文章信息
- 戚大伟.
- Qi Dawei.
- 木材无损检测图像处理系统的研究
- A STUDY ON IMAGE PROCESSING SYSTEM OF NON-DESTRUCTIVE LOG DETECTION
- 林业科学, 2001, 37(6): 92-96.
- Scientia Silvae Sinicae, 2001, 37(6): 92-96.
-
文章历史
- 收稿日期:2001-04-17
-
作者相关文章
在不破坏原木外表与结构的条件下, 正确检测出木材内部的缺陷, 科学选材, 合理制材, 充分利用生态资源对我国木材加工行业有着重要意义(刘自强, 1984)。目前国内外检测原木内部缺陷的方法很多, 有外观判断法、锤子敲击法、X射线透视法、γ射线检测法、超声检测法等。外观判断法和锤子敲击法需要有丰富的检测经验, 而且不能准确判断缺陷的边缘和变化细节。超声检测需要有水或油做介质, 不能实际应用。γ射线检测对防护条件要求极高, 难以实现。只有用X射线透视的方法检测木材缺陷是目前最现实的方法(Son Guoyu, 1995), 但是直接观看X射线图象显然是很低级的检测方法。由于X射线图象对比度很低, 很难看清木材内部缺陷, 结果使X射线设备的潜力不能充分发挥出来。数学图象处理技术是一种随着计算机技术飞速发展而迅速普及的高新技术。在国外, 数字图象处理技术已经广泛应用于工业、农业、军事、科研、医药等各个领域, 并获得了巨大的经济效益和社会效益(Nikhil, 1993)。在我国, 数字图象处理技术正在向国际先进水平靠近, 但是在木材缺陷的无损检测领域的实际应用报导很少。近几年, 我国在信号处理和模式识别技术领域有了飞速发展。将数字图象处理技术应用于木材的无损检测, 可以更好地研究木材缺陷X射线图象的形成, 挖掘和扩展X射线设备的潜力和功能, 并为实现木材缺陷无损检测自动化打下良好的基础。
1 建立木材无损检测图象采集与处理系统 1.1 木材无损检测图象处理系统框图基本结构如图 1所示。根据现实条件, 采用国产工业X-光机透视原木, 在吸收屏上成象; 用微光摄象机做图象输入传感器; 自行研制计算机与微光摄象机相接的图象采集及处理板; 整个系统以Pentium-Ⅲ机为中心完成各种操作。
木材缺陷的无损检测图象处理系统软件工作平台是在WINDOWS 98环境中编制的。它既是一个木材缺陷的无损检测图象处理专用系统, 也相当于一个通用的图象处理系统。主要功能包括:X射线(或可见光)图象输入、图象存取、图象处理、平台窗口管理、图象几何处理、AOI操作和LOI操作等。在图象处理模块中, 开发了高斯滤波、图象均衡化、快速中值滤波、快速均值滤波、图象边缘检测、图象锐化处理等子模块。
由于这个工作平台是参考WINDOWS系统界面开发的, 因此, 该工作平台可观性好、交互性强, 并可以利用WINDOWS的全部资源。
1.3 木材无损检测图象采集及处理板的研制在本课题中研制木材缺陷的无损检测图象采集及处理板是一项重要的工作, 因为我们不仅要利用现有条件建立木材缺陷的无损检测图象处理实验环境, 还要获取实用的木材缺陷的无损检测自动化系统的所有研制经验, 包括硬件和软件的研制经验, 处理板结构如图 2所示。
此采集及处理板的工作原理是将摄象机输入的图象数字化后存在计算机内存中, 可用微机处理数据, 同时输出全电视信号用于显示。
1.4 接口电路因为图象板主要用途是采集图象, 所以本图象处理板采用的是DMA接口, 目的是快速将图象读入内存。本接口利用计算机的DMA通道3, 用单字节方式传送数据。电路如图 3所示。
木材缺陷X射线图象的无损检测处理主要是对原图象进行去噪和必要的增强(刘自强, 1989)。虽然本课题开发并应用了许多常用图象预处理方法, 但这里重点介绍几种有特色的方法。
2.1 木材缺陷的X射线数字图象的噪声分析经过采样后木材缺陷的X射线图象频谱可用下式表示
(1) |
其中MTFrf (f)是重现滤波器传递函数, X (f)是输入信号的频谱, N (f)是其它加性噪声, 诸如, 量化噪声、电路干扰等等。可以看出干扰项主要处在高频段, 所以用低通滤波器是可以有效降低这些噪声的。从理论上说, 木材缺陷X射线数字图象信号的噪声模型是相当复杂的, 决不仅仅是加性噪声。但由于过于复杂的噪声模型并没有相应的处理方法, 而如(2.1)式的简单模型则有相应的处理方法, 而且实验证明效果是令人满意的。
2.2 高斯滤波器高斯滤波器是一种图象正则化滤波器, 能够有效地去除噪声, 使后续处理得以正常进行。高斯滤波器模板是根据下面高斯函数计算出的
(2) |
这个函数可以分解为两个一维高斯函数的乘积。高斯滤波器模板的权值可利用查-维高斯分布表, 然后进行正交叉乘求得。σ可根据模板尺寸Qlk=0.5 (M×M)来确定, 若要求P (-kσ < x < kσ≥0.999时, k≈3.3, 则对应M=3、5、7、9;有σ≈0.45, 0.76, 1.06, 1.36。
2.3 快速中值滤波算法中值滤波器是一种非线性滤波器, 可用于去除图象中点状或线状噪声; 其最大优点是不仅能有效去除噪声, 还能保持目标的边缘; 其最大缺点是计算量大。要解决中值滤波器的速度问题, 可用专用硬件完成; 如果没有这样的条件, 则可用快速算法提高速度(乔景渌, 1995)。
