用于玻璃碎片測試的圖像處理技術(shù)

吳淳杰

摘 要 碎片狀態(tài)試驗是鋼化玻璃力學(xué)性能檢驗的一項內(nèi)容，試驗?zāi)康氖菫榱嗽u價安全玻璃破碎時碎片引起傷害的可能性。將計算機圖像處理技術(shù)應(yīng)用于玻璃碎片檢驗中，提出了一種玻璃碎片自動檢測、識別及計算的算法。首先獲取藍光背景下玻璃碎片原圖，進行灰度處理，采用sobel算子對圖像進行邊緣檢測并濾波去噪；然后利用灰度梯度方法提取出整幅圖片的高亮區(qū)域確定縫隙線，縫隙線膨脹生長后進行骨架提取；最后根據(jù)骨架標示各碎片區(qū)域進行計算。此外，同時將該算法和歐拉數(shù)計算公式相結(jié)合，應(yīng)用于圖像中碎片數(shù)量的計數(shù)方面，使得碎片分割和計數(shù)變得簡單、快捷。實驗結(jié)果表明，該算法是一種切實可行的碎片圖像的分割和計數(shù)方法。

【關(guān)鍵詞】玻璃碎片 圖像處理 sobel算子 縫隙線 生長 歐拉數(shù)

為保證安全玻璃在應(yīng)用和破壞時產(chǎn)生的傷害程度達到最小，我國對安全玻璃實行強制性質(zhì)量檢驗制度，碎片狀態(tài)試驗是檢驗方法之一。依據(jù)中華人民共和國國家標準GB 15763.2-2005《建筑用安全玻璃 第2部分：鋼化玻璃》、GBT 5137.1-2002《汽車安全玻璃試驗方法 第1部分力學(xué)性能試驗》、GB 9656-2003《汽車安全玻璃》、GB 18045-2000《鐵道車輛用安全玻璃》中的規(guī)定，安全玻璃質(zhì)量檢驗中碎片狀態(tài)試驗的要求是統(tǒng)計出 規(guī)定大小區(qū)域內(nèi)的碎片數(shù)，碎片的數(shù)量介于 40-200 塊之間，每塊碎片的面積大約介于 0.0625-0.625cm2之間。目前，這項工作由人工來完成，效率低并影響檢測結(jié)果的準確性。為此提出一種基于計算機圖形學(xué)（Computer Graphics，簡稱CG）的玻璃碎片圖像檢測與計算方法， 目的是確定高亮區(qū)域，獲得縫隙線，再采用新型歐拉計數(shù)方法統(tǒng)計碎片的數(shù)量特征。

1 圖像獲取及預(yù)處理

按照國家標準中安全玻璃碎片狀態(tài)試驗方法的要求，使用自主研發(fā)的玻璃碎片檢測裝置，利用氣動裝置控制尖銳的重物自動敲擊距離玻璃的長邊緣 20mm 處，使玻璃破碎。并在沖擊后10s后且3min內(nèi)使用工業(yè)CCD相機，在藍光背景下采集碎片圖像得到彩色照片，通過采集高度與放大率計算，從中選取50mm×50mm區(qū)域圖像，將其灰度化，作為玻璃碎片原始灰度圖像。圖 1即為藍光下玻璃碎片原圖，圖2為玻璃碎片灰度化處理后圖像。

2 邊緣檢測

欲獲得玻璃碎片的形狀和數(shù)量，首先要描繪出圖像中玻璃碎片的縫隙線，故可以把縫隙線看作目標，用O表示，把碎片的內(nèi)部看作背景，用 B表示。

圖 2所示的預(yù)處理后圖像比較均勻一致，即縫線比其鄰域灰度值小，碎片內(nèi)部的灰度沒有太大起伏，但是整個圖像的亮度不均勻，因此不能使用簡單的閾值法進行邊緣的提取。為了突出碎片內(nèi)部（B）與縫隙線（O）的邊緣區(qū)域，選擇使用傳統(tǒng)的邊緣檢測算子—Sobel算子來求原始灰度圖像的梯度圖像。

2.1 Sobel邊緣算子

圖3所示的兩個卷積核形成了Sobel邊緣算子，圖像中的每個點都用這兩個核做卷積，一個核對通常的垂直邊緣響應(yīng)最大，而另一個對水平邊緣響應(yīng)最大，兩個卷積的最大值作為該點的輸出位。運算結(jié)果是一幅邊緣幅度圖像，Sobel邊緣算子處理過的圖見圖4。使用Sobel算子進行邊緣檢測后，進行濾波平滑，以利于灰度梯度方法提取出整幅圖片的高亮區(qū)域。

2.2 求梯度圖像

梯度圖像也是灰度圖像，使用一種常用的分割方法，將圖像的灰度直方圖分割成兩部分， 選取最佳門限使類間方差最大，從而達到兩部分分離性最大的目的，確定高亮區(qū)域，找出圖片中的高亮點，進行灰度重建、倒置，找出整幅圖片的高亮區(qū)域。該算法處理的結(jié)果如圖 5所示。

