D0I:10.13374/j.issnl00I63.2006.06.018 第28卷第6期 北京科技大学学报 Vol.28 No.6 2006年6月 Journal of University of Science and Technology Beijing Jun.2006 形态小波在中厚板表面裂纹缺陷检测中的应用 吴贵芳)徐科)徐金梧)杨朝霖)孙浩)王春梅) 1)北京科技大学机械工程学院,北京1000832)济南钢铁集团总公司技术中心,济南250101 摘要中厚板表面裂纹缺陷在图像中容易受背景噪声和氧化铁皮的影响,传统的图像处理方法 很难将裂纹缺陷从图像中检测出来.提出了将形态小波变换应用于中厚板表面裂纹缺陷检测的方 法·该方法利用小波分解对突变信号的检测能力,结合裂纹缺陷在形态上近似于直线的性质,将裂 纹缺陷从图像中准确提取出来。实验证明形态小波用来检测中厚板表面裂纹缺陷比用其他方法更 有效· 关键词中厚板:表面裂纹:缺陷检测:形态小波 分类号TP391 目前中厚板的表面缺陷检测一般都是通过人 形态小波变换[6]是一种新的图像变换方 工检测进行的,也就是检测人员在生产线上通过 法,它把数学形态学与小波变换结合起来,不但具 肉眼直接观察钢板表面,这种方法不仅存在着检 有形态学的形态滤波特性,还具有小波分解的多 出率低、检测效率差等问题:而且中厚板生产线的 分辨率等特性,通过形态小波对裂纹缺陷图像进 环境恶劣,高温、噪声及粉尘等对检测员的身心健 行分解,取其垂直方向上的分量作进一步的处理, 康造成了很大的影响,随着企业生产规模的扩 得到很好的裂纹检测效果, 大,自动化程度的提高,以及用户对产品质量的要 求越来越严格,中厚板表面缺陷在线自动检测技 1形态小波变换 术得到了越来越多的钢铁企业的关注, 形态小波变换是以数学形态学与小波变换理 表面缺陷在线自动检测就是通过机器视觉技 论为基础的,对线性小波变换在数学形态学上进 术,对被检测物体表面状态进行实时监测,当带有 行非线性扩展的一种变换方法, 缺陷的被检测物体通过检测装置时,检测系统就 1.1数学形态学理论 可以自动将缺陷检测出来,并且可以以报警等形 数学形态学[3-可]诞生于1964年,以几何学为 式通知质检部门,达到质量检测控制的目的,到 基础,从集合的层次上来描述和分析图像。它研 目前为止,冷轧带钢的表面缺陷在线自动检测技 究图像几何结构的基本思想是利用一个结构元素 术已经相对成熟,但在中厚板上应用的表面缺陷 (structuring element)去探测一个图像,可以通过 在线自动检测系统则还处于起步阶段, 不同的结构元素来达到不同的分析目的,最基本 表面裂纹缺陷是中厚板表面最为常见的一种 的操作有形态腐蚀、形态膨胀、形态开运算和形态 缺陷类型,也是影响中厚板表面质量最为严重的 闭运算.设f(x,y)表示一个定义在Z上的灰度 一种缺陷类型、由于中厚板表面存在大量氧化铁 图像,g(x,y)表示一个定义在Z上的结构元素, 皮,图像噪声干扰大,表面裂纹缺陷的检测往往会 Dg和D分别代表结构元素g和图像f的定义 很困难,尤其细小的裂纹以及比较浅的裂纹,它与 域,则利用结构元素g(x,y)对图像f(x,y)进 背景的对比度低,并且很容易被氧化铁皮掩盖,常 行形态操作定义如下: 用的小波分析方法仍不能达到好的效果,因此可 (fOg)(x,y)=min(f(x+i,y+j) 以考虑采用数学形态学3]的方法加以解决, g(i,j)(i,j)∈Dg(x,y)∈D (1) 收稿日期:2005-03-07修回日期:2005-09-14 (f⊕g)(x,y)=max(f(x+i,y十j)+ 基金项目:国家“863”计划资助项目(N0.2001AA339030;No g(i,j),(ij)∈Dg(x,y)∈D (2) 2003AA331080) (f°g)(x,y)=(fOg)(x,y)© 作者简介:吴贵芳(1978一),男,博士研究生:徐科(1972-),男, g(x,y)(i,j)∈Dg,(x,y)∈D (3) 副研究员,博士
形态小波在中厚板表面裂纹缺陷检测中的应用 吴贵芳1) 徐 科1) 徐金梧1) 杨朝霖1) 孙 浩2) 王春梅2) 1) 北京科技大学机械工程学院北京100083 2) 济南钢铁集团总公司技术中心济南250101 摘 要 中厚板表面裂纹缺陷在图像中容易受背景噪声和氧化铁皮的影响传统的图像处理方法 很难将裂纹缺陷从图像中检测出来.提出了将形态小波变换应用于中厚板表面裂纹缺陷检测的方 法.该方法利用小波分解对突变信号的检测能力结合裂纹缺陷在形态上近似于直线的性质将裂 纹缺陷从图像中准确提取出来.实验证明形态小波用来检测中厚板表面裂纹缺陷比用其他方法更 有效. 关键词 中厚板;表面裂纹;缺陷检测;形态小波 分类号 TP391 收稿日期:20050307 修回日期:20050914 基金项目:国家“863” 计划资助项目(No.2001AA339030;No. 2003AA331080) 作者简介:吴贵芳(1978—)男博士研究生;徐科(1972—)男 副研究员博士 目前中厚板的表面缺陷检测一般都是通过人 工检测进行的也就是检测人员在生产线上通过 肉眼直接观察钢板表面.