激光视觉焊缝跟踪中图像二值化处理

激光视觉焊缝跟踪系统图像处理
赵相宾;李亮玉;夏长亮;符灵建
【期刊名称】《焊接学报》
【年(卷),期】2006(027)012
【摘要】对视觉焊缝跟踪实时图像处理的方法进行了研究,首先采用图像增强来增加图像对比度,采用中值滤波去除图像噪声,并用二值化法将目标图像从背景图像中提取出来.在后处理的研究中激光视觉焊缝跟踪系统图像处理的关键技术--激光带中心线的抽取和特征点的检测提出了切实可行的方法.采用中轴变换法提取的中心线单一、连续;用斜率分析法来检测特征点方便可靠.该处理方法能准确检测焊缝特征点,处理速度快,能够满足跟踪系统的实时性要求.
【总页数】4页(P42-44,48)
【作者】赵相宾;李亮玉;夏长亮;符灵建
【作者单位】天津大学,自动化学院,天津,300072;天津工业大学,机电学院,天津,300160;天津大学,自动化学院,天津,300072;天津工业大学,机电学院,天
津,300160
【正文语种】中文
【中图分类】TG115.28
【相关文献】
1.焊缝跟踪应用的线激光视觉伺服控制系统 [J], 邹焱飚;王研博;周卫林
2.焊缝跟踪的激光视觉传感器图像处理研究 [J], 姜家高
3.激光视觉焊缝跟踪系统设计与关键技术 [J], 刘少林;王锦夏;钟波;李宏;陶文
4.激光视觉焊缝跟踪图像处理与坡口识别 [J], 刘习文;洪波;戴铁峰
5.激光视觉焊缝跟踪实时图像处理研究 [J], 朱六妹;宋国军;王伟;邹奇仕;罗丕华;陈明礼
因版权原因，仅展示原文概要，查看原文内容请购买。

用于机器视觉的焊缝图像获取及图像处理刘燕;王刚;王国栋;李效力【期刊名称】《计算机工程与应用》【年(卷),期】2014(000)003【摘要】采用激光线结构光作为主动光源，用滤光片滤掉弧光，有效提高了图像的信噪比得到清晰的焊缝图像，而且实验图像仅提取红色分量，进一步把特定波长的光放大，削弱其他波长的光。

采用一种改进的中值滤波，此方法使降噪性能有效提高，较好保留图像细节，算法复杂度近似为O(N )。

通过二值化把信号不强的噪声消除，同时保留激光条纹信息。

选用一种多尺度边缘检测方法，它能较好地提取复杂的图像边缘。

提取特征点时，进一步加强系统的容错能力，提取水平段位置信息时，采用黑色像素行累加值的办法，准确定位条纹位置。

系统准确地识别焊缝特征并提取足够的信息，将焊缝的图像坐标转换成世界坐标，完成跟踪焊缝。

%This paper uses structure laser as the active light source. A narrowband filter weakens the arc light, which can improve SNR(Signal Noise Ratio)of image effectively. Experimental image only extracts the red component. The method strengthens the specific wavelengths and weakens others. This paper introduces an improved median filtering algorithm. The algorithm has three advantages. It effectively improves the performance of noise reduction. It retains the details of the image. The complexity of the algorithm is about O(N ) . The weak noise is eliminated by binarization. At the same time, the laser stripe is reserved. This paper adopts a multi-scale edge detection approach. This approach can better extract the compleximage edge. When recognizing characteristic quantity, it can enhance fault-tolerant. When extracting location infor-mation of the horizontal section by black pixel accumulation algorithm, it can fix location for the stripes. The system can identify the weld information accurately and extract enough information, completing the weld tracking.【总页数】6页(P135-140)【作者】刘燕;王刚;王国栋;李效力【作者单位】天津大学机构理论与装备设计教育部重点实验室，天津 300072;天津大学机构理论与装备设计教育部重点实验室，天津 300072;天津大学机构理论与装备设计教育部重点实验室，天津 300072;海洋石油工程珠海有限公司，广东珠海 519000【正文语种】中文【中图分类】TG409【相关文献】1.基于弧光反射的焊缝图像获取及图像处理 [J], 刘晓刚;谢存禧;张昌年;徐家园2.用于相贯线焊缝检测机器人的图像处理算法 [J], 刘曦;徐光锋;费跃农3.图像处理用于机器人焊接焊缝偏移的测量研究 [J], 吕阳;魏海坤;张侃健4.一种获取焊缝偏差的图像处理方法 [J], 叶震;余焕伟;陈华斌;陈善本5.用于铸件表面缺陷机器视觉检测的快速图像处理技术 [J], 石争浩;冯亚宁;黄士坦;李长河因版权原因，仅展示原文概要，查看原文内容请购买。

