数字图像处理在汽车轮胎X射线检测中的应用

摘要：将数字图像处理与X射线检测的相关理论应用于轮胎子午线检测图像中质量问题的研究,在轮胎子午线图像与模板图像进行匹配时,对匹配算法进行了深入的研究,提出一种”先全局扫描,后小范围区域扫描”的搜索策略。

关键词 数字图象处理；轮胎检测；图像匹配

子午线轮胎是橡胶行业的一项高精技术成果，由于它的节能，耐用，高速，安全，舒适等优点得到越来越多汽车厂商的青睐。但是，由于子午线轮胎对质量的要求很高，在制造过程中， 时常会出现帘线断裂，帘线稀，钢丝弯，帘线排列不均，帘布重叠，帘线断，胎里气泡，脱层，包布偏和反包低等质量问题，直接或间接影响产品质量，缩短轮胎使用寿命。所以摆在面前的主要任务是如何生产出高质量的子午线轮胎来满足日益发展的汽车运输业的要求。

X射线是被广泛应用于轮胎检测技术。X射线技术的形成已有近100年的历史，其原理也很容易理解，X射线源，探测器和电子元件也比较完善。在某一时刻X射线穿过轮胎的一个横截面,同时图像增强器将该截面内所包含的物体吸收过的X射线能量值记录下来。随着轮胎的转动，被检轮胎的每一个横截面被连续扫描，轮胎的所有截面吸收过的X射线能 量值都能被记录下来，这样就能得到从X射线源到图像增强器方向整个轮胎的投影图像，再经计算机图像处理，可检查出来轮胎是否合格。

1 图像的预处理

检测子午线有无质量问题，就要从图像中将子午线提取出来，在利用改进的图像匹配法检测轮胎子午线之前，首先要对图像进行一系列预处理，包括阈值变换，边缘检测，轮廓提取和种子填充四个步骤。

1.1 阈值变换

经过轮胎检测设备得到的轮胎子午线图像是一幅比较模糊的灰度图像,子午线轮廓并不是很清晰,如图1所示。所以必须先对其进行合适的阈值变换来去除背景，突出子午线。经过阈值变换后得到的结果如图2所示。

1.2 边缘检测算法

图像的边缘在数字图像中表现为灰度的变化，增强和检测边缘的方法就是梯度运算。我们在对轮胎子午线图像进行边缘检测时，主要是对各种边缘检测算子进行比较，并最终选择适合轮胎子午线检测的边缘检测算子。

通过研究比较，我们知道索贝尔算子是一阶微分方法。它通过梯度值来进行边缘检测，用此方法可以忽略细节，得到的边缘也较模糊，如图3所示。高斯-拉普拉斯算子是二阶微分方法，它是通过寻找二阶微分中的零穿越来检测边缘，用此方法得到的边缘较明显，在细节方面比索贝尔算子要好得多，如图4所示。

以下从左到右依次为图1，图2，图3，图4：

1.3 轮廓提取和种子填充算法

对轮胎子午线图像进行轮廓提取的目的是获得子午线的外部轮廓特征，应用一定的方法表达轮廓的特征，为子午线的形状分析作准备。二值图像轮廓提取的算法非常简单，就是掏空内部点，如果原图中有一点为黑，且它的8个相邻点都是黑色时，（此时该点是内部点）则将该点删除。对轮胎子午线图像进行轮廓提取后的结果如图5所示。

而种子填充算法是图形学中的算法，是轮廓提取算法的逆过程。种子填充算法首先假定封闭轮廓线内某点是已知的，然后开始搜索与种子点相邻且位于轮廓线内的点。如果相邻点不在轮廓线内，那么就到达轮廓线的边界；如果相邻点位于轮廓线之内，那么这一点就成为新的种子点，然后继续地搜索下去。对轮胎子午线图像进行种子填充后的结果如图6所示。

