基于數(shù)學(xué)形態(tài)學(xué)的包覆層表面缺陷檢測方法*

金 永，鄧博文，趙 磊，孔小麗，楊曉輝

(1中北大學(xué)儀器科學(xué)與動態(tài)測試教育部重點(diǎn)實(shí)驗(yàn)室，太原 030051;2駐845廠軍事代表室，西安 710302)

0 引言

包覆層表面缺陷的大小是影響固體火箭發(fā)動機(jī)裝藥質(zhì)量的重要因素之一，表面缺陷的存在會導(dǎo)致缺陷處的包覆層變薄，使發(fā)動機(jī)殼體失去防護(hù)。因此，針對包覆層表面缺陷的檢測對保證發(fā)動機(jī)裝藥質(zhì)量具有重要實(shí)際意義。

基于機(jī)器視覺的方法是檢測包覆層表面缺陷的一個(gè)有效手段［1］。通過采集和處理包覆層內(nèi)表面圖像，實(shí)現(xiàn)包覆層內(nèi)表面缺陷的檢測。如圖1所示為采集的含有缺陷的表面圖像。

從圖1可以看出，表面缺陷為相對于背景灰度的高灰度和低灰度區(qū)域。由于圖像的背景光強(qiáng)不一致和缺陷處的信噪比較低，難以分割出缺陷區(qū)域，無法計(jì)算出準(zhǔn)確的缺陷位置和大小。文獻(xiàn)［2］采用模式匹配的方法消除了背景光強(qiáng)的不一致性［2］，提高了缺陷的信噪比。由于需要采集無缺陷的標(biāo)準(zhǔn)圖像，增加了檢測的復(fù)雜性。文中擬采用數(shù)學(xué)形態(tài)學(xué)的處理方法對圖像進(jìn)行處理。

圖1 含有缺陷的包覆層表面圖像

1 標(biāo)定及有效檢測區(qū)域的確定

采集的包覆層表面缺陷圖像是以圖像的中心O(x0，y0)為圓心(采集圖像分辨率為768*576，因此x0=384，y0=288)，半徑越大的檢測分辨率越高，反之越低，而同一半徑上的檢測分辨率相同。因此可通過過圓心的半徑對圖像進(jìn)行標(biāo)定。

如圖2所示為標(biāo)定示意圖，具體過程如下:O(x0，y0)為圖像中心，最大中心半徑rmax=480，r為圓的半徑。不同半徑的像素間的實(shí)際長度稱為徑向長度h(x，y)，同一半徑的圓上像素間的實(shí)際長度稱為周向長度 l(x，y)。

圖2 缺陷圖像標(biāo)定示意圖

根據(jù)圖像所覆蓋的實(shí)際區(qū)域，可建立實(shí)際尺寸與像素之間的對應(yīng)關(guān)系，分別計(jì)算出徑向長度和周向長度與半徑的關(guān)系曲線，如圖3、圖4所示。

圖3 徑向長度與半徑的關(guān)系曲線

圖4 周向長度與半徑的關(guān)系曲線

從關(guān)系曲線可以看出，半徑小于200像素的分辨率很低，因此將半徑大于200像素區(qū)域作為有效的檢測區(qū)域。

2 缺陷特征的增強(qiáng)

數(shù)學(xué)形態(tài)學(xué)中的頂帽變換THAT(f)的定義為圖像f(x，y)與圖像 f(x，y)的開運(yùn)算之差;低帽變換BHAT(f)的定義為圖像f(x，y)與圖像f(x，y)的閉運(yùn)算之差［3-5］。

表面缺陷大部分由氣泡產(chǎn)生，多呈近似圓形。文中選取直徑為6，高度為1的圓形模版g(x，y)作為結(jié)構(gòu)元素。

分別對圖像f(x，y)進(jìn)行如下頂帽和低帽變換:

將頂帽變換與低帽變換的結(jié)果進(jìn)行相減運(yùn)算:

得到的f'(x，y)為增強(qiáng)后的圖像。對圖1進(jìn)行如上增強(qiáng)處理的結(jié)果如圖5所示。

圖5 增強(qiáng)后的缺陷圖像

從圖中可以看出，背景光強(qiáng)的不一致性得到了有效的消除，并且缺陷處的特征得到了有效增強(qiáng)。

3 高低閾值結(jié)合的分割方法

為了準(zhǔn)確確定缺陷大小以及缺陷的位置信息，對增強(qiáng)后的圖像需要進(jìn)行分割。較低閾值的分割會導(dǎo)致缺陷范圍過大，包含過多的無用的背景灰度;而較高的閾值使得缺陷尺寸變小，降低檢測精度。文中采用高低閾值相結(jié)合的分割方法，即通過設(shè)置低閾值將缺陷區(qū)域提取出來，在提取的缺陷區(qū)域內(nèi)采用高閾值進(jìn)行分割，得到缺陷的大小。

