Page 40 - 无损检测2025年第二期

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

边缘，如果梯度低于低阈值，则被排除，对于位于高 测结果如图8所示。
阈值和低阈值之间的像素，只有当其与强边缘像素 在实际应用中，引脚目标具有固定的坐标位置，
相连时，才被视为弱边缘，最后，通过迭代连接弱边 可以通过获取各个轮廓的长度，将长度过短或过长
缘像素来完善边缘，形成完整的边缘图像，则有 的轮廓排除在外，并结合已知的轮廓横纵坐标位置
信息筛选出表示引脚的轮廓，在遍历图像过程中，可
（4） 以计算每一行像素值的总和，并记录和最小的那一
行来找到轮廓向下延伸的最低点坐标。
通过分别获取左右两个引脚轮廓向下延伸的最
式中：C（x，y）为输出图像中像素点坐标为（x，y） 低点坐标，计算其到感兴趣区域底边的距离，如果该
的像素值；M（x，y）为像素点的梯度值；M 为梯度 距离小于之前设定的初步提取感兴趣区域的固定宽
H
值的高阈值；M 为梯度值的低阈值。 度，则对初步提取的感兴趣区域进行裁剪，结果如
L
Sobel算子、Scharr算子及Canny算子的边缘检 图9所示。

图 8 Sobel 算子、Scharr 算子及 Canny 算子的边缘检测结果
者以拟合出的轮廓曲线作为左右两端，修正感兴趣
区域的二值图像掩膜，然后将拟合修正后的轮廓与
原图进行混合叠加，观察感兴趣区域的提取效果，其
结果如图11所示。
图 9 筛选后的引脚轮廓图像及修正后的感兴趣区域提取图像

2.2 缺陷位于边缘
若缺陷与感兴趣区域轮廓的边缘相连，缺陷
与边缘的灰度值相近，可能会导致二值化操作时
图 10 缺陷位于边缘的图像
将缺陷划分至感兴趣区域外，这样提取的感兴趣
区域结果的边缘会存在较明显的突变线条（见
图10），而可能造成检测时的缺陷遗漏。
由于缺陷被划分到感兴趣区域之外，感兴趣区
域的边缘轮廓会出现线条的突变，先分别提取轮廓
的边缘，统计轮廓横坐标，计算均值和标准差，如果
有数据偏离均值过多，则将该坐标点舍弃，对剩下的 图 11 两侧竖直方向的轮廓及拟合后的轮廓曲线
轮廓曲线使用最小二乘法进行拟合，找到最优的拟 拟合修正前后的二值图像掩膜及感兴趣区域提
合函数，即最适合描述给定数据点集合的曲线。笔 取图像如图12所示。

图 12 拟合修正前后的二值图像及感兴趣区域提取图像

10
2025 年 第 47 卷 第 2 期
无损检测