激光视觉焊缝跟踪中图像二值化处理

激光视觉焊缝跟踪中图像二值化处理申俊琦;胡绳荪;冯胜强【摘要】焊缝图像的二值化处理是实现焊缝视觉跟踪的一个重要环节.针对激光视觉传感焊缝图像,通过最小二乘法建立了Otsu法所选阈值与焊缝激光带区域灰度平均值的直线回归方程,从而得到了焊缝图像二值化处理的最佳阈值.利用该方法对焊缝图像进行二值化处理,并与传统二值化处理方法的结果进行了对比.结果表明,该二值化阈值选取方法可以有效地选取出适合焊缝图像二值化处理的阈值,处理结果良好,更利于后续的焊缝特征点提取.%The binarization processing of seam image is an important step to realizing the vision seam tracking. Aiming at the seam image of laser vision sensing , the linear regression equation of threshold obtained using Otsu method and average gray value of laser region was concluded based on least square method, hence the optimal threshold of seam image binarization was gained. The binarization processing result of the calculated threshold was compared with that of conventional binarization approach. The results show that the suitable threshold of seam image binarization processing can be automatically obtained, and the seam image binarization result is beneficial to the subsequent image feature point extraction.【期刊名称】《天津大学学报》【年(卷),期】2011(044)004【总页数】5页(P308-312)【关键词】激光视觉传感;焊缝图像;二值化处理;Otsu算法【作者】申俊琦;胡绳荪;冯胜强【作者单位】天津大学材料科学与工程学院,天津,300072;天津市现代连接技术重点实验室,天津,300072;天津大学材料科学与工程学院,天津,300072;天津市现代连接技术重点实验室,天津,300072;天津大学材料科学与工程学院,天津,300072;天津市现代连接技术重点实验室,天津,300072【正文语种】中文【中图分类】TG409随着视觉传感器、计算机技术、图像处理算法以及智能控制技术的不断发展，利用光学视觉传感的焊缝跟踪技术也得到了飞速的发展.这一焊缝跟踪技术因其信息直观、与工件无接触、测量精度高和动态响应快等优点得到了国内外焊接研究工作者的关注[1-5].基于视觉传感的焊缝跟踪中，最为基础也最为关键的就是焊缝图像的处理.焊缝图像处理的最终目标就是快速而准确地得到坡口及焊缝的特征信息，在焊缝图像的处理过程中，图像的二值化处理是非常重要的一个环节.为此，笔者将传统Otsu方法与直线拟合相结合的方法引入到焊缝图像的二值化处理中，通过对实际焊缝图像进行处理，证明了该方法的有效性.激光视觉传感焊缝跟踪是目前使用最多的一种主动光视觉焊缝跟踪方法.本研究利用激光视觉传感器对35°单边V形坡口横焊焊缝进行图像采集，焊接母材选用500,mm×300,mm×25,mm的 D32高强度钢，焊缝图像采集系统示意如图1所示.图2为所采集到的经过打底焊后焊缝原始图像.从图 2中可以看出，焊缝原始图像中有部分噪声，并且焊缝图像中表征坡口和焊缝信息的激光带与图像背景的对比度不强，不利于后续处理，所以首先对所采集到的焊缝原始图像进行了滤波去噪和对比度增强，处理后的焊缝图像如图3所示.对于焊缝图像的处理来讲，最终的目的就是要从焊缝图像中提取出真实的焊缝信号，摒弃其他无关的信号.通过滤波去噪和对比度增强，焊缝图像中表征焊缝信息的激光带图像与背景有了较为强烈的对比，但为了提高后续处理的速度以及精度，则希望通过适当的处理使得焊缝图像中激光带信息为唯一信息，而噪声、飞溅等其他无关信息可以全部去除.灰度图像的二值化处理是指将图像中像素点的灰度值设置为 0或 255，也就是说图像中的像素点不是黑色就是白色.而焊缝图像的二值化处理就是通过运算使得焊缝图像(如图 3所示)中激光带区域像素点的灰度值变为 255(或 0)，而其他无关区域的灰度值变为0(或255).从本质上讲，0和255这两个像素值分别对应于关闭和打开，也可以记为0和1.式中： g(x ,y)表示经过转换后像素点(x ,y)的灰度值；f(x ,y)表示转换前该像素点的灰度值；T为二值化变换阈值.