CN105588845A - 一种焊接缺陷特征参数提取方法 - Google Patents

Abstract

本发明公开一种焊接缺陷特征参数提取方法，步骤为：获取焊缝图像；对焊缝图像进行预处理；对焊缝图像进行二值化分割；焊缝图像背景去除；焊接缺陷标记；焊接缺陷几何特征参数提取。本发明的焊接缺陷特征参数提取方法通过获得焊接缺陷的周长、面积、圆形度等几何特征参数，为焊接缺陷的分类和识别做好了前期的准备，既保留了焊接缺陷的主要特征信息，为焊接缺陷的识别提供了可靠的保证，又降低了焊接缺陷特征数据的维数，提高了焊接缺陷识别速度。

Description

一种焊接缺陷特征参数提取方法

技术领域

本发明属于图像处理技术领域，特别涉及图像特征提取，具体的说，是涉及一种焊接缺陷特征参数提取方法。本发明是从整幅焊缝图像中，提取出焊接缺陷的周长、面积、圆形度等几何特征参数，以便于焊接缺陷的分类和识别。该方法可用在焊接质量在线检测技术领域中。

背景技术

随着现代工业技术的发展，焊接作为一种重要的加工技术，目前在机械制造业得到广泛应用。对焊接产品而言，焊接质量的好坏决定了整个产品质量的高低。在焊接过程中，由于受到工作环境的影响，焊接构件不可避免地会出现缺陷，常见的缺陷有裂纹、气孔、夹渣、未焊透等。这些具有缺陷的焊接构件若不能及时准确地检测出来，将会严重影响着产品的焊接质量，甚至威胁着生产安全。因此，探索焊接缺陷检测方法，识别焊接缺陷类型，对提高焊接质量和保障焊接生产安全具有重要意义。

在对焊接缺陷的检测过程中，焊接缺陷的特征参数提取是必不可少的环节。特征参数提取是缺陷识别和分类检测的前提和基础。它从大量的焊接缺陷特征参数中找出最能代表该缺陷的少量特征参数，从而减少了评判指标，方便了焊接缺陷的分类和识别。到目前为止，国内外学者提出了很多种特征参数提取方法，常用的方法有：小波分析法、傅里叶变换法、缺陷特征参数表示法。其中，小波分析法和傅里叶变换法属于频域处理方法，过程比较复杂，计算时间比较长，不利于焊接缺陷的实时检测，而缺陷特征参数表示法因其所选参数的多样性与灵活性而在焊接缺陷检测中得到广泛应用。

发明内容

本发明的目的在于解决目前焊接缺陷特征参数提取方法方面的缺陷和不足，提供一种焊接缺陷特征参数提取方法。

本发明的焊接缺陷特征参数提取方法既保留了焊接缺陷主要特征信息，为焊接缺陷的识别提供了可靠的保证，又降低了焊接缺陷特征数据的维数，提高了焊接缺陷识别速度。

为实现上述目的，本发明采用的技术方案是：

一种焊接缺陷特征参数提取方法，包括如下步骤：

1、获取焊缝图像：采用工业计算机作为主控制器，通过嵌入的图像采集卡实现焊缝图像的采集，被测焊缝经透射光源照射后成像于工业相机的CCD上，通过图像采集卡将采集到的焊缝图像传输到工业计算机，从而获取焊缝图像；

2、对图像进行预处理：对步骤1获得的焊缝图像依顺序采用中值滤波的方法和模糊增强法进行预处理；

其中，所述的中值滤波的方法，具体内容是，针对图像的每个非边缘像素点，以该像素点为中心，对其一个正方形窗口范围内所有像素点的灰度值排序，取排序后灰度值的中值作为该像素点新的灰度值；正方形窗口一般选用3×3或5×5的方形模板，本发明选用3×3模板。

所述的模糊增强法，其步骤如下：

①整幅图像有m×n个像素点，将该幅具有l个灰度级的焊缝图像X，变换成一个模糊矩阵

I，记为：

$I=\underset{i=1}{\overset{m}{\∪}}\underset{j=1}{\overset{n}{\∪}}{u}_{ij}$

式中：u_ij表示坐标为(i,j)的像素点的隶属度，

隶属度函数u_mn满足：

u_ij＝x_ij/(l-1)

式中：x_ij表示坐标为(i,j)的像素点的灰度值；

②利用下列公式对图像进行1次模糊增强处理，

$u_{ij}^1=T_1\left(u_{ij}\right)=\left\{\begin{array}{cc}2{\left(u_{ij}\right)}^2& 0\&le;u_{ij}\&le;0.5\\ 1-2{(1-u_{ij})}^2& 0.5<u_{ij}\&le;1\end{array}\right.$