以下从左到右依次为图5，图6：

2

图像匹配

对轮胎子午线图像进行图像匹配是本课题的核心，匹配算法的好坏直接影响到检测系统的性能。而且这是一套在线实时检测系统，要在很短的时间内完成对图像的采集，处理，判别，这就要求图像处理的算法必须简洁，快速。在实际使用时最常用的是模板匹配和神经网络方法。当被检测对象要求检测精度高，同时被检测对象比较大时，神经网络法因其较大的计算量而难以达到实时性要求。这时一般都采用模板匹配这一传统的方法。然而针对一些要求既快速又准确的图像检测问题，该方法又常常显得过于简单和不足。本系统采用了一种改进的模板匹配算法，来满足实时性和精度的要求。

传统的模板匹配算法比较适用于目标识别和跟踪，而对于轮胎子午线图像很难得到理想的检测效果，主要体现在以下两个方面：

1）轮胎子午线检测系统需要很高的检测精度，传统的模板匹配不能达到所要求的精度。2）传统的模板匹配算法适用于模板图像较小，而轮胎子午线模板和被检测图像一样大。 我们经过试验证明，传统的模板匹配算法根本不适用于轮胎子午线图像检测系统。基本上所有的有缺陷的子午线轮胎经检测都是合格的，针对传统算法的不足，本系统采用了一种新的搜索算法，对被检测图像逐行进行扫描直至发现与模板图像不匹配的点时再进行小范围区域扫描，若与模板不匹配则停止扫描，否则继续进行全局扫描。

改进的模板匹配算法主要解决两个方面的问题，一方面要达到所需要的精度要求，另一方面要消除噪波的影响。

改进的模板匹配算法的步骤为

1）将被检测图像与模板图像进行匹配扫描，若发现不匹配点（i，j）转至步骤2，直至 扫描终止。

2）将此点作为起始点，搜索其周围10x10范围内的点，计算出其与对应模板区域的相似度。

3）取一不变阈值T

4）如果此小区域与模板的相似度T 则视为被检测图像与模板不匹配，扫描终止。 通过改变阈值T可以调整检测的精度，我们通过大量的实验确定了合适的阈值可以达到所需要的精度要求。

由于现场存在的各种干扰因素，轮胎子午线的图像信号往往会掺杂着很多噪波。在对图像进行预处理后只能消除一部分噪波的影响。因此在进行匹配时图像还是会存在一些噪波的影响，在图像中表现为很多小白色区域。

因为我们采用的是“先全局扫描，后小范围区域扫描“”的搜索策略，当找到不匹配点时，这个点可能是因为噪波的影响而产生的与模板不匹配。但是我们对其周围10x10范围进行区域扫描时，因为噪波的区域一般比较小，对相似度所产生的影响也就可以忽略不计了。所以，这种搜索策略可以消除噪波对图像匹配产生的影响。我们用 Visual C++编程实现了改进的图像匹配算法。程序运行的结果表明，改进的匹配算法能够很好地检测出轮胎子午线的各种质量问题，并且能够达到所需要的精度要求。

3 结论

通过对轮胎质量检测的研究，提出一种“先全局扫描，后小范围区域扫描”的图像匹配扫描策略，很好的解决了对子午线轮胎进行质量检测的问题。

参考文献

[1] Shi Xinhua. Improving Object Classification in X -ray Luggage Inspection [D]. Virginia: Blacksburg, 2000.

[2] 吴绍林. X-RA型X 射线探伤机在全钢子午线轮胎生产中的应用[J]. 橡胶技术与装备, 1994, 3, 49-.

[3] 金向宁. 子午线轮胎 X 射线检测设备的开发与研制[J]. 橡胶技术与装备, 1998, 24, 47-50.

[4] 朱秀昌, 刘峰, 胡栋. 数字图像处理与图像通信[M]. 北京: 北京邮电大学出版社, 2002, 43-66.

[5] 何斌等编著. VC++数字图像处理[M]. 北京: 人民邮电出版社, 2000.

X-ray Detection of Tyre with Digital Image Processing

Abstract: Based on the theory of digital image processing and X-ray detecting, the match algorithm of tyre meridian image and pattern plate image is studied, the search strategy of “first scanning globally then locally” is presented.

Keyword: digital image processing; tyre detecting; image match