摘要：為解決鋁合金壓鑄件X射線圖像典型缺陷的特征提取維度缺乏、大量人工干預(yù)影響特征提取效率的問題，提出一種鋁合金壓鑄件X射線成像典型缺陷特征提取算法。該方法對(duì)鋁合金壓鑄件中的氣孔、欠鑄和變形等典型缺陷建立多個(gè)特征分析維度，利用濾波去噪、閾值分割等手段進(jìn)行壓鑄件圖像預(yù)處理，并通過提取缺陷周長和面積等多維度特征，實(shí)現(xiàn)氣孔、夾渣缺陷的特征自動(dòng)化提取。在部分企業(yè)實(shí)際生產(chǎn)的鋁合金壓鑄件上的應(yīng)用表明，該方法可有效地提取鋁合金壓鑄件典型缺陷特征，可為后續(xù)缺陷檢測識(shí)別工作提供參考。

隨著社會(huì)科技的發(fā)展，鋁合金壓鑄件在制造業(yè)中的應(yīng)用越來越多。隨著鋁合金壓鑄件的需求日益增長，在大批量生產(chǎn)時(shí)對(duì)質(zhì)量要求也越來越高，因此對(duì)鋁合金壓鑄件的質(zhì)量檢測十分重要。國內(nèi)傳統(tǒng)的是通過人工檢測，過程繁瑣、效率低下、結(jié)果不易存儲(chǔ)并且人工經(jīng)驗(yàn)依賴性強(qiáng)。而通過對(duì)鋁合金壓鑄件X射線圖像進(jìn)行一系列的圖像處理來輔助質(zhì)量檢測的過程能夠明顯地改善以上的問題，特別是通過閾值分割來處理圖像。鋁合金壓鑄件常見的缺陷有氣孔、欠鑄、夾雜和變形等。如果對(duì)識(shí)別好的缺陷進(jìn)行多維度的分析，并自動(dòng)提取到這些維度的數(shù)據(jù)，能夠更好地幫助后續(xù)鑄件缺陷的識(shí)別工作。

Gianni D’Angelo等研究了信號(hào)處理以及數(shù)據(jù)在航天材料中用來診斷材料缺陷的有效性。張臻通過對(duì)ADC12鋁合金鑄件的研究，分析了氣孔、縮孔以及氣縮孔的圓整度、體積以及表面積等。楊勇等通過使用中值濾波器和線性濾波器來研究X射線圖識(shí)別焊接缺陷。樓國紅等利用動(dòng)態(tài)閾值分割算法針對(duì)車輪輪轂計(jì)算缺陷面積和最長缺陷長度。動(dòng)態(tài)閾值分割算法可以很大程度地保留輪轂中的缺陷并且同時(shí)去除掉很多不是缺陷的干擾噪聲。XU等對(duì)Otsu閾值分割算法進(jìn)行了分析，能夠通過理論計(jì)算得到最好的閾值。KAVITHA等提出了一種分水嶺算法用來閾值分割，計(jì)算方法更為簡潔，可以在聚類圖像實(shí)現(xiàn)較好的效果。JOHN CANNY則提出了一種關(guān)于邊緣檢測的算法。DANIEL WEIMEr等采用了深度卷積神經(jīng)網(wǎng)絡(luò)來對(duì)缺陷進(jìn)行特征提取。

為了更好地識(shí)別汽車鋁合金壓鑄件中的典型缺陷，主要考慮氣孔、夾渣等缺陷在X射線圖中的周長以及面積。而為了實(shí)現(xiàn)鑄件缺陷特征的自動(dòng)提取，對(duì)鋁合金壓鑄件X射線圖進(jìn)行了一系列的缺陷圖像處理，包括濾波去噪、圖像增強(qiáng)處理以及閾值分割處理。最后對(duì)處理完好的圖像進(jìn)行特征提取并自動(dòng)給出相關(guān)參數(shù)。

1、缺陷圖像處理

鋁合金壓鑄件X射線圖的采集過程會(huì)卷入大量的電磁脈沖噪音信號(hào)。沒有經(jīng)過處理的圖像包含著很多干擾噪聲，直接進(jìn)行特征提取會(huì)造成很多噪聲也被誤認(rèn)為缺陷，降低缺陷特征提取的準(zhǔn)確度。因此主要對(duì)鋁合金壓鑄件X射線圖像進(jìn)行三步處理：濾波去噪、圖像增強(qiáng)處理以及圖像閾值分割處理。

1.1 濾波去噪處理

一般來說圖像會(huì)有一些噪音干擾。因而計(jì)算機(jī)處理圖像的第一個(gè)步驟都是濾波去噪，以減少后面處理的出錯(cuò)概率。選擇了中值濾波器、均值濾波器、高斯低通濾波器以及巴特沃斯低通濾波器。通過對(duì)比這些濾波器的濾波效果，選擇最有的方法。

（1）中值濾波器

中值濾波器是一種非線性濾波器，相比于線性濾波器，可以使一些圖像中較為孤立的干擾信號(hào)去除，同時(shí)也能夠有效地保留圖像中的細(xì)節(jié)。但也易去除掉一些氣孔、氣泡等缺陷。
中值濾波器的計(jì)算公式如下所示：

