一種識別帶鋼瓢曲的方法
【技術領域】
[0001] 本發明涉及一種在線識別方法，尤其涉及一種用于在線識別帶鋼缺陷的方法。
【背景技術】
[0002] 冷軋帶鋼生產過程中，退火爐內的輥子的高速運行可能會導致高溫下的帶鋼隨機 出現瓢曲現象。瓢曲現象是鋼板因橫向和縱向都出現彎曲而形成的瓢狀缺陷。瓢曲現象與 波浪現象屬于同一性質的缺陷，統一稱之為不平度。由于鋼板的瓢曲現象是在密閉的退火 爐內發生的，并且在退火爐內的輥子數量較多，往往不容易發現薄鋼帶發生瓢曲現象的位 置所在，為此，想要分析瓢曲現象的原因也十分困難。瓢曲現象不僅會降低帶鋼成材率，損 壞生產線的機組設備，還會影響生產機組的穩定運行。
[0003] 目前，通常依靠人工觀察來監測發現退火爐內在線帶鋼瓢曲現象，然而，人工監測 方法不僅費時費力，還會因工作人員的視疲勞而導致瓢曲現象的漏檢和錯檢。
【發明內容】
[0004] 本發明的目的是提供一種識別帶鋼瓢曲的方法，該方法可以在線自動識別和定位 帶鋼的瓢曲缺陷，速度快，準確性高且便于操作。此外，采用本發明的識別帶鋼瓢曲的方法 能夠提高鋼板的成材率，延長生產線機組的使用壽命。
[0005] 為了實現上述目的，本發明提出了一種識別帶鋼瓢曲的方法，其包括如下步驟：
[0006] (1)獲取帶鋼的原始圖像；
[0007] (2)采用對比度拉伸的方法對原始圖像進行增強處理；
[0008] (3)根據經過增強處理的圖像獲得邊緣圖像；
[0009] (4)對邊緣圖像進行霍夫變換，根據霍夫變換的結果判斷圖像中是否存有該種直 線：其與帶鋼邊緣直線斜率近似相同，且其聚集在一窄范圍內；如果存有該種直線，則判斷 帶鋼發生了瓢曲，該種直線聚集的區域就是發生瓢曲的位置。
[0010] 在本發明的技術方案中，需要通過終端攝像/照相裝置獲取在密閉爐內的帶鋼的 圖像信息，該裝置可以設置于能夠較為清楚地觀察到爐內帶鋼在各個輥子上的板型的位置 處，例如，將若干個終端攝像/照相裝置架設于爐各段的出口處，其架設高度可以略高于爐 內輥子的水平面，以便于終端攝像/照相裝置能拍攝到清晰的帶鋼板型圖像，從而為判斷 帶鋼是否具有瓢曲缺陷提供準確的數據信息。更為有利的是，采用終端攝像裝置對于帶鋼 進行拍攝，這樣終端攝像裝置還可以通過信號連線將動態的圖像信息傳輸給顯示裝置，使 得工作人員獲得連續的帶鋼圖像，以便于其觀察爐內的帶鋼板型的變化情況，從而及時有 效地對生產線進行調整。
[0011] 基于本發明的技術方案，所獲得帶鋼原始圖像需要采用對比度拉伸的方法對其進 行增強處理，使圖像中大數值更大，小數值更小，進一步擴大圖像的差異性，以增強帶鋼區 域的對比度，使得帶鋼圖像的對比更為明顯，從而達到提高圖像清晰度的作用。由于從三維 立體到二維平面的投影成像過程中原始圖像不可避免的會丟失一部分信息，另外，又由于 成像過程中的光照和噪聲也是不可避免地會影響原始圖像質量的因素，所以經增強處理后 的圖像還需要通過邊緣處理和霍夫變換后，才能為判斷識別帶鋼是否出現了瓢曲缺陷以及 瓢曲位置提供有利的數據信息。
[0012] 根據霍夫變換的結果判斷圖像中是否存有與帶鋼邊緣直線斜率近似相同的直線， 其判斷機理在于：當圖像中顯示出來的直線與帶鋼邊緣直線斜率近似相同時，該直線就表 征為沿著帶鋼的邊緣方向延伸的褶皺，而這些褶皺就是由于帶鋼出現瓢曲缺陷而造成的。 與此同時，在某一區域內集中出現了這些直線，那么就可以合理判斷該區域為發生瓢曲缺 陷所在的位置。
[0013] 霍夫變換的原理在于：就圖像上的某一點（X。，y。）來說，過該點的直線有無數條， 這些直線都可以表示為y D = mxQ+b，其中，m是這些直線的斜率，而b則是這些直線的截距。 對于不同的111和13值，它們都滿足等式y。= mxQ+b。然而,該等式也可以轉換成b = _xQm+y。， 即在以（m，b)為坐標的參數平面上，此等式也表示為一條直線，其斜率為-x。，截距為y。。通 過以上分析表明，圖像上的某一點（X。，y。)，可以通過等式y。= mxQ+b映射為以（m, b)為坐 標的參數平面上的一條斜率為-?，截距為h的直線，即為b = -x#+y。。另外，若圖像上有 第二個點（Xl，yi)，那么其在以（m，b)為坐標的參數平面上也映射有一條對應的直線，即為 b = -Xim+yi，且這條直線與點（X。，y。）所對應的直線相交于（nv bD處。
[0014] 實際上，圖像上所有與（X。，y。）和（Xl，yi)共線的點，它們在以（m，b)為坐標的參 數平面內所對應的直線都過點（mpbi)。利用這個性質，將尋找圖像上共線的點轉化為在以 (m，b)為坐標的在參數平面上尋找共點的直線，以大幅度地減少運算量。
