本發(fā)明屬于工業(yè)圖像處理，具體涉及一種基于像素點的焊縫中心線提取方法和系統(tǒng)。

背景技術(shù)：

1、在焊接的過程中由于工人的水平、焊接環(huán)境不同導(dǎo)致焊接缺陷的產(chǎn)生，常見的焊接缺陷有咬邊、焊瘤、燒穿、氣孔、裂縫、飛濺、缺焊等。需要對焊縫缺陷進行分類并針對不同的缺陷采取打磨、補焊等措施來保證焊接質(zhì)量合格。目前焊縫提取與檢測主要是采用基于視覺的檢測方法。通過相機獲取焊縫的圖像信息，對焊縫圖像進行預(yù)處理、特征提取等操作，將處理好的焊縫缺陷樣本利用機器學(xué)習(xí)或深度學(xué)習(xí)的方式進行訓(xùn)練，通過大量的樣本學(xué)習(xí)不同焊縫缺陷的特征信息，訓(xùn)練好的模型對未知焊縫缺陷有一定的識別檢測能力，并能對檢測出的焊縫缺陷進行定位和判別。

2、工業(yè)焊接過程中工作環(huán)境一般較差，相機采集圖像的質(zhì)量容易受到光照強度變化的影響，圖像質(zhì)量較差，容易在分類過程中出現(xiàn)誤判和漏檢的情況，且相機只能獲取二維信息從而缺失了焊縫缺陷的深度信息，獲取到的焊縫幾何信息不夠豐富，在特定需求下存在一定的局限性。進行有效的圖像處理并快速準確地提取焊縫幾何特征信息成為研究熱點。圖像處理中常用邊緣檢測算子主要有roberts、sobel、log、laplacian、canny等，其中roberts、sobel等一階梯度算子運算速度較快但精確度低且連續(xù)性較差。2021年aishabaloch等人在hardware?synthesize?and?performance?analysis?of?intelligenttransportation?using?canny?edge?detection?algorithm中提到：laplacian、log等二階梯度算子運算量大但易損失邊緣細節(jié)。而車暢和蘭文寶2020年在canny算法和中值濾波法的紅外全景圖像拼接中提到：canny算子具有高信噪比，高檢測精度，以及單邊響應(yīng)的優(yōu)點，更能適應(yīng)強噪聲焊縫圖像的高精度的邊緣提取要求。董瑤等人2018年在用于航空發(fā)動機葉片焊接修復(fù)的改進canny算法中提到：對于非極大值二次篩選并應(yīng)用otsu算法進行閾值選取有效提高了邊緣連接的平滑性和自適應(yīng)性，但是面對強噪聲時易產(chǎn)生干擾。張鵬帆等人2021年在基于梯度極值otsu算法的canny邊緣檢測改進中應(yīng)用k-近鄰均值濾波，根據(jù)梯度極值選取高低閾值，能有效地去除噪聲，但檢測邊緣存在不連續(xù)性缺陷。劉端飛和單寶明在改進的canny算法在不銹鋼板焊縫識別中的應(yīng)用中引入了雙邊濾波代替高斯濾波降噪，應(yīng)用于直角焊縫的邊緣提取，豐富了邊緣特征，然而該方法需要人為設(shè)定閾值，自適應(yīng)能力較差。為提高焊縫提取精度，張錦洲等人2023年在融合卷積神經(jīng)網(wǎng)絡(luò)和雙邊濾波的相貫線焊縫提取算法中通過輪廓波變換方法對相貫線焊縫圖像實行灰度化處理及增強處理，并通過雙邊濾波方法對焊縫圖像實行去噪處理，焊縫提取更加清晰、精度更高。杜春洋等人在基于改進canny算子的焊縫圖像邊緣提取研究中應(yīng)用改進的sobel算子，增加了45°、135°方向進行梯度幅值計算，以提高邊緣的定位精度，但此方法存在焊縫提取時間長的問題。為提高焊縫的提取速度，茆志偉等人2023年在基于線結(jié)構(gòu)光的對接焊縫幾何特征自適應(yīng)提取方法中利用最大像素梯度計算出激光條紋與背景環(huán)境分割的最佳像素閾值。根據(jù)該像素閾值對采集的圖像進行一次行掃描和列掃描，實現(xiàn)了對焊縫特征感興趣區(qū)域的快速定位，但該方法依賴閾值的設(shè)定，存在焊縫區(qū)域漏檢風(fēng)險。

