基于连通域筛选和腐蚀重构的钢材裂痕检测

姜圆香，孙玉秋，王超，李祖胜

(长江大学信息与数学学院，湖北 荆州 434023)

田金文

(华中科技大学自动化学院，湖北 武汉 430074)



基于连通域筛选和腐蚀重构的钢材裂痕检测

姜圆香，孙玉秋，王超，李祖胜

(长江大学信息与数学学院，湖北 荆州 434023)

田金文

(华中科技大学自动化学院，湖北 武汉 430074)

为实现自动准确的检测带有裂痕的不合格钢材产品，提出了一种基于连通域筛选和腐蚀重构的方法。首先运用均值滤波对样品图像去噪，然后将去噪后的图像二值化以提取目标特征，进而采用了连通域筛选法和腐蚀重构法滤除伪特征，前者通过标记图像信息，选出满足大小的连通区域来实现特征提取，后者则先通过腐蚀算法去掉大部分伪特征，再通过重构算法恢复部分特征信息。针对不同样品进行检测试验，达到了预期效果，证明了该方法的有效性。

裂痕检测；均值滤波；连通域；腐蚀；重构

由于钢材生产的用料以及在冶炼过程中各种力复杂的作用，可能产生裂痕，但裂痕对钢材的使用，尤其是承载能力、耐久性能等方面都会产生不利影响。传统的检测方式中，依靠操作人员的经验来进行裂痕检测，缺乏精密性，工作量大，容易受主观情绪影响，难以实现全面且精准的裂痕检测。因此，研究开发一种能对钢材裂痕进行自动检测技术，能有效提高钢铁质量，在钢铁生产过程中具有重要意义。随着计算机软件、模式识别、数字图像处理技术、大容量储存技术的迅速发展，基于数字图像处理的裂痕检测技术得到广泛的研究[1]。王兴建等设计提出了基于多级去噪模型的路面裂缝提取方法[2]；于泳波等运用基于图像连通域的技术能正确快速的提取桥梁裂缝信息，但由于裂缝发生初期不太明显，因此要实现实时提取对图像分辨率要求较高[3]；刘益玲等运用基于阈值分割的边缘检测技术对公路裂痕实现自动检测，主要对成像效果一般的较模糊图像仍能高效准确的检测出来，但容易漏检细小裂缝[4]。为此，笔者对钢材样品图像进行去噪、提取特征、滤除伪特征等一系列处理，在滤除伪特征中提出了连通域筛选法和腐蚀重构法。

1 理论基础

1.1 均值滤波

均值滤波器也称为平滑线性滤波器，均值滤波算法是一种传统的数字图象处理算法[5，6]，其核心原理是利用图像中某一点的邻域内各点像素均值来取代该点的像素值，定义如下:

其中，i=0,1,…,M-1；j=0,1,…,N-1；s(m,n)表示点(m,n)处的灰度值;R表示点(i,j)邻域内所有点的集合;M与N分别是图像的长和宽。

均值滤波的主要步骤：选择一个合适的模板，从图像的左上角第一个像素点开始，让模板与其覆盖的图像部分做卷积，求出均值并用该值取代点的像素值；按照从左至右从上至下的方向，依此类推到下一个像素点，不断与模板做卷积并用均值取代，直至图像的最后一个像素点。

图1是最常见的2种均值滤波模板，其中图1(b)与图1(a)相比中心权重更大，能更好的保护图像的原有性质。

1.2 区域连通

在图像中，最小的单位是像素，每个像素周围有8个邻接像素，常见的邻接关系有2种：4邻接与8邻接。4邻接一共4个点，即上下左右，如图2(a)所示。8邻接的点一共有8个，包括了对角线位置的点，如图2(b)所示。

图1 3×3均值滤波模板

图2 4邻接与8邻接图

图3 区域连通图

如果像素点A与B邻接，则称A与B连通，且区域连通有如下的结论：如果A与B连通，B与C连通，则A与C连通。在视觉上看来，彼此连通的点形成了一个区域，而不连通的点形成了不同的区域。这样彼此连通点构成的一个集合，被称为一个连通区域。

