基于图像融合的竹塑复合材内部缺陷边缘检测研究

孙绩婷　戚大伟

摘要：竹塑复合材是一种新型的绿色环保材料，X射线无损检测系统，为其提供了一种行之有效的检测手段，但图像在获取的过程中极易受到环境和实验光线强度等变化所产生的噪声影响，为增强图像清晰程度，降低对图像的分割和边缘检测等处理的误差影响，本文提出基于图像融合的竹塑复合材内部缺陷边缘进行检测的方法。利用小波变换将多幅内部缺陷图像变换融合后，运用OTSU方法和Canny算子分别对其内部缺陷图像进行分割与边缘提取。结果表示，可以应用小波变换融合的方法对竹塑复合材内部缺陷边缘进行检测，对图像信息的进一步表达，具有一定的增强效果。

关键词：小波变换;竹塑复合材;X射线无损检测;图像分割;缺陷边缘检测

中图分类号：S781.1文献标识码：A文章编号：1006-8023（2019）03-0036-05

Detection of Internal Defect Image Edge of Bamboo Plastic

Composite Based on Image Fusion

SUN Jiting，QI Dawei*

（College of Science， Northeast Forestry University， Harbin 150040）

Abstract：Bamboo-plastic composite is a new type of green environmental protection material. X-ray non-destructive testing system provides an effective detection method. In order to enhance the image clarity and reduce the error effect on image segmentation and edge detection， the influence of noise caused by the change of light intensity in the experiment is improved. In this paper， a method based on image fusion to detect the internal defect edge of bamboo-plastic composite is proposed. After fusion of multiple internal defect images by wavelet transform， the OTSU method and Canny operator are used to segment and extract the edge of the internal defect images respectively. The results show that the wavelet transform fusion method can be used to detect the internal defect edge of bamboo-plastic composite， which has certain enhancement effect on the further expression of image information.

Keywords：Wavelet transformation; bamboo plastic composite; X-ray nondestructive testing; image segmentation; defect edge detection

0引言

近年來，塑料、再生塑料与天然纤维等合成的新型材料得到了广泛的重视与研究，可降解的竹塑复合材料更成为了有利于可持续发展和有利于生态环境良好发展的新兴材料之一[1-2]。对竹塑复合材料的研究基于我国竹材资源丰富，废旧塑料也可得到循环再利用等优势，能够起到一定程度上改善生态环境的作用。因此对其制备方式及所具有的主要性能和增强材料特性等方面仍然有大量学者进行研究[3-5]。然而却少有利用无损检测技术对其在不改变外部及其他任何特性的情况下，对竹塑复合材内部可能会出现的腐蚀、分层和裂缝等缺陷信息进行检测。因此，对竹塑复合材进行的内部缺陷信息检测的研究，便于其被合理的选择与应用提供了一种有效方法。

射线检测技术可广泛应用于探伤和医疗等研究领域[6-7]，而其中X射线检测技术经不断的发展与应用，为复合材料的无损检测提供了一定的可行性[8-9]。经大量实践结果证实，X射线技术可对木材、板材和工板等进行无损检测[10-11]。可利用X射线无损检测系统采集到竹塑复合材内部缺陷信息的图像，对提高竹塑复合材的利用率问题，将是一个非常重要的衡量和检测手段。并对其内部图像信息进行特征提取和缺陷识别等处理，可以更直观、全面的进行分析，并进行综合考量，也可为竹塑复合材所具有的相关性能和应用适用范围提供一定的指向性。

在图像信息采集的过程中，由于不可抗因素产生的噪声干扰等问题，容易造成图像质量差和视觉效果模糊等现象，难以呈现出清晰的效果。而图像融合技术可为其提供一种有利于提高图像清晰程度的有效办法。目前，国内外学者进行了大量实践与应用[12-13]。而基于小波变换的融合方法，可以取得较理想的效果。小波变换及其各种新算法也在不断涌现，也是图像融合处理的研究热点之一[14-15]。这些研究表明通过小波变换融合的方法，能够减小噪声的作用范围，有助于增强图像的清晰程度及对比度。为此提出将多幅数字型图像进行融合处理，并对融合图像进行分割及内部缺陷的边缘进行检测，降低外界及噪声等干扰因素对图像的影响，从而达到改善图像品质，改善图像的模糊化程度，使其更加具体地表达出其内部图像的缺陷信息。

