下载文档原格式
图像处理技术中的图像扭曲与变形方法图像处理技术是通过对图像进行各种算法和处理方法的应用，以改变图像的外观、增强图像的质量或提取图像中的有用信息。
而在图像处理中，图像的扭曲与变形方法是其中的一个重要方面。
本文将介绍图像处理技术中常用的图像扭曲与变形方法，并探讨它们的应用领域和效果。
1. 几何扭曲几何扭曲是指基于几何学原理对图像进行改变或变换。
常见的几何扭曲方法包括旋转、平移、缩放、翻转、倾斜等。
这些方法可以对图像进行简单的形状变换，使得图像具有更好的观感或满足特定需求。
例如，在图像拼接、图像配准和摄像头标定等领域中，几何扭曲方法经常被使用。
2. 变形网络变形网络是一种基于网格形变的图像变形方法。
它通过在图像上放置一个网格，并对网格上的节点进行移动，使得图像中的像素随之变形。
常用的变形网络方法有B样条变形和有限元变形等。
这些方法可以用于图像修复、表情生成、数字艺术等领域。
例如，在数字艺术中，变形网络可以用于生成具有艺术性变形效果的图像。
3. 插值变换插值变换是一种基于插值算法的图像变形方法。
它通过对图像像素进行重新分配，改变像素之间的空间关系，从而使图像产生扭曲或变形的效果。
常见的插值变换方法有双线性插值和三次样条插值等。
这些方法广泛应用于图像缩放、图像旋转等领域。
例如，在图像缩放中，双线性插值可以用于对图像进行平滑的扩大或缩小操作。
4. 变形滤镜变形滤镜是一种基于像素颜色的图像变形方法。
它通过对图像像素的颜色值进行修改，改变图像的外观。
常见的变形滤镜方法有液化变形、鱼眼变形和扭曲滤镜等。
这些方法常用于图像编辑和设计等领域。
例如，在数码相机的特殊效果功能中，变形滤镜可以用于给图像增加艺术性的变形效果，如鱼眼效果或扭曲效果。
5. 网格变形网格变形是一种基于网格形变的高级图像变形方法。
它通过在图像上放置一个更复杂的网格，并利用网格节点之间的约束关系来实现图像变形。
常用的网格变形方法有Thin Plate Spline变形和Free-Form Deformation变形等。
管道内壁全景图像自适应展开算法研究唐爱平【摘要】全景环形透镜(panoramic annular lens)是一种特殊的光学成像器件,将其应用在管道形貌检测领域,恰好能忽略管道径向上的中空图像且能获取整个管道内壁一定范围内的全景图像.吸收传统展开算法中切向展开的优点,设计一种标定实验,利用边缘提取、Hough变化、插值等方法来自适应地调节映射点领域内的权值,达到圆环的自适应径向展开.仿真实验表明,该算法有效地改善了径向放大率,方便适用于不同管径管道.【期刊名称】《图学学报》【年(卷),期】2015(036)006【总页数】6页(P973-978)【关键词】全景图像;径向展开;自适应;仿真【作者】唐爱平【作者单位】常州纺织服装职业技术学院创意与艺术设计学院,江苏常州213164【正文语种】中文【中图分类】TP391全景环形透镜(panoramic annular lens，PAL)的问世，使得360°成像成为可能，其通过平面圆柱投影法(flat cylinder perspective，FCP)将三维现实空间中的景物投影至一个环形区域内[1]。
自上个世纪80年代起，国际上就兴起了对全景成像系统的研究，并将此类系统应用到不同的场合中。
至今，全景环形成像系统已在航空航天、机器视觉、视频监控，视频会议及工业管道检测等领域取得了一定的成果[2-3]。
利用 PAL无需添加任何旋转模块便可实现管道内壁一定范围的360°成像，在保证图像质量的同时，加快了处理速度[4]。
对于管道内壁所成的全景环形图像需要利用展开算法对其进行处理，方便后期对管道内壁形貌的分类识别。
在PAL图像展开算法中，基于图像映射的线性展开算法[5-6]为最常见的一种。
其算法的核心思想是将环形图像中的外圆周和内外环半径差分别作为展开矩形的长和宽，由于内圆环半径小于外圆周，导致分辨率不足，为了保证各圆周拥有相同的分辨率，故对非外圆周图像进行展开时通过插值等方法来提高其分辨率[7-8]。
