄰接圖

圖3 區(qū)域連通圖

如果像素點A與B鄰接，則稱A與B連通，且區(qū)域連通有如下的結(jié)論：如果A與B連通，B與C連通，則A與C連通。在視覺上看來，彼此連通的點形成了一個區(qū)域，而不連通的點形成了不同的區(qū)域。這樣彼此連通點構(gòu)成的一個集合，被稱為一個連通區(qū)域。

如圖3中，如果考慮4鄰接，則有3個連通區(qū)域；如果考慮8鄰接，則有2個連通區(qū)域。(注：圖像是被放大的效果，圖像正方形實際只有4個像素)。

區(qū)域標記是連通域篩選法中的重要操作，其算法的具體過程如下：

1)逐行掃描圖像。把每一行中連續(xù)的白色像素組成一個序列稱為一個團(run)，并記下它的起點start、終點end以及它所在的行號。

2)對于除第一行外的所有行里的團，如果它與前一行中的所有團都沒有重合區(qū)域，則給它一個新的標號；如果它僅與上一行中一個團有重合區(qū)域，則將上一行中與之相連的團的標號賦給它；如果它與上一行的2個及以上的團有重疊區(qū)域，則給當前團賦一個相連團的最小標號，并將上一行的這幾個團的標記寫入等價對。

3)將等價對轉(zhuǎn)換為等價序列。一組等價對需要給一相同的標號，從1開始，逐次標號各等價對。

4)遍歷開始團的標記，查找等價序列，并將每個團的標號填入標記圖像中。

1.3 腐蝕重構(gòu)

數(shù)學(xué)形態(tài)學(xué)是圖像處理和模式識別領(lǐng)域的新方法，其基本思想是用具有一定形態(tài)的結(jié)構(gòu)元素去度量和提取圖像中的對應(yīng)形狀[7,8]，以達到圖像分析和識別的目的。形態(tài)學(xué)中定義先腐蝕后膨脹的運算為開運算，基于開的重建是通過腐蝕后再進行形態(tài)學(xué)重建來清理圖片。

腐蝕處理是利用結(jié)構(gòu)元素對圖像進行探測，找出圖像中可以放下該結(jié)構(gòu)元素的區(qū)域，實現(xiàn)消除邊界點，使邊界點向內(nèi)部收縮的效果。腐蝕方法常應(yīng)用來消除小而無意義的物體，其原理是利用結(jié)構(gòu)元素掃描圖像中的每一個像素，并與其覆蓋的二值圖像作“與”操作[9]。

數(shù)學(xué)定義如下：A被B腐蝕記為AΘB，也可表示為：

AΘB={z|(B)z∩Ac≠?}

式中，?為空集；B為元素結(jié)構(gòu)；且平移的B與A的背景不疊加。

重構(gòu)是一種涉及到2幅圖像和一個結(jié)構(gòu)元素(而不是單幅圖像和一個結(jié)構(gòu)元素)的形態(tài)學(xué)變換。一幅圖像，即標記(marker)，是變換的開始點。另一幅圖像是掩模(mask)，用來約束變換過程。結(jié)構(gòu)元素用于定義連接。

若g是掩模，f為標記(標記f必須是g的一個子集，即f?g)，則從f重構(gòu)g可以記為Rg(f)，它由下面的迭代過程定義：

1)將h1初始化為標記圖像f；

2)創(chuàng)建結(jié)構(gòu)元素：B=ones(n)；

3)重復(fù)hk+1=(hk⊕B)∩g直到hk+1=hk。

2 鋼材優(yōu)劣檢測算法及流程

圖4 鋼材優(yōu)劣檢測算法流程圖

圖5 均值濾波處理圖像

根據(jù)鋼材優(yōu)劣的特點，首先對鋼材圖像進行去噪處理，然后提取特征，接著對偽特征進行濾除，最后得到鋼材的優(yōu)劣情況，流程圖如圖4所示。

2.1 去噪處理

在鋼材中對于分散比較均勻的碳化顆粒和自身的條紋對鋼材質(zhì)量沒有影響，可以直接將之去除以避免它們對后面的處理帶來影響。因此，進行圖像檢測時，首先必須進行去噪處理。

試驗采取的是均值濾波去噪。均值濾波能有效抑制加性噪聲，但容易引起圖像模糊，可以對其進行改進，主要避開對景物邊緣的平滑處理。通過處理前后的對比(見圖5)可以看出，碳化顆粒和自身條紋得到明顯的抑制，達到了去噪的效果。

2.2 特征提取

圖6 二值化處理后的圖像

在去噪后需要提取圖像的優(yōu)劣信息，即對圖像進行提取特征，以方便進行檢測。通過觀察均值濾波后的圖像發(fā)現(xiàn)，圖像優(yōu)劣特征的灰度值區(qū)間與其他部分的灰度值區(qū)間存在明顯差異。因此，可通過自動二值化方法對圖像進行處理，得到所需信息。

2.3 濾除偽特征

如圖6所示，通過二值化處理后的圖像仍然存在部分白斑，即偽特征。該類白斑與需要檢測的帶狀裂痕灰度級相近，但其多由顆粒雜質(zhì)聚集造成，對鋼材的質(zhì)量影響不大，因此為方便后續(xù)分析，需將其去除。由于偽特征與影響鋼材質(zhì)量的裂痕連通大小區(qū)別較大，筆者使用連通域篩選法和腐蝕重構(gòu)法這2種方法對已處理的圖像進行再次處理。

