论文部分内容阅读
【摘要】提出了利用最佳阈值法，对x射线焊缝图像进行分割，以此来确定焊缝图像中有无气泡，对焊缝的质量进行判断。通过对某石油钢管厂的x射线实时成像检测系统所检测的焊缝图像进行处理，结果表明最佳阈值法可以成功的进行焊缝质量的检测。
【关键词】焊缝 气泡 图像分割
【中图分类号】TG441.4 【文献标识码】A 【文章编号】：1009-9646(2008)08-0124-02
1 前言
传统的x射线检测技术在焊缝质量检测方法中占有重要地位,检测结果可以作为焊缝缺陷分析及其质量判断的重要依据。常用的x射线检测方式一般是由有经验的专业检测人员在实时图像或者照相底片上人工完成,不仅工作量较大,而且检测结果的可靠性在很大程度上取决于检验者的主观因素。因此,近年来国内外的相关技术人员利用图像处理和模式识别等现代技术,在焊缝及其缺陷的自动识别方面进行了许多有意义的探索和研究,取得了很多进展。
图像分割是焊缝质量检测中较常使用的一类方法。用特征向量聚类法、基于选择性多分辨率Kohonen网络的自适应图像分割算法和用Hopfield网络进行并行图像分割等方法,都能取得一些较好的分割结果。但在实际工业生产中用x射线检测图像时,对比度低、边缘模糊、噪音较大、背景起伏,这使得实现焊缝缺陷检测的难度较大。因此本文提出利用最佳阈值法来分割焊缝图像,以此来确定焊缝图像中有无气泡。
2 焊缝图像分析
在实际工业生产中,x射线实时成像检测系统所测得的图像如图1所示,图像为二维灰度图像,在焊缝中可能包含有若干圆球形气孔缺陷。
从图1可以看出x射线灰度图像对比度比较低,对图1中每一个象素点的灰度进行分析后发现,气泡的灰度值和钢管的灰度值大致相同。工业生产中x射线成像系统所生成的图像有较大干扰,图1中钢管部分图像的灰度值最小为0,焊缝部分也有相同情况。而且气泡和焊缝的灰度对比不明显,气泡面积相对于焊缝和钢管的面积是很小的。因此对焊缝图像进行分割的算法应该既能对小图像进行分割,又应有较强的抗干扰能力。
3 分割方法
取阈值法是最常见的并行的直接检测区域的分割方法,其它同类方法如像素特征空间分类可看作是取阈值技术的推广。阈值法适用于在深色背景前有浅色景物,或浅色背景前有深色景物的图像分割。取阈值法的关键是确定阈值,如果能确定一个合适的阈值就可以方便地将图像分割开来。如果图像中有多个灰度值不同的区域,那么可以选择一系列的阈值,将每个像素分到合适的类别中去。如果只用一个阈值分割称为单阈值方法,如果用多个阈值分割称为多阈值方法。阈值分割法最大的特点是计算简单,在重视运算效率的场合得到了广泛的应用。
对焊缝图像进行分割的算法应既能对小图像进行分割,又要有较强的抗干扰能力。为了快速准确地判断焊缝中的气泡,以此来对图像进行分割,本文采用的分割方法为:最佳阈值法。为了便于确定最佳阈值,本文统计了钢管的平均灰度和焊缝的平均灰度,如图2和图3所示。
由于气泡的灰度和钢管的灰度值差不多,针对上面的统计值,在背景和目标图像的先验概率相等这一特定条件下,最佳阈值就是背景灰度值与目标图像灰度值的均值,即:
(1)
式中,下标1,2分别对应背景与目标图像,Nj为同类象素。
针对钢管的平均灰度和焊缝的平均灰度,根据图2和图3的统计数据及公式(1),算出不合格焊缝图像的最佳阈值,如表1所示,完成对图像的阈值分割。
4 分割实例
本文应用最佳阈值法对图像进行分割,选定固定值即是阈值,对于图像来说:灰度值大于阈值的是255,小于阈值的是0,文中选用以钢管中心为中心,以250*250像素的矩形图为对象,求出平均值,然后用最佳阈值法进行分割。算例1-3为对不合格钢管的图像分割前后的图像对比,如下图所示:
从图4到图6的焊缝分割效果来看,无论是比较小的气泡,还是灰度值和焊缝接近的气泡,用最佳阈值法都可以进行准确的分割识别,现场镜头上的污点也能被准确识别。
5 结论
本文提出了利用最佳阈值法进行x射线焊缝图像分割以判断焊缝质量,该方法具有较好的抗干扰性,可以对边缘模糊、噪音较大、背景起伏的图像进行准确分割,并能准确判断焊缝中气泡的大小和位置,为焊缝缺陷检测提供了新的有效手段。通过对某石油钢管厂的x射线实时成像检测系统所检测的焊缝图像进行处理,结果表明该方法可以成功的进行焊缝质量的识别。
参考文献
[1] 郑世才.关于缺陷影像识别的讨论[J].无损探伤,2002,(1): 5-8.
[2] 叶芗芸,戚飞虎,蒋隽.基于选择性多分辨率Kohonen网络的自适应灰度图像分割方法[J]. 红外与毫米波学报,1998,17(1):48-53.