3、目前的技術(shù)很難設(shè)計一種在所有質(zhì)量圖像基礎(chǔ)上的通用處理方法，一般情況下，可以將圖像的質(zhì)量進行分類，然后針對每一種類型提出相應(yīng)的處理方法?，F(xiàn)有技術(shù)為了消除光照的影響，對待處理圖像進行預(yù)處理操作，然而對整幅圖像進行統(tǒng)一的預(yù)處理操作，可能會導(dǎo)致一些重要信息弱化甚至缺失。特別是圖像增強算法，現(xiàn)有技術(shù)包括傳統(tǒng)圖像增強算法和深度學(xué)習(xí)增強算法，深度學(xué)習(xí)方法需要大量的計算資源和時間進行訓(xùn)練，模型的復(fù)雜性和可解釋性，數(shù)據(jù)隱私和安全問題，過擬合問題，以及樣本的多樣性不足導(dǎo)致訓(xùn)練效果較差等不足，在實際的工程應(yīng)用問題中，更偏向于選擇傳統(tǒng)的圖像處理方法。

4、現(xiàn)有的焊縫中心線提取方法缺乏普適性，且在真實環(huán)境中的圖像容易受光照影響。因此，首先弱化光照的影響非常重要，否則直接在獲取的光照條件較差的焊縫圖像基礎(chǔ)上進行中心線提取是不符合實際的，往往誤差較大。

5、焊縫中心線提取是焊縫圖像處理中的關(guān)鍵步驟，其現(xiàn)有技術(shù)存在的不足表現(xiàn)在以下幾個方面：

6、(1)精度問題：在某些情況下，現(xiàn)有技術(shù)可能無法精確地提取焊縫中心線。特別是在焊縫形狀復(fù)雜、存在噪聲或干擾的情況下，提取的中心線可能會出現(xiàn)偏差，影響后續(xù)焊縫識別和分析的準確性。

7、(2)魯棒性問題：不同焊縫圖像的質(zhì)量和特征可能存在較大差異，如亮度、對比度、紋理等?，F(xiàn)有技術(shù)往往難以適應(yīng)這些變化，導(dǎo)致在某些情況下無法有效提取焊縫中心線，降低了算法的魯棒性。

8、(3)計算效率：焊縫中心線提取通常需要處理大量的圖像數(shù)據(jù)，對計算資源的需求較高。現(xiàn)有技術(shù)在處理大規(guī)模數(shù)據(jù)時可能存在計算效率低下的問題，難以滿足實時性要求較高的應(yīng)用場景。

9、(4)自動化程度：盡管現(xiàn)有技術(shù)已經(jīng)取得了一定的進展，但在焊縫中心線提取的精度、魯棒性、計算效率和自動化程度。

10、車橋工件焊縫在實際場景中由于光照影響導(dǎo)致圖像的清晰度及對比度不足，從而引起工件本身和焊縫提取的難度較大，那么焊縫中心線提取的難度就更大。這些難度成為阻礙視覺引導(dǎo)焊接的準確性因素。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于克服現(xiàn)有技術(shù)中存在的由于光線強度差別引起的車橋焊縫中心線提取準確性不足的問題，提出了一種基于像素點的焊縫中心線提取方法和系統(tǒng)，從圖像預(yù)處理的角度首先將車橋工件圖像在不同光照強度下增加圖像對比度，然后提出基于像素點的焊縫中心線提取方法，分段提取中心線最后組合整個中心線，該結(jié)果具有較高的準確度且對于圖像的適應(yīng)性更高。

2、為達到上述目的，本發(fā)明采用如下技術(shù)方案：

3、一種基于像素點的焊縫中心線提取方法，包括以下步驟：

4、獲取焊縫工件圖像，利用基于像素點的焊縫中心線提取算法對焊縫工件圖像提取焊縫中心線，具體為：利用基于局部區(qū)域的圖像增強算法對焊縫工件圖像進行圖像增強預(yù)處理得到圖像增強的焊縫工件圖像，從圖像增強的焊縫工件圖像中提取焊縫區(qū)域，從焊縫區(qū)域中提取焊縫，從焊縫中提取分段焊縫中心線，將分段焊縫中心線組合為整個焊縫中心線。

5、進一步地，基于局部區(qū)域的圖像增強算法包括如下步驟：

6、s1.1、i＝0時，將像素點p同時指定為s0(x，y)和i0(x，y)，p為中心像素點，此時i0(x，y)僅包含一個像素點；

7、s1.2、i＝1時，s1(x，y)包含s0(x，y)所有的一個像素距離內(nèi)的鄰域像素點，s1(x，y)不包含在i0(x，y)中的像素點；

8、i1(x，y)＝s0(x，y)∪s1(x，y)