2.3.1 連通域篩選法

該方法主要采用了matlab中連通區(qū)域標記函數(shù)bwlabel，算法首先一次遍歷圖像，并記下每一行(或列)中連續(xù)的團(run)和標記的等價對，然后通過等價對對原來的圖像進行重新標記。連通域篩選法的流程圖如圖7所示。

連通域篩選法的主要過程為：①讀取原始圖像，均值濾波后再通過im2bw將其轉(zhuǎn)化為二值圖像以進行預(yù)處理；②遍歷圖像，通過bwlable對各連通域進行標記；③計算求出各連通域的大?。虎苷页龈鬟B通域中大于min的部分并建立索引；⑤輸出帶有索引的二值化圖像。

2.3.2 腐蝕重構(gòu)法

腐蝕重構(gòu)法函數(shù)為：

imgN= imreconstruct(imerode(img,strel('disk',n)),img)

圖7 連通域篩選法流程圖

首先用imerode對圖像img進行腐蝕處理，該操作會將原圖像中一些偽特征腐蝕掉，但同時圖像的部分信息特征也會被腐蝕，因此，需要進行適當處理來恢復(fù)特征信息。此處，以圖像img為基礎(chǔ)得到的圖像為參照，將圖像img進行重構(gòu)得到較為理想的圖像imgN。

3 試驗結(jié)果及分析

試驗主要采用連通域篩選法和腐蝕重構(gòu)法來檢測鋼材樣品中帶狀情況。圖8為5種具有代表性的鋼材樣品原圖以及經(jīng)過腐蝕重構(gòu)和連通域篩選2種方法處理后的結(jié)果圖。當鋼材樣品中雜質(zhì)分布相對均勻時，2種算法檢測后都有少量雜質(zhì)未處理完全，但是不影響后續(xù)評級和使用；當雜質(zhì)較多并形成一條較長帶狀或鋼材生產(chǎn)過程中形成裂痕時，2種方法都能達到較好的檢測結(jié)果。此外，連通域篩選法更側(cè)重雜質(zhì)的連通情況，而腐蝕重構(gòu)法對于并不連通，但是分布比較密集的雜質(zhì)區(qū)域仍然可以檢測出來，即其更強調(diào)雜質(zhì)的密集程度。

4 結(jié)語

在對鋼材樣品圖像進行裂痕檢測中，提出了連通域篩選法和腐蝕重構(gòu)法濾除偽特征。連通域篩選法通過設(shè)定合適的閾值，可以在濾除偽特征的同時更好的保護原始圖像中的細節(jié)，但是具體的閾值，目前仍只是通過手動設(shè)定并進行多次試驗幾組具有代表性的樣品圖像和主觀比較來獲得，沒有一個確定的標準，今后該方法可在閾值設(shè)定處作進一步改進以實現(xiàn)自動化。腐蝕重構(gòu)法能夠較好的清除圖像中細小的偽特征，但同時也會腐蝕掉圖像中某些有用的細節(jié)部分，可在腐蝕前針對某些可能被腐蝕的重要細節(jié)提前進行保護，腐蝕后再進行重構(gòu)。

圖8 2種方法在不同情況下處理效果圖

[1]唐磊,趙春霞,王鴻南,等.基于圖像三維地形模型的路面裂縫自動檢測[J].計算機工程,2008(5):20～21+38.

[2]王興建,秦國鋒,趙慧麗.基于多級去噪模型的路面裂縫檢測方法[J].計算機應(yīng)用,2010(6):1606～1609+1612.

[3]于泳波,李萬恒,張勁泉,等.基于圖像連通域的橋梁裂縫提取方法[J].公路交通科技,2011(7):90～93.

[4]劉益玲,謝書童.基于模糊數(shù)學(xué)的公路路面裂痕檢測技術(shù)[J].集美大學(xué)學(xué)報(自然科學(xué)版),2014(3):224～229.

[5]李佐勇,湯可宗,胡錦美,等.椒鹽圖像的方向加權(quán)均值濾波算法[J].中國圖象圖形學(xué)報,2013(11):1407～1415.

[6]朱士虎,游春霞.一種改進的均值濾波算法[J].計算機應(yīng)用與軟件,2013(12):97～99+116.

[7]王彥,謝曉方,吳龍寶,等.基于概率模型的裂紋識別算法[J].計算機工程,2012(2):189～191.

[8]王樹文,閆成新,張?zhí)煨?等.數(shù)學(xué)形態(tài)學(xué)在圖像處理中的應(yīng)用[J].計算機工程與應(yīng)用,2004(32):89～92.

[9]Gonzalez R C.Digital Image Processing Using MATLAB[M].Electronic Industry Press,2009.

[編輯] 洪云飛

2016-04-18

國家自然科學(xué)基金項目(61273279)；湖北省自然科學(xué)基金項目(2013CFA053)。

姜圓香(1993-)，女，碩士生，現(xiàn)主要從事數(shù)字圖象處理、目標檢測方面的研究工作。

孫玉秋(1968-)，女，博士，教授，博士生導(dǎo)師，現(xiàn)主要從事數(shù)字圖像處理、模式識別方面的教學(xué)與研究工作；E-mail:yqsun@yangtzeu.edu.cn。

TP391

A

1673-1409(2016)25-0026-05

[引著格式]姜圓香，孫玉秋，王超，等.基于連通域篩選和腐蝕重構(gòu)的鋼材裂痕檢測[J].長江大學(xué)學(xué)報(自科版)，2016,13(25)：26～30.