基于連通域篩選和腐蝕重構的鋼材裂痕檢測

姜圓香，孫玉秋，王超，李祖勝

(長江大學信息與數學學院，湖北 荊州 434023)

田金文

(華中科技大學自動化學院，湖北 武漢 430074)

?

基于連通域篩選和腐蝕重構的鋼材裂痕檢測

姜圓香，孫玉秋，王超，李祖勝

(長江大學信息與數學學院，湖北 荊州 434023)

田金文

(華中科技大學自動化學院，湖北 武漢 430074)

為實現自動準確的檢測帶有裂痕的不合格鋼材產品，提出了一種基于連通域篩選和腐蝕重構的方法。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域來實現特征提取，后者則先通過腐蝕算法去掉大部分偽特征，再通過重構算法恢復部分特征信息。針對不同樣品進行檢測試驗，達到了預期效果，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

由于鋼材生產的用料以及在冶煉過程中各種力復雜的作用，可能產生裂痕，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生不利影響。傳統的檢測方式中，依靠操作人員的經驗來進行裂痕檢測，缺乏精密性，工作量大，容易受主觀情緒影響，難以實現全面且精準的裂痕檢測。因此，研究開發一種能對鋼材裂痕進行自動檢測技術，能有效提高鋼鐵質量，在鋼鐵生產過程中具有重要意義。隨著計算機軟件、模式識別、數字圖像處理技術、大容量儲存技術的迅速發展，基于數字圖像處理的裂痕檢測技術得到廣泛的研究[1]。王興建等設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能正確快速的提取橋梁裂縫信息，但由于裂縫發生初期不太明顯，因此要實現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對公路裂痕實現自動檢測，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法。

1 理論基礎

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的數字圖象處理算法[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)相比中心權重更大，能更好的保護圖像的原有性質。

1.2 區域連通

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 區域連通圖

如果像素點A與B鄰接，則稱A與B連通，且區域連通有如下的結論：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域，而不連通的點形成了不同的區域。這樣彼此連通點構成的一個集合，被稱為一個連通區域。

如圖3中，如果考慮4鄰接，則有3個連通區域；如果考慮8鄰接，則有2個連通區域。(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

數學形態學是圖像處理和模式識別領域的新方法，其基本思想是用具有一定形態的結構元素去度量和提取圖像中的對應形狀[7,8]，以達到圖像分析和識別的目的。形態學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學重建來清理圖片。

腐蝕處理是利用結構元素對圖像進行探測，找出圖像中可以放下該結構元素的區域，實現消除邊界點，使邊界點向內部收縮的效果。腐蝕方法常應用來消除小而無意義的物體，其原理是利用結構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]。

數學定義如下：A被B腐蝕記為AΘB，也可表示為：

AΘB={z|(B)z∩Ac≠?}

式中，?為空集；B為元素結構；且平移的B與A的背景不疊加。

重構是一種涉及到2幅圖像和一個結構元素(而不是單幅圖像和一個結構元素)的形態學變換。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。結構元素用于定義連接。

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)創建結構元素：B=ones(n)；

3)重復hk+1=(hk⊕B)∩g直到hk+1=hk。

2 鋼材優劣檢測算法及流程

圖4 鋼材優劣檢測算法流程圖

圖5 均值濾波處理圖像

根據鋼材優劣的特點，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現，圖像優劣特征的灰度值區間與其他部分的灰度值區間存在明顯差異。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，但其多由顆粒雜質聚集造成，對鋼材的質量影響不大，因此為方便后續分析，需將其去除。由于偽特征與影響鋼材質量的裂痕連通大小區別較大，筆者使用連通域篩選法和腐蝕重構法這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中連通區域標記函數bwlabel，算法首先一次遍歷圖像，并記下每一行(或列)中連續的團(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將其轉化為二值圖像以進行預處理；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小；④找出各連通域中大于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 腐蝕重構法

腐蝕重構法函數為：

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特征信息。此處，以圖像img為基礎得到的圖像為參照，將圖像img進行重構得到較為理想的圖像imgN。

3 試驗結果及分析

試驗主要采用連通域篩選法和腐蝕重構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過腐蝕重構和連通域篩選2種方法處理后的結果圖。當鋼材樣品中雜質分布相對均勻時，2種算法檢測后都有少量雜質未處理完全，但是不影響后續評級和使用；當雜質較多并形成一條較長帶狀或鋼材生產過程中形成裂痕時，2種方法都能達到較好的檢測結果。此外，連通域篩選法更側重雜質的連通情況，而腐蝕重構法對于并不連通，但是分布比較密集的雜質區域仍然可以檢測出來，即其更強調雜質的密集程度。

4 結語

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法濾除偽特征。連通域篩選法通過設定合適的閾值，可以在濾除偽特征的同時更好的保護原始圖像中的細節，但是具體的閾值，目前仍只是通過手動設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定處作進一步改進以實現自動化。腐蝕重構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部分，可在腐蝕前針對某些可能被腐蝕的重要細節提前進行保護，腐蝕后再進行重構。

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.基于模糊數學的公路路面裂痕檢測技術[J].集美大學學報(自然科學版),2014(3):224～229.

[5]李佐勇,湯可宗,胡錦美,等.椒鹽圖像的方向加權均值濾波算法[J].中國圖象圖形學報,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,張天序,等.數學形態學在圖像處理中的應用[J].計算機工程與應用,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

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

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

孫玉秋(1968-)，女，博士，教授，博士生導師，現主要從事數字圖像處理、模式識別方面的教學與研究工作；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的鋼材裂痕檢測[J].長江大學學報(自科版)，2016,13(25)：26～30.