基于单尺度Retinex的电路板刀具磨损图像细节增强方法

杨晶晶，欧冰，李海

中山职业技术学院

1 引言

电路板刀具在工作过程中会逐渐产生磨损，传统的刀具寿命管理方式可以降低磨损风险，但人为因素干扰过大，存在随机性，易导致电路板刀具未能得到充分利用就被弃置，影响工作效率[1]。为了延长刀具的使用寿命和提高工作效率，研究人员提出了基于图像处理的刀具磨损检测方法，通过技术手段获得电路板刀具的实时图像，并判断刀具的磨损程度，根据检测结果调整刀具的使用情况和处理措施[2]。早期对刀具磨损图像的细节增强技术研究更关注图像之间的相关性，主要针对多源图像进行融合，从而补充和增强图像细节。由于电路板刀具磨损的随机性，这种增强形式并不能有效满足工作需求[3]。针对不同的需求，国内外的研究学者和专家不断研究能够增强图像细节的新方法，图像亮度优化以及图像对比优化等一系列方法不断被提出和论证，并逐渐研究出具有实践意义的图像细节增强方法，被广泛应用到工业生产中。

在工业领域中，目标图像采集环境往往比较复杂，周围可能存在大量设备、噪声和不稳定光线等外在因素，很容易出现噪声混叠问题，不仅产生大量的噪声干扰，图像增强效果不明显，而且还增加了额外的时间成本，图像增强处理的实时性较差[4，5]。因此，本文提出基于单尺度Retinex的电路板刀具磨损图像细节增强方法，以解决上述常规图像增强方法存在的问题。

2 图像细节增强方法设计

2.1 构建图像处理模型

在处理电路板刀具磨损图像前，需构建图像处理模型。模型需包含图像形成的相关物理信息和运算，并呈现出图像信息特征。在模型中，将图像的光照强度近似看做一个光照滤波器的光照，定义图像的灰度色调函数为

w(x，y)=Q-w′(x，y)

(1)

式中，w′(x，y)表示原始图像的灰度值；Q表示图像颜色信息，通过色调变换得到不同数值，当Q=0时，Q表示白色；当Q=256时，Q表示黑色。

对模型的部分重要运算进行定义

(2)

(3)

式(2)表示加法运算，将图像像素灰度值限定在[0，Q)范围内，避免图像信息丢失；式(3)表示减法运算，将图像灰度值扩大到(-∞，Q)。

模型的标量乘法运算可表示为

(4)

式中，α为与刀具磨损图像灰度值相关的常数，在计算中是一个大于0的正数。

当0<α<1时，目标图像在α的影响下缩小；当α>1时，目标图像灰度值在α的影响下逐渐放大。在模型构建完成后，以图像模型作为处理目标，增强电路板刀具磨损图像细节。

2.2 目标图像的滤波处理

滤波处理是为了去除图像噪声和减少影响图像质量的干扰因素。基于构建的图像处理模型，假设滤波操作输入图像为u，用于滤波的引导图像为w，滤波后输出的图像为v，以滤波引导图像与输入图像的局部线性相关性作为依据，得到输出图像的计算公式为

vi=βwi+δ

(5)

式中，i∈Lj，Lj表示窗口，该窗口位于滤波引导图像w的像素点i的中心；βj和δj均表示邻域窗口上的局部线性系数[6]。

在对刀具磨损图像滤波的过程中，滤波效果的好坏关键在于求解邻域窗口局部线性系数。利用式(5)计算模型输入输出的差值，计算公式为

(6)

式中，ε表示引入的惩罚因子，负责在滤波过程中根据局部线性系数的变化程度适当抑制βj值过大的情况发生。

在计算中，设ε=0.1，将模型最小化输入输出差值作为计算依据，求解式(6)中的局部线性系数βj和δj。计算公式为

(7)

电路板刀具磨损图像的引导滤波处理主要利用待滤波图像窗口的加权平均，通过计算窗口像素灰度均值和方差估计图像局部细节，根据窗口的自动变化实现局部线性系数的自适应调整，在图像处理中保证图像边界信息完整。在对局部线性系数求解过程中，随着窗口移动，图像中每个像素都会被包含在窗口中，因此需求解每个像素系数，以保证图像细节的完整性。在求解前，确定窗口信息以及内部像素点，均值化处理所有窗口的局部线性系数。

具体求解方法为

(8)

式中，i，j∈Lj，表示所有包含像素点的窗口。

在完成滤波处理后，采用单尺度Retinex处理滤波后的图像，增强图像细节。

2.3 基于单尺度Retinex的图像增强处理

在图像处理中，单尺度Retinex主要利用目标的照射原理和反射原理处理图像，目的是减弱或消除散射光的影响并增强图像细节。考虑到图像中的照射分量由邻域像素决定，针对刀具磨损图像中某一像素的照射分量，使用高斯函数获得图像中包含的照射分量。高斯函数可表示为

(9)

式中，τ为高斯函数的尺度参数。

尺度参数的大小设定与图像暗区细节相关，取值较小时能够增强图像暗区细节。经过高斯函数的处理，得到的照射分量可表示为

H(x，y)=U(x，y)*G(x，y)

(10)

式中，U(x，y)为图像采集设备采集到的电路板刀具磨损图像；H(x，y)为照射分量；*表示卷积运算。

获得照射分量后，运用指数运算提取出反射分量S(x，y)，具体方法为

S(x，y)=exp{log[U(x，y)]-log[H(x，y)]}

(11)

在已知照射分量和反射分量的情况下，完整的刀具磨损图像表示为

U(x，y)=H(x，y)×S(x，y)

(12)