如图3中，如果考虑4邻接，则有3个连通区域；如果考虑8邻接，则有2个连通区域。(注：图像是被放大的效果，图像正方形实际只有4个像素)。

区域标记是连通域筛选法中的重要操作，其算法的具体过程如下：

1)逐行扫描图像。把每一行中连续的白色像素组成一个序列称为一个团(run)，并记下它的起点start、终点end以及它所在的行号。

2)对于除第一行外的所有行里的团，如果它与前一行中的所有团都没有重合区域，则给它一个新的标号；如果它仅与上一行中一个团有重合区域，则将上一行中与之相连的团的标号赋给它；如果它与上一行的2个及以上的团有重叠区域，则给当前团赋一个相连团的最小标号，并将上一行的这几个团的标记写入等价对。

3)将等价对转换为等价序列。一组等价对需要给一相同的标号，从1开始，逐次标号各等价对。

4)遍历开始团的标记，查找等价序列，并将每个团的标号填入标记图像中。

1.3 腐蚀重构

数学形态学是图像处理和模式识别领域的新方法，其基本思想是用具有一定形态的结构元素去度量和提取图像中的对应形状[7,8]，以达到图像分析和识别的目的。形态学中定义先腐蚀后膨胀的运算为开运算，基于开的重建是通过腐蚀后再进行形态学重建来清理图片。

腐蚀处理是利用结构元素对图像进行探测，找出图像中可以放下该结构元素的区域，实现消除边界点，使边界点向内部收缩的效果。腐蚀方法常应用来消除小而无意义的物体，其原理是利用结构元素扫描图像中的每一个像素，并与其覆盖的二值图像作“与”操作[9]。

数学定义如下：A被B腐蚀记为AΘB，也可表示为：

AΘB={z|(B)z∩Ac≠Ø}

式中，Ø为空集；B为元素结构；且平移的B与A的背景不叠加。

重构是一种涉及到2幅图像和一个结构元素(而不是单幅图像和一个结构元素)的形态学变换。一幅图像，即标记(marker)，是变换的开始点。另一幅图像是掩模(mask)，用来约束变换过程。结构元素用于定义连接。

若g是掩模，f为标记(标记f必须是g的一个子集，即f⊆g)，则从f重构g可以记为Rg(f)，它由下面的迭代过程定义：

1)将h1初始化为标记图像f；

2)创建结构元素：B=ones(n)；

3)重复hk+1=(hk⊕B)∩g直到hk+1=hk。

2 钢材优劣检测算法及流程

图4 钢材优劣检测算法流程图

图5 均值滤波处理图像

根据钢材优劣的特点，首先对钢材图像进行去噪处理，然后提取特征，接着对伪特征进行滤除，最后得到钢材的优劣情况，流程图如图4所示。

2.1 去噪处理

在钢材中对于分散比较均匀的碳化颗粒和自身的条纹对钢材质量没有影响，可以直接将之去除以避免它们对后面的处理带来影响。因此，进行图像检测时，首先必须进行去噪处理。

试验采取的是均值滤波去噪。均值滤波能有效抑制加性噪声，但容易引起图像模糊，可以对其进行改进，主要避开对景物边缘的平滑处理。通过处理前后的对比(见图5)可以看出，碳化颗粒和自身条纹得到明显的抑制，达到了去噪的效果。

2.2 特征提取

图6 二值化处理后的图像

在去噪后需要提取图像的优劣信息，即对图像进行提取特征，以方便进行检测。通过观察均值滤波后的图像发现，图像优劣特征的灰度值区间与其他部分的灰度值区间存在明显差异。因此，可通过自动二值化方法对图像进行处理，得到所需信息。

2.3 滤除伪特征

如图6所示，通过二值化处理后的图像仍然存在部分白斑，即伪特征。该类白斑与需要检测的带状裂痕灰度级相近，但其多由颗粒杂质聚集造成，对钢材的质量影响不大，因此为方便后续分析，需将其去除。由于伪特征与影响钢材质量的裂痕连通大小区别较大，笔者使用连通域筛选法和腐蚀重构法这2种方法对已处理的图像进行再次处理。

2.3.1 连通域筛选法

该方法主要采用了matlab中连通区域标记函数bwlabel，算法首先一次遍历图像，并记下每一行(或列)中连续的团(run)和标记的等价对，然后通过等价对对原来的图像进行重新标记。连通域筛选法的流程图如图7所示。

