焊缝检测区域的分段线性阈值增强算法

罗超群 胡志辉 邓渝波

关键词： 空域; 引导滤波; 平滑滤波; 频域; 分段线性阈值法; 增强; 焊缝区域

中图分类号： TN911.1?34; TP301.6                   文献标识码： A                 文章编号： 1004?373X（2019）05?0045?03

Weld area enhancement algorithm based on piecewise linear threshold method

LUO Chaoqun1， 2， HU Zhihui1， DENG Yubo2

（1. School of Electronic and Information Engineering， South China University of Technology， Guangzhou 510640， China;

2. Army Special Operation Academy of PLA， Guilin 541002， China）

Abstract： The interference existing in the images of curved weld may affect the extraction precision of weld seam. A weld area enhancement algorithm based on improved piecewise linear threshold method is proposed. The weld image is smoothed by guided filtering to suppress the interference in spatial domain， and then the improved piecewise linear threshold method is used to enhance the weld area in frequency domain. The experimental results show that the weld area enhancement algorithm can avoid the reconstruction oscillation produced by the traditional threshold method while enhancing the weld edge

Keywords： spatial domain; guided filtering; smoothing filtering; frequency domain; piecewise linear threshold method; enhancement; weld area

瑕疵划痕、金属纹理以及金属反光等会影响焊缝实时提取，一般提取前需要消除噪声干扰，增强焊缝边缘对比度。简单的霍夫变换[1?3]不适合曲线型焊缝。焊接工件的预焊点干扰使本文不宜采用结构光系统[4?5]。虽然双边滤波能很好地抑制噪声，保持焊缝边缘[6?7]，但双边滤波的运行时间较长，无法满足实时性要求。直方图均衡化会使增强焊后的缝边缘发生偏移[8]，且在预焊点处会更明显，影响焊缝的定位精度。

本文结合引导滤波与改进的分段线性阈值法[9]，提出基于改进的分段线性阈值法的焊缝区域增强算法。

1  分段线性阈值增强算法

改进的增强算法包括空域平滑和频域增强两部分。

1.1  空域平滑

平滑处理要求为：平滑焊缝两侧区域时保持焊缝边缘;因焊区移动，需高实时性。平滑滤波结果如图1所示。对比原图1a），均值滤波图1b）和高斯滤波图1c）均平均了焊缝边缘和圆筒体噪声。中值滤波图1d）平滑整体且保持大部分边缘，但明显模糊了较细的边缘。图1e）和图1f）为双边滤波和引导滤波结果，焊缝部分平滑明显，而边缘被保持得很好。

用标准差、信息熵、细节能量、峰值信噪比和处理时间数据分析原始焊缝图像经多种滤波器滤波处理后的变化，结果如表1所示。

從表1可以看出，引导滤波综合边缘保持特性与算法效率，在各类平滑滤波算法上都有较明显的优势。

1.2  频域增强

图像中焊缝曲线在近似垂直方向可以利用小波变换系数矩阵找到特定的高频分量，对特定高频分量（垂直分量）进行处理，增强焊缝边缘。引导滤波后进行两层金字塔小波分解，得到细节分量系数、水平分量系数、垂直分量系数、对角分量系数，分别记为[An]，[Hn]，[Wn]，[Dn]（[n=1，2]）。增强目标是对垂直分量系数[Wn]进行增强。阈值增强表示如下[10]：

[W′n=kWn，Wn≥λ0，Wn<λ]      （1）

式中：[λ]为定义域阈值;[k]为增益系数。式（1）对绝对值大于阈值[λ]的小波系数进行线性扩大;对小于阈值的系数置0。在实际焊缝区域图像垂直分量系数中，焊缝边缘系数较大而其他区域相对较小。但在弱边缘处容易出现低于阈值的情况而被置0，且在[Wn=λ]处不连续，易引起重构信号出现伪吉布斯效应。本文提出一种改进的分段线性阈值法，对垂直分量系数[Wn]进行增强，其表示如下：

[W′n=sgn（Wn）WmaxWnWmaxγH，Wn≥λC?sgn（Wn）WmaxWnWmaxγL，Wn<λ]  （2）

式中：[λ]为定义域阈值;[sgn（? ）]为符号函数;[Wmax]为小波系数最大值;[C]为控制输出范围和保证值域连续系数，计算方式为：

[C=（λWmax）γH（λWmax）γL]       （3）

式中：[γH]和[γL]分别为高阈值增强参数和低阈值增强参数，进行小波系数增强时，有[γH∈（0，1]]，[γL∈[1，∞）]。

由控制参数[C]的计算式和[γH]，[γL]的取值范围可知，[C]的取值范围为[[1，∞）]内的实数。在原低阈值[Wn<λ]处的分段曲线在[C]的作用下增大，可能超过[W′n=Wn]曲线。通过联立[W′n=Wn]和改进法在低阈值区域公式，在真实阈值[λt]处有：

[W′λt=λt=sgn（λt）（λWmax）γH（λWmax）γLWmaxλtWmaxγL] （4）

通过对数转换，可求出真实阈值：

[λt=λγH-γL1-γLW1-γH1-γLmax] （5）

在[Wn≥λt]范围的小波系数得到增强，在[Wn<λt]范围，小波系数被衰减，且值域连续，避免了重构振荡。

图2a）和图2b）分别为传统阈值法和改进的分段线性阈值法的映射曲线，其中传统阈值法增益系数[k=]1.5，定义域阈值[λ]=0.5，改进方法定义域阈值[λ]=0.5，高阈值参数[γH]=0.4，低阈值参数[γL]=2。可见对于传统阈值法，在[Wn≥λ]区域，焊缝图像边缘的小波系数得到比例增强;在[Wn<λ]处，小波系数均作为噪声被置0;在[Wn=λ=±0.5]处值域不连续，造成增强后图像奇异点附近出现明显的重构振荡。

