CN102937593A - 陶瓷天线罩裂纹自动检测方法 - Google Patents

Abstract

本发明涉及一种陶瓷天线罩裂纹自动检测方法，其特征在于采用透射图像处理方法来检测，具体步骤为：1）天线罩透射图像获取；2）图像灰度对比度增强处理，突出裂纹区域；3）二值化处理；4）中值滤波去除噪声处理；5）裂纹骨干提取处理；6）裂纹长度统计处理，经过以上处理之后可以将陶瓷天线罩的细小裂纹检测出来。本发明采用对陶瓷天线罩透射图像进行处理的方法实现对其裂纹的自动检测。

Description

陶瓷天线罩裂纹自动检测方法

技术领域

本发明涉及一种陶瓷天线罩裂纹自动检测方法，属于无损检测技术领域。

背景技术

薄壁陶瓷天线罩产品生产后经常存在裂纹缺陷，但在目前的薄壁陶瓷天线罩产品检测中，对裂纹的检测只是通过人工观察的方法来进行，这种测量方法检测误差大，无法保证产品的检测质量。

发明内容

本发明的目的是提供一种能够克服上述缺陷、检测精确、效率高的陶瓷天线罩裂纹自动检测方法。其技术方案为：

一种陶瓷天线罩裂纹自动检测方法，其特征在于采用透射图像处理方法来检测，具体步骤为：1）天线罩透射图像获取；2）图像灰度对比度增强处理，突出裂纹区域；3）二值化处理；4）中值滤波去除噪声处理；5）裂纹骨干提取处理；6）统计处理各条裂纹长度，得到各条裂纹的长度值。

所述陶瓷天线罩裂纹自动检测方法，步骤1）中，在陶瓷天线罩内部设置光源，在陶瓷天线罩外部采用CCD摄像机自动进行图像采集，获得陶瓷天线罩不同部位的灰度透射图像。

所述陶瓷天线罩裂纹自动检测方法，步骤2）中，为了使裂纹缺陷区与非缺陷区对比度增大而突出裂纹缺陷区，需要进行对比度增强处理，对比度增强处理是按照一定的规律逐点修改图像中每个像素的灰度值，从而改变图像灰度动态范围和对比度，设原图像为f(x,y)，处理后的图像为g(x,y)，则对比度增可以表示为：

g(x,y)＝T[f(x,y)]

式中，T表示原图像和处理后的图像对应像素点灰度映射的变化。

所述陶瓷天线罩裂纹自动检测方法，步骤3）中，为了便于裂纹缺陷的检测，需要将裂纹灰度级与非缺陷区灰度级严格区分开，二值化处理就是对对比度增强的灰度图像设置一个灰度阈值S，将图像上每个像素的灰度值与灰度阈值进行比较，最终将图像转化为只含有两个灰度级的二值图像：

$g(x,y)=\left\{\begin{array}{cc}255& f(x,y)\&GreaterEqual;S\\ 0& f(x,y)<S\end{array}\right.$

其中f(x,y)为原始图像，g(x,y)为二值图像，灰度级“255”为非缺陷区，灰度级“0”为裂纹缺陷区，灰度阈值S采用迭代阈值法求得。

所述陶瓷天线罩裂纹自动检测方法，步骤4）中，为了去除二值化图像中的噪声干扰，需要进行去除噪声处理，中值滤波去噪声处理是抑制噪声的非线性平滑方法，能有效抑制脉冲噪声，同时能很好的保持边缘，对于给定的n个数{a₁,a₂,…,a_n}，将他们按大小有序排列，当n为奇数时，位于中间位置的数称为这n个数的中值，当n为偶数时，位于中间位置两个数的平均值称为这n个数的中值，记为med[a₁,a₂,…,a_n]，在中值滤波中要设定像素点的邻域，对该邻域即滑动窗口内诸像素值排序，用其灰度中值作为被处理像素点的灰度值，阵列[x(i,j)]_M×N经过窗口为A_n的中值滤波后，像素点(i,j)的输出记为：

