本发明涉及管道焊缝检测,尤其涉及一种管道焊缝检测用多尺度图像对比度增强方法。
背景技术:
管道在工业生产、管道运输、国防建设等方面存在广泛用途,而对管道焊缝进行质量检测是管道焊接生产必不可少的环节。管道焊接质量检测主要包括两个方面:外观检测和内部检测。外观检测主要对焊缝的外形轮廓尺寸及焊瘤、咬边等外观缺陷进行检测,可以对生产的管道进行初步质量筛选。但是外观检测无法对焊缝内部缺陷,如气泡、裂纹、夹渣等进行检测。X射线数字成像是焊缝内部检测最常用的方法,通过分析处理数字底片,实现焊缝内部缺陷检测。高质量的数字底片有利于专业技术人员快速有效的判断是否存在缺陷,但是对于管道焊缝来说,管壁焊缝接头部分比其他部分厚,这使得焊缝处的X射线数字成像比较暗,不利于缺陷的判断。为方便分析判断焊缝是否存在缺陷,对数字底片进行增强是必要的。气泡、裂纹、夹渣等缺陷以细节的形式表现在数字底片中,对细节部分进行对比度增强可以实现增强的目的,而这些缺陷可能有大也有小、对比有强也有弱。
技术实现要素:
本发明提供一种管道焊缝检测用多尺度图像对比度增强方法,以解决上述现有技术不足,增强管道焊缝X射线图像,使焊缝部分清晰可见,有利于气泡、裂纹、夹渣等细节缺陷的表现,提高检测精确度。
为了实现本发明的目的,拟采用以下技术:
一种管道焊缝检测用多尺度图像对比度增强方法,其特征在于,包括以下步骤:
S01、图像预处理:
s011.数据类型转换:将探测设备输出的位图数据转换为双精度数据;
s012.对数变换:扩展低灰度值部分、压缩高灰度值部分;
s013.中值滤波:平滑脉冲噪声;
s014.图像灰度归一化:减弱不同X射线强度或方向对后续图像处理的影响;
S02、图像分解:
s021.下采样:对预处理后的图像g0进行低通滤波,提取滤波图像的奇数行和奇数列,得到低分辨率的下采样图像g1;
s022.上采样:对图像g1进行插值,分别在每两行和每两列之间插入零行和零列,再进行低通滤波,滤波模板是下采样滤波模板的4倍,得到g0’;
s023.计算细节图像:将图像g0与g0’相减得到细节图像b0;
s024.用图像g1代替图像g0重复上述下采样和上采样过程,计算得到细节图像b1;
s025.重复L次,得到细节图像bi,i=0、1、……、L-1;
S03、图像重建:
s031.对图像gL进行上采样,方法与s022相同,得到gL-1”;
s032.对bL-1进行细节增强处理,采用指数函数y=ax|x|p-1作为增强函数,a为加权系数,取值为1或2或3,p为增强因子,取值为0.4~0.8之间,细节增强后得到yL-1;
s033.将gL-1”与yL-1相加,对相加得到的图像继续进行上采样,得到gL-2”;
s034.对bL-2进行细节增强处理,方法与s032相同,细节增强后得到yL-2;
s035.将gL-2”与yL-2相加,相加后继续上采样,重复下去,直到加上b0细节增强后的y0,得到重建图像,完成多尺度图像对比度增强。
其中,所述s021.下采样步骤,具体是对预处理后的图像g0进行低通滤波,将图像g0与5×5的滤波模板M进行卷积,再提取滤波图像的奇数行和奇数列,得到低分辨率的下采样图像g1。其中,滤波模板M可分离且中心旋转对称,表示为M=eeT,其中e是首尾对称的列向量。
其中,所述加权系数a在前三层细节图像取值为2,后面层数的细节图像取值为1。
与现有技术相比,本发明的有益效果是:
通过增强处理,能够明显改善管道焊缝X射线图像的质量,原本较暗且模糊的焊缝,变得清晰可见,原本只能看见较少根数的单丝、双丝象字计,改善后能够看见更多,其中,单丝象字计可见根数提高了50%,双丝象字计可见根数提高了25%,而且还提高了局部清晰度,双丝清晰可辨,还能看见焊缝的鱼鳞状纹理。本发明的方法,可以将气泡、裂纹、夹渣等缺陷以细节的形式表现,提高管道焊缝内部检测精度。
附图说明
图1为本发明的总体方法步骤图。
图2为图像预处理的方法步骤图。
图3为图像分解过程图。
图4为满足条件的卷积滤波模板M1。
图5为满足条件的卷积滤波模板M2。
图6为满足条件的卷积滤波模板M3。
图7为满足条件的卷积滤波模板M4。
图8为图像重建过程图。
图9为不同p的增强函数曲线,在区间[-2,2]上,a=1,p=0.4、0.6、0.8。
图10为不同a的增强函数曲线,在区间[-2,2]上,a=1、2、3,p=0.6。
图11为原始管道焊缝X射线图像,Ф813、壁厚12mm、200kV、内曝。
图12为增强后的管道焊缝X射线图像,Ф813、壁厚12mm、200kV、内曝。
图13为本发明的详细方法流程图。
具体实施方式
管道焊缝X射线原图像如附图11所示,采用本发明的多尺度图像对比度增强方法进行处理,步骤如图1所示,具体描述如下:
