金屬表面臟污區(qū)域的分割和量化算法研究

唐 健，賀連梁，梁金剛，仇 維

(1.中國人民解放軍駐七二四廠軍代室，遼寧沈陽110045;2.沈陽理工大學信息科學與工程學院，遼寧沈陽110159)

金屬表面臟污區(qū)域的分割和量化得到的參數(shù)可以判定整個金屬表面的缺陷程度，是圖像處理技術(shù)在表面缺陷檢測中應(yīng)用的一個實例。在國外，基于圖像處理的產(chǎn)品表面缺陷檢測技術(shù)已經(jīng)較為成熟，普遍應(yīng)用在半導體行業(yè)以及電子行業(yè)，擁有豐富的技術(shù)及其產(chǎn)品。而在中國，此行業(yè)屬于新興領(lǐng)域，加之基于圖像處理的產(chǎn)品技術(shù)的普及程度不夠，導致只能在低端方面有應(yīng)用。主要應(yīng)用在礦泉水瓶蓋的檢測，印刷色彩的檢測以及指紋檢測等領(lǐng)域，當然其他領(lǐng)域也有很大的應(yīng)用空間，如文獻［1］利用圖像處理技術(shù)分析玉米、黃瓜的葉部圖像，從而識別和診斷玉米葉或黃瓜葉表面是否發(fā)生病蟲害。文獻［2］結(jié)合數(shù)字圖像處理技術(shù)和人工神經(jīng)網(wǎng)絡(luò)以及模式識別技術(shù)研究木材的表面缺陷，從而根據(jù)木材表面的缺陷程度對其進行分級等?？傊砻嫒毕輽z測方面的技術(shù)越來越成熟，應(yīng)用越來越廣泛，但圖像處理與模式識別領(lǐng)域中的許多新算法目前很難應(yīng)用于實際工程項目。因此，圖像處理技術(shù)在這類檢測任務(wù)中的應(yīng)用，仍然是一個難題。

在數(shù)字圖像處理技術(shù)［3］中，圖像分割是由圖像處理到圖像分析的關(guān)鍵步驟。對于表面有臟污的金屬，其表面區(qū)域的基本特征比較復雜。如金屬表面臟污區(qū)域不具有固定的形狀，臟污的面積大小也各不相同以及臟污的位置不固定等。因此，利用臟污區(qū)域的這些基本特征來對其進行分割比較困難。通過對大量表面有臟污的金屬圖像進行觀察，發(fā)現(xiàn)圖像中包含了大量的細節(jié)信息。并且顏色的灰度色級范圍較小，本文通過對幾種比較常用的閾值分割算法做詳細的分析和比較后結(jié)合圖像特征提出了本文的分割和量化方法。

1 圖像閾值分割算法

圖像分割中最常用的是閾值分割［4］算法，閾值分割是一種區(qū)域分割技術(shù)，對背景和物體對比度較強的景物分割時特別有效。它的計算非常簡單，而且能用連通和封閉的邊界來定義其中互不交疊的區(qū)域。常用的圖像閾值分割算法有迭代法、均勻性度量法、類間最大距離法、最大熵法。本文主要介紹迭代法和類間最大距離法。

1.1 迭代法

迭代法的設(shè)計思想是開始時選擇一個閾值作為初始估計值，然后按某種策略不斷地改進這個估計值，直到滿足給定的準則為止。在迭代的過程中，關(guān)鍵在于改進策略時選擇何種閾值。好的改進策略應(yīng)當具有兩個特點:一是可以快速地收斂，二是在每一次迭代過程中，新的閾值應(yīng)該優(yōu)于上一個閾值。下面介紹一種迭代法［5］:

(1)選取圖像中灰度值的中值作為運算的初始閾值Th;

(2)利用閾值Th把圖像分割為兩個區(qū)域C1和C2，用下式計算區(qū)域C1和C2的灰度均值μ1和μ2，

(3)計算出μ1和μ2后，用下式計算出新的閾值Thnew;

