基于機器視覺的熒光磁粉檢測圖像預處理方法

，，

(上海航天精密機械研究所，上海 201600)

工業領域通常采用磁粉檢測方法檢測鐵磁性工件表面或近表面缺陷[1]。傳統的磁粉檢測過程中，通常采用人工方式來進行缺陷的判別。而航空螺栓、常規的槍炮、軸承滾子等產品的零部件檢測，常常需要多名檢驗員每天完成上千件零件的檢測，實際檢測中難免會出現因檢測人員視覺疲勞而導致的漏檢、誤判問題。而且，無損檢測技術正向著自動化和智能化方向發展。而在智能磁粉檢測系統中，圖像處理是智能磁粉檢測的核心，圖像處理水平的高低直接體現出智能檢測系統檢測水平的高低，反映出智能磁粉檢測系統能否準確替代人對缺陷進行識別。

筆者從硬件、軟件等方面著手，開展了機器視覺熒光磁粉檢測圖像處理技術研究。首先構建了圖像采集系統平臺，利用彩色CCD(電荷耦合器件)工業相機獲取了熒光磁粉檢測圖像，再通過軟件對采集到的圖像進行了處理，降低了噪聲對圖像的干擾。文章首次提出了基于RGB色值去除的彩色圖像噪聲算法，之后再提取缺陷特征并進行缺陷評價分析。

1 硬件對檢測的影響

硬件主要是指工業相機與照明裝置，這兩者直接決定軟件處理過程中原圖像質量的好壞，對結果的判定有重要影響。

1.1 工業相機對檢測的影響

工業相機是機器視覺系統中的一個關鍵組件，其本質的功能是將光信號轉變成有序的電信號，故選擇合適的相機是機器視覺系統設計中的重要環節。工業相機根據圖像效果分為彩色相機和黑白相機；根據傳感器芯片類型分為CCD相機和CMOS(互補金屬氧化物半導體)相機；根據靶面類型分為線陣相機和面陣相機；根據輸出方式分為模擬攝像機和數碼相機；根據接口類型可分為USB、1394、Cameralink、GIGE千兆網口。而影響工業相機性能的主要參數有分辨率、幀速率、信噪比、曝光時間等。分辨率決定了成像大小，即圖像像素點數的多少影響后期圖像處理時算法的研究與使用。信噪比影響成像質量，信噪比越小說明干擾越多；曝光時間主要取決于工件處于靜止或者運動的狀態。因此，對于工業相機的選擇，一定要充分分析好工作對象的要求。另外，除了工業相機，鏡頭的選用也尤為重要，基本標準就是選擇與工業相機相配套的鏡頭，注意鏡頭的接口與焦距。故根據檢測需求，采用了GIGE千兆網口的面陣彩色CCD相機。

1.2 照明裝置對檢測的影響

照明裝置通常指光源，其作用是為了獲得被測物體邊緣銳利、對比度鮮明的高質量圖像。所以，照明裝置的設計水平直接決定了圖像質量，進而決定了機器視覺系統能否準確地對被測樣品進行檢測。常用的光源類型有高頻熒光燈、光纖光源和LED光源(見圖1)。光纖光源又稱為鹵素燈，適合小范圍的局部高亮度照明和對檢測環境溫度比較敏感的場合；高頻熒光燈采用高頻電源進行供電，發光原理類似于日光燈；在機器視覺系統中LED光源的應用最廣泛，選擇性最多。不同類型光源效果對比如表1所示。由表1可知，選用LED光源為機器視覺系統提供采集圖像的光照最合適。

圖1 機器視覺常用光源外觀表1 不同類型光源效果對比

項目高頻閃光燈光纖光源LED光源價格低高中亮度低高中穩定性低中高使用壽命中低高光線均勻性高中低復雜設計低中高多顏色無無有

2 圖像處理算法

根據上述情況，針對熒光磁粉檢測的特點，在暗室環境中對軸承滾子磁化并噴灑熒光磁懸液，選用彩色工業相機，在定制的LED紫外燈照射下采集圖像，并通過千兆網口將圖像實時傳輸至PC端。通過軟件算法提取彩色圖像中光譜波長在550～580 nm的黃綠色像素點構成的區域圖像，并進行降噪等預處理，再提取圖像梯度特征，從而判別工件是否存在缺陷。基于機器視覺的磁粉檢測流程如圖2所示。