[0015] 基于此，對于與Y軸平行的直線來說，由于其斜率為無窮大，無法用斜截式方程表 示。本本發明的技術方案中可以采用直線的極坐標方程r = x cos θ+y sin Θ來代替斜 截式方程。對于圖像上中的一點（Xl，yi)，過（Xl， yi)的所有直線可以用極坐標表示為r = XiC〇s Θ +yiSin Θ。而在以（r, Θ )為坐標的參數空間中，r = XiC〇s Θ +yiSin Θ則表示一條 正弦曲線，在此情況下，圖像上的一點（Xi, yj對應于以（r, Θ)為坐標的參數平面內的一 條正弦曲線。同時，在圖像上共線的點在以（r，Θ)為坐標的參數平面內所對應的曲線將相 交于一點。霍夫變換就是通過這種點到線的變換，將尋找在圖像上共線點轉化為尋找在參 數空間上共點直線或共點曲線。
[0016] 工作人員可以根據上述技術方案所涉及的方法來快速、準確地判斷爐內帶鋼是否 發生瓢曲缺陷，以及該瓢曲缺陷所發生的位置。
[0017] 進一步地，在本發明所述的識別帶鋼瓢曲的方法中，上述步驟（2)包括：
[0018] 將原始圖像轉換為灰度圖像f(x，y)，其中，X和y表示圖像像素坐標；
[0019] 采用對比度拉伸方法處理灰度圖像f(x，y)，得到增強后的圖像g(x，y)。
[0020] 為了降低運算量，提高判斷瓢曲缺陷的速度，需要將帶鋼原始圖像轉換為灰度圖 像f (X，y)，其中，X和y是圖像像素坐標。
[0021] 同時，出于提高邊緣檢測效果的目的，則需要采用對比度拉伸方法處理圖像f(x， y)。對比度拉伸方法的工作原理在于提高原始圖像處理時灰度級的動態范圍，即增強帶鋼 原始圖像的對比度。f(x，y)表示為輸入的原始圖像，g(x，y)表示為輸出的增強圖像。
[0022] 更進一步地，在本發明所述的識別帶鋼瓢曲的方法中，采用對比度拉伸方法處理 灰度圖像f (X，y)得到增強后的圖像g(x，y)的變換函數為：
[0023]
[0024] 其中，Mf和Mg分別是輸入的灰度圖像f (x，y)和輸出的增強圖像g(x，y)的灰度 級；a、b是輸入的灰度圖像f(x，y)的兩個像素值，c、d是輸出的增強圖像g(x，y)的兩個像 素值，且c<a<b<d。
[0025] 基于上述技術方案，對比度拉伸其實就是將輸入圖像的像素值分成三段，其分別 為（0, a)、（a，b)、（b，Mf)，它們與輸出圖像的三段灰度值（0, c)、（c，d)、（d，Mg) -一對應， 兩者的對應關系是線性的。因為c < a < b < d，輸入圖像的（a，b)段對應于輸出圖像的 (c，d)段，由此，較之于輸入原始圖像f (X，y)的灰度值，輸出增強圖像g(x，y)的灰度值變 大了。經過對比度拉伸方法處理后的帶鋼圖像的對比度更加明顯。帶鋼原始圖像中表征瓢 曲缺陷的帶鋼部分的灰度值通常集中在灰度級的中間部分，采用對比度拉伸方法處理灰度 圖像能夠增強原始圖像中帶鋼區域的對比度，有利于步驟（3)中的獲得較好的邊緣圖像。 a、b、c和d以及Mf和Mg的取值則可以根據生產線的實施現場情況來確定。
[0026] 進一步地，在本發明所述的識別帶鋼瓢曲的方法中，步驟（3)包括：
[0027] 對經過增強處理的圖像進行去噪，得到去噪后的圖像fjx，y);
[0028] 計算圖像中各像素的梯度幅值M[x，y]和梯度方向σ [χ，y];
[0029] 對梯度幅值M[x，y]進行非極大值抑制，得到非極大值抑制圖像M' [x，y];
[0030] 對非極大值抑制圖像M' [x，y]進行邊緣檢測和連接，得到邊緣圖像f2(x，y)。
[0031] 更進一步地，在本發明所述的識別帶鋼瓢曲的方法中，計算各像素的梯度幅值 Μ[X，y]和梯度方向σ [X，y]的步驟包括：
[0032] 針對去噪后的圖像fi(X，y)，用一階有限差分來計算X和y兩個方向的偏導數 Gx(x, y)和 Gy(x, y):
[0033] Gx(x,y) = (x+1, y)(x, y)(x+1, y+1)(x, y+1) ]/2
[0034] Gy(x,y) = (x, y+1)(x,, y)(x+1, y+1)(x,+1, y) ]/2
[0035] 然后計算各像素的梯度幅值M[x，y]和梯度方向σ [x，y]:
[0036]
[0037] σ [χ，y] = arctan(Gx(x，y)/Gy(x，y))。
[0038] 更進一步地，在本發明所述的識別帶鋼瓢曲的方法中，對梯度幅值M[x，y]進行非 極大值抑制的步驟包括：將每個像素均與八鄰域中沿著梯度方向的兩個像素相比較：如果 該像素的M[x，y]不比沿梯度方向的兩個相鄰像素