基于机器视觉的排水管道缺陷检测算法研究基于机器视觉的排水管道缺陷检测算法研究摘要：排水管道是城市基础设施中不可或缺的部分，但其长期使用和环境因素的影响会导致管道出现各种缺陷，例如破裂、渗漏等。
由于排水管道存在于地下，传统的巡检方式耗时耗力，且效果不佳。
为此，本文研究了一种基于机器视觉的排水管道缺陷检测算法，通过使用计算机视觉技术，实现对排水管道缺陷的自动识别和定位。
本文首先介绍了排水管道缺陷检测的背景和意义，然后详细阐述了机器视觉的基本原理和常用算法。
接着，针对排水管道的特点，我们提出了一种基于深度学习的缺陷检测算法，并通过实验证明其在排水管道缺陷检测中的有效性。
最后，对研究中遇到的问题进行了总结，并对未来的研究方向进行了展望。
关键词：排水管道、缺陷检测、机器视觉、深度学习1. 引言排水管道是城市排水系统中关键的组成部分，其正常运行对于保障城市的正常生活和生产至关重要。
然而，随着排水管道的长期使用和环境因素的影响，管道会出现各种各样的缺陷，如裂纹、破损、渗漏等。
这些缺陷一旦发生，会影响到排水管道的正常运行，甚至会导致严重的灾害事故。
因此，对排水管道进行定期巡检，及时发现和修复缺陷，具有重要的意义。
传统的排水管道巡检方式主要依靠人工进行，通过人员进入地下检查排水管道的状况。
这种巡检方式不仅耗时耗力，而且存在一定的安全风险。
而利用机器视觉技术对排水管道进行缺陷检测，则可以克服这些问题。
机器视觉技术是计算机科学与图像处理的交叉学科，通过对图像和视频进行处理和分析，实现对物体和场景的自动识别和理解。
通过应用机器视觉技术，我们可以实现对排水管道缺陷的自动检测和定位，提高巡检效率和准确性。
2. 机器视觉的基本原理和常用算法机器视觉主要涉及图像获取、预处理、特征提取和目标识别等基本步骤。
在排水管道缺陷检测中，图像获取可以通过摄像机进行，预处理包括噪声去除和图像增强等，特征提取可以通过图像分割和边缘检测等方法实现，目标识别可以通过机器学习和深度学习算法实现。
第34卷第3期机电戶品开发与创新Vol.34,No.3 2021 年5 月Development 2 Innovation of Machinery 2 Electrical Products文章编号：1002-6673 (2021) 03-079-03基于激光线扫描三维重构的扩径管道直径及圆度测量方法臧春华\王海舰"，高兴宇"，纪红刚\王琨\赵立新\邱南聪1(1.广东省珠海市质量计量监督检测所，广东珠海519060; 2.桂林电子科技大学，广西桂林541004)摘要：为了提高管道在扩径过程中圆度和直径的测量精度及效率，设计了一套基于激光线扫描三维重构的 管道直径及圆度测量系统。
系统利用激光线扫描传感器对管道外轮廓进行点云数据采集，结合上位机对图 像数据进行滤波、去噪及分割，实现扩径管道外轮廓的三维重构，并利用最小二乘法计算重构的扩径管道 直径和圆度。
实验结果表明，该系统能够实现扩径管道直径及圆度的精准测量。
关键词：扩径管道；直径；圆度；机器视觉；点云数据；三维重构中图分类号：TP31 文献标识码：A d〇i:10.3969/j.issn.1002-6673.2021.03.026Measuring Method of Diameter and Roundness of Expanded Pipeline Based on 3D Reconstruction ofLaser Line ScanningZANG Chun-Hua1，WANG Hai-Jian2, GAO X ing-Y u2, JI Hong-Gang1，W A N G K un1，Z H A O L i-X in1，QIU Nan-Cong1 (l.Guangdong Zhuhai Supervision Testing Institute of Q uality & Metrology，Zhuhai，Guangdong 519060,China；2.Guilin University of Electronic Technology，Guilin，Guangxi 541004,China)A bstract:In order to im prove the