基于自適應(yīng)閾值分割和形態(tài)學(xué)的木材表面缺陷提取

鐘麗輝，孫永科，苗 晟，戴正權(quán)

（西南林業(yè)大學(xué) 大數(shù)據(jù)與智能工程學(xué)院，云南 昆明 650224）

木材表面缺陷，如節(jié)子、蟲眼或裂紋等的存在，嚴(yán)重影響了木材的質(zhì)量，進(jìn)而影響木材的加工方法和生產(chǎn)工藝。目前，國內(nèi)木材表面缺陷檢測最常用的方法是人工檢測，該方法主要取決于木材方面的專業(yè)人士的專業(yè)知識和積累的經(jīng)驗，其具有主觀性及工作時間長因疲勞導(dǎo)致誤判等局限性，所以木材自動化生產(chǎn)過程需對木材表面缺陷進(jìn)行智能識別。根據(jù)缺陷識別的效果調(diào)整加工方法和加工工藝，提高木材的利用率和商品價值[1]。近年來，木材表面缺陷分割的方法眾多，各有特點(diǎn)。傳統(tǒng)的方法主要有邊緣檢測的分割方法、區(qū)域的分割方法、閾值的分割方法和分水嶺的分割方法；現(xiàn)代的方法有基于分形理論的分割方法、基于顏色特征的分割方法、基于Gabor變換的圖像分割、基于機(jī)器視覺的分割方法和基于深度學(xué)習(xí)的分割方法[2-5]。不過目前木材加工廠的木材缺陷檢測方法依舊停留在人工檢測方法上，自動化的木材生產(chǎn)加工急需智能的木材表面缺陷的分割方法。本文采用自適應(yīng)閾值分割和形態(tài)學(xué)的方法對木材表面缺陷進(jìn)行提取，主要實(shí)現(xiàn)死節(jié)和活節(jié)的提取。

1 算法

1.1 自適應(yīng)閾值分割

對于木材表面缺陷圖像f（x，y），缺陷目標(biāo)和正常的板材背景的分割閾值記作T，屬于缺陷的像素點(diǎn)數(shù)占整幅圖像的比例記為w0，其平均灰度為μ0。正常板材背景像素點(diǎn)數(shù)占整幅圖像的比例為w1，其平均灰度為μ1。木材表面缺陷圖像的總平均灰度記為μ，類間方差記為g。

假設(shè)木材表面缺陷圖像的大小為M*N，圖像中像素的灰度值小于閾值T的像素個數(shù)記作N0，像素灰度大于閾值T的像素個數(shù)記作N1，則有：

綜合式（5）和（6），可得到等價公式如下：

采用遍歷的方法得到缺陷和正常木材部分方差最大的閾值T，將木材缺陷部分提取出來[6]。

1.2 形態(tài)學(xué)處理

數(shù)學(xué)形態(tài)學(xué)是將木材表面缺陷圖像和結(jié)構(gòu)元素圖像相互作用，利用結(jié)構(gòu)元素圖像在木材缺陷圖像中不斷移動，得到分割的木材缺陷的特征信息，將分割出的缺陷部分進(jìn)行處理。

1.2.1 腐蝕和膨脹

A是木材表面缺陷圖像集合，B是結(jié)構(gòu)元素集合，形態(tài)學(xué)運(yùn)算將使用結(jié)構(gòu)元素對木材表面缺陷圖像進(jìn)行操作。結(jié)構(gòu)元素本文選擇圓形的，半徑為1。

膨脹的運(yùn)算符為“⊕”，A和B來膨脹記為A⊕B，定義為：

為B的映像，做B關(guān)于原點(diǎn)的映像，將其平移X，當(dāng)A與B映像的交集不為空集時，B的圓點(diǎn)就是膨脹集合的像素。

腐蝕的運(yùn)算符為“Θ”，A用B來腐蝕記為AΘB，定義為：

A用B腐蝕的結(jié)果是所有滿足將B平移X后，B仍全部包括在A中的X的集合。

1.2.2 開啟和閉合

開啟運(yùn)算是先對圖像進(jìn)行腐蝕，再進(jìn)行膨脹運(yùn)算，用來消除散點(diǎn)；閉合運(yùn)算則是先進(jìn)行膨脹，再進(jìn)行腐蝕運(yùn)算，用于填平小洞或?qū)蓚€鄰近的區(qū)域鏈接起來。開啟運(yùn)算符為“°”，A用B來開啟記為A°B，定義如下

閉合運(yùn)算符為“·”，A用B來開啟記為A·B，定義如下：

2 缺陷提取流程及實(shí)現(xiàn)

先對采集的死節(jié)、活節(jié)缺陷的木材表面圖像進(jìn)行前處理（將原真彩圖像進(jìn)行灰度變換，同時將圖像的數(shù)據(jù)類型轉(zhuǎn)為雙精度）→增強(qiáng)處理（對其進(jìn)行灰度拉升，突出缺陷部分）→自適應(yīng)閾值對圖像進(jìn)行分割（利用木材缺陷部分和背景的最大方差確定閾值，小于閾值部分為白色，大于閾值部分為黑色）→形態(tài)學(xué)處理（連接分割后間斷的圖像邊沿，使分割圖像邊沿圓滑）→同時利用區(qū)域描繪子對真?zhèn)稳毕葸M(jìn)行判斷，將木材缺陷部分標(biāo)記保留，去除背景部分區(qū)域和偽缺陷→利用缺陷區(qū)域在原圖像實(shí)現(xiàn)木材缺陷的提取。

對含死節(jié)、活節(jié)木材缺陷圖像，按照對應(yīng)流程，將主要過程處理后的圖像如圖1和圖2。

3 小結(jié)

采用自適應(yīng)閾值分割和形態(tài)學(xué)對木材死節(jié)、活節(jié)表面缺陷進(jìn)行了分割與提取，文中提取算法對木材裂紋、蟲眼等表面缺陷也能進(jìn)行對應(yīng)的識別與提取。且提取效率高，錯誤率低，為木材表面缺陷提取提供了一定的技術(shù)參考，也為后續(xù)木材自動化加工打下了一定基礎(chǔ)。

圖1 死節(jié)缺陷的提取Fig.1 The extraction of dead joint defects

圖2 活節(jié)缺陷的提取Fig.2 The extraction of looper defects