渦流陣列檢測(cè)修正C掃描成像技術(shù)研究

劉 波，羅飛路，侯良潔

(國(guó)防科技大學(xué)機(jī)電工程與自動(dòng)化學(xué)院，長(zhǎng)沙 410073)

渦流陣列(Eddy Current Array，ECA)檢測(cè)技術(shù)是渦流無(wú)損檢測(cè)技術(shù)中新興的技術(shù)分支，它是通過(guò)檢測(cè)傳感器結(jié)構(gòu)的特殊設(shè)計(jì)，運(yùn)用計(jì)算機(jī)技術(shù)和數(shù)字信號(hào)處理技術(shù)，實(shí)現(xiàn)對(duì)材料和零部件的快速、有效地檢測(cè)。由于具有高空間分辨率、無(wú)需自動(dòng)掃描裝置和可視化等優(yōu)勢(shì)，該技術(shù)已廣泛應(yīng)用于飛機(jī)機(jī)體、飛機(jī)輪轂、核電站蒸發(fā)器傳熱管、管棒條型材、平面大面積金屬板材、焊接縫隙等領(lǐng)域的無(wú)損檢測(cè)中［1－3］。渦流陣列檢測(cè)技術(shù)已成為當(dāng)前渦流檢測(cè)技術(shù)和傳感器技術(shù)中的重要發(fā)展方向。

渦流陣列成像技術(shù)是陣列檢測(cè)技術(shù)的重要組成部分，是實(shí)現(xiàn)缺陷快速、有效檢測(cè)不可或缺的關(guān)鍵技術(shù)。常用的渦流陣列成像方法一般可分為阻抗平面圖、帶狀視圖和 C掃描視圖［4－5］。阻抗平面圖是將阻抗幅值和相位變化進(jìn)行二維顯示。帶狀視圖將阻抗變化曲線隨掃描時(shí)間變化進(jìn)行二維顯示。用渦流陣列檢測(cè)阻抗變化量的大小來(lái)調(diào)節(jié)圖像的灰度，阻抗變化量越大，則圖像顏色越深，表示受檢件損傷越嚴(yán)重。據(jù)此可以做出缺陷的俯視圖，稱(chēng)為C掃描圖像，C掃描圖像采用偽三維顯示技術(shù)。C掃描圖像在無(wú)須無(wú)損檢測(cè)人員大量先驗(yàn)知識(shí)的條件下，可以快速準(zhǔn)確地判斷受檢件有無(wú)缺陷、缺陷的大致位置等信息，為常規(guī)檢測(cè)提供便利。

渦流陣列C掃描圖像是渦流陣列檢測(cè)方法定性判斷受檢件有無(wú)缺陷和缺陷特征信息的重要依據(jù)，但是，渦流陣列C掃描成像存在如下問(wèn)題:(1)C掃描成像方法中線圈單元點(diǎn)擴(kuò)展函數(shù)卷積效應(yīng)導(dǎo)致缺陷圖像模糊［6］，檢測(cè)人員無(wú)法較為精確判斷缺陷的位置、長(zhǎng)度、方向等信息;(2)激勵(lì)檢測(cè)式渦流陣列檢測(cè)中C掃描成像紅色標(biāo)識(shí)的缺陷區(qū)域與實(shí)際缺陷區(qū)域存在位置差。本文結(jié)合渦流陣列特征提取方法和圖像處理方法，提出了可以較為準(zhǔn)確反映裂紋位置、長(zhǎng)度、方向等特征信息的渦流陣列修正C掃描成像。

1 渦流陣列無(wú)損檢測(cè)平臺(tái)

1.1 渦流陣列檢測(cè)硬件平臺(tái)

渦流陣列檢測(cè)硬件系統(tǒng)如圖1所示，分為陣列傳感器、DDS信號(hào)發(fā)生電路、運(yùn)放和功放電路、線圈單元陣列的模擬開(kāi)關(guān)陣、正交鎖定放大電路和數(shù)據(jù)采集處理顯示五部分。DDS發(fā)生單頻、雙頻或脈沖信號(hào)，經(jīng)濾波、放大與傳感器線圈單元陣列的模擬開(kāi)關(guān)陣連接，對(duì)陣列傳感器線圈單元陣列進(jìn)行同時(shí)、分時(shí)激勵(lì)。線圈單元陣列的模擬開(kāi)關(guān)陣對(duì)激勵(lì)和檢測(cè)傳感器同時(shí)選通。陣列傳感器線圈單元陣列通過(guò)線圈單元陣列的模擬開(kāi)關(guān)陣將檢測(cè)信號(hào)送至正交鎖定放大(Lock-in Amplifier，LIA)電路，調(diào)理后用 PCI卡采集數(shù)據(jù)，進(jìn)行數(shù)據(jù)處理，完成渦流成像和缺陷檢測(cè)。

