CN102175700A

CN102175700A - 数字x射线图像焊缝分割和缺陷检测方法

Info

Publication number: CN102175700A
Application number: CN 201110022401
Authority: CN
Inventors: 李振华; 徐胜男; 魏宗娟; 张光先
Original assignee: Shandong University
Current assignee: Shandong University
Priority date: 2011-01-20
Filing date: 2011-01-20
Publication date: 2011-09-07
Anticipated expiration: 2031-01-20
Also published as: CN102175700B

Abstract

本发明涉及一种数字X射线图像焊缝分割和缺陷检测方法，属于无损检测领域。针对一系列具有特定宽度范围的竖条形X射线焊缝图像的缺陷检测，在进行焊缝分割时，本发明采用基于焊接图像中焊缝水平宽度和竖直连续性的分割方法，它包括滤波、图像增强、阈值分割、寻找焊缝位置和焊缝提取等步骤。在缺陷的提取中，采用边缘检测和减影法相结合的方法。本发明能够快速有效的分割出图像中的焊缝，融合的缺陷提取算法能够更好的检测出缺陷。

Description

数字X射线图像焊缝分割和缺陷检测方法

技术领域

本发明涉及一种辐射成像技术，属于无损检测领域，尤其是一种数字X射线图像焊缝分割和缺陷检测方法。

背景技术

目前焊接是现在制造领域的一种重要工艺方法之一。随着计算机技术、自动控制技术以及信息和软件技术迅速地引入焊接领域，焊接生产自动化、智能化已经成为21世纪焊接技术发展的重要方向。计算机视觉技术以其信息量大、精度高、检测范围大等特点，在焊接缺陷的检测领域得到了广泛的应用。而X射线检测是常规无损检测常用的重要方法之一，是保证焊接质量的重要技术，其检测结果将作为焊缝缺陷分析和质量评定的重要判定依据。

X射线检测是将强度均匀的射线照射到被测的物体，使透过的射线在照相胶片上感光，而在成像的底片上，可以检测出被检测物体的焊接缺陷位置、类型、尺寸和数目等。传统的缺陷检测方法主要由评片人员手工完成，不仅工作量大，且容易造成缺陷的误判和漏判等。现代机械制造对精度的要求越来越高，人工操作越来越不能满足生产发展的需要。

近年来，一些具有应用价值的焊缝图像缺陷检测系统应运而生。这些系统利用计算机完成对底片信息的管理，通过数字图像处理来实现图像的增强、滤波、分割以及缺陷检测等。采用这种方法可以大大提高检测效率，但是由于缺陷检测技术尚未成熟，目前的缺陷检测方法仍存在检测速度慢、检测方法单一、不能实时处理等诸多问题。

发明内容

本发明的目的是为克服上述现有技术的不足，针对焊接过程中具有特定宽度且为竖条形一系列外部特征比较稳定的焊缝，提供一种检测速度快、检测手段合理、能实时处理的数字X射线图像焊缝分割和缺陷检测方法。

为实现上述目的，本发明采用下述技术方案：

一种数字X射线图像焊缝分割和缺陷检测方法，包括以下步骤：

1).图像预处理，包括滤波和增强；

2).焊缝的分割，包括阈值分割、寻找焊缝位置和焊缝提取，即用最大类间方差法进行阈值分割，做水平和竖直方向上的判断，在分割后的图像中寻找焊缝的位置；在去除了焊缝的背景和像质计干扰像素后，寻找图像中左上角和左下角的第一个变为黑色像素的两个点，将这两个点的坐标返回到原图像中，并将焊缝的宽度值设为150～250个像素，进行焊缝的提取；

3).缺陷检测，采用边缘检测和减影法相结合检测。

所述步骤1)中的滤波采用中值滤波进行图像处理前的滤波降噪，滤波窗口采用3×3像素大小，将图像中的噪声滤除。

所述步骤1)中的增强采用非线性函数进行增强，其中x和z分别为变换前和变换后的灰度值，G_max和G_min分别为变换前数字X射线图像x的最大灰度值和最小灰度值。

所述步骤2)中的阈值分割为先设定一个阈值T，通过T将图像的灰度值分为两组：t₁和t₂，且t₁＞T，t₂＜T，使组内方差最小并且使组间方差最大的那个T作为分割的阈值，采用这种选取阈值的方法能够将图像中想要得到的有效信息和背景很好地分离。

