CN107610103B - 一种基于x射线成像的钢管螺旋弧焊缝区域提取方法 - Google Patents

Abstract

本发明公开了一种基于X射线成像的钢管螺旋弧焊缝区域提取方法，对图像进行增强显示、灰度转化和降噪处理之后，再采用Canny算子进行焊缝边缘检测，采用霍夫变换检测直线，对干扰因素进行过滤，获取焊缝两侧直线的像素点集合，并进行拟合得到焊缝边界，最后根据焊缝边界提取焊缝；使焊缝缺陷图像监测能够只针对提取出来的焊缝区域进行，钢管焊缝图像检测的数据量大大的减少，运行时间缩短，缺陷检测的效率显著提高。

Description

一种基于X射线成像的钢管螺旋弧焊缝区域提取方法

技术领域

本发明属于图像处理领域与无损检测领域，具体涉及一种基于X射线成像的钢管螺旋弧焊缝区域提取方法。

背景技术

近年来，随着我国经济的高速发展，国内人民生活水平的提高，基础建设的加快，我国对管线的需求也越来越大，西气东输工程、城市供水系统的改造、城市煤气管道的建设、国家石油管道的兴建等项目都需要大口径的螺旋钢管。这对螺旋钢管生产企业来说既是机遇同时又是挑战，而影响管材质量的主要因素就是钢管的焊缝质量是否有保证，因此焊缝质量检测是钢管制造企业一个重要的工艺环节。

现阶段，在数字实时成像技术中，“X射线工业电视”的无损检测方法在钢管焊缝检测方面占了主导位置。但目前仍采用人工方式进行在线检测与分析，有劳动强度大、主观标准不一致、检测效率低的问题。现有的无损检测图像处理，需要遍历整幅图像。若对整幅图像使用缺陷检测算法，计算量比较大，计算时间长，影响钢管焊缝的检测效率。

发明内容

本发明的目的在于提出一种基于X射线成像的钢管螺旋弧焊缝区域提取方法，通过提取钢管焊缝图像的焊缝区域，然后在提取出来的焊缝区域进行缺陷检测，使得钢管焊缝图像检测的数据量大大的减少，运行时间缩短，缺陷检测算法的效率显著的提高。

为实现上述目的，本发明提供一种基于X射线成像的钢管螺旋弧焊缝区域提取方法，具体包括以下步骤：

步骤1，读取图像，进行图像预处理，包括灰度转换，图像增强与降噪处理；

步骤2，用Canny算子进行焊缝边缘检测；

步骤3，进行霍夫变换，检测直线；

步骤4，两次直线过滤；

步骤5，获取左右两侧直线的像素点集合；

步骤6，对左右边界像素点集合进行拟合，得到焊缝的最终边界；

步骤7，提取焊缝区域。

步骤1中采用指数变换进行图像增强，将采集到的16位灰度图像转换到8位灰度图像进行显示，转换公式如下：

y＝a+bx^c

其中，采集原始数据图像灰度级为65535，转换后的图像为256个灰度级；设x代表原始图像的像素值，y代表转换后的图像的像素值，设定a、b、c三个系数，则x与y的转换关系为：

①、a<b:如果x≤a，则y＝0；如果x≥b，则y＝255；在[a,b]内，采用指数校正增强函数如下：

②、a>b:如果x≤b，则y＝255；如果x≥a,则y＝0；在[b,a]内，采用指数校正增强函数

如下：

对于不同的壁厚和直径的钢管，通过调节a、b、c的参数值，使图像在最佳的成像状态下进行显示，具体实现时设置a、b、c调节滑动条，手动调节a、b、c的值，找到更好的值，改变动态图像的成像效果，以便满足显示的需要。

步骤1中图像降噪处理使用的是帧叠加处理方式进行滤波处理，采用100帧图像叠加，在进行3×3窗口的中值滤波处理。

步骤2中确定Canny边缘检测的参数值时，选Canny值从2开始，靠近扫描起始点进行扫描时，每次增加1，进行焊缝中心线一侧焊缝边界检测，直到确定焊缝时Canny值停止改变，焊缝确定时Canny的值记为Cmin，同理，对焊缝中心线另一侧进行扫描时，Canny值从15开始，每次减少1，进行焊缝中心线的另一侧焊缝边界检测，直到确定焊缝时Canny值停止改变，焊缝确定时Canny的值命名为Cmax；最终采用Cmin和Cmax的平均值作为边缘检测的Canny值参数。