提高中值滤波器运算速度的可能性是源于中值滤波器窗口中所有点不是按位置进行处理, 而是按灰度大小重新排列。当中值滤波器逐点处理图象时, 每移动一次只需移出和移入一列或一行就行了; 将移出列(行)按灰度从排序中删除, 而将移入列(行)按灰度加到排序中去, 就可以得到当前的中值。大同小异的快速中值滤波算法有多种, 本文采用一种算法简捷, 效果好的直方图快速中值滤波器。设中值滤波器为n×n的方窗, n为大于3的奇数(实际上中值滤波器也可以是矩形窗)。直方图快速中值滤波器处理一幅图象的步骤如下:
初始化 计算每一行开始点的中值mdn, 通常只能用灰度排序法求出mdn。计算窗口内n×n个象素的灰度直方图hist[i], 如果图象灰度是8位的, 则i=0, 1, …, 255。求出窗中灰度小于中值mdn的象素个数ltmdn。
沿行方向右移一列, 窗中最左边的n个象素移出; 更新直方图hist[i], 设gj, j=1, 2, …, n, 为移出象素的灰度, 则hist[gi]←hist[gi]-1。修正ltmdn; 如果gj < mdn, 则ltmdn←ltmdn-1。设fj, j=1, 2, …, n, 为移入象素的灰度, 则hist[fi]←hist[fi]+1;如果fj < mdn, 则ltmdn←ltmdn+1。更新后, hist[i]是当前窗口的直方图, 而ltmdn是灰度小于上次中值mdn的象素个数。
确定当前窗口的中值mdn。设
一行计算完后, 返回⑴计算另一行, 直至整个图象处理完毕。
这种快速算法除了在每行的初始化时要用普通中值滤波一样的时间外, 其它计算用时很少, 大致同n成正比。而普通中值滤波方法至少同n2成正比。
2.4 使用微分方法进行图象锐化考察正弦函数sin2πax, 它的微分是2πacos2πax, 微分的频率不变, 幅度增大2πa倍。同时可以看出, 空间频率a愈高, 幅度增加就愈大。这说明微分可以加强高频成分。对于木材X射线图象, 背景与缺陷的交接处灰度值变化率较大, 所以缺陷的边缘与图象的高频成分相对应。因此, 从理论上讲微分后能突出缺陷的轮廓。
图象处理中常用的微分方法是“梯度法”, 对数字图象f (x, y), 它的梯度是一个向量。它在点(x, y)处的梯度矢量定义为(Ghosal, 1993)
这个梯度矢量的幅度为
因为我们处理的是数字图象, 所以要用差分来表达这种梯度, 上式可表达成
或简化为
式中各阵元的位置如图 4所示。
从上述关系式可以看出, 图象的最末1行及最末1列的梯度算不出来, 只能利用最后第2行及最后第2列来代替。
因为木材中的缺陷大部分为腐朽、虫眼、漏节和沉积树脂等非长条形缺陷, 所以本文采用的差分表达式和上式略有不同, 我们称之为改进的罗泊特梯度, 实验效果很好。
式中各阵元的相互位置如图 5所示。
由该差分算子得到的结果可以看成图象下与掩模H的卷积, 即
其中掩模H可以选择图 5的规律, 也可以根据具体情况合理设置。
卷积后的图象突出了其中缺陷的细节, 极大地改善了视觉效果。
3 结论应用X射线检测木材内部缺陷是一种比较现实、可行的检测手段。采用计算机数字图象处理技术中的图象滤波、图象锐化技术之后, 可以使处理后的木材X射线图象更加清晰, 木材内部缺陷的细节更加突出, 易于人眼识别。大量试验结果表明, 采用的处理技术对木材内部的腐朽、虫眼、漏节和沉积树脂等缺陷的检测很有效。在中文WINDOWS平台上开发编制的无损检测图象处理软件, 界面直观, 使用方便, 操作简单, 可以在制材厂、木材加工厂和海关等领域推广使用。
刘自强, 戴澄月. 1984. 木材缺陷的X射线无损检测. 林业科学, 20(2): 34-37. |
刘自强, 乔景渌, 戚大伟. 1989. 木材缺陷图象的伪彩色处理. 林业科学, 25(2): 185-189. DOI:10.3321/j.issn:1001-7488.1989.02.010 |
Nikhil R Pal, Sankar K Pal. 1993. "A review on image segmentation techniques". Pattern Recognition, 26: 1277-1294. DOI:10.1016/0031-3203(93)90135-J |
Ghosal S, Mehrotra R. 1993. "Orthogonal moment operators for subpixel edge detection". Pattern Recognition, 26(2): 295-306. DOI:10.1016/0031-3203(93)90038-X |
Son Gouyu, et al. 1995. Microcomputer processing the photograph of timber with hole knots. Journal of Northeast Forestry University, 6(1): 60-65. |