热轧带钢在线测宽中的图像分割

D0I:10.13374/i.issn1001053x.2003.04.019 第25卷第4期 北京科技大学学报 Vol.25 No.4 2003年8月 Journal of University of Science and Technology Beijing Aug,2003 热轧带钢在线测宽中的图像分割 李运祥丁卫霞苏兰海马祥华 北京科技大学机械工程学院，北京100083 摘要对带钢质量检测中图像处理和分析的过程进行了论述.结合热轧带钢现场图像，应 用最终测量精度准则对图像处理算法进行评价·实验评价结果表明，动态双阙值的图像分割 效果最佳，适合应用于带宽实时在线检测 关键字图像分割：CCD:数字图像处理：带钢质量检测 分类号TG334.19;TP391.41 带钢宽度是带钢生产中的一个重要的质量 割灰度图像时基于以下图像模型：假设图像由具 指标.为保证带钢生产的质量控制，需要在带钢 有单峰灰度分布的目标和背景组成，在目标或背 轧制过程中对带宽进行在线监测，以利于提高产 景内部的相邻像素间灰度值是高度相关的，但在 品的宽度性能指标.本文提出的热轧带钢测宽仪 目标和背景的交界处两边的像素在灰度之上有 利用先进的图像检测技术，实现了高速运行带钢 很大的差别.满足这样图像的直方图应是双峰 的非接触动态宽度测量及带钢宽度超差报警， 的.阙值分割的方法计算简单，而且总能用封闭 并连通的边界定义不交叠的区域.图1是在某热 1CCD成像 轧带钢生产线用线阵CCD摄取的现场图像，相 应的灰度直方图如图2.可以看出，带钢图像具有 电荷耦合器件(Charge Coupled Devices,简称 CCD)成像检测的基本原理是，被测物通过光学 明显的双峰，可以用阈值的方法来分割图像. 设定某一阙值T,将图像数据分成两部分，若 系统以一定比例成像于CCD光敏区上，CCD的 视频输出经图像采集卡采样、量化形成具有一定 输入图像为fxy),输出图像为gy),令 (1 f(xy)=T 灰度级分布的离散数字图像.由于图像上的每个 g四={0 fxy)T (1) 像素点都与被测物表面的区域一一对应，反映了 这是图像灰度变换中最特殊的方法，称为图像二 位置的光强信息，所以可以通过数字图像处理， 值化.也可用多个阈值将图像分割成两个以上不 将结果换算后得到被测的实际情况.由于CCD安 同数值部分， 装的不同，有不同的计算方法.以下带宽的计算 都是基于一个CCD摄取的图像而言的，即一幅 图像中包含带钢的上下边缘.带钢宽度的测量因 图像分割方法的不同而有所差别，主要的分割方 法有基于阅值分割方法的带宽计算和基于边缘 分割方法的带宽计算两种. 2阈值分割 阙值分割是一种区域分割技术.利用它来分 收稿日期200206-24李运样男，25岁，硕士 图1现场带钢图像 *国家自然科学基金资助课题(No.598351700) Fig.1 Spot strip image

第 卷 第 期 年 月 北 京 科 技 大 学 学 报 】 】 热轧带钢在线测 宽中的图像分割 李运祥 丁 卫 霞 苏 兰 海 马 祥 华 北 京科技 大学机械工 程 学 院 ， 北 京 摘 要 对 带钢 质 量检测 中 图像处 理和 分 析 的过程 进行 了论 述 结合热 轧 带钢 现 场 图像 ， 应 用最 终测量精度准 则 对 图像 处理算法进行 评 价 实验 评 价 结 果 表 明 ， 动 态 双 闽值 的图像分 割 效 果 最佳 ， 适 合应用 于 带 宽实时在线检测 关键 字 图像分 割 数字 图像处 理 带钢质 量 检 测 分 类号 仰 带 钢 宽度 是 带 钢 生 产 中 的 一 个 重 要 的质 量 指 标 为保 证 带钢 生 产 的质 量 控 制 ， 需 要 在 带钢 轧制 过程 中对 带 宽进行 在 线监 测 ， 以利 于 提 高产 品 的宽度 性 能指标 本文 提 出的热 轧带钢 测 宽仪 利用 先进 的 图像检测 技术 ， 实现 了高速运 行 带钢 的非 接触 动 态 宽度 测 量 及 带 钢 宽度 超 差 报 警 成 像 电荷 祸 合 器 件 毗 ， 简称 成 像 检 测 的基 本 原 理 是 ， 被 测 物 通 过 光 学 系 统 以一 定 比例 成 像 于 光 敏 区 上 ， 的 视 频 输 出经 图像采集 卡 采样 、 量 化 形 成 具 有一 定 灰度 级 分 布 的离散数 字 图像 由于 图像 上 的每个 像 素 点都 与 被测 物表 面 的 区域 一 一 对 应 ， 反 映 了 位 置 的光 强信 息 ， 所 以可 以通 过 数字 图像 处 理 ， 将 结果 换算后 得 到被 测 的实 际情 况 由于 安 装 的不 同 ， 有 不 同 的计 算 方 法 以下 带 宽 的计 算 都 是 基 于 一 个 摄 取 的 图像 而 言 的 ， 即一 幅 图像 中包 含 带钢 的上 下边 缘 带钢 宽度 的测 量 因 图像 分 割 方 法 的不 同而 有所 差 别 ， 主 要 的分 割 方 法 有 基 于 闽值 分 割 方 法 的带 宽计 算 和 基 于 边 缘 分 割 方 法 的带 宽计 算 两 种 闭值 分 割 闽值 分 割 是 一 种 区域 分 割 技 术 利用 它 来 分 割 灰度 图像 时基 于 以下 图像模型 假 设 图像 由具 有 单 峰灰度 分布 的 目标 和 背 景 组 成 ， 在 目标或 背 景 内部 的相 邻像 素 间灰度值 是高度 相 关 的 ， 但 在 目标 和 背 景 的交 界 处 两 边 的像 素 在 灰 度 之 上 有 很 大 的差 别 满足 这 样 图像 的直 方 图应 是 双 峰 的 闽值 分 割 的方 法 计 算 简 单 ， 而 且 总 能 用 封 闭 并连 通 的边 界 定 义 不 交 叠 的 区 域 图 是 在 某 热 轧 带 钢 生 产 线用 线 阵 摄 取 的现场 图像 ， 相 应 的灰度直 方 图如 图 可 以看 出 ， 带钢 图像 具 有 明显 的双 峰 ， 可 以用 闽值 的方 法 来 分 割 图像 设 定某 一 闽值 ， 将 图像 数据 分 成 两 部 分 若 输 入 图像 为为对 ， 输 出 图像 为沙功 ， 令 、 一 这 是 图像 灰度 变 换 中最 特 粼 殊 的方 法 ， 称 为 图像 二 值 化 也 可 用 多个 闽值将 图像 分 割 成 两 个 以上 不 同数 值 部 分 收稿 日期 刁 李运祥 男 ， 岁 ， 硕 士 国家 自然科学基金 资助课题 图 现场 带钢 图像 · DOI ：10．13374／j ．issn1001－053x．2003．04．019

·366· 北京科技大学学报 2003年第4期 1795349 佳阈值并不简单，但如果选择阈值为灰度直方图 上两峰值之间的峰谷，则接近最优阈值， 2.2双阈值 从热轧带钢生产线现场图像中发现，带钢图 像右边缘亮度较暗，而左边缘亮度较亮.这是因 为带钢运行时，轨道中有水而导致带钢上边缘的 50 100150 200 255 温度比下边缘的温度高；另外，带钢上边缘存在 图2现场带钢灰度直方图 反光.因此，采用单一的阙值分割并不能取得满 Fig.2 Spot strip's grey level histogram 意的效果.通过设置上下双阚值，可对分割的结 在阙值分割中，若阙值选得过高，则过多的 果有很大的改善。 2.3动态圃值 目标点将误归为背景；反之会出现相反情况.这 势必影响分割出来目标的大小和形状，甚至会使 考虑到工业生产现场的复杂性，采集到的带 目标失落.因此，确定阙值是问题的核心， 钢图像不一定具有固定的灰度分布，虽然它们的 2.1单阈值 直方图都具有双峰，但是双峰的位置会发生变 单阙值的分割方法是对整幅图像只使用一 化，而且这是极有可能的，因为带钢出炉时间的 不同，每一卷钢的温度会有不同：而且同一卷钢 个固定阈值来分割. 的头部、尾部和中部的温度也有差别；另外，现场 设有一幅图像只由目标物和背景组成，设其 灰度分布概率密度分别为p(Z)和Pz(2).且已知目 环境恶劣，如水雾，火花等的影响，特别是水雾， 标物像素数占全图像像素数比为日，因此该图像 使图像的局部灰度值降低，形成飘忽不定的阴 总的灰度级概率密度分布（⑦）： 影.这给图像的后处理如目标的特征量测量的稳 p(z)=p(O+(1-0p(Z) 定性和准确性带来影响.固定双阈值的方法并不 (2) 假定所选的灰度级阙值为Z,这里认为图像 能消除这种影响， 是由暗背景上的亮物体组成，如图3所示， 有效的解决办法是采用动态阙值的分割方 法，分为两种情况：基于时间的动态阈值和基于 P(2) Pi(Z) 空间（坐标）的动态阅值， (1)时间动态阙值.对于每一卷钢出炉温度不 背景 目标物 同带来的影响，可通过设置时间动态阙值来消除. 由于带钢轧制过程中带钢头部和尾部轧制不稳 定，最后形成产品时带钢头尾必须剪切而舍弃 Z 掉，所以可以对带钢的头尾不予检测，利用这段 图3物体和背景灰度概率密度分布曲线图 时间根据钢卷头部图像特征来确定此卷带钢的 Fig.3 Distributing curves of the grey level probability 上下阚值， density of objects and their background (2)空间动态阈值.对于水雾带来的飘忽不定 因此，总的错误概率E(Z)为： 的阴影，可以采用空间动态阙值的办法来消除其 EZ)=8E(Z)H1-)E,(Z) (3) 影响，基本思想是首先将图像分解成一系列子图 最优阙值是使E(Z)为最小值时的Z.对式(2) 像，这些子图像可以相互重叠也可以相邻：然后 应用莱布尼茨法则，即将(Z)对Z求导，并令其 对每一个子图像计算一个阅值；通过对这些子图 等于0，解出其结果为： 像阈值的插值可得对其每一个像素进行分割时 p(Z)=(1-8p(Z) (4) 所需的阈值.由于此算法复杂，在实时在线检测 假定图像的目标物和背景像素灰度级概率 中实现并不具有优势，水雾的影响应人为排除， 呈正态分布，且偏差相等(6，=d=),则 乙2话2 (5) 3边缘检测 即为该图像的最佳分割阈值.实际情况下求出最 边缘检测是所有基于边界的分割方法的第

