基于圖像融合的竹塑復合材內部缺陷邊緣檢測研究

孫績婷　戚大偉

摘要：竹塑復合材是一種新型的綠色環保材料，X射線無損檢測系統，為其提供了一種行之有效的檢測手段，但圖像在獲取的過程中極易受到環境和實驗光線強度等變化所產生的噪聲影響，為增強圖像清晰程度，降低對圖像的分割和邊緣檢測等處理的誤差影響，本文提出基于圖像融合的竹塑復合材內部缺陷邊緣進行檢測的方法。利用小波變換將多幅內部缺陷圖像變換融合后，運用OTSU方法和Canny算子分別對其內部缺陷圖像進行分割與邊緣提取。結果表示，可以應用小波變換融合的方法對竹塑復合材內部缺陷邊緣進行檢測，對圖像信息的進一步表達，具有一定的增強效果。

關鍵詞：小波變換;竹塑復合材;X射線無損檢測;圖像分割;缺陷邊緣檢測

中圖分類號：S781.1文獻標識碼：A文章編號：1006-8023（2019）03-0036-05

Detection of Internal Defect Image Edge of Bamboo Plastic

Composite Based on Image Fusion

SUN Jiting，QI Dawei*

（College of Science， Northeast Forestry University， Harbin 150040）

Abstract：Bamboo-plastic composite is a new type of green environmental protection material. X-ray non-destructive testing system provides an effective detection method. In order to enhance the image clarity and reduce the error effect on image segmentation and edge detection， the influence of noise caused by the change of light intensity in the experiment is improved. In this paper， a method based on image fusion to detect the internal defect edge of bamboo-plastic composite is proposed. After fusion of multiple internal defect images by wavelet transform， the OTSU method and Canny operator are used to segment and extract the edge of the internal defect images respectively. The results show that the wavelet transform fusion method can be used to detect the internal defect edge of bamboo-plastic composite， which has certain enhancement effect on the further expression of image information.

Keywords：Wavelet transformation; bamboo plastic composite; X-ray nondestructive testing; image segmentation; defect edge detection

0引言

近年來，塑料、再生塑料與天然纖維等合成的新型材料得到了廣泛的重視與研究，可降解的竹塑復合材料更成為了有利于可持續發展和有利于生態環境良好發展的新興材料之一[1-2]。對竹塑復合材料的研究基于我國竹材資源豐富，廢舊塑料也可得到循環再利用等優勢，能夠起到一定程度上改善生態環境的作用。因此對其制備方式及所具有的主要性能和增強材料特性等方面仍然有大量學者進行研究[3-5]。然而卻少有利用無損檢測技術對其在不改變外部及其他任何特性的情況下，對竹塑復合材內部可能會出現的腐蝕、分層和裂縫等缺陷信息進行檢測。因此，對竹塑復合材進行的內部缺陷信息檢測的研究，便于其被合理的選擇與應用提供了一種有效方法。

射線檢測技術可廣泛應用于探傷和醫療等研究領域[6-7]，而其中X射線檢測技術經不斷的發展與應用，為復合材料的無損檢測提供了一定的可行性[8-9]。經大量實踐結果證實，X射線技術可對木材、板材和工板等進行無損檢測[10-11]。可利用X射線無損檢測系統采集到竹塑復合材內部缺陷信息的圖像，對提高竹塑復合材的利用率問題，將是一個非常重要的衡量和檢測手段。并對其內部圖像信息進行特征提取和缺陷識別等處理，可以更直觀、全面的進行分析，并進行綜合考量，也可為竹塑復合材所具有的相關性能和應用適用范圍提供一定的指向性。

在圖像信息采集的過程中，由于不可抗因素產生的噪聲干擾等問題，容易造成圖像質量差和視覺效果模糊等現象，難以呈現出清晰的效果。而圖像融合技術可為其提供一種有利于提高圖像清晰程度的有效辦法。目前，國內外學者進行了大量實踐與應用[12-13]。而基于小波變換的融合方法，可以取得較理想的效果。小波變換及其各種新算法也在不斷涌現，也是圖像融合處理的研究熱點之一[14-15]。這些研究表明通過小波變換融合的方法，能夠減小噪聲的作用范圍，有助于增強圖像的清晰程度及對比度。為此提出將多幅數字型圖像進行融合處理，并對融合圖像進行分割及內部缺陷的邊緣進行檢測，降低外界及噪聲等干擾因素對圖像的影響，從而達到改善圖像品質，改善圖像的模糊化程度，使其更加具體地表達出其內部圖像的缺陷信息。