从式(1)中可以看出，二值化处理的关键就是阈值T的选择.最简单的二值化阈值选择方法就是根据图像的灰度直方图来进行选择.一般来说，对比度比较大图像的灰度直方图中会有明显的双峰，传统的方法是以双峰间的谷底作为二值化的阈值，把图像中大于阈值的像素点灰度值变为 255，小于阈值的像素点灰度值变为 0.图 4为图 3所示焊缝图像的灰度直方图，从图中可以看出有明显的双峰，双峰间谷底的灰度值在85左右，图5是将谷底灰度值85作为变换阈值的二值化处理结果.从图5中可以看出，若将直方图中两个峰值间的谷底灰度值作为阈值，对焊缝图像进行二值化处理，结果并不理想.这主要是由于焊缝图像中表征焊缝信息的激光带的灰度值是非常高的，而其在整个焊缝图像中所占有的面积却较小，这就使得直方图中不能明显地显示出激光带与其相邻区域的灰度变化.查看焊缝图像中所有像素的灰度值可以发现，激光带区域内像素点的灰度值基本在230左右，所以应将该值作为焊缝图像二值化处理的变换阈值.图 6为将阈值设为230后焊缝图像的二值化处理结果.从图 6可以看出，将阈值设为 230后，焊缝图像的二值化处理与阈值为 85时相比，处理效果良好.但由于焊接过程是一个包含了电场、磁场、热场等的复杂过程，这就导致焊缝图像的灰度分布以及激光带区域内像素点的灰度平均值并不相同，所以对不同焊缝图像进行二值化处理时所需设定的阈值也可能不同.如果焊接过程中对每幅焊缝图像都人工选取阈值的话，那显然是不切实际的.这就需要计算机能够针对不同的焊缝图像自适应地选择相应的二值化变换阈值.自动获取二值化变换阈值的方法有很多种，目前应用较为广泛的是 Otsu法.Otsu法又被称作最大类间方差法，是由日本学者Otsu Nobuyuki[6]于1979年首次提出的，它是一种二值化变换阈值的自适应确定方法，一般记为 Otsu法.到目前为止，Otsu法及其改进算法已经广泛地应用到了有关图像二值化处理的许多研究之中[7-10].Otsu法的基本思想是：对于图像的二值化变换阈值，它应该能够将图像分为灰度大小两类，并使得两类中像素点灰度平均值的类间方差最大，满足这个要求的灰度值就是图像的二值化变换阈值.不管图像的直方图中是否存在明显的双峰，Otsu法都可以通过该算法计算选取出一个较合适的变换阈值T，使得分类的类间方差最大，所以该算法是一种选取全局阈值的算法.通过Otsu法对图1所示的焊缝图像进行二值化阈值选取，所得的二值化处理变换阈值T为96.9.可以看出使用Otsu法虽然可以自动地选取二值化处理的变换阈值，但是由于从根本上该算法选取的还是焊缝图像灰度直方图中最为明显的两峰值间的谷底灰度值作为变换阈值，所以得到的阈值并不能有效反映出表征焊缝信息的激光带区域的灰度特点.从前面的分析可知，若将焊缝图像的二值化变换阈值设为激光带区域像素点的灰度平均值，则二值化处理的结果较好.选取经过滤波去噪和对比度增强的25幅焊缝图像，进行Otsu法二值化变换阈值选取，同时利用图像处理软件分别计算这 25幅焊缝图像中激光带区域像素点的灰度平均值，所得的结果如表1所示.将 Otsu法求取的二值化变换阈值设为x，利用最小二乘法对表1所示的两项数据进行直线拟合，拟合后得到两者关系为式(2)中的y′代表利用上述方法进行拟合后所计算出的激光带区域像素点的灰度平均值.图 7为激光带区域像素点平均灰度的实际值与拟合值.利用直线拟合得到的激光带区域像素点灰度平均值与实际值的最大相对误差为4.83%，最小相对误差为0.04%，平均相对误差为 1.60%，这说明利用直线拟合的方法可以实现焊缝图像二值化阈值的小误差确定.利用 Otsu法以及式(2)，可以求出图 3所示的焊缝图像二值化变换阈值.图 8为根据计算出的阈值进行焊缝图像二值化处理的结果.从图8中可以看出，使用本文提出的方法对焊缝图像进行二值化处理，处理结果较好，使得表征焊缝信息的激光带图像得到了有效的保留，而其他无关信息基本去除.利用该方法实现焊缝图像的二值化处理时间不超过 50,ms，整个焊缝跟踪中图像处理的总时间不超过350,ms，可以满足焊缝跟踪实时性的要求.图9为针对图8的二值化焊缝图像的最终处理结果，即为坡口及焊缝特征点提取的结果.(1)使用传统的二值化阈值方法并不能有效地选择出适合焊缝图像二值化处理的阈值，并且由于该方法确定的阈值需要人工选取，所以不能满足自动化的要求. (2)使用Otsu法虽然可以自动地选取图像二值化阈值，但是由于算法本身的特点，所以选取出的阈值还不能满足焊缝图像二值化处理的要求.(3)通过最小二乘法，直线拟合出了 Otsu法选取出的阈值与激光带区域像素点灰度平均值的关系，最终得到了适合焊缝图像二值化处理的阈值自适应选取方法，通过对焊缝图像的二值化处理，证明该方法是切实有效的.【相关文献】［1］陈诚，刘鸣，陈兴梧，等. 自动焊接中焊缝检测跟踪系统的研究[J]. 