一种基于自适应阈值的弹壳表面缺陷分割方法

【信息科学与控制工程】

一种基于自适应阈值的弹壳表面缺陷分割方法

苟文韬，诸洪，刘彬，谢蔚卿，熊长江

(中国兵器工业第五八研究所，四川 绵阳621000)

摘要：由于材料表面不均匀和基于线阵相机采集图像的方式，图像的目标和背景的成像效果是动态变化的，不能用单一固定的阈值进行弹壳表面缺陷分割。针对该问题，结合弹壳表面图像的特点和灰度直方图峰值特性，提出了一种自适应确定阈值的方法，试验结果表明该方法对能准确对弹壳表面缺陷进行分割。

关键词：枪弹；表面缺陷；自适应阈值；灰度直方图

收稿日期：2014-09-02

基金项目：国防基础科研(C1020110001)

作者简介：苟文韬(1989—)，男，硕士研究生，主要从事机器视觉及模式识别研究。

doi:10.11809/scbgxb2015.01.034

中图分类号：TP391.4

文章编号：1006-0707(2015)01-0122-03

本文引用格式：苟文韬，诸洪，刘彬，等.一种基于自适应阈值的弹壳表面缺陷分割方法[J].四川兵工学报，2015(1):122-123.

Citation format:GOU Wen-tao, ZHU Hong, LIU Bin,et al.Method of Bullet Surface Defect Segmentation Based on Adaptive Threshold Algorithm[J].Journal of Sichuan Ordnance,2015(1):122-123.

Method of Bullet Surface Defect Segmentation

Based on Adaptive Threshold Algorithm

GOU Wen-tao, ZHU Hong, LIU Bin, XIE Wei-qing, XIONG Chang-jiang

(No.58 Research Institute of China Ordnance Industries, Mianyang 621000,China)

Abstract:Because of the uniform surface of the material and the mode of image acquisition based on linear CCD, the imaging results of objet and background in image are dynamicly changed, and the single fixed value could not segment the defects well. An adaptive threshold segmentation method was proposed based on the image characteristic and the peak value of gray histogram characteristic. The experiment results show the method is feasible and effective.

Key words：bullet; surface defects; adaptive threshold; gradation histogram

受加工工艺、原材料等的影响，枪弹的生产过程中表面会出现裂痕、擦伤、油污、缺口等缺陷。为了保证枪弹产品的质量和性能以及摆脱人工目视检测这种落后的生产工艺，采用图像处理技术对枪弹缺陷进行检测已经得到研究和应用[1-2]。

基于线阵CCD相机、线阵光源、弹壳旋转机构对弹壳进行视觉系统搭建[3]，采集到的图像分辨率和精度高，满足缺陷检测要求。在待处理图像中既包含目标(也称前景)，也包含背景部分，为了辨识采集到的枪弹表面图像中的缺陷，需要将有关目标区域分割出来。弹壳表面缺陷种类复杂，成像效果一致性差，噪声点多，准确地分割出缺陷图像是检测中的重要环节。本文依据弹壳表面图像的特点，提出了适用于弹壳表面缺陷分割的自适应阈值分割算法。

1图像预处理

一幅原始图像在获取和传输过程中会受到各种噪声的干扰，使图像质量下降，不利于分析图像。图像平滑是一类局部预处理方法，可以有效地抑制图像噪声。中值滤波和双边滤波都能够对图像进行平滑的同时保持边缘，但是中值滤波对窗口内噪声点个数较多的情况下平滑效果不好，而双边滤波只能保留比较强烈的边缘[4]。考虑到弹壳表面噪声点较多的特点，采用高斯滤波方法对图像进行去噪，虽然它不是计算最快的滤波方式，但它可以很好地平滑掉图像中孤立的噪声点，而且更高地保留了边缘效果，有利于图像的准确分割。二维高斯函数可以表示为

