单板表面裂缝图像处理方法研究

杨建华， 姚建平， 范 磊， 张 端， 许心梦

(1.中国林业科学研究院林业新技术研究所，北京 100091；2.国家林业局北京林业机械研究所，北京 100029；3.北京林业大学工学院，北京 100083)

研究与设计

单板表面裂缝图像处理方法研究

杨建华1，2，3， 姚建平3， 范 磊3， 张 端2， 许心梦2

(1.中国林业科学研究院林业新技术研究所，北京 100091；2.国家林业局北京林业机械研究所，北京 100029；3.北京林业大学工学院，北京 100083)

设计了基于图像处理的单板表面裂缝缺陷检测方案，通过灰度化、灰度变换、二值化、形态学处理等图像处理技术，从图像中检测分割出裂缝区域，为进一步缺陷识别提供基础数据。实验表明，该检测方案检测效果较好，边界信息平滑完整，能准确地反映裂缝缺陷范围。

单板；表面缺陷；裂缝；图像处理

单板表面缺陷对单板的质量影响很大，其降低了单板的利用率和使用价值[1]。单板表面缺陷主要分裂缝、节疤、虫眼等几种，其中裂缝是普遍存在的一种主要缺陷，行业标准LY/T 1599-2011(旋切单板)明确规定，裂缝的长度、位置、数量等特征信息是衡量其对外观质量影响效果的主要参数，也是判断单板外观质量的基本特征。研究基于计算机图像处理技术的单板表面缺陷检测技术，对快速识别单板表面缺陷意义重大[2]。

本研究基于计算机图像处理方法及技术，采用Matlab图像处理工具，探讨图像处理方法，设计了单板裂缝图像处理方案与算法，并进行了实验验证。

1 方案设计

本研究所设计的单板表面缺陷图像处理流程包括彩色数字图像灰度化、像素统计分析、图像灰度变换、图像分割、去除黑边、形态学处理及裂缝边缘提取，图像处理流程如图1所示。

图1 图像处理流程

2 缺陷图像处理

本研究选取4张有代表性的单板裂缝缺陷图像，对其处理后提取裂缝缺陷。裂缝缺陷图像如图2所示。

图2 裂缝缺陷图像

2.1 图像灰度化

将彩色图像转化成灰度图像的过程称为图像的灰度化处理。本研究只需要提取颜色的突变特征，不需要考虑缺陷部分的颜色，故可以先将彩色RGB图像转换成灰度图像，这样可以降低特征提取的难度[3-4]。将彩色RGB图像转化为灰度图像可应用rgb2gray()函数进行，灰度化后的图像如图3所示。

2.2 像素统计分析

为了提高图像分割的质量，对全部图像像素进行统计分析，得出像素值的分布特征。主要计算像素值的灰度均值和方差，分别应用JZ=mean2()和FC=std2()来实现。其中：JZ为像素灰度均值，FC为像素灰度方差。

图3 灰度化图像

2.3 图像灰度变换

灰度变换是图像增强的一种重要手段，可使目标区域的图像更清晰，特征更明显。研究采用分段线性变换法，将目标区域的图像细节灰度级拉伸以增强对比度，对非目标区域的细节则进行灰度级压缩。通过灰度均值(JZ)和灰度方差(FC)来动态选取转折点坐标，两转折点坐标计算方法为(FC/255，0.1)和((JZ-FC)/255，0.9)，应用函数imgrayscaling(F，[FC/255(JZ-FC)/255]，[0.1 0.9])来实现变换，其中F为灰度图像。变换后的图像如图4所示。

图4 灰度变换图

2.4 图像分割

图像分割可将图像中有意义的特征或需要应用的特征提取出来。阈值分割法主要依靠设定阈值来分辨物体与背景。本研究通过式(1)计算图像二值化所得到的阀值，应用im2bw()来实现图像的分割，分割后的二值图像如图5所示。

Threshold=0.8×thresh

(1)

