金屬管道焊接缺陷的X射線(xiàn)數(shù)字圖像處理及檢測(cè)方法研究

王亮

（甘肅能源化工職業(yè)學(xué)院，甘肅 蘭州 730207）

0 前言

金屬管道焊接過(guò)程由于受各種參數(shù)和隨機(jī)因素的影響，焊接構(gòu)件中不可避免地會(huì)產(chǎn)生裂紋、未焊透、氣孔、夾渣等缺陷，為了保證焊接質(zhì)量，必須對(duì)焊縫進(jìn)行有效的無(wú)損檢測(cè)。本文利用Matlab仿真軟件對(duì)線(xiàn)陣列探測(cè)器實(shí)時(shí)成像的金屬管道焊縫X射線(xiàn)數(shù)字圖像進(jìn)行處理和分析，能夠準(zhǔn)確快速地識(shí)別和提取焊接缺陷。

1 焊接缺陷提取流程

本文所設(shè)計(jì)的焊接缺陷的提取流程主要包括以下三個(gè)環(huán)節(jié)：

1）圖像預(yù)處理。由于焊縫X射線(xiàn)數(shù)字原始圖像具有灰度區(qū)間比較窄、缺陷邊緣模糊、圖像噪聲多和缺陷特征不明顯等特點(diǎn)，增大了缺陷提取的難度，所以在提取之前必須先對(duì)焊縫原始圖像進(jìn)行預(yù)處理，包括灰度拉伸、圖像增強(qiáng)及圖像的平滑降噪等。

2）焊縫邊緣的檢測(cè)及提取。在焊縫圖像處理中真正有用的是中間的一部分圖像信息，而焊縫兩側(cè)圖像中的背景信息對(duì)焊縫缺陷的識(shí)別和提取并無(wú)作用，所以要采用逐級(jí)細(xì)化的方式確定焊縫邊緣，去除無(wú)用的背景信息。

3）焊接缺陷提取。分析各種焊接缺陷的特征，采取合理的處理方法確定焊接缺陷的種類(lèi)。

2 焊縫缺陷圖像預(yù)處理

針對(duì)線(xiàn)陣實(shí)時(shí)成像中金屬管道對(duì)接焊縫進(jìn)行處理，其線(xiàn)掃描數(shù)字成像器的像素尺寸為90μm，空間分辨率達(dá)到5.5Lp/mm。以9mm板厚的焊縫X射線(xiàn)原始圖像為例，利用Matlab仿真軟件進(jìn)行各種變換處理并進(jìn)行對(duì)比分析。

2.1 焊縫圖像的增強(qiáng)

圖像增強(qiáng)是通過(guò)將畫(huà)面上重要的內(nèi)容增強(qiáng)突出，同時(shí)將不重要的內(nèi)容進(jìn)行抑制以達(dá)到改善畫(huà)面質(zhì)量的方法，本文利用直接灰度變換、直方圖均衡化和直方圖規(guī)定化對(duì)焊縫原始圖像進(jìn)行增強(qiáng)處理。

圖1為灰度級(jí)非線(xiàn)性拉伸圖像及其變換前后直方圖，其中取c＝1，γ＝0.5，從圖1的原始圖像直方圖可以看出原始圖像的對(duì)比度較低，動(dòng)態(tài)范圍比較窄。經(jīng)過(guò)非線(xiàn)性拉伸后，圖像亮度明顯得到了增強(qiáng)。圖2為直方圖均衡化后的圖像及其直方圖，與圖1中的原始圖像直方圖相比，圖2的動(dòng)態(tài)范圍和對(duì)比度明顯得到了改變，并且圖2能比較明顯地看出圖像內(nèi)部特征。

2.2 焊縫圖像的平滑降噪

圖像降噪處理的目的在于濾除干擾突出目標(biāo)特征，由于X射線(xiàn)檢測(cè)的對(duì)象是細(xì)微結(jié)構(gòu)，利用線(xiàn)性濾波處理必將引起信息的損失，很難達(dá)到既降噪又保邊緣又不破壞細(xì)節(jié)的效果。選用自適應(yīng)中值濾波降噪，除了具有傳統(tǒng)中值濾波的去除隨機(jī)和脈沖噪聲以及減少諸如物體邊界細(xì)化或粗化等失真優(yōu)點(diǎn)外，還具有平滑非沖激噪聲時(shí)保護(hù)焊縫和缺陷邊緣細(xì)節(jié)的作用。以原始圖像和濾波降噪后的圖像矩陣的第32行的灰度分布曲線(xiàn)為例，其降噪效果如圖3所示，對(duì)比看出垂直焊縫方向的行灰度鐘形曲線(xiàn)的頂部和底部明顯平坦光滑了許多，中間部位的凹陷形狀是該行穿過(guò)缺陷所形成的并且仍保持了基本形狀特點(diǎn)。