式中，g(x,y)是經(jīng)過中值濾波器后得到的灰度值；median是取矩陣中值的操作。

（2）均值濾波器

均值濾波器則是一種線性濾波器。相比于中值濾波器，均值濾波器可能會(huì)讓圖像中一些細(xì)節(jié)丟失，因?yàn)檫@些細(xì)節(jié)都被周圍像素的平均值取代。
均值濾波器的運(yùn)行公式為：

式中，g(x,y)為指定像素點(diǎn)在處理之后的灰度值；M是周圍相鄰像素點(diǎn)的個(gè)數(shù)；f(x,y)為周圍像素點(diǎn)的灰度值；s為周圍像素點(diǎn)的集合。

（3）高斯低通濾波器

高斯低通濾波器一般可以分為兩種。這里采用通過滑動(dòng)窗口來進(jìn)行卷積運(yùn)算的一種，通常使用加權(quán)平均。而且高斯低通濾波器，可以得到圖像的頻譜，再利用傳遞函數(shù)，可以實(shí)現(xiàn)頻域中心化。
選取的濾波函數(shù)H為：

式中，Do為截止頻率；D(u,v)為各點(diǎn)與頻率矩形中心的距離。其中D(u,v)的計(jì)算公式如下：

（4）巴特沃斯低通濾波器

巴特沃斯低通濾波器與高斯低通濾波器的不同，體現(xiàn)在于濾波函數(shù)H的不同。
巴特沃斯低通濾波器的濾波函數(shù)H為：

可以看出，D0截止頻率是一個(gè)可以進(jìn)行調(diào)節(jié)的參數(shù)。隨著截止頻率的增加，濾波器從中心往周圍擴(kuò)散的趨勢變得越來越小，越來越多的高頻信號(hào)將被保留，圖像中的細(xì)節(jié)也將愈發(fā)的明顯。而通過試驗(yàn)，初步選取D0=1200作為最佳數(shù)據(jù)。

（5）濾波器對(duì)比總結(jié)

將同一張圖像用不同濾波器處理，效果見圖1。

圖1:不同濾波器下圖像預(yù)處理效果

從圖1可以看出，在經(jīng)過中值濾波器之后，圖片并沒有發(fā)生很大的變化，見圖1b。經(jīng)過均值濾波器之后，圖像的細(xì)節(jié)開始變少，對(duì)于圖像的后續(xù)處理效果不明顯，見圖1c。經(jīng)過高斯濾波器之后，圖像的整體質(zhì)量變得更好，鑄件的細(xì)節(jié)沒有丟失，相比于均值濾波器和中值濾波器，高斯濾波器處理出來的結(jié)果較好。經(jīng)過巴特沃斯濾波處理之后的圖像變得很模糊，見圖1d。綜上，針對(duì)汽車鋁合金壓鑄件X射線圖，高斯濾波器能夠起到很好的作用。因而，采用高斯濾波器作為圖像預(yù)處理的第一步。

1.2 圖像增強(qiáng)處理

經(jīng)過濾波去噪處理之后的圖像，圖像的質(zhì)量已經(jīng)得到改善，但圖像中仍存在著缺陷與圖像背景不能很好區(qū)分的問題。為使缺陷與背景能更易區(qū)分，需增強(qiáng)圖像對(duì)比度。分析了灰度變換、直方圖修正處理的效果。

（1）灰度變換

灰度變換是直接對(duì)圖像像素點(diǎn)的灰度進(jìn)行變換。映射函數(shù)式為

g(x,y)=af(x,y)+b(7)

式中，f(x,y)是特定像素點(diǎn)的灰度值，而g(x,y)則是經(jīng)過線性變化之后得到相應(yīng)像素點(diǎn)的灰度值。經(jīng)過一系列的嘗試，初步選定參數(shù)a=1.4，b=0。

也可以選用非線性的變換來進(jìn)行灰度變換。選用實(shí)際效果會(huì)更好的指數(shù)變換來進(jìn)行嘗試。指數(shù)變換的映射表達(dá)式為

g=ω0 (μ0-μ)^2+ω? (μ?-μ)² (10)

結(jié)合ω?μ?以及μ的關(guān)系，進(jìn)行化簡

ω?²(x?,y?)作為起點(diǎn)，以順時(shí)針或者逆時(shí)針的方向找到下一個(gè)邊緣上的像素點(diǎn)(x?,y?)，兩個(gè)像素點(diǎn)之間的距離可以被定義為：

再找到下一個(gè)鄰近的邊緣像素點(diǎn)(x_3,y_3)，并且計(jì)算第2個(gè)點(diǎn)與第3個(gè)點(diǎn)之間的距離，最后將所有點(diǎn)的距離進(jìn)行求和，得到的總和即為缺陷區(qū)域的周長。

3、試驗(yàn)和結(jié)果分析

3.1 提取數(shù)據(jù)

實(shí)驗(yàn)所用到的數(shù)據(jù)圖像，都是實(shí)際生產(chǎn)的一些汽車鋁合金壓鑄件X射線圖像，見圖5.

