基于图像处理的钢坯缺陷检测研究

罗玮+张荣福+郁浩+邬奇

摘 要：为了解决传统钢坯长度测量方法不能有效检测到钢坯边界缺陷点的问题，提出了一种基于图像处理技术的非接触式轧钢边界缺陷检测方法。通过Canny算子对预处理后的图像进行边缘检测，并提取边缘点坐标。对端头坐标点进行高阶贝塞尔曲线拟合，通过求其曲线的曲率，确定端头点位置。对左右边缘进行八邻域跟踪，确定边缘缺陷点位置。实验表明，该方法能准确地对缺陷点进行定位。

关键词关键词：图像处理；贝塞尔曲线；边界跟踪

DOIDOI：10.11907/rjdk.161434

中图分类号：TP317.4

文献标识码：A 文章编号：1672-7800（2016）008-0177-03

0 引言

钢厂型钢在生产和加工过程中不可以避免地会产生变形，同时由于其纵向较长，需要对型钢的长度进行精确测量从而根据实际需求进行精密切割。传统在线钢坯长度检测系统主要使用以下方法：主被动式光电管检测、辊轴转动量计算、结构光测量等，但是以上测量方法都不能很好地检测出钢坯端头缺陷的确切位置，因此切割时只有采用定长切割的方法，导致产生大量钢材浪费，严重影响成材率。为了提高钢材利用率，提出了基于CCD和图像处理技术的钢坯边缘缺陷检测技术[1-2]，通过Canny算子对图像进行边缘检测，配合高阶贝塞尔曲线拟合以及八邻域边界跟踪的方法，确定钢坯端头顶点以及两侧边缘缺陷点的坐标，并根据坐标计算出合适的剪切长度。

1 图像预处理

1.1 灰度提取

图像预处理主要是通过对图像进行灰度化、二值化、滤波等一系列操作，使得图像中目标物体与背景图像以及噪声能够比较好地分离开来，便于后续处理。

在某钢厂拍摄的轧钢首端图像为彩色图像，通常图像在三维色彩空间中用RGB的叠加共同表示一个像素点的颜色，则一个坐标下的像素点需要使用三维向量来存储RGB值。而灰度值则表示了黑白图像中颜色深与浅的关系，用0～255这256个值来表示。因此，如果对彩色图像进行灰度值提取，则每个像素点只需要用一维向量即可保存灰度值，且更有利于区分目标物体与背景噪声。提取彩色图像灰度[3]有3种常见方法，分别是均值法、加权平均法、分量法，这里使用加权平均法提取图像灰度。加权平均法通过给R、G、B 3个分量分别设置一个权值，然后将权值与对应分量的值相乘求和得到灰度值：

图1是使用上述灰度提取算法对钢坯彩色图像进行处理的结果，图2是灰度分布直方图，横坐标為灰度值大小，纵坐标为像素点个数。

由图1可以得知，对于CCD拍摄到的轧钢首端图像，目标图像的灰度值比较高，而背景图像基本处于低灰度值。从图2的灰度提取结果可以看出，低灰度值区间有波峰出现，说明背景区域主要集中在此区间内，高灰度值同样有比较集中的像素点分布，即目标图像的像素点集中在该区间。且高低灰度区间中间有明显的分割界限，更利于后续图像分割阈值的选取。

1.2 图像二值化及滤波、形态学处理

通过对上述处理后的灰度图像进行二值化处理，有利于将背景与目标更好地分离。通常采用选取阈值的方法对灰度图像进行二值化，即通过将灰度图像中每个像素点的灰度值与选取的阈值进行比较，小于阈值的赋值为0，大于阈值的赋值为1，从而将灰度图变为只用0和1表示的二值图像，公式如下：

其中，G（i，j）为图像的二值化矩阵，g（i，j）为图像的灰度矩阵，T为根据灰度直方图选取的阈值。经过转换的二值化图像中仍有一些噪点，对图像的处理造成干扰，考虑通过中值滤波对噪声进行抑制同时保护边缘信号，并用数学形态学处理的方法，将滤波后的二值图像进行边界提取、骨架提取、孔洞填充、角点提取、图像重建，从而增强目标图像特征，去除不相关的信息。处理后的图像如图3所示。

1.3 边缘提取

在二值化图像中，钢坯边缘信息并不非常清晰，通过图像边缘检测[4-5]可以准确提取出目标边缘信息，这样有利于获得钢坯边缘缺陷点坐标、端头坐标，为计算剪裁长度提供方便，其具体实现可利用图像和模板进行卷积来完成。经常使用的边缘检测微分算子有很多，如 Canny算子[6]。Canny算子边缘检测具有滤波、增强、检测等多个过程。在对图像进行处理前，首先利用高斯平滑滤波器对图像进行平滑处理来消除噪声，接着采用一阶偏导的有限差分来计算灰度梯度幅值和方向；在图像处理的过程中，采取了对像素点灰度梯度幅值非极大值抑制处理过程，最后Canny算子还利用两个阈值来连接边缘。Canny算子对二值图像的边缘检测结果如图4所示。从图4可以看出，Canny算子对形态学处理后的二值图像检测后的边缘信息比较完整，型钢左右侧边的规整与不规整的转折点特征比较明显，便于后续处理以定位特征点所在的坐标。

2 轮廓点提取

经过预处理的图像，仅保留了目标边缘信息，但其中包含了辊道的边缘，需要从中提取出仅属于钢坯轮廓点的坐标。在图4中，有3个标记点：A、B、C。其中A点表示钢坯左边界高度规整与否的临界点，B点表示钢坯右边界高度规整与否的临界点，C表示钢坯弧形顶端的最远点。计算型钢的截取长度就是找出这3个关键点，分别求出A点与C点的距离及B点与C点的距离，取其中的最大值作为截取长度。