一 北 京 科 技 大 学 学 报 年 第 期 ‘卜 。···卜曰 。··︸， 图 现场 带钢 灰度直 方 图 · ， 在 闽值 分 割 中 ， 若 闽值 选 得 过 高 ， 则 过 多 的 目标 点将 误 归 为 背 景 反 之 会 出现 相 反 情 况 这 势 必 影 响分 割 出来 目标 的大 小 和 形 状 ， 甚 至会使 目标 失落 因此 ， 确 定 闽值 是 问题 的核 心 单 闭值 单 闽值 的 分 割 方 法 是 对 整 幅 图像 只 使 用 一 个 固定 闽值 来 分 割 设有 一 幅 图像 只 由 目标 物 和 背 景 组 成 ， 设 其 灰度 分 布概 率密 度 分 别 为 阁和八阁 且 己 知 目 标 物 像 素 数 占全 图像 像素 数 比 为 ， 因此 该 图像 总 的灰 度 级 概 率 密 度 分 布 必 印 ， 幻 一 如 幻 假 定 所 选 的灰 度 级 闽值 为云 ， 这 里 认 为 图像 是 由暗 背 景 上 的亮 物 体 组 成 ， 如 图 所 示 儿 必 目标物 云 图 物 体和 背 景 灰 度 概率 密 度 分 布 曲线 图 血 因此 ， 总 的错 误 概 率百忆 为 五 恕 一 的百 ， 最优 闽值 是 使 为最 小值 时 的么 对 式 应 用 莱布 尼 茨 法 则 ， 即将 对乙求 导 ， 并 令 其 等 于 ， 解 出其 结 果 为 伽 一 口加 乙 假 定 图像 的 目标 物 和 背 景 像 素 灰 度 级 概 率 呈 正 态 分 布 ， 且 偏 差 相 等 必 ， 次 句 ， 则 “ “ ， 子 ， 一 乙 己止胃巴 一一 共兴 、 一 ‘ 产 一产 一‘ 即为 该 图像 的最佳 分 割 闽值 实 际情 况 下 求 出最 佳 闽值并 不 简 单 ， 但 如 果选择 闽值 为灰度 直 方 图 上 两 峰值 之 间 的 峰谷 ， 则 接 近 最 优 阂值 双 阑值 从 热 轧 带 钢 生 产 线现 场 图像 中发现 ， 带 钢 图 像 右 边 缘 亮 度 较 暗 ， 而 左 边缘 亮 度 较 亮 这 是 因 为 带钢 运行 时 ， 轨道 中有水 而 导 致 带钢 上 边 缘 的 温 度 比下 边 缘 的温 度 高 另 外 ， 带 钢 上 边 缘 存 在 反 光 因此 ， 采 用 单 一 的 闽值 分割 并不 能取 得 满 意 的效 果 通 过 设 置 上 下 双 闽值 ， 可 对 分 割 的结 果 有 很 大 的改善 动 态 闭值 考 虑 到 工 业 生 产 现场 的 复杂 性 ， 采 集 到 的带 钢 图像 不 一 定 具 有 固定 的灰度 分 布 ， 虽 然 它 们 的 直 方 图都 具 有 双 峰 ， 但 是 双 峰 的位 置 会 发 生 变 化 ， 而 且 这 是 极 有 可 能 的 因 为带钢 出炉 时 间 的 不 同 ， 每 一 卷 钢 的温 度 会 有 不 同 而 且 同一 卷 钢 的头部 、 尾 部和 中部 的温度 也有 差 别 另 外 ， 现场 环 境 恶 劣 ， 如 水 雾 ， 火 花 等 的影 响 ， 特别 是 水 雾 ， 使 图像 的局 部 灰 度 值 降低 ， 形 成 飘 忽 不 定 的 阴 影 这 给 图像 的后 处 理 如 目标 的特 征 量 测 量 的稳 定 性和 准 确 性 带 来 影 响 固定 双 闽值 的方 法 并不 能 消 除这 种 影 响 有 效 的解 决 办 法 是 采 用 动 态 闽值 的分 割 方 法 ， 分 为两 种 情况 基 于 时 间 的动 态 闽值 和 基 于 空 间 坐 标 的动 态 闽值 时 间动 态 阐值 对 于 每 一 卷钢 出炉温度 不 同带 来 的影 响 ，可 通 过 设置 时 间动态 闽值 来消除 由于 带钢 轧 制 过 程 中带钢 头 部 和 尾 部 轧 制 不 稳 定 ， 最 后 形 成 产 品 时带 钢 头尾 必 须 剪切 而 舍 弃 掉 所 以可 以对 带 钢 的头 尾 不 予 检 测 ， 利 用 这 段 时 间根 据 钢 卷 头 部 图像 特 征 来 确 定 此 卷 带 钢 的 上 下 闭值 空 间动 态 闽值 对 于 水雾 带来 的飘 忽 不 定 的 阴影 ， 可 以采 用 空 间动 态 闽值 的办法 来 消 除其 影 响 基 本 思想 是 首 先 将 图像 分解 成 一 系列 子 图 像 ， 这 些 子 图像 可 以相 互 重 叠 也 可 以相邻 然 后 对 每 一 个 子 图像 计 算 一 个 闽值 通 过对 这 些 子 图 像 阐值 的插 值 可 得 对 其 每 一 个 像 素 进 行 分 割 时 所 需 的 闽值 由于 此 算 法 复 杂 ， 在 实 时在 线检 测 中 实现 并 不 具 有 优 势 ， 水 雾 的影 响应 人 为排 除 边 缘 检测 边 缘 检 测 是 所 有 基 于 边 界 的 分 割 方 法 的 第

