一種基于自適應(yīng)閾值的彈殼表面缺陷分割方法

【信息科學(xué)與控制工程】

一種基于自適應(yīng)閾值的彈殼表面缺陷分割方法

茍文韜，諸洪，劉彬，謝蔚卿，熊長江

(中國兵器工業(yè)第五八研究所，四川 綿陽621000)

摘要：由于材料表面不均勻和基于線陣相機采集圖像的方式，圖像的目標(biāo)和背景的成像效果是動態(tài)變化的，不能用單一固定的閾值進(jìn)行彈殼表面缺陷分割。針對該問題，結(jié)合彈殼表面圖像的特點和灰度直方圖峰值特性，提出了一種自適應(yīng)確定閾值的方法，試驗結(jié)果表明該方法對能準(zhǔn)確對彈殼表面缺陷進(jìn)行分割。

關(guān)鍵詞：槍彈；表面缺陷；自適應(yīng)閾值；灰度直方圖

收稿日期：2014-09-02

基金項目：國防基礎(chǔ)科研(C1020110001)

作者簡介：茍文韜(1989—)，男，碩士研究生，主要從事機器視覺及模式識別研究。

doi:10.11809/scbgxb2015.01.034

中圖分類號：TP391.4

文章編號：1006-0707(2015)01-0122-03

本文引用格式：茍文韜，諸洪，劉彬，等.一種基于自適應(yīng)閾值的彈殼表面缺陷分割方法[J].四川兵工學(xué)報，2015(1):122-123.

Citation format:GOU Wen-tao, ZHU Hong, LIU Bin,et al.Method of Bullet Surface Defect Segmentation Based on Adaptive Threshold Algorithm[J].Journal of Sichuan Ordnance,2015(1):122-123.

Method of Bullet Surface Defect Segmentation

Based on Adaptive Threshold Algorithm

GOU Wen-tao, ZHU Hong, LIU Bin, XIE Wei-qing, XIONG Chang-jiang

(No.58 Research Institute of China Ordnance Industries, Mianyang 621000,China)

Abstract:Because of the uniform surface of the material and the mode of image acquisition based on linear CCD, the imaging results of objet and background in image are dynamicly changed, and the single fixed value could not segment the defects well. An adaptive threshold segmentation method was proposed based on the image characteristic and the peak value of gray histogram characteristic. The experiment results show the method is feasible and effective.

Key words：bullet; surface defects; adaptive threshold; gradation histogram

受加工工藝、原材料等的影響，槍彈的生產(chǎn)過程中表面會出現(xiàn)裂痕、擦傷、油污、缺口等缺陷。為了保證槍彈產(chǎn)品的質(zhì)量和性能以及擺脫人工目視檢測這種落后的生產(chǎn)工藝，采用圖像處理技術(shù)對槍彈缺陷進(jìn)行檢測已經(jīng)得到研究和應(yīng)用[1-2]。

基于線陣CCD相機、線陣光源、彈殼旋轉(zhuǎn)機構(gòu)對彈殼進(jìn)行視覺系統(tǒng)搭建[3]，采集到的圖像分辨率和精度高，滿足缺陷檢測要求。在待處理圖像中既包含目標(biāo)(也稱前景)，也包含背景部分，為了辨識采集到的槍彈表面圖像中的缺陷，需要將有關(guān)目標(biāo)區(qū)域分割出來。彈殼表面缺陷種類復(fù)雜，成像效果一致性差，噪聲點多，準(zhǔn)確地分割出缺陷圖像是檢測中的重要環(huán)節(jié)。本文依據(jù)彈殼表面圖像的特點，提出了適用于彈殼表面缺陷分割的自適應(yīng)閾值分割算法。

1圖像預(yù)處理

一幅原始圖像在獲取和傳輸過程中會受到各種噪聲的干擾，使圖像質(zhì)量下降，不利于分析圖像。圖像平滑是一類局部預(yù)處理方法，可以有效地抑制圖像噪聲。中值濾波和雙邊濾波都能夠?qū)D像進(jìn)行平滑的同時保持邊緣，但是中值濾波對窗口內(nèi)噪聲點個數(shù)較多的情況下平滑效果不好，而雙邊濾波只能保留比較強烈的邊緣[4]。考慮到彈殼表面噪聲點較多的特點，采用高斯濾波方法對圖像進(jìn)行去噪，雖然它不是計算最快的濾波方式，但它可以很好地平滑掉圖像中孤立的噪聲點，而且更高地保留了邊緣效果，有利于圖像的準(zhǔn)確分割。二維高斯函數(shù)可以表示為

