(華南理工*機械工程，廣東廣州510640)
引 言
具有視覺(jué)的智能焊接機器人以及焊接自動(dòng)化系統是焊接生產(chǎn)的發(fā)展方向。在這些基于視覺(jué)傳感的系統中，圖像處理起著(zhù)十分關(guān)鍵的作用。在智能焊接系統中，焊縫圖像可分為焊接前、焊接中、焊接后3大類(lèi)。焊前焊縫圖像處理主要是尋找焊縫、提取待焊部位有關(guān)信息，其信息主要用于焊縫自動(dòng)引導(包括焊接起點(diǎn)確定、焊縫自動(dòng)對中)、焊接路徑規劃；焊接中的焊縫圖像處理主要是提取焊縫、熔池的有關(guān)信息，用于焊縫跟蹤、焊接熔池的實(shí)時(shí)控制；焊后焊縫圖像處理則是提取焊接缺陷幾何尺寸與位置，用于焊接質(zhì)量的分析。雖然不同階段的焊縫圖像處理的內容不同，但焊接圖像處理過(guò)程一般都包括圖像濾波與增強、圖像分割、圖像理解與分析. 大環(huán)節。圖像分割是圖像處理的重要一環(huán)，它是圖像處理與分析問(wèn)題的基礎，也是計算機視覺(jué)研究中的一個(gè)難題。
1 閾值法進(jìn)行焊縫圖像分割理論基礎
目前研究人員提出了許多圖像分割方法，其中閾值法由于具有計算簡(jiǎn)單的特點(diǎn)，在重視運算效率的應用場(chǎng)合得到了較廣泛的應用。特別是當感興趣的物體在其內部具有均勻一致的灰度值并分布在一個(gè)具有另一個(gè)灰度值均勻的背景時(shí)，采用閾值法能得到很好的分割效果。閾值法是基于在圖像中“同一種物質(zhì)、細胞、粒子具有相同或相似灰度或彩色的概率*的原理，采用灰度級的差別來(lái)分割圖像中各物體。如果f(i,j)為圖像(i,j)點(diǎn)處的灰度值，圖像灰度級為L(cháng)，其取值為0,1,…,L-1我們可以取一個(gè)灰度值K作為圖像分割的閾值，將f(i,j)≤K點(diǎn)劃歸目標部分，而f(i,j)>K點(diǎn)劃歸背景部分。
焊接前焊縫圖像分割的主要目的是將待焊部位或焊縫間隙區域劃分出來(lái)，供后續的諸如提取焊縫中心坐標等圖像理解與分析之用。由于焊接母材、焊縫間隙分屬于不同的物質(zhì)，在圖像中表現為不同的灰度值，在通常情況下，焊縫間隙呈現為低灰度值的陰影，因此閾值法可以用于焊接前焊縫圖像的分割。
采用閾值法進(jìn)行圖像分割關(guān)鍵在于選擇閾值K。在圖像分割時(shí)，若閾值K選得過(guò)高，則過(guò)多的目標點(diǎn)被誤歸為背景點(diǎn)；反之，會(huì )將有過(guò)多的背景點(diǎn)誤歸為目標點(diǎn)。這勢必會(huì )給分割出來(lái)的目標的大小和形狀造成不應有的誤差。為了尋求*的分割閾值，目前已研究出多種閾值選取算法，如P參數法、雙峰法、*類(lèi)間方差法(OTSU法)等。每種方法都有各自的特點(diǎn)和不同的應用場(chǎng)合，其中*類(lèi)間方差法(OTSU法)被認為是閾值自動(dòng)選取方法的*方法之一。
2 *類(lèi)間方差法
1979年，日本學(xué)者提出了一種全局閾值選取法，即*類(lèi)間方差法。如果一幅圖像由一物體和背景構成，物體與背景有不同的灰度值，基于直方圖統計圖像的灰度值為1~L級，在1~L間選擇閾值K，將圖像分為目標!暗C0=1~K與背景(亮)C1=K+1~L兩類(lèi)，如果兩類(lèi)的類(lèi)間方差σB *，則所求出的K為*閾值k‘。其主要運算公式為：
式(1)~式(13)中 ni為灰度值的像素數，N為圖像總像素數；P(i)為灰度值的概率ω0,ω1，分別為目標、背景的概率μ0、μ1、μγ；分別為目標、背景、圖像的灰度平均值:σ0、σ1、σγ分別為目標、背景、圖像的方差；σB、σW分別為類(lèi)間、類(lèi)內方差；n為閾值選擇函數。
3 改進(jìn)*類(lèi)間方差法