1材料与方法

1.1材料

竹塑复合材料（Bamboo Plastic Composite，简称BPC）是利用经过改性的竹锯末、竹屑或竹渣等进行预处理后的纤维做为主要的原料，结合高分子化学界面融合的原理，与具有熔融热塑性质的树脂（主要有PE、PP、PVC等）按照一定的比例进行结合，在所添加助剂的作用下，经过高温混炼和加工定型而制取得到的一种具有用途广且绿色环保的新型复合材料。其同时具有竹材和塑质材料双重的优良特性：尺寸稳定性较高，质优且轻、成本价低、能损低、无害无味，且具有一定良好的回收再利用的特性，为新型环保材料提供了更多的发展空间及可能性[3]。

1.2方法

竹塑复合材X射线无损检测系统[10]，检测中主要结构部件包括：X光源、微光摄像机、图像采集及处理、图像显示器、计算机、微机显示器，如图1所示。本文所使用的竹塑复合材，尺寸大小为20 cm×10 cm×50 cm的长方体。利用强度均匀的X射线无损检测系统，对竹塑复合材表面及结构特性均无任何破坏的情况下进行的内部缺陷信息采集。充分利用了X射线具有较强的穿透性，即利用透射法检测并对所获取的图像信息进行记录与保存，

并利用数字图像处理技术进行分析与识别。但由于透射材料的不同，往往伴随着一定的能量衰减现象。由于入射能量强度I0、透射能量强度I与被检测物质的厚度d又存在着强度衰减规律，公式为：

I = I0e-μd 。（1）

式中：μ为衰减系数，也称吸收系数。

实验通过产生X射线在高压发生器即X射线两级电子管，将阴极灯丝通电加热温度至白炽而发出电子，本实验所获图片是在当电子管的两板（灯丝与鉬靶）间加上4 200 kv电压，入射强度在2 450～4 000 μA变化范围内获取得到的。当电子经过物体即射线穿过板材时，其能量被部分吸收，透射能量被不同程度的削弱。因此可获取得到同规格、但清晰程度却大不相同的竹塑复合材内部缺陷信息的图像，共采集40幅。本实验选取16个实验样本，采用不同方法对其内部缺陷边缘进行提取：直接对图像进行阈值分割及内部缺陷边缘进行检测和经过融合处理后的图像再进行阈值分割及内部缺陷边缘检测，获取得到两种效果的检测图像进行比较。

2方法与理论

2.1基于小波变换的图像分解

图像融合是把同一研究对象的两幅或多幅的图像信息合成在一幅图像中，所获图像效果比原来任何一幅图像更容易使人们理解和接受。这一技术可应用于X射线无损检测竹塑复合材内部缺陷图像的研究。小波变换法能提供出信号在时域和频域中的同步信息。对于图像而言，可将图像分解成在各个频率段上的子图像，用此来表示原图像的各个特征分量，并对不同的特征分量进行相应融合方法的处理，以期达到最佳的融合效果。

利用小波变换中常用的Mallat算法对二维图像进行二层小波分解的示意图，如图2所示。L表示低频，H表示高频，下标1，2表示一级，二级分解。利用小波变换对图像可进行多层分解，每一层均可产生4幅分解的子图像LL1、HL1、LH1、HH1。其中，LL1是原始图像中的主要低频部分，LH1代表着水平方向的高频信息，HL1代表着垂直方向的高频信息，HH1代表着45°方向的高频信息。下一层的分解只对含有较多低频信息的LH1继续进行。如图2（c）所示，完成二层小波分解[17]。

在MATLAB2016a环境下，对 X射线无损检测系统所获得的含有竹塑复合材内部缺陷信息的图像，利用小波变换实现得到的二层小波分解示意图，如图3所示。

2.2图像融合的方法

融合规则的理论基础是：经小波变换后，低频波段用以表述图像的相似部分，高频波段用来表述图像的细节信息。高频波段的系数波动范围往往处在零值附近，系数绝对值越大，代表该处亮度变化越强烈，则可能含有极其重要的图像细节信息，是所要寻找的边缘、线条，或是所要寻找的感兴趣区域的边界等[17]。经小波变换可获取得到的小波系数，针对较小尺度范围内，使得细节能够更加突出，而较大的特征却不再显现;于此同时，有多种方法可供选择，对小波系数进行处理。本文应用小波变换所得到的低频部分以及高频部分的小波系数，均采用像素点绝对值取最大的方法进行处理，具体步骤为：