88电子技术Electronic Technology电子技术与软件工程Electronic Technology & Software Engineering焊缝自动跟踪是实现焊接自动化的关键，近年来受到了越来越多的关注。

目前，应用于焊缝跟踪系统的传感器最常见的有电弧传感器和视觉传感器。

电弧传感器结构简单，但只有电弧形成后才能工作，精度通常不高。

视觉传感器灵敏度和精度更高、不受电磁干扰，适合于各种不同布置形态的焊缝，是一种更有发展前景的方法[1]。

在焊缝位置获取和图像识别算法的研究方面，国内外都开展过一些研究，例如横尾尚志等提出了模糊控制和模糊专家系统[2]。

Yoshito Sameda 等以激光扫描法，通过焊缝图像处理，实现了焊缝跟踪[3]。

N.SHIBATA 等采用激光束与CCD 传感器配合，实现了焊接过程的跟踪控制[4]。

在国内，崔元彪等通过改进传感器的结构设计，实现了对焊缝的跟踪[5]。

在焊缝图像处理技术中，对图像的预处理及后处理是实现位置检测的关键技术。

预处理阶段的主要目的是采用滤波方法除噪，排除弧光、烟雾等干扰因素，常用的有频域滤波以及空域滤波[6]。

空域滤波比较常用，有邻域平均法以及中值滤波法等，其中，中值滤波法在滤除噪音的同时又能够保留原有图像的主要特征，应用得最为普遍。

对于焊缝图像后处理一般常采取的算法为二值化处理，其中关键技术是阈值的确定[7]，其中，Otsu 法是确定最佳阈值常用的一种有效方法[8]。

本文采用CCD 作为传感器采集焊缝位置图像，通过预处理后，在上位机上完成了图像后处理，并根据图像信息来指挥下位机工作，有效地完成了焊缝的跟踪。

1 试验方法及装置本文实验中采用的试验布置如图1，图中焊接设备部分包括焊机、焊枪和焊枪移动执行机构。

图像采集及处理系统包括CCD 摄像头，图像采集卡和上位机系统。

本课题试验中所采用的焊机为YC-400TX TIG 焊机，焊枪移动执行机构为自行设计，为十字滑板型结构，采用步进电机驱动，可以满足系统的精度要求。

遥感数字图像处理基础第八章二值图像处理方法第8章概述■灰度图像的二值化处理■二值图像的连续性■二值图像的轮廓跟踪■二值图像的细化§ 8. 1灰度图像的二值化处理■定义■确定阈值t的方法□直方图方法□微分直方图方法□多阈值处理方法北京大学遥感所灰度图像的二值化处理定义是一种区域分割的技术灰度图像的二值化处理定义设fU,j）表示像素在（i,j）位置的灰度值，二值化处理为下式所示。

这里t称为二值化阈值（Threshold）・灰度图像的二值化处理定义闽值色阶0):[165直方图原图像确定阈值t的方法--- 直方图方法■直方图是阈值最佳选择依据■使用全局阈值，整幅图像用一个阈值处理。