[3] 巴晓艳,滕永平.焊缝缺陷的计算机模式识别方法的研究[A].全国射线检测技术及加速器检测设备和应用技术交流会论文集[C],郑州:2001,50-54.
注：“本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。”
【关键词】焊缝 气泡 图像分割
【中图分类号】TG441.4 【文献标识码】A 【文章编号】：1009-9646(2008)08-0124-02
1 前言
传统的x射线检测技术在焊缝质量检测方法中占有重要地位,检测结果可以作为焊缝缺陷分析及其质量判断的重要依据。常用的x射线检测方式一般是由有经验的专业检测人员在实时图像或者照相底片上人工完成,不仅工作量较大,而且检测结果的可靠性在很大程度上取决于检验者的主观因素。因此,近年来国内外的相关技术人员利用图像处理和模式识别等现代技术,在焊缝及其缺陷的自动识别方面进行了许多有意义的探索和研究,取得了很多进展。
图像分割是焊缝质量检测中较常使用的一类方法。用特征向量聚类法、基于选择性多分辨率Kohonen网络的自适应图像分割算法和用Hopfield网络进行并行图像分割等方法,都能取得一些较好的分割结果。但在实际工业生产中用x射线检测图像时,对比度低、边缘模糊、噪音较大、背景起伏,这使得实现焊缝缺陷检测的难度较大。因此本文提出利用最佳阈值法来分割焊缝图像,以此来确定焊缝图像中有无气泡。
2 焊缝图像分析
在实际工业生产中,x射线实时成像检测系统所测得的图像如图1所示,图像为二维灰度图像,在焊缝中可能包含有若干圆球形气孔缺陷。
从图1可以看出x射线灰度图像对比度比较低,对图1中每一个象素点的灰度进行分析后发现,气泡的灰度值和钢管的灰度值大致相同。工业生产中x射线成像系统所生成的图像有较大干扰,图1中钢管部分图像的灰度值最小为0,焊缝部分也有相同情况。而且气泡和焊缝的灰度对比不明显,气泡面积相对于焊缝和钢管的面积是很小的。因此对焊缝图像进行分割的算法应该既能对小图像进行分割,又应有较强的抗干扰能力。
3 分割方法
取阈值法是最常见的并行的直接检测区域的分割方法,其它同类方法如像素特征空间分类可看作是取阈值技术的推广。阈值法适用于在深色背景前有浅色景物,或浅色背景前有深色景物的图像分割。取阈值法的关键是确定阈值,如果能确定一个合适的阈值就可以方便地将图像分割开来。如果图像中有多个灰度值不同的区域,那么可以选择一系列的阈值,将每个像素分到合适的类别中去。如果只用一个阈值分割称为单阈值方法,如果用多个阈值分割称为多阈值方法。阈值分割法最大的特点是计算简单,在重视运算效率的场合得到了广泛的应用。
对焊缝图像进行分割的算法应既能对小图像进行分割,又要有较强的抗干扰能力。为了快速准确地判断焊缝中的气泡,以此来对图像进行分割,本文采用的分割方法为:最佳阈值法。为了便于确定最佳阈值,本文统计了钢管的平均灰度和焊缝的平均灰度,如图2和图3所示。
由于气泡的灰度和钢管的灰度值差不多,针对上面的统计值,在背景和目标图像的先验概率相等这一特定条件下,最佳阈值就是背景灰度值与目标图像灰度值的均值,即:
(1)
式中,下标1,2分别对应背景与目标图像,Nj为同类象素。
针对钢管的平均灰度和焊缝的平均灰度,根据图2和图3的统计数据及公式(1),算出不合格焊缝图像的最佳阈值,如表1所示,完成对图像的阈值分割。
4 分割实例
本文应用最佳阈值法对图像进行分割,选定固定值即是阈值,对于图像来说:灰度值大于阈值的是255,小于阈值的是0,文中选用以钢管中心为中心,以250*250像素的矩形图为对象,求出平均值,然后用最佳阈值法进行分割。算例1-3为对不合格钢管的图像分割前后的图像对比,如下图所示:
从图4到图6的焊缝分割效果来看,无论是比较小的气泡,还是灰度值和焊缝接近的气泡,用最佳阈值法都可以进行准确的分割识别,现场镜头上的污点也能被准确识别。
5 结论
本文提出了利用最佳阈值法进行x射线焊缝图像分割以判断焊缝质量,该方法具有较好的抗干扰性,可以对边缘模糊、噪音较大、背景起伏的图像进行准确分割,并能准确判断焊缝中气泡的大小和位置,为焊缝缺陷检测提供了新的有效手段。通过对某石油钢管厂的x射线实时成像检测系统所检测的焊缝图像进行处理,结果表明该方法可以成功的进行焊缝质量的识别。
参考文献
[1] 郑世才.关于缺陷影像识别的讨论[J].无损探伤,2002,(1): 5-8.
[2] 叶芗芸,戚飞虎,蒋隽.基于选择性多分辨率Kohonen网络的自适应灰度图像分割方法[J]. 红外与毫米波学报,1998,17(1):48-53.
[3] 巴晓艳,滕永平.焊缝缺陷的计算机模式识别方法的研究[A].全国射线检测技术及加速器检测设备和应用技术交流会论文集[C],郑州:2001,50-54.
注：“本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。”