这种方法不仅存在着检 出率低、检测效率差等问题;而且中厚板生产线的 环境恶劣高温、噪声及粉尘等对检测员的身心健 康造成了很大的影响.随着企业生产规模的扩 大自动化程度的提高以及用户对产品质量的要 求越来越严格中厚板表面缺陷在线自动检测技 术得到了越来越多的钢铁企业的关注. 表面缺陷在线自动检测就是通过机器视觉技 术对被检测物体表面状态进行实时监测当带有 缺陷的被检测物体通过检测装置时检测系统就 可以自动将缺陷检测出来并且可以以报警等形 式通知质检部门达到质量检测控制的目的.到 目前为止冷轧带钢的表面缺陷在线自动检测技 术已经相对成熟但在中厚板上应用的表面缺陷 在线自动检测系统则还处于起步阶段. 表面裂纹缺陷是中厚板表面最为常见的一种 缺陷类型也是影响中厚板表面质量最为严重的 一种缺陷类型.由于中厚板表面存在大量氧化铁 皮图像噪声干扰大表面裂纹缺陷的检测往往会 很困难尤其细小的裂纹以及比较浅的裂纹它与 背景的对比度低并且很容易被氧化铁皮掩盖常 用的小波分析方法仍不能达到好的效果因此可 以考虑采用数学形态学[35]的方法加以解决. 形态小波变换[68] 是一种新的图像变换方 法它把数学形态学与小波变换结合起来不但具 有形态学的形态滤波特性还具有小波分解的多 分辨率等特性.通过形态小波对裂纹缺陷图像进 行分解取其垂直方向上的分量作进一步的处理 得到很好的裂纹检测效果. 1 形态小波变换 形态小波变换是以数学形态学与小波变换理 论为基础的对线性小波变换在数学形态学上进 行非线性扩展的一种变换方法. 1∙1 数学形态学理论 数学形态学[35]诞生于1964年以几何学为 基础从集合的层次上来描述和分析图像.它研 究图像几何结构的基本思想是利用一个结构元素 (structuring element)去探测一个图像可以通过 不同的结构元素来达到不同的分析目的.最基本 的操作有形态腐蚀、形态膨胀、形态开运算和形态 闭运算.设 f ( xy)表示一个定义在 Z 上的灰度 图像g( xy)表示一个定义在 Z 上的结构元素 Dg 和 Df 分别代表结构元素 g 和图像 f 的定义 域则利用结构元素 g( xy)对图像 f ( xy)进 行形态操作定义如下: ( f⦵g)( xy)=min( f ( x+ iy+ j)— g( ij))( ij)∈ Dg( xy)∈ Df (1) ( f♁g)( xy)=max( f ( x+ iy+ j)+ g( ij))( ij)∈ Dg( xy)∈ Df (2) ( f●g)( xy)=( f⦵g)( xy)♁ g( xy)( ij)∈ Dg( xy)∈ Df (3) 第28卷 第6期 2006年 6月 北 京 科 技 大 学 学 报 Journal of University of Science and Technology Beijing Vol.28No.6 Jun.2006 DOI:10.13374/j.issn1001-053x.2006.06.018
.592 北京科技大学学报 2006年第6期 (f"g)(x,y)=(f©g)(x,y)⊙g(x,y), 和y(n)分别表示垂直方向细节分量、水平方向 (i,j)∈Dg,(x,y)∈Dr (4) 细节分量和对角线方向细节分量 上面式(1)~(4)分别代表腐蚀、膨胀、开运算 以2×2的最小形态小波算子分解: 和闭运算的定义式,这是数学形态学中最基本的 9'(x)(n)=x(2n)Ax(2n+)A 四组运算公式,在使用时可以利用它们之间的相 x(2n)Ax(2n) 互组合,同时还可以选择适当的结构元素达到更 (9) 为有效的处理效果 w(x)(n)=((x)(n), 1.2小波分解 (x)(n),(x)(n) 小波分解]是一种多尺度分析算法,具有 其中9'(x)(n)为分解的主分量.4(x)(n)代 数学显微镜之称,设V;为图像的第j层信号空 表y,(n),为垂直方向细节分量;,(x)(n)代表 间,W;为图像的第j层细节空间,:V,→V+1 y(n),为水平方向细节分量;(x)(n)代表 为图像的第j层信号空间到第j十1层信号空间 ya(n),为对角线方向细节分量.分别由公下式 的分解算子,心:V→W+1为信号空间V;到细 表示: 节空间W+1的分解算子,乎:V+1×W+1→V; u(x)(n)=(x(2n)-x(2nt)+ 为第j层图像的重构算子,对于信号x,若满足 (9(x),w(x)=x,x∈Vi x(2n+)-x(2n+) (5) (平(x,y)=x,x∈V+1,y∈W+1 (6) m()=2(x(2n)x(2n+)+(0) o(g(x,y)=y,x∈Vt1,y∈W+1 x(2n+)-x(2n+) 则表示信号分解后可以实现完全重构,因此 (x)(n)=2(x(2n)-x(2nt)- 可对满足条件的信号xo∈Vo进行小波塔式分解: x0→x1,y1, x∈V1,y1∈W1 x(2n+)十x(2n+) x1→{x2,y2, x2∈V2,y2∈Wz 以2×2的最小形态小波算子进行重构 (7) 9'(x)(2n)=9'(x)(2n+)=9'(x)(2n+)= xn-1→xn,ynf,xn∈Vn,yn∈Wa 9'(x)(2n+)=x(n) (11) 即得: w'(y)(2n)=(y,(n)+ym(n)V(y,()+ x0→x1,y1{→x2y2,y1→→ ya(n))V(yh(n)+ya(n))Vo (12) {&n'yn'ya-1,…,yi}… (8) w'(y)(2n+)=(y(n)-h(n)V(x.