9、i1(x，y)包括3×3個像素點，s1(x，y)包括8個像素點；

10、s1.3、i＝2時，s2(x，y)包含s1(x，y)所有的一個像素距離內(nèi)的鄰域像素點，s2(x，y0不包括在i1(x，y)中的像素點；

11、i2(x，y)＝s0(x，y)∪s1(x，y)∪s2(x，y)

12、i2(x，y)包含5×5個像素點，s2(x，y)包含16個像素點；

13、s1.4、i＝n時，sn(x，y)包含sn-1(x，y)所有的一個像素距離內(nèi)的鄰域像素點，但不包括在in-1(x，y)中的像素；

14、in(s，y)＝s0(x，y)∪s1(x，y)∪s2(x，y)∪…∪sn(x，y)

15、in(x，y)包含(2n+1)×(2n+1)個像素點，sn(x，y)包含8n個像素點。

16、進一步地，基于像素點的焊縫中心線提取算法包括如下步驟：

17、s2.1、焊縫工件圖像基于局部區(qū)域的圖像增強算法進行圖像增強預(yù)處理操作；

18、s2.2、選取圖像增強預(yù)處理操作后的焊縫工件圖像的感興趣區(qū)域；

19、s2.3、沿焊縫工件圖像的x軸方向?qū)⒏信d趣區(qū)域平分為若干份子圖后分別命名子圖，并設(shè)計選擇函數(shù)得到中心線的表達式；

20、s2.4、通過中心線及像素灰度值確定焊縫中心線的起止點。

21、進一步地，s2.3中選擇函數(shù)的選擇標準為：

22、s2.3.1、對于任一子圖，在灰度值曲線中，如果波谷的最小值個數(shù)等于1且波谷值減去波谷的最小值大于閾值，則選擇子圖，否則不選擇；

23、s2.3.2、針對選擇子圖進行響應(yīng)操作；

24、s2.3.3、計算選擇子圖的平均斜率和截距值，得到中心線的表達式。

25、進一步地，s2.3.2具體為：按列沿x軸方向?qū)⒆訄D分為8個位置，針對這8個位置的灰度值進行以下操作：如果波谷最小值的個數(shù)大于1，則索引值等于尋找最小波谷值的中值，點坐標為選擇函數(shù)的index值對應(yīng)值；如果波谷最小值的個數(shù)小于等于1，則返回s2.3步驟的選擇函數(shù)。

26、進一步地，s2.4具體為：起止點所在區(qū)域的像素灰度值為255，起止點所在區(qū)域之外的灰度值為0，通過中心線與起止點所在區(qū)域的中心位置的交點確定焊縫中心線的起止點。

27、一種基于像素點的焊縫中心線提取系統(tǒng)，包括獲取工件圖像模塊，用于獲取焊縫工件圖像；

28、中心線提取模塊，用于利用基于像素點的焊縫中心線提取算法對焊縫工件圖像提取焊縫中心線，具體為：利用基于局部區(qū)域的圖像增強算法對焊縫工件圖像進行圖像增強預(yù)處理得到圖像增強的焊縫工件圖像，從圖像增強的焊縫工件圖像中提取焊縫區(qū)域，從焊縫區(qū)域中提取焊縫，從焊縫中提取分段焊縫中心線，將分段焊縫中心線組合為整個焊縫中心線。

29、進一步地，基于像素點的焊縫中心線提取算法包括如下步驟：

30、焊縫工件圖像基于局部區(qū)域的圖像增強算法進行圖像增強預(yù)處理操作；選取圖像增強預(yù)處理操作后的焊縫工件圖像的感興趣區(qū)域；沿焊縫工件圖像的x軸方向?qū)⒏信d趣區(qū)域平分為若干份子圖后分別命名子圖，并設(shè)計選擇函數(shù)，得到中心線的表達式，子圖命名后綴為.bmp；通過中心線及像素灰度值確定焊縫中心線的起止點。

31、一種電子設(shè)備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)所述的一種基于像素點的焊縫中心線提取方法。

32、一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)所述的一種基于像素點的焊縫中心線提取方法。

33、與現(xiàn)有技術(shù)相比，本發(fā)明具有以下有益的技術(shù)效果：

34、本發(fā)明一種基于像素點的焊縫中心線提取方法可以較準確提取不同光線強度下的車橋工件焊縫中心線，針對焊縫圖像與其他圖像不同的特點，首先對焊縫工件圖像進行圖像增強預(yù)處理，然后在圖像增強基礎(chǔ)上進行焊縫的提取和中心線提取，在提高焊縫提取準確性的同時增強了算法的自適應(yīng)性，為后續(xù)智能焊接系統(tǒng)自動設(shè)置焊接工藝參數(shù)奠定基礎(chǔ)。