Vol.25 No.4 李运祥等：热轧带钢在线测宽中的图像分割 367· 一步.边缘是指图像局部灰度变化最显著的部 点，完全可以只利用x方向或者y方向的梯度，把 分.边缘主要存在于目标与目标、目标与背景、区 二维搜索变成一维搜索，即： 域与区域之间，是图像分割和特征提取等图像分 Gry≈max/c)-f-wvM (9) 析的重要基础.常见的边缘类型有阶跃型、屋顶 式中，N为每一行的像素数 型、混合型和冲击型.这些只是理想的情况，在通 具体的检测步骤如下： 常情况下不常出现，而且一般图像是二维的. (1)确定扫描方式. 图4中，灰度值剖面的一阶导数在图像由暗 对于近垂直的边缘，采用先行后列的扫描方 变明的位置处有一个向上的阶跃，而在其他位置 式；对于近似水平的边缘，采用先列后行的扫描 都为0，这表明可用一阶导数的幅度值来检测边 方式. 缘的存在，幅度峰值一般对应边缘位置：灰度值 (2)搜索边缘点 剖面的二阶导数在一阶导数的阶跃上升区有一 搜索边缘点就是搜索符合边缘特性的像素， 个向上的脉冲，而在一阶导数的阶跃下降区有一 使用梯度图像的二值化来实现.在梯度理论中， 个向下的脉冲，在这两个阶跃之间有一个过零 设定阈值T,梯度大于T的点视为边缘点，考虑噪 点，它的位置正对应原图像中边缘的位置.所以 声等影响，二值化处理所需的阙值应设置略低 可用二阶导数的过零点检测边缘位置 由此得到的像素点虽然包含非边缘点，却保证了 几乎所有的边缘点被提取， (3)连接边界. 带钢的近垂直边界在某个狭长的区域分布 最密，因此首先确定这个区域，然后在区域中使 用基于梯度的边界跟踪方法，可以得到连续的边 界.对于近似水平的带钢边界，也可作类似处理. 通过带钢边缘的检测，把带钢边缘提取出 来，也就完成的带钢图像的分割.边缘检测优点 是可以不考虑带钢温度的影响，因为在带钢温度 变化范围内，带钢的边缘总是存在的， 图4边缘和导数 Fig.4 Edge and derivative 4最终测量精度评价准则 3.1梯度算子 边缘检测是检测图像局部显著变化的基本 图像分析中的一个基本问题就是要获得对 运算，梯度是函数变化的一种度量，而一幅图像 图像中目标特征值的精确测量，在带钢质量检测 可以看做是图像强度连续函数的取样点阵列，因 中，图像处理和分析过程是影响目标特征值精确 此图像灰度值的显著变化可用梯度的离散逼近 度的一个主要因素.根据对一些准则的比较，最 函数来检测，梯度是一阶导数的二维等效式，定 终测量精度(Ultimate Measurement.Accuracy,简称 义为矢量： UMA)是一种较好的测度. cx=G.cr-8影8 (6 最终测量精度是围绕图像分析的最终目标 ~获得对图像中目标特征值的精确测量而提 在数字图像中，常用差分来代替微分，则： 出的，通过对目标特征值的测量和计算，根据其 G.=fxy)-fx-1y） (7) 反映的处理质量而对处理算法做出评判，实际上 G,=f(xy)-f(xy-1) (8) 为了描述目标的不同性质，可以在最终测量精度 3,2带钢边缘检测 的计算中选用不同的目标特征，此时UMA可以 带钢边缘检测的目的是把带钢图像从背景 写成UMA.若用R代表从作为参考的图像中获 中分离出来，这只需把带钢边缘找出来.由于实 得的原始特征量值，则其绝对差和相对差可由下 时处理，需要减少实际检测的工作量.梯度算子 式计算： 都涉及到微分甚至二阶微分运算，计算量较大， AUMr=Rr-St (10) 所以需要对算法进行简化.考虑到带钢边缘的特

李运祥 等 热 轧带钢 在 线测 宽 中的 图像分 割 一 一 步 边 缘 是 指 图像 局 部 灰 度 变 化 最 显 著 的部 分 边缘 主 要 存 在 于 目标 与 目标 、 目标 与 背 景 、 区 域 与 区域 之 间 ， 是 图像 分 割和 特 征 提取 等 图像 分 析 的重 要 基 础 常 见 的边 缘 类 型 有 阶跃 型 、 屋 顶 型 、 混 合 型 和 冲 击 型 这些 只 是 理 想 的情 况 ， 在通 常情 况 下 不 常 出现 ， 而 且 一 般 图像 是 二 维 的 图 中 ， 灰 度值 剖 面 的一 阶 导 数 在 图像 由暗 变 明 的位 置 处 有一 个 向上 的阶跃 ， 而在其他位 置 都 为 ， 这 表 明可 用 一 阶 导 数 的幅度 值 来 检 测 边 缘 的存 在 ， 幅度 峰值 一 般 对 应 边 缘 位 置 灰 度 值 音 面 的 二 阶 导 数 在 一 阶 导 数 的阶跃 上 升 区有 一 个 向上 的脉 冲 ， 而 在一 阶导 数 的阶跃 下 降区 有一 个 向下 的脉 冲 ， 在 这 两 个 阶跃 之 间有 一 个 过 零 点 ， 它 的位 置 正对 应 原 图像 中边 缘 的位 置 所 以 可 用 二 阶 导 数 的过 零 点检 测 边缘 位 置 龚撰蒸纂裁葬习 一 姗 瓢 瓢翼熬纂巍薰蒸蔓鬓纂纂羹蘸蘸舅翼嶙鬓鬓黝 图 边 缘 和 导数 点 ， 完 全 可 以只 利 用 方 向或 者 方 向的梯 度 ， 把 二 维搜 索 变 成 一 维 搜 索 ， 即 少 “ 沙 少 一为 才一 ，少 心‘ 刀 式 中 ， 为每 一 行 的像 素 数 具 体 的检 测 步骤 如 下 确 定 扫 描 方 式 对 于 近 垂 直 的边缘 ， 采 用 先 行 后 列 的扫 描 方 式 对 于 近似 水 平 的边 缘 ， 采用 先 列 后 行 的扫 描 方 式 搜 索 边 缘 点 搜 索边 缘 点就 是 搜 索 符 合 边 缘特性 的像 素 ， 使 用 梯 度 图像 的二 值 化 来实现 在 梯 度 理 论 中 ， 设 定 阂值 ， 梯 度 大 于 的点视 为边缘 点 考 虑 噪 声等 影 响 ， 二 值 化 处 理 所 需 的 阐值应 设 置 略低 ， 由此 得 到 的像 素 点虽 然 包 含 非边 缘 点 ， 却 保证 了 几 乎所 有 的边 缘 点被 提 取 连接 边 界 带 钢 的近 垂 直 边 界 在 某 个 狭 长 的 区 域 分 布 最 密 ， 因此 首 先 确 定 这 个 区域 ， 然 后 在 区 域 中使 用 基 于 梯度 的边界 跟 踪 方法 ， 可 以得到连 续 的边 界 对 于 近似水平 的带 钢 边 界 ， 也 可 作类似 处理 通 过 带 钢 边 缘 的检 测 ， 把 带 钢 边 缘 提 取 出 来 ， 也 就 完 成 的带 钢 图像 的分 割 边 缘 检 测 优 点 是可 以不考 虑 带钢 温度 的影 响 ， 因 为在 带 钢 温度 变 化 范 围 内 ， 带钢 的边 缘 总 是 存 在 的 梯 度 算子 边 缘 检 测 是 检 测 图像 局 部 显 著 变 化 的基 本 运 算 梯 度 是 函数 变 化 的一 种度 量 ， 而 一 幅 图像 可 以看做 是 图像 强度 连 续 函数 的取 样 点 阵列 ， 因 此 图像 灰 度 值 的显 著 变 化 可 用 梯 度 的离散 逼 近 函 数 来 检 测 ， 梯 度 是 一 阶 导 数 的二 维 等 效 式 ， 定 义 为 矢 量 、 ，卜 。 ，二〕一 影哥」 ’ 在 数字 图像 中 ， 常 用 差 分 来 代 替 微 分 ， 则 以 八未功一八 戈 一 少 ‘ 习卜必一月不少一 带钢 边 缘 检 测 带 钢 边 缘 检 测 的 目的是 把 带 钢 图像 从 背 景 中分 离 出来 ， 这 只 需把 带 钢 边 缘 找 出来 由于 实 时 处 理 ， 需要 减 少 实 际检 测 的工 作 量 梯 度 算 子 都涉 及 到 微 分 甚 至 二 阶微 分运 算 ， 计 算 量 较 大 ， 所 以需要对 算法 进 行 简化 考虑 到带 钢 边缘 的特 最 终测 量 精度评 价 准 则 图像 分 析 中 的一 个 基 本 问题 就 是 要 获 得 对 图像 中 目标特 征值 的精确 测 量 ， 在 带钢 质量 检测 中 ， 图像 处 理和 分 析过 程 是 影 响 目标特 征 值 精确 度 的一 个 主 要 因素 根据 对 一 些 准 则 的 比较 ， 最 终 测 量 精 度 田 俪 丫 简称 是 一 种 较 好 的测 度 ，， 最 终 测 量 精 度 是 围绕 图像 分 析 的最 终 目标 － 获 得 对 图像 中 目标 特 征 值 的精 确 测 量 而 提 出 的 ， 通 过 对 目标特 征值 的测 量 和 计 算 ， 根 据 其 反 映 的处 理质 量 而 对 处 理 算法做 出评 判 实际上 为 了描 述 目标 的不 同性质 ， 可 以在 最 终测 量 精度 · 的计 算 中选 用 不 同 的 目标特 征 ， 此 时 可 以 写 成 人 若 用凡代 表 从 作 为 参 考 的 图像 中获 得 的原 始特 征 量值 ， 则其 绝 对 差 和 相 对 差 可 由下 式计 算 一及