2.3 縫隙線生長

由圖5可以看出，盡管目標O（縫隙線）的輪廓已經(jīng)呈現(xiàn)，但是內(nèi)部并不均勻一致，縫隙線的生長算法可以將縫隙線內(nèi)部變成均勻一致的區(qū)域，本文采用了二值圖像作數(shù)學(xué)形態(tài)學(xué)上的開運算，將距離較近的目標區(qū)域連通起來。

數(shù)學(xué)形態(tài)學(xué)是由一組形態(tài)學(xué)的代數(shù)運算子組成的。最基本的形態(tài)學(xué)運算有：腐蝕、膨脹、開、閉。形態(tài)開運算能使黑色區(qū)域首先膨脹，使縫線內(nèi)部的白點去除，但縫線也變粗，接著進行一次腐蝕運算，使縫線基本恢復(fù)原來的寬度。同時，通過開運算后，邊界也變得比較平滑，處理后如圖6所示。

3 玻璃碎片分割

從圖6可以觀察到，縫隙線上的灰度值大，碎片內(nèi)部的灰度值小，可以把它假想成地形表面，每個像素的灰度代表該點的海拔高度。采取分水嶺變換能夠?qū)D像進行分割。首先讓每個像素指向具有最小值的鄰居像素，然后分別處理貯水盆地坡面的平臺區(qū)域和寬分水嶺區(qū)域、局部最小值區(qū)域，最后根據(jù)指入鏈碼回溯標注各個貯水盆地。同一貯水盆地的像素即屬于同一玻璃碎片。該分割算法能實現(xiàn)完全分割，分割效果如圖7所示。

4 玻璃碎片歐拉數(shù)的計算

本文提出一種計算圖像歐拉數(shù)的公式，它只需對圖像采用逐行掃描由上而下的方式掃描一次，而且每次只需使用兩行數(shù)據(jù)，占用內(nèi)存少。歐拉數(shù)計數(shù)公式如下：

式中，Vmk表示圖像第m行，第k個圖段所對應(yīng)的上相鄰數(shù)。而且Vm0=1，即當(dāng)k=0時，Vmk=1。表示當(dāng)m行無圖段時，該行對歐拉數(shù)無貢獻。此外，根據(jù)國家標準里碎片計數(shù)原則—橫跨計數(shù)框的碎片按1/2個碎片計算，需對歐拉數(shù)計算公式進行優(yōu)化補充定義，非封閉區(qū)域圖段按1/2個碎片數(shù)計數(shù)。用該算法對圖7進行碎片統(tǒng)計，結(jié)果為37，與實際圖片中的碎片數(shù)目相符。

5 結(jié)束語

（1）本文提出的玻璃碎片邊緣檢測、分割和計數(shù)方法能夠較準確地檢測出碎片的縫隙線，劃分出碎片的區(qū)域，統(tǒng)計出碎片塊數(shù)，并已經(jīng)用實驗進行了驗證，證明了它的實用性和合理性。

（2）該算法整個過程無需人工參與，能夠完成安全玻璃碎片的自動檢測與識別，提高了安全玻璃產(chǎn)品質(zhì)量檢驗的自動化程度，滿足試驗結(jié)果判定的客觀性和準確性要求。為今后的深入研究和將其應(yīng)用到生產(chǎn)實踐奠定了堅實的基礎(chǔ)。

（通訊作者：董晨晨 李威霖 陳佳靜）

參考文獻

[1]何斌，馬天予，王運堅等.Visual C++ 數(shù)字圖像處理（第2版）[M].北京：人民郵電出版社，2002.

[2]周心明，蘭賽，徐燕.圖像處理中幾種邊緣檢測算法的比較[J].現(xiàn)代電力.2000，17（03）：65-69.

[3]Luc Vincent.Morphological grayscale reconstruction in image analysis： applications and efficient algorithms[J].IEEE Transactions on Image Processing，1993，2（02）：176-201.

[4]Gordon Gaile G.Automated glass fragmentation analysis[J]. Procedings of the SPIE，Machine Vision Applications in Industrial Inspection IV，1996，2665（02）：244-252.

[5]孫涵，任明武.基于鏈碼的分水嶺變換算法[J].中國圖象圖形學(xué)報，2004，9（09）：1025-1031.

[6]Bieniek A，Moga A.An efficient watershed algorithm based on connected components [J].Pattern Recognition，2000，33（03）：907-916.

[7]林小竹，沙蕓，籍俊偉，等.計算二維圖像歐拉數(shù)的新公式[J].微電子學(xué)與計算機，2005，22（11）：158-161.

作者單位

1.浙江方圓檢測集團股份有限公司 浙江省杭州市 310018

2.浙江省質(zhì)量檢測科學(xué)研究院 浙江省杭州市 310018