所述步骤2)中寻找焊缝位置采用下述技术方案，焊缝区别于别处像素的特征有两个，一是焊缝的宽度与别处不同，二是焊缝在竖直方向是连续不间断的，所以，为去除大部分的黑色干扰像素，只保留焊缝部分，采用焊缝的这两个特征进行判断；

首先在水平方向上，逐行进行扫描判断，对每一行逐渐累加各个部分的黑色像素的长度，统计其长度值，即连续的像素个数，长度介于T₁＝115和T₂＝130之间的保留，将其余不满足条件的像素值置为255，由此去除了左边大部分的黑色像素；

然后在竖直方向上，由于图像中存在像质计干扰因素，在其水平方向上宽度与焊缝相当，但是像质计在竖直方向上与焊缝明显的不同是其不连续，所以在竖直方向上的处理中，建立一个三维数组block[2000][20][2]，分别用于存放图像的行号、每一行连续的黑色像素区域数目、每块黑色像素的起始列号和终止列号；根据当前行疑似焊缝区域的索引号，判断当前行的前150行和后150行是否有焊缝疑似区域，若某一行有疑似区域，则进一步判断该行的起始像素和终止像素与当前行的起始像素和终止像素在竖直方向上的偏差是否小于50个像素；若条件满足，则保留，若不满足，则将像素值置为255。

所述步骤2)中的焊缝提取采用下述技术方案，经过步骤2)中寻找焊缝位置技术处理，图像中除了焊缝所在的位置为黑色像素，其余部分的黑色像素均已去除，在此基础上，从左向右，从下到上对图像扫描，找到图像中左上角和左下角的第一个黑色像素，根据两个像素的坐标值，确定出一条直线，经过统计，将焊缝的宽度设定为200个像素，然后返回原图中，保持焊缝部分不变，焊缝两侧的像素全部置为255，即提取出焊缝。

所述步骤3)中的缺陷检测首先采用Krisch算子做边缘检测，检测后的图像作为第一图像，然后采用7×7像素大小的窗口进行滤波，弱化检测出的缺陷，将滤波后的图像作为背景图像，之后采用减影法，用第一图像减去背景图像，利用公式f_r＝f-f_b+const，其中f_r为背景去除后的缺陷图像，f为第一图像，f_b为模拟的背景图像，const是一常数，是为避免在计算时出现负值，其值取为差值图像f-f_b的中灰度为负值的所有像素中灰度最小者的绝对值；之后对得到的缺陷图像f_r进行二值化处理，即可得到完整的缺陷图。

本发明的原理是利用穿透焊缝以后的X射线已经包含有焊缝结构信息的特点，由X射线探测器接受后完成光电转化输出为电信号，通过图像采集卡将电信号转换为数字图像信号，在屏幕上实时显示出来的数字图像用于焊缝的焊接质量检测。

本发明所提焊缝分割及缺陷提取方法采用基于焊缝水平方向宽度和竖直方向连续性的方法，将焊缝准确快速的提取出来，便于下一步的焊缝缺陷检测。采用减影法和边缘检测相结合的方法进行缺陷的检测，能更好的检测出焊接缺陷，降低误判率，提高整个系统的运行效率。该方法已实验运用于项目中的实时焊接缺陷检测，实际中的大量图像测试证明，该方法取得了良好的效果。

附图说明

图1为原始焊接图像；

图2为中值滤波后图像；

图3为对比度增强后图像；

图4为阈值分割后的图像；

图5为寻找到的焊缝位置；

图6-9为提取出的焊缝；

图10-12为采用本发明所得到的缺陷检测结果，其中图10为只采用减影法得到的缺陷检测结果，图11为只采用边缘检测得到的结果，图12为采用二者结合后的缺陷检测结果。

