基于焊缝图象有效信息获取的研究(2)

    从图2.2可以看出，焊缝图象经过二值化处理后，焊缝区域被提取出来。为了加强图象中的焊缝边界和细节，更精确判断焊缝缺陷的属性，还需要对二值化后的图象进行边缘增强。

Sobel算子是一种一阶微分算子，它利用象素临近区域的梯度值来计算一个象素的梯度，然后根据一定的阈值来取舍，得到图象中的边缘。该算法步骤如下：

    (1)用3×3的高斯滤波器对图象滤波；

    (2)对图象中的每个象素，用下面的公式计算其梯度大小M；

             (2.2.1)                       

    其中sx和sy是用下面的卷积模板来计算的：

 

    按照上述步骤对图2.2进行锐化，结果如图2.3所示。

图2.3 sobel算子边缘检测图

    在经过处理的焊缝图象中，可以清楚看到焊缝的边缘和焊缝区域中的圆形区域，这正是焊缝缺陷的图象表现。国标GB 6417－86^【6】将金属熔化焊焊缝缺陷分为六类：裂纹、孔穴、固体夹杂、未熔合和未焊透、形状缺陷及上述以外的其它缺陷。目前，从焊缝图象中检测出缺陷的类别、位置等属性，大多是基于缺陷几何形状的特征描述的研究。本文根据专家评片经验选取边缘平直度（FLT）、尖部尖锐度（USP）、周长与面积比、填充度指数ε、对称性（SYM）、重心坐标相对焊缝中心的位置（PST）、与焊缝方向倾角ANG、相对灰度REG八个特征参数用于缺陷识别，然后依照检测标准判断缺陷的级别。

    本文提出一种采用自适应图象二值化处理后，再用Sobel算子锐化焊缝边缘的方法来对基于X射线检测的焊缝图象的预处理。软件部分采用VC++6.0^【7】编制的焊缝图象处理系统具体实现焊缝图象的有效信息的获取。实验结果表明，该方法适用于识别缺陷在焊缝中的位置和焊缝的大体类别。在较大程度上改善了传统方法中仅用一种边缘检测算法进行图象预处理所带来的图象细节模糊现象。同时由于采用了两种算法，焊缝图象的提取速度受到一定的限制，因此在这方面需要不断完善。

[1] 张晓光,林家骏.X射线检测焊缝的图象处理与缺陷识别.华东理工大学学报[J].2004,30(2):199-202

[2] 张永德.焊缝X射线实时成象检测系统与应用[J].石油化工设备,2005(34):67-69

[3] 孙怡. X射线焊缝图象中缺陷的实时检测方法[J].焊接学报,2004,25(2):115-122

[4] 梁德群.X射线实时成象在焊缝探伤中的应用[J].焊接学报,2000,12(1):29-30

[5] V Lashkia.Defect detection in X—ray images using fuzzy reasoning[J].Image and Vision Computing,2001,19：261-269

[6] GB 6417-86.金属熔化焊焊缝缺陷分类及说明[S]

[7] 杨枝灵,王开.Visual C++数字图象获取处理及实践应用[M].北京:人民邮电出版社,2003