$y(i,j)=\underset{A_n(i,j)}{\mathrm{med}}\left[x(i,j)\right]$

式中，A_n(i,j)表示点(i,j)的邻域，它含有n个像素。

所述陶瓷天线罩裂纹自动检测方法，步骤5）中，裂纹骨干提取是在裂纹的宽度方向上进行腐蚀处理，直至裂纹宽度只有一个像素单位，它保持了裂纹的拓扑性质，将集合A骨架化为S(A)的过程可以表达为：

$S\left(A\right)=\underset{k=0}{\overset{K}{\mathrm{\&cup;}}}{S}_k\left(A\right)$

而

式中，B是结构元素，

表示对A的连续k次腐蚀。k是A被腐蚀成空集前的最后一次迭代的次数。

所述陶瓷天线罩裂纹自动检测方法，步骤6）中，对于其中的每条裂纹裂纹长度统计是对骨干化了的裂纹从一端开始进行遍历，当遍历整个裂纹之后，裂纹的长度就统计出来了，其中长度的统计包括两种情况，像素间为并列方式的上、下、左、右四个方向，这种并列像素间的距离是1个像素，倾斜方向有左上、左下、右上、右下四个方向，这样倾斜方向间的距离是

个像素，在测量时要根据像素间的连接方式，分别计算距离。

本发明与现有技术相比，其优点是：采用了图像处理自动检测方法来对陶瓷天线罩的裂纹进行检测，测量结果更加精确、客观。

具体实施方式

在陶瓷天线罩的内部设置光源，然后在天线罩外部采用CCD摄像机自动采集天线罩不同部位的透射图像，对采集的灰度图像按照以下步骤进行处理：

步骤1）：为了使采集得到的灰度图像中的裂纹缺陷区与非缺陷区对比度增大而突出裂纹缺陷区，需要进行对比度增强处理，采用分段线性变化进行处理，变换公式为：

$g(x,y)=\left\{\begin{array}{cc}\frac{c}{a}\&times;f(x,y)& [0,a)\\ \frac{d-c}{b-a}\&times;(f(x,y)-a)+c& [a,b]\\ \frac{255-d}{255-b}\&times;(f(x,y)-b)+d& (b,255]\end{array}\right.$

其中f(x,y)表示采集得到的灰度图像，g(x,y)表示对比度增强的图像，分段点根据获取的图像的灰度值分布情况选为：a＝70，b＝170，c＝30，d＝110。

步骤2）：对步骤1）处理得到的灰度图像设置一个灰度阈值，将图像上所有像素的灰度值与灰度阈值进行比较，当灰度值大于等于灰度阈值时，该点像素灰度变为“255”，否则灰度变为“0”，处理公式如下：

$g(x,y)=\left\{\begin{array}{cc}255& f(x,y)\&GreaterEqual;S\\ 0& f(x,y)<S\end{array}\right.$

f(x,y)表示处理前的图像，g(x,y)表示处理之后的二值图像，S表示设定的灰度阈值，其中灰度阈值S的选择采用迭代法获得，其实现步骤如下：

（1）求出图像的最大灰度和最小灰度值，分别记为ZMax和ZMin，令初始阈值为S_K＝(Zmax+Zmin)/2；

（2）根据阈值S_K将图像分割为第1族和第2族，分别求出两者的平均灰度值Z1和Z2。

（3）求出新阈值S_K+1＝(Z1+Z2)/2。

（4）若指定一个极小值ε，有|S_K+1-S_K|＜ε，若逼近之值基本满足要求，所得即为阈值，则S_K+1即为最后的迭代结果，否则令S_K＝S_K+1，重新执行上面的计算过程，直到满足误差要求条件，其中极小值ε取为10。

步骤3）：对步骤2）获得的二值化图像进行去除噪声处理，采用中值滤波器对图像进行4次滤波来去除噪声。

步骤4）：在步骤3）去除噪声之后，为了准确获得裂纹的长度，先要进行骨干提取处理，对裂纹进行5次腐蚀处理之后得到了裂纹的骨干图像。

步骤5）：在裂纹骨干化之后，对裂纹进行长度统计，采用从裂纹的一端开始，依次遍历整个裂纹的骨干，从而得到裂纹的长度，其中在长度统计是像素之间的距离有两种情况，像素间为并列方式的上、下、左、右四个方向，这种并列像素间的距离是1个像素，倾斜方向有左上、左下、右上、右下四个方向，这样倾斜方向间的距离是个像素，在测量时要根据像素间的连接方式，分别计算距离，测量的裂纹的长度为25.32。

