前言
    焊接生產(chǎn)自動(dòng)化、智能化已經(jīng)成為焊接技術(shù)發(fā)展的重要方向。在焊接智能化過程中，傳感器的應(yīng)用是關(guān)鍵技術(shù)之一，其中光學(xué)傳感器跟蹤精度高，動(dòng)態(tài)響應(yīng)快，信息豐富，是目前研究最多的傳感器之一。圖像傳感具有非接觸性的特點(diǎn)且受焊接電弧、電磁場(chǎng)干擾小，在焊接領(lǐng)域得到了廣泛應(yīng)用，為實(shí)現(xiàn)焊接操作自動(dòng)化提供了有力手段。CCD等視覺傳感器的小巧體積和低廉價(jià)格也使得其工業(yè)應(yīng)用成為可能。目前視覺傳感和圖像處理技術(shù)已廣泛應(yīng)用到焊縫識(shí)別、熔池動(dòng)態(tài)智能控制、焊縫跟蹤、預(yù)測(cè)焊接組織、結(jié)構(gòu)及性能等方面[1-3]。
   要想利用視覺技術(shù)識(shí)別焊縫或提取熔池特征進(jìn)行焊縫跟蹤、熔透控制等，其中一個(gè)重要的步驟就是提取焊縫或者熔池的特征參數(shù)。如在一幅工件圖像上，焊縫和形成焊縫的工件的灰度是不連續(xù)的，因此，在工件圖像上焊縫表現(xiàn)為一條邊緣。對(duì)于熔池圖像，熔池和電弧的灰度差別也體現(xiàn)在圖像邊緣上，反應(yīng)了熔池的形狀特征。故邊緣是一個(gè)重要的特征量。Poggio等[4]定義邊緣檢測(cè)為“主要是灰度變化的度量、檢測(cè)和定位”。邊緣與圖像中物體的邊界有關(guān)但不同。要利用光學(xué)傳感和圖像處理技術(shù)來進(jìn)行焊接智能化，焊縫或熔池邊緣的提取是一個(gè)必須的過程。
   1959年,文獻(xiàn)上最早提到邊緣檢測(cè)[5]。1965年L. G. Roberts最早開始系統(tǒng)研究邊緣檢測(cè)［6］。以后每年都會(huì)出現(xiàn)很多關(guān)于邊緣檢測(cè)的文章，重要的文章大都發(fā)表在IEEE Trans. On Pattern Analysis and Machine Intelligence，CVGIP: Image Processing，IEEE Trans. On Image Processing，Journal of the ACM等上。盡管已有成千上萬的邊緣檢測(cè)方法，但是沒有一種方法具有通用性和廣泛的適應(yīng)性，能直接拿來用在某種特定的應(yīng)用上，因此探索已有算法的特點(diǎn)發(fā)現(xiàn)適合焊接特點(diǎn)的算法和發(fā)展新的算法來用于焊接過程具有一定的現(xiàn)實(shí)意義。
1.焊縫邊緣類型特點(diǎn)分析
    在圖像處理理論中[7]，圖像邊緣點(diǎn)可能對(duì)應(yīng)不同的物理意義。根據(jù)對(duì)應(yīng)的不同物理意義可以將邊緣分為如下4類(如下圖)：

（1）1類邊緣。如圖1中標(biāo)為1的邊緣線，1類邊緣為兩個(gè)不同曲面的或平面的交線，該點(diǎn)處物體表面的法線方向不連續(xù)，在1類邊緣線的兩邊，圖像的灰度值有顯著得變化。
（2）2類邊緣。2類邊緣線是由材料類型不同或顏色差異產(chǎn)生的。上圖中由兩種不同材料組成，由于它們對(duì)光的反射系數(shù)不同，使2邊緣線的兩側(cè)灰度有顯著變化。
（3）3類邊緣。3類邊緣線是物體與背景的分界線。如上圖中圓柱上有兩條3類邊緣線，一般稱為外輪廓線。在3類邊緣點(diǎn)上，三維物體表面的法線方向是連續(xù)的，出現(xiàn)邊緣點(diǎn)是由于從一定視角看物體時(shí)，3類邊界點(diǎn)是物體與背景的交界處。由于物體與背景在光照條件與材料反射系數(shù)等方面差異很大，因此在3類邊緣兩側(cè)，圖像的灰度也有顯著變化。圖中標(biāo)以3′的邊緣，既是物體與背景的交界處，也是物體上表面法線的不連續(xù)處，但引起它兩側(cè)灰度躍變的原因是前者。　