适用于对比度强的图像。

前景和背景灰度值差别较小,确定阈值t的方法一一直方图方法]最优阈值（误分割率最小的分割阈值）的选取j设一幅混有加性高斯噪声的图像，背景和目标的概率密度分别是Pb⑵和化（Z）,整幅图像的混合概率密度是0（2）P（Z）= PbPb ⑵ +=exp[-（Z~^）2] + - exp[- U~^）2]V2^cr, 2cr；2a o其中山和“。

分别是背景和目标区域的平均灰度值，可和q是均值的均方差，P（）和P h分别是背景和目标区域灰度值的先验概率。

由于£+坨=1，因此混合概率密度公式中有5个未知数。

最优阈值(误分割率最小的分割阈值)的选取如果确定阈值是T,则灰度值小于T的像素分割为背景，灰度值大于T的像素分割为目标。

这时，错误地将目标像素划分为背景的概率和错误地将背景像素划分为目标的概率分别为■sE b(T) = ^p o(z)dz E O(T)^\T pgdz而总的误差概率是E(T) = P o E b(T) + P b E o(T)将上式对t求导并令导数为零，得：P b P b(T) = P oPo(T) 代入混合概率密度公式中，并假设则得到一个最优阈值:2最优阈值（误分割率最小的分割阈值）的选取-3特例：第酸齬验分布相同’最佳阈值是两个平均说明：混合概率密度函数的参数可以用最小均方误差的方法借助直方图得到。

机器视觉之二值图像算法从背景中分离出物体是一个困难的问题，在此将不讨论这个问题。

这里假设物体可以从背景中分离，并且使用某一谓词，可以对图像中属于物体的点进行标记。

因此，问题就变为如何将一幅图像中所有被标记的点组合成物体图像。

这里还假设物体点在空间上是非常接近的。

利用空间接近概念可以严格定义，利用此定义研究的算法可以把空间上非常接近的点聚合在一起，构成图像的一个成分（component)。

下面首先引进一些定义，然后讨论有关算法。

3.5.1定义1.近邻在数字图像中，一个象素在空间上可能非常接近其它一些象素。

在用网格表示的数字图像中，一个象素与其它四个象素有公共边界，并与另外四个象素共享顶角。

如果两个象素有公共边界，则称它们互为4邻点(4-neighbors).同样，如果两个象素至少共享一个顶角，则称它们互为8邻点。

例如，位于[i，j]的象素有四个4邻点：[i-1,j]，[i+1，j]，[i，j-1]，[i，j+1]。

它的8邻点包括这四个4邻点,再加上[i-1,j-1]，[i + 1，j-1」，[i-1，j + 1],[i + 1,j+ 1]。

一个象素被认为与它的4邻点是4连通(4-conneeted)关系，与它的8 邻点是8连通关系（如图3.7)。

2.路径3.前景图像中值为1的全部象素的集合称为前景(foreground),用S表示。

4.连通性5.连通成分一个象素集合，如果集合内的每一个象素与集合内其它象素连通，则称该集合为一个连通成分（connected component）。

6.背景S( S的补集）中包含图像边界点的所有连通成份的集合称为背景（background)。

S 中所有其它元称为洞。

考虑下面的两个图像。

首先看左图中有几个洞和几个物体。

如果从前景和背景来考虑4连通，有四个大小为一个象素的物体和一个洞。

如果考虑8连通，那么有个物体而没有洞。

直观地，在这两种情况下出现了不确定性情况。

右图为另一个类似的不确定问题。

本文档下载自文库下载网，内容可能不完整，您可以点击以下网址继续阅读或下载：/doc/3f8ea76e48d7c1c708a145f7.html一种对图像进行快速二值化处理的方法一种对图像进行快速二值化处理的方法武汉华中理工大学自控系（４３００７４）摘王俊杰黄心汉要：对图像进行二值化处理，最重要的工作是选取合适的二值化阈值。