m easurem ent accuracy and efficiency of pipeline roundness an d diam eter in the process of diam eter expansion，a pipeline diam eter and roundness m easurem ent system based on laser line scanning 3D reconstruction w as designed.The system u ses the laser line scan sensor to collect the point cloud d ata of the pipe contour，com bines with the upper com puter to filter，denoise an d segm ent the im age data，realizes the three-dimensional reconstruction of the pipe contour，and u ses the least square m ethod to calculate th e diam eter an d roundness of the reconstructed pipe contour.Experim ental resu lts show th at the system can accurately m easure the diam eter an d roundness of the expanded pipe.Keyw ords：Expanding pipe；Diameter;Roundness；M achine vision；Point cloud data；3D reconstruction〇引言管道在给水、排气、供煤气、长距离输送石油和天然 气等各种工业装置中用途广泛，不同应用场合对管道的尺 寸要求多种多样，因此需要根据需求对管道进行扩径[1-2]。
基于图像处理技术的管道裂缝检测方法研究董晴晴;王宏涛;李灏【摘要】提出了一种新的管道裂缝检测方法,基于OpenCV开源平台开发了一个方便用户使用的图像处理系统,实现了管道缺陷检测.该方法首先利用中值滤波法去除图像中的噪声;然后使用形态学梯度算法检测裂缝图像边缘轮廓;最后通过Otsu 算法自适应地选取阈值分割图像得到管道裂缝的二值图像.对管道裂缝的检测实验结果表明本文提出的方法检测效果优于DEE(dou?edge evaluation)方法.%In this paper,a novel method for pipeline crack detecting based on image processing technology was pro?posed. A user?friendly image processing system for pipeline crack detecting was developed on basis of open comput?er vision library. Firstly,median filter is used to remove the noise of image;then,the morphological gradient algo?rithm is applied for edge detection;finally,the binary image of pipeline crack is obtained by applying Otsu algo?rithm for selecting the threshold segmentation image adaptively. The experimental results of pipeline crack detecting show that the detection effect of the method proposed in this paper is superior to DEE algorithm.