算法分析
基于数学形态学的焊缝缺陷提取算法
麻春辉1宋素珍2杜瑶1张淑华1
(1.承德石油高等专科学校汽车工程系河北承德067000;2.河北旅游职业学院旅游管理系河北承德067000)
与质
摘要：针对数字化后的烊缝图像存在并舍有大量噪声、对比度低，边嫁模糊不清等特点，本文提出了多尺度多结构形态学与数字减影法相结合的缺陷提取算法。在此基础上存在气孔缺陷的局部对比度低的焊缝图像进行缺陷提取实验,实验结果表明该算法能对数字图像中的缺陷进行有效的提取。
关键词：数学形态学数字减影低对比度缺陷提取
中图分类号:TP301.6 1引言
文截标识码:A
由于X射线焊缝底片图像的差异性很大，在实际工程应用中，难免会碰到局部对比度很低的焊缝底片。根据X射线焊缝数字图像的特点，缺陷影像的边缘模型绝大部分属于斜坡型，理想的阶跃型边缘由于模糊度较大而很少见，噪声信息也较大1-2而对于这种情况很难找到一个合适的阅值将背录与边缘区分开。边缘检测是根据引起图像灰度变化的物理过程来描述图像中灰度变化的过程。传统的Canny边缘检测算法-1,Roberts边缘检测算法"或者阅值分割方法7较难准确地提取出缺陷边缘
本文提出基于数学形态学的焊缝缺陷提取的一种综合算法，将数学形态学和数字剪影法进行融合，能够有效提取特征信息。
（a）原始限像
JA
c）数学形志学界就(d）数学形态学二值化
图1焊缝图像处理结果
收移日期：2015-0824
文章编号:1007-9416(2015)09-0106-02 2基于数学形态学的缺陷提取算法
2.1算法原理
首先对对比度很低的焊缝区城进行多尺度局部增强，botom-hat变换可以从图像中提取比结构元素小的暗物质，通过变换后可以得到比背景暗的细节图像。Bottom一hat变换如下式：
y(m, n) = (x*s)(m,n) x(m, n) 对原始图像进行分析得
x(m,n) = (r+ s)(m, n) [(x+s)(m,n)(m, n))
(1)(2)
上式第一部分为闭操作，第二部分为bottom-hat变换，即为图像的暗特征，它表明了在原始图像中局部对比度的变化。
此处对该式进行改进，在式中增加控制系数，则变为下式：
X(m,n) = (x+s)(m, e) k[(x+s)(w, e) x(m, a)
(3)
x(m,n)为增强后的图像，为控制系数，&取大于1的值时，该变换式可以使图像中的暗特征更暗，从而改善局部对比度
综上，采用不同尺寸的结构元素对图像进行一系列的bottom-hat变换，则可提取图像中不同尺寸的结构特征，有选择地对这些特征进行处理。但是以上都是使用的同一种结构，而数学形态学运算
(e）本章算法
图2特征提取效果比较
作者简介麻券辉(1988一),男，河北沧州人,讲师，硕士研究生，研究方向：图像识别，内燃机故障诊断；宋素珍(1986—),女,河北沧州人,讲师，硕
士研究生，研究方向：图像处理,信息自动化：杜瑞(1989一)男河北石家庄人，讲师，项士研究生，研究方向：图形数宇化张激华(1977)女河北衡水人,讲师，颈士研究生，研究方向：图像处理，内燃机故障诊断。
106