步骤3中使用Opencv库函数HoughLinesP进行霍夫变换，检测直线。

步骤4中进行两次直线过滤，第一次直线过滤，对计算步骤3检测出的所有直线的斜率进行过滤，过滤条件为：

长度小于30个像素值进行过滤；

过滤掉与焊缝中心线平行的直线和与焊缝中心线垂直的直线；

过滤掉斜率大于设定的最大斜率60度和斜率小于设定的最小斜率30度的直线；

其它的直线保留；

第二次过滤直线，根据第一次过滤结果获取焊缝的中心线；过滤掉离中心线小于设定距离的直线，其中设定距离为二分之一焊缝宽度加5像素；还要过滤掉与中心线相交的直线。

步骤5中将焊缝中心线左边的端点存入集合Lpoints中，焊缝中心线右边的端点存入集合Rpoints。

步骤6采用Opencv库函数中的filtline函数对步骤5所得集合Lpoints和集合Rpoints进行拟合，分别得到左右边界。

步骤7中，扫描原始图像，将两边界之间的区域存入结果集合中，得到焊缝区域。

与现有技术相比，本发明至少具有以下有益效果：

首先，本方法先进行图像增强处理，降低图像背景噪声的影响，突出焊缝区域，同时消除背景关照明暗程度不同导致的不稳定问题。其次，在Canny算子参数选取时，本方法基于实验选取的平均值，效果更好，更稳定；样本图片选取施工现场的工作图像，更加贴合实际工作场景；样本选取量为100张图像，这些样本图像覆盖了所有可能影响效果的因素，如光照、电流等。再者，本方法的直线过滤采取了两次，每次过滤只包含一个条件，专一性更强，检测效果更好。最后进行直线拟合，确定两侧边界，在进行图像扫描获取焊缝区域。总之，本方法提取钢管焊缝图像中的焊缝区域，然后在提取出来的焊缝区域进行缺陷检测，焊缝区域大约只占到整个图像的五分之一，使得钢管焊缝图像检测的数据量大大的减少，运行时间缩短，同时排除焊缝之外区域的干扰，最终使得缺陷检测的效率显著提高。

附图说明

图1为本发明的图像处理流程图。

图2为增强处理前的图像。

图3为增强处理后的图像。

图4为对增强处理后的图像进行降噪处理前的图像。

图5为对增强处理后的图像进行降噪处理后的图像。

图6焊缝提取结果图像。

具体实施方式

以下结合附图对本发明的实现步骤和实验效果作进一步详细描述：

本发明的具体实现步骤如下：

本发明的实施图像为16位，1024×1024像素图像，开发环境为VC++与Opencv计算机视觉库，进行如下处理：

步骤1，图像预处理：首先使用指数变换进行图像增强与灰度转化，采用指数变换进行图像增强，将采集到的原始16位灰度图像转换到8位灰度图像进行显示，转换公式如下：

y＝a+bx^c

其中，采集原始数据图像灰度级为65535，转换后的图像为256个灰度级；设x代表原始图像的像素值，y代表转换后的图像的像素值，设定a、b、c三个系数，则x与y的转换关系为：

①、a<b:如果x≤a，则y＝0；如果x≥b，则y＝255；在[a,b]内，采用指数校正增强函数如下：

②、a>b:如果x≤b，则y＝255；如果x≥a,则y＝0；在[b,a]内，采用指数校正增强函数

如下：

对于不同壁厚和直径的钢管都可以通过手工调整a、b、c的参数值，使图像达到最佳显示状态；图像增强前如图1所示，增强后如图2所示，图2所示图像的相对于图1所示图像其对比度明显增大，焊缝边界更加清晰。

再进行100帧的图像叠加滤波处理，使用3×3窗口大小的中值滤波对图像进行降噪处理。图像降噪前如图3所示，降噪后如图4所示，帧叠加处理后的图像和帧叠加处理前的图像相比，图4所示的图像背景噪声明显消除，缺陷边缘信息得到增强，滤掉噪声的同时达到图像增强的效果。

步骤2，焊缝边缘检测：使用Canny算子进行边缘检测，确定Canny边缘检测的参数值时，选Canny值从2开始，靠近扫描起始点进行扫描时，每次增加1，进行焊缝中心线一侧焊缝边界检测，直到确定焊缝时Canny值停止改变，焊缝确定时Canny的值记为Cmin，同理，对焊缝中心线另一侧进行扫描时，Canny值从15开始，每次减少1，进行焊缝中心线的另一侧焊缝边界检测，直到确定焊缝时Canny值停止改变，焊缝确定时Canny的值命名为Cmax；最终采用Cmin和Cmax的平均值作为边缘检测的Canny值参数。