●368· 北京科技大学学报 2003年第4期 Rw=x100% (11) 分割图像得到的带宽Ru曲线. R 绝对差和相对差越小，说明处理效果越好，算法 从曲线图中可以看出，随着阙值的递增，带 性能越好 宽的R递减，但是当T(下阈值)=T(上阙值) =60时，R曲线在点380附近和点480附近向上 5实验和分析 跳跃，表示闽值为60时，带宽受干扰而开始变得 不稳定. 从热轧生产线采集到大量的图像，线阵CCD 对每一种阙值组合的Ra值作随机过程统计 的扫描频率为9.434kHz,带钢最大运行速度15 分析，求出其均值和标准方差如表1和表2所示. m/s,因此图像基本没有运动而造成的模糊.大量 表1不同蘭值组合的Ruw均值 的现场图像提供了第一手的实验和分析材料， Table 1 Ru average of different thresholds 带宽的测量是动态测量，是一个随机过程， T 所以它的UMA或者RMa也是一个随机过程，因 k 10 2030405060 此，可以采用随机过程的数据处理方法来分析所 1.06.693221.443000.615050.384230.271420.23712 测得的带宽数据，在实际的操作中，由于真值的 1.53.988520.762180.404350.264230.210680.23150 不可知性，可用满足规定准确度的量值（实际值） 2.02.794030.599810.319350.215720.201810.25282 代替真值.已知这些带钢的理论宽度值，而且采 2.52.299710.511740.269370.196880.214940.42008 集的图像样本是基于合格带钢的，即制造误差是 3.02.099960.454830.233370.187790.357761.12326 控制在一定范围内的.虽然实际的带宽值会与理 表2不同阔值组合的Ruu标准方差 论值有所差别，然而期望测出的带宽实际值接近 Table 2 RuMa standard deviation of different thresholds 理论宽度值，精确度接近理论精确度，所以可以 T k一 把带钢的理论宽度值作为Ra计算公式中的R, 102030405060 这样RuMa中就包含了带钢制造误差，Ruwa应尽量 1.01.491670.480530.228850.213860.198890.21093 接近制造误差， 1.51.052500.239780.217930.192870.174890.20252 2.00.843400.232100.203830.173950.155940.22466 所测量带钢的理论宽度值为294mm,除以分 2.50.730180.236010.194660.155420.163010.40220 辨率0.232，则R为1267像素，上差2.5mm,下差 3.00.693060.234840.184990.139210.337951.03378 1mm,理论Rwa的最大值为0.85%. 51不同阑值对带宽精确度的影响 取均值和方差最小的组合T=40,k=3,即下 设计了30种阙值方案，依次采用这30个方 阙值取40，上闽值取120来分割带钢图像，计算带 案，对25幅2048×1024×8bit的现场图像进行处 宽的效果将最佳，相对误差小于1%，其RM曲线 理，计算每一幅带钢宽度，得到一系列的测量值 如图6. S,根据式(1O)求得其R,绘出其Ru曲线，图5 1.0 是k=I时不同阙值的带宽Ra曲线图，即单阈值 0.8 10 0.6 0. 0. 2 0 200 400 600 800 0 200 400600 800 测量点 测量点 图6T,=40,k=3时的带宽Ru曲线 图5k=1不同阑值的带宽Ru曲线图 Fig.6 Bandwidth Ruma curve when T=40,k=3 Fig.5 Rox curves of bandwidth with different thresholds 5.2不同检测方法对带宽精确度的影响 when k=1 分别采用基于阈值的分割方法和基于边缘

一 北 京 科 技 大 学 学 报 年 第 ‘ 期 一旱 · ‘ 绝 对 差 和 相 对 差 越 小 ， 说 明处 理 效 果 越 好 ， 性 能越 好 算 法 实验和 分 析 从 热 轧 生 产 线 采 集 到 大量 的 图像 ， 线 阵 的扫 描 频 率 为 ， 带 钢 最 大 运行 速 度 巧 订 ， 因此 图像基本 没 有 运 动 而 造 成 的模糊 大量 的现 场 图像 提 供 了第 一 手 的实验 和 分 析 材 料 带 宽 的测 量 是 动 态 测 量 ， 是 一 个 随机 过 程 ， 所 以它 的 或 者 也 是 一 个 随机 过 程 ， 因 此 ， 可 以采用 随机过程 的数据 处 理方 法 来 分析 所 测 得 的带 宽数 据 在 实 际 的操 作 中 ， 由于 真 值 的 不 可 知性 ， 可 用满足 规 定 准确 度 的量值 实 际值 代 替真值 ‘ ， 己知 这 些 带 钢 的理论 宽度 值 ， 而 且 采 集 