③根据需要进行多次模糊增强处理，

$u_{ij}^r=T_1\left(T_{r-1}\right(u_{ij}\left)\right),r=2,\mathrm{3...}$

式中：r表示r次模糊增强处理，

经过r次模糊增强处理后，形成新的图像灰度值隶属度矩阵，

$I^r=\underset{i=1}{\overset{m}{\&cup;}}\underset{j=1}{\overset{n}{\&cup;}}{u}_{ij}^r$

④对图像灰度值隶属度矩阵I^r进行逆变换，从而得到经过模糊增强后的焊缝图像X′的灰度值矩阵为：

$X^{\&prime;}=\underset{i=1}{\overset{m}{\&cup;}}\underset{j=1}{\overset{n}{\&cup;}}\left(\right(l-1)\&times;u_{ij}^r)$

3、对焊缝图像进行二值化分割，其步骤如下：

①整幅图像X有m×n个像素点，具有l个灰度级，灰度值为g的像素点的个数为n_g，初始化图像的分割阈值t＝0，最佳分割阈值t_opt＝0，类间方差与类内方差的比值最大值R_max＝0；

②根据分割阈值t把图像分割成区域C₀和区域C₁，分别计算区域C₀和区域C₁的像素点占总像素点的比例w₀和w₁，像素点的平均灰度u₀和u₁；以及整幅图像平均灰度值u，

$w_0=\underset{g=0}{\overset{t}{\&Sigma;}}{n}_g/(m\&times;n)$

w₁＝1-w₀

$u_0=\left(\underset{g=0}{\overset{t}{\&Sigma;}}{\mathrm{gn}}_g\right)/\underset{g=0}{\overset{t}{\&Sigma;}}{n}_g$

$u_1=\left(\underset{g=t+1}{\overset{l-1}{\&Sigma;}}{\mathrm{gn}}_g\right)/\underset{g=t+1}{\overset{l-1}{\&Sigma;}}{n}_g$

$u=\left(\underset{g=0}{\overset{l-1}{\&Sigma;}}{\mathrm{gn}}_g\right)/(m\&times;n)$

③计算图像的类内方差类间方差类间方差与类内方差的比值R；

${\mathrm{\&sigma;}}_W^2=\underset{g=0}{\overset{t}{\&Sigma;}}{(g-u_0)}^2/\underset{g=0}{\overset{t}{\&Sigma;}}{n}_g+\underset{g=t+1}{\overset{l-1}{\&Sigma;}}{(g-u_1)}^2/\underset{g=t+1}{\overset{l-1}{\&Sigma;}}{n}_g$

${\mathrm{\&sigma;}}_B^2=w_1.w_2{({\left(u_0-u\right)}^2-{\left(u_1-u\right)}^2)}^2$

$R=\frac{{\mathrm{\&sigma;}}_B^2}{{\mathrm{\&delta;}}_W^2}$

④判断类间方差与类内方差的比值R是否大于R_max，当判断类间方差与类内方差的比值R大于R_max，则更新R_max和t_opt值，即用用本次类间方差与类内方差的比值R更新R_max，本次分割阈值t更新t_opt，否则，不更新R_max和t_opt值；

⑤判断分割阈值t是否小于l-1，当分割阈值t小于l-1，则更新分割阈值t＝t+1，返回步骤②，否则确定最佳分割阈值t_opt的值为最终最佳分割阈值；

⑥根据最佳分割阈值t_opt二值化图像，从上到下，从左到右扫描整幅图像，当该像素点的灰度值大于分割阈值t_opt，则将该点的灰度值变成255，否则变成0；

4、焊缝图像背景去除：先对焊缝图像进行由上到下的列扫描，当从黑点变为白点时，记下该白点像素的列坐标值，并定义为上边缘，把每一列上边缘以上的黑色像素点全都变成白色像素点，即灰度值由原来的0变成255，再对焊缝图像进行一次由下到上的列扫描，当从黑点变为白点时，记下该白点像素的列坐标值，并定义为下边缘，把每一列下边缘以下的黑色像素点全都变成白色像素点，即灰度值由原来的0变成255；