剔除掉电路板刀具磨损图像中的照射分量，仅保留反射分量，即可获得细节清晰的刀具磨损图像。至此，基于单尺度Retinex的电路板刀具磨损图像细节增强方法设计完成。

3 图像细节增强方法

在实验研究中，从客观评估和主观评估两方面分析电路板刀具磨损图像细节增强方法的实时性，同时在实验中引入两种应用较多的常规方法，分别是基于双域分解的图像增强方法和基于双边滤波的图像增强方法，将三种图像增强方法作为实验目标，对比分析各个图像增强方法的图像处理性能。

3.1 客观质量分析及评价结果

目前，针对电路板刀具磨损图像细节增强方法的研究尚未有完善的客观评价标准，在客观质量评价分析中，以标准差、信息熵、峰值信噪比和图像增强方法运行时间作为实验指标，对比分析各个增强方法水平。由于图像的对比度与图像细节清晰程度呈正比关系，在客观评价中，通过标准差指标的变化衡量图像对比度水平，标准差的表达式为

(13)

计算的标准差越大，说明图像对比度越大。以图像的峰值信噪比表示处理后图像的重构程度，其计算公式为

(14)

(15)

式中，γ表示输入图像与均值图像的均方误差；max(p)表示输入图像中的最大亮度。

实验指标中信息熵表示图像单位像素的信息混乱程度，信息熵的表达式为

(16)

式中，p(x，y)表示输入图像；η表示目标图像中存在像素灰度值的概率。

实验信息熵越大，说明图像越清晰。基于上述计算内容，统计各个图像增强方法的客观质量评价结果(见表1)。

表1 各个图像增强方法客观质量评价结果

在三组实验结果中，本文提出的增强方法在标准差、信息熵、峰值信噪比以及增强方法的运行时间上的表现明显优于另外两组结果。上述结果表明，本文设计的基于单尺度Retinex图像细节增强方法在细节增强上具有非常好的效果，并且实时性更强。

3.2 主观质量评估结果及分析

主观质量评估实验设备有计算机、A622f摄像头、显微镜和L-150型冷光源等，在不同光源亮度下由摄像头拍摄电路板刀具图像，通过数据线传输到计算机中保存。实验中，使用的车刀材料为YT15硬质合金，工件材料为30CrMnSiA，直径为70mm，切削速度为400r/min，吃刀量为0.5mm，进给量为0.24mm/r。按照以上参数对工件进行连续车削，以两次走刀为拍摄间隔，拍摄刀具磨损区域图像，得到实验样本集合。选择其中低照度刀具磨损图像作为实验样本，用于主观视觉效果验证。图1为选择的图像样本。

图1 实验样本

观察图1可以看出，图像整体亮度比较暗，物体细节看不清楚，在一些区域色偏现象比较严重，使用不同的图像细节增强方法处理实验样本图像，对比分析处理后各个图像的恢复效果。实验结果如图2所示。可以看出，图2a和图2b图像刀具磨损细节分辨不清，其中，图2a是由于曝光过大，出现光晕导致图像中刀具磨损细节不清晰；图2b中的图像非常暗，细节模糊严重，图像细节没有得到有效增强，存在严重的失真现象；图2c中的图像亮度有了明显提高，刀具磨损细节信息清晰。上述结果表明，本文提出的图像细节增强方法优于常规图像增强方法。

3.3 基于统计的图像质量评估

对于刀具磨损图像，良好的视觉表达方式往往与图像的灰度均值和标准差相关。将实验图像样本分成独立互不交叉的50×50子块，分别计算每一块的标准差与灰度均值，以增强后图像不失真为实验条件，计算标准差与灰度均值的乘积，两者乘积越大说明图像质量越好；反之，图像质量差。

在主观视觉评估实验中图像出现过曝光过度的情况，说明图像存在颜色失真现象，增强效果不明显。为了进一步说明图像细节增强方法的增强效果，以上述增强后的图像不失真为前提条件，计算图像标准差与灰度均值的乘积，计算结果如图3所示。

图3 图像灰度均值与标准差乘积的统计

图中显示的方法1、方法2和方法3分别是基于双域分解的图像增强方法、基于双边滤波的图像增强方法以及本文提出的图像增强方法。由统计结果可以得出，方法3的乘积最大，图像增强效果最好，而方法1和方法2的乘积所差无几，与原图水平相比，并无太大差距，说明图像细节增强效果并不明显。上述结论基本与主观视觉评估实验中的结果一致，说明灰度均值和标准差的乘积能够评判图像质量的好坏。将此结果与上述客观质量评价结果和主观视觉评价结果相结合，共同证明了所提出的基于单尺度Retinex的电路板刀具磨损图像细节增强方法在处理图像时，既可以有效增强图像细节，又能保存原图像的信息，避免了现失真现象，同时实时性也得到了提高，该方法优于常规图像增强方法。

4 结语

以增强电路板刀具磨损图像细节作为主要研究内容，在单尺度Retinex的支持下，利用图像增强技术对刀具磨损图像进行研究分析，从理论和实践两个方面研究并设计出电路板刀具磨损图像细节增强方法。利用给定的实验样本和实验目标，通过客观质量评价和主观视觉评价验证了所述图像增强方法的可行性和实时性。

从上述研究结论可以看出，本文设计的刀具磨损图像增强方法具有一定的理论意义和应用前景，但是由于刀具磨损的原因比较复杂，要真正满足加工实际需求，还需要进一步完善图像增强方法。如在采集电路板刀具磨损图像实验过程中，图像采集设备的振动和光线的变化都会对实验结果产生影响，造成实验误差，因此，在后续研究中，需要完善实验内容，提高实验的可靠性，从而提高图像增强方法的说服力。