工業(yè)DR圖像彩色合成及其缺陷檢測算法研究.pdf

1、工業(yè)鑄件在其生產(chǎn)過程中，由于受到各種主客觀因素的影響，常會(huì)在其內(nèi)部產(chǎn)生一些缺陷，而這些缺陷嚴(yán)重時(shí)會(huì)造成工件的安全使用隱患，因此在工件使用前要對其進(jìn)行缺陷檢測。DR(Digital Radiograph，數(shù)字式X射線成像)系統(tǒng)因其具有成像質(zhì)量好、檢測效率高等優(yōu)點(diǎn)有著廣泛的應(yīng)用前景，通過X射線掃描工件得到浮點(diǎn)型數(shù)據(jù)，然后進(jìn)行數(shù)據(jù)動(dòng)態(tài)范圍拉伸并取整就可以得到工件內(nèi)部的數(shù)字灰度圖像。本文有別于通常的直接對灰度圖像做缺陷檢測，而是先將灰度圖像合成

2、為彩色圖像后再做缺陷檢測，通過采用基于C-V(Chan-Vese)模型的圖像分割方法和基于區(qū)域生長的圖像分割方法分別對灰度圖像和彩色圖像做缺陷檢測，實(shí)驗(yàn)結(jié)果表明彩色圖像的分割效果較好。
　　 使用DR系統(tǒng)掃描工件得到浮點(diǎn)型數(shù)據(jù)后，通常的做法是，直接將所有數(shù)據(jù)拉伸為灰度圖像，這樣做損失了很多數(shù)據(jù)，使得灰度圖像的細(xì)節(jié)丟失嚴(yán)重，圖像中缺陷顯示效果很不理想；或者是只截取其中一段數(shù)據(jù)拉伸為灰度圖像，這樣做只能顯示出部分缺陷，因?yàn)楣ぜ煌?/p>

3、厚部位的缺陷對應(yīng)不同的數(shù)據(jù)段；再或者是截取不同的數(shù)據(jù)段得到顯示工件不同壁厚部位缺陷的灰度圖像，然后對每幅灰度圖像做缺陷檢測，這樣做效率較低且不直觀。本文針對DR圖像的特點(diǎn)，自動(dòng)截取不同的數(shù)據(jù)段得到能夠顯示工件不同壁厚部位缺陷的灰度圖像，然后合成為彩色圖像。首先，這樣做可以增強(qiáng)視覺效果，因?yàn)槿搜蹖ι拭舾?，它能識別上萬種彩色但只能分辨出幾十種灰度等級；其次，這樣做得到的合成彩色圖像包含了我們所關(guān)心的工件不同壁厚部位的缺陷；最后，相比用多幅

4、灰度圖像顯示不同壁厚部位缺陷的處理方法，顯然用一幅彩色圖像顯示省時(shí)省力且直觀。
　　 C-V模型是Chan和Vese在簡化M-S(Munford-Shah)模型的基礎(chǔ)上提出的圖像分割方法，它具有M-S模型的優(yōu)點(diǎn)并且減少了M-S模型的計(jì)算復(fù)雜度。Chan和Vese也把C-V模型推廣到關(guān)于N維向量值圖像的情形，因此C-V模型可以分割灰度圖像和彩色圖像。本文采用C-V模型對鐵路貨車側(cè)架的DR灰度圖像和合成彩色圖像分別進(jìn)行缺陷檢測，實(shí)驗(yàn)

5、結(jié)果表明后者效果較好。C-V模型分割精度高，但是當(dāng)圖像存在強(qiáng)邊緣時(shí)(如工件外部邊界、工件厚壁區(qū)域與薄壁區(qū)域的分界線等)，C-V模型只能進(jìn)行局部圖像分割而對整幅圖像分割效果不理想，而基于區(qū)域生長的分割方法就可以對整幅圖像進(jìn)行分割，區(qū)域生長是常見的圖像分割方法，它利用的是圖像的空間性質(zhì)，但種子點(diǎn)的自動(dòng)選取是難點(diǎn)，本文又采用區(qū)域生長的分割方法對鐵路貨車側(cè)架的DR灰度圖像和合成彩色圖像分別進(jìn)行缺陷檢測，實(shí)驗(yàn)結(jié)果表明后者效果較好。