S01、对原始图像进行图像预处理,步骤如图2所示,具体为:
s011.数据类型转换:将原始图像的位图数据转换为双精度数据;
s012.对数变换:扩展低灰度值部分、压缩高灰度值部分,达到强调低灰度部分的目的;
s013.中值滤波:平滑脉冲噪声,如平板探测器上的异常像素点;
s014.图像灰度归一化:减弱不同X射线强度或方向对后续图像处理的影响;
S02、对预处理后的图像进行分解,目的是提取不同尺度(空间分辨率)的细节图像,,包括下采样、上采样及计算细节图像,具体过程如图3所示:
s021.下采样:对预处理后的图像g0进行低通滤波,将图像g0与5×5的滤波模板M进行卷积,再提取滤波图像的奇数行和奇数列,得到低分辨率的下采样图像g1。数学表示如下:
g1(i,j)=Down(g0*M)
即为
其中*表示卷积,Down()表示下采样。卷积的滤波模板M对于细节图像的提取非常重要。本发明要求M可分离且中心旋转对称,即M可表示为:M=eeT,其中e是首尾对称的列向量。如图4~7所示本发明采用的符合条件的四组模板,依次表示为:
(对应于图4)
(对应于图5)
(对应于图6)
(对应于图7)
s022.上采样:对低分辨率图像g1进行插值,分别在每两行和每两列之间插入零行和零列,再进行低通滤波,即将图像g1与滤波模板4M进行卷积,得到上采样图像g0’。这里滤波模板是下采样的4倍,补偿零行零列元素的插入。数学公式表示如下:
g′0(i,j)=Up{g1*(4M)}
即为
其中Up()表示上采样,[]表示向下取整。
s023.计算细节图像:将图像g0与g0’相减得到细节图像b0;
b0(i,j)=g0(i,j)-g′0(i,j)
s024.用图像g1代替图像g0重复上述下采样和上采样过程,计算得到细节图像b1;
s025.重复L次,得到细节图像bi,i=0、1、……、L-1。
由此可知,细节图像b0的分辨率最高,包含的细节信息最丰富,其大小与g0的相同。细节图像bi+1的行列分别为bi行列的一半,根据尼奎斯特准则,图像bi+1的最大空间分辨率也只有bi的一半。在极限的情况下,gL为单像素点,像素值为原始图像b0的像素均值。
S03、对分解后的图像进行重建处理,过程如图8所示,具体为:
s031.对图像gL进行上采样,方法与s022相同,得到gL-1”;
s032.对bL-1进行细节增强处理。本发明要求增强函数在限制的区间上需要满足:单调递增、奇函数、正区间上函数曲线的斜率递减。具体采用指数函数y=ax|x|p-1作为增强函数,a为加权系数,p为增强因子。在区间[-2,2]上,取a=1,p=0.4、0.6、0.8,上述增强函数曲线为图9所示;区间[-2,2]上,取a=1、2、3,p=0.6,上述增强函数曲线为图10所示。在实际应用中,并不是增强作用越强越好,对细节图像进行增强同时其噪声也增强了,为了提高图像细节、增强对比度,并控制噪声。本发明选择a取值为1或2或3,p取值为0.4~0.8之间。细节序列图像bi(i=0、1、……、L-1),随着i的增加,图像的空间分辨率越来越低,包含的细节也越来越少,因此有必要针对不同的层选择不同的加权系数a和增强因子p。本发明加权系数a在前三层细节图像取值为2,后面层数的细节图像取值为1,增强因子p取值为0.6,对bL-1细节增强后得到yL-1。
s033.将gL-1”与yL-1相加,对相加得到的图像继续进行上采样,得到gL-2”;
s034.对bL-2进行细节增强处理,方法与s032相同,细节增强后得到yL-2;
s035.将gL-2”与yL-2相加,相加后继续上采样,重复下去,直到加上b0细节增强后的y0,得到重建图像,完成多尺度图像对比度增强。
本发明采用上述方法对图11(管道焊缝X射线图像、Ф813、壁厚12mm、200kV、内曝)进行多尺度图像对比度增强处理,详细方法流程图如图13所示,采用卷积滤波模板M4,加权系数a在前三层细节图像取值为2,后面层数的细节图像取值为1,增强因子p取值为0.6,完成多尺度图像对比度增强后,得到的增强图像如图12所示(管道焊缝X射线图像、Ф813、壁厚12mm、200kV、内曝)。
从图11、图12可以看出,图11整体上比较模糊,只能看见三根单丝象字计,能看见9根双丝象字计,其中能看见5根是双丝的,焊缝较暗且模糊;而增强后的图12整体比较清晰,可以看见6根单丝象字计,看见12根双丝象字计,其中清晰可辨6根是双丝的,焊缝部分很清晰,能看见焊缝的鱼鳞状纹理。单丝象字计可见根数提高了50%,双丝象字计可见根数提高了25%,而且还提高了局部清晰度,双丝清晰可辨。
由此说明上述多尺度图像对比度增强方法对管道焊缝X射线图像的增强具有比较理想的效果,可以将气泡、裂纹、夹渣等缺陷以细节的形式表现,提高管道焊缝内部检测精度。