具体实施方式

下面结合附图和实施例对本发明进一步说明。

本发明的实施图像为大小为1920×1536的TIFF格式的图像，开发环境为VisualC++6.0，由于图像的尺寸比较大，而焊缝缺陷只存在于焊缝的内部，所以为了减少实际操作的数据量，提高算法的运行效率，首先将焊缝从图像中分割出来。

1.图像预处理

为了避免复杂背景的影响，减少边界断续、特征提取失误的发生，为下一步的焊缝提取和缺陷检测做准备。首先对原始图像进行滤波。作为一种非线性滤波方法，中值滤波最为常用且效果最好。所以在此采用中值滤波进行图像处理前的滤波降噪。实际实施中采用3×3像素大小的窗口进行中值滤波，将图像中的噪声如一些比较亮的点等滤除。滤波前和滤波后的图像如图1和图2所示。

原始的焊接图像中焊缝部分灰度较低，且分布集中，为提高焊缝和背景的对比度，采用非线性函数

进行增强，其中x和z分别为变换前和变换后的灰度值，G_max和G_min分别为数字X射线图像x的最大灰度值和最小灰度值。增强后的图像如图3所示。

2.焊缝分割

本部分首先对预处理后的图像采用Oust方法，即最大类间方差法进行阈值分割。先设定一个阈值T，通过T将图像的灰度值分为两组：t₁(t₁＞T)和t₂(t₂＜T)。使组内方差最小并且使组间方差最大的那个T作为分割的阈值。采用这种选取阈值的方法可以将图像中想要得到的有效信息和背景很好地分离，如图4所示。从图中可以看出，焊缝区别于别处像素的特征有两个，一是焊缝的宽度与别处不同，二是焊缝在竖直方向是连续不间断的，所以，为去除大部分的黑色干扰像素，只保留焊缝部分，采用焊缝的这两个特征进行判断。首先在水平方向上，逐行对图4进行扫描判断，对每一行逐渐累加各个部分的黑色像素的长度，统计其长度值，即连续的像素个数，长度介于T₁＝115和T₂＝130之间的保留，将其余不满足条件的像素值置为255，由此去除了左边大部分的黑色像素。然后在竖直方向上，由于图像中存在像质计等干扰因素，在其水平方向上宽度与焊缝相当，但是像质计在竖直方向上与焊缝明显的不同是其不连续。所以在竖直方向上的处理中，建立一个三维数组block[2000][20][2]，分别用于存放图像的行号、每一行连续的黑色像素区域数目、每块黑色像素的起始列号和终止列号。根据当前行疑似焊缝区域的索引号，判断当前行的前150行和后150行是否有焊缝疑似区域，若某一行有疑似区域，则进一步判断该行的起始像素和终止像素与当前行的起始像素和终止像素在竖直方向上的偏差是否小于50个像素。若条件满足，则保留，若不满足，则将像素值置为255。运行后，可以得到图5所示的图像。

经过以上算法的处理，从图5中可以看到，图像中除了焊缝所在的位置为黑色像素，其余部分的黑色像素均已去除，在此基础上，从左向右，从下到上对图像扫描，找到图像中左上角和左下角的第一个黑色像素，根据两个像素的坐标值，确定出一条直线，经过大量的统计，可将焊缝的宽度设定为200个像素，然后返回原图中，保持焊缝部分不变，焊缝两侧的像素全部置为255，即可分割出焊缝。分割出的几幅焊缝效果如图6-9所示。

3.缺陷检测

在提取后的焊缝中进行缺陷检测，在对焊缝做中值滤波和增强的处理后，首先采用Krisch算子进行边缘检测，检测后的图像作为第一图像，然后采用7×7的窗口进行滤波，弱化检测出的缺陷，将滤波后的图像作为背景图像，之后采用减影法，用第一图像减去背景图像，利用公式f_r＝f-f_b+const，其中f_r为背景去除后的缺陷图像，f为第一图像，f_b为模拟的背景图像，const是一常数，是为避免在计算时出现负值，其值取为差值图像f-f_b的中灰度为负值的所有像素中灰度最小者的绝对值；之后对得到的缺陷图像进行简单的二值化处理，即可得到完整的缺陷图，如图10-12所示，其中的图10为只采用减影法得到的缺陷图，图11为只采用边缘检测法得到的缺陷图，图12为采用边缘检测和减影法相结合后的缺陷图。