5、对焊接缺陷进行标记，具体步骤如下：

①将整幅焊缝图像上所有的像素点均设为未标记；

②按从左到右，从上到下的顺序扫描像素点，找到未标记区域灰度值为0的第一点，标记该点，数标为1；

③依次判断该点相邻的右边点、右下点、正下点和左下点，当某一个方向的点像素为黑，且未被标记，则将该点坐标按顺序压入堆栈中，同时用当前数标标记该点；

④弹出栈顶像素，重复步骤③；

⑤直到栈为空，则结束此次遍历，返回步骤②，数标递增1；

⑥当整幅焊缝图像所有灰度值为0的像素点都标记，结束扫描。

6、对焊接缺陷进行特征参数提取：

对焊接缺陷进行包括面积、周长、圆形度几何特征参数的测量和提取，具体内容是：

(1)按下式对图像尺寸进行标定

$k=\frac{d}{x}$

式中，d为金属丝透度计两丝间距的实际长度，x为金属丝透度计中两丝间距中的像素个数，

(2)几何特征参数——面积的提取方法是，采用统计焊接缺陷图像内部，包括焊接缺陷图像边界所有像素点个数的方法来计算焊接缺陷面积，设每一个焊接缺陷图像的像素数目为P，则焊接缺陷实际面积为S：

S＝P×k²

(3)几何特征参数——周长的提取方法是，采用计算焊接缺陷图像边界所包含的像素点个数Q，按下式求得焊接缺陷实际周长L：

L＝Q×k

(4)几何特征参数——圆形度的提取方法是，按下式得到：

$R=\frac{4\mathrm{\&pi;}\&times;S}{L^2}$

其中，R为圆形度，取值范围为(0,1)；S为焊接缺陷实际面积；L为焊接缺陷实际周长。当圆形度R越接近于1，则缺陷形状越接近于圆形；当圆形度R越趋近于0，则缺陷形状越接近于长条形。

本发明与现有技术相比具有以下优点：

本发明的焊接缺陷特征参数提取方法，既保留了焊接缺陷主要特征信息，为焊接缺陷的识别提供了可靠的保证，又降低了焊接缺陷特征数据的维数，提高了焊接缺陷识别速度。

附图说明：

图1为本发明的焊接缺陷特征参数提取方法流程图；

图2为一幅焊缝图像采用本发明的方法进行图像处理的效果图。其中图(a)为焊缝原图，图(b)为焊缝图像中值滤波图，图(c)为焊缝图像模糊增强图，图(d)为焊缝图像二值化分割图，图(e)为焊缝图像去除背景图，图(f)为焊接缺陷标记图。

具体实施方式

下面结合附图和具体实施例对本发明的技术方案做进一步详细说明。

如图1所示，为本发明的一种焊接缺陷特征参数提取方法的流程，具体包括如下步骤：

步骤1.获取焊缝图像；

图像采集系统包括：一台Basler公司的acA2500-14gm工业相机、一台凌华公司的

PCIE-Gie64图像采集卡、一台工控机和现场焊接装置。整个系统以工控机作为主控制器，通过嵌入的PCIE-Gie64图像采集卡实现圆锯片图像的采集，被测焊缝经透射光源照射后成像于工业相机CCD上，通过图像采集卡将采集到的焊缝图像传输到计算机，从而获取焊缝图像如图2(a)所示。

步骤2.对图像进行预处理；

图像预处理包括中值滤波和图像增强两个过程。

中值滤波是为了减少噪声对图像质量的影响，其思想是针对图像的每个非边缘像素点，以该像素点为中心，对其一个正方形窗口范围内所有像素点的灰度值排序，取排序后灰度值的中值作为该像素点新的灰度值；正方形窗口一般选用3×3或5×5的方形模板，本发明选用3×3模板。

焊缝图像图2(a)经过中值滤波后，其效果如图2(b)所示，从图中可以看出，经过中值滤波后，图像的噪声大幅度减少。

图像增强是突出图像中的有用信息而抑制无用信息，从而使图像中的细节凸显，图像对比度增强，本实施例采用模糊增强法，通过把图像灰度值变换为一个模糊矩阵，然后对模糊矩阵因子做增强处理，最后再通过反变换转换成增强后的灰度值。具体实现步骤如下：

1)整幅图像有944×308个像素点，将该幅具有256个灰度级的焊缝缺陷图像X，变换成一个模糊矩阵I，记为：

$I=\underset{i=1}{\overset{944}{\&cup;}}\underset{j=1}{\overset{308}{\&cup;}}{u}_{ij}$

