一种识别带钢瓢曲的