一种面向复杂环境的焊缝图像边缘检测方法

本发明涉及图像处理，尤其涉及焊缝图像边缘检测技术。

背景技术：

1、边缘检测(edge detection)是图像处理和计算机视觉中的基本问题,边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。这些包括深度上的不连续、表面方向不连续、物质属性变化和场景照明变化。边缘检测是图像处理和计算机视觉中，尤其是特征检测中的一个研究领域。

2、通常焊缝图像往往伴随着周围的复杂环境，比如光照强度低，噪声多导致更多假边缘干扰真实边缘，边缘难以分辨等，这对焊缝图像的边缘检测工作十分不利。因此我们采取直方图均衡化对焊缝图像进行图像预处理，把原始图像的直方图变换为均匀分布的形式，这样就增加了像素之间灰度值差别的动态范围，从而达到增强焊缝图像整体对比度的效果。

3、目前，常见的焊缝边缘检测方法包括roberts算子、sobel算子、laplace算子、canny算子等，但目前这些处理方法存在以下问题：

4、1、roberts算子对垂直边缘的检测效果好于斜向边缘，算子通常用来检测垂直边缘，定位精度高，然而其对噪声敏感，无法抑制噪声的影响，提取边缘的结果是边缘比较粗。

5、2、sobel算子比roberts算子的准确性更高，边缘定位较准确，对像素位置的影响做了加权处理，常用于噪声较多，灰度渐变的图像常用于噪声较多，灰度渐变的图像，由于边缘是位置的标志，对灰度的变化不敏感。

6、3、laplace算子对图像中的阶跃性边缘点定位准确，但对噪声比较敏感，只适用于无噪声图像，并且容易丢失边缘方向信息，造成一些不连续的检测边缘。

7、4、传统的canny算子对噪声不敏感，不容易受到噪声干扰,使用两种不同的阈值分别检测强边缘和弱边缘但是易使高频边缘被平滑掉，从而造成边缘丢失。

技术实现思路

1、本发明所要解决的技术问题是实现一种面向复杂环境的新型焊缝图像边缘检测方法，基于传统canny算子的改进方法，可以利用各种融合规则，以便达到较好的结果，保证信息识别的可靠性。

2、为了实现上述目的，本发明采用的技术方案为：一种面向复杂环境的焊缝图像边缘检测方法，包括以下步骤：

3、s1、获取焊缝图像，将焊缝图像进行直方图均衡化处理，增强图像的对比度；

4、s2、用同态滤波去除图像中的乘性噪声；

5、s3、采用32邻域的非极大值抑制来抑制噪声和保留边缘点；

6、s4、用自适应层次阈值算法检测来确定真实和潜在的边缘。

7、所述s1中，包括以下步骤：

8、s11、在[0,1]区间内的任何一个r，经变换函数t(r)都可以产生一个对应的s，且公式1为s＝t(r)；

9、其中，r表示归一化了的原图像灰度，s表示经直方图均衡化后的图像灰度；

10、s12、公式1的逆变换关系公式2为r＝t-1(s)；

11、s13、假定随机变量s的分布函数用fs(s)表示，根据分布函数的定义有公式3为

12、s14、由公式3两边对s求导可得公式4为

13、

14、s15、对公式4为两边积分获得公式5为

15、s16、用频率来代替概率，变换函数t(rk)的离散形式获得公式6：

16、

17、其中，k表示归一化前的灰度级,sk是归一化后的灰度级,sk的值在0到1之间。

18、所述s11中，当r＝s＝0时，表示黑色；当r＝s＝1时，表示白色；当r,s∈(0,1)时，表示像素灰度在黑白之间变化；

19、所述s12中，已知随机变量r的概率密度是pr(r)，且随机变量s是r的函数，则基于pr(r)获得s的概率密度ps(s)；

20、所述s14中，由公式4可以知道ps(s)ds＝pr(r)dr，且ps(s)＝1，则ds＝pr(r)dr；

21、所述s15中，当公式5表明当变换函数t(r)是原图像直方图的累积分布概率时，则完成直方图均衡化。

22、所述s2中，包括以下步骤：

23、s21、采用加权平均法将彩色焊缝图像a转化为灰色图像a1，转换采用公式7：f＝(g+b+r)/3；

24、s22、将灰度图像a1取对数，分离照度分量i和反射分量r，如式8:z(x,y)＝lnf(x,y)＝lni(x,y)+lnr(x,y)

25、其中，f(x,y)表示灰度图像a1在(x,y)处的灰度值，i(x,y)表示灰度图像a1在(x,y)处的照度分量，r(x,y)表示灰度图像a1在(x,y)处的反射分量；

26、s23、将照度分量i和反射分量r转换至频域，即上述等式两边取傅里叶变换，得到公式9：z(u,v)＝fi(u,v)+fr(u,v)；

27、其中，fi(u,v)表示经过傅里叶变换后的照度分量，fr(u,v)表示经过傅里叶变换后的反射分量；

28、s24、对fi(u,v)、fr(u,v)进行滤波，滤波结束后，对滤波后的hi(u,v)、hr(u,v)依次进行傅里叶反变换、指数运算，得到增强后的灰度图像a2；

29、获得公式10为h(u,v)z(u,v)＝h(u,v)fi(u,v)+h(u,v)fr(u,v)；

30、同态滤波使用巴特沃斯型作为传递函数。

31、所述s24中所述传递函数：

32、

33、所述s3中，对像素点8邻域范围扩张至32邻域,同时满足：

34、p(x,y)＞m(x+i,y+j)+d(x+i,y+j)

35、p(x,y)＞m(x-i,y-j)+d(x-i,y-j)

36、其中，(x,y)为像素点坐标，d为邻域内各点局部邻域偏差值均值，m为邻域内均值替代对应点。

37、所述m满足：

38、

39、

40、所述s4中，包括以下步骤：

41、s41、对所有未被抑制边缘点进行分类,分为前景与背景,并根据梯度幅值将未被抑制的点均等间隔划分为64级，表示公式为

42、其中，s表示未被抑制的像素点个数，ni为第i级像素点个数，pi为第i级在所有极值点中的概率；

43、s42、目标梯度均值和背景梯度均值为：

44、和

45、其中，t为区分目标点于背景点阈值，

46、为目标梯度概率；

47、为背景梯度概率；

48、s43、所有点梯度均值为：

49、u＝ub(t)ωb(t)+u0(t)ω0(t)；

50、s44、目标点与背景点类间方差为：

51、σ2(t)＝ωb(t)[ub(t)-u]2+ω0(t)[u0(t)-u]2；

52、s45、选择最大类间方差对应梯度幅值th作为高阈值，获得：

53、

54、所述s44中当类间方差最大时，背景点与目标点的错分概率最小。

55、本发明能够可靠的完成焊缝图像边缘检测方法，在焊缝图像的边缘检测受到外界环境干扰(比如光照低)时，仍能够完成焊缝图像边缘检测，解决了边缘难以分辨、噪声多导致更多假边缘干扰真实边缘的问题。