Page 68 - 无损检测2023年第二期
P. 68
纪象民, 等:
基于本征图像分解的焊缝提取算法
觉传感器的提取算法 [ 7-12 ] 。基于主动式视觉传感 以看出, 原始焊缝图像中含有较多的干扰信息, 有效
器的方法主要依靠外部光源引导, 通过分析外部 信息量少, 信噪比低。为便于进一步提取焊缝特征,
光源的反射图像特征, 间接提取出焊缝的位置信 需要对原始焊缝图像进行预处理, 尽可能降低噪声
息。该方法能够有效抑制场景中不均匀光照对识 信息的影响, 提高图像信噪比。预处理流程图如
别算法的影响。其算法处理较为简便可靠, 但系 图2所示。
统总体成本较高。针对不同焊接场景, 所采用外
部光源的类型有所不同, 焊缝提取算法也存在较
大差异。 XIAO 等 [ 4 ] 利用单线激光传感器组成三
线激光传感器, 并作为外部光源, 解决了单线激光
传感器对曲线焊缝的误识别问题。 KIDDEE 等 [ 5 ]
利用“ 十” 字激光传感器作为外部光源, 增加了反
射图像中焊缝特征点的个数, 提高了不同类型焊
缝的识别精度。 ZHANG 等 [ 6 ] 基于时空级联的隐 图2 预处理流程图
马尔可夫模型, 结合反射图像中激光条纹的空间 由图1 可以看出, 原始焊缝图像除明显的标
特性, 提出了一种室外焊缝提取算法, 大大提高了 记、 划痕、 间隙等无效信息外, 还含有大量的噪声
信息。噪声信息不利于进一步对焊缝的提取处
室外焊缝定位的精度。
被动式方法直接利用焊缝图像自身的反射光作 理, 因此, 需要采用滤波等方式将其滤除。由于焊
为光源, 并根据反射图像信息提取焊缝特征, 从而完 缝图像中存在许多纹理信息, 采用传统的低通、 均
成焊缝的定位。该方法无需借助外部光源引导, 体 值滤波等图像处理方法, 会造成图像中有效信息
积较小, 成本较低, 更适用于中小型爬壁机器人, 但 的损失。为降低噪声信息的影响、 保留图像的边
其易受自然光照影响, 算法处理难度较大。莫玲 缘信息, 笔者采用自适应中值滤波算法对焊缝图
等 [ 7 ] 提出了一种基于图像增强技术的焊缝提取算 像进行处理。
法, 并对比了直方图均衡化和小波变换算法的增强 相较于传统中值滤波方法, 自适应中值滤波采
效果, 结果显示小波变换算法更适用于对焊缝区域 用可调尺寸的滤波窗口, 算法步骤具体分为两步。
的增强。刘涛等 [ 8 ] 采用 Gamma变换对焊缝图像进 ( 1 ) 令A 1= Z med- Z min- t , A 2= Z med- Z max-
行增强, 显著提高了图像低灰度区域的直线特征。 t , 若A 1>0 且A 2<0 , 则执行步骤( 2 ); 否则扩大窗
自然光照条件是影响被动式算法性能的关键因 口S x y 的范围。若 S x y ≤S max , 则重复执行步骤( 1 ),
y
素, 不同光照条件下, 焊缝区域图像特征存在差异。 否则输出Z x y 。其中, S x y 为以像素点( x , ) 为中心
为此, 提出一种基于本征图像分解的焊缝提取算法 的窗口; Z x y 为像素点( x , ) 处的灰度, Z max Z min ,
y
,
并进行了试验。试验结果表明, 该算法满足准确度 分别为窗口内像素灰度的最大值, 最小值以及
Z med
和实时性的要求, 达到了辅助爬壁机器人定位焊缝
中值; S max 为窗口的最大范围; t 为常数。
位置的目的。 ( 2 )令B 1=Z x y -Z min- t , B 2=Z x y -Z max-
1 焊缝图像预处理 t , 若B 1 >0且B 2 <0 , 则输出Z x y , 否则输出Z med 。
是否为噪声所在像
步骤( 1 ) 的目的是判断Z med
原始焊缝图像的目标焊缝位置如图1所示, 可 素点, 而步骤( 2 ) 的目的是判断窗口的中心点Z x y 是
否为噪声所在像素点。若噪声范围较大, 则扩大窗
口范围; 若窗口中心不是噪声点, 则保持当前灰度。
试验表明, 该方法有效降低了原始焊缝图像中噪声
信息的影响。
此外, 焊缝位置图像亮度较高, 而其他区域, 例
如表面间隙区域, 虽存在明显的边界特征, 但其亮度
相对较低。为进一步提高亮暗区域的对比度, 增强
焊缝区域特征, 采用 Gamma变换对滤波后的图像
图1 原始焊缝图像的目标焊缝位置 进行处理。变换后灰度图像可表示为
4
3
2023年 第45卷 第2期
无损检测