(n)- 其中式(7)和(8)是可逆的,代表信号的重构 ya(n))V(-nh(n)-xa(n))Vo (13) 由于小波分解具有多尺度的特点,它能对信 w'(y)(2n+)=(ym(n)+x(n)V(-(n)- 号的局部细节进行精细刻画,因此小波分解具有 ya(n))V(y(n)-ya(n))Vo (14) 很强的检测突变信号的能力 w'(y)2nt)=(-(n)-h(n)V(ya(n)- 1.3形态小波分解与重构 (n)V(ya(n)+h(n)V0(15) 形态小波6]变换是利用数学形态学的算子 其中9'(x)(2n),p'x(2n+),9'x(2n+)和 及其性质结合小波变换来进行描述的,令A为 p'x(2n)代表主分量的四个元素的重构:而 一个以(0,0)点为原点的2×2的扁平结构元 素1,A={(0,0),(0,1),(1,0),(1,1)1,形态小 w'(y)(2n),w'(y)(2n+),w,(y)(2n)和 波的分解与重构结构框图如图1.y,(n),y(n) ω'(y)(2n)代表细节分量上的四个元素的 重构 x(2m) x2n') 分解 x,(n) .n) 利用形态小波进行分解的时候,可以根据具 体的情况,选择符合要求的结构元素,可以是kX x(2n) 2n) 重构 y(n) y.(n) !的非扁平结构元素,同时也可以选择最小形态 小波算子、中值形态小波算子以及最大形态小波 图1一次形态小波的变换结构框图 算子等,还可以利用其多分辨率特性,对图像进 Fig.1 Structure of morphological wavelet transform 行多级分解,提取需要的分量进行最后分析
( f·g)( xy)=( f♁g)( xy)⦵g( xy) ( ij)∈ Dg( xy)∈ Df (4) 上面式(1)~(4)分别代表腐蚀、膨胀、开运算 和闭运算的定义式.这是数学形态学中最基本的 四组运算公式在使用时可以利用它们之间的相 互组合同时还可以选择适当的结构元素达到更 为有效的处理效果. 1∙2 小波分解 小波分解[12] 是一种多尺度分析算法具有 数学显微镜之称.设 V j 为图像的第 j 层信号空 间Wj 为图像的第 j 层细节空间ψ ↑ j ∶V j→ V j+1 为图像的第 j 层信号空间到第 j+1层信号空间 的分解算子w ↑ j ∶V j→ Wj+1为信号空间 V j 到细 节空间 Wj+1的分解算子Ψ ↓ j ∶V j+1× Wj+1→ V j 为第 j 层图像的重构算子.对于信号 x若满足 Ψ ↓ j (ψ ↑ j ( x)w ↑ j ( x))= xx∈ V j (5) ψ ↑ j (Ψ ↓ j ( xy))= xx∈ V j+1y∈ Wj+1 w ↑ j (Ψ ↓ j ( xy))=yx∈ V j+1y∈ Wj+1 (6) 则表示信号分解后可以实现完全重构.因此 可对满足条件的信号 x0∈V0 进行小波塔式分解: x0→{x1y1} x∈ V1y1∈ W1 x1→{x2y2} x2∈ V2y2∈ W2 x n—1→{x nyn} x n∈ V nyn∈ Wn (7) 即得: x0→{x1y1}→{x2y2y1}→…→ {x nynyn—1…y1}→… (8) 其中式(7)和(8)是可逆的代表信号的重构. 由于小波分解具有多尺度的特点它能对信 号的局部细节进行精细刻画因此小波分解具有 很强的检测突变信号的能力. 图1 一次形态小波的变换结构框图 Fig.1 Structure of morphological wavelet transform 1∙3 形态小波分解与重构 形态小波[68]变换是利用数学形态学的算子 及其性质结合小波变换来进行描述的.令 A 为 一个以(00)点为原点的2×2的扁平结构元 素[9]A ={(00)(01)(10)(11)}形态小 波的分解与重构结构框图如图1.yv ( n)yh( n) 和 yd( n)分别表示垂直方向细节分量、水平方向 细节分量和对角线方向细节分量. 以2×2的最小形态小波算子分解: φ ↑ ( x)( n)= x(2n)∧ x(2n+)∧ x(2n +)∧ x(2n + +) ω ↑ ( x)( n)=(ωv( x)( n) ωh( x)( n)ωd( x)( n)) (9) 其中 φ ↑ ( x)( n)为分解的主分量.ωv ( x)( n)代 表 yv( n)为垂直方向细节分量;ωh ( x)( n)代表 yh( n)为水平方向细节分量;ωd ( x ) ( n)代表 yd( n)为对角线方向细节分量.