(4)重復(2)和(3)，直到Thnew和 Th的差小于某個特定的值。

1.2 類間最大距離法

類間最大距離法的設(shè)計思想是選取某個適當?shù)拈撝?，以圖像分割后的背景與前景目標兩個類別之間的差異最大時為最佳的閾值。在這里，兩個類別(背景與目標)的差異，用閾值與兩個類別的中心之間的距離差來度量。具體步驟如下:

(1)設(shè)定一個初始閾值Th，將圖像完整地劃分為C1和C2兩類;

(2)計算兩類的灰度均值μ1和μ2;

(3)計算兩類的相對距離值S，

(4)選擇最佳的閾值Thnew，使得圖像按照該閾值分為C1和C2兩類后，滿足max{S}。

對于目前的各種閾值分割算法，都有各自的優(yōu)缺點，到目前為止尚無一種固定的分割評價標準。分割的好壞取決于實際需求和技術(shù)人員的主觀因素。

1.3 本文的算法

對于臟污區(qū)域的分割，本文將結(jié)合金屬表面的臟污特征進行處理。對于經(jīng)過增強處理后的金屬圖像，其圖像對比度增強，從而有利于對金屬表面的臟污特征進行分析。通過對大量經(jīng)增強處理后的圖像進行分析，得出增強后的圖像中臟污區(qū)域與金屬區(qū)域具有以下區(qū)別:

(1)對于臟污區(qū)域，其與金屬自身顏色的亮度相差較大，臟污和劃痕區(qū)域的亮度較小。

(2)臟污區(qū)域的形狀不規(guī)則，而它的顏色色調(diào)主要為黑色，而金屬區(qū)域顏色趨于銀白色和灰色。

綜上所述，結(jié)合臟污區(qū)域的顏色特征和亮度信息可將臟污區(qū)域與原金屬區(qū)域分割開來。由于臟污區(qū)域的邊緣細節(jié)信息較復雜，而且直方圖又具有雙峰特性，迭代法能最大限度地保留細節(jié)信息，因此本文采取此方法進行臟污區(qū)域的圖像分割。

2 圖像臟污的量化

對于臟污的量化，本文主要通過計算它的面積［7］來實現(xiàn)。由于目前各種常用的目標面積［8］計算方法均具有各自的適用范圍和優(yōu)缺點，因此，需要結(jié)合金屬臟污的實際情況選擇或者設(shè)計一種有效的目標區(qū)域面積［9］計算方法。

2.1 改進的形態(tài)濾波

傳統(tǒng)的數(shù)學形態(tài)學運算能達到一定的濾波效果，但要想針對不同的圖像，做同樣的單步運算，很難達到理想的效果。本文改進了形態(tài)濾波的算法，設(shè)計了一種自適應(yīng)濾波法，針對不同金屬圖像的自身特點，進行相應(yīng)的濾波算法，達到較理想的效果。算法的具體實現(xiàn)如下:

Step1對原始圖像進行二值化處理。

Step2進行自適應(yīng)形態(tài)濾波。具體實現(xiàn)過程如流程圖1所示。

Step3對于邊緣像素點，統(tǒng)計周邊的三個像素值，方法同上。直至遍歷每一像素點。

本文算法的設(shè)計思想是為了保證濾波后的圖像能在填補漏洞的同時，去除一些干擾的孤立節(jié)點和邊緣毛刺噪聲。因此，在算法設(shè)計中，主要針對這幾種情況，根據(jù)局部像素值的特征來判斷，進行相應(yīng)的濾波操作。

圖1 改進的自適應(yīng)濾波算法流程圖

2.2 本文臟污量化方法

根據(jù)金屬表面臟污區(qū)域的數(shù)目、形狀以及分布的特點等，本文結(jié)合數(shù)學形態(tài)學和像素計數(shù)面積法，設(shè)計一套針對金屬表面臟污的量化方法，具體計算過程如圖2所示。

