Page 66 - 2023中国无损检测年度报告
P. 66
2023 ࠛ௨ចय़ˮڥQGWખ˘ᛸˡԾࡰᤠቅ ࠛ௨ចय़ˮڥQGWખ˘ᛸˡԾࡰᤠቅ 2023
⚥㕂偽䰀唬崵䎃䏞䫣デ ⚥㕂偽䰀唬崵䎃䏞䫣デ
解和区域识别。通过图像分割，可提取出图像中 像中提取像素点信息，即原始特征，如颜色、灰
感兴趣的目标区域，实现工件区与非工件区、缺 度值等；另一种是采用复杂变换或处理间接获取
陷区与背景区、焊缝区与非焊缝区等的分离。 图像特征，如图像边缘、纹理、形状等特征。
常用图像分割方法有边缘检测、阈值法、区 颜色特征提取通常是通过图像中颜色分布和
域生长法等，每种方法各具有其独特的优缺点及 颜色特征实现图像检索或目标识别，提取方法包
可适用的场景。边缘检测属于一种典型的图像分 括颜色距、颜色直方图等；纹理特征提取主要是
割方法，其边界定位准确，对光照变化和图像灰 分析图像纹理结构和纹理性质，常用方法包括局
度不敏感，具有计算速度较快的优点，但该方法 部二值模式、灰度共生矩阵等，可用于图像分类、
对噪声敏感，存在边缘连接问题；阈值法是最简 纹理识别等；形状特征提取是通过分析图像中几
单的分割方法之一，通过设定阈值，将图像像素 何形状或边界特征，实现目标检测、目标跟踪，
按照灰度值或颜色信息的不同分为不同区域，该 常用方法有边缘描述子如链码、轮廓拟合等。
方法计算效率高，但对光线和噪声敏感；区域生 在工程实际应用中，根据不同检测目标与目
长法是一种经典的分割算法，其关键是选择合适 的，图像特征类别、参数或分析处理方法均会存
的生长点、确定像素合并的相似性准则和确定停 在差异，需要根据实际需求结合多种特征提取方
止生长条件，思路简单，可提供良好的分割结果， 法，提取更加丰富和具有区分度的特征。例如，
但消耗资源多，运行效率较低。 在分析激光焊焊缝缺陷特征以及不同类型缺陷差
以典型激光焊焊缝表面缺陷图像分割为例， 异时，团队综合利用了缺陷凹凸度、宽长比、圆度、
利用全局阈值分割方法，在对滤波器、阈值等进 最大宽长比、宽度标准差和密实度等特征进行分
行优选的基础上，可对典型焊缝缺陷进行有效分 析，其结果如图 4 所示。
割，其结果如图 3 所示，可见缺陷分割结果与实
际缺陷吻合较好。
(a) 不同缺陷凹凸度、宽长比和圆度
(a) 缺陷区域 (b) 缺陷分割
图 3 典型激光焊焊缝缺陷分割结果
2.1.4 特征提取
图像特征提取是数字图像处理中十分重要的
技术，本质上是提取图像中重要数据和信息，得
到数学形式上的表示或描述，以用于图像分类、
目标检测和图像识别。特征提取的有效性和准确
性对后续缺陷识别精度、计算复杂程度和鲁棒性
具有重大影响。
(b) 不同缺陷最大宽长比、宽度标准差和密实度
特征提取可分为两种方式：一种是直接从图
图 4 典型焊缝缺陷特征提取结果
56