天津大学学报，2003，36(5)：567-570.Chen Cheng，Liu Ming，Chen Xingwu，et al. Research of detection and tracking systemof seam in the automatic welding[J]. Journal of Tianjin University，2003，36(5)：567-570(in Chinese).［2］Kang Minggoo，Kim Joonhong，Park Youngjun，et ser vision system for automatic seam tracking of stainless steel pipe welding machine[C]// ICCA 2007-International Conference on Control，Automation and Systems. Seoul，Korea，2007：1046-1051.［3］姜建锋，熊震宇，陈焕明. 数字图像处理在焊缝识别中的应用[J]. 南昌航空工业学院学报：自然科学版，2005，19(1)：58-61.Jiang Jianfeng，Xiong Zhenyu，Chen Huanming. Application of digital image processingin the weld seam recognition[J]. Journal of Nanchang Institute of Aeronautical Technology：Natural Science，2005，19(1)：58-61(in Chinese).［4］Reddy G，Raman A，Reddy H，et al. Laser vision based seam tracking system for welding automation[C]// Proceedings of the 2008 International Conference on Image Processing，Computer Vision and Pattern Recognition，IPCV 2008. Las Vegas，2008：440-445.［5］刘振国，陈志翔. 激光传感图像处理方法研究[J]. 电焊机，2009，39(4)：133-137.Liu Zhenguo，Chen Zhixiang. Research on image processing for laser sensing[J]. Electric Welding Machine，2009，39(4)：133-137(in Chinese).［6］Otsu Nobuyuki. Threshold selection method from graylevel histograms[J]. IEEE Transactions on Systems，Man and Cybernetics，1979，9(1)：62-66.［7］Buxton B，Abdallahi H，Fernandez-Reyes，et al. Development of an extension ofthe Otsu algorithm for multidimensional image segmentation of thin-filmblood[C]//Proceedings of International Conference on Computing：Theory and Applications，ICCTA 2007. Kolkata，2007：552-561.［8］吴世英，虞欣. 基于智能遗传算法和 Otsu法的多目标图像分割算法[J]. 测绘信息与工程，2006，31(4)：47-49.Wu Shiying，Yu Xin. An multi-object image segmentation approach based on intelligent genetic algorithm and Otsu algorithm[J]. Journal of Geomatics，2006，31(4)：47-49(in Chinese).［9］Zahara E，Fan Shukai，Tsai Duming. Optimal multithresholding using a hybrid optimization approach[J].Pattern Recognition Letters，2005，26(8)：1082-1095. ［10］Parkinson I H，Badiei A，Fazzalari N L. Variation in segmentation of bone from micro-CT imaging：Implications for quantitative morphometric analysis[J]. Australasian Physical and Engineering Science in Medicine，2008，31(2)：160-164.。