试验证明：裂纹实际长度值为24.83，测量长度为25.32，其相对误差计算为： $\mathrm{\&delta;}=\frac{|25.32-24.83|}{24.83}\&times;100\%=1.97\%,$ 误差控制在5%以内。

Claims (7)

1.一种陶瓷天线罩裂纹自动检测方法，其特征在于采用透射图像处理方法来检测，具体步骤为：1）天线罩透射图像获取；2）图像灰度对比度增强处理，突出裂纹区域；3）二值化处理；4）中值滤波去除噪声处理；5）裂纹骨干提取处理；6）统计处理各条裂纹长度，得到各条裂纹的长度值。

2.如权利要求1所述的陶瓷天线罩裂纹自动检测方法，其特征在于：步骤1）中，在陶瓷天线罩内部设置光源，在陶瓷天线罩外部采用CCD摄像机自动进行图像采集，获得陶瓷天线罩全部不同部位的灰度透射图像。

3.如权利要求1所述的陶瓷天线罩裂纹自动检测方法，其特征在于：步骤2）中，逐点修改图像中每个像素的灰度值，从而改变图像灰度动态范围和对比度，设图像为f(x,y)，处理后的图像为g(x,y)，则对比度增可以表示为g(x,y)＝T[f(x,y)]，其中T表示输入图像和输出图像对应像素点灰度映射的变化。

4.如权利要求1所述的陶瓷天线罩裂纹自动检测方法，其特征在于：步骤3）中，对灰度增强的图像设置一个灰度阈值S，灰度阈值S采用迭代阈值法求得，然后让图像上每个像素的灰度值与灰度阈值S进行比较，最终将图像转化为只含有两个灰度级的二值图像：

$g(x,y)=\left\{\begin{array}{cc}255& f(x,y)\&GreaterEqual;S\\ 0& f(x,y)<S\end{array}\right.$

其中f(x,y)为原始图像，g(x,y)为二值图像，灰度级“255”为非缺陷区，灰度级“0”为裂纹缺陷区。

5.如权利要求1所述的陶瓷天线罩裂纹自动检测方法，其特征在于：步骤4）中，对于给定的n个数{a₁,a₂,…,a_n}，将他们按大小有序排列，当n为奇数时，位于中间位置的数称为这n个数的中值，当n为偶数时，位于中间位置两个数的平均值称为这n个数的中值，记为med[a₁,a₂,…,a_n]，在中值滤波中要设定像素点的邻域，对该邻域即滑动窗口内诸像素值排序，用其灰度中值作为被处理像素点的灰度值，阵列[x(i,j)]_M×N经过窗口为A_n的中值滤波后，像素点(i,j)的输出记为：

式中，A_n(i,j)表示点(i,j)的邻域，它含有n个像素。

6.如权利要求1所述的陶瓷天线罩裂纹自动检测方法，其特征在于：步骤5）中，裂纹骨干提取是在裂纹的宽度方向上进行腐蚀处理，直至裂纹宽度只有一个像素单位,它保持了裂纹的拓扑性质，将集合A骨架化为S(A)的过程可以表达为：而

式中，B是结构元素，

表示对A的连续k次腐蚀，k是A被腐蚀成空集前的最后一次迭代的次数。

7.如权利要求1所述的陶瓷天线罩裂纹自动检测方法，其特征在于：步骤6）中，对于其中的每条裂纹长度统计是对骨干化了的裂纹从一端开始进行遍历，当遍历整条裂纹之后，裂纹的长度就统计出来了,其中长度的统计包括两种情况，像素间为并列方式的上、下、左、右四个方向，这种并列像素间的距离是1个像素，倾斜方向有左上、左下、右上、右下四个方向，这样倾斜方向间的距离是

个像素，在测量时要根据像素间的连接方式，分别计算距离。