【期刊名称】《应用科技》【年(卷),期】2018(045)001【总页数】5页(P96-100)【关键词】管道裂缝;OpenCV;图像处理系统;中值滤波;边缘检测;形态学梯度;阈值分割;Otsu算法【作者】董晴晴;王宏涛;李灏【作者单位】南京航空航天大学机电学院,江苏南京210016;南京航空航天大学机电学院,江苏南京210016;南京航空航天大学机电学院,江苏南京210016【正文语种】中文【中图分类】TP391管道普遍应用在排水、天然气输送等工业领域，经过一段时间使用后，容易被腐蚀产生裂缝等损伤问题，因此需要定期检测。
基于激光点云数据的管道三维建模方法研究摘要：选取某高层建筑地下停车场管道为研究对象，利用徕卡C10扫描管道获取点云数据，并利用Cyclone软件进行拼接、去噪等预处理，利用Cyclone软件分割管道点云数据并进行模型创建，对点云数据缺失或质量不高的管道利用软件相关功能补救创建，组合成完整管网模型，与真实管道对模型进行对比分析。
研究结果表明：基于Cyclone软件的地下停车场管道三维建模方法研究具有较高的精度与实用性，拥有广阔的运用前景。
关键词：管道；三维激光扫描；点云数据；建模；Cyclone近年来一些学者进行了三维激光扫描技术相关研究，取得了一定的研究成果，主要有：胡春梅等[1]利用三维激光扫描仪对石化厂管道进行扫描，获取点云数据，并针对直管和弯管在点云模型数据量不同的情况下提出了具体的建模方法。
李智临等[2]对点云完整的地方提出区域增长法建模，对点云不完整的部位使用了区域拟合法来得到相应的三维表面模型。
赵威成等[3]使用AutoPLANT对管道数据进行了2维绘制，并成功将其转换为3维管道模型。
Lee[4]利用激光扫描数据，提出了一种对直管和弯头进行自动化建模的方法，建模过程由确定管道的位置和方向、确定管道半径、校正部件位置三个步骤组成。
F.H.Sanders[5]在管道建模中通过使用霍夫变换，找到直管的位置，并估测管道的半径。
在建模过程中，Ahmed认为大多数直管应沿着与建筑设施的主轴正交的方向构建。
1 激光点云数据获取与预处理1.1数据获取方法选择某高层建筑的地下停车场顶部管道为研究对象。
停车场面积较大，顶部管道密集分布，有消防、给水、排污等各种管道。
管道直径不一，阀门、三通、法兰等结构均有所呈现。
综合考虑扫描区域及目标管道概况，本次扫描决定共设立6站，即从6个不同的方向对目标进行扫描。
由于各站扫描数据是相互独立的，为满足后续的点云拼接，本次扫描共设立4个标靶。
标靶的放置在一个稳定的位置，以防止标靶晃动[6]，同时确保这4个标靶每站可视。
基于激光连续扫描的弯曲管路工作变形测试方法张弓;臧朝平;张让威;李繁;王晓伟【摘要】针对某发动机外部部分弯曲管路的振动测试工作,提出了1种基于激光多普勒连续扫描的高效测试方法.将线段的坐标变换引入激光连续扫描,发展了1种适合弯曲管路的激光连续扫描路径算法,使连续扫描激光振动测试应用于曲线结构,并进行了试验验证.结果表明:对某发动机外部管路中的弯管进行了曲线激光连续扫描测试,获取了1000 Hz内的2阶模态,与商用激光离散点扫描测试模态振型的相关性在0.9以上,验证了曲线连续扫描激光多普勒振动测试的可行性和准确性.连续扫描激光测试的效率高、测点密集,对进一步工程应用具有重要意义.【期刊名称】《航空发动机》【年(卷),期】2019(045)004【总页数】4页(P71-74)【关键词】弯曲管路;激光多普勒;工作变形;连续扫描;航空发动机【作者】张弓;臧朝平;张让威;李繁;王晓伟【作者单位】南京航空航天大学能源与动力学院,南京210016;南京航空航天大学能源与动力学院,南京210016;中国航发沈阳发动机研究所,沈阳110015;南京航空航天大学能源与动力学院,南京210016;南京航空航天大学能源与动力学院,南京210016【正文语种】中文【中图分类】V216.2+10 引言航空发动机管路一般用于输送燃油、滑油和空气等介质，是航空发动机的重要零件。
长期以来，由于受到转子不平衡力和风扇气动激励等外界激励，发动机管路系统一直存在振动故障问题[1]。
