单板表面裂缝图像处理方法研究

王琳++朱凯++李鑫雨

摘 要：单板表面如果出现缺陷就会严重影响单板的质量，导致单板的实际使用机机制以及利用率得到降低，单板表面一个非常主要的缺陷便是裂缝，本文以图像处理方法为基础设计了单板表面裂缝检测方法，借助形态学处理，二值化，灰度变换，灰度化等图像处理技术对图像中裂缝区域进行检测，为人们进行缺陷识别工作奠定了一定的数据基础。

关键词：单板表面缺陷；裂缝；图像处理研究

DOI：10.16640/j.cnki.37-1222/t.2017.15.209

单板表面裂缝是单板缺陷种非常主要的一种缺陷，单板裂缝的数量，位置，长度等特征信息是衡量裂缝对单板外观造成影响大小的主要参数，同时也是对单板外观的质量进行判断的一个基本特征，将计算机图像处理技术作为基础对单板表面展开检测对识别单板表面缺陷有着非常重要的意义，本文在计算机图像处理方法的基础上进行了单板裂缝图像处理方法的设计。

1 具体的方案设计

在该文章中进行的单板表面裂缝图像处理流程设计包括有裂缝边缘提取，形态性处理，去除黑边，图像风格，图像灰度变换，像素统计分析，数字图像灰度化。

2 缺陷图像处理

进行单板裂缝缺陷图的提取，四张即可，要具有一定的代表性，对其进行处理之后进行裂缝缺陷的提取。

2.1 图像灰度化

图像灰度化具体指的是将彩色的图像转化成为灰度的图像，在该文中进行图像灰度化是为了可以将颜色的实际突变特征进行有效的提取，在这里不需要对缺陷部位的颜色进行考虑，因此允许将彩色的RGB图像成功转化成为灰度图像，在这样在进行调整提取工作时难度将会降低。对其进行灰度化转化时可以应用rgb2gray（）函数来展开，转化成为的灰度图。

2.2 像素统计的分析

为了可以将分割图像质量提升，需要对所有图像的像素展开统计分析，从而成功的计算出像素的实际分布特征，主要将像素值的灰度方差以及灰度均值求出即可。分别用FC=std2（）以及JZ=mean2（）来实现，其中灰度方差用FC表示，灰度均值用JZ来表示[1]。

2.3 图像灰度转化

灰度转化是将图像进行增强的一个非常重要的手段，可以使处在目标区域的图像变得更加清晰，该部分的特征也变得更加明显。研究时需要进行分段线性转化法的采用，对于目标部分的图像细节展开灰度级拉伸操作从而使对比度增加，对于不是目标部分的图像展开灰度级压缩。然后借助灰度方差以及灰度均值来进行动态转折点坐标的选取，从而可以得出变化之后的图像。

2.4 图像分割

通过图像分割可以将图像中需要应用的一些特征以及具有意义的一些特征有效的提取出来，其中阈值分割法主要借助对阈值进行设定来清楚的分辨出背景以及具体的物体。在本文研究中，借助算式（1）来将图像二值化之后得出的阈值计算出来，然后在应用im2bw（）来完成对图像进行分割，分割之后所得的二值图像即下图。

（1）

在该算式中，Threshold代表的是最终阈值，thresh代表的是借助最大类间方差法计算出來的初选值。

2.5 对出现进行去除黑边处理

在整张图片中，四个边界部门发生的突变特征在进行图像处理过程时可以被成功的保留下来，这时候如果不对其进行除去处理就会导致目标区域的数量增加，这样就导致程序的实际运算量增大，执行效率因此也就会变得比较低下，因此可以看出在该文中，非常有必要进行去除处理，具体的程序如下。

2.6 形态学处理

形态学是建立在集合论基础上的一门学科，在形式上鼠疫各种非线性的分析工具以及图像处理工具。在形态学中存在有两个基本运算，一是腐蚀，二是膨胀，将这两个运算作为基础可以进行多种符合运算的不同组合，例如闭运算，开运算等。在本文研究中针对二值图像应用函数bwmrph（）来完成闭运算，开运算，对的那个像素空洞进行填充，对孤立前景像素进行清除。

2.7 边缘提取

图像缺陷的轮廓，通过对图进行观看可以明显的发现曲线轮廓非常的光滑并且清晰。将提取出来的缺陷轮廓在原来的图像上，也就是叠加所得的效果，尽管裂缝缺陷已经被非常完整不缺的提取出来，但与此同时也有一些干扰区域，即非裂缝缺陷以及纹理并成功的提取出来，这时候需要对裂缝缺陷展开更进一步的识别，从而判断是否确实是裂缝缺陷，避免出现错误判断。

3 结语

在本篇文章中将图像处理流程作为依据，对具有一定代表性的裂缝缺陷图像展开了形态学，二值化处理，将裂缝的实际基本轮廓特征进行了提取，并且将裂缝区域进行有效的分割，从而为更进一步的模式识别以及缺陷特征提取提供了一定的基础。将提取出来的裂缝轮廓叠加到原来的图像之上，对裂缝区域表现出了非常良好的检测效果，并且可以将裂缝缺陷展开精准的检测，对接下来的缺陷自动检测以及实现缺陷的控制截除，统计分析以及准确定位等工具起到良好的作用，发挥着比较重要的意义。

参考文献：

[1]杨建华，姚建平，范磊，张端，许心梦.单板表面裂缝图像处理方法研究[J].林业机械与木工设备，2017（04）：29-31.

作者简介：王琳（1990-），女，陕西富平人，硕士研究生，助教，主要研究方向：计算机视觉、图像处理、数据挖掘、机器学习。endprint