的 图像 样 本 是基 于 合格 带钢 的 ， 即制 造 误 差 是 控 制 在 一 定 范 围 内的 虽 然 实际 的带 宽值会 与理 论值 有所 差 别 ， 然 而 期 望 测 出 的带 宽实 际值接 近 理 论 宽度 值 ， 精确 度 接 近理 论 精 确 度 ， 所 以可 以 把 带 钢 的 理 论 宽度 值 作 为 计 算 公 式 中 的 ， 这 样 中就 包 含 了带 钢 制 造 误 差 ， 应 尽 量 接近 制 造误 差 所 测 量 带 钢 的理 论 宽度 值 为 ， 除 以分 辨 率 ， 则 为 像 素 ， 上 差 ， 下 差 们口， 理 论 ， 的最 大值 为 不 同 阑值 对 带 宽精确 度 的影 响 设 计 了 种 闽值 方案 ， 依 次采 用 这 个 方 案 ， 对 幅 的现 场 图像 进 行 处 理 ， 计 算 每一 幅带钢 宽度 ， 得 到 一 系 列 的测 量 值 ， 根 据 式 求 得 其尺川 ， 绘 出其 曲线 ， 图 是 时 不 同 闽值 的带 宽 曲线 图 ， 即 单 闽值 分 割 图像 得 到 的带 宽 曲线 从 曲线 图 中可 以看 出 ， 随着 闽值 的递 增 ， 带 宽 的 递 减 ， 但 是 当不 下 闽值 兀 上 闽值 时 ， 曲线在 点 附近和 点 附近 向上 跳跃 ， 表 示 阐值 为 时 ， 带 宽受 干 扰而 开 始 变得 不 稳 定 对 每 一 种 闽值 组合 的天川 值 作 随机过程统计 分 析 ， 求 出其 均值和 标准 方 差如表 和 表 所示 表 不 同 闭值组合 的 均 值 卿 厂 －表 不 同 闭值组合 的 标准方差 们 不 －取 均值 和 方 差 最 小 的组 合 ， ， 即下 闽值取 ，上 闽值取 来分 割带钢 图像 ， 计 算带 宽 的效 果 将 最 佳 ， 相 对 误 差 小于 ， 其 曲线 如 图 膺 膺 一 测 量 点 嘛测 量 点 图 不 同 闭值 的带宽 曲线 图 ， 图 ， 时 的 带 宽 曲线 明八 ， 不 同检 测 方 法 对 带 宽精 确 度 的 影 响 分 别 采 用 基 于 闽值 的分 割 方 法 和 基 于 边 缘

VoL25 No.4 李运祥等：热轧带钢在线测宽中的图像分割 ·369· 的分割方法计算带宽，根据上一步分析，使用效 表3动态和固定阈值的Ru均值和标准方差 果最好的阙值方案计算相应的R,其曲线图如 Table 3 Rux average and standard deviation of dynamic 图7.很明显，基于边缘检测分割的带宽Ru曲线 and fixed thresholds 虽然跟基于阙值分割的带宽Ruw曲线基本重合， 方法 均值 标准方差 但有时有很大跳跃，而且有很多处，这是因为边 动态最优双阙值 .0.22504 0.15822 缘检测算子对噪声敏感的原故，滤波并不能完全 固定最优双阑值 0.22984 0.16499 本身是一种运算量较大的算法，各种微分算子的 卷积运算也比较费时，这对实时检测是致命的， 所以，不宜采用边缘检测的方法来检测带宽、 20 如果能够选择合适的阈值，则基于阙值分割 边缘检测分割 的带宽检测方法性能优良，而且对于实时检测， 10 最佳城值 由于其算法十分简单，耗时很少，而具有很大优 势，虽然最优阙值的确定并不容易，但对于具体 0 的应用总能找到其合适的阈值，以满足实际需 0 200 400 600 800 要，在热轧带钢在线测宽的应用中，笔者通过实 测量点 验的办法，发现双阙值比单阅值好，动态阙值能 图7两种不同检测方法的带宽Ru曲线对照图 适应带钢温度的变化，在实际的应用中取得了良 Fig.7 Comparison of Rum curves of bandwidth obtained 好的效果. by two different methods 参考文献 消除噪声的干扰 1吴平川，路同浚，王炎，带钢表面自动检测系统研究 通过设置时间动态阅值来消除带钢温度的 现状与展望[).钢铁，2000,35(6：70 影响.对现场大量图像分析得到图像某一特征量 2章毓晋.图像工程（上）一图像处理和分析M.北 与最优双阙值的查找表，应用其对所有采集到的 京：清华大学出版社，1999 3章毓晋.图像工程（下）一图像理解与计算机视觉 现场图像进行处理，取得了良好的效果.动态和 [M.北京：清华大学出版社，2000 固定阚值的RuM均值和标准方差如表3所示， 4章毓晋.图像分割M.北京：科学出版社，2001 5.3结果评价 5阮秋琦.数字图像处理学M.北京：电子工业出版 经过以上实验分析，基于边缘检测方法受噪 社，2001 声的干扰，给最终目标特征量的精度带来不稳定 6费业泰.误差理论与数据处理M.