其中:u为均值;σ代表标准差(x和y各有一个均值和标准差)。

2阈值分割算法

阈值分割的目的是提取出弹壳表面的缺陷区域。由于每批弹壳的成色不一样，会导致背景图像的整体灰度发生改变，弹壳的旋转过程中的摆动也会使采集到的图像一致性较差，单一的固定阈值是不能准确地分割出缺陷区域，其缺陷分析也就不准确。Otsu法[5]是常用的自动确定阈值的方法，试验之后发现只对灰度直方图有明显双尖峰的图像分割效果较好,而弹壳表面图像的直方图中缺陷的尖峰却很小。结合弹壳表面缺陷图像前景和背景在灰度直方图的表现特征提出了下述方法。

2.1算法原理

弹壳表面图像由有别于背景灰度值的具有近似相同灰度的目标组成，所产生的直方图是二模态[6]的。背景像素构成图中的大的峰，目标像素构成小的峰，2个峰之间的灰度级是由目标和背景的边界造成的，这里取2个极大值之间波谷对应的灰度值作为阈值。

直方图中的波谷是一个局部极小值，并且是非0的。为了得到极小值而非干扰值，首先需要对直方图进行平滑处理。新的直方图按下式计算得到

式中K是一个常量，代表平滑所使用的领域大小，取值为2。

这里把直方图灰度级的值看作一个离散函数，极值点即是该函数一阶导数为零的点。一阶导数差分方程形式

按导数定义推导出灰度值为i的导数可用一阶中心差商近似得到

2.2算法步骤

自适应阈值选择算法步骤如下：

1) 遍历所有像素灰度值，求出图像灰度直方图h(i)，0≤i≤255，并平滑直方图；

3) 求所有极小值点ip：h′(ip)<ε&h(ip)-h(ip-1)≤0 &h(ip)-h(ip+1)≤0 &h′(ip)≠0；

4) 求出的ip可能会形成多个连续分段区间，求出分段区间的中值imed，则分割阈值thigh=max(imed)，ilow=min(imed)。

3试验结果

上述算法步骤4中表示，如果直方图中有一段变化平缓的区域，变化范围在ε以内，则这些点都容易计算为极值点，可以取这段连续点中的中值作为计算结果，也能达到很好的分割效果。对于弹壳表面的缺陷分割，由于弹壳表面缺陷可分为亮缺陷(例如线痕)或暗缺陷(例如油污),对缺陷分割的阈值只需选择计算出的ith值中的最大或最小值。图1为对弹壳表面缺陷进行分割的结果，从左向右分别为弹壳表面图像，灰度直方图(含分割阈值)，分割结果。

图1　实验结果

4结论

根据弹壳表面缺陷图像其灰度直方图二模态的特点提出了自适应确定阈值的分割方法，相比于传统方法，对没有明显双峰的图像也有很好的分割效果，而且适合多阈值分割的情况。对于直方图具有多峰的图像会得到多个阈值，阈值需要结合到图像的特点来选择。

参考文献：

[1]史进伟，郭朝勇，刘红宁.基于机器视觉的枪弹外观缺陷检测系统研究[J].组合机床与自动化加工技术，2013(4)：59-64.

[2]史进伟，郭朝勇，刘红宁，等.基于Hough变换和双峰法的枪弹外观缺陷提取[J].火力与指挥控制，2013，38(5)：129-132.

[3]孙文缎，叶玉堂.基于线阵相机采集平台的枪弹表面质量检测技术[J].兵工自动化，2013,32(1)：87-90.

[4]李雪威，张新荣.保持边缘的高斯平滑滤波算法研究[J].计算机应用与软件，2010,27(1):83-84.

[5]Otsu N.A Threshold Selection Method from Gray-level Histograms[J].IEEE Transactions On System Man and Cybernetic，1979,9(1):62-66.

[6]Milan Sonka,Vaclav Hlavac,Roger Boyle..图像处理、分析与机器视觉[M].艾海舟，苏延超,译.3版.北京：清华大学出版社,2011:126-127.

(责任编辑杨继森)