振动因素是发动机导管及导管支架断裂的主要原因，因此，了解发动机管路的动力学特性，对管路的结构优化设计和防止管路故障的发生具有重要意义。
管路的动力学特性测试通常采用传统的接触式加速度传感器或应变片进行。
加速度传感器的附加质量会影响测试结果的精度，同时还存在传感器布置测点的数目有限、测点空间的分辨率低和测试信息不完备等缺陷；而应变片粘贴工艺复杂，并且难以测试管路振型，多用来分析管路振动频率。
基于镜面反射及图像处理技术检测管壁焊缝位置的方法郑劲松;赵章风【摘要】利用镜面反射原理,设置多个镜面,把截面形状为多边形的管子的每一个棱侧面成像到对应一个镜面中.利用相机拍摄镜面中的图像,一次性获取多个管壁棱侧面图像.调整镜面与管壁之间平面角呈45度,可以在镜面中获取清晰图像.通过一个位移传感器,实现在管子转动过程中让管子转正姿态的一种方法.在此基础上调用Halcon图像处理库,对拍摄到的图像进行处理,实现焊缝位置的成功检测,检测成功率在95％以上.【期刊名称】《计算机应用与软件》【年(卷),期】2019(036)004【总页数】4页(P198-201)【关键词】焊缝识别;图像获取技术;机器视觉;图像处理【作者】郑劲松;赵章风【作者单位】浙江工业大学机械工程学院浙江杭州310023;浙江工业大学机械工程学院浙江杭州310023【正文语种】中文【中图分类】TP3190 引言很多钢管都是通过焊接制成圆形管子，再通过其他加工设备制成各种截面形状的钢管，作为制作其他产品的毛坯料。
用有焊缝钢管作为毛坯，加工制作其他产品时，一般情况下，不允许在焊缝上或焊缝附近位置进行打孔等加工，因为焊缝附近硬度、韧性等加工性能变得较差。
因此，在自动化生产过程中，为能顺利进行后续加工工序，需要在之前找到焊缝的位置。
在目前检测焊缝的方法，一般采用色标传感器或者利用计算机图像处理技术。
对于圆形截面钢管寻找其焊接位置，可以利用色标传感器实现焊缝位置的检测。
具体方法是：在管子上方安装一个色标传感器，然后让管子转动一圈。
在没有焊缝的管壁位置，管子表面光滑，光反射量均匀，在焊缝及附近位置，管壁颜色偏暗，光反射量小，与其他位置存在明显不同。
因此，我们可以事先通过标定，确定一个色差范围阈值，把有焊缝与无焊缝的颜色区分开，这样利用色标传感器就可以检测焊缝位置了。
实验数据表明，利用色标传感器检测焊缝的成功率达99%以上。
但是对于截面形状为多边形的钢管，如八边形钢管，若采用色标传感器检测焊缝，钢管在转动一周过程中光反射不均匀，棱角边位置和焊缝位置的光反射特征接近。
• 27•基于激光影像的管道几何形变图像处理算法沈阳工业大学信息科学与工程学院 刘 洋 杨理践 郑福印【摘要】管道几何形变已成为管道安全运行的主要问题，在管道几何形变检测过程中，提出了基于激光检测技术的管道几何形变检测技术方法。
该检测技术研究分析了几何形变检测理论和激光成像理论，为了实现对新建管道形变图像检测，本文采用基于最小二乘的径向差值法，利用MATLAB软件对形变图像进行分析处理，从图像边缘轮廓提取、形变差值比较等方面进行重点分析研究。
实验结果表明，通过数字图像处理技术获取管道图像形变信息具有很好的可靠性和检测精度。
【关键词】管道几何形变；激光检测；边缘轮廓提取；径向差值法1 引言能源输送管道深埋地下，错综复杂，经过长久时间的服役，管道可能会因为地理环境因素而发生破损泄露等问题[1]。
所以能源运输管道检测问题越来越成为当今面临的主要问题。
从能源输送管道生产到实际投入使用的过程中情况多变[2]，新建管道也可能会发生意外形变。
管道检测领域中的几何形变检测[3]是对新建管道是否发生形变进行科学全面的检测，能够检测出管道存在的几何形变及其位置。
本文提出了基于激光成像的管道几何形变检测识别方法与图像处理算法，同时将数字图像处理技术[4]运用到管道几何形变检测识别技术上。
2 管道几何形变检测原理形变检测系统主要由三部分组成：管道内检测器、图像采集单元、激光发射器。
激光环的发射采用半导体激光发射器。
将激光发射器与图像采集单元搭载在管道内检测器上，激光环平面垂直于激光发射器，管道几何形变检测原理示意图如图1所示。
