冷轧带钢表面缺陷图像处理与分析方法研究

宋宝宇，王靖震，杨东晓，高冰，柴明亮（鞍钢集团钢铁研究院，辽宁鞍山114009）



冷轧带钢表面缺陷图像处理与分析方法研究

宋宝宇，王靖震，杨东晓，高冰，柴明亮
（鞍钢集团钢铁研究院，辽宁鞍山114009）

摘要：为了提高带钢表面质量检测系统的运行效率及检测效果，提出了一套可用于在线应用的图像处理与分析方案。通过对在线采集到的图像数据进行拼接、预处理、图像分割等操作，简单、高效、准确地辨识出在线采集图像中的完整缺陷。

关键词：带钢；表面质量检测；图像处理；图像分析

宋宝宇，硕士，系统分析师，2006年毕业于大连理工大学软件工程专业。E-mail：sbyllb@sina.com

随着科学技术的进步，冷轧带钢的后续加工工业正向高速度、高精度和自动化方向发展。为了发挥自动化作业线生产稳定、材料利用率高、产品一致性好的优势，要求原材料的尺寸公差小、表面质量好。因此在冷轧带钢生产规模日益扩大的同时，其表面质量也必然会受到越来越多的关注。一直以来，大多数钢厂一直沿用人工开卷抽检或频闪光法等检测方法进行表面质量检测，这些方法不能真实可靠地反映带卷上下表面的质量状况，实时性差，而且缺乏检测的一致性、科学性。因此，采用机器视觉的方式在线检测带钢表面质量逐渐成为国内外研究的热点［1-2］。

表面质量检测系统一般由图像采集、图像处理与分析及缺陷分类三部分组成。在带钢表面质量检测过程中，对缺陷图像的处理与分析是十分重要的环节。它直接决定检测系统的缺陷辨识能力及后续的缺陷分类准确率。图像采集主要依靠硬件设备来实现，这部分实施的效果取决于硬件设备的性能。研发人员虽然在缺陷分类部分投入了大量的精力，但实际应用效果还有待进一步提高。图像的处理与分析部分是能否找出缺陷的关键，目前大部分表面质量检测系统所采用的图像处理及分析方法，或是算法比较粗糙、分析准确度低，或是算法比较复杂、运算效率低，无法实现在线连续使用。因此本文提出一套算法简单、分析准确度高，且可以在线应用的图像处理与分析方法。

1　图像处理方法

1.1图像拼接

从图像采集设备的能力和对采集到的图像质量的要求角度出发，图像采集系统目前一般需要使用多台照相机。为了获得全幅在线图像，进而进行存储和进一步处理，因此需要对同侧多台相机采集到的同步图像进行拼接。由于多台相机相对带钢的角度不同并且对照明的显示效果不同，所以对于同一位置的带钢在图像上呈现不同的灰度，因此不能用常规的基于重合度原理进行拼接。

本文采用基于Surf算法的执行策略实现图像拼接［3］，它的特点是对两幅图像上的特征进行匹配，确定拼接矩阵，在实际运行期间，直接使用拼接矩阵进行拼接。Surf算法在计算中对高斯二阶微分模板进行简化，使得模板对图像的滤波只需要进行几个简单的加减法运算，这样大大提高了算法的运行效率，对于4 MB的图像拼接计算时间在10 s以内。在系统实际运行过程中，拼接矩阵是在系统初始化时确定的，在系统正常行进时不改变拼接矩阵。

拼接矩阵的计算方法如下，首先获取底板图像和嵌入图像，这时使用的是样板图像，因为通常情况下，带钢表面较为光洁，图像特征较少，因此要特意的增加图像特征。另外为了优化算法性能，分别截取底板图像的右半部（P1）和嵌入图像的左半部（P2）进行实际运算。接着进行图像拼接特征增强，然后基于Surf算法，提取P1和P2图像的特征点及其描述器，并寻找P2和P1图形之间的匹配点对，然后再根据匹配点对计算变换矩阵，最后根据变换矩阵确定拼接矩阵。系统进行图像拼接特征增强采用横向分区直方图均衡化的方法。该方法图像拼接效果如图1所示。

图1　图像拼接效果图

1.2带钢边部检测

系统在对带钢有效图像分析前需要先将图像上非带钢图像剪切掉。本文提供的方法是通过图像上纵向灰度均值差异，对带钢图像进行切边处理，处理方法如下：为了提高算法运行效率，系统首先对边部可能出现的位置进行截取，分别截取左边界可能出现的范围和右边界可能出现的范围，截取策略采用边界离线统计预设定。然后，在左边界截取区域内从左至右进行扫描，第一次满足公式（1）条件则确定为左边界位置XL。

公式（1）中，F（x，y）为图像上（x，y）点图像灰度；N为图像纵向宽度；K为带钢表面图像高斯滤波统计均值与非带钢表面图像高斯滤波统计均值的差；G为非带钢表面图像高斯滤波统计最大值。接着，在右边界截取区域内从右至左进行扫描，如第一次满足公式（2）条件，则确定为右边界位置XR。

1.3光照均衡化

光照均匀化主要是消除图像上由于光照的不均匀性以及各相机对光照显示效果的不同而产生的背光不均问题。处理过程如下：首先计算待处理图像灰度平均值AVG及灰度值标准差SDV，并生成标记图像FBZ。FBZ为二值图像，生成方法如公式（3）所示。