Cj（Q，q）=Cj（A，q）|Cj（A，q）≥Cj（B，q）|

Cj（B，q）|Cj（A，q）

式中：Cj（A，q）、Cj（B，q）、Cj（Q，q）分别表示样本A、B和融合结果Q在j层小波分解时，q点的系数。

2.3基于小波变换融合方法的图像边缘检测步骤

基于小波变换融合后的图像进行其内部缺陷信息边缘检测，步骤为：

（1）两幅初始图像分别进行小波变换，获取各幅图像在低频带和高频带上的小波系数。

（2）經分解得到的图像低频带和高频带上的小波系数，各自分别采取不同的融合方法处理及运算。

（3）利用小波逆变换对融合处理后的系数进行处理及运算， 得到融合图像。

（4）对融合处理后的内部缺陷图像进行分割及边缘检测。

本实验选取16个经X射线无损检测系统获取得到的竹塑复合材内部缺陷图像，分成4组按照上述步骤进行融合处理。将每组中的样本依次按照2.2中小波变换融合的方法进行融合。本实验共可得到4组融合结果，融合效果对比分析见表1。

经对比分析第4组的融合效果较好。图像的分割处理是将图像中的目标区域与背景部分进行区分。为进一步获取到背景与对象之间的交界线，即缺陷的边缘信息，进而对其边缘进行检测处理。本文对原始图像和融合后的图像分别进行阈值分割及边缘检测处理，过程如下：

方法一，采用OTSU最大阈值法对竹塑复合材内部缺陷原始图像信息进行分割，再利用Canny算子对其内部缺陷边缘进行检测。检测结果，如图4所示，（a）为原始图像，（b）为OTSU法阈值分割后图像，（c）为原始图像经阈值分割处理后由Canny算子检测出的内部缺陷边缘图像。

方法二，应用小波变换先将多幅原始图像信息进行融合，增加了图像中更多的细节信息。对选取的小波融合效果较好的第4组融合图像，利用OTSU法进行阈值分割，因融合后的图像与原始图像进行阈值分割，对比结果无过于明显的差异性，可用图4中的（b）来表示对融合图像进行阈值分割处理效果;并利用Canny算子对其内部缺陷进行边缘检测，如图4（d）所示，为融合图像经阈值分割处理后的内部缺陷边缘检测的图像结果。

观察上述两种方法得到的边缘检测效果图像，可进一步得出，经小波变换融合法获取得到的竹塑复合材内部缺陷边缘检测融合图像，清晰程度较之前未经小波变换融合处理过的图像带有更多、更明显和更具体的细节信息，图像效果得到了较好的改善。因此，利用小波变换融合的方法对竹塑复合材内部缺陷进行边缘检测，具有一定明显增强的作用。

3结论

利用X射线无损检测技术对竹塑复合材内部缺陷信息进行检测，为竹塑复合材料的广泛探究及应用发展提供了一种行之有效的检测手段。在进行信息采集的过程中易受到噪声等其它因素的干扰，影响图像质量及图像分析结果，图像经过小波变换融合处理后再进行内部缺陷图像的分割及边缘检测，经客观评价中的指标对比可看出：对图像进行小波变换融合处理，有利于信息的进一步表达，图像效果具有一定增强的效果。对图像处理的识别与分析，奠定了良好的基础。

【参考文献】

[1]高振华，邸明伟.生物质材料与应用[M].北京：化学工业出版社，2008.

GAO Z H， DI M W. Spice chemistry and technology[M]. Beijing： Chemical Industry Press， 2008.

[2]MOHANTY A K，MISRA M，DRZAL L T.可再生资源的可持续生物复合材料：绿色材料世界的机遇与挑战[J].聚合物与环境杂志，2002，10（1/2）：19-26.

MOHANTY A K， MISRA M， DRZAL L T. Sustainable bio-composites from renewable resources： opportunities and challenges in the green materials world[J]. Journal of Polymers & the Environment， 2002， 10（1/2）：19-26.

[3]李雪菲，张泽华，任瑢，等.竹塑复合材料的研究及发展趋势[C]//中国木材保护大会暨中国景观木竹结构与材料产业发展高峰论坛橡胶木高效利用专题论坛，2012.

LI X F， Zhang Z H， REN R， et al. Research and development trend of bamboo-plastic composite materials[C]. China Wood Protection Conference and China Landscape Wood Bamboo Structure and Materials Industry Development Summit Forum Rubber Wood Efficient Utilization Forum， 2012.