采用管道内检测器独立搭载激光发射器的方法，激光发射器在管道内壁形成激光环，通过检测器上的拍照单元对激光环图像进行等间距连续采集图像，但是在搭建管道内检测器时要保持管道轴心与拍照采集单元的中心保持同心。
将采集到的图像离线存储到存储卡内，并通过软件算法对图像进行分析处理，通过几何形变检测系统人机交互界面去获得管道几何形变的综合特征信息。
图1 管道几何形变激光检测原理 图2 激光环图像检测原理流程图3 管道几何形变图像处理算法在激光环图像处理过程中提出了基于最小二乘法的径向差值算法，先通过canny 算子进行图像边缘轮廓提取，然后利用径向差值法对形变图像与标准图像进行等分取点，通过两点径向差值比较就可以确定形变的位置及大小。
激光环图像检测原理示意图如图2所示。
3.1 canny边缘提取算法在激光环图像轮廓边缘提取过程中，canny 算子在做边缘提取[5-6]时主要包含三个重要步骤：其一是利用高斯滤波函数G (x, y )去除图像中的噪声；其二是利用一阶微分算子计算图像的梯度值，对梯度值做平滑处理，使图像平滑易于处理；其三是利用双阈值法，即通过高阈值与低阈值求取图像边缘。
图像平滑去噪处理函数为：（1）式中，H (x, y )为滤波后的图像，I (x, y )为原图像，G (x, y )为高斯函数。
用一阶偏导的有限差分计算并保存水平方向的方向导数G (x )和竖直方向的方向导数G (y )。
然后利用方向导数计算梯度幅值。
（2）激光环图像边缘点是图像边缘检测中的重要因素，采用非极大值抑制的方法对图像边缘像素点的梯度值进行处理。
对于图像存在断续边缘的情况，利用双阈值法即高阈值与低阈值对图像进行边缘提取。
高阈值是基于图像的直方图计算和高阈值系数二者综合决定的，再通过低阈值的系数计算低阈值边缘，高阈值与低阈值进行比较就可以得出边缘点，所以canny 算子能够准确识别记录图像边缘信息。
3.2 基于最小二乘的径向差值法最小二乘算法在图像处理领域是最为常用的算法，激光环图像处理算法应用基于最小二乘法径向差值法的原理[7-8]为在待检测圆与标准圆上同时等间隔取n 个点（两圆同心），然后做径向差值，差值即为形变大小。
将形变图像转化为平面坐标图，用数学模型分析计算形变的径向偏差，图3所示为基于最小二乘的径向差值法数学分析原理图。
图3a 为最小二乘法的原理示意图，图3b 所示为圆周上径向取点原理示意图。
图3 基于最小二乘径向差值法原理图图中，点为做径向差值测量时的中心，P i 为第i 个差值采样• 28•点（i=1，2，...，n ；）n 为激光环轮廓等弧度采样点个数），o 为管道几何图像的圆心，其坐标为（a ，b ），R 为标准激光环半径，r i 为P i 点测量半径，为两个中心的偏心距离，θi 为与x 轴之间的夹角。
由三角形可得：（3）由于e<<R ，且，所以上式可近似为：（4）式中，εi 为P i 点到管道标准圆的径向偏差。
由最小二乘法原理可得是最小的，因此：，，（5）所以由公式可以得出：（6）又因为有：将其带入式（4）得：（7）进一步推导可得：（8）式中，。
依次计算出n 个点对应的εi 值，εi 为1*n 的矩阵，即为单张激光环形变图像上各点的形变数据集合，单张待检测形变图像的形变范围即为。
图像处理采用循环数据处理，n 张连续采集的管道几何图像对应n 个εi 的1*n 的矩阵，实验以直径为1016mm 管道为实验对象，管道几何形变内检测器在管道内行进检测过程中，行进速度v 为2cm/s ，对管道内壁进行等间隔连续拍照，图像采集单元拍照频率f 设置为2张/秒，则检测器采集一张图像行进的距离a为：（9）式中，a 为检测器采集一张图像所行进的距离，v 为检测器行进速度，f 为拍照频率。
根据公式可以算出检测器每行进1cm 采集1张图像。
如图4所示为连续采集的管道形变处的图像，第1张图像之前为无形变图像，第2张图像到第8张图像为管道形变的渐变图像，第9张图像之后为无形变图像。
从图像数据中可以看出在管道形变处连续采集了7张形变图像，且形变位置位于管道的上方部分。