使用直方图同高斯滤波相结合的方法来求取二值化阈值，对图像进行二值化处理，速度快、精度高，适合应用于对速度要求较高的工业控制中。

关键词：直方图二值化阈值高斯滤波随着计算机技术的发展，计算机视觉逐渐应用到工业实际中。

因为图像的数据量非常大，为了得到一幅效果较好的数字化图像，一般情况下需要较长的时间来进行处理，在速度方面无法满足实时性的要求。

为了提高图像处理的速度，工业上一般采用处理过程相对较简单的二值化图像，因此如何合理选取二蚕燃鞴ＵｕＩ方图，可以发现：原始图像Ｉ中，背景较暗，直方图上相Ｉ的低段；工件上除孔以外的＿Ｉ■．１图２原始图像的直方图值化阈值，使之同时满足速度和精度的要求，就成了一个关键的问题。

在实验室条件下，结合机器人插轴入孔的装配作业，通过对多种图像处理算法进行比较，发现使用直方图同高斯滤波相结合的方法来求取二值化阈值，对图像进行二值处理，速度特别快，精度也完全能。

够满足机器人进行装配作业的要求。

１直方图的定义的特性对于数字化后的离散图像，其一阶统计概率密度为：（１）砌）一坐铲对于图１所示的具直方图是图像中象素灰度值的一阶统计概率分布。

其中，ＳＵＭ为一幅图像所包含的象素总数；Ｈｉｓ—ｔｏｇｒａｍ（６）为图像中灰度值为ｂ的象素总数。

设图像的灰度数据存放在数组Ｉｍａｇｅ中，直方图数据存放在数组Ｈｉｓｔｏｇｒａｍ中，则求取图像直方图的过程用ｃ语言程序描述如下：ｆｏｒ（ｉ一/doc/3f8ea76e48d7c1c708a145f7.html０；ｉ＜ＳＵＭ；ｉ＋＋）Ｈｉｓｔｏｇｒａｍ［Ｉｍａｇｅ［ｉ］］＋＋；有２５６级灰度的原始图果把二值化阈值取为双Ｌ—之一，Ｌ１一：∑籼三将工件和背景最大限度图３■■●■■ｏ■＿●■ｉｏ●ｏ■＿ｏ＿＿＿＿＿＿＿■●■■ｏ＿■＿＿＿＿－??＿＿＿＿－＿＿＿＿＿ｊｊ●■●■■一ｄ：１５时的高斯曲线图像，如果以灰度值ｂ为横坐标，象素数Ｈｉｓ—ｔｏｇｒａｍ（６）为纵坐标，可以画出如图２所示的灰度概率为布图，也就是图像的直方图。