式中：u_ij表示坐标为(i,j)的像素点的隶属度。

隶属度函数u_mn满足：

u_ij＝x_ij/255

式中：x_ij表示坐标为(i,j)的像素点的灰度值。

2)利用下列公式对图像进行1次模糊增强处理。

$u_{ij}^1=T_1\left(u_{ij}\right)=\left\{\begin{array}{cc}2{\left(u_{ij}\right)}^2& 0\&le;u_{ij}\&le;0.5\\ 1-2{(1-u_{ij})}^2& 0.5<u_{ij}\&le;1\end{array}\right.$

3)根据需要可以进行多次模糊增强处理

$u_{ij}^r=T_1\left(T_{r-1}\right(u_{ij}\left)\right),r=2,\mathrm{3...}$

式中：r表示r次模糊增强处理

经过r次模糊增强处理后，形成新的图像灰度值隶属度矩阵

$I^r=\underset{i=1}{\overset{944}{\&cup;}}\underset{j=1}{\overset{308}{\&cup;}}{u}_{ij}^r$

4)对图像灰度值隶属度矩阵I^r进行逆变换，从而得到经过模糊增强后的焊缝缺陷图像X′的灰度值矩阵为：

$X^{\&prime;}=\underset{i=1}{\overset{944}{\&cup;}}\underset{j=1}{\overset{308}{\&cup;}}(255\&times;u_{ij}^r)$

对图2(b)进行模糊增强，得到图2(c)，可以看出，焊缝图像的焊缝区域更加明显。

步骤3.对焊缝图像进行二值化分割；

1)整幅图像X有944×308个像素点，灰度值为g的像素点的个数为n_g，初始化图像的分割阈值t＝0，最佳分割阈值t_opt＝0，类间方差与类内方差的比值最大值R_max＝0；

2)根据分割阈值t把图像分割成区域C₀和区域C₁，分别计算区域C₀和区域C₁的像素点占总像素点的比例w₀和w₁，像素点的平均灰度u₀和u₁；

$w_0=\underset{g=0}{\overset{t}{\&Sigma;}}{n}_g/(944\&times;308)$

w₁＝1-w₀

$u_0=\left(\underset{g=0}{\overset{t}{\&Sigma;}}{\mathrm{gn}}_g\right)/\underset{g=0}{\overset{t}{\&Sigma;}}{n}_g$

$u_1=\left(\underset{g=t+1}{\overset{255}{\&Sigma;}}{\mathrm{gn}}_g\right)/\underset{g=t+1}{\overset{255}{\&Sigma;}}{n}_g$

$u=\left(\underset{g=0}{\overset{255}{\&Sigma;}}{\mathrm{gn}}_g\right)/(944\&times;308)$

3)计算图像的类内方差类间方差类间方差与类内方差的比值R；

${\mathrm{\&sigma;}}_W^2=\underset{g=0}{\overset{t}{\&Sigma;}}{(g-u_0)}^2/\underset{g=0}{\overset{t}{\&Sigma;}}{n}_g+\underset{g=t+1}{\overset{255}{\&Sigma;}}{(g-u_1)}^2/\underset{g=t+1}{\overset{255}{\&Sigma;}}{n}_g$

${\mathrm{\&sigma;}}_B^2=w_1.w_2{({\left(u_0-u\right)}^2-{\left(u_1-u\right)}^2)}^2$

$R=\frac{{\mathrm{\&sigma;}}_B^2}{{\mathrm{\&delta;}}_W^2}$

4)判断类间方差与类内方差的比值R是否大于R_max，若判断类间方差与类内方差的比值R大于R_max，则更新R_max和t_opt值，否则，不更新R_max和t_opt值；

5)判断分割阈值t是否小于255，如果分割阈值t小于255，则更新分割阈值t＝t+1，返回步骤2)，否则确定最佳分割阈值t_opt的值为最终最佳分割阈值。

6)根据最佳分割阈值t_opt二值化图像。从上到下，从左到右扫描整幅图像，如果该像素点的灰度值大于分割阈值t_opt，将该点的灰度值变成255，否则变成0。

对图2(c)进行二值化分割，得到图2(d)，焊缝图像被分割成焊缝区域和背景区域两个部分，其中的白色区域就是焊缝部分，黑色部分属于背景部分。

步骤4.对焊缝图像进行背景去除；

先对图像进行逐列自上到下的列扫描，当从黑点变为白点时，记下该白点像素的列坐标值，把它定义为上边缘，把每一列上边缘以上的黑色像素点全都变成白色像素点(灰度值由原来的0变成255)，这样就将缺陷图像上边缘以上的大面积的黑色背景部分去除了。再对缺陷图像进行一次由下到上的列扫描，同样的方法去除了缺陷图像的下边缘黑色背景部分。

