基于線段檢測技術的熒光磁粉裂紋提取方法*

郭杜斌　沈希忠　張　博

(上海應用技術學院電氣與電子工程學院，上海 201418)

?

基于線段檢測技術的熒光磁粉裂紋提取方法*

郭杜斌沈希忠張博

(上海應用技術學院電氣與電子工程學院，上海 201418)

熒光磁粉探傷技術在現階段工業檢測領域應用廣泛，而對工件裂紋提取方法成為了掣肘熒光磁粉探傷技術發展的一個重要難題。文章提出了一種基于LSD線段檢測技術的裂紋區域提取方法。利用梯度方向作為提取的目標圖像的主要參量，從而有效地抑制裂紋周圍亮度相同的噪點對目標區域干擾。實驗結果表明，該方法能夠迅速有效地提取出裂紋圖像，并有較強的魯棒性。

熒光磁粉探傷技術;LSD算法;線段檢測;裂紋提取

當前各種工業制造領域對工業產品質量要求越來越高，其中很大一部分產品的零部件需要通過無損檢測的手段來保證質量，熒光磁粉探傷正是迄今為止對鋼結構材料零件進行無損檢測的最有效的技術手段之一。然而，現階段檢測大多依靠人工篩選來完成。不僅耗費大量人力物力，而且檢驗環節的速度和精度也受到制約，難以拔高。

隨著圖像處理，模式識別等科學理論發展成熟，并成功地應用于工業檢測方面，使得檢測環節全自動化成為可能。對于從前端圖像傳感器所采集到的裂紋圖像來說，如何能對目標裂紋進行快速準確的提取，一直是掣肘熒光磁粉探傷實現全自動化的主要問題。

對于磁粉探傷這一課題，很多國內外學者在這一領域深耕鉆研。由Takahashi.N提出的基于三維非線性六面體有限元分析的磁粉無損檢測[1]能做到立體式無死角探傷。而國內學者對裂紋圖像采用局部平均平滑處理、邊緣提取和灰度圖像二值化處理[2]也取得了較為理想的結果。本文基于熒光磁粉檢測技術的特點，提出了一種依靠線段檢測技術來提取目標裂紋區域的方法。傳統的線段檢測方法大部分以Paul.Hough提出的hough變換理論[3]作為基礎，具有較強的容錯性和魯棒性。Desolneux等人在此基礎上進一步研究了閾值對線段檢測精度的影響，發展出了一套具有誤報排除機制的線段檢測[4]，使檢測精度大幅提高。而由Rafael Grompone Von Gioi等人提出的LSD(the line segment detector)線段檢測法[5]，可以在線性時間內得到檢測結果，并且引入了錯判檢機制，充分滿足熒光磁粉探傷技術對后續圖像檢測要求。

1　熒光磁粉探傷技術

1.1熒光磁粉探傷技術原理

磁粉探傷技術起源于上世紀20年代初期，專家發現若物體表面或內部有缺陷(裂紋、折疊、雜質等)存在，將待測物體置于強磁場中或通以大電流使之磁化后，缺陷附近的磁力線會產生漏磁現象。因此把導磁性良好的磁粉(通常為磁性氧化鐵粉)附著在被檢物體上時，缺陷附近的漏磁場作用于磁粉，可以形成肉眼可見的磁粉痕跡，最后通過對機械工件表面觀察，完成檢測。

磁粉探傷技術原理決定了其對裂紋規模和位置的敏感度較低，并且能有效檢測出工件內部損傷。因此它有著操作簡單、應用廣泛、靈敏度高、各方向均可檢測、易于觀察的特點。為了能更明顯的觀察到工件表面的損傷情況，在實際檢測過程中發展出了用熒光磁粉懸濁液代替了普通磁粉。并輔以紫外線燈照射。改進后使得后續人工檢測裂痕變得易于辨識和操作，能有效避免被檢工件表面顏色影響。

雖然熒光磁粉探傷技術降低了裂紋檢測難度，但仍依賴人工識別裂紋，無法擺脫缺陷檢測效率低下、容易對人眼造成損傷等一系列問題。而基于圖像處理、模式識別等理論發展出的計算機圖像識別系統，則是解決熒光磁粉探傷技術后續缺陷檢測的理想解決方案。

1.2熒光磁粉探傷圖片分析

計算機圖像識別系統的核心環節是對目標區域的辨識和提取。由于各種不同類別的裂紋的物理特征和結構特征各異，加之熒光磁粉檢測工藝的特點，使得運用依靠原有圖像灰度、梯度數值特征的傳統目標區域提取方法無法得到滿意的檢測結果。如何能夠有效地對前端所采集到的圖片進行處理，是熒光磁粉探傷技術實現全自動化的關鍵問題。如圖1是一張典型的運用熒光磁粉探傷技術得到的圖片。從圖中不難看出，在工件的表面有一條約兩厘米長的裂痕。雖然圖中裂痕在人眼看來非常易于辨識，然而利用傳統圖像處理方法，很難得出令人滿意的提取結果。圖2是裂紋圖片的灰度直方圖。