图4 形变图像数据依据管道几何形变检测系统对实验数据进行分析处理主要是获得管道几何形变的三个主要特征信息，包括形变在管道纵向长度上的位置、形变处的深度以及形变在圆周上的宽度和位置。
底层处理算法主要是利用canny 算子获取激光环的边缘轮廓，并依据基于最小二乘的径向差值法对形变图像进行循环处理。
如图5所示为管道形变检测结果，包括管道形变局部具体分析的圆周形变曲线变化和管道几何形变检测系统界面。
图5a 所示为管道形变处横向圆周形变曲线，坐标系纵轴为形变尺寸，单位为mm ，从图可以看出最大凹陷深度为115mm ，图中四条曲线分别表示形变由浅到深的渐变变化。
坐标系横轴为圆周角度，取管道圆周正上方为0°角方向，顺时针为正，逆时针为负。
因为形变处位于0°与360°重合的位置，为了便于分析形变处的曲线变化规律，取横轴中间位置为0°角位置，形变在管道圆周上的宽度L为：（10）式中，L 为形变宽度，β为形变的弧度，C 为管道周长。
由图5a 中可知β=37°，管道周长mm ，所以经计算得形变在管道圆周上的宽度L 为327.9mm ，圆周上的位置为管道正上方0°角方向。
图5 管道形变数据结果管道几何形变检测处理界面功能主要分为三部分：管道横向圆周形变曲线变化、激光环图像轮廓提取以及管道纵向长度上的形变位置分析辨别。
图5b 所示为管道几何形变检测处理界面。
界面中左边框的管道横向圆周形变曲线变化图即为图5a ，对管道局部形变进行具体分析；中间框为单张激光环图像的轮廓提取图；右边框为管道纵向长度上的形变位置坐标系，其管道几何形变检测系统界面的由纵向位置的坐标图横轴为管道检测长度，纵轴起点900mm 到1020mm 。
由坐标图分析得，在管道2.4m~2.5mm 处发生形变，形变深度为115mm 。
对管道形变检测结果分析可得，通过对管道形变图像的采集分析和处理，利用canny 算子进行边缘提取，并基于最小二乘的径向差值法对管道形变图像进行检测，识别率较高，边缘定位效果较好，能够得出管道形变在管道横向圆周形变曲线变化、激光环图像轮廓提取以及管道纵向长度上的形变位置和大小。
参考文献[1]吴挺,鲁少辉,韩旺明.基于主动式全景视觉传感器的管道内部缺陷检测方法[J].仪器仪表学报,2015,36(10):2258-2264.[2]王良军,李强,梁菁嬿.长输管道内检测数据比对国内外现状及发展趋势[J].油气储运,2015,34(3):233-236.[3]周奇才,金奇,何自强.基于激光测距技术的隧道断面形变检测系统[J].测控技术,2010,29(5):44-46.[4]Bedairi B,Cronin D,Hosseini A.Failure prediction for Crack-in-Corrosion defects in natural gas transmission pipelines[J].International Journal of Pressure Vessels & Piping,2012,96-97(4):90-99.[5]徐亮,魏锐.基于Canny算子的图像边缘检测优化算法[J].科技通报,2013(7):127-131.[6]L H Zhong,K Meng,Y Wang,Z Q Dai,S Li.Iris Location Algorithm Based on the CANNY Operator and Gradient Hough Transform[J].IOP Conference Series:Materials Science and Engineering,2017,281(1):124-130.[7]宋召青,郑苏,李志成.基于边缘检测与最小二乘支持向量机的人脸图像识别[J].海军航空工程学院学报,2010,25(05):518-522.[8]Yi Q,Yi M,Jian S.Fast Non-Local Means Algorithm Based on Krawtchouk Moments[J].天津大学学报:英文版,2015,21(5):104-112.作者简介：刘洋，男，沈阳工业大学硕士研究生，主要从事管道检测及无损检测技术方面的研究。