圖1 渦流陣列無(wú)損檢測(cè)平臺(tái)硬件組成框圖

1.2 渦流陣列傳感器的設(shè)計(jì)

前期研究采用有限元數(shù)值計(jì)算方法，以線圈單元組為簡(jiǎn)化的研究對(duì)象，以檢測(cè)靈敏度、空間分辨率和線圈單元組有效檢測(cè)區(qū)域比率等評(píng)價(jià)指標(biāo)為依據(jù)，對(duì)平板表層缺陷檢測(cè)渦流陣列傳感器線圈單元內(nèi)徑、外徑、高度等參數(shù)，線圈單元中心距，線圈單元排布方式進(jìn)行了設(shè)計(jì)，此處不再贅述［7－9］。基于優(yōu)化結(jié)果，制作了渦流陣列傳感器，排布方式如圖2中所示。所有線圈單元尺寸均相同，外徑3.5 mm，內(nèi)徑1 mm，高3 mm。線圈單元組呈等邊三角形分布，線圈單元中心距為10 mm。

圖2 渦流陣列傳感器示意圖

1.3 激勵(lì)檢測(cè)模式

基于圖2所示渦流陣列傳感器，根據(jù)裂紋特征提取方法的不同，確定了如下三種檢測(cè)模式:斜向列檢測(cè)模式，如線圈單元6激勵(lì)，線圈單元1檢測(cè);豎直列檢測(cè)模式，如線圈單元1激勵(lì)，線圈單元10檢測(cè);水平行檢測(cè)模式，如線圈單元7激勵(lì)，線圈單元6檢測(cè)。具體的裂紋特征提取方法見(jiàn)§3.2。

2 渦流陣列C掃描成像

由于檢測(cè)原理和硬件實(shí)現(xiàn)方法的不同，渦流陣列C掃描成像與常規(guī)渦流檢測(cè)C掃描成像存在幾點(diǎn)區(qū)別:①渦流陣列檢測(cè)由于不同通道硬件性能、傳感器線圈單元參數(shù)、線圈單元排布方式等差異，采集得到的數(shù)據(jù)須進(jìn)行通道校準(zhǔn)，才能較為準(zhǔn)確的反映缺陷真實(shí)特征信息;②常規(guī)C掃描成像由于有自動(dòng)掃描裝置，掃描方向和垂直于掃描方向單位掃描尺度均可以很小，陣列檢測(cè)由于沒(méi)有掃描裝置，垂直于掃描方向的單位掃描尺度決定于線圈單元的中心距和陣列傳感器的排布方式等，通常情況下為線圈單元1/2中心距或1/4中心距，渦流陣列C掃描成像由于垂直掃描方向圖像信息較少，通常需要應(yīng)用插值方法得到更多的圖像信息。

渦流陣列C掃描成像通道校準(zhǔn)實(shí)時(shí)性要求較高，實(shí)際檢測(cè)中一般根據(jù)待測(cè)部件的參考缺陷，選定激勵(lì)幅值、頻率和相位等參量，各個(gè)檢測(cè)通道通過(guò)調(diào)節(jié)自身增益和激勵(lì)信號(hào)、參考信號(hào)相位差等消除輸出信號(hào)的差異，相同檢測(cè)模式中所有通道可以同時(shí)校準(zhǔn)。圖3為儀器進(jìn)行通道校準(zhǔn)后應(yīng)用斜向列檢測(cè)模式沿圖2所示掃描路徑對(duì)18 mm×1 mm×0.9 mm裂紋實(shí)施檢測(cè)圖像，圖3(a)～圖3(e)分別代表Y方向5個(gè)相鄰檢測(cè)線圈單元所得檢測(cè)曲線。圖4為相鄰檢測(cè)通道間線性插值所得C掃描圖像。

