(洛陽欣隆工程檢測有限公司 ， 河南 洛陽 471012)

隨著科學技術(shù)和工業(yè)技術(shù)的迅速發(fā)展，近年來我國對鑄造產(chǎn)品需求在數(shù)量和質(zhì)量上都有大幅度的提升。鑄件在出廠前幾乎都需要對其進行無損檢測以保證產(chǎn)品質(zhì)量。如今，無損檢測技術(shù)已在航空航天、石油化工、機械制造等領(lǐng)域得到了廣泛的應用。

目前，射線檢測技術(shù)在生產(chǎn)中的應用所占比例約40%，可見，射線檢測仍然是十分重要的檢測方法。傳統(tǒng)的X射線檢測技術(shù)是基于膠片成像和人工測評膠片，但這種方法存在工作效率低、人為客觀因素影響大、無法實時成像、成本高以及圖像管理不便等缺點。X射線實時成像及計算機圖像處理技術(shù)結(jié)合了計算機數(shù)字圖像處理技術(shù)與光電轉(zhuǎn)換技術(shù)，可以通過圖像增強將X射線圖像轉(zhuǎn)換為視頻圖像，再對圖像進行數(shù)字化處理，以提高檢測靈敏度和缺陷的識別能力，再利用計算機分析處理檢測結(jié)果，進行檢測結(jié)果評定，檢測圖像可長期在計算機或者光盤中進行保存，從而可使X射線檢測實現(xiàn)自動化[1]。

一般情況下X射線原始檢測圖像灰度區(qū)間窄、對比度低、噪聲多、缺陷邊緣不清晰、缺陷特征被淹沒、存在較大的背景起伏等缺陷，進而影響了無損檢測人員對工件進行缺陷評定。圖像預處理的目的主要是減少圖像中的噪聲，提高圖像對比度，進而增強圖像中缺陷的可識別性[2]。因而，有必要對檢測圖像的預處理進行研究，以提高檢測圖像質(zhì)量。

1 檢測圖像的去噪處理

對檢測圖像的平滑處理技術(shù)進行研究的目的是消除噪聲對檢測圖像影響的同時不會模糊檢測圖像的邊緣輪廓[3-5]。目前，常用的去噪方法為空域法與頻域法[6]。所謂頻域濾波就是在一個頻域內(nèi)乘以一個濾波函數(shù)H(u，v)，頻域濾波的處理的運算量較大，且圖像的灰度區(qū)間較窄，灰度值小，限制了頻域濾波的應用。

空域法濾波是借助模板在圖像空間進行鄰域操作完成的，可分為線性濾波和非線性濾波[7-8]。具體操作步驟如下：①將模板在圖中漫游，使模板中心與圖中一個像素位置重合；②使模板上系數(shù)與下對應像素相乘；③求和；④將模板輸出響應值賦給途中對應模板像素中心像素。

1.1 線性濾波器

線性濾波器分為兩種，即低通(平滑)濾波器與高通(銳化)濾波器[9]。低通濾波器可有效削弱或者消除傅里葉空間的高頻分量而不影響低頻分量，從而平滑圖像；高通濾波器能夠有效減弱或消除傅里葉空間的低頻分量而不影響高頻分量，從而銳化圖像。

線性濾波器的基本思想是通過平均運算一點和其鄰域來去除突然變化的點，從而去除噪聲，但方法的缺點是圖像會有一定的模糊。一般情況下模板不允許移除邊界，因此經(jīng)過處理后的圖像會小于原圖像。

采用尺度為s(M×N的矩形窗)的模板對f(x,y)進行運算，平滑處理后的灰度值如下：

(1)

由式(1)可看出，模板尺寸的增大有助于噪聲的消除，同時也會導致圖像變得模糊。這就需要一個合適的閾值來減少鄰域平均所導致的模糊效應。

高斯濾波前后圖像對比如圖1所示，從圖1可看出，模板運算時，在去噪的同時會導致邊緣細節(jié)的破壞[10]。

圖1 高斯濾波前后圖像對比

1.2 非線性濾波器

中值濾波是非線性濾波方法的一種，運算過程無需圖像的統(tǒng)計特征，大幅度地簡化了圖像處理[11]。中值濾波并不會像線性濾波一樣模糊圖像細節(jié)，可保留圖像邊緣細節(jié)。中值濾波采用像素點鄰域灰度值中值取代該點像素值。該方法對濾波脈沖的干擾、圖像掃描噪聲孤立點和線段的消除十分有效，而對消除高斯噪聲的效果不佳。中值濾波并不適用于點、線、尖角較多的圖像。目前常用的濾波有迭代中值濾波、加權(quán)中值濾波等。

中值濾波器可表示為：

g(x,y)=median{f(x-k,y-l),(k,l)∈W}

(2)

