Page 39 - 无损检测2025年第二期
P. 39
成志飞，等：
基于传统图像处理的焊缝射线图像缺陷识别方法
是如果结构元素所覆盖的像素区域中的最小值满足
特定条件，则将该像素的值更新为最小值或根据条
件设定的其他值。
进行腐蚀操作后，中间区域的面积进行了缩放，
图 7 引脚延伸过长的图像
因此需要进行腐蚀操作的反操作，即膨胀操作。膨
胀操作会使图像中的目标区域向外扩张，对于每个 判断引脚最底端的位置是否位于初步提取的感兴
像素，膨胀操作会检查结构元素覆盖区域内的像素 趣区域内，如果位于感兴趣区域内，则把引脚区域排除
值，并找到该区域内的最大值，然后该点的像素值会 掉。引脚最底端的坐标位置可通过边缘检测得到。
被更新为这个最大值。这样，通过不断遍历图像中 边缘检测的主要目的是识别并提取图像中亮度
的每个像素，进行膨胀操作，目标区域会向外扩张以 变化剧烈的像素点集合，这些像素点集合构成了图
补偿缩小的部分，膨胀操作的效果同样取决于结构 像的边缘，这些边缘通常代表图像中不同物体或区
元素的大小、形状以及膨胀操作的迭代次数 。腐蚀、 域的边界。边缘检测常用的有Sobel算子、Scharr算
[8]
[9]
膨胀操作处理后的图像如图5所示，其中图5（a）为 子和Canny算子 。
对二值化后的图像进行腐蚀后的图像，图5（b）为对 Sobel算子是一种基于图像空间域卷积的图像
腐蚀后的图像进行膨胀操作后的图像。 梯度提取算子，主要用于获得图像的一阶梯度 [10] ，
Sobel算子提供了水平和垂直两个方向的滤波模板，
可以检测图像在这两个方向上的边缘变化，然而该
算子对边缘的定位可能不够准确，有时会出现边缘
较粗的情况。
Sobel算子两个方向的模板分别为
图 5 腐蚀、膨胀操作处理后的图像 G = -1 0 1 -2 0 2 -1 0 1
;
;
1.6 裁剪区域 G x y = 1 2 1 0 0 0 -1 -2 -1 （2）
;
;
通常感兴趣区域底部到顶部的宽度距离是固定
式中： G x 为Sobel算子在x方向的模版， G x 为3×3的矩
的，因此可以引入宽度的限制条件对区域进行裁剪，
阵； G y 为Sobel算子在y方向的模版， G y 为3×3的矩阵。
先获取图像每行像素值的和，从下向上遍历，找到轮
Scharr算子是基于图像梯度的二阶导数来进行
廓底部边缘的坐标，再向上进行固定宽度的裁剪，最
边缘检测的，其使用两个3×3的卷积核对图像进行
后将裁剪后的轮廓与原图混合叠加，并进行对比，观
滤波，分别计算水平和垂直方向上的梯度，通过计
察感兴趣区域提取效果。裁剪后的掩膜图像及对应
算这些梯度，可以得到图像中每个像素点处的边缘
的原图感兴趣区域初步提取的图像如图6所示。
强度和方向。与Sobel算子相比，Scharr算子在计算
梯度时使用了不同的系数，从而对边缘的响应更加
强烈。
Scharr算子两个方向的模板分别为
H x = -3 0 3 -10 0 10 -3 0 3
;
;
;
;
图 6 裁剪后的掩膜图像及对应的原图感兴趣 H y = -3 -10 -3 0 0 0 3 10 3 （3）
区域初步提取的图像
式中： H x 为Scharr算子在x方向的模版， H x 为3×3
2 感兴趣区域修正
的矩阵； H y 为Scharr算子在 y 方向的模版， H y 为
2.1 引脚延伸过长 3×3的矩阵。
焊缝感兴趣区域的上方会存在类似引脚的细长 Canny算子使用一阶偏导算子计算梯度的大小
型区域，该区域受工艺影响可能会向下延伸，如果 和方向来确定边缘的方向和强度，然后在梯度图像
引脚延伸过长，会把引脚也算入1. 6节所述的初步 上进行非极大值抑制 [11] ；再进行双阈值处理，根据设
提取的感兴趣区域内，而可能导致缺陷识别不准确。 定的高阈值和低阈值，将像素分类为强边缘、弱边缘
引脚延伸过长的图像如图7中标注出的区域所示。 和非边缘，如果像素的梯度大于高阈值，则被视为强
9
2025 年 第 47 卷 第 2 期
无损检测
