基于机器视觉的缺陷图像增强算法研究

杨建华，刘进圣

(1.中北大学电子测试技术国家重点实验室，山西 太原 030051；2.辽宁庆阳特种化工有限公司，辽宁 辽阳 111002)



基于机器视觉的缺陷图像增强算法研究

杨建华1，刘进圣2

(1.中北大学电子测试技术国家重点实验室，山西 太原 030051；2.辽宁庆阳特种化工有限公司，辽宁 辽阳 111002)

摘要：介绍了一种基于机器视觉的缺陷图像自动检测系统，针对检测的缺陷图像细节模糊，分辨率较低的问题，采用基于小波变换和插值的重建算法处理图像。客观评价(PSNR)证明，该方法在提高图像边缘和细节分辨率方面有着较好的效果。

关键词：机器视觉；小波变换；插值；PSNR

机器视觉作为一门涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等诸多领域的交叉学科，广泛应用于工业生产检测领域，具有速度快、信息量大、功能多的特点[1]。针对固体火箭发动机包覆层表面缺陷的检测，由于固体火箭发动机的结构特点，如下图1所示。

图1　发动机示意图

人眼难以识别并分辨包覆层表面缺陷，因此采用机器视觉缺陷检测技术自动检测包覆层表面缺陷，大大调高了检测效率和检测精度，同时对保证发动机的安全性能方面有着十分重要的意义。

本文针对检测过程中检测装备的晃动所造成的图像失真进行图像增强，能够进一步提高缺陷的分辨率，以防漏检。采用基于小波和插值的重建算法对图像进行重建和增强，进一步提高图像的分辨率，对缺陷识别有着非常的意义。

1系统检测方案

检测系统分为机器视觉结构和驱动结构，机器视觉结构为维视图像公司的VS-616H高清晰低照度微小型工业相机和LED环形光源，环形光源用于提供均匀的光照条件。驱动结构为水平测量臂、伺服电机、伺服驱动器。检测系统如下图2所示。

图2　检测系统示意图

检测过程中测量臂在伺服电机的驱动下，沿着与发动机轴心的方向等间距进给，携带末端的视觉检测装备进行检测，为了提高采集效率同时不影响采集精度采集间隔L的选取至关重要。通过对摄像头进行标定，当L取30 mm时，摄像头采集的图像像素个数保持稳定。 测量臂在伺服电机的驱动下，以间距为L进行等间距采集。采集的图像个数为

n=(l1-l2)/L.

(1)

式中：l1和l2为采集的起始位置和结束位置，L为采集间隔。通过控制伺服电机进行自动采集和定位采集。

2图像增强

采用上述的方式进行采集得到的缺陷表面图像如下图3所示。图中有两个缺陷，分别是凹坑缺陷和凸起缺陷，由于采集环境和装备的限制，图中缺陷的分辨率并不高，缺陷的边缘不够明显，为了能够准确的识别缺陷的大小，因此有必要对图像进行增强。文献[2]中提出了双线性超分辨率重建算法，这种方法忽视了原始图像向低频转化的重要性，增强后的图像灰度偏移。本文采用基于小波和插值的重建算法来增强图像，利用近邻插值中的低频分量和三次内插值中的高频分量通过小波逆变换重建图像，综合了近邻插值和三次内插值的优点。通过插值增加了图像的信息量的同时提高图像的分辨率。基于小波和插值的超分辨率重建算法的过程如下图4所示。

图3　缺陷表面图像

图4　算法过程示意图

为了避免上述的灰度偏移，采用Harr小波基的尺度函数，

(2)

采用Harr小波对图像进行插值相当于进行邻域插值的过程，将原图经过领域插值后再进行小波分解，这样可以将原图完全转化为低频系数，不存在图像细节的丢失，修正了灰度偏移[3]。分别采用近邻插值、双线性插值，三次内插值的方法以及本文提出的基于小波和插值的重建算法处理原始缺陷图像，如下图5所示。

图5　图像处理结果

为了客观评价图像处理后的对比结果，利用PSNR的值来判断图像质量的好坏。如下表1所示。

表1　图像处理客观评价(PSNR)

从表1可以看出，基于小波变换和插值的重建算法处理后的图像的PSNR大于其他的三种方法，说明图像的失真度越小，在提高图像边缘和细节，避免图像模糊方面比其他三种插值方法处理的效果较为理想。

3结论

本文采用机器视觉技术实现了发动机缺陷图像的自动检测，并通过基于小波变换和插值的重建算法增强图像，对比不同算法处理后的结果并客观评价，该方法处理后的图像失真度较小，在提高图像细节和分辨率方面有较好的效果。

参考文献

[1]张五一，赵强松，王东云.机器视觉的现状及发展趋势[J].中原工学院学报，2008,19(1):9-12.

[2]陶洪久，柳健，田金文.基于小波变换和插值的超分辨率图像处理算法[J].武汉理工大学学报,2002,24(8):63-66.

[3]林虹.基于小波和插值的超分辨率重建算法研究[D].西安：西安电子科技大学，2005.

[4]郭慧平，王召巴，金永.基于机器视觉的发动机包覆层表面缺陷检测系统研究[J].电子测试，2011(2):71-75.

[5]田岩，田金文，柳健，等.超分辨率技术的实现——一种改善的小波插值方法[J].中国图象图形学报,2003,12(12):1422-1426.

[6]程光权，成礼智.基于小波的方向自适应图像插值[J].电子与信息学报,2009,31(2):265-269.

收稿日期：2016-01-06

作者简介：杨建华(1989- )，男，山西忻州人，硕士研究生，主要从事信号处理与无损检测方面的研究。

文章编号：1674- 4578(2016)02- 0093- 02

中图分类号：TP391.41；TP274

文献标识码：A

Research on Defect Image Enhancement Algorithm Based on Machine Vision

Yang Jianhua1, Liu Jinsheng2

(1.NationalKeyLabforElectronicMeasurementTechnology,NorthUniversityofChina,TaiyuanShanxi030051,China;2.LiaoningQingyangSpecialChemicalCo.,Ltd.,LiaoyangLiaoning111002,China)

Abstract:This paper introduces a defect image automatic detection system based on machine vision. In view of the defected image that detected is fuzzy details and low resolution, the method of image reconstruction algorithm based on wavelet transform and interpolation is used for image processing. The objective evaluation (PSNR) certification shows that the method has a better effect in improving the image edge details and resolution.

Key words:machine vision; wavelet transform; interpolation; PSNR