數(shù)字圖像處理在汽車輪胎X射線檢測中的應用.doc

數(shù)字圖像處理在汽車輪胎X射線檢測中的應用摘要：將數(shù)字圖像處理與X射線檢測的相關理論應用于輪胎子午線檢測圖像中質(zhì)量問題的研究,在輪胎子午線圖像與模板圖像進行匹配時,對匹配算法進行了深入的研究,提出一種”先全局掃描,后小范圍區(qū)域掃描”的搜索策略。關鍵詞 數(shù)字圖象處理；輪胎檢測；圖像匹配子午線輪胎是橡膠行業(yè)的一項高精技術成果，由于它的節(jié)能，耐用，高速，安全，舒適等優(yōu)點得到越來越多汽車廠商的青睞。但是，由于子午線輪胎對質(zhì)量的要求很高，在制造過程中， 時常會出現(xiàn)簾線斷裂，簾線稀，鋼絲彎，簾線排列不均，簾布重疊，簾線斷，胎里氣泡，脫層，包布偏和反包低等質(zhì)量問題，直接或間接影響產(chǎn)品質(zhì)量，縮短輪胎使用壽命。所以擺在面前的主要任務是如何生產(chǎn)出高質(zhì)量的子午線輪胎來滿足日益發(fā)展的汽車運輸業(yè)的要求。X射線是被廣泛應用于輪胎檢測技術。X射線技術的形成已有近100年的歷史，其原理也很容易理解，X射線源，探測器和電子元件也比較完善。在某一時刻X射線穿過輪胎的一個橫截面,同時圖像增強器將該截面內(nèi)所包含的物體吸收過的X射線能量值記錄下來。隨著輪胎的轉動，被檢輪胎的每一個橫截面被連續(xù)掃描，輪胎的所有截面吸收過的X射線能量值都能被記錄下來，這樣就能得到從X射線源到圖像增強器方向整個輪胎的投影圖像，再經(jīng)計算機圖像處理，可檢查出來輪胎是否合格。1 圖像的預處理檢測子午線有無質(zhì)量問題，就要從圖像中將子午線提取出來，在利用改進的圖像匹配法檢測輪胎子午線之前，首先要對圖像進行一系列預處理，包括閾值變換，邊緣檢測，輪廓提取和種子填充四個步驟。1.1 閾值變換經(jīng)過輪胎檢測設備得到的輪胎子午線圖像是一幅比較模糊的灰度圖像,子午線輪廓并不是很清晰,如圖1所示。所以必須先對其進行合適的閾值變換來去除背景，突出子午線。經(jīng)過閾值變換后得到的結果如圖2所示。1.2 邊緣檢測算法圖像的邊緣在數(shù)字圖像中表現(xiàn)為灰度的變化，增強和檢測邊緣的方法就是梯度運算。我們在對輪胎子午線圖像進行邊緣檢測時，主要是對各種邊緣檢測算子進行比較，并最終選擇適合輪胎子午線檢測的邊緣檢測算子。通過研究比較，我們知道索貝爾算子是一階微分方法。它通過梯度值來進行邊緣檢測，用此方法可以忽略細節(jié)，得到的邊緣也較模糊，如圖3所示。高斯-拉普拉斯算子是二階微分方法，它是通過尋找二階微分中的零穿越來檢測邊緣，用此方法得到的邊緣較明顯，在細節(jié)方面比索貝爾算子要好得多，如圖4所示。以下從左到右依次為圖1，圖2，圖3，圖4：1.3 輪廓提取和種子填充算法對輪胎子午線圖像進行輪廓提取的目的是獲得子午線的外部輪廓特征，應用一定的方法表達輪廓的特征，為子午線的形狀分析作準備。二值圖像輪廓提取的算法非常簡單，就是掏空內(nèi)部點，如果原圖中有一點為黑，且它的8個相鄰點都是黑色時，（此時該點是內(nèi)部點）則將該點刪除。對輪胎子午線圖像進行輪廓提取后的結果如圖5所示。而種子填充算法是圖形學中的算法，是輪廓提取算法的逆過程。種子填充算法首先假定封閉輪廓線內(nèi)某點是已知的，然后開始搜索與種子點相鄰且位于輪廓線內(nèi)的點。如果相鄰點不在輪廓線內(nèi)，那么就到達輪廓線的邊界；如果相鄰點位于輪廓線之內(nèi)，那么這一點就成為新的種子點，然后繼續(xù)地搜索下去。對輪胎子午線圖像進行種子填充后的結果如圖6所示。以下從左到右依次為圖5，圖6：2 圖像匹配對輪胎子午線圖像進行圖像匹配是本課題的核心，匹配算法的好壞直接影響到檢測系統(tǒng)的性能。而且這是一套在線實時檢測系統(tǒng)，要在很短的時間內(nèi)完成對圖像的采集，處理，判別，這就要求圖像處理的算法必須簡潔，快速。在實際使用時最常用的是模板匹配和神經(jīng)網(wǎng)絡方法。當被檢測對象要求檢測精度高，同時被檢測對象比較大時，神經(jīng)網(wǎng)絡法因其較大的計算量而難以達到實時性要求。