步骤3，进行霍夫变换，使用Opencv库函数HoughLinesP函数进行直线检测。

步骤4，对步骤3检测出的直线进行两次过滤，滤掉背景直线噪音；过滤条件为：

长度小于30个像素值进行过滤；

过滤掉与焊缝中心线平行的直线和与焊缝中心线垂直的直线；

过滤掉斜率大于设定的最大斜率60度和斜率小于设定的最小斜率30度的直线；

其它的直线保留；

第二次过滤直线，根据第一次过滤结果获取焊缝的中心线；过滤掉距中心线小于设定距离的直线，其中设定距离为二分之一焊缝宽度加5像素；还要过滤掉与中心线相交的直线。

步骤5，获取焊缝两边界集合：将焊缝中心线左边的端点存入集合Lpoints中，焊缝中心线右边的端点存入集合Rpoints。

步骤6，使用Opencv库函数fitline(InputArray points,OutputArray Line,intdistType,doublereps,double aeps)对步骤5所得集合Lpoints和Rpoints进行直线拟合，得到焊缝边界。

步骤7，对整幅图进行遍历，根据左右边界提取边界之间的区域，通过扫描整个原始图像，将左右边界在同一行的二维坐标作为边界值，提取中间区域，存储到目标集合中，即可以获得如图5所示的两条直线之间的焊缝区域。

Claims (8)

1.一种基于X射线成像的钢管螺旋弧焊缝区域提取方法，其特征在于，包括以下步骤：

步骤1，读取图像，进行图像预处理，包括灰度转换，图像增强与降噪处理；

步骤2，用Canny算子进行焊缝边缘检测；

步骤3，进行霍夫变换，检测直线；

步骤4，两次直线过滤；第一次直线过滤，对计算步骤3检测出的所有直线的斜率进行过滤，过滤条件为：

长度小于30个像素值进行过滤；

过滤掉与焊缝中心线平行的直线和与焊缝中心线垂直的直线；

过滤掉斜率大于设定的最大斜率60度和斜率小于设定的最小斜率30度的直线；

其它的直线保留；

第二次过滤直线，根据第一次过滤结果获取焊缝的中心线；过滤掉离中心线小于设定距离的直线，其中设定距离为二分之一焊缝宽度加5像素；还要过滤掉与中心线相交的直线；

步骤5，获取左右边界直线的像素点集合；

步骤6，对左右边界像素点集合进行拟合，得到焊缝的最终边界；

步骤7，提取焊缝区域。

2.根据权利要求1所述的一种基于X射线成像的钢管螺旋弧焊缝区域提取方法，其特征在于，步骤1中采用指数变换进行图像增强，将采集到的16位灰度图像转换到8位灰度图像进行显示，转换公式如下：

y＝a+bx^c

其中，采集原始数据图像灰度级为65535，转换后的图像为256个灰度级；设x代表原始图像的像素值，y代表转换后的图像的像素值，设定a、b、c三个系数，则x与y的转换关系为：

①、a<b:如果x≤a，则y＝0；如果x≥b，则y＝255；在[a,b]内，采用指数校正增强函数如下：

②、a>b:如果x≤b，则y＝255；如果x≥a,则y＝0；在[b,a]内，采用指数校正增强函数如下：

对于不同的壁厚和直径的钢管，通过调节a、b、c的参数值，使图像在最佳的成像状态下进行显示。

3.根据权利要求1所述的一种基于X射线成像的钢管螺旋弧焊缝区域提取方法，其特征在于，步骤1中图像降噪处理使用的是帧叠加处理方式进行滤波处理，采用100帧图像叠加，在进行3×3窗口的中值滤波处理。

4.根据权利要求1所述的一种基于X射线成像的钢管螺旋弧焊缝区域提取方法，其特征在于，步骤2中确定Canny边缘检测的参数值时，选Canny值从2开始，靠近扫描起始点进行扫描时，每次增加1，进行焊缝中心线一侧焊缝边界检测，直到确定焊缝时Canny值停止改变，焊缝确定时Canny的值记为Cmin，同理，对焊缝中心线另一侧进行扫描时，Canny值从15开始，每次减少1，进行焊缝中心线的另一侧焊缝边界检测，直到确定焊缝时Canny值停止改变，焊缝确定时Canny的值命名为Cmax；最终采用Cmin和Cmax的平均值作为边缘检测的Canny值参数。

5.根据权利要求1所述的一种基于X射线成像的钢管螺旋弧焊缝区域提取方法，其特征在于，步骤3中使用Opencv库函数HoughLinesP进行霍夫变换，检测直线。

6.根据权利要求1所述的一种基于X射线成像的钢管螺旋弧焊缝区域提取方法，其特征在于，步骤5中将焊缝中心线左边的端点存入集合Lpoints中，焊缝中心线右边的端点存入集合Rpoints。

7.根据权利要求6所述的一种基于X射线成像的钢管螺旋弧焊缝区域提取方法，其特征在于，步骤6采用Opencv库函数中的filtline函数对步骤5所得集合Lpoints和集合Rpoints进行拟合，分别得到左右边界。

8.根据权利要求1所述的一种基于X射线成像的钢管螺旋弧焊缝区域提取方法，其特征在于，步骤7中，扫描原始图像，将两边界之间的区域存入结果集合中，得到焊缝区域。

Images