圖2 臟污量化流程圖

綜上所述，最后累加的像素點數(shù)目表示臟污區(qū)域的面積。可以根據(jù)上述參數(shù)來判定整個金屬表面的缺陷程度。

3 實驗結(jié)果與分析

3.1 圖像閾值分割算法的實驗結(jié)果

圖3 迭代分割法

圖4 類間最大距離法

圖5 圖像增強后的迭代分隔法

由圖3～圖5可知，用迭代算法分割的圖像效果較好，基于迭代算法的閾值能較明顯地分離出圖像中背景和前景的區(qū)域。對于谷底比較深，直方圖雙峰比較明顯的圖像，迭代算法可以較快地獲得滿意的結(jié)果。雖然類間最大距離法計算簡單，準確高效，但對直方圖模型有一定要求。圖5是對圖像進行圖像增強后，采用迭代法進行分割，此方法最大限度地保留了圖像的邊緣細節(jié)信息，得到了較理想的效果。

3.2 臟污量化結(jié)果與分析

由圖6可以看出采用改進的數(shù)學形態(tài)學算法進行濾波，針對各個區(qū)域的局部特征，進行每一步的運算操作，能夠很好地彌補傳統(tǒng)的形態(tài)學濾波方法帶來的負面影響，如造成圖片的缺失，或者使圖像面積增大從而邊緣變得模糊，丟失了許多細節(jié)信息。

圖6 改進的形態(tài)學濾波方法

圖7給出了經(jīng)過濾波的圖像量化后圖像，表1給出了圖像中臟污面積以及所占圖像的百分比。

圖7 臟污量化

表1 臟污量化結(jié)果

4 結(jié)論

本文研究了金屬表面臟污的分割和量化方法，首先研究了基于閾值的圖像分割算法中幾種常用的算法，分析了它們的原理和步驟。通過對比各種閾值分割算法，并結(jié)合臟污圖像的顏色特征和亮度信息以及結(jié)構(gòu)特征，選擇迭代閾值法對圖像進行分割，得到了比較好的分割效果。對于臟污的量化計算，結(jié)合金屬表面臟污的特征，采用改進的基于數(shù)學形態(tài)學的濾波方法即自適應(yīng)濾波方法，將其和像素計數(shù)法結(jié)合來求取臟污區(qū)域的面積，此方法能彌補傳統(tǒng)的形態(tài)學濾波方法帶來的負面影響，如圖片缺失或者使圖像面積增大從而邊緣變得模糊，丟失許多細節(jié)信息等。

［1］陳慧楠.玉米、黃瓜葉部病害的圖像處理技術(shù)研究［D］.沈陽:沈陽理工大學，2008.

［2］尹建新.基于計算機視覺木材表面缺陷檢測方法研究［D］.杭州:浙江工業(yè)大學，2007.

［3］Rafael C.Gonzalez，Richard E.Woods.數(shù)字圖像處理(第二版)［M］.阮秋琦等譯.北京:電子工業(yè)出版社，2007.

［4］董明.圖像分割技術(shù)研究與應(yīng)用［D］.長春:長春理工大學，2009.

［5］黑光月.基于迭代閾值的女書分割算法研究［J］.軟件導刊，2011，10(9):61 －63.

［6］Y.W.Lim，S.U.Lee.On the color image segmentation algorithm based on the thresholding and the fuzzy C-means techniques［J］.Pattern Recognit，1990，9(23):935－952.

［7］葛偉華，陳優(yōu)光.基于邊界跟蹤的區(qū)域面積計算［J］.計算機應(yīng)用與軟件，2008，25(6):239 －240.

［8］李波，劉東華，梁光明，等.一種計算任意形狀封閉區(qū)域面積的新方法［J］.國防科技大學學報，2002，24(4):61－64.

［9］祁廣云，馬曉丹.基于圖像的植物葉面積計算方法的研究［J］.佳木斯大學學報(自然科學版，2009，27(2):201－202.