顯然，圖像的大部分灰度值都集中在[0-58]區域。而在傳統的閾值圖像識別處理方法中，灰度值，各彩色空間(RGB,HSV,HSI)分量是用來區分目標區域和背景區域的重要參數。由圖3不難看出傳統sobel[6]閾值算法提取結果無法祛除裂紋周圍相近亮度點干擾，生成較多無效信息。因此，簡單利用圖像特征值來提取圖像中的目標區域的方法并不可行。

附著在工件裂痕周圍的熒光磁粉顆粒亮度與富集在裂紋上的磁粉兩者灰度值相差無幾，梯度幅度如圖4所示，其亮度變化率與裂痕近似，而經典的圖像分割法如區域生長法或分水嶺算法均需要以梯度極值點gmax作為種子點。過多的極值噪點不僅會生成偽種子點造成誤分割，而且顯著增加算法運算量，使得算法在提取熒光磁粉裂紋圖像的過程中失效。

觀察圖1中裂紋形狀特點可知，大部分的裂紋都可以用單位線段元直接或趨近表示。如果我們將裂紋圖像的形狀特征來當作提取目標區域的辨識特征的話，不僅可以除去工件上的其余不同形狀特征的(塊狀和點狀)偽裂紋對提取圖像的影響，而且能使圖像對灰度值的敏感度降低。

經典的線段檢測算法一般先經過閾值處理之后，利用hough變換算法，將圖像空間中具有一定關系的像元進行聚類。尋找能把這些像元用某一解析形式聯系起來的參數空間累積對應點[3]。其不足之處也非常明顯：裂紋圖像一般都受到外界噪聲的干擾，信噪比較低，此時hough變換的性能會急劇下降，進行參數空間極大值的搜索時由于合適的閾值難以確定，往往出現“虛峰”和“漏檢”的問題。而且一旦參數空間增大，hough變換的計算量便會呈幾何級數上升。因此無法滿足熒光磁粉探傷對裂紋圖像處理所需實時性和精確度的要求。

基于上述分析，本文所提出基于LSD線段檢測技術的目標圖像提取方法摒棄了傳統利用hough變換建立圖像空間到參數空間的映射關系的方法，而是以像素點的梯度方向作為基準取而代之。從而有效地保留了像素點幅值變化信息，易于標記臨近點關系權重，使得檢測運算能在線性時間內完成。因此本文算法理論上能夠較好地滿足裂紋圖像檢測對可靠性和實時性的要求。

2　LSD線段檢測算法

不同于傳統線段檢測算法利用圖像梯度幅值，LSD算法利用梯度方向作為判定像素點之間圖像關系依據。將梯度方向近似的像素點經過算法迭代，整合成一個具有同一方向的區域。找出一個能包圍目標區域形成近似的最小矩形，從而完成對目標線段的提取。

2.1LSD算法描述

如圖5所示，圖像中坐標為(x,y)的像素點由i(x,y)表示，則此像素點的梯度為：

(1)

梯度角：

(2)

梯度幅值：

(3)

利用2×2掩模來計算像素點的梯度相關系數，使得各像素點的獨立性增強，從而最大限度減少圖像噪聲對像素梯度系數的影響。

接下來選取梯度幅值極值點作為種子點，沿其梯度方向開始搜索梯度度方向近似的像素點并將它們包含到預選線段區中。其判定公式為：

(4)

式中：θregion為區域角度，LLA(r)為被測點梯度角，τ為角度誤差容忍度。初始情況下將所選取種子點的梯度角度值賦值給θregion。在判定過程中若有新的像素點加入，θregion的取值會隨之更新，則有：

(5)

(6)

(7)

而矩形長中軸線的方向與區域角θregion一致。

最后LSDT算法引入錯檢判定機制NFA(the number of false alarms)，所得檢測結果的檢驗值計算運用如下公式：

(8)

(9)

若NFA(r)≤ε則認為被測矩形為有效結果。一般情況下ε的取值較為寬松，這樣有利于圖像信息保留。

2.2圖像提取步驟

針對圖像本身特性，我們加入了一些預處理環節。以期獲得較為理想的輸出結果。綜合得出圖像處理步驟如下：

(1)讀入圖像，對其使用(高斯)濾波器和頂帽變換。減小圖像中的噪聲，平滑圖片背景亮度。

(2)計算圖像中各像素的梯度方向和梯度幅值，并計入對應的像素狀態矩陣中。

(4)生成區域后，將區域中像素點的梯度值近似等價于各點質量，通過統計計算得到區域重心坐標，作為包圍該區域的最小矩形結構的中心點。以區域角θregion確定矩形長中軸線的方向。所得矩形結構即被認定為線段檢測結果。