圖3 通道校準(zhǔn)后應(yīng)用斜向列檢測(cè)模式裂紋檢測(cè)圖像

圖4 渦流陣列檢測(cè)C掃描圖像

3 渦流陣列修正C掃描成像

3.1 成像原理

渦流陣列檢測(cè)由于線圈單元互為激勵(lì)檢測(cè)，所成C掃描圖像不具有對(duì)稱(chēng)性，由圖3校準(zhǔn)后波形也可以看出，且裂紋所在位置與紅色區(qū)域有較大的位置差。由于渦流陣列傳感器線圈單元點(diǎn)擴(kuò)展函數(shù)卷積效應(yīng)導(dǎo)致缺陷圖像模糊，無(wú)法確定缺陷長(zhǎng)度、寬度等邊緣位置，從而影響渦流陣列檢測(cè)的可靠性和檢測(cè)效率。

基于上述原因，本文提出了渦流陣列修正C掃描成像，并將裂紋特征提取方法與圖像處理方法有機(jī)結(jié)合，實(shí)現(xiàn)了渦流陣列修正C掃描成像。圖像重構(gòu)過(guò)程如下:

(1)依據(jù)裂紋C掃描圖像特征，將C掃描圖像進(jìn)行圖像分割，每個(gè)裂紋區(qū)域形成一個(gè)子圖像以便于分析。

(2)對(duì)每個(gè)子圖像進(jìn)行旋轉(zhuǎn)變換和灰度分析，結(jié)合裂紋特征提取方法獲得方向、寬度中心位置、長(zhǎng)度方向邊緣點(diǎn)位置、長(zhǎng)度、深度等裂紋特征信息。

(3)對(duì)每個(gè)子圖像的原灰度圖進(jìn)行灰度映射、中值濾波、邊緣提取、輪廓跟蹤、空間平移等操作后，應(yīng)用長(zhǎng)度邊緣點(diǎn)對(duì)圖像模糊區(qū)域的修正值，約束細(xì)化操作的迭代次數(shù)，得到修正C掃描圖像。

渦流陣列修正C掃描圖像由于包含裂紋的方向、位置、長(zhǎng)度等信息，因此，它作為C掃描圖像的一種衍生圖像，可以提高部件無(wú)損檢測(cè)的速度和可靠性。

3.2 修正C掃描成像中的裂紋特征提取方法

根據(jù)上述圖像重構(gòu)過(guò)程，修正C掃描成像中包含裂紋的方向、位置、長(zhǎng)度、深度信息，下面結(jié)合成像過(guò)程對(duì)各種特征信息的獲取方法分別進(jìn)行闡述。

(1)方向信息獲取

對(duì)每個(gè)子圖像進(jìn)行0°～90°旋轉(zhuǎn)變換和灰度分析，對(duì)于每個(gè)變換后的圖像求取Y方向非零元素的灰度均值。當(dāng)待測(cè)件含直裂紋，則灰度均值最大的投影方向即為裂紋方向，和值最大的Y坐標(biāo)可近似認(rèn)為裂紋寬度中心的Y坐標(biāo);當(dāng)待測(cè)部件含折線裂紋或曲線裂紋時(shí)，可近似看作數(shù)個(gè)不同方向直裂紋的疊加，求得灰度和值幾個(gè)極大值方向進(jìn)行比較，若夾角大于某一經(jīng)驗(yàn)值，則認(rèn)為待測(cè)件裂紋為折線裂紋或曲線裂紋。

(2)長(zhǎng)度邊緣點(diǎn)位置和長(zhǎng)度獲取

沿裂紋寬度中心的Y坐標(biāo)，提取每個(gè)子圖像Y方向非零元素的灰度值分布，根據(jù)相應(yīng)檢測(cè)模式的長(zhǎng)度特征量提取方法得到裂紋長(zhǎng)度方向邊緣點(diǎn)位置和長(zhǎng)度。