（4）4類邊緣。4是陰影引起的邊緣。由于物體表面某一部分被另一物體遮擋，使它得不到光源的照射，從而引起邊緣點(diǎn)兩側(cè)灰度值有較大的差異。
  對(duì)于焊前的接縫而言，無論是對(duì)接焊縫、帶坡口的焊縫或者搭接的焊縫都表現(xiàn)為兩個(gè)明顯的邊緣，對(duì)搭接而言可以看作是邊緣的重疊。而對(duì)于焊接熔池表現(xiàn)為一個(gè)明顯的邊緣輪廓，對(duì)應(yīng)于熔池形狀。同時(shí)焊接環(huán)境較為復(fù)雜，比如焊件表面的不一致性（劃痕、氧化色、標(biāo)記、油污等等），又如弧光的干擾。對(duì)于像鋁這樣的強(qiáng)反射工件，還存在光的反射，焊槍等的倒影問題，使得識(shí)別異常困難。分析焊縫和熔池的這些特點(diǎn)，可以看出焊接環(huán)境的邊緣包括上述的2，3，4類邊緣。在選用和提出新的邊緣提取算法時(shí)必須考慮這些因素的影響。
2.常用的邊緣提取算法及其在焊接環(huán)境識(shí)別中的適用性
    如前所述，邊緣提取的方法粗略可以分為梯度檢測(cè)法（如Roberts算子、Prewitt算子和Sobel算子等）、二階導(dǎo)數(shù)零交叉點(diǎn)檢測(cè)法、統(tǒng)計(jì)型方法、小波多尺度檢測(cè)、模糊數(shù)學(xué)方法，還有數(shù)學(xué)形態(tài)學(xué)、神經(jīng)網(wǎng)絡(luò)、邊緣流法等檢測(cè)方法。這么多算法只有針對(duì)特定的應(yīng)用領(lǐng)域時(shí)才能說哪種更好。1986年Canny[8]總結(jié)了以往理論和實(shí)踐的成果,提出邊緣檢測(cè)Canny三準(zhǔn)則:好的檢測(cè)結(jié)果,好的定位還有對(duì)單一邊緣低重復(fù)響應(yīng)，并給出了他們的數(shù)學(xué)表達(dá)式。下面結(jié)合焊接環(huán)境的特點(diǎn)，分析現(xiàn)有的邊緣提取算法對(duì)焊接環(huán)境識(shí)別的適用性。
2.1微分算子
2.1.1梯度算子
    梯度對(duì)應(yīng)于一階導(dǎo)數(shù)，相應(yīng)的梯度算子就對(duì)應(yīng)于一階導(dǎo)數(shù)算子。對(duì)于一個(gè)連續(xù)函數(shù)f(x,y)，其在(x,y)處的梯度定義如下：

    梯度是一個(gè)矢量，其幅值和相位分別為：

    該算法需要對(duì)每一個(gè)象素位置進(jìn)行計(jì)算，這樣運(yùn)算量很大，實(shí)際中常常采用小模板利用卷積運(yùn)算近似，Gx和Gy各自使用一個(gè)模板。常用的模板是Robert算子，較為復(fù)雜的常用模板有Prewitt算子、Sobel算子、Kirsch算子。而這幾種算子中其好壞取決于噪聲的結(jié)構(gòu)，如果在每個(gè)點(diǎn)噪聲都是相同的，那么Prewitt算子是比較好的，如果靠近邊緣的噪聲是沿著邊緣的2倍，那么Sobel算子是比較好的。