(5)計算各區域檢驗值NFA(r),如果計算結果大于設定檢測閾值ε，則判定此區域為無效區域，并將其從檢測結果中剔除。檢驗完成后輸出目標區域圖像。

3　實驗結果

對圖1使用本文方法處理。得到結果與傳統閾值和hough變換提取結果進行對比。實驗中取，LSD線段檢測角容忍度τ=27.5°，NFA檢測閾值ε=0.5。結果如圖6～8所示。

如圖6顯示的是利用Canny[7]邊緣檢測器所得圖像提取圖像。當脊像素閾值區間T賦予默認區間時，提取效果非常糟糕，而經過多次試驗之后取T=[0.25，0.30]得出的結果雖基本保留了目標區域的大部分有效信息，但臨近噪點對提取結果的影響過大，致使提取圖像上無效信息過多。

分析圖7得知，基于hough變換的傳統線段檢測方法準確地提取出裂紋，但無法保留其細節信息，且對無用噪點信息豐富的裂紋圖像做hough變換計算所耗費時間較長。傳統線段檢測需要提供基準判定方向，因此魯棒性也較差，因而無法滿足裂紋目標提取工作的要求。

圖8是利用本文方法得出的結果，圖片處理時間為0.67 s。可以看出，工件邊緣和裂紋信息得到較好的保留，基本上杜絕了裂紋周圍噪點對目標提取的干擾，并且對不同的輸入都有較為理想的結果。本文提出的目標提取方法相對于傳統方法，無論是在目標提取精度、計算速度還是在應用范圍的普適性方面都有很大的提升。

4　結語

本文提出的基于線段檢測的熒光磁粉裂紋目標提取方法，充分利用了熒光磁粉探傷技術的特點，以LSD線段檢測法作為主要提取手段，對目標區域進行有效信息提取。從而有效地避免了目標周圍近似亮度噪點對提取處理的干擾，并且計算速度上優勢明顯。后期可以用線段擬合、圖像學方法對提取結果進一步處理，為后續裂紋識別步驟打好基礎。該方法能較好地滿足探傷工作對時效和提取精度的嚴苛要求，有著良好應用前景。

[1]Takahashi N，Gotoh Y，Sasaguri N, et al. Magnetic non-destructive inspection of retained austenite in the cast iron[J]. IEEE Intemational Magn etics Conference，2006,42(10):661.

[2]吳海濱，鄭宏偉，李明琥，等.輪箍表面自動熒光磁粉探傷系統及其圖像處理技術[J].無損檢測,2007,29(3) : 128-131.

[3]Falconer D G. Target tracking with the hough transform [J].Circuits, Systems and Computers, 1977. Conference Record, 1977 : 249-252

[4]Desolneux A，Moisan L，Morel J M. From gestalt theory to image analysis. A probabilistics approach. Springer，2008.

[5]Grompone R，Jakubowicz J，Morel J M, et al.LSD : a fast line segment detector with a false detection control[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence，2010，32(4) : 722-732.

[6]Rafaelc Gonzalez.數字圖像處理.阮秋琦，譯.北京:電子工業出版社,2007.

[7]Canny J. A computational approach to edge detection[J].IEEE Trans on Pattern Analysis and Machine Intelligence，1986，8(6):679-698.

(編輯李靜)

如果您想發表對本文的看法，請將文章編號填入讀者意見調查表中的相應位置。

Fluorescent magnetic particle crack region extraction algorithm based on line segment detection

GUO Dubin, SHEN Xizhong, ZHANG Bo

(Electrical and Automatic School, Shanghai Institute of Technology, Shanghai 201418, CHN)

Fluorescent magnetic particle inspection technology has been widely applied in the field of industrial testing. However, it is hard to find an effective method to extract workpiece crack from the resulting image. The paper proposes a crack region extraction algorithm based on LSD line segment detection. Using the gradient direction as the main parameters of extraction of target image can effectively restrain brightness around the same noise interference to the target area. The result of extracting shows that the method can quickly and efficiently extract the crack image and has strong robustness.

fluorescent magnetic particle inspection; LSD algorithm; line segment detection; extraction of crack

TB55

B

郭杜斌，男，1990年生，碩士研究生，研究方向為超聲檢測。

2015-08-05)

160228

*上海市科委項目(15ZR1440700)