然后计算光照补偿因子BC，光照补偿因子BC是一维数组，BC（i）为初始图像每一列像素点所对应的光照补偿值。本文所使用的相机为线扫描相机，因此在线扫描情况下，采样位置在垂直扫描线方向上是不变的，因此采集到的图片在短期内只存在横向上的光照不均，可以用短期纵向上的平均光照补偿来计算图像上每点的即时光照补偿。所以，初始图像每一列像素点所对应的光照补偿值BC（i）的计算公式如下：

式中，Fbz（x，y）为二值化标记图像上（x，y）点的值；Fbz（i，y）为二值化标记图像上x=i的点的值；N为二值化标记图像上值为1的点的个数；Ni为二值化标记图像上第i列上值为1的点的个数。

最后按如下公式计算获得光照均匀化后的图像F′（x，y）。

1.4目标图像增强

为了消除非缺陷范围灰度波动对系统缺陷检验的影响，所以对待辨识图像首先进行灰阶过滤，将原始图像转化为两张增强图像，分别为亮缺陷图像和暗缺陷图像。对于亮缺陷图像，需要进行灰阶提升，提升方法是将图像上所有低于检验灰阶最小值KGMin像素点的灰度值提高到KGMin。检验灰阶最小值KGMin计算方法如下：

同样，对于暗缺陷图像，需要进行灰阶下压，下压方法是将图像上所有高于检验灰阶最大值KGMax像素点的灰度值下压到KGMax。KGMax计算方法如下：

2　图像分析方法

2.1缺陷单元辨识

由于系统每秒钟要处理的图像数据达到百MB级别，本文采用局部优化自适应阈值分析方法进行疑似缺陷单元辨识，然后再通过缺陷密度判定方法，对疑似缺陷单元进行缺陷干扰去除。疑似缺陷单元辨识方法如图2所示。首先对分析图象上每一个像素点进行扫描，然后采用9×9的高斯模版以扫描点为中心计算高斯加权和，然后再进行阶跃变换，计算动态阈值，再通过动态阈值判别疑似缺陷单元，对于确认是的单元点位置，加入到缺陷单元标记图，对于确认不是的不做任何处理。

缺陷干扰去除方法是首先通过13×13的模版对加入到缺陷单元标记图中的疑似缺陷单元统计周围的疑似缺陷单元数量，如果统计结果小于标准缺陷密度常数PS，则将该缺陷单元剔除。标准缺陷密度常数PS根据实际图像缺陷特征分析确定。

2.2同质缺陷融合

同质缺陷融合即是将空间上位置较集中或连续且特征相似的缺陷单元进行连接，已组合成实体缺陷块。同质缺陷融合的方法是先将相对连通的缺陷单元组成缺陷单元组，再通过对缺陷单元组进行半径为Rd的膨胀，再对膨胀区域重合的缺陷单元组进行特征提取，对特征相似的缺陷单元组进行融合。本文使用的辨识特征包括缺陷灰度、缺陷粒度、缺陷灰度标准差。

图2　缺陷单元辨识流程图

3　方案的实现与效果验证

上述方法在WindowsXP操作系统上进行实现，计算机为DELL T7500型图形工作站，系统软件及通讯程序基于VS.NET2008平台采用C++语言开发，部分图形学算法依靠OpenCV2.2框架开发，遵循多线程、面向对象、低耦合高内聚的开发思想，综合实现冷轧带钢表面质量检测系统中图像处理与分析过程。本文所述方法通过表面质量实验设备，采用现场有代表性的钢板贴敷检测辊的方法进行验证实验。实验带钢宽度为600mm，行进速度为2～6m/ms，对现场6张钢板采集216张2 048×500的图片进行处理及分析，实际分析过程效果如图3所示。通过对实验结果的统计对常规缺陷的验出率达到90％以上，验错率低于10％。

图3　实际分析过程效果图

4　结论

（1）该方案可以有效解决冷轧带钢表面质量检测系统从图像拼接到缺陷验出过程一系列图像处理及分析问题。

（2）该方案具有较好的适应性和辨识性能，适合在线应用。

（3）通过进一步与DSP等嵌入式设备的结合，可形成高性能的表面质量检测系统，在提高冷轧产品质量方面发挥更大的作用。

参考文献

［1］张洪涛，段发阶，丁克勤，等．带钢表面缺陷视觉检测系统关键技术研究［J］．计量学报，2007，28（3）：216-219．

［2］刘伟嵬，颜云辉，李瞻宇，等．带钢表面缺陷在线检测系统的图像滤波算法［J］．东北大学学报（自然科学版），2009，30 （3）：430-433．

［3］刘奇，何明一.基于SURF特征匹配的图像拼接算法［J］．测控技术，2010，29（10）：27-31．

（编辑袁晓青）

修回日期：2015-09-07

Study on Method of Processing and Analyzing Images of Defects on Surface of Cold Rolled Strip Steel

Song Baoyu，Wang Jingzhen，Yang Dongxiao，Gao Bing，Cai Mingliang
（Iron & Steel Research Institutes of Ansteel Group Corporation，Anshan 114009，Liaoning，China）

Abstract:In order to improve the operation efficiency and checking effect on the part of the surface quality detecting system for the strip steel，the solution for online processing and analyzing images of defects on the surface of the strip steel was proposed.According to the solution，the image data by online collecting were montaged and preprocessed and then images were divided so that the full defects in images by online collecting could be identified simply，efficiently and accurately.

Key words:strip steel；surface quality detecting；image processing；image analyzing

中图分类号：TG142

文献标识码：A

文章编号：1006-4613（2016）03-0028-04