    這樣梯度算子考慮了幅度和方向兩個(gè)參數(shù)。而在焊接環(huán)境的識(shí)別中，我們希望實(shí)時(shí)獲得焊縫的信息，同時(shí)又希望能預(yù)測(cè)下面焊縫前進(jìn)的方向。所以梯度算子給我們提供了一種可行的方法。但是梯度算子對(duì)噪聲敏感，這對(duì)于復(fù)雜的焊接環(huán)境來說，會(huì)識(shí)別出很多偽邊緣。因此單獨(dú)采用梯度算子對(duì)焊縫邊緣提取效果不理想�？梢酝ㄟ^先對(duì)圖像做平滑以改善結(jié)果，會(huì)把一些靠在一起的邊緣平滑掉，而且會(huì)影響對(duì)邊緣的定位。用這些模板卷積后得到的邊緣可能是跨躍好幾個(gè)點(diǎn)而不是一個(gè)點(diǎn)，因此應(yīng)該同時(shí)考慮兩個(gè)因素，邊緣像素不只是要大于閥值，而且在梯度方向上梯度的大小要大于它的前者和它的后者，這個(gè)方法稱之為非極值抑制。
2.1.2 Laplacian算子
    Laplacian算子是一種二階微分算子，其在數(shù)字圖像中的一般表示形式是：

    其中 s 是以 f(m,n)為中心的鄰點(diǎn)的集合，可是4或8鄰點(diǎn)�？芍苯右�作為邊緣象素灰度，也可把的象素作為邊緣。
    梯度算子和 Laplacian 算子對(duì)噪聲都比較敏感。對(duì)此可以在做邊緣提取前先用鄰域平均法做平滑處理，同時(shí)可以用高斯形二維低通濾波器對(duì)圖像進(jìn)行濾波，然后再作Laplacian邊緣提取。這就是常用的Laplacian-Gauss算子。 在焊接工件上有很多噪聲點(diǎn)，而微分運(yùn)算對(duì)那些孤立的噪聲點(diǎn)有“擴(kuò)散”作用，尤其是Laplacian算子，不但擴(kuò)散而且強(qiáng)度顯著增大。所以在微分算子檢測(cè)邊緣之前最好清除噪聲。而對(duì)于對(duì)接的焊縫，當(dāng)間隙較小時(shí)其邊緣特征顯示為細(xì)直線，微分運(yùn)算后會(huì)變寬。由于梯度算子可以檢測(cè)圖像邊緣的方向，更適合于焊接環(huán)境的識(shí)別。 2.2 小波多尺度邊緣檢測(cè)方法[9][10]
    小波變換可以通俗的理解為：將原始的信號(hào)和小波函數(shù)的左端進(jìn)行比較，求出兩個(gè)函數(shù)的相似性系數(shù)，然后將小波函數(shù)右移一個(gè)小波函數(shù)的距離，進(jìn)行比較和計(jì)算，直至完成整個(gè)信號(hào)的運(yùn)算；這樣得到一個(gè)尺度下的小波系數(shù)。將小波函數(shù)膨脹，重復(fù)上述過程，得到一系列尺度下的小波系數(shù)。圖像中的突變點(diǎn)是分析圖像時(shí)的關(guān)鍵特征，通常就是感興趣的邊緣特征。邊緣檢測(cè)就是從小波系數(shù)的變化梯度方向上找到階躍的突變點(diǎn)。為了檢測(cè)到圖像中大目標(biāo)結(jié)構(gòu)的邊緣和細(xì)節(jié)特征，研究者提出了多尺度邊緣檢測(cè)的概念，即在大尺度上檢測(cè)出目標(biāo)的大邊緣，在小尺度上檢測(cè)到目標(biāo)細(xì)節(jié)。相關(guān)理論可參見文獻(xiàn)[9][10]。該方法是當(dāng)前圖像處理中的熱點(diǎn)之一，具有較好的發(fā)展前途。已有文獻(xiàn)將其應(yīng)用到焊接熔池圖像的處理中[10]。
    對(duì)焊接環(huán)境來講，該方法具有較好的適應(yīng)性，可以對(duì)工件或者熔池從大尺度上搜索出目標(biāo)，然后提取出感興趣的細(xì)節(jié)。
2.3 數(shù)學(xué)形態(tài)學(xué)方法[11]
