扁平漆包線抖動干擾處理的研究

宋章明,賀慧勇,黃躍俊

(1. 長沙理工大學 物理與電子科學學院，長沙 410114; 2. 近地空間電磁環境監測與建模湖南省普通高校重點實驗室，長沙 410114)

0 引言

漆包線是電機、電器和家用電器等產品的主要原材料，漆包線的質量決定了這些產品的性能[1- 2]，因此，對漆包線的質量檢測至關重要。目前國內外使用的日本鹽水法、壓輪式直流高壓漆膜連續性檢測法等檢測方法都存在或多或少的問題[3]。因此，對于漆包線中的一種扁平漆包線，采用圖像處理的方法對其表面缺陷進行在線檢測。圖像處理方法包括背景分離，缺陷特征提取，缺陷分類等。采用幀間差分法對扁平漆包線做背景分離，由于扁平漆包線抖動的存在，容易產生抖動干擾，與真實缺陷混淆，影響缺陷檢測的準確率，因此本文主要研究抖動干擾的消除。

2015年，陳勇等人在文獻[4]中提出了運用特征點匹配做運動補償的方法對運動干擾做消除，但是這種方法消耗時間長，不滿足在線檢測的要求。2017年，朱妍妍等人在文獻[5]中提出了將與邊界線連接的連通域置零，實現干擾消除，這種方法消耗時間可以滿足在線檢測要求，但是當真實缺陷與抖動干擾連接構成一個連通域時，這種方法會誤消除真實缺陷。

針對以上常見方法的不足之處，本文提出一種改進方法，首先分析了抖動干擾的分布區域，得到了抖動干擾與真實缺陷不處在同一行，且存在抖動干擾的行上前景像素點數量較多的性質。然后在分布區域內，將前景像素點數量超過一定閾值的行置零，實現對抖動干擾的消除。閾值的選取利用一種改進的Otsu處理分布圖得到，該圖是將圖像所有行，按照行上前景像素點數量多少，統計行出現的頻率。

1 抖動干擾產生原因及性質

1.1 抖動干擾產生原因

圖像處理檢測方法中，采用幀間差分法對扁平漆包線做背景分離。已知當前幀的灰度化圖像fn(x，y)與前一幀灰度化圖像fn-1(x，y)，由式(1)可以得出幀差圖像Dn(x，y)。設定閾值T，按照式(2)對幀差圖像進行二值化處理，得到二值化圖像Rn(x，y)，灰度值為0的點為背景像素點，灰度值為255的點為前景像素點[6]，為了方便觀察，二值圖像中黑色像素點代表前景像素點，白色像素點代表背景像素點。

Dn(x,y)=fn(x,y)-fn-1(x,y)

(1)

(2)

實際生產線上，扁平漆包線由牽引機帶動在水平方向上運動，由于扁平漆包線抖動的存在，幀間差分法去背景會導致抖動干擾的存在。特別的，扁平漆包線上存在張力，此處不考慮樣線傾斜抖動的情況。理想情況下，如圖1(a)所示，扁平漆包線上的缺陷“A”灰度值為0，其余部分灰度值為127。樣線邊界處有兩條灰度值為0的條帶，寬度為Δ，其余背景灰度值為255，閾值T取50。這條樣線在x方向上運動的同時，y方向以及垂直于x-y平面的z方向上存在抖動。假設扁平漆包線在當前幀圖像中上邊界為a2，下邊界為b2，在前一幀圖像中上邊界為a1，下邊界為b1，抖動距離為a。當樣線向y軸負方向抖動時，有以下關系：

|a1-b1|=|a2-b2|

(3)

a=|a1-a2|=|b1-b2|

(4)

圖1 幀間差分法背景分離過程

如圖1(b)所示，運用幀間差分法得到扁平漆包線的背景分離圖像。在扁平漆包線樣本區域內，抖動干擾寬度為a-Δ，分布在背景分離圖像中與樣線下邊界距離小于等于a-Δ的行，呈橫向分布，長度為圖像列數，并且抖動干擾與真實缺陷不處在同一行。另外在上邊界上方也有一條寬度為Δ的抖動干擾，由于存在于樣本區域外，通過圖像剪切可以去除，所以此處不考慮它的影響。類似的，當扁平漆包線向y軸正方向抖動時，抖動干擾分布在背景分離圖像中與樣線上邊界距離小于等于a-Δ的行。因此，在理想情況下，抖動干擾存在于背景分離圖像中與樣線上下邊界距離小于等于a-Δ的行組成的兩個區域，長度為圖像列數，并且不與真實缺陷處在同一行。