三種檢測(cè)模式下裂紋長(zhǎng)度特征量提取方法如下:斜向列檢測(cè)模式下，LIA輸出波形前(后)波峰和后(前)波谷對(duì)應(yīng)掃描長(zhǎng)度即為裂紋長(zhǎng)度，兩波谷對(duì)應(yīng)的掃描長(zhǎng)度為裂紋長(zhǎng)度與檢測(cè)激勵(lì)線圈單元中心距沿掃描方向的分量之和;豎直列檢測(cè)模式下，LIA輸出波形波峰和波谷對(duì)應(yīng)掃描長(zhǎng)度即為裂紋長(zhǎng)度，兩波谷對(duì)應(yīng)的掃描長(zhǎng)度為裂紋長(zhǎng)度與檢測(cè)激勵(lì)線圈單元中心距沿掃描方向的分量之和;水平行檢測(cè)模式下，LIA輸出波形前波峰和前波谷間拐點(diǎn)與后波峰和后波谷間拐點(diǎn)對(duì)應(yīng)的掃描長(zhǎng)度近似為裂紋長(zhǎng)度。應(yīng)用斜向列檢測(cè)模式掃描裂紋缺陷時(shí)，激勵(lì)線圈單元先到達(dá)裂紋邊緣點(diǎn)和檢測(cè)檢測(cè)線圈先到達(dá)裂紋邊緣點(diǎn)LIA輸出波形特征略有不同。如果為激勵(lì)線圈單元先到達(dá)，則長(zhǎng)度邊緣點(diǎn)對(duì)應(yīng)為前波峰點(diǎn)和后波谷點(diǎn);反之，則為后波峰點(diǎn)和前波谷點(diǎn)。

(3)深度獲取

由于裂紋長(zhǎng)度和寬度一定時(shí)，裂紋深度與三種檢測(cè)模式中LIA輸出波形波峰峰值成單調(diào)遞增關(guān)系，可應(yīng)用插值擬合或神經(jīng)網(wǎng)絡(luò)方法，快速估計(jì)出裂紋深度。提取每個(gè)子圖像寬度中心位置前(后)波峰點(diǎn)的灰度值，運(yùn)用深度先驗(yàn)數(shù)據(jù)獲取裂紋深度信息。

3.3 修正C掃描成像中的圖像處理方法

渦流陣列修正C掃描成像解決圖像裂紋位置與實(shí)際裂紋所在位置存在位置差和由線圈單元的點(diǎn)擴(kuò)展效應(yīng)引起的圖像模糊兩個(gè)問(wèn)題，并將§3.2提取的裂紋特征信息，盡可能直觀地復(fù)現(xiàn)。下面就形成修正C掃描成像中的圖像處理方法進(jìn)行論述。

(1)渦流陣列C掃描圖像的圖像分割

一般情況下，渦流陣列C掃描圖像包含圖像背景、一個(gè)或多個(gè)缺陷區(qū)域、圖像灰度漸變但非缺陷區(qū)域等。當(dāng)僅含一個(gè)裂紋時(shí)，裂紋區(qū)域可能只是圖像的一小部分，如果對(duì)整幅圖像進(jìn)行處理算法實(shí)時(shí)性較差且難度增加，合理的方法是分割出包含裂紋區(qū)域的一小部分進(jìn)行處理;當(dāng)包含多個(gè)裂紋時(shí)，可將圖像分割成多個(gè)子圖像，對(duì)所有子圖像進(jìn)行初步判斷濾除掉沒(méi)有裂紋區(qū)域的子圖像。

圖像處理中的圖像分割技術(shù)大致可以分為三類(lèi):基于區(qū)域的分割算法、基于邊緣的分割算法和結(jié)合特定理論工具的分割算法［10－11］。基于區(qū)域的分割方法的目的是將圖像劃分為不同的區(qū)域，是以直接尋找區(qū)域?yàn)榛A(chǔ)的分割技術(shù)。基于區(qū)域的分割方法有兩種基本形式:一種是區(qū)域生長(zhǎng)，從單個(gè)像素出發(fā)，逐步合并以形成所需要的分割區(qū)域;另一種是從全局出發(fā)，逐步切割至所需的分割區(qū)域。典型的基于區(qū)域的圖像分割方法有閾值法、區(qū)域生長(zhǎng)和分裂合并的方法等。

渦流陣列C掃描圖像的圖像分割因其分割目標(biāo)的特殊性，應(yīng)用現(xiàn)有的基于區(qū)域的分割方法均很難有效解決，但由于有大量的先驗(yàn)知識(shí)，可制定非常具有針對(duì)性的分割規(guī)則完成圖像分割。本文基于裂紋特征提取方法對(duì)渦流陣列C掃描圖像提出如下分割算法:

①?gòu)娜殖霭l(fā)，分析整幅圖像Y方向灰度變化，如果存在某些Y方向圖像灰度變化滿(mǎn)足相應(yīng)檢測(cè)模式下的裂紋長(zhǎng)度特征提取曲線的變化特征，則認(rèn)為存在裂紋，須進(jìn)行圖像分割;否則，不進(jìn)行圖像分割，認(rèn)定此次檢測(cè)無(wú)裂紋區(qū)域。

②X方向圖像分割。如果整幅圖Y方向的灰度變化曲線僅含一個(gè)滿(mǎn)足裂紋長(zhǎng)度邊緣提取曲線變化特征的區(qū)域，則可提取滿(mǎn)足特征的所有灰度變化曲線的前波谷點(diǎn)和后波谷點(diǎn)的X坐標(biāo)，確定兩波谷點(diǎn)差值最大的Y方向，該Y方向的前波谷X坐標(biāo)記為x1，后波谷X坐標(biāo)記為x2，分割出X坐標(biāo)大于x1－max(x2－x1)，小于x2+max(x2－x1)的區(qū)域。如果整幅圖Y方向的灰度變化曲線包含多個(gè)滿(mǎn)足裂紋長(zhǎng)度邊緣提取曲線變化特征的區(qū)域，則可確定所有裂紋區(qū)域兩波谷點(diǎn)差值最大的Y方向，求取相鄰兩裂紋區(qū)域中前裂紋區(qū)域差值最大Y方向的后波谷點(diǎn)與后裂紋區(qū)域差值最大Y方向的前波谷點(diǎn)的中心點(diǎn)，定為子圖像分割邊緣。

③Y方向圖像分割。Y方向多裂紋區(qū)域的識(shí)別可通過(guò)分析滿(mǎn)足裂紋長(zhǎng)度邊緣提取曲線變化特征的所有Y方向坐標(biāo)，由圖3可以看出，裂紋寬度中心方向滿(mǎn)足長(zhǎng)度邊緣提取曲線，但當(dāng)距寬度中心大于某一閾值，則并不滿(mǎn)足長(zhǎng)度邊緣提取曲線。由此可知，如果Y方向存在幾個(gè)裂紋，則滿(mǎn)足長(zhǎng)度邊緣提取曲線的Y坐標(biāo)值集中于對(duì)應(yīng)數(shù)量的幾個(gè)區(qū)域。具體的分割規(guī)則與規(guī)則②類(lèi)似，限于篇幅此處不再贅述。

根據(jù)上述算法，可將C掃描圖像進(jìn)行圖像分割，每個(gè)裂紋區(qū)域形成一個(gè)子圖像分析方便，且分割算法實(shí)時(shí)性較強(qiáng)。

(2)渦流陣列C掃描圖像的輪廓提取

為了使修正后的C掃描圖像保留原始圖像最根本的信息，圖像模糊區(qū)域消除和裂紋位置差修正均基于原始圖像的輪廓進(jìn)行。渦流陣列C掃描圖像的輪廓提取包含了灰度映射、中值濾波、邊緣提取和輪廓跟蹤等過(guò)程。

灰度映射在電橋式渦流陣列傳感器所成C掃描圖像的輪廓提取中作用較小，但對(duì)于激勵(lì)檢測(cè)式陣列傳感器所成C掃描圖像的輪廓提取非常必要。前者裂紋長(zhǎng)度邊緣灰度值均大于圖像背景灰度值，長(zhǎng)度兩邊緣均為強(qiáng)邊緣，經(jīng)過(guò)后續(xù)算法處理較易得到裂紋區(qū)域輪廓;而后者的斜向列和豎直列檢測(cè)模式，裂紋總有一個(gè)邊緣對(duì)應(yīng)的灰度值小于圖像背景灰度值，且與背景的灰度差遠(yuǎn)小于另一邊緣與背景的灰度差，邊緣提取算法易存在邊緣信息提取不完備情況。為了改善邊緣提取的效果和降低算法的復(fù)雜度，可對(duì)含裂紋區(qū)域的子圖像進(jìn)行如下灰度映射:

式中，g(x，y)為原始圖像灰度值，f(x，y)為映射后灰度值，M為灰度直方圖分布密度最大值點(diǎn)，N為映射后灰度直方圖分布密度最大值點(diǎn)。

渦流陣列檢測(cè)中，復(fù)雜的檢測(cè)環(huán)境會(huì)使得檢測(cè)結(jié)果包含大量噪聲。這些噪聲使灰度圖像模糊，甚至淹沒(méi)或改變圖像特征，給邊緣檢測(cè)和輪廓處理帶來(lái)困難。中值濾波是一種較少邊緣模糊的非線性濾波方法，不僅能夠去除或者減少隨機(jī)噪聲和脈沖干擾，還能較好地保留圖像邊緣信息［12］。中值濾波模板的大小與平滑效果直接相關(guān)，模板越大，平滑的效果越明顯。但模板過(guò)大，一方面會(huì)增加算法的耗時(shí)，另一方面會(huì)造成圖像邊緣信息的損失，模板的大小要在保證消除噪聲和算法實(shí)時(shí)性的前提下盡可能的保持圖像的邊緣信息。

為了提取圖像輪廓信息，須引入邊緣提取算法。邊緣檢測(cè)大致可分以下幾類(lèi):基于局部圖像函數(shù)的方法、基于全局的邊緣檢測(cè)方法和圖像濾波的方法［13－14］。圖像濾波的方法，即先對(duì)圖像濾波，再對(duì)濾波結(jié)果作一階或二階導(dǎo)數(shù)以尋找邊緣，其中典型的算法有Robert、Kirsch、Sobel、Prewitt、Canny、Marr-Hildreth、Laplacian 算法及基于小波變換的邊緣提取算法等。

邊緣輪廓點(diǎn)跟蹤就是通過(guò)掃描二值邊緣圖像，將第一個(gè)被掃描到得邊緣像素作為起點(diǎn)，搜索其八鄰域，尋找另一邊緣像素，并記錄下搜索過(guò)的邊緣點(diǎn)的空間位置。如其八鄰域內(nèi)無(wú)邊緣點(diǎn)，說(shuō)明是孤立點(diǎn)，中止搜索。邊緣輪廓經(jīng)常會(huì)出現(xiàn)斷點(diǎn)和分叉，因此輪廓跟蹤須引入補(bǔ)償算法［15］。

(3)圖像模糊區(qū)域的消除

由于渦流陣列傳感器線圈單元點(diǎn)擴(kuò)展函數(shù)卷積效應(yīng)導(dǎo)致裂紋圖像模糊，邊緣檢測(cè)算法提取得到裂紋區(qū)域的邊緣與實(shí)際裂紋邊緣存在較大差異，該差異可通過(guò)提取輪廓跟蹤結(jié)果所得裂紋長(zhǎng)度與§3.2方法所得裂紋長(zhǎng)度進(jìn)行計(jì)算。為了消除圖形模糊區(qū)域，可引入細(xì)化算法。

細(xì)化又稱(chēng)為骨架化，該算法在保持原圖像結(jié)構(gòu)信息的前提下，刪除邊緣像素，抽取單像素寬度的骨架特征。按照處理過(guò)程的迭代方式，細(xì)化算法分為串行和并行細(xì)化算法。并行細(xì)化算法由于具有快速、準(zhǔn)確等優(yōu)點(diǎn)，一直是人們的研究熱點(diǎn)。常用的并行細(xì)化算法可分為ZS細(xì)化算法、LU細(xì)化算法、基于神經(jīng)網(wǎng)絡(luò)的細(xì)化算法等［6，16－17］。

由于細(xì)化是為了消除圖像模糊區(qū)域但并不形成單像素骨架，在細(xì)化算法中應(yīng)加入迭代次數(shù)的約束條件。迭代次數(shù)Nth可依照下式計(jì)算:

式中，Lb和Lf分別為提取輪廓跟蹤結(jié)果所得裂紋長(zhǎng)度和由長(zhǎng)度特征提取方法得到的裂紋長(zhǎng)度，ΔLS為單次細(xì)化算法消減的裂紋長(zhǎng)度近似值。

另外，細(xì)化之前應(yīng)對(duì)C掃描圖像輪廓跟蹤結(jié)果進(jìn)行種子填充，否則細(xì)化算法效果較差。

(4)裂紋位置差修正

圖像裂紋位置與實(shí)際裂紋所在位置存在位置差，可通過(guò)對(duì)圖像進(jìn)行空間變換的方法進(jìn)行修正。為此，首先必須提取細(xì)化處理后含近似邊緣信息的二值圖像的裂紋長(zhǎng)度中心點(diǎn)和寬度中心點(diǎn)。由于細(xì)化處理圖像無(wú)對(duì)稱(chēng)性，中心點(diǎn)的提取可以采用的方法較多，本文用二值圖像重心近似裂紋中心點(diǎn)，具體計(jì)算公式如下:

式中，xbc和ybc分別為細(xì)化處理后二值圖像中裂紋中心點(diǎn)的近似X和Y坐標(biāo)，xi和yi分別為二值圖像中1值點(diǎn)的X和Y坐標(biāo)，Kx和Ky分別為二值圖像中X和Y方向包含1值點(diǎn)的數(shù)量。

結(jié)合§3.2節(jié)裂紋特征提取方法獲得的裂紋長(zhǎng)度中心點(diǎn)xfc和寬度中心點(diǎn)yfc修正xbc和ybc，即得到裂紋位置差修正方法:

式中，ξ(x，y)為細(xì)化后二值圖像的灰度值，ξ'(x，y)經(jīng)過(guò)空間變換后二值圖像的灰度值。

4 試驗(yàn)及結(jié)果分析

為了驗(yàn)證本文算法，基于圖1所示渦流陣列硬件平臺(tái)和圖2所示渦流陣列傳感器，應(yīng)用斜向列檢測(cè)模式，沿圖2所示掃描路徑對(duì)18 mm×1 mm×0.9 mm裂紋實(shí)施檢測(cè)圖像，獲得了圖4渦流陣列C掃描圖像。圖5為對(duì)圖4進(jìn)行了圖像分割和灰度映射所得結(jié)果。觀察圖5可知，原圖像經(jīng)過(guò)圖像分割和灰度映射后，圖像尺寸減小，有用信息基本保留，弱邊緣得到極大的加強(qiáng)。

圖5 經(jīng)過(guò)圖像分割和灰度映射的C掃描圖像

用 Robert、Kirsch、Sobel、Prewitt、Canny、Marr-Hildreth、Laplacian算法對(duì)中值濾波后C掃描圖像進(jìn)行邊緣提取，通過(guò)比較提取結(jié)果，Canny算法在提取激勵(lì)檢測(cè)式陣列傳感器C掃描圖像邊緣信息效果較好，具體結(jié)果見(jiàn)圖6。圖7為經(jīng)過(guò)輪廓跟蹤和補(bǔ)償算法后得到的輪廓曲線，輪廓曲線的獲取還可通過(guò)對(duì)中值濾波后圖像進(jìn)行二值變換和種子填充，但邊緣毛刺較多，細(xì)化處理較難實(shí)施。

圖6 Canny邊緣提取算法得到C掃描圖像的邊緣信息

圖7 經(jīng)過(guò)輪廓跟蹤和補(bǔ)償后得到的輪廓曲線

對(duì)細(xì)化處理后的二值圖像進(jìn)行裂紋位置差修正，將子圖像坐標(biāo)還原至原C掃描圖像，二值圖像中的數(shù)值0點(diǎn)用原圖像灰度代替，數(shù)值1點(diǎn)轉(zhuǎn)變?yōu)楹谏珔^(qū)域。將處理結(jié)果與原C掃描圖進(jìn)行加法操作后，得到如圖8中所示的修正C掃描圖像。深度信息的復(fù)現(xiàn)可采取兩種方法:直接標(biāo)識(shí)或?qū)Χ祱D像的數(shù)值1點(diǎn)用子圖像強(qiáng)邊緣點(diǎn)灰度代替的方法，圖8為了突出處理結(jié)果采用直接標(biāo)識(shí)的方法。

圖8 渦流陣列修正C掃描圖像

將圖4的渦流陣列C掃描圖像與圖8渦流陣列修正C掃描圖像進(jìn)行對(duì)比分析可知，修正C掃描圖像作為C掃描成像的一種衍生圖像，可以較為準(zhǔn)確地定量反映受檢件裂紋位置、長(zhǎng)度、深度、方向等特征信息，由于去除了缺陷區(qū)域圖像模糊和修正了缺陷區(qū)域與實(shí)際缺陷區(qū)域存在的位置差，能夠有效降低渦流陣列檢測(cè)的漏檢率和誤檢率，提高檢測(cè)的速度。