     數(shù)學(xué)形態(tài)學(xué)是研究數(shù)字影像形態(tài)結(jié)構(gòu)特征與快速并行處理方法的理論，是通過對(duì)目標(biāo)影像的形態(tài)變換實(shí)現(xiàn)結(jié)構(gòu)分析和特征提取的目的。數(shù)學(xué)形態(tài)學(xué)以圖像的形態(tài)特征為研究對(duì)象，它的主要內(nèi)容是設(shè)計(jì)一整套概念、變換和算法，用來描述圖像的基本特征和基本結(jié)構(gòu)，也就是描述圖像中元素與元素、部分與部分間的關(guān)系。圖像中對(duì)象及圖像特征直接取決于形狀，數(shù)學(xué)形態(tài)學(xué)的目的是在時(shí)域空間研究形狀，所以形態(tài)學(xué)適用于圖像處理。形態(tài)運(yùn)算中的腐蝕、膨脹、開、閉是基于集合的運(yùn)算。在這些運(yùn)算中結(jié)構(gòu)元素具有非常關(guān)鍵的作用，它調(diào)整圖像特征變換的幾何結(jié)構(gòu)。借助形態(tài)運(yùn)算可以引入圖像邊緣檢測(cè)算子。數(shù)學(xué)形態(tài)學(xué)中的膨脹和腐蝕運(yùn)算有著很直觀的幾何背景,它們可以使被處理的圖像在一定方向上增厚或減薄,原圖像與這兩種運(yùn)算的差則可以用作全方位的邊緣檢測(cè),即或便可檢出圖像的邊緣。此外，形態(tài)學(xué)方法還可以通過自適應(yīng)方法對(duì)所獲圖像邊緣進(jìn)行修正，逐步調(diào)整結(jié)構(gòu)元素窗口尺寸，達(dá)到有效增強(qiáng)模糊邊緣并適當(dāng)消除噪聲影響的目的。
2.4亞象素邊緣檢測(cè)算法
    上述這些邊緣檢測(cè)算法都是在象素級(jí)上進(jìn)行，亞象素邊緣檢測(cè)是指將邊緣附近的象素分解，從而精確確定邊緣所在。亞象素邊緣檢測(cè)將圖像數(shù)據(jù)映射到有9個(gè)參數(shù)構(gòu)成的Hilbert空間，從而確定邊緣參數(shù)。Ghosal和Mehrotal首次提出了利用Zernike矩（Zernike Moments ZMs）來檢測(cè)亞象素邊緣，在他們的算法中對(duì)邊緣建立了理想的階躍灰度模型，通過計(jì)算圖像的三個(gè)不同階次的ZMs，把理想階躍灰度模型的4個(gè)參數(shù)映射到三個(gè)ZMs中，再通過這三個(gè)ZMs來計(jì)算出邊緣所在直線的參數(shù)，從而確定出邊緣的亞象素級(jí)坐標(biāo)。李金泉[12]對(duì)ZMs算法進(jìn)行了較為深入的研究，并指出其不足之處并提出了相應(yīng)的改進(jìn)算法，將其應(yīng)用于焊縫識(shí)別中，檢測(cè)的邊緣具有精度高、自細(xì)化邊緣和抗干擾性強(qiáng)等優(yōu)點(diǎn)。
3.結(jié)論
   大多數(shù)焊縫的方向變化不會(huì)太劇烈，都是連續(xù)的直線或者曲線。在局部小的范圍內(nèi)可以看作是兩條平行的直線。因此在焊接環(huán)境識(shí)別時(shí)可以通過尋找直線的方法來檢測(cè)焊縫。在這些已有算法中，梯度算子可以檢測(cè)焊縫的邊緣同時(shí)還可以對(duì)方向進(jìn)行預(yù)測(cè)，這樣實(shí)時(shí)圖像處理的同時(shí)還可以預(yù)測(cè)焊縫前進(jìn)的方向，較適合于焊接環(huán)境的識(shí)別。但微分算子抗干擾性差，對(duì)于復(fù)雜的焊接環(huán)境來講，不能直接拿來應(yīng)用，當(dāng)加以改進(jìn)和結(jié)合其它算法。小波多尺度、形態(tài)學(xué)邊緣檢測(cè)算法等是該領(lǐng)域研究熱點(diǎn)之一，其特點(diǎn)適合于復(fù)雜的焊接環(huán)境識(shí)別，應(yīng)加以深入研究。一些亞象素檢測(cè)算法能夠獲得更為精確的檢測(cè)結(jié)果，是提高圖像處理精確度和焊接結(jié)果的努力方向之一。邊緣檢測(cè)方法數(shù)不勝數(shù)，都有其特定的適用范圍，在選用或者開發(fā)新的算法時(shí)，一定要考慮焊接本身的特點(diǎn)。