热电池X 射线影像缺陷区域提取算法研究

张国庆，赵涛，张静，梁俊威，邢学梦

(天津理工大学中环信息学院机械工程系，天津，300380)

0 引言

热电池是一种熔盐电池，贮存时电解质为不导电的固体，使用时用电发火头或撞针机构引燃其内部的加热药剂，使电解质熔融成为离子导体而被激活的一种储备电池[1]。其具有可长时间储存、电导率大、稳定性好，不需要维护等特点。热电池的错误装配将会引起使用时电池内部短路发生燃烧或爆炸等不可挽回的后果，电池内部短路会引起放电间隔小，电解质分解等反应，这些因素又与电芯的设计结构和制造工艺密切相关，因此热电池的内部装配正确性分析及后期检测尤为重要。

1 热电池常见装配错误

标准热电池正确装配次序如图1 所示，每一层从上到下按照集流片（0.1mm）、负极（0.2mm）、电解质（0.3mm）、正极（0.2mm）、加热药剂（0.5mm）逐层叠加组成[2]，由于每一层都是十分细小的，装配过程中可能出现各层多装或漏装以及次序错误等问题，这就需要后期的及时检测，防止电池使用故障带来的巨大损失。

图1 热电池X 射线图像及正确装配次序模型

2 图像模板匹配算法研究

模板匹配法是一种直接的分割方法。热电池装配缺陷问题仅存在于热电池的中间电堆区域，与其他位置的结构没有直接关系，为了避免热电池其他部位的X 射线影像对后续算法研究造成影响，仅提取中间电堆区域进行研究，主体的分割思路是通过匹配得到电池堆。通过将准备好的标准模板与图中搜索的区域进行相似比较，对比得到相似度最高的位置。基于灰度的模板匹配法，其特点可直接使用全部的灰度信息而不太需要提前对图像进行预处理等操作。因此，相比其余模板匹配法能提高估计的精度和鲁棒性。常见模板匹配法有方差匹配法、归一化方差匹配法、相关性匹配法、归一化相关性匹配法、相关系数匹配法、归一化相关系数匹配法六种，通过实验分析，选择归一化平方差匹配法[3]。

基于灰度的模板匹配思想，首先创建一个像素大小为M×N待匹配的对象即模板图像，将和模板一样的子窗口在原始图像上滑动，滑动的顺序为从上到下从左到右。每次滑动将原始图像子窗口的像素与模板基于的度量方式进行比较，从而计算出此次滑动的相似度。匹配完整幅原始图像后，得到值最小的点，便是匹配度最高的位置，其计算表达式如下[4]:

3 伽马（Gamma）校正算法

图像的清晰度准确性，会直接影响后续算法的准确程度，所以需要对所得到的图像进行进一步的处理。由于显卡或显示器的原因，实际输出的图像在亮度上会有偏差，即图像上分层的黑白条纹颜色不准确，而Gamma 较正就是通过一定的方法来矫正图像的这种偏差，使所得图像各部分的灰度区分更加明显[5]。一般情况下，当用于Gamma 较正的值大于1时，图像的高光部分被压缩而暗调部分被扩展；当Gamma 较正的值小于1 时，图像的高光部分被扩展而暗调部分被压缩。

处理结果如图2 所示，左侧为X 光获取原始图像，中间为参数γ 取0.8 处理后的图像，右侧为参数γ 取0.2 处理后的图像。可以明显看出中间图像更为清晰，γ 取0.8 后，可以得到比原始图像特征更为清楚的图像。根据多次改变γ参数实验，这里初选γ 为0.8 对图像进行处理分析。

图2 图像伽马（Gamma）校正处理结果

算法设计如下：

cv::Mat srcImage = imread(“1.jpg”);

通过Opencv 对图像进行伽马（Gamma）校正算法处理，输入提取后的中间电堆图像，对比度较差的电堆图像进行灰度校正，为后续缺陷研究奠定了基础。

4 总结

本文主要研究的是热电池的缺陷区域提取方法，为了保证将所有的热电池都提取缺陷区域部分进行研究，先利用模板匹配法提取电池堆，再利用伽马矫正算法对分辨率较低，对比度较差的电堆图像进行灰度校正，获得清晰的缺陷区域图像满足后续缺陷检测的需求。