圖5:汽車鋁合金壓鑄件X射線圖像

這些缺陷包括欠鑄、變形、氣孔等等。

3.2 缺陷部位圖像處理之后得到的圖像

經(jīng)過缺陷區(qū)域的提取之后，得到主體是缺陷部分的圖像，采用圖像預(yù)處理方法以及圖像閾值分割的方法，對(duì)圖像進(jìn)行處理。第一步是使用高斯濾波對(duì)圖像處理，然后通過線性增強(qiáng)，最后通過Otsu閾值分割方法對(duì)圖像進(jìn)行處理。圖像預(yù)處理后的結(jié)果見圖6。

圖6:圖像預(yù)處理之后氣孔缺陷

可以看到，光線對(duì)于提取到的圖像質(zhì)量有一定影響，圖6a圖像和圖6c圖像受強(qiáng)光源影響較大，形成了大片的白色區(qū)域，對(duì)氣孔缺陷的面積提取較為不利，并且前期的預(yù)處理過程難以解決這個(gè)問題，可能需對(duì)光源進(jìn)行一定的處理。但總體來說通過預(yù)處理和閾值處理，能夠很好的將汽車鋁合金壓鑄件X射線圖像處理成能夠輕易分辨氣孔缺陷的二值圖像。

圖7是夾渣缺陷的圖像處理。夾渣缺陷在X射線圖像中表現(xiàn)為表面的白色斑跡，并且可能會(huì)伴隨著鑄件表面的一些突起。因此在對(duì)夾渣缺陷進(jìn)行圖像處理的時(shí)候，Otsu閾值算法效果一般，相比之下，局部閾值的分割方法得到的效果要好很多，因此夾渣缺陷的閾值分割方法是采用局部閾值進(jìn)行分割得到的。

圖7:圖像預(yù)處理后的夾渣缺陷

整體來看，鑄件表面的白色斑跡都被閾值分割給處理出來的，整體比較明顯，效果較好。

3.3 圖像缺陷特征的提取

在得到清晰含有缺陷的二值圖像后，可以對(duì)圖像中缺陷的面積和周長進(jìn)行提取。采用的是MATLAB來實(shí)現(xiàn)面積和周長的提取。首先是通過MATLAB對(duì)氣孔缺陷的特征提取，見圖8。

圖8:氣孔缺陷的特征提取效果

其中，缺少了閾值處理后得到的第三張圖片(氣孔缺陷c)，見圖8c，因?yàn)閳D像被光源污染，導(dǎo)致最后只能提取出來一大片的白色區(qū)域，所以最后沒有展示出來。圖像中氣孔的面積和周長特征提取到的具體值見表1。

表1:缺陷面積以及周長

圖8a中有一連串的氣孔，普遍面積較小，并且有一部分氣孔被白色光源污染導(dǎo)致無法被提取。其他氣孔的面積和周長都被很好的提取出來了，如果在拍攝圖像的時(shí)候?qū)ο袼攸c(diǎn)的長度進(jìn)行標(biāo)度，也就能直接得到氣孔缺陷的面積和周長了，對(duì)后續(xù)的工藝分析能夠提供幫助。

然后展示對(duì)夾渣缺陷面積和周長的特征提取，同樣首先先對(duì)圖像中的缺陷部位進(jìn)行捕獲，見圖9。

圖9:夾渣缺陷的特征提取效果

從圖9可以看出，提取效果整體較好，但會(huì)出現(xiàn)一些過度提取的情況，這個(gè)時(shí)候需要人工來幫助判斷具體哪一個(gè)部分才是真正的夾渣缺陷。表2為提取到的缺陷的周長和面積。

表2:夾渣缺陷的面積和周長

4、結(jié)論

針對(duì)鋁合金壓鑄件典型缺陷的特征進(jìn)行提取，通過使用高斯濾波處理、線性增強(qiáng)、Otsu閾值分割法及局部閾值法對(duì)圖像進(jìn)行處理，得到經(jīng)過處理的二值圖像，最后對(duì)二值圖像直接進(jìn)行特征提取。整個(gè)過程基于MATLAB實(shí)現(xiàn)了對(duì)缺陷的面積和周長特征的自動(dòng)化快速提取，解決了鋁合金壓鑄件X射線圖像典型缺陷的特征提取維度缺乏、人工干預(yù)影響特征提取效率的問題。由于鋁合金壓鑄件X射線圖主要呈現(xiàn)二維圖像，本次試驗(yàn)的鋁合金壓鑄件缺陷特征提取主要集中于二維數(shù)據(jù)的提取，希望以后能出現(xiàn)很好的三維鋁合金壓鑄件X射線圖并且便于進(jìn)行缺陷特征的提取。

文章作者

傅可清 馬源 伍緣杰 孫曉龍 計(jì)效園 周建新
華中科技大學(xué)材料成形與模具技術(shù)國家重點(diǎn)實(shí)驗(yàn)室

楊廷旺
西安交通大學(xué)
浙江合達(dá)鋁業(yè)有限公司

本文來自:《特種鑄造及有色合金》雜志2021年第41卷第12期