图像处理之常见⼆值化⽅法汇总图像处理之常见⼆值化⽅法汇总图像⼆值化是图像分析与处理中最常见最重要的处理⼿段，⼆值处理⽅法也⾮常多。

越精准的⽅法计算量也越⼤。

本⽂主要介绍四种常见的⼆值处理⽅法，通常情况下可以满⾜⼤多数图像处理的需要。

主要本⽂讨论的⽅法仅针对RGB⾊彩空间。

⽅法⼀：该⽅法⾮常简单，对RGB彩⾊图像灰度化以后，扫描图像的每个像素值，值⼩于127的将像素值设为0(⿊⾊)，值⼤于等于127的像素值设为255(⽩⾊)。

该⽅法的好处是计算量少速度快。

缺点更多⾸先阈值为127没有任何理由可以解释，其次完全不考虑图像的像素分布情况与像素值特征。

可以说该⽅法是史最弱智的⼆值处理⽅法⼀点也不为过。

⽅法⼆：最常见的⼆值处理⽅法是计算像素的平均值K，扫描图像的每个像素值如像素值⼤于K像素值设为255(⽩⾊)，值⼩于等于K像素值设为0(⿊⾊)。

该⽅法相⽐⽅法⼀，阈值的选取稍微有点智商，可以解释。

但是使⽤平均值作为⼆值化阈值同样有个致命的缺点，可能导致部分对象像素或者背景像素丢失。

⼆值化结果不能真实反映源图像信息。

⽅法三：使⽤直⽅图⽅法来寻找⼆值化阈值，直⽅图是图像的重要特质，直⽅图⽅法选择⼆值化阈值主要是发现图像的两个最⾼的峰，然后在阈值取值在两个峰之间的峰⾕最低处。

该⽅法相对前⾯两种⽅法⽽⾔稍微精准⼀点点。

结果也更让⼈可以接受。

⽅法四：使⽤近似⼀维Means⽅法寻找⼆值化阈值，该⽅法的⼤致步骤如下：1. ⼀个初始化阈值T，可以⾃⼰设置或者根据随机⽅法⽣成。

2. 根据阈值图每个像素数据P(n,m)分为对象像素数据G1与背景像素数据G2。

(n为⾏，m为列)3. G1的平均值是m1, G2的平均值是m24. ⼀个新的阈值T’ = (m1 + m2)/25. 回到第⼆步，⽤新的阈值继续分像素数据为对象与北京像素数据，继续2～4步，直到计算出来的新阈值等于上⼀次阈值。

前⾯三种在以前的博⽂中都有涉及，最后⼀种⼆值化⽅法的代码如下：package com.gloomyfish.filter.study;package com.gloomyfish.filter.study;import java.awt.image.BufferedImage;import java.util.ArrayList;import java.util.List;public class ThresholdBinaryFilter extends GrayFilter {@Overridepublic BufferedImage filter(BufferedImage src, BufferedImage dest) { int width = src.getWidth();int height = src.getHeight();if ( dest == null )dest = createCompatibleDestImage( src, null );int[] inPixels = new int[width*height];int[] outPixels = new int[width*height];src = super.filter(src, null); // we need to create new onegetRGB( src, 0, 0, width, height, inPixels );int index = 0;int means = getThreshold(inPixels, height, width);for(int row=0; row<height; row++) {int ta = 0, tr = 0, tg = 0, tb = 0;for(int col=0; col<width; col++) {index = row * width + col;ta = (inPixels[index] >> 24) & 0xff;tr = (inPixels[index] >> 16) & 0xff;tg = (inPixels[index] >> 8) & 0xff;tb = inPixels[index] & 0xff;if(tr > means) {tr = tg = tb = 255; //white} else {tr = tg = tb = 0; // black}outPixels[index] = (ta << 24) | (tr << 16) | (tg << 8) | tb;}}setRGB( dest, 0, 0, width, height, outPixels );return dest;}private int getThreshold(int[] inPixels, int height, int width) {// maybe this value can reduce the calculation consume;int inithreshold = 127;int finalthreshold = 0;int temp[] = new int[inPixels.length];for(int index=0; index<inPixels.length; index++) {temp[index] = (inPixels[index] >> 16) & 0xff;}List<Integer> sub1 = new ArrayList<Integer>();List<Integer> sub2 = new ArrayList<Integer>();int means1 = 0, means2 = 0;while(finalthreshold != inithreshold) {finalthreshold = inithreshold;for(int i=0; i<temp.length; i++) {if(temp[i] <= inithreshold) {sub1.add(temp[i]);} else {sub2.add(temp[i]);}}means1 = getMeans(sub1);means2 = getMeans(sub2);sub1.clear();sub2.clear();sub2.clear();inithreshold = (means1 + means2) / 2;}long start = System.currentTimeMillis();System.out.println("Final threshold = " + finalthreshold); long endTime = System.currentTimeMillis() - start;System.out.println("Time consumes : " + endTime);return finalthreshold;}private static int getMeans(List<Integer> data) {int result = 0;int size = data.size();for(Integer i : data) {result += i;}return (result/size);}}效果如下：。

