芻議木材檢測中圖像處理技術的應用

高飛　沈智君

摘 要： 本文以圖像圖形方法，對木材進行了基本項目的檢測，針對其紋理灰度特性加以分析，同時通過計算機自動檢測技術得到木材紋理形狀、周期長度以及線寬度等參數值。通過大量試驗能夠確定，BWMORPH是與木材弱紋理狀態分析貼合度最高的手法，還能夠自動獲取紋理骨骼線的成像。通過Radon變換處理后，能夠于圖像中看到0到180度紋理線條對應的積分數值，繼而描繪出曲線圖。這一圖像能夠直觀反應出，人們對于木材紋理狀況的主觀印象與木材紋理排布規律之間的差別。利用紋理圖像二值化確定紋理對應周期狀況，推測出木材年輪寬度。這些對于木材的檢測具有十分重要的意義。

關鍵詞： 木材檢查；圖像處理；應用

對于木材的質量來說，其紋理、寬度以及周期等均屬于重要參量。根據木材的分子構造不同，其對應多種多樣的切削手法，響應的切面上顯示出各不相同的紋理狀態。木材紋理特性直接受到本身的結構狀況的作用，所以面向木材紋理特征的測量是不可或缺的工作。然而目前國內通過圖像處理技術來分析木材紋理的探究并不充足，需要在今后投入更多的關注。

1 木材紋理變化規律概述

1.1 灰度簡介

具備一定規律的灰度變化將帶來紋理，其屬于灰度周期分布的結果，即使灰度的改變表現出隨機性，但卻一樣具備統計特性。因此面向紋理的解讀同樣將涉及灰度的變化狀態。通過觀察木材徑切面能夠明確，木材紋理灰度大致遵循周期性變化，許多灰度像素共同組成各個周期，周期的長度與不同周期灰度波動最大量大致符合。

1.2 散點圖分析

灰度的自相似特征能夠依散點圖來探討，而散點圖是按照臨近兩像素的灰度值確定的。圖像中各散點將45度角直線作為軸心。長軸代表著灰度的波動范圍：距原點距離越大則灰度波動越顯著，相反，則整體波動不明顯。短軸代表著灰度起伏的程度：短軸越寬則浮動情況越顯著。

相鄰兩像素做差能夠得到紋理變化的狀況。通過觀察圖像能夠了解到，灰度發生不定向的變化，則各點在0基線上下分布；如果各點距離基線均十分靠近，則灰度并未出現明顯波動。灰度插值的幅值往往表現出周期性的規律，且正負交替產生。

1.3 差值頻譜介紹

通過相鄰灰度做差的方式可以做出自回歸模型功率頻譜圖以及快速傅里葉變換功率頻譜圖。當處于低頻狀態時，灰度差值功率最大值相對低，但是當處于高頻時，其對應密度值達到頂峰狀態。

1.4 灰度變化規律

通過以上的圖像分析與相應的試驗得出，木材紋理灰度變化特性為：處于某一紋理灰度周期內時，大部分相鄰灰度保持一致狀態，灰度值呈現出高頻率、低振幅以及隨機變化的特性。周期相鄰處的灰度卻表現出低頻率、高振幅以及規律性較強的特點，在視覺方面對應紋理跳躍的兩塊內容。

2 紋理形狀與角度的檢測

方向性由于其獨特的描述方式，而被視為圖像反饋中一項獨一無二的屬性。圖像法指出，方向性能夠用于兩幅圖像相似與否的判定，同時以此為依據，把圖像反饋信息于二維空間展示出的角度譜充當圖像內容和劃分的依據之一。

有關木材紋理方向的檢測還沒有得到普及。通過研究發現，Radon變換可以由混亂的背景下篩選出直線系列，進而將二維的信息轉化成線性關系，其將于紋理檢測領域發揮重要作用。

2.1 形狀檢測

通過MATLAB的使用，將圖像文件以UIGETF以及MREAD函數打開，提取其中像素灰度的信息構成灰度圖像，甚至是彩色圖像。通過這一過程中軟件工具的函數調用，可以探測到木材的紋理形狀數據。比如MCONTOUR函數可以大體展示灰度信息的形態狀況；EDGE可以把處于邊緣的像素以及其他像素通過“1”或“0”區分開來，繼而形成規格一致的二值圖等。

通過四類函數的處理能夠看出，MCONTOUR無法用簡明的方式給出紋理外形，同時邊緣涉及線條眾多。而EDGE無法在弱紋理當中獲取整個邊緣的狀態。以上兩類函數的實踐均不成功。除此以外的BWPERM以及BWMORPH都實現了紋理狀況以二值圖像簡明表達的要求。

2.2 Radon變換

將計算機圖像矩陣在設定的方向上投影就是Radon處理的基本原理。通過這一變換能夠看到部分顯著的交點，這些通常均為積分值突出的點。將實施BWPERM以及BWMORPH處理的圖像加以Radon變換會發現，高振幅點所處位置以及分布次序基本一致，而變換后的亮點數量上升。這說明以上兩類函數都達到了檢測紋理形狀以及方向的要求。

3 紋理周期、寬度與間距的檢測

3.1 紋理周期的灰度波動

MPROFILE函數能夠根據圖像獲取像度值的有關數據情況。所以當垂直于木材紋理方向規定某一線段，使它經過紋理部分，即獲得線段對應像素的大小，同時描繪出像素與線段距離之間的二維圖像。由于圖像灰度浮動顯著，同時每一周期的峰值與谷值大致相同，因此，一定數目的灰度最大與最小強度能夠獲取，其浮動劇烈程度隨之得到。

3.2 紋理周期長度

紋理灰度值的強弱在走過最大值和最小值的整個環節就是一個周期的歷程。有時直接檢測的結果并不能達到精準度的要求，因此需要對操作進行改進：通過MPROFILE函數獲得二值圖像，再經過計算機運算得到周期長度。

3.3 紋理寬度與間距

獲取紋理周期長度之后，為追求進一步劃分出早材和晚材的寬度，需要進一步解讀二值圖像。將各個紋理周期中，所有連續的“0”的數目以及“1”的數目和生長周期內早材以及晚材的寬一一對照。將所得的每組數據對應求取平均值，分別對照早材與晚材的寬度，最終可以得到兩部分各自所占的比重。

4 結語

本文由木材的特性與關鍵性指標入手，旨在分析應用圖像處理后的木材檢測狀況。通過函數的分析以及有關紋理形狀、角度的解讀，同時加入紋理周期、寬度以及間距檢測等相關內容的探討，明確了圖像處理技術于木材特征檢測過程內的可靠程度以及適用水平，得到了兩類相對適宜的函數。以上研究對于木材的檢測的分析具有一定價值，為今后的研究奠定了基礎。

參考文獻

[1]謝永華.數字圖像處理技術在木材表面缺陷檢測中的應用研究[D].東北林業大學，2013.

[2]于海鵬，劉一星，劉鎮波.應用數字圖像處理技術實現木材紋理特征檢測[J].計算機應用研究，2007（04）：173-175+181.

[3]崔金剛.圖像處理技術在木材檢測方面的應用[D].東北林業大學，2007.

作者簡介：高飛，男，1977-11，山東人，邳州市市場監督管理局，221300，本科學歷，助理工程師。