對增強(qiáng)的圖像f'(x，y)進(jìn)行高低閾值分割，實(shí)現(xiàn)過程為:

1)設(shè)定低灰度閾值T1=10，提取缺陷區(qū)域，將|f'(x，y)|＜T1的像素值分割成背景，|f'(x，y)|＞ T1的像素值不變，即:

2)對于提取出來的 f″(x，y)≠0 的缺陷區(qū)域，在缺陷區(qū)域內(nèi)分割出缺陷:

其中T2為該缺陷區(qū)域內(nèi)的像素值的平均值。

對圖5的有效檢測區(qū)域進(jìn)行高低閾值分割，結(jié)果如圖6所示。

圖6 缺陷圖像分割結(jié)果

4 缺陷大小和位置的計(jì)算方法

分割后的每個(gè)缺陷分別為一個(gè)連通區(qū)域，可在有效檢測區(qū)域內(nèi)對連通區(qū)域標(biāo)記，記錄各連通區(qū)域內(nèi)的每個(gè)像素點(diǎn)(xi，yi)以及像素點(diǎn)個(gè)數(shù)N。則缺陷位置的計(jì)算方法為:

缺陷位置的角度φ為:

缺陷大小S以及缺陷近似直徑φ為:

位置位于不同半徑上的缺陷，由于所對應(yīng)的徑向長度h不同，所對應(yīng)的實(shí)際距離也不等。設(shè)最大中心半徑rmax上的像素的實(shí)際距離應(yīng)為0 mm，沿半徑方向向圖像中心靠近一個(gè)像素，實(shí)際距離增加該像素的徑向長度h。則缺陷中心距檢測起始位置的實(shí)際距離H由式(11)計(jì)算得出。

其中:r為缺陷位置的半徑;n為缺陷所在圖像序列;Ht為每幅圖像采集間隔(第一幅圖像n=1)。

5 檢測結(jié)果

采用上述方法對測試發(fā)動機(jī)進(jìn)行檢測，檢測結(jié)果如表1所示。

表1 測試發(fā)動機(jī)的檢測結(jié)果

其中，圖像序列1中的缺陷分別為位置27 mm和31 mm處的Φ1 mm與Φ0.5 mm的人工缺陷，位置檢測結(jié)果為27.2 mm和31.3 mm，大小為1.03 mm 及0.51 mm。因此文中所使用的檢測方法的位置檢測精度小于0.4 mm，檢測分辨率可達(dá)到Ф0.5 mm，尺寸檢測精度小于0.2 mm。

文獻(xiàn)［1-2］的方法所達(dá)到的指標(biāo)為表面缺陷的檢測分辨率達(dá)到Ф5 mm，位置定位精度小于1 mm。對比結(jié)果可以看出，該方法在檢測分辨率和檢測精度均有明顯提高，進(jìn)一步驗(yàn)證了該方法的有效性。

6 結(jié)論

文中采用的基于數(shù)學(xué)形態(tài)學(xué)的檢測方法無需采集無缺的標(biāo)準(zhǔn)圖像，同時(shí)有效地消除了光強(qiáng)的不一致性，不僅提高了檢測的可靠性，而且增強(qiáng)了缺陷特征;通過高低閾值的分割方法實(shí)現(xiàn)了缺陷圖像的準(zhǔn)確分割;利用采用中心半徑標(biāo)定的方法，實(shí)現(xiàn)了圖像有效檢測區(qū)域的標(biāo)定，得到了缺陷大小以及位置。檢測結(jié)果表明:位置檢測精度小于0.4 mm，檢測分辨率可達(dá)到Ф0.5 mm，尺寸檢測精度小于0.2 mm。

［1］郭慧平，王召巴，金永.火箭發(fā)動機(jī)包覆層表面缺陷檢測系統(tǒng)研究［J］.電子測試，2011(2):71-75.

［2］陳國棟，王召巴，金永，等.火箭發(fā)動機(jī)包覆層表面缺陷定位技術(shù)［J］.山西電子技術(shù)，2011(3):31-34.

［3］劉志敏，楊杰.基于數(shù)學(xué)形態(tài)學(xué)的圖像形態(tài)濾波［J］.紅外與激光工程，1999，28(4):1-16.

［4］崔寶俠，李愛軍，蘇桂華.基于數(shù)學(xué)形態(tài)學(xué)的交通圖像濾波處理方法研究［J］.沈陽工業(yè)大學(xué)學(xué)報(bào)，2007，29(2):192-199.

［5］朱曉亮，彭復(fù)員，楊述斌，等.基于多尺度形態(tài)學(xué)的弱目標(biāo)圖像處理方法［J］.紅外與激光工程，2002，31(6):482-485.