分别由公下式 表示: ωv( x)( n)= 1 2 ( x(2n)— x(2n +)+ x(2n+)— x(2n + +)) ωh( x)( n)= 1 2 ( x(2n)— x(2n+)+ x(2n +)— x(2n + +)) ωd( x)( n)= 1 2 ( x(2n)— x(2n +)— x(2n+)+ x(2n + +)) (10) 以2×2的最小形态小波算子进行重构 φ ↓ ( x)(2n)=φ ↓ ( x)(2n+)=φ ↓ ( x)(2n +)= φ ↓ ( x)(2n + +)= x( n) (11) ω ↓ ( y)(2n)=( yv( n)+yh( n))∨( yv( n)+ yd( n))∨( yh( n)+yd( n))∨0 (12) ω ↓ ( y)(2n+)=( yv( n)—yh( n))∨( yv( n)— yd( n))∨(—yh( n)—yd( n))∨0 (13) ω ↓ ( y)(2n +)=( yh( n)+yv( n))∨(—yv( n)— yd( n))∨( yy( n)—yd( n))∨0 (14) ω ↓ ( y)(2n + +)=(—yv( n)—yh( n))∨( yd( n)— yv( n))∨( yd( n)+yh( n))∨0 (15) 其中 φ ↓ ( x )(2n)φ ↓ x (2n+)φ ↓ x (2n +)和 φ ↓ x (2n + +)代表主分量的四个元素的重构;而 ω ↓ ( y) (2n)ω ↓ ( y) (2n+)ω↓ ( y) (2n +)和 ω ↓ ( y)(2n + +)代表细节分量 上 的 四 个 元 素 的 重构. 利用形态小波进行分解的时候可以根据具 体的情况选择符合要求的结构元素可以是 k× l 的非扁平结构元素.同时也可以选择最小形态 小波算子、中值形态小波算子以及最大形态小波 算子等.还可以利用其多分辨率特性对图像进 行多级分解提取需要的分量进行最后分析. ·592· 北 京 科 技 大 学 学 报 2006年第6期
Vol.28 No.6 吴贵芳等:形态小波在中厚板表面裂纹缺陷检测中的应用 .593. 检测出来的钢板裂纹缺陷图像 2 裂纹缺陷提取过程 (a) 因为中厚板表面裂纹缺陷的形态一般都呈现 出直线型或者类似直线型,根据这一形态特点,选 用图2所示的线性结构元素的形态小波算子, d 图4图3所示图像的形态小波分解:(a)主分量图像;(b) 图25X3的线性结构元素 垂直方向细节分量图像:(c)水平方向细节分量图像:(d)对 Fig.2 5X3 linear structuring element 角线方向细节分量图像 Fig.4 Morphological analyzed results of Fig-3:(a)principal 图3是一幅从现场在线采集的中厚板表面裂 component image;(b)vertical detail component image;(c) 纹缺陷的样本图像,利用选定的形态小波算子对 horizontal detail component image;(d)diagonal detail compo- 图3进行一次形态小波分解,可得到如图4所示 nent image 的形态小波分解结果,它们分别由主分量图像(近 似分量图像,图4(a)、垂直方向细节分量图像 (图4(b)、水平方向细节分量图像(图4(c)以及 对角线方向细节分量图像(图4())组成.从图4 可知,垂直方向细节分量图像特征明显,并且图像 比较单一,所含噪声成分比原图像大大减少 图5图4中垂直方向细节图像的二值化 Fig.5 Vertical detail's binarizd result of Fig-4 图3裂纹缺陷样本图像 Fig.3 Sample image of crack defect 提取形态小波分解后的垂直方向细节分量图 像进行二值化处理,同时将其放大1倍,得到与原 图同样大小的图像,如图5所示.从图中可以看 图6图5所示图像的细化与去噪 出,背景噪声已基本去除,只存在着少量的孤立噪 Fig-6 Noise thinning and silencing of Fig.5 声,这就为裂纹缺陷的进一步提取奠定了良好的 基础,对图5进行细化,同时去除少量的孤立噪 声,可以将裂纹缺陷准确提取出来,如图6所示, 若对图3进行中值滤波,并采用前面所述的 二值化、细化及去噪过程,得到如图7所示的结 果。可以看到图像中仍然存在着大量的噪声,很 难准确地检测到裂纹缺陷,利用本文的方法,应 用于实际的钢板检测,要检测裂纹缺陷的时候可 图7中值滤波得到的裂纹处理效果图 以得到较优的检测结果,图8就是一幅现场在线 Fig.7 Result of cracks processed by medium filtering