圖1 灰度級(jí)非線(xiàn)性拉伸圖像與前后直方圖對(duì)比

圖2 直方圖均衡化圖像及其直方圖

圖3 原始圖像與濾波后圖像中第32行灰度曲線(xiàn)對(duì)比

3 焊縫邊緣的檢測(cè)及提取

圖像的邊緣檢測(cè)的算法有Roberts算子、Sobel算子、Prewitt算子和Canny算子等，這些算子基于梯度或一階微分在圖像邊緣附近的區(qū)域產(chǎn)生較寬的響應(yīng)，故采用上述算子檢測(cè)的邊緣圖像需要細(xì)化處理，這就影響了邊緣的定位精度。利用二階導(dǎo)數(shù)零交叉所提取的邊緣寬度為一個(gè)像素，所得到的邊緣無(wú)需細(xì)化，有利于邊緣的精確定位。

圖4 自動(dòng)閾值的Roberts算子、Sobel算子、Prewitt算子、零交叉、Canny算子邊緣檢測(cè)

應(yīng)用以上算子對(duì)經(jīng)3次5×5窗口的自適應(yīng)中值濾波后的圖像進(jìn)行邊緣檢測(cè)，其中閾值的選取選擇自動(dòng)檢測(cè)。通過(guò)分析比較處理后的圖像（見(jiàn)圖4）發(fā)現(xiàn)使用自動(dòng)閾值檢測(cè)時(shí)Roberts算子、Sobel算子和Prewitt算子均能檢測(cè)出焊縫圖像的大致形狀，并能檢測(cè)出焊縫中比較明顯的缺陷，但是邊緣較寬并且存在斷續(xù)的情況，這主要是由于邊緣的模糊和一階導(dǎo)數(shù)對(duì)噪聲的敏感性造成的；Canny算子檢測(cè)出圖像的邊緣紋理明顯偏多，并且強(qiáng)弱邊緣不是很明顯。

使用自適應(yīng)閾值分割方法，即最大類(lèi)間、類(lèi)內(nèi)方差比法來(lái)提取焊縫邊緣。先對(duì)9mm板厚原始焊縫圖像進(jìn)行二值化分割處理，處理后的圖像焊縫邊緣輪廓完整清晰，再對(duì)二值化后的圖像進(jìn)行邊界跟蹤并提取焊縫（如圖5），從圖中可以看出最大類(lèi)間、類(lèi)內(nèi)方差比法能夠較準(zhǔn)確的從原始圖像中提取出焊縫圖像，得出的邊界基本光滑。

圖5 邊界跟蹤輪廓與提取的焊縫圖像

圖6 高頻加強(qiáng)變換降噪后的圖像

4 焊縫缺陷的提取

4.1 高頻加強(qiáng)變換

選用二階D0＝5的高通濾波器焊縫圖像進(jìn)行高頻加強(qiáng)變換，只要濾波器的半徑不太小，頻率接近變換后的原點(diǎn)時(shí)，高通濾波就不會(huì)對(duì)參數(shù)過(guò)度敏感。對(duì)高頻加強(qiáng)后的圖像進(jìn)行直方圖均衡，增強(qiáng)的圖像不可避免地存在一些噪聲，但這是在灰度范圍擴(kuò)大時(shí)射線(xiàn)圖像的典型現(xiàn)象。

從圖6可以看出在焊縫邊緣與缺陷之間有個(gè)灰度值明顯偏高的區(qū)域，對(duì)整個(gè)圖像的矩陣觀察發(fā)現(xiàn)每行缺陷區(qū)域的灰度值與這一行灰度值的最小值相等，利用這一特征對(duì)焊縫內(nèi)部進(jìn)行行掃描尋找符合這一特征的像素值并令其為255，提取到最終缺陷（如圖7），根據(jù)未焊透的位置及形狀判斷此缺陷為未焊透缺陷。

圖7 提取的未焊透缺陷

圖8 提取的氣孔缺陷

4.2 形態(tài)學(xué)低帽變換

低帽變換是一種有效的形態(tài)學(xué)變換，利用尋找一幅圖像的谷值來(lái)表現(xiàn)圖像的特征。由于焊縫的氣孔在焊縫內(nèi)部圖像上顯示的灰度值明顯比其周?chē)?，處于圖像灰度的極小值點(diǎn)。故使用低帽變換突出圖像的特征進(jìn)而提取缺陷。經(jīng)過(guò)低帽變換后圖像缺陷處的特征比較明顯，在圖像中的亮度最高。根據(jù)這個(gè)特點(diǎn)對(duì)變換后的灰度圖像進(jìn)行直方圖增強(qiáng)處理使得圖像的特征更加明顯，然后對(duì)焊縫內(nèi)部進(jìn)行行掃描，對(duì)焊縫內(nèi)部與最高亮度相等的灰度設(shè)為255，即置為白色，如圖8所示，根據(jù)氣孔缺陷的特征判斷此缺陷為氣孔。

5 結(jié)語(yǔ)

針對(duì)金屬管道焊縫檢驗(yàn)中線(xiàn)陣列探測(cè)器實(shí)時(shí)成像的X射線(xiàn)數(shù)字圖像，采用上述研究的圖像增強(qiáng)、降噪以及焊縫邊緣和焊接缺陷的提取方法，利用Matlab仿真軟件進(jìn)行處理和分析，比較處理效果和適應(yīng)性，選取有效的方法對(duì)焊接缺陷進(jìn)行識(shí)別和檢測(cè)，在焊接質(zhì)量檢驗(yàn)中得到了較好的應(yīng)用。