从图10-12中可以看出，减影法只能检测出图像中比较大的气泡缺陷，容易漏掉一些小的缺陷，易发生漏判，而边缘检测法虽能检测出图像中很小的气泡，但是焊缝的边缘轮廓失真，容易发生误判。所以在此采用减影法和边缘检测相结合的方法进行缺陷的检测，从两种方法融合后的运行图中可以看出，该方法不仅能够准确的检测出气泡的数量，并且能完好的保持缺陷的形状和焊缝的形状，不会因为焊缝形状的失真而导致误判，也不会因为模拟背景的不平坦而造成漏判。

本发明的内容只限于焊接图像中一系列的宽度在一定范围内的竖条形焊缝，对于环形或者曲线形的焊缝，不在本发明的精神和原则之内。

Claims

1.一种数字X射线图像焊缝分割和缺陷检测方法，其特征在于，包括以下步骤：

1).图像预处理，包括滤波和增强；

3).缺陷检测，采用边缘检测和减影法相结合检测。

2.根据权利要求1所述的数字X射线图像焊缝分割和缺陷检测方法，其特征在于：所述步骤1)中的滤波采用中值滤波进行图像处理前的滤波降噪，滤波窗口采用3×3像素大小，将图像中的噪声滤除。

3.根据权利要求1所述的数字X射线图像焊缝分割和缺陷检测方法，其特征在于：所述步骤1)中的增强采用非线性函数

进行增强，其中x和z分别为变换前和变换后的灰度值，G_max和G_min分别为变换前数字X射线图像x的最大灰度值和最小灰度值。

4.根据权利要求1所述的数字X射线图像焊缝分割和缺陷检测方法，其特征在于：所述步骤2)中的阈值分割为先设定一个阈值T，通过T将图像的灰度值分为两组：t₁和t₂，且t₁＞T，t₂＜T，使组内方差最小并且使组间方差最大的那个T作为分割的阈值，采用这种选取阈值的方法能够将图像中想要得到的有效信息和背景很好地分离。

5.根据权利要求1所述的数字X射线图像焊缝分割和缺陷检测方法，其特征在于：所述步骤2)中寻找焊缝位置采用下述技术方案，焊缝区别于别处像素的特征有两个，一是焊缝的宽度与别处不同，二是焊缝在竖直方向是连续不间断的，所以，为去除大部分的黑色干扰像素，只保留焊缝部分，采用焊缝的这两个特征进行判断；

6.根据权利要求1所述的数字X射线图像焊缝分割和缺陷检测方法，其特征在于：所述步骤2)中的焊缝提取采用下述技术方案，经过步骤2)中寻找焊缝位置技术处理，图像中除了焊缝所在的位置为黑色像素，其余部分的黑色像素均已去除，在此基础上，从左向右，从下到上对图像扫描，找到图像中左上角和左下角的第一个黑色像素，根据两个像素的坐标值，确定出一条直线，经过统计，将焊缝的宽度设定为200个像素，然后返回原图中，保持焊缝部分不变，焊缝两侧的像素全部置为255，即提取出焊缝。

7.根据权利要求1所述的数字X射线图像焊缝分割和缺陷检测方法，其特征在于：所述步骤3)中的缺陷检测首先采用Krisch算子做边缘检测，检测后的图像作为第一图像，然后采用7×7像素窗口进行滤波，弱化检测出的缺陷，将滤波后的图像作为背景图像，之后采用减影法，用第一图像减去背景图像，利用公式f_r＝f-f_b+const，其中f_r为背景去除后的缺陷图像，f为第一图像，f_b为模拟的背景图像，const是一常数，是为避免在计算时出现负值，其值取为差值图像f-f_b的中灰度为负值的所有像素中灰度最小者的绝对值；之后对得到的缺陷图像f_r进行二值化处理，即可得到完整的缺陷图。