5 結(jié)論

本文將渦流陣列特征提取方法和圖像方法結(jié)合，提出了可以較為準(zhǔn)確反映裂紋位置、長(zhǎng)度、方向等特征信息的渦流陣列修正C掃描成像，并通過(guò)成像過(guò)程的算法驗(yàn)證得到如下結(jié)論:

(1)基于裂紋特征提取方法對(duì)渦流陣列C掃描圖像的分割算法在減小圖像尺寸的同時(shí)，基本保留了待提取的裂紋信息。

(2)Canny邊緣提取算法在提取激勵(lì)檢測(cè)式陣列傳感器C掃描圖像邊緣信息效果較好。

(3)經(jīng)過(guò)邊緣提取、輪廓跟蹤和補(bǔ)償算法提取的輪廓較二值變換和種子填充后的輪廓毛刺較少，更利于細(xì)化。

(4)渦流陣列修正C掃描圖像能夠使檢測(cè)人員快速識(shí)別部件裂紋信息，提高渦流無(wú)損檢測(cè)的可靠性和速度。

［1］Goldfine N，Zilberstein V，Washabaugh A，et al.Eddy Current Sensor Networks for Aircraft Fatigue Monitoring［J］.Material Evaluation，2003，61(7):852－859.

［2］Butin L，Wache G，Perez L，et al.New NDE Perspectives with Magnetoresistance Array Technologies-from Research to Industrial Applications［J］.Insight，2005，47(5):280－284.

［3］Crouch A E，Goyen T，Porter P.New Method Uses Conformable Array to Map External Pipeline Corrosion［J］.Oil and Gas Journal，2004，102(41):55－59.

［4］高印寒，吳定超，李春光，等.渦流實(shí)時(shí)成像技術(shù)的研究［J］.儀表技術(shù)與傳感器，2003，4:44－47.

［5］吳迪，張兆東，韓秀甫，等.通用掃描成像檢測(cè)軟件的開(kāi)發(fā)及應(yīng)用［J］.無(wú)損檢測(cè)，2003，25(8):403－406.

［6］Rao B P C，Baldev Raj，Jayakumar T，et al.A New Approach for Restoration of Eddy Curreng Images［J］.Journal of Nondestructive Evaluation，2001，20(2):61－72.

［7］Takagi T，Uchimoto T.Design of An Eddy-Current Array Probe for Crack Sizing in Steam Generator Tubes［J］.NDT and E International，2003，36(7):515－522.

［8］張玉華，孫慧賢，羅飛路，等.一種用于盤(pán)孔裂紋檢測(cè)的差動(dòng)式渦流探頭的設(shè)計(jì)與實(shí)現(xiàn)［J］.傳感技術(shù)學(xué)報(bào)，2008，21(6):1079－1083.

［9］任吉林，刁海波，唐繼紅，等.渦流傳感器提離效應(yīng)的ANSYS模擬［J］.傳感技術(shù)學(xué)報(bào)，2008，21(6):967－971.

［10］章毓晉.圖像分割［M］.北京:科學(xué)出版社，2001.

［11］Zhang Y J.A Survey on Evaluation Methods for Image Segmentation［J］.Pattern Recognition，1996，29(8):1335－1346.

［12］張明謙，李雷.改進(jìn)的中值濾波算法［J］.兵工自動(dòng)化，2007(5):77－80.

［13］張凱麗，劉輝.邊緣檢惻技術(shù)的發(fā)展研究［J］.昆明理工大學(xué)學(xué)報(bào)，2000，25(5):36－39.

［14］尹平，王潤(rùn)生.多尺度邊緣檢測(cè)技術(shù)的分類(lèi)及比較［J］.計(jì)算機(jī)工程與科學(xué)，1998，20(1):16－19.

［15］袁野.攝像機(jī)標(biāo)定方法及邊緣檢測(cè)和輪廓跟蹤算法研究［D］.大連:大連理工大學(xué)(博士學(xué)位論文)，2002.

［16］任傳波，吳紅.二值圖案字符細(xì)化的一種算法－神經(jīng)網(wǎng)絡(luò)算法［J］.小型微型計(jì)算機(jī)系統(tǒng)，1999，20(3):228－232.

［17］包建軍，樊菁.魯棒的二值圖像并行細(xì)化算法［J］.計(jì)算機(jī)輔助工程，2006，15(4):43－46.