2.1 钢坯端头坐标提取

经过Canny算子提取边缘后的二值图像，其边缘灰度与其它区域灰度离散分布在一个图形矩阵中。需要对这一组离散的点拟合成一条光滑的曲线，以寻找曲率最大的点。通常采用贝塞尔曲线法[7-8]或者最小二乘多项式法[9]进行拟合。

最小二乘法拟合曲线遵循的原则是就相对应点之差的平方最小。可以用如下公式表示：

从图5可以看出，使用高阶（这里选3阶）贝塞尔曲线拟合，可以使得轮廓点比较集中地分布在拟合得到的曲线两侧，从而较好地描述了轮廓点轨迹，根据拟合后的曲线方程求出钢坯端头最顶部点的坐标，即图4中的C点。

2.2 左右边界缺陷点坐标提取

在图像测量中，通常需要检测目标区域的边界点走向，以判断特征点的坐标位置。轮廓点趋势判断通常会用到八邻域法[10-12]。

图像上的非边界点会有8个像素点与其相接，分别位于中心像素点的周围，相邻两个方位之间的角度为45°，8个方向链码分别命名为1、2、3、4、5、6、7、8，如图6所示。

对钢坯边缘作霍夫变换检测直线后，求得钢胚左右边界上的多条线段，这些线段上的每一个像素点的坐标都放在一个数组中，通过对这些线段的斜率及线段所在直线的截距进行分类，若两线段的斜率比较相近且截距也近似相同，同时两线段相邻的两个端点的坐标差比较小，就认为这两条线段在同一条直线上，然后将两个线段的端点进行线性回归。对得到的若干条线段进行处理后，得到的一组数据是线性回归后的若干条线段以及每一个线段的端点坐标。

在对钢坯端头截取长度进行统计后，取极限截取长度在图像中所占的像素点个数为L。取钢坯端头轮廓起始特征点的行坐标为M，则只需要分别从钢坯的左右边缘行坐标为（M-L）处的边缘点向下进行基于八邻域规则的边界轮廓跟踪。

钢坯右侧边界轮廓跟踪方法与上面类似，不同之处在于初始搜索方向为轮廓点的正右方（即方向“3”），终止搜索方向为“7”方向，其余轮廓跟踪流程同左侧边缘相似。

在采用八邻域边界跟踪算法之后，可以得到规定边界区域内每一个轮廓点的方向链码表。通常而言，规整边界的像素点分布由于噪点、相机的像素分辨率及其它因素，造成规整边界的像素点分布可能不在同一条直线上，而是部分像素点在直线两侧突变，如图8（a）所示。通过对边界点的方向链码进行分析，像素点的变化范围在线性回归直线的两侧，且左右变化不超过两个像素点，此时认为该段边界为规整边界。

对于非规整边界而言，如图8（b）所示，通过对像素点的边界链码来分析，当某个边缘点之后连续若干个像素点的边界链码为“5”、“6”或“7”，且边缘点累计变化范围在3个或以上像素点时，认为该边缘点就是分界点，记录该点的坐标，同时终止向下寻找判断。通过对边界链码分析，可以容易得出钢胚左右边界的凹凸情況，从而可以判断出左、右边界规整与非规整的分界点坐标，即图4的A、B两点。

3 结语

本文提出了基于图像处理的钢坯边缘缺陷检测方法。采用Matlab软件实现了图像的灰度化和二值化处理，并使用9×9的窗口滤波及形态学处理使目标图像增强。使用Canny算子对目标提取边缘信息后，通过曲线拟合寻找最大曲率的方法，能够较准确地找出端头顶点坐标。对左、右边界分别采用八邻域跟踪的方法，能够很好地找出左、右边界处缺陷点的坐标。

参考文献：

[1] 刘勇，黄劼，李扬扬，等.大型锻件几何尺寸非接触在线测量系统研究[J].中国测试技术，2008，15（5）：116-118.

[2] 童卫旗.热轧带钢在线测宽技术的发展现状[J].仪表技术与传感器，2006，5（11）：10-13.

[3] 刘勇.关于彩色化灰度图像的算法研究及实现[D].济南：山东大学，2007.

[4] 吴剑锋.一种图像边缘检测的新算法[J].福州大学学报：自然科学版，2000，28（4） ：26-28.

[5] 魏伟波，丙筱亭.图像边缘检测方法研究[J].计算机工程与应用，2006，12（30）：88-91.

[6] CANNY J A.Computational approach to edge detection[J].IEEE Trans.on Pattern Analysis and Machine Intelligence，1986，8（6）：679-698.

[7] 祝双武，韩惠民，任亮.基于贝塞尔曲线及柏林噪声模型的纱线外观仿真[J].西安工程大学学报，2009，23（1）：23-29.

[8] 郑振贵，彭勇，许宁，等.一种基于贝塞尔曲线的终端定位轨迹拟合方法[P].中国，201210472346.2，2013-03-27.

[9] 刘佳琪，杨继新，王春艳.进化算法在最小二乘法曲线拟合中的应用[J].计算机应用，2010，30（2）：41-42.

[10] 刘相滨，向坚持，阳波.基于八邻域边界跟踪的标号算法[J].计算机工程与应用，2001，21（23）：125-126.

[11] JIN JINGXUAN.A location method based on eight neighborhood chain code for palmprint image[J].Journal of Yanbian University：Natural Science，2007，33（4）：279-282.

[12] 冯彦铭，谢家龙，李林升，等.基于八邻域跟踪算法的封闭区域几何尺寸测量[J].机械工程与自动化，2013，5（6）：170-172.

（责任编辑：孙 娟）