在OTSU法中，方差是灰度分布均勻性的一種度量。類(lèi)間方差代表了圖像的明、暗兩類(lèi)的差別，類(lèi)間方差值越大，說(shuō)明構成圖像的2部分差別越大，當部分目標錯分為背景或部分背景錯分為目標都會(huì )導致2部分差別變小，類(lèi)間方差*的分割表示兩類(lèi)錯分的概率最小。因此當圖像由明、暗兩類(lèi)構成，各類(lèi)的灰度分布均勻時(shí)，運用*類(lèi)間方差法可以得到很好的分割。圖1a是在室內自然光條件下拍攝的I型坡口的焊縫圖像，從圖像上看，焊縫間隙表現為陰影，焊接母材的灰度分布相對均勻，運用OTSU方法求出閾值為102，二值化的結果如圖1b 所示。但是，在實(shí)際過(guò)程中，焊接母材在焊縫圖像中的灰度分布并不總是均勻的，當焊接母材進(jìn)行過(guò)表面處理，圖2a、圖3a 顯示的坡口兩側打磨的I、V型坡口焊縫圖像；或在拍攝中有不均勻光照干擾，圖4a為圖1a的焊縫間隙和焊接母材受到光照干擾的圖像，用OTSU法求出的閾值進(jìn)行分割，其圖像分割的質(zhì)量不好。
由于OTSU法是建立在圖像僅由明(背景)、暗(目標)兩類(lèi)構成的基礎上，類(lèi)間方差除了考慮方差外，還用目標、背景概率作為加權系數，而概率實(shí)際上是目標或背景在整幅圖像中的比例，即反映了目標或背景的尺寸大小。因此，運用OTSU法進(jìn)行焊前焊縫圖像分割，如果焊縫間隙在整幅圖像中占的比例較小，而待焊工件由于表面打磨、銹斑或現場(chǎng)光照的不同情況，如圖2a、圖3a、圖4a所示，使待焊工件在圖像上表現為灰度分布不均勻時(shí)，也就是說(shuō)當焊縫圖像不僅僅是由明、暗兩類(lèi)構成，就會(huì )有太多背景被錯分割為目標，不能有效地將焊縫區域分割出來(lái)，上述圖像用OTSU法分割的效果分別見(jiàn)圖圖2b、圖3b、圖4b。
為了得到理想的分割質(zhì)量，當然可以通過(guò)提高表面加工質(zhì)量、減少光照干擾或截取小尺寸圖像的方法來(lái)保證焊縫、待焊工件的灰度分布均勻，但這些方法無(wú)疑增加了前期的工作。理想的方法是對OTSU方法進(jìn)行改進(jìn)，提高它的適應能力?？紤]到待焊工件表面打磨或銹斑并不影響焊縫間隙的灰度分布，同時(shí)由于焊縫間隙在圖像中的比例較小，光照干擾對焊縫間隙影響不大，如果焊縫間隙的灰度屬于圖像中最暗的區域(通常這一條件可以滿(mǎn)足)，可以采用多次分割的方法，即用OTSU法首先將圖像中最亮的區域分割掉，在剩下的區域進(jìn)行二次分割，直到焊縫間隙區域，比較每次分割的閾值選擇函數η，η*的分割即為*分割。這種改進(jìn)的OTSU算法流程如圖5所示。
在圖5的算法中，首先計算出整幅圖像的灰度平均值，考慮到焊縫間隙為最暗的陰影，*的分割閾值必定小于灰度平均值，為了減少運算時(shí)間，初次的OTSU法是在灰度平均值以下找閾值。在改進(jìn)的OTSU方法中，判斷分割是否到達焊縫間隙區域十分重要，根據OTSU法中式(12)類(lèi)內方差的定義以及不同類(lèi)別的邊界及其附近點(diǎn)的灰度躍變較大的特點(diǎn)，我們提出以圖像像素數的變化率小于類(lèi)內方差的變化率作為停止分割的判別準則。也就是說(shuō)相鄰的兩次分割，如果被舍去的像素數目較大，而類(lèi)內方差變化較小，說(shuō)明被舍去像素的灰度值與剩下像素的灰度值相近，二者屬同一類(lèi)，此時(shí)應停止分割。
運用改進(jìn)的OTSU算法，我們對多幅焊縫圖像進(jìn)行分割實(shí)驗，均取得較好的分割效果。其中對圖1a、圖2a、圖3a、圖4a的焊縫圖像進(jìn)行分割的有關(guān)參數見(jiàn)表1，采用*閾值法進(jìn)行二值化的結果如圖1c、圖2c、圖3c、圖4c所示。
4 結論
對多幅I型、V型坡口，焊接母材表面狀況不同的焊前焊縫圖像，運用改進(jìn)OTSU法進(jìn)行分割實(shí)驗。由實(shí)驗結果可知，該算法一般在2-4次分割找出*閾值，可滿(mǎn)足焊縫自動(dòng)引導等工作對實(shí)時(shí)性的要求，在分割質(zhì)量方面，優(yōu)于原OTSU算法，具有較強的自適應性，能有效地分割焊縫圖像，為后續的焊縫的識別打下良好的基礎。應當指出是該算法還存在一定的局限性，首先它是建立在焊縫間隙的灰度值在圖像中最小的條件下，如果焊接工件背面存在光源，使焊縫間隙在圖像中表現為一條亮紋，或焊接母材存在比焊縫間隙更暗的區域，改進(jìn)的OTSU算法失效；其次，如果焊縫間隙的灰度分布不均勻，會(huì )存在過(guò)度分割的情況。