式中：Threshold为最终阀值，thresh为通过最大类间方差法计算的初选值。

图5 二值图像

2.5 图像去除黑边

整张图像四个边界的突变特征在图像处理过程中往往会被保留下来(见图5)，如不去除会增加最终目标区域数量，进而增加程序的运算量，降低执行效率，所以本文对黑边进行了去除，程序如下：

d=3；

Fezh(1：d，：)=1；

Fezh((m-d)：m，：)=1；

Fezh(：，1：d)=1；

Fezh(：，(n-d)：n)=1；

式中：d为黑边宽度，Fezh为二值图像，m、n分别为图像的长度和宽度。去除黑边后的图像如图6所示。

图6 去除黑边后的图像

2.6 形态学处理

形态学是一门建立在集合论基础上的学科，是一种非线性的图像处理和分析工具[5-6]。形态学有膨胀和腐蚀两种基本运算，由这两种运算可以组成多种复合运算，如开运算、闭运算等[7]。本研究对二值图像应用函数bwmorph()来实现开运算、闭运算、清除孤立前景像素、填充单个像素孔洞等，处理后的图像如图7所示。

图7 形态学处理后图像

2.7 边缘提取

图8所示为图像缺陷轮廓，从图8可见缺陷轮廓光滑清晰。图9所示为提取的缺陷轮廓叠加到原图(图2)上的效果图，裂缝缺陷被完整地提取出来，但有一些纹理或干扰区域(非裂缝缺陷)也被提取出来，这还需进一步识别其是否为裂缝缺陷。

图8 图像缺陷轮廓

图9 图像缺陷提取效果图

3 小结

本研究依照设计的图像处理流程对4张典型的裂缝缺陷图像进行了二值化、形态学等处理，提取了裂缝的基本轮廓特征，分割出裂缝区域，为进一步缺陷特征提取和模式识别奠定了基础。将轮廓还原到原图中，显示裂缝区域检测效果较好，基本能准确地检测出明显的裂缝缺陷，对后续缺陷的自动检测和实现缺陷的准确定位、统计分析、控制截除等工作具有重要的意义。

[1] 国家林业局.LY/T 1599-2011，旋切单板[S].北京：中国标准出版社，2011.

[2] 王阿川，曹琳，曹军.基于改进轮廓模型的单板缺陷图像快速识别[J].计算机工程，2013，39(4)：22-26.

[3] 杨建华，李丽，张伟.基于形态学的锯材表面缺陷图象处理方法研究[J].林业机械与木工设备，2012，40(9)：18-20.

[4] 杨姝荟，戚大伟.基于马尔科夫随机场理论的木材图像恢复[J].森林工程，2015，31(4)：64-67.

[5] 白雪冰，王再尚.基于CV模型和数学形态学的木材表面缺陷分割方法[J].机电产品开发与创新，2011，24(5)：75-76.

[6] 吴彤，刘嘉新，丁全福.木材缺陷重建图像的形态学处理研究[J].森林工程，2016，32(2)：40-43.

[7] 阮秋琦.数字图像处理(MATLAB版)[M].北京：电子工业出版社，2005：252-284.

(责任编辑 张雅芳)

Research on Veneer Surface Crack Image Processing Methods

YANG Jian-hua1，2，3， YAO Jian-ping3， FAN Lei3， ZHANG Duan2， XU Xin-meng2

(1.Forestry New Technology Research Institute，Chinese Academy of Forestry，Beijing 100091，China；2.Beijing Forestry Machinery Research Institute，the State Forestry Administration，Beijing 100029，China；3.School of Technology，Beijing Forestry University，Beijing 100083，China)

A veneer surface crack defect detection scheme based on image processing is designed，using such image processing technologies as graying，gray-scale transformation，binaryzation and morphological processing，racks area can be detected and separated to provide basis data for further defect recognition.The experiment shows that the defect area detection result is good，with boundary information smooth and complete，able to accurately reflect the crack defect scope.

veneer；surface defect；crack；image processing

2017-01-22

中央级公益性科研院所基本科研业务费专项资金项目“基于机器视觉的单板外观质量在线检测系统研究”(CAFINT2015C14)

杨建华(1983-)，男，副研究员，主要研究方向为木材检测、图像处理及机电一体化，Email：woodtesting@163.com。

TS612；TP391.41

A

2095-2953(2017)04-0029-03