圖2 基于機器視覺的磁粉檢測流程

圖3 某型號軸承滾子的熒光磁粉檢測圖像

某型號軸承滾子的熒光磁粉檢測圖像如圖3所示。在實際檢測工作中，會出現聚磁、陰影、光照干擾等現象，這會給缺陷的智能檢測判定帶來較大干擾。圖3 (a)為存在裂縫缺陷及較小聚磁的樣本圖；圖3(b)為存在裂縫缺陷、較大聚磁及陰影的樣本圖；圖3(c)為無缺陷，但存在紫外光線及陰影的樣本圖。故而，在這些干擾存在的情況下，直接利用灰度圖像進行去噪、區域分割，特征提取會誤將干擾檢測做成缺陷而出現誤判，影響檢測效率及正確率。為了解決這個問題，根據熒光磁粉檢測的顏色頻譜特點，運用RGB色值對原圖像先進行了有效圖像的提取，即提取原圖像中的黃綠色圖像，再進行后續處理。

通過熒光磁粉檢測的工件缺陷所反應出的顏色，其RGB色值中，R、B值較小，G值較大，在提取圖像時，R、G、B的閾值需根據具體檢測工藝環境來確定。文中對圖3中的3幅原圖分別通過R、G、B區域閾值進行色值提取，結果如圖4所示。

圖4 提取原圖中的黃綠色區域圖像結果

由圖4可知，通過對機器相機采集到的原圖像進行RGB色值目標區域的圖像提取，能夠將大部分噪聲濾除，有效抑制聚磁、外置光照、陰影等干擾。處理后的圖像所剩噪聲多為點狀式近似椒鹽噪聲，故而可再對圖像運用中值濾波方法進行去噪處理。中值濾波就是選擇一定形式的窗口，使其在圖像的各點上移動，用窗口像素灰度值的中值代替窗口中心點處的像素灰度，其對于消除孤立點和線段的干擾十分有用。以樣本圖3為例，其中值濾波圖像如圖5所示。

圖5 樣本圖3的中值濾波圖像

由圖5可知，圖5(a)中的點狀椒鹽噪聲通過中值濾波后可以得到比較干凈的圖像，即圖5(b)，其噪聲得到了有效抑制。為了能較好判斷所采集的圖像中是否存在缺陷，提取了圖像的梯度特征，即先對圖像進行腐蝕膨脹的開運算，再提取線性特征。

設f(x,y)表示一幅圖像，width，height分別為圖像的寬度和高度，則圖像在(x,y)處的梯度是一個矢量，定義為

(1)

式中：Gx和Gy分別為沿著x方向和y方向的梯度。

梯度的幅度|▽f(x,y)|為

(2)

由式(2)可知，梯度的數值就是f(x,y)在最大變化率方向上的單位距離所增加的量。利用差分代替微分式圖像的梯度場和梯度場的模,可以表示為

Gx(x,y)=f(x+1,y)-f(x,y)

(3)

Gy(x,y)=f(x,y+1)-f(x,y)

(4)

M(x,y)=[Gx(x,y)2+Gy(x,y)2]1/2

(5)

由式(3)，(4)，(5)可以得到梯度場方向D，其表達式為

Dx(x,y)=Gx(x,y)/M(x,y)

(6)

Dy(x,y)=Gy(x,y)/M(x,y)

(7)

式中:(x,y)∈[0,width-1]×[0,height-1];G和M表示圖像的梯度場和梯度場的模。

對檢測圖像進行算法處理后的結果如圖6所示。

通過缺陷檢測結果可以看出，提出的基于彩色圖像提取特定熒光區域圖像的方法能有效遏制噪聲干擾，同時通過梯度特征可以判斷是否存在缺陷，并標定缺陷的位置。

圖6 對檢測圖像進行算法處理后的結果

3 結語

從硬件、軟件等方面對機器視覺熒光磁粉檢測圖像處理技術進行了分析和研究，通過驗證得到最優方案并構建了圖像采集系統平臺，利用彩色CCD工業相機獲取了熒光磁粉檢測圖像，降低了噪聲對圖像的干擾；提出了基于RGB色值去除的彩色圖像噪聲算法，通過試驗發現，此方法能有效抑制聚磁、外置光照、陰影等噪聲干擾，最后對處理后的圖像進行了缺陷分析判別，為智能磁粉檢測系統的研究提供了基礎和依據。