北京：机械工业 的影响，滤波虽然可以减轻噪声的干扰，但滤波 出版社，2000 Image Segmentation in On-line Width Measurement of Hot Strip LI Yunxiang,DING Weixia,SU Lanhai,MA Xianghua Mechanical Engineering School,University of Science and Technology Beijing,Beijing 100083,China ABSTRACT Some algorithms about image processing and analysis in strip quality inspection were discussed. With plenty of strip images being captured from a hot-rolled steel strip line,evaluation and comparison to these al- gorithms were done with the rule of UMA(Ultimate Measurement Accuracy),which shows that the dynamic thresh- old image segmentation is the best and can be applied to the on-line width measurement of hot strip. KEY WORDS image segmentation;CCD;digital image processing;strip quality inspection system

匕 一 李 运祥 等 热 轧带 钢 在线 测 宽 中的 图像 分 割 一 的分 割 方 法 计 算 带 宽 ， 根 据 上 一 步分 析 ， 使 用 效 果 最 好 的 闽值 方 案 计 算 相 应 的 ， 其 曲线 图如 图 很 明显 ， 基 于 边 缘检测 分 割 的带 宽天川 人 曲线 虽 然 跟 基 于 闽值 分割 的带 宽 曲线基 本重 合 ， 但 有 时有 很大跳 跃 ， 而 且 有很 多处 ， 这 是 因为边 缘检测算子对 噪 声敏感 的原故 ， 滤波并不 能完全 表 动 态和 固 定 闭值 的 均 值 和 标 准 方 差 口加 方法 均值 动态最优双 闽值 固定 最优双 闽值 标 准 方差 测量 点 图 两种 不 同检测 方 法 的带 宽 曲线 对 照 图 、 劝 幻口 月 本 身是 一种 运 算量较 大 的算法 ， 各种微 分算 子 的 卷 积 运 算 也 比较 费 时 ， 这 对 实 时检 测 是 致 命 的 所 以 ， 不 宜 采用 边 缘 检 测 的方 法 来检 测 带 宽 如 果 能够 选 择 合 适 的 闭值 ， 则 基 于 阐值 分 割 的带 宽检 测 方 法 性 能优 良 ， 而 且 对 于 实 时检 测 ， 由于 其算 法 十 分 简单 ， 耗 时很 少 ， 而 具 有 很 大优 势 虽 然 最 优 闽值 的确 定 并不 容 易 ， 但 对 于 具 体 的应 用 总 能 找到 其 合 适 的 闽值 ， 以满 足 实 际 需 要 在 热 轧带钢 在 线测 宽 的应用 中 ， 笔 者通 过 实 验 的办法 ， 发现 双 闽值 比单 闽值 好 ， 动态 闽值 能 适应 带钢 温度 的变 化 ， 在 实 际 的应用 中取 得 了 良 好 的效 果 测分割基边缘检于 峥滩隔降厂 叫奎 参 考 文 献 消除噪 声 的干 扰 通 过 设 置 时 间动 态 闽值 来 消除 带钢 温 度 的 影 响 对现场 大量 图像分析得 到 图像某 一特 征量 与最优双 闽值 的查 找表 应用 其对 所有采集 到 的 现场 图像进 行处 理 ， 取 得 了 良好 的效果 动 态和 固定 闽值 的 均 值 和 标 准 方 差 如 表 所 示 结 果评 价 经 过 以上 实验 分 析 ， 基 于边 缘 检测方 法 受 噪 声 的干扰 ， 给最 终 目标特征量 的精度 带来 不稳 定 的影 响 ， 滤波虽 然 可 以减 轻 噪 声 的干扰 ， 但 滤波 吴平 川 ， 路 同浚 ， 王 炎 带钢 表 面 自动检测 系统研究 现 状 与展 望 钢 铁 ， ， 章毓 晋 图像工 程 上 － 图像处理 和 分 析 北 京 清华大学 出版社 ， 章毓晋 图像工 程 下 － 图像理解与计 算机视觉 【 北京 清华大学 出版社 ， 章毓晋 图像 分 割 北 京 科 学 出版 社 ， 阮秋 琦 数字 图像处 理 学 「〕 北 京 电子 工 业 出版 社 ， 费业泰 误 差 理论 与数据 处 理 北京 机械工 业 出版 社 ， 一 ， 乃心 肠众’， ’， 几侧 衣刁 ， ， ， 私 、 一 ， 、 ， 即 一 们 而 加