改进的分段线性阈值法可计算出真实阈值[λt]=0.330，如图2b）中箭头所指。当[Wn≥λt]时，小波系数得到增强，且在[λt≤Wn≤λ]时，斜率逐渐增大，将可能的弱边缘增强。当[Wn<λt]时，噪声被压缩到较窄的低值域范围。改进的阈值法在全局值域连续，减弱了因为值域不连续导致的重构振荡。

2  实验结果与分析

小波分解如图3所示。图3a）为原图，图3c）为对其进行窗口半径[r]为11，惩罚项[ε]为60的引导滤波图。图3b）和图3d）为图3a）和图3c）的二层小波分解。经对系数分析，非焊缝边缘区域响应幅值主要集中在[0.2Wmax]范围，通过垂直高频子图分量，可以增强焊缝边缘。

图4是基于阈值法后小波增强结果。改进的分段线性阈值法定义域阈值设定为[λ=0.2]，[γH]=0.8，[γL]=1.25。图4a）～图4c）的标准差分别为13.539，14.056，13.747，表明传统阈值法虽细节较为明显，但在增强焊缝时出现明显重构纹理，而本文方法未产生明显纹理信息。

图5为典型的曲线焊缝图像经过本文算法增强后的实验结果。引导滤波器窗口边长为[r=11]，惩罚项[ε=60]，改进的分段线性阈值法定义域阈值设定为：[λ=0.2]， [γH]=0.8，[γL]=1.25。表2为实验结果分析。

引导滤波平滑后，焊缝图像在低频得到平滑，细节纹理和噪声被模糊，图像边缘细节能得到很好的保持。这从引导滤波图5b）到实验结果图5c）的标准差、信息熵、细节能量均有增加可得到驗证。

3  结  论

本文针对曲线型焊缝提取问题，结合引导滤波与改进的分段线性阈值法小波增强，提出基于改进的分段线性阈值法的焊缝区域增强算法。实验结果表明，本文算法在增强焊缝边缘的同时，能避免传统阈值法出现的重构振荡，取得了较好的焊缝区域增强效果。

参考文献

[1] 董砚，崔丽娜，陈海永，等.基于同轴摄像机的激光焊缝初始点识别与定位[J].计算机测量与控制，2013，21（3）：700?702.

DONG Yan， CUI Lina， CHEN Haiyong， et al. Laser welding seam start position recognition and adjusting based on coaxial camera [J]. Computer measurement & control， 2013， 21（3）： 700?702.

[2] 彭刚，刘博，熊超.机器人焊缝识别技术研究[J].智能机器人，2017（1）：34?37.

PENG Gang， LIU Bo， XIONG Chao. Research on robot weld recognition technology [J]. Intelligent robot， 2017（1）： 34?37.

[3] 刘源浻，黄楚勤，黄明，等.光切法视觉检测的焊缝坡口中心定位方法[J].电焊机，2017，47（3）：54?58.

LIU Yuanjiong， HUANG Chuqin， HUANG Ming， et al. Weld groove center location method based on light?section method in vision inspection [J]. Electric welding machine， 2017， 47（3）： 54?58.

[4] 赵军，赵继，张雷.焊缝结构光图像处理与特征提取方法[J].西安交通大学学报，2013，47（1）：114?119.

ZHAO Jun， ZHAO Ji， ZHANG Lei. Image processing and feature extraction for structured light images of welded seam [J]. Journal of Xian Jiaotong University， 2013， 47（1）： 114?119.

[5] 李登峰，吴秀明，胡捷，等.线结构光焊缝表面质量监测方法[J].辽宁工程技术大学学报，2014，33（1）：66?70.

LI Dengfeng， WU Xiuming， HU Jie， et al. Design of weld surface quality detecting system based on line structured light [J]. Journal of Liaoning Technical University， 2014， 33（1）： 66?70.

[6] XIAO C M， SHI Z L. Adaptive bilateral filtering and its application in retinex image enhancement [C]// 2013 IEEE International Conference on Image and Graphics. Qingdao： IEEE， 2013： 45?49.

[7] 卢斯伟，胡晓兵，文华，等.基于双边滤波算法下的焊缝跟踪系统研究[J].机械，2017，44（7）：11?14.

LU Siwei， HU Xiaobing， WEN Hua， et al. Seam tracking system based on bilateral filtering algorithm [J]. Machinery， 2017， 44（7）： 11?14.

[8] 张利明，李建忠，刘国奇，等.基于局部二值模式的射线图像增强算法[J].无损检测，2014，36（5）：23?26.

ZHANG Liming， LI Jianzhong， LIU Guoqi， et al. Radiograph enhancement based on local binary pattern [J]. Nondestructive testing， 2014， 36（5）： 23?26.

[9] 朱文杰，王广龙，高凤岐，等.引导滤波与视觉感知结合的自然场景轮廓提取[J].系统工程与电子技术，2017，39（1）：206?214.

ZHU Wenjie， WANG Guanglong， GAO Fengqi， et al. Natural scene contour detection by combining guided filter and visual perception [J]. Systems engineering and electronics， 2017， 39（1）： 206?214.

[10] 董雪，林志贤，郭太良.基于LOG算子改进的自适应阈值小波去噪算法[J].液晶与显示，2014，29（2）：275?280.

DONG Xue， LIN Zhixian， GUO Tailiang. Improved self?adaptive threshold wavelet denoising analysis based on LOG operator [J]. Chinese journal of liquid crystals and displays， 2014， 29（2）： 275?280.