[4]汤颖，沈钰程，吴亚刚，等.竹塑复合材料研究现状及展望[J].林业机械与木工设备，2013，41（8）：8-10.

TANG Y， SHEN Y C， WU Y G， et al. Research status and prospect of bamboo-plastic composites[J]. Forestry Machinery &Woodworking Equipment， 2013， 41（8）：8-10.

[5]趙德金，郭艳玲，宋文龙.国内外竹塑复合材料研究进展[J].安徽农业科学，2014，42（21）：7059-7060.

ZHAO D J， GUO J Y， SONG W L. Research advance of bamboo plastic composites at home and abroad[J]. Journal of Anhui Agricultural Sciences， 2014， 42（21）：7059-7060.

[6]郑世才.我国射线检测技术近年的发展[J].无损检测，2004，26（4）：163-167.

ZHENG S C. The development of Chinas radiation detection technology in recent years[J]. Nondestructive Testing， 2004， 26（4）：163-167.

[7]韩明，苗长云.无损检测技术及应用研究[J].天津科技，2011，38（1）：75-77.

HAN M， MIAO C Y. Nondestructive testing technology and application research[J]. Tianjin Science & Technology， 2011， 38（1）：75-77.

[8]葛邦，杨涛，高殿斌，等.复合材料无损检测技术研究进展[J].玻璃钢/复合材料，2009，V209（6）：67-71.

GE B， YANG T， GAO D B， et al. Research progress of nondestructive testing technology for composite materials[J]. Fiberglass/Composites， 2009， V209（6）：67-71.

[9]董方旭，王從科，凡丽梅，等.X射线检测技术在复合材料检测中的应用与发展[J].无损检测，2016，38（2）：67-72.

DONG F X， WANG C K， FAN L M， et al. Application and development of X-ray detection technology in composite materials detection[J]. Nondestructive Testing， 2016， 38（2）：67-72.

[10]戚大伟.木材无损检测图像处理系统的研究[J].林业科学，2001， 37（6）：92-96.

QI D W. Research on image processing system for wood nondestructive testing[J]. Forestry Science， 2001， 37（6）：92-96.

[11]李学益，戚大伟.木材缺陷检测图像处理系统工作平台的研制[J].东北林业大学学报，2002， 30（2）：109-112.

LI X Y， QI D W. Development of working platform for wood defect detection image processing system[J]. Journal of Northeast Forestry University， 2002， 30（2）：109-112.

[12]敬忠良，肖刚，李振华. 图像融合-理论与应用[M]. 北京：高等教育出版社， 2007.

JING Z L， XIAO G， LI Z H. Image fusion： theory and applications[M]. Beijing： Higher Education Press， 2007.

[13]李俊峰，姜晓丽，戴文战.基于提升小波变换的医学图像融合[J].中国图象图形学报，2014，19（11）： 1639-1648.

LI J F， JIANG X L， DAI W Z. Medical image fusion based on lifting wavelet transform[J]. Journal of Image and Graphics， 2014， 19（11）： 1639-1648.

[14]SINGH R，SRIVASTAVA R，PRAKASH O，等. 基于Daubechies小波变换的多模态医学图像融合 [C] //国际信息学，电子学和视觉会议论文集.达卡：IEEE计算机学会， 2012： 304-309.

SINGH R， SRIVASTAVA R， PRAKASH O， et al. Mixed scheme based multimodal medical image fusion using Daubechies complex wavelet transform[C]. Proceedings of International Conference on Informatics， Electronics and Vision， Dhaka， IEEE Computer Society， 2012： 304-309.

[15]刘海涛，石跃祥，康蕴. 基于小波分析的图像融合新方法[J]. 计算机工程与应用，2013，49（6）： 205-208.

LIU H T， SHI Y X， KANG Y. New method for image fusion based on wavelet transform[J]. Computer Engineering and Applications， 2013， 49（6）： 205-208.

[16]郭雷，李晖晖，鲍永生.图像融合[M].北京：电子工业出版社，2008.

GUO L， LI H H， BAO Y S. Image fusion[M]. Beijing： Publishing House of Electronics Industry， 2008.

[17]程正兴. 小波分析与算法应用[M].西安： 西安交通大学出版，2000.

CHENG Z X. Application of wavelet analysis and algorithms[M]. Xian： Xian Jiaotong University Press， 2000.