1材料與方法

1.1材料

竹塑復合材料（Bamboo Plastic Composite，簡稱BPC）是利用經過改性的竹鋸末、竹屑或竹渣等進行預處理后的纖維做為主要的原料，結合高分子化學界面融合的原理，與具有熔融熱塑性質的樹脂（主要有PE、PP、PVC等）按照一定的比例進行結合，在所添加助劑的作用下，經過高溫混煉和加工定型而制取得到的一種具有用途廣且綠色環保的新型復合材料。其同時具有竹材和塑質材料雙重的優良特性：尺寸穩定性較高，質優且輕、成本價低、能損低、無害無味，且具有一定良好的回收再利用的特性，為新型環保材料提供了更多的發展空間及可能性[3]。

1.2方法

竹塑復合材X射線無損檢測系統[10]，檢測中主要結構部件包括：X光源、微光攝像機、圖像采集及處理、圖像顯示器、計算機、微機顯示器，如圖1所示。本文所使用的竹塑復合材，尺寸大小為20 cm×10 cm×50 cm的長方體。利用強度均勻的X射線無損檢測系統，對竹塑復合材表面及結構特性均無任何破壞的情況下進行的內部缺陷信息采集。充分利用了X射線具有較強的穿透性，即利用透射法檢測并對所獲取的圖像信息進行記錄與保存，

并利用數字圖像處理技術進行分析與識別。但由于透射材料的不同，往往伴隨著一定的能量衰減現象。由于入射能量強度I0、透射能量強度I與被檢測物質的厚度d又存在著強度衰減規律，公式為：

I = I0e-μd 。（1）

式中：μ為衰減系數，也稱吸收系數。

實驗通過產生X射線在高壓發生器即X射線兩級電子管，將陰極燈絲通電加熱溫度至白熾而發出電子，本實驗所獲圖片是在當電子管的兩板（燈絲與鉬靶）間加上4 200 kv電壓，入射強度在2 450～4 000 μA變化范圍內獲取得到的。當電子經過物體即射線穿過板材時，其能量被部分吸收，透射能量被不同程度的削弱。因此可獲取得到同規格、但清晰程度卻大不相同的竹塑復合材內部缺陷信息的圖像，共采集40幅。本實驗選取16個實驗樣本，采用不同方法對其內部缺陷邊緣進行提取：直接對圖像進行閾值分割及內部缺陷邊緣進行檢測和經過融合處理后的圖像再進行閾值分割及內部缺陷邊緣檢測，獲取得到兩種效果的檢測圖像進行比較。

2方法與理論

2.1基于小波變換的圖像分解

圖像融合是把同一研究對象的兩幅或多幅的圖像信息合成在一幅圖像中，所獲圖像效果比原來任何一幅圖像更容易使人們理解和接受。這一技術可應用于X射線無損檢測竹塑復合材內部缺陷圖像的研究。小波變換法能提供出信號在時域和頻域中的同步信息。對于圖像而言，可將圖像分解成在各個頻率段上的子圖像，用此來表示原圖像的各個特征分量，并對不同的特征分量進行相應融合方法的處理，以期達到最佳的融合效果。

利用小波變換中常用的Mallat算法對二維圖像進行二層小波分解的示意圖，如圖2所示。L表示低頻，H表示高頻，下標1，2表示一級，二級分解。利用小波變換對圖像可進行多層分解，每一層均可產生4幅分解的子圖像LL1、HL1、LH1、HH1。其中，LL1是原始圖像中的主要低頻部分，LH1代表著水平方向的高頻信息，HL1代表著垂直方向的高頻信息，HH1代表著45°方向的高頻信息。下一層的分解只對含有較多低頻信息的LH1繼續進行。如圖2（c）所示，完成二層小波分解[17]。

在MATLAB2016a環境下，對 X射線無損檢測系統所獲得的含有竹塑復合材內部缺陷信息的圖像，利用小波變換實現得到的二層小波分解示意圖，如圖3所示。

2.2圖像融合的方法

融合規則的理論基礎是：經小波變換后，低頻波段用以表述圖像的相似部分，高頻波段用來表述圖像的細節信息。高頻波段的系數波動范圍往往處在零值附近，系數絕對值越大，代表該處亮度變化越強烈，則可能含有極其重要的圖像細節信息，是所要尋找的邊緣、線條，或是所要尋找的感興趣區域的邊界等[17]。經小波變換可獲取得到的小波系數，針對較小尺度范圍內，使得細節能夠更加突出，而較大的特征卻不再顯現;于此同時，有多種方法可供選擇，對小波系數進行處理。本文應用小波變換所得到的低頻部分以及高頻部分的小波系數，均采用像素點絕對值取最大的方法進行處理，具體步驟為：