连通域筛选法的主要过程为：①读取原始图像，均值滤波后再通过im2bw将其转化为二值图像以进行预处理；②遍历图像，通过bwlable对各连通域进行标记；③计算求出各连通域的大小；④找出各连通域中大于min的部分并建立索引；⑤输出带有索引的二值化图像。

2.3.2 腐蚀重构法

腐蚀重构法函数为：

imgN= imreconstruct(imerode(img,strel('disk',n)),img)

图7 连通域筛选法流程图

首先用imerode对图像img进行腐蚀处理，该操作会将原图像中一些伪特征腐蚀掉，但同时图像的部分信息特征也会被腐蚀，因此，需要进行适当处理来恢复特征信息。此处，以图像img为基础得到的图像为参照，将图像img进行重构得到较为理想的图像imgN。

3 试验结果及分析

试验主要采用连通域筛选法和腐蚀重构法来检测钢材样品中带状情况。图8为5种具有代表性的钢材样品原图以及经过腐蚀重构和连通域筛选2种方法处理后的结果图。当钢材样品中杂质分布相对均匀时，2种算法检测后都有少量杂质未处理完全，但是不影响后续评级和使用；当杂质较多并形成一条较长带状或钢材生产过程中形成裂痕时，2种方法都能达到较好的检测结果。此外，连通域筛选法更侧重杂质的连通情况，而腐蚀重构法对于并不连通，但是分布比较密集的杂质区域仍然可以检测出来，即其更强调杂质的密集程度。

4 结语

在对钢材样品图像进行裂痕检测中，提出了连通域筛选法和腐蚀重构法滤除伪特征。连通域筛选法通过设定合适的阈值，可以在滤除伪特征的同时更好的保护原始图像中的细节，但是具体的阈值，目前仍只是通过手动设定并进行多次试验几组具有代表性的样品图像和主观比较来获得，没有一个确定的标准，今后该方法可在阈值设定处作进一步改进以实现自动化。腐蚀重构法能够较好的清除图像中细小的伪特征，但同时也会腐蚀掉图像中某些有用的细节部分，可在腐蚀前针对某些可能被腐蚀的重要细节提前进行保护，腐蚀后再进行重构。

图8 2种方法在不同情况下处理效果图

[1]唐磊,赵春霞,王鸿南,等.基于图像三维地形模型的路面裂缝自动检测[J].计算机工程,2008(5):20～21+38.

[2]王兴建,秦国锋,赵慧丽.基于多级去噪模型的路面裂缝检测方法[J].计算机应用,2010(6):1606～1609+1612.

[3]于泳波,李万恒,张劲泉,等.基于图像连通域的桥梁裂缝提取方法[J].公路交通科技,2011(7):90～93.

[4]刘益玲,谢书童.基于模糊数学的公路路面裂痕检测技术[J].集美大学学报(自然科学版),2014(3):224～229.

[5]李佐勇,汤可宗,胡锦美,等.椒盐图像的方向加权均值滤波算法[J].中国图象图形学报,2013(11):1407～1415.

[6]朱士虎,游春霞.一种改进的均值滤波算法[J].计算机应用与软件,2013(12):97～99+116.

[7]王彦,谢晓方,吴龙宝,等.基于概率模型的裂纹识别算法[J].计算机工程,2012(2):189～191.

[8]王树文,闫成新,张天序,等.数学形态学在图像处理中的应用[J].计算机工程与应用,2004(32):89～92.

[9]Gonzalez R C.Digital Image Processing Using MATLAB[M].Electronic Industry Press,2009.

[编辑] 洪云飞

2016-04-18

国家自然科学基金项目(61273279)；湖北省自然科学基金项目(2013CFA053)。

姜圆香(1993-)，女，硕士生，现主要从事数字图象处理、目标检测方面的研究工作。

孙玉秋(1968-)，女，博士，教授，博士生导师，现主要从事数字图像处理、模式识别方面的教学与研究工作；E-mail:yqsun@yangtzeu.edu.cn。

TP391

A

1673-1409(2016)25-0026-05

[引著格式]姜圆香，孙玉秋，王超，等.基于连通域筛选和腐蚀重构的钢材裂痕检测[J].长江大学学报(自科版)，2016,13(25)：26～30.