這時一般都采用模板匹配這一傳統(tǒng)的方法。然而針對一些要求既快速又準確的圖像檢測問題，該方法又常常顯得過于簡單和不足。本系統(tǒng)采用了一種改進的模板匹配算法，來滿足實時性和精度的要求。傳統(tǒng)的模板匹配算法比較適用于目標識別和跟蹤，而對于輪胎子午線圖像很難得到理想的檢測效果，主要體現(xiàn)在以下兩個方面：1）輪胎子午線檢測系統(tǒng)需要很高的檢測精度，傳統(tǒng)的模板匹配不能達到所要求的精度。2）傳統(tǒng)的模板匹配算法適用于模板圖像較小，而輪胎子午線模板和被檢測圖像一樣大。我們經(jīng)過試驗證明，傳統(tǒng)的模板匹配算法根本不適用于輪胎子午線圖像檢測系統(tǒng)。基本上所有的有缺陷的子午線輪胎經(jīng)檢測都是合格的，針對傳統(tǒng)算法的不足，本系統(tǒng)采用了一種新的搜索算法，對被檢測圖像逐行進行掃描直至發(fā)現(xiàn)與模板圖像不匹配的點時再進行小范圍區(qū)域掃描，若與模板不匹配則停止掃描，否則繼續(xù)進行全局掃描。改進的模板匹配算法主要解決兩個方面的問題，一方面要達到所需要的精度要求，另一方面要消除噪波的影響。改進的模板匹配算法的步驟為1）將被檢測圖像與模板圖像進行匹配掃描，若發(fā)現(xiàn)不匹配點（i，j）轉至步驟2，直至掃描終止。2）將此點作為起始點，搜索其周圍10x10范圍內(nèi)的點，計算出其與對應模板區(qū)域的相似度。3）取一不變閾值T4）如果此小區(qū)域與模板的相似度T 則視為被檢測圖像與模板不匹配，掃描終止。通過改變閾值T可以調(diào)整檢測的精度，我們通過大量的實驗確定了合適的閾值可以達到所需要的精度要求。由于現(xiàn)場存在的各種干擾因素，輪胎子午線的圖像信號往往會摻雜著很多噪波。在對圖像進行預處理后只能消除一部分噪波的影響。因此在進行匹配時圖像還是會存在一些噪波的影響，在圖像中表現(xiàn)為很多小白色區(qū)域。因為我們采用的是“先全局掃描，后小范圍區(qū)域掃描“”的搜索策略，當找到不匹配點時，這個點可能是因為噪波的影響而產(chǎn)生的與模板不匹配。但是我們對其周圍10x10范圍進行區(qū)域掃描時，因為噪波的區(qū)域一般比較小，對相似度所產(chǎn)生的影響也就可以忽略不計了。所以，這種搜索策略可以消除噪波對圖像匹配產(chǎn)生的影響。我們用 Visual C+編程實現(xiàn)了改進的圖像匹配算法。程序運行的結果表明，改進的匹配算法能夠很好地檢測出輪胎子午線的各種質(zhì)量問題，并且能夠達到所需要的精度要求。3 結論通過對輪胎質(zhì)量檢測的研究，提出一種“先全局掃描，后小范圍區(qū)域掃描”的圖像匹配掃描策略，很好的解決了對子午線輪胎進行質(zhì)量檢測的問題。參考文獻1 Shi Xinhua. Improving Object Classification in X -ray Luggage Inspection D. Virginia: Blacksburg, 2000. 2 吳紹林. X-RA型X 射線探傷機在全鋼子午線輪胎生產(chǎn)中的應用J. 橡膠技術與裝備, 1994, 3, 49-54. 3 金向?qū)? 子午線輪胎 X 射線檢測設備的開發(fā)與研制J. 橡膠技術與裝備, 1998, 24, 47-50. 4 朱秀昌, 劉峰, 胡棟. 數(shù)字圖像處理與圖像通信M. 北京: 北京郵電大學出版社, 2002, 43-66. 5 何斌等編著. VC+數(shù)字圖像處理M. 北京: 人民郵電出版社, 2000. X-ray Detection of Tyre with Digital Image ProcessingAbstract: Based on the theory of digital image processing and X-ray detecting, the match algorithm of tyre meridian image and pattern p