其中:u為均值;σ代表標(biāo)準(zhǔn)差(x和y各有一個均值和標(biāo)準(zhǔn)差)。

2閾值分割算法

閾值分割的目的是提取出彈殼表面的缺陷區(qū)域。由于每批彈殼的成色不一樣，會導(dǎo)致背景圖像的整體灰度發(fā)生改變，彈殼的旋轉(zhuǎn)過程中的擺動也會使采集到的圖像一致性較差，單一的固定閾值是不能準(zhǔn)確地分割出缺陷區(qū)域，其缺陷分析也就不準(zhǔn)確。Otsu法[5]是常用的自動確定閾值的方法，試驗之后發(fā)現(xiàn)只對灰度直方圖有明顯雙尖峰的圖像分割效果較好,而彈殼表面圖像的直方圖中缺陷的尖峰卻很小。結(jié)合彈殼表面缺陷圖像前景和背景在灰度直方圖的表現(xiàn)特征提出了下述方法。

2.1算法原理

彈殼表面圖像由有別于背景灰度值的具有近似相同灰度的目標(biāo)組成，所產(chǎn)生的直方圖是二模態(tài)[6]的。背景像素構(gòu)成圖中的大的峰，目標(biāo)像素構(gòu)成小的峰，2個峰之間的灰度級是由目標(biāo)和背景的邊界造成的，這里取2個極大值之間波谷對應(yīng)的灰度值作為閾值。

直方圖中的波谷是一個局部極小值，并且是非0的。為了得到極小值而非干擾值，首先需要對直方圖進(jìn)行平滑處理。新的直方圖按下式計算得到

式中K是一個常量，代表平滑所使用的領(lǐng)域大小，取值為2。

這里把直方圖灰度級的值看作一個離散函數(shù)，極值點即是該函數(shù)一階導(dǎo)數(shù)為零的點。一階導(dǎo)數(shù)差分方程形式

按導(dǎo)數(shù)定義推導(dǎo)出灰度值為i的導(dǎo)數(shù)可用一階中心差商近似得到

2.2算法步驟

自適應(yīng)閾值選擇算法步驟如下：

1) 遍歷所有像素灰度值，求出圖像灰度直方圖h(i)，0≤i≤255，并平滑直方圖；

3) 求所有極小值點ip：h′(ip)<ε&h(ip)-h(ip-1)≤0 &h(ip)-h(ip+1)≤0 &h′(ip)≠0；

4) 求出的ip可能會形成多個連續(xù)分段區(qū)間，求出分段區(qū)間的中值imed，則分割閾值thigh=max(imed)，ilow=min(imed)。

3試驗結(jié)果

上述算法步驟4中表示，如果直方圖中有一段變化平緩的區(qū)域，變化范圍在ε以內(nèi)，則這些點都容易計算為極值點，可以取這段連續(xù)點中的中值作為計算結(jié)果，也能達(dá)到很好的分割效果。對于彈殼表面的缺陷分割，由于彈殼表面缺陷可分為亮缺陷(例如線痕)或暗缺陷(例如油污),對缺陷分割的閾值只需選擇計算出的ith值中的最大或最小值。圖1為對彈殼表面缺陷進(jìn)行分割的結(jié)果，從左向右分別為彈殼表面圖像，灰度直方圖(含分割閾值)，分割結(jié)果。

圖1　實驗結(jié)果

4結(jié)論

根據(jù)彈殼表面缺陷圖像其灰度直方圖二模態(tài)的特點提出了自適應(yīng)確定閾值的分割方法，相比于傳統(tǒng)方法，對沒有明顯雙峰的圖像也有很好的分割效果，而且適合多閾值分割的情況。對于直方圖具有多峰的圖像會得到多個閾值，閾值需要結(jié)合到圖像的特點來選擇。

參考文獻(xiàn)：

[1]史進(jìn)偉，郭朝勇，劉紅寧.基于機器視覺的槍彈外觀缺陷檢測系統(tǒng)研究[J].組合機床與自動化加工技術(shù)，2013(4)：59-64.

[2]史進(jìn)偉，郭朝勇，劉紅寧，等.基于Hough變換和雙峰法的槍彈外觀缺陷提取[J].火力與指揮控制，2013，38(5)：129-132.

[3]孫文緞，葉玉堂.基于線陣相機采集平臺的槍彈表面質(zhì)量檢測技術(shù)[J].兵工自動化，2013,32(1)：87-90.

[4]李雪威，張新榮.保持邊緣的高斯平滑濾波算法研究[J].計算機應(yīng)用與軟件，2010,27(1):83-84.

[5]Otsu N.A Threshold Selection Method from Gray-level Histograms[J].IEEE Transactions On System Man and Cybernetic，1979,9(1):62-66.

[6]Milan Sonka,Vaclav Hlavac,Roger Boyle..圖像處理、分析與機器視覺[M].艾海舟，蘇延超,譯.3版.北京：清華大學(xué)出版社,2011:126-127.

(責(zé)任編輯楊繼森)