1.2 抖動干擾性質

如圖2(a)所示為實際生產線上采集得到的扁平漆包線灰度圖像，樣線上下邊界處有兩條灰度值較低的條帶。對灰度圖像做反二值化操作，掃描得到二值化圖像每一行前景像素點個數，將其投影到坐標軸上，如圖2(b)所示，曲線上中間兩次顯著跳變的地方就是樣本的上下邊界值[7-9]，統計曲線跳變凸起的部分可以得到這兩條條帶的寬度。根據上下邊界對幀間差分法結果圖像剪切，得到扁平漆包線的背景分離圖像[10- 11]，結果如圖2(c)所示。

圖2 樣本灰度圖像及背景分離圖像

由于光照不均勻等多種因素的影響，存在抖動干擾的行上面的前景像素點數量較多，接近圖像列數，而非存在抖動干擾的每行上前景像素點個數都是圖像列數。另外，運用上述方法得到樣本在前一幀圖像中上邊界為a1，下邊界為b1，在當前幀圖像中上邊界為a2，下邊界為b2，樣本邊界處四條灰度值較低的條帶寬度分別為Δ1，Δ2，Δ3，Δ4。由于扁平漆包線邊界定位存在誤差，所以4個邊界值的范圍為[a1-Δ1，a1+Δ1]，[b1-Δ2，b1+Δ2]，[a2-Δ3，a2+Δ3]，[b2-Δ4，b2+Δ4]。此時，抖動距離a滿足以下關系，其中n1= max{Δ1，Δ2，Δ3，Δ4}：

a≤max{|a2-a1|+Δ3+Δ1，|b2-b1|+Δ4+Δ2}≤

max{|a2-a1|，|b2-b1|}+2n1

(5)

所以，抖動干擾寬度a-Δ有以下關系，其中，n2= min{Δ1，Δ2，Δ3，Δ4}，m= max{|a2-a1|，|b2-b1|}：

a-Δ≤max{|a2-a1|，|b2-b1|}+2n1-n2≤

m+2n1-n2

(6)

綜上所述，在實際生產線上，抖動干擾有以下性質：

1) 抖動干擾與真實缺陷不處在同一行。

2) 背景分離圖像中存在抖動干擾的行上，前景像素點數量較多, 接近圖像列數。

3) 抖動干擾分布在背景分離圖像中與上下邊界距離小于等于m+2n1-n2的行組成的兩個區域。其中，m為前后兩幀圖像中樣本上邊界差值與下邊界差值的最大值，n1為樣本邊界處四條灰度值較低的條帶寬度的最大值，n2為這四條條帶寬度的最小值。

2 抖動干擾消除

2.1 抖動干擾與真實缺陷的分割

由于真實缺陷與抖動干擾不會處在同一行，且存在抖動干擾的行上，前景像素點數量較多。因此，在抖動干擾區域內，為了將真實缺陷與抖動干擾區分開，根據行上前景像素點數量，將區域內每一行分割成抖動干擾行和真實缺陷行。以圖像的行作為最小單位對抖動干擾和真實缺陷進行分割，可以有效地解決常見方法誤消除與抖動干擾連接的真實缺陷的問題。

對于背景分離圖像，掃描抖動干擾區域內的行，得到每一行前景像素點個數，當該數量大于t*時，認為該行上存在抖動干擾，令該行所有像素點灰度值為0。當該數量不大于t*時，令該行所有像素點灰度值保持不變。最后得到抖動處理后的圖像。流程圖如圖3所示。

圖3 抖動消除流程圖

2.2 分割閾值選取

閾值t*的選取對分割結果至關重要，本文將背景分離圖像中的所有行，按照該行上前景像素點數量的大小，統計該行出現的頻率，得到了圖像的行的分布圖。因為該分布圖主要是為了區分真實缺陷和抖動干擾，于是不考慮前景像素點數為0的行。由于單張圖像具有前景像素點的行數量較少，不具有隨機性，應該統計多張圖像的行的分布圖。