Cj（Q，q）=Cj（A，q）|Cj（A，q）≥Cj（B，q）|

Cj（B，q）|Cj（A，q）

式中：Cj（A，q）、Cj（B，q）、Cj（Q，q）分別表示樣本A、B和融合結果Q在j層小波分解時，q點的系數。

2.3基于小波變換融合方法的圖像邊緣檢測步驟

基于小波變換融合后的圖像進行其內部缺陷信息邊緣檢測，步驟為：

（1）兩幅初始圖像分別進行小波變換，獲取各幅圖像在低頻帶和高頻帶上的小波系數。

（2）經分解得到的圖像低頻帶和高頻帶上的小波系數，各自分別采取不同的融合方法處理及運算。

（3）利用小波逆變換對融合處理后的系數進行處理及運算， 得到融合圖像。

（4）對融合處理后的內部缺陷圖像進行分割及邊緣檢測。

本實驗選取16個經X射線無損檢測系統獲取得到的竹塑復合材內部缺陷圖像，分成4組按照上述步驟進行融合處理。將每組中的樣本依次按照2.2中小波變換融合的方法進行融合。本實驗共可得到4組融合結果，融合效果對比分析見表1。

經對比分析第4組的融合效果較好。圖像的分割處理是將圖像中的目標區域與背景部分進行區分。為進一步獲取到背景與對象之間的交界線，即缺陷的邊緣信息，進而對其邊緣進行檢測處理。本文對原始圖像和融合后的圖像分別進行閾值分割及邊緣檢測處理，過程如下：

方法一，采用OTSU最大閾值法對竹塑復合材內部缺陷原始圖像信息進行分割，再利用Canny算子對其內部缺陷邊緣進行檢測。檢測結果，如圖4所示，（a）為原始圖像，（b）為OTSU法閾值分割后圖像，（c）為原始圖像經閾值分割處理后由Canny算子檢測出的內部缺陷邊緣圖像。

方法二，應用小波變換先將多幅原始圖像信息進行融合，增加了圖像中更多的細節信息。對選取的小波融合效果較好的第4組融合圖像，利用OTSU法進行閾值分割，因融合后的圖像與原始圖像進行閾值分割，對比結果無過于明顯的差異性，可用圖4中的（b）來表示對融合圖像進行閾值分割處理效果;并利用Canny算子對其內部缺陷進行邊緣檢測，如圖4（d）所示，為融合圖像經閾值分割處理后的內部缺陷邊緣檢測的圖像結果。

觀察上述兩種方法得到的邊緣檢測效果圖像，可進一步得出，經小波變換融合法獲取得到的竹塑復合材內部缺陷邊緣檢測融合圖像，清晰程度較之前未經小波變換融合處理過的圖像帶有更多、更明顯和更具體的細節信息，圖像效果得到了較好的改善。因此，利用小波變換融合的方法對竹塑復合材內部缺陷進行邊緣檢測，具有一定明顯增強的作用。

3結論

利用X射線無損檢測技術對竹塑復合材內部缺陷信息進行檢測，為竹塑復合材料的廣泛探究及應用發展提供了一種行之有效的檢測手段。在進行信息采集的過程中易受到噪聲等其它因素的干擾，影響圖像質量及圖像分析結果，圖像經過小波變換融合處理后再進行內部缺陷圖像的分割及邊緣檢測，經客觀評價中的指標對比可看出：對圖像進行小波變換融合處理，有利于信息的進一步表達，圖像效果具有一定增強的效果。對圖像處理的識別與分析，奠定了良好的基礎。

【參考文獻】

[1]高振華，邸明偉.生物質材料與應用[M].北京：化學工業出版社，2008.

GAO Z H， DI M W. Spice chemistry and technology[M]. Beijing： Chemical Industry Press， 2008.

[2]MOHANTY A K，MISRA M，DRZAL L T.可再生資源的可持續生物復合材料：綠色材料世界的機遇與挑戰[J].聚合物與環境雜志，2002，10（1/2）：19-26.

MOHANTY A K， MISRA M， DRZAL L T. Sustainable bio-composites from renewable resources： opportunities and challenges in the green materials world[J]. Journal of Polymers & the Environment， 2002， 10（1/2）：19-26.

[3]李雪菲，張澤華，任瑢，等.竹塑復合材料的研究及發展趨勢[C]//中國木材保護大會暨中國景觀木竹結構與材料產業發展高峰論壇橡膠木高效利用專題論壇，2012.

