[发明专利]基于图像处理的X射线焊缝区域提取方法

说明书

本发明公开了一种基于图像处理的X射线焊缝区域提取方法，涉及工业自动检测领域，包括以下步骤：步骤A：图像预处理；步骤B：基于最小二乘直线拟合的边缘检测；步骤C：计算尺度乘积；本发明的有益效果：通过本发明的方法，能够显著抑制噪声的干扰，提高边缘检测的准确率，因此应用在噪声多、对比度低、焊缝区域边缘模糊、焊缝区域与背景的灰度分布重叠较多的X射线图像中能够取得较好的准确率和鲁棒性。

技术领域

本发明涉及工业自动检测领域，特别涉及一种基于图像处理的X射线焊缝区域提取方法。

背景技术

随着图像处理技术的发展，X射线焊缝缺陷自动检测方面的研究成果也越来越多，其应用也越来越广泛。在X射线焊缝缺陷自动检测系统中，焊缝区域的提取是焊缝缺陷检测与识别的基础，影响着缺陷检测与识别的正确与否。但由于X射线成像方式，钢材材质等客观因素的影响，图像存在噪声多、对比度低、焊缝区域边缘模糊、焊缝区域与背景的灰度分布重叠较多等问题，这使得对图像中焊缝区域的提取存在一定的困难，目前X射线焊缝区域提取算法还不能满足工业应用的实际要求。

X射线焊缝区域提取本质是一个图像分割问题，目前已经有许多的分割算法应用到焊缝区域提取中。Kuo和Wu使用了Prewitt算子并结合了模糊理论，Kong等人利用了Sobel算子和canny算子，Ma等人则通过搜索图像中每列梯度值最大的像素点来检测边缘。这些基于边缘检测的方法在对比度明显，噪声较小的图像中能取得较好的结果，但在边缘模糊的图像中会出现琐碎的边缘，不易形成完整的边界。

Haniza Yazid等人提出基于模糊C均值聚类的阀值分割方法，Li Minxia等人提出基于遗传算法优化的多参数阈值分割方法。然而实际中焊缝区域和背景中的灰度分布存在一定的重叠，导致阀值分割方法不能准确地分离出焊缝区域和背景。

Goumeidane,A.B.等人结合GVF和Snake模型来获得焊接缺陷的边界，Y Boutiche等人提出了基于二进制变分水平集的主动轮廓模型来检测边缘。由于这类模型的初始参数对结果有一定的影响，使得这类模型的自动化程度和可靠性不高。

此外，针对焊缝图像的特征，出现了一些基于知识的焊缝提取方法。Rafael Vilar等人提出了一种基于知识的三层渐进式分割技术。Zhen Ye等人提出了基于知识判别的焊缝边缘检测算法。对于这些方法而言，由于焊缝边缘知识的数学表达通常是不精确或者难以表达的，因而难以有效利用。

发明内容

本发明是针对工业应用中钢管焊缝缺陷自动检测系统中X射线焊缝区域提取准确率低而提出了一种基于图像处理的X射线焊缝区域提取方法。

为解决以上问题，本发明采用的技术方案如下：一种基于图像处理的X射线焊缝区域提取方法，包括以下步骤：

步骤A：图像预处理；

步骤A1：图像去噪；

步骤A2：灰度增强；

步骤A3：模板匹配；

A31：人工截取模板图像；

A32：计算模板参数；

A33：计算子图像块与模板的距离，找出距离最小的子图像块；

步骤B：基于最小二乘直线拟合的边缘检测；

步骤B1：将图像按行分为一系列的灰度曲线；

步骤B2：选取一个窗口，对灰度曲线上处于窗口内的w个像素点进行最小二乘直线拟合，将拟合直线的斜率作为窗口中心像素点的响应；

步骤B3：将窗口在灰度曲线上从左到右滑动，得到整条灰度曲线的响应曲线；

步骤C：计算尺度乘积，得到焊缝区域的边界；