图像边缘检测技术在焊接环境识别中的应用(下)

HEATS

　　2.1.2 Laplacian算子

　　Laplacian算子是一种二阶微分算子，其在数字图像中的一般表示形式是：

) M. ?6 U+ a5 t0 Z' ^9 h

　　其中s是以f(m,n)为中心的邻点的集合，可是4或8邻点。可直接以作为边缘象素灰度，也可把的象素作为边缘。

　　梯度算子和Laplacian算子对噪声都比较敏感。对此可以在做边缘提取前先用邻域平均法做平滑处理，同时可以用高斯形二维低通滤波器对图像进行滤波，然后再作Laplacian边缘提取。这就是常用的Laplacian-Gauss算子。在焊接工件上有很多噪声点，而微分运算对那些孤立的噪声点有“扩散”作用，尤其是Laplacian算子，不但扩散而且强度显著增大。所以在微分算子检测边缘之前最好清除噪声。而对于对接的焊缝，当间隙较小时其边缘特征显示为细直线，微分运算后会变宽。由于梯度算子可以检测图像边缘的方向，更适合于焊接环境的识别。

　　2.2小波多尺度边缘检测方法

: B# ^: }6 z) K1 r1 Y; Y

　　小波变换可以通俗的理解为：将原始的信号和小波函数的左端进行比较，求出两个函数的相似性系数，然后将小波函数右移一个小波函数的距离，进行比较和计算，直至完成整个信号的运算；这样得到一个尺度下的小波系数。将小波函数膨胀，重复上述过程，得到一系列尺度下的小波系数。图像中的突变点是分析图像时的关键特征，通常就是感兴趣的边缘特征。边缘检测就是从小波系数的变化梯度方向上找到阶跃的突变点。为了检测到图像中大目标结构的边缘和细节特征，研究者提出了多尺度边缘检测的概念，即在大尺度上检测出目标的大边缘，在小尺度上检测到目标细节。相关理论可参见文献。该方法是当前图像处理中的热点之一，具有较好的发展前途。已有文献将其应用到焊接熔池图像的处理中。

　　对焊接环境来讲，该方法具有较好的适应性，可以对工件或者熔池从大尺度上搜索出目标，然后提取出感兴趣的细节。

　　2.3数学形态学方法

　　数学形态学是研究数字影像形态结构特征与快速并行处理方法的理论，是通过对目标影像的形态变换实现结构分析和特征提取的目的。数学形态学以图像的形态特征为研究对象，它的主要内容是设计一整套概念、变换和算法，用来描述图像的基本特征和基本结构，也就是描述图像中元素与元素、部分与部分间的关系。图像中对象及图像特征直接取决于形状，数学形态学的目的是在时域空间研究形状，所以形态学适用于图像处理。形态运算中的腐蚀、膨胀、开、闭是基于集合的运算。在这些运算中结构元素具有非常关键的作用，它调整图像特征变换的几何结构。借助形态运算可以引入图像边缘检测算子。数学形态学中的膨胀和腐蚀运算有着很直观的几何背景,它们可以使被处理的图像在一定方向上增厚或减薄,原图像与这两种运算的差则可以用作全方位的边缘检测,即或便可检出图像的边缘。此外，形态学方法还可以通过自适应方法对所获图像边缘进行修正，逐步调整结构元素窗口尺寸，达到有效增强模糊边缘并适当消除噪声影响的目的。

　　2.4亚象素边缘检测算法

　　上述这些边缘检测算法都是在象素级上进行，亚象素边缘检测是指将边缘附近的象素分解，从而精确确定边缘所在。亚象素边缘检测将图像数据映射到有9个参数构成的Hilbert空间，从而确定边缘参数。Ghosal和Mehrotal首次提出了利用Zernike矩(Zernike Moments ZMs)来检测亚象素边缘，在他们的算法中对边缘建立了理想的阶跃灰度模型，通过计算图像的三个不同阶次的ZMs，把理想阶跃灰度模型的4个参数映射到三个ZMs中，再通过这三个ZMs来计算出边缘所在直线的参数，从而确定出边缘的亚象素级坐标。李金泉对ZMs算法进行了较为深入的研究，并指出其不足之处并提出了相应的改进算法，将其应用于焊缝识别中，检测的边缘具有精度高、自细化边缘和抗干扰性强等优点。

# C0 M6 ~* P. \, m0 t4 ^3 ]2 Y9 U* r" [

　　3.结论

　　大多数焊缝的方向变化不会太剧烈，都是连续的直线或者曲线。在局部小的范围内可以看作是两条平行的直线。因此在焊接环境识别时可以通过寻找直线的方法来检测焊缝。在这些已有算法中，梯度算子可以检测焊缝的边缘同时还可以对方向进行预测，这样实时图像处理的同时还可以预测焊缝前进的方向，较适合于焊接环境的识别。但微分算子抗干扰性差，对于复杂的焊接环境来讲，不能直接拿来应用，当加以改进和结合其它算法。小波多尺度、形态学边缘检测算法等是该领域研究热点之一，其特点适合于复杂的焊接环境识别，应加以深入研究。一些亚象素检测算法能够获得更为精确的检测结果，是提高图像处理精确度和焊接结果的努力方向之一。边缘检测方法数不胜数，都有其特定的适用范围，在选用或者开发新的算法时，一定要考虑焊接本身的特点。