Page 44 - 无损检测2022年第八期
P. 44

韩   超,等:
   一种粉末材料夹杂物的新型数字射线检测方法

   量, 保证粉 末 材 料 中 的 夹 杂 物 含 量 符 合 规 定。 磁             得到了显著 提 高, 但 由 于 X 射 线 成 像 过 程 中 的 各
   粉检测需 要 将 磁 粉 置 于 被 测 件 表 面, 渗 透 检 测 也             个环节都 有 可 能 产 生 噪 声, 为 避 免 噪 声 对 图 像 中
   需要将渗 透 剂 涂 抹 于 被 测 件 表 面, 因 此 这 类 接 触             夹杂检测 准 确 度 的 影 响, 需 要 对 图 像 进 行 降 噪 处
   式检测方法并不适用于检测粉末材料。而 X 射线                           理。文章使 用 中 值 滤 波 进 行 降 噪, 中 值 滤 波 可 以
   检测技术凭借其成像直观、 检测效率高等优点, 成                          在保持图像边缘信息的同时有效消除图像中的孤
   为粉末材料杂质和缺陷检测的主要手段。                                立噪声点, 中值滤波公式可表示为
                                                                    (
       数字射线成 像 检 测 ( DR ) 是 一 种 基 于 X 射 线                         g x ) = med { ( k )}          ( 2 )
                                                                               f
                                                                                           (
   原理, 使用 平 板 探 测 器 代 替 传 统 胶 片 成 像 的 无 损            式中: x 为图像中待滤波点坐标; ( k ) 和 g x ) 为滤
                                                                                  f
   检测技术     [ 3-4 ] 。 DR 技 术 成 像 具 有 动 态 范 围 大、 成    波前后的图像; k 为以点x 为中心方形掩膜中的点。
   像质量高、 空间分辨率高等优点, 被广泛应用于复                               图 1 中夹杂物的边缘区域较弱, 为了更好地保
   杂工件的自动化检测。笔 者 使 用 DR 技 术 对 粉 末                    持边缘区域的成像效果, 采用尺寸为 3×3 ( 长 × 宽)
   材料中的夹杂物进行识别并实现了夹杂物的定量                             掩膜。 DR 图 像 中 值 滤 波 降 噪 处 理 效 果 如 图 2 所
   检测, 保证了粉末材料的质量。                                   示, 中值滤波对图像中偏离的噪声点具有较好的抑
                                                     制效果, 但是由于该图像中对比度相对较低, 噪声点
  1  粉末材料夹杂物的数字射线检测                                  较小, 降噪效果并不是很显著。

   1.1  图像预处理
      受 X 射线成像原理限制, 获取的原始 DR 图像
   存在随机 噪 声 和 对 比 度 低 等 问 题, 因 此 需 要 对 图
   像进行一定的预处理          [ 5 ] 。原始 DR 图像为 16 位图

   像, 灰度级范围为 0~65535 级, 而显示器只支持
   8 位至 10 位图像, 导致 图 像 中 缺 陷 部 分 和 非 缺 陷
   部分难以分 辨。 通 常 采 用 窗 宽 / 窗 位 调 节 对 图 像
   的对比度进行增强, 窗宽 / 窗位调节公式为

                   f
                        j ≤ w l-w w 2
                 0 , ( i ,)          /
                                                              图 2 DR 图像中值滤波降噪处理效果
                                   /
                  (,) (
                 f ij - w l-w w 2 )
                                       ,             1.2 SIFT 特征匹配
    (,)
                     
   g ij =                 w w                 ( 1 )     若要对 DR 图像中夹杂物进行尺寸测量, 至少
                   w w                  w w
                          (,)
              w l-    <f ij < w l+                   需要对同一夹杂物进行 3 个角度的检测以确定夹杂
                   2                    2
                                                     物的真实尺寸。为解决同一夹杂物的多角度匹配问

                                      /
                   , (,)
                  
                I max f ij ≥ w l+w w 2
              
                                                     题, 使用尺度不变特征转换( SIFT ) 算法对多张 DR
   式中: ( i ,)和 g ij 为窗宽/窗位调节前后的
                    (,)
        f
            j
                                                     图像的特征点进行匹配。 SIFT 特征匹配算法主要
                                  为显示设备的最
                                                     有以下 4 个步骤         。
   图像; w w  为窗宽; w l  为窗位; I max                                    [ 6-7 ]
   大灰度级。
                                                         ( 1 )尺度空间中关键点检测
       DR 图 像 窗 宽 / 窗 位 调 节 前 后 对 比 如 图 1 所
                                                          首先使用多尺寸参数的高斯平滑对输入图像进
   示, 可以看 到 经 过 调 节 后 图 像 中 夹 杂 物 的 对 比 度
                                                     行处理从而构造多尺度空间。空间函数 L ( x , , σ )
                                                                                              y
                                                     可以由可变参数的高斯函数 G ( x , , σ )和原图像
                                                                                     y
                                                     I ( x , ) 卷积得到, 即
                                                         y
                                                            L ( x , , σ ) G ( x , , σ ) * I ( x , )  ( 3 )
                                                                 y
                                                                       =
                                                                              y
                                                                                         y
                                                       在不同尺度参数的组数中, 首先对某一相同尺度
                                                     层的相邻图像作差值得到高斯差分图像; 再通过差分
                                                     图像和原图像做卷积获得 DOG ( 高斯差分) 函数, 最
                                                     后可以由 DOG 空间的局部极值点构成关键点。

                                                         ( 2 )对关键点补充特征信息
           图 1 DR 图像窗宽 / 窗位调节前后对比
                                                          通过给关键点补充方向信息解决关键点的角度
     0
    1

          2022 年 第 44 卷 第 8 期

          无损检测
   39   40   41   42   43   44   45   46   47   48   49