激光视觉搭接焊缝的图像识别江南春;刘苏宜;张华【摘要】研究了激光视觉搭接焊缝的图像识别方法.针对原始焊接坡口激光图像中的噪声,比较了均值滤波和中值滤波去噪方法,提出了一种改进的滤波方法,采用自适应阈值调整的最大方差法计算滤波图像的二值化闽值,从而实现对图像的分割.针对搭接坡口激光图像提出了三种坡口中心位置的识别和提取方法,并通过图像处理实验比较了三种识别方法的坐标误差、识别正确率.试验证明,最大方差法的图像处理过程和快速Hough变换识别法有效,能满足焊缝实时跟踪的要求.【期刊名称】《微型机与应用》【年(卷),期】2011(030)006【总页数】5页(P41-44,49)【关键词】激光视觉;焊缝跟踪;图像分割;焊缝识别【作者】江南春;刘苏宜;张华【作者单位】南昌大学江西省机器人与焊接自动化重点实验室,江西,南昌,330031;南昌大学机电工程学院,江西,南昌,330031;南昌大学江西省机器人与焊接自动化重点实验室,江西,南昌,330031;南昌大学江西省机器人与焊接自动化重点实验室,江西,南昌,330031【正文语种】中文【中图分类】TG409焊接过程自动化是焊接的发展方向，焊缝识别技术则是实现焊接自动化的关键技术之一。

由于视觉传感方法具有信息量大、信号传感过程不影响焊接等优点，目前，激光视觉传感被广泛应用于焊缝识别。

与其他普通光源相比，激光具有波长范围窄、能量相对集中以及受环境影响小等优点，利用它来进行焊缝跟踪识别所得图像效果更好，从激光图像中不仅能检测出焊缝的中心位置，还能够获得焊缝的截面形状和尺寸，适用于各种不同形状的焊缝和焊接方法[1]。

焊接接头坡口的形式有不开坡口、V形坡口、U形坡口、X形坡口、搭接坡口等。

本文针对搭接焊缝的图像进行识别，取得了较好效果。

1 图像预处理1.1 原始搭接焊接图像分析尽管激光图像的质量相比于其他光源拍摄图像有所改善，但依然会受到焊接飞溅、烟尘以及弧光的影响。

激光视觉多层多道焊接图像处理关键词：图像处理；焊接；激光视觉一、序言中厚板焊接经常应用于船舶制造、桥梁桁架以及压力容器等领域中[1]，多层多道焊为常用的焊接方法之一.传统多层多道机器人焊接中一般采用每道焊接单独示教的方法，劳动强度大，效率低下，精度无法控制.因此多层多道自动化焊接系统为提高生产效率的关键解决方案[2].目前，国内外为解决智能化焊接问题研制了多种传感方式，其中，视觉传感器因其具有非接触式，精度高，图像信息丰富等优点受到国内外学者广泛关注. 现阶段，大量论文的方向集中在激光视觉焊缝跟踪的图像处理技术。

张华军[3]等人分析了焊缝条纹图像的纵向灰度分布规律，采用二重斜率平滑处理的方法，获得了焊缝形状的四个拐点；顾帆[4]等人通过中心线直线拟合与逐列搜索相结合的方法提取了焊缝特征点；蔡志勇[5]等人将小波变换算法应用于多层多道焊缝激光条纹提取，并通过模板匹配技术实现焊缝坡口拐点识别. Prasarn Kiddee等人[6]利用十字激光交叉点的先天条件设计了一种自动获取ROI区域的算法，并通过局部模板匹配的方法获取特征点的坐标，减小了计算成本。

本文根据焊接过程中的弧光、飞溅等噪声的存在方式，制定了一条实时焊接图像处理流程，提出了改进的基于距离滤波的特征点识别方法，快速准确处理出每道焊缝填充后所形成的激光条纹特征点.二、多层多道焊接系统整个焊接系统包括一台ABB IRB1410型机器人，一套福尼斯MIG/MAG焊接系统，一个激光视觉传感器以及一台工控机.焊枪位于机器人末端，同时将激光传感器固定于焊枪前方.由激光视觉传感器采集焊接图像传输给工控机，经过图像处理获得所需要的特征点三维信息。

焊接顺序如图1所示，共4层8道，钢板材料为Q235，板厚12mm，每道焊接参数相同。

三、多层多道焊缝图像处理1. 图像预处理如图2a所示，激光视觉传感器中设置的滤光片和遮光板为采集到的图像滤除了大量的弧光、飞溅，但仍然包含许多类似椒盐和脉冲等噪声。