式(2)中g(shù)(x,y)噪聲去除后的圖像，f(x,y)為輸入的原圖像，W為二維模板，k模板長度，l模板寬度。

濾波效果很大程度上依賴中值濾波器窗口的尺寸及形狀。中值濾波器窗口形狀主要有線形、方形、圓形、十字形以及環(huán)形。較長緩變輪廓的圖像常采用方形窗口。而存在尖角的圖像常采用十字性窗口。一般從大到小逐步進行窗口尺寸的選擇，直至濾波效果達到令人滿意的效果。檢測圖像濾波前與濾波后的圖像對比見圖2。由圖2中值濾波前后的對比如圖可知，中值濾波可進行有效降噪，而不影響圖像的輪廓[12]。

圖2 檢測圖像濾波前與濾波后的圖像對比

2 檢測圖像對比度的增強

射線檢測圖像的灰度大多數(shù)在一個很窄的區(qū)域內(nèi)集中，會導致圖像的觀察困難。因此為擴大圖像的灰度范圍，需要對檢測圖像中每個像素的灰度進行灰度標度變換。目前還沒有統(tǒng)一的圖像增強理論，關(guān)于圖像質(zhì)量的衡量的客觀標準也沒有[13-17]。

2.1 灰度變換

2.1.1線性變換

線性變換有兩種變換方式，分為全域線性變換與分段線性變換。全域線性變換為對全部像素同時乘以相同的系數(shù)，對全部像素做相同倍數(shù)的增大或者減小。分段變換為對檢測圖像感興趣區(qū)域的灰度進行拉伸來改善圖像質(zhì)量。檢測圖像中灰度不明顯區(qū)域的灰度通過拉伸或壓縮，可改善檢測圖像的視覺效果。常用的分段拉伸方法是三段線性拉伸，其表達式如公式(3)所示，示意圖如圖3所示[18]。

(3)

公式(3)中f(x,y)為點(x,y)變換前的灰度值，g(x,y)為點(x,y)變換后的灰度值。

圖3 檢測圖像灰度拉伸原理

使用分段線性灰度變換拉伸檢測圖像偏暗的灰度區(qū)間進而改善圖像。如果使用分段線性灰度變換壓縮檢測圖像偏亮的灰度區(qū)間進而改善圖像。三段線性拉伸示意圖如圖4所示[19]。

2.1.2非線性變換

所謂非線性變換是指按照要求的非線性變換對檢測圖像進行變換，從而突出缺陷，淡化圖像背景，改善檢測圖像質(zhì)量。例如，有時需要在中間灰度級有較多的擴展，以便把在灰度級中間的缺陷凸顯出來，而灰度范圍兩端有較少的擴展。

圖4 三段性灰度拉伸圖

非線性灰度變換常采用的函數(shù)有對數(shù)函數(shù)、指數(shù)函數(shù)及平方函數(shù)等非線性函數(shù)。非線性變換前后的檢測圖像對比如圖5所示[10]。

圖5 非線性變換前后檢測圖像對比圖

2.2 直方圖均衡化

把給定的直方圖改變成均勻分布的直方圖就叫做直方圖的均衡化，也被稱作灰度均衡[20]。均衡化后的直方圖會增加檢測圖像的對比度。直方圖經(jīng)過均衡化處理后是近似均勻分布的，圖像具有離散的灰度。

圖像經(jīng)直方圖均衡化后檢測圖像的灰度動態(tài)范圍及量化層間隔都會有多擴大，灰度級別會減少，因此有可能會導致輪廓的出現(xiàn)。

圖像目標處與背景過渡處像素點較少，均衡化可把較少像素的灰度合并變成背景點或者目標點，進而使邊界處變得陡峭。圖像目標處與背景過渡處像素點較多，均衡化會增加像素灰度間的差距，進而增大背景和目標的對比度。

(4)

公式兩端同時積分可得：

(5)

也就是說T(r)為函數(shù)Pr(r)的分布累計函數(shù)。

在檢測數(shù)字圖像中灰度是離散的，離散化直方圖均衡公式可表示為：

(6)

式(6)中rk∈[0,1]，sk∈[0,1]，k離散灰度級，sk取值為T(rk)最近的灰度值。

圖像實際顯示時，可用公式(6)計算sk變換后的非正規(guī)灰度，即：

lk=‖sk×(fmax-fmin)+1‖

(7)

公式(7)表示四舍五入取整數(shù)。對檢測圖像進行均衡化后的效果如圖6所示[8]。

圖6 均衡化前后圖像對比

3 結(jié)語

X射線圖像的降噪與對比度增強作為圖像預處理的重要環(huán)節(jié)，其效果直接決定檢測圖像的質(zhì)量。圖像的預處理方法都是具有一定的針對性，通用的預處理算法并不存在。本文主要介紹了X實時成像預處理的幾種方法。非線性中值濾波在圖像降噪方面的效果較好。直方圖均衡化在對比度增強方面的效果較好。