取實際生產線上同一條扁平漆包線的200幀樣品圖像，大小為640×480，如圖4(a)所示，為這200幀圖像的行的分布圖，可以看出該分布圖為“單峰”圖，圖像真實缺陷主要集中在這個“單峰”上，找到“單峰”右側谷底的位置即得到了分割閾值t*。然而一般的迭代法，Otsu等自適應閾值分割算法適用于“雙峰”圖，對“單峰”圖做分割效果并不好[12- 13]，因此，本文采用一種改進的Otsu[14]，得到這種“單峰”圖的閾值，該方法又稱為NVE[15]方法(Neighborhood valley-emphasis method)。

對k幀大小為m×n的二值化圖像，總行數為k×n行，行前景像素點數g∈[1，m]，f(g)為行前景像素點數為g的行的數量。行前景像素點數g的行出現的概率為：

(7)

在閾值t的分割下，k幀圖像所有具有前景像素點的行被分為兩個類別，計算兩類之間的類間方差σB(t)，改進后的類間方差ξB(t)為

(8)

(9)

通過最大化ξB(t)來選擇最佳閾值t*：

(10)

如圖4(a)所示，運用NVE方法得到這條扁平漆包線樣本的最佳分割閾值t*為112，即行上前景像素點個數大于112的行為抖動干擾行。如圖4(b)所示，為改進方法的抖動干擾消除結果。

圖4 分割閾值選取及改進方法結果

3 實驗結果

為了比較改進方法與文獻[4]和文獻[5]提出方法的處理時間，通過實驗對6張帶有抖動干擾的圖像進行消抖處理，分別得到3種方法的處理時間，表1為3種方法處理抖動干擾的時間對比，通過處理多個樣本圖像可以得出，文獻[4]提出的利用運動補償消除干擾的方法處理時間太長，不適合用于扁平漆包線表面缺陷的在線檢測。改進方法的處理時間要明顯少于文獻[5]提出的方法。

表1 改進方法與常見方法處理時間對比 (ms)

為了驗證抖動干擾區域劃分以及分割閾值選取的準確性，將背景分離圖像的每一行上的前景像素點個數投影到坐標軸上，橫坐標為行數，縱坐標為該行上前景像素點個數，投影曲線如圖5(a)所示。從圖中可以看出，劃分出來的抖動干擾區域可以完整地包含抖動干擾，分割閾值可以較好地將抖動干擾和真實缺陷分割。

為了更直觀地體現文獻[5]提出方法的不足之處以及改進方法可以彌補這個缺陷，特選取一張真實缺陷與抖動干擾連接的樣本圖像，通過利用兩種方法對這張圖像進行消抖處理，將處理結果與理想情況下消抖處理結果進行異或運算，即可以對兩種方法進行評價。圖5 (b)為理想消除抖動圖像、圖5(c)為文獻[5]提出的方法結果、圖5(d)為改進方法結果。將圖5(c)文獻[5]提出的方法結果與圖5(b)理想結果對比可以發現，文獻[5]提出的方法會誤消除與抖動干擾連接的真實缺陷。將圖5(d)改進方法結果與圖5(b)理想結果對比可以發現，改進方法不會誤消除與抖動干擾連接的真實缺陷，部分未消除的抖動干擾寬度很小，可以在缺陷特征提取時忽略不計。

圖5 樣本1結果分析

交并比(IoU)也稱為Jaccard索引(或Jaccard相似系數)，已被廣泛用于測量有限樣本集之間的相似性。通常，對于兩個有限樣本集A和B，它們的IoU定義為交集(A∩B)除以A和B的并集(A∪B)[18-20]。

(11)

通過對比文獻[5]提出的方法和改進方法的抖動消除結果與理想情況下的交并比，對兩種方法進行評價。表2為4個樣本圖像分別運用文獻[5]提出的方法和改進方法得到的結果與理想結果的交并比。通過對比可以發現，改進方法的結果與理想結果的交并比高于文獻[5]提出方法的結果與理想結果的交并比，并且達到88%以上，因此，改進方法對抖動消除的效果要優于文獻[5]提出的方法。

表2 兩種方法交并比對比

4 結束語

本文調研了常見的抖動干擾消除的方法，分析了背景分離圖像中抖動干擾的分布性質，針對這些性質提出了一種抖動干擾消除的改進方法。提出的改進方法與常見方法相比，耗時更短，去除抖動效果更優。但是在改進方法中，分割閾值的選取還有待改進，這也是是下一步工作的方向。總體來講，本文提出的抖動干擾消除方法具有很好的應用前景。