通过两次列扫描焊缝图像图2(d)，得到图像图2(e)，焊缝图像去除了黑色背景部分，提取出焊缝区域。

步骤5.对焊接缺陷进行目标标记；

1)整幅图像上所有的像素点均设为未标记；

2)按从左到右，从上到下的顺序扫描像素点，找到未标记区域的灰度值为0的第一点，标记该点，数标为1；

3)依次判断该点相邻的右边点、右下点、正下点和左下点，当某一个方向的点像素为黑,且未被标记，则将该点坐标按顺序压入堆栈中，同时用当前数标标记该点；

4)弹出栈顶像素，重复步骤3)；

5)直到栈为空，则结束此次遍历，返回步骤2)，数标递增1。

6)当整幅图像所有灰度值为0的像素点都标记，结束扫描。

通过对图像图2(e)进行目标标记后，得到图像图2(f)，用数标标出了焊缝图像上所有的焊接缺陷，本实例中，共有5个焊接缺陷。

步骤6.对焊接缺陷进行特征参数提取；

所提取的几何特征参数是面积、周长、圆形度。在计算周长、面积等参数之前，需要先对图像尺寸标定方法做一个界定，把图像中所提取到的特征参量转化为实际的尺寸。本发明利用金属丝透度计，两丝之间间距为5mm长的线段的像素点数为15。因为同一图像上的两根线段扫描精度相等，所以有如下关系：

$k=\frac{5}{15}=\frac{1}{3}$

所述的几何特征参数面积其提取方法是，采用统计缺陷区域内部(包括缺陷边界)所有像素点个数的方法来计算缺陷区域面积。在步骤5焊缝缺陷区域在标记的时候，已统计了每一个缺陷区域的像素数目P，则缺陷区域实际面积S为：

S＝P×k²

所述的几何特征参数周长其提取方法是，计算缺陷边界所包含的像素点个数来求缺陷周长。标记的焊缝缺陷区域像素点可以分为两类：缺陷内部点和缺陷边界点。对每一个缺陷所统计的像素点逐个进行判断，如果该点的上、下、左、右四个方向上的点都是黑色点，则表明该点为缺陷内部点，忽略此点；反之，则表明该点为边界点，记录此点。对记录下的像素点个数进行统计为Q，则焊缝缺陷区域实际周长L为：

L＝Q×k

所述的几何特征参量圆周度其提取方法是，满足如下计算公式：

$R=\frac{4\mathrm{\&pi;}\&times;S}{L^2}$

其中，R为圆形度，取值范围为(0,1]；S为缺陷面积；L为缺陷边界周长。圆形度越接近于1，缺陷形状越接近于圆形；越趋近于0，则缺陷形状越接近于长条形。

由图像图2(f)所示，该焊缝缺陷图像上有5个焊缝缺陷，缺陷的周长、面积、圆形度如表1所示：

表1.焊缝缺陷区域特征参数

以上所述，仅为本发明较佳的具体实施方式。当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，任何熟悉本技术领域的技术人员，当可根据本发明作出各种相应的等效改变和变形，都应属于本发明所附的权利要求的保护范围。

Claims (5)

1.一种焊接缺陷特征参数提取方法，其特征在于，包括如下步骤：

(1)获取焊缝图像：采用工业计算机作为主控制器，通过嵌入的图像采集卡实现焊缝图像的采集，被测焊缝经透射光源照射后成像于工业相机的CCD上，通过图像采集卡将采集到的焊缝图像传输到工业计算机，从而获取焊缝图像；

(2)对图像进行预处理：对步骤(1)获得的图像依顺序采用中值滤波的方法和模糊增强法进行预处理；

(3)对焊缝图像进行二值化分割，其步骤如下：

①整幅图像X有m×n个像素点，具有l个灰度级，灰度值为g的像素点的个数为n_g，初始化图像的分割阈值t＝0，最佳分割阈值t_opt＝0，类间方差与类内方差的比值最大值R_max＝0；

②根据分割阈值t把图像分割成区域C₀和区域C₁，分别计算区域C₀和区域C₁的像素点占总像素点的比例w₀和w₁，像素点的平均灰度u₀和u₁；以及整幅图像平均灰度值u；

w₁＝1-w₀

③计算图像的类内方差类间方差类间方差与类内方差的比值R；

④判断类间方差与类内方差的比值R是否大于R_max，当判断类间方差与类内方差的比值R大于R_max，则更新R_max和t_opt值，即用本次类间方差与类内方差的比值R更新R_max，用本次分割阈值t更新t_opt，否则，不更新R_max和t_opt值；