2 裂纹缺陷提取过程 因为中厚板表面裂纹缺陷的形态一般都呈现 出直线型或者类似直线型根据这一形态特点选 用图2所示的线性结构元素的形态小波算子. 图2 5×3的线性结构元素 Fig.2 5×3linear structuring element 图3是一幅从现场在线采集的中厚板表面裂 纹缺陷的样本图像.利用选定的形态小波算子对 图3进行一次形态小波分解可得到如图4所示 的形态小波分解结果它们分别由主分量图像(近 似分量图像图4(a))、垂直方向细节分量图像 (图4(b))、水平方向细节分量图像(图4(c))以及 对角线方向细节分量图像(图4(d))组成.从图4 可知垂直方向细节分量图像特征明显并且图像 比较单一所含噪声成分比原图像大大减少. 图3 裂纹缺陷样本图像 Fig.3 Sample image of crack defect 提取形态小波分解后的垂直方向细节分量图 像进行二值化处理同时将其放大1倍得到与原 图同样大小的图像如图5所示.从图中可以看 出背景噪声已基本去除只存在着少量的孤立噪 声这就为裂纹缺陷的进一步提取奠定了良好的 基础.对图5进行细化同时去除少量的孤立噪 声可以将裂纹缺陷准确提取出来如图6所示. 若对图3进行中值滤波并采用前面所述的 二值化、细化及去噪过程得到如图7所示的结 果.可以看到图像中仍然存在着大量的噪声很 难准确地检测到裂纹缺陷.利用本文的方法应 用于实际的钢板检测要检测裂纹缺陷的时候可 以得到较优的检测结果.图8就是一幅现场在线 检测出来的钢板裂纹缺陷图像. 图4 图3所示图像的形态小波分解.(a) 主分量图像;(b) 垂直方向细节分量图像;(c) 水平方向细节分量图像;(d) 对 角线方向细节分量图像 Fig.4 Morphological analyzed results of Fig.3: (a) principal component image;(b) vertical detail component image;(c) horizontal detail component image;(d) diagonal detail component image 图5 图4中垂直方向细节图像的二值化 Fig.5 Vertical detail’s binarizd result of Fig.4 图6 图5所示图像的细化与去噪 Fig.6 Noise thinning and silencing of Fig.5 图7 中值滤波得到的裂纹处理效果图 Fig.7 Result of cracks processed by medium filtering Vol.28No.6 吴贵芳等: 形态小波在中厚板表面裂纹缺陷检测中的应用 ·593·
.594 北京科技大学学报 2006年第6期 Mlach Intell,1989,11(7).674 [2]Nowak R D.Baraniuk R G.Wavelet-based transformations for nonlinear signal processing.IEEE Trans Signal Process, 1999,47(7):1852 [3]Dougherty E R.An introduction to morphological image pro- cessing-Bellingham:SPIE Press,1992 [4]Goutsias J.Schonfeld D.Morphological representation of dis- 图8形态小波在线检测出的裂纹图像 crete and binary images.IEEE Trans Signal Process,1991. 39(6):1369 Fig-8 Online detected crack image by morphological wavelet [5]Chatzis V.Pitas I.A generalized fuzy mathematical morphol- ogy and its application in robust 2 D and 3 D object represen- 3 结语 tation.IEEE Trans Image Process.2000.9(10):1798 [6]Lazzaroni F.Leonardi R.Signoroni A.High performance em- 由于形态小波是在数学形态学以及小波理论 bedded morphological wavelet coding.IEEE Signal Process, 基础上发展起来的,它具有数学形态学的形态滤 Lct,2003,10(10):293 波特性以及小波的检测突变信号的能力,因此在 [7]Heijmans HJA M.Goutsias J.Nonlinear multiresolution sig 图像检测中,可以用于检测一些在灰度值上存在 nal decomposition schemes:Part II morphological wavelets 着突变,并且存在着明显形态特征的目标,如表面 IEEE Trans Image Process,2000.9(11):1897 裂纹等.实验证明了形态小波变换方法对于检测 [8]Cha H.Chaparro L F.A morphological wavelet transform// International Conference on Systems Engineering in the Service 中厚板表面裂纹缺陷取得了很好的效果,检测的 of Humans:Systems.Man and Cybernetics.South Korea. 