LI X F， Zhang Z H， REN R， et al. Research and development trend of bamboo-plastic composite materials[C]. China Wood Protection Conference and China Landscape Wood Bamboo Structure and Materials Industry Development Summit Forum Rubber Wood Efficient Utilization Forum， 2012.

[4]湯穎，沈鈺程，吳亞剛，等.竹塑復合材料研究現狀及展望[J].林業機械與木工設備，2013，41（8）：8-10.

TANG Y， SHEN Y C， WU Y G， et al. Research status and prospect of bamboo-plastic composites[J]. Forestry Machinery &Woodworking Equipment， 2013， 41（8）：8-10.

[5]趙德金，郭艷玲，宋文龍.國內外竹塑復合材料研究進展[J].安徽農業科學，2014，42（21）：7059-7060.

ZHAO D J， GUO J Y， SONG W L. Research advance of bamboo plastic composites at home and abroad[J]. Journal of Anhui Agricultural Sciences， 2014， 42（21）：7059-7060.

[6]鄭世才.我國射線檢測技術近年的發展[J].無損檢測，2004，26（4）：163-167.

ZHENG S C. The development of Chinas radiation detection technology in recent years[J]. Nondestructive Testing， 2004， 26（4）：163-167.

[7]韓明，苗長云.無損檢測技術及應用研究[J].天津科技，2011，38（1）：75-77.

HAN M， MIAO C Y. Nondestructive testing technology and application research[J]. Tianjin Science & Technology， 2011， 38（1）：75-77.

[8]葛邦，楊濤，高殿斌，等.復合材料無損檢測技術研究進展[J].玻璃鋼/復合材料，2009，V209（6）：67-71.

GE B， YANG T， GAO D B， et al. Research progress of nondestructive testing technology for composite materials[J]. Fiberglass/Composites， 2009， V209（6）：67-71.

[9]董方旭，王從科，凡麗梅，等.X射線檢測技術在復合材料檢測中的應用與發展[J].無損檢測，2016，38（2）：67-72.

DONG F X， WANG C K， FAN L M， et al. Application and development of X-ray detection technology in composite materials detection[J]. Nondestructive Testing， 2016， 38（2）：67-72.

[10]戚大偉.木材無損檢測圖像處理系統的研究[J].林業科學，2001， 37（6）：92-96.

QI D W. Research on image processing system for wood nondestructive testing[J]. Forestry Science， 2001， 37（6）：92-96.

[11]李學益，戚大偉.木材缺陷檢測圖像處理系統工作平臺的研制[J].東北林業大學學報，2002， 30（2）：109-112.

LI X Y， QI D W. Development of working platform for wood defect detection image processing system[J]. Journal of Northeast Forestry University， 2002， 30（2）：109-112.

[12]敬忠良，肖剛，李振華. 圖像融合-理論與應用[M]. 北京：高等教育出版社， 2007.

JING Z L， XIAO G， LI Z H. Image fusion： theory and applications[M]. Beijing： Higher Education Press， 2007.

[13]李俊峰，姜曉麗，戴文戰.基于提升小波變換的醫學圖像融合[J].中國圖象圖形學報，2014，19（11）： 1639-1648.

LI J F， JIANG X L， DAI W Z. Medical image fusion based on lifting wavelet transform[J]. Journal of Image and Graphics， 2014， 19（11）： 1639-1648.

[14]SINGH R，SRIVASTAVA R，PRAKASH O，等. 基于Daubechies小波變換的多模態醫學圖像融合 [C] //國際信息學，電子學和視覺會議論文集.達卡：IEEE計算機學會， 2012： 304-309.

SINGH R， SRIVASTAVA R， PRAKASH O， et al. Mixed scheme based multimodal medical image fusion using Daubechies complex wavelet transform[C]. Proceedings of International Conference on Informatics， Electronics and Vision， Dhaka， IEEE Computer Society， 2012： 304-309.

[15]劉海濤，石躍祥，康蘊. 基于小波分析的圖像融合新方法[J]. 計算機工程與應用，2013，49（6）： 205-208.

LIU H T， SHI Y X， KANG Y. New method for image fusion based on wavelet transform[J]. Computer Engineering and Applications， 2013， 49（6）： 205-208.

[16]郭雷，李暉暉，鮑永生.圖像融合[M].北京：電子工業出版社，2008.

GUO L， LI H H， BAO Y S. Image fusion[M]. Beijing： Publishing House of Electronics Industry， 2008.

[17]程正興. 小波分析與算法應用[M].西安： 西安交通大學出版，2000.

CHENG Z X. Application of wavelet analysis and algorithms[M]. Xian： Xian Jiaotong University Press， 2000.