⑤判断分割阈值t是否小于l-1，当分割阈值t小于l-1，则更新分割阈值t＝t+1，返回步骤②，否则确定最佳分割阈值t_opt的值为最终最佳分割阈值；

⑥根据最佳分割阈值t_opt二值化图像，从上到下，从左到右扫描整幅图像，当该像素点的灰度值大于分割阈值t_opt，则将该点的灰度值变成255，否则变成0；

(4)焊缝图像背景去除：先对焊缝图像进行由上到下的列扫描，当从黑点变为白点时，记下该白点像素的列坐标值，并定义为上边缘，把每一列上边缘以上的黑色像素点全都变成白色像素点，即灰度值由原来的0变成255，再对焊缝图像进行一次由下到上的列扫描，当从黑点变为白点时，记下该白点像素的列坐标值，并定义为下边缘，把每一列下边缘以下的黑色像素点全都变成白色像素点，即灰度值由原来的0变成255；

(5)对焊接缺陷进行标记，具体步骤如下：

A、将整幅焊缝图像上所有的像素点均设为未标记；

B、按从左到右，从上到下的顺序扫描像素点，找到未标记区域的灰度值为0第一点，标记该点，数标为1；

C、依次判断该点相邻的右边点、右下点、正下点和左下点，当某一个方向的点像素为黑，且未被标记，则将该点坐标压入堆栈中，同时用当前数标标记该点；

D、弹出栈顶像素，重复步骤C；

E、直到栈为空，则结束此次遍历，返回步骤B，数标递增1；

F、当整幅焊缝图像所有灰度值为0的像素点都标记，结束扫描；

(6)对焊接缺陷进行特征参数提取：对焊接缺陷进行包括面积、周长、圆形度几何特征参数的测量和提取，具体内容是：

a、按下式对图像尺寸进行标定

式中，d为金属丝透度计两丝间距的实际长度，x为金属丝透度计中两丝间距中的像素个数；

b、几何特征参数————面积的提取方法是，采用统计焊接缺陷图像内部，包括焊接缺陷图像边界所有像素点个数的方法来计算焊接缺陷面积，设每一个焊接缺陷图像的像素数目为P，则焊接缺陷实际面积为S：

S＝P×k²

c、几何特征参数————周长的提取方法是，采用计算焊接缺陷图像边界所包含的像素点个数Q，按下式求得焊接缺陷实际周长L：

L＝Q×k

d、几何特征参数————圆形度的提取方法是，按下式得到：

其中，R为圆形度，取值范围为(0，1)；S为焊接缺陷实际面积；L为焊接缺陷实际周长。当圆形度R越接近于1，则焊接缺陷形状越接近于圆形；当圆形度R越趋近于0，则焊接缺陷形状越接近于长条形。

2.根据权利要求1所述的焊接缺陷特征参数提取方法，其特征在于，步骤(2)所述的中值滤波的方法，具体内容是，针对图像的每个非边缘像素点，以该像素点为中心，对其一个正方形窗口范围内所有像素点的灰度值排序，取排序后灰度值的中值作为该像素点新的灰度值。

3.根据权利要求1所述的焊接缺陷特征参数提取方法，其特征在于，步骤(2)所述的模糊增强法，其步骤如下：

I、整幅图像有m×n个像素点，将该幅具有l个灰度级的焊缝图像X，变换成一个模糊矩阵I，记为：

式中：u_ij表示坐标为(i,j)的像素点的隶属度

隶属度函数u_mn满足：

u_ij＝x_ij/(l-1)

式中：x_ij表示坐标为(i,j)的像素点的灰度值；

II、利用下列公式对图像进行1次模糊增强处理，

III、根据需要进行多次模糊增强处理，

式中：r表示r次模糊增强处理，

经过r次模糊增强处理后，形成新的图像灰度值隶属度矩阵，

IV、对图像灰度值隶属度矩阵I^r进行逆变换，从而得到经过模糊增强后的焊缝图像X′的灰度值矩阵为：

。

4.根据权利要求2所述的焊接缺陷特征参数提取方法，其特征在于，所述正方形窗口为3×3或5×5方形模板。

5.根据权利要求2或4所述的焊接缺陷特征参数提取方法，其特征在于，所述正方形窗口优选为3×3方形模板。