时间短,一般在几十毫秒左右,同时去除噪声的能 1993,501 力强, [9]Lam W K.Ip H R.Li C K.Approaches to decompose flat structuring element for fast overlapping search morphological 参考文献 algorithm//Proceedings of the 14th International Conference [1]Mallat S C.A theory for multi-resolution signal decomposi- on Pattern Recognition.1998:1461 tion:the wavelet representation.IEEE Trans Pattern Anal Application of morphological wavelet in surface crack defect detection of medium plates WU Guifang,XU Ke),XU Jinwu,YANG Chaolin),SUN Hao2),WANG Chunmei2) 1)Mechanical Engineering School,University of Science and Technology Beijing.Beijing 100083.China 2)Technology Center of Jinan IronSteel Group Corporation.Jinan 250101 China ABSTRACI It is difficult to extract crack defects from a defect image by traditional detection techniques, for the image of surface crack defects on a medium plate is influenced greatly by background noise and oxi- dized scale.Morphological wavelet,which combines the advantages of wavelet decomposition with mathe- matical morphology,was introduced to decompose the defect image and detect catastrophe signals.Accord- ing to the similar linear character of crack defects in shape,the crack defects can be accurately extracted from the image.Experimental results show that the morphological wavelet transform presented here is more effective than other techniques for the detection of surface crack defects of a medium heavy plate. KEY WORDS medium plate;surface crack;defect detection;morphological wavelet
图8 形态小波在线检测出的裂纹图像 Fig.8 Online detected crack image by morphological wavelet 3 结语 由于形态小波是在数学形态学以及小波理论 基础上发展起来的它具有数学形态学的形态滤 波特性以及小波的检测突变信号的能力因此在 图像检测中可以用于检测一些在灰度值上存在 着突变并且存在着明显形态特征的目标如表面 裂纹等.实验证明了形态小波变换方法对于检测 中厚板表面裂纹缺陷取得了很好的效果检测的 时间短一般在几十毫秒左右同时去除噪声的能 力强. 参 考 文 献 [1] Mallat S G.A theory for mult-i resolution signal decomposition:the wavelet representation.IEEE Trans Pattern Anal Mach Intell198911(7):674 [2] Nowak R DBaraniuk R G.Wavelet-based transformations for nonlinear signal processing.IEEE Trans Signal Process 199947(7):1852 [3] Dougherty E R.An introduction to morphological image processing.Bellingham:SPIE Press1992 [4] Goutsias JSchonfeld D.Morphological representation of discrete and binary images.IEEE Trans Signal Process1991 39(6):1369 [5] Chatzis VPitas I.A generalized fuzzy mathematical morphology and its application in robust2—D and3—D object representation.IEEE Trans Image Process20009(10):1798 [6] Lazzaroni FLeonardi RSignoroni A.High-performance embedded morphological wavelet coding.IEEE Signal Process Lett200310(10):293 [7] Heijmans H J A MGoutsias J.Nonlinear mult-i resolution signal decomposition schemes:Part Ⅱ morphological wavelets. IEEE Trans Image Process20009(11):1897 [8] Cha HChaparro L F.A morphological wavelet transform∥ International Conference on Systems Engineering in the Service of Humans:SystemsMan and Cybernetics.South Korea 1993:501 [9] Lam W KIp H RLi C K.Approaches to decompose flat structuring element for fast overlapping search morphological algorithm∥Proceedings of the 14th International Conference on Pattern Recognition.1998:1461 Application of morphological wavelet in surface crack defect detection of medium plates W U Guif ang 1)XU Ke 1)XU Jinw u 1)Y A NG Chaolin 1)SUN Hao 2)WA NG Chunmei 2) 1) Mechanical Engineering SchoolUniversity of Science and Technology BeijingBeijing100083China 2) Technology Center of Jinan Iron & Steel Group CorporationJinan250101China ABSTRACT It is difficult to extract crack defects from a defect image by traditional detection techniques for the image of surface crack defects on a medium plate is influenced greatly by background noise and oxidized scale.Morphological waveletwhich combines the advantages of wavelet decomposition with mathematical morphologywas introduced to decompose the defect image and detect catastrophe signals.According to the similar linear character of crack defects in shapethe crack defects can be accurately extracted from the image.Experimental results show that the morphological wavelet transform presented here is more effective than other techniques for the detection of surface crack defects of a medium heavy plate. KEY WORDS medium plate;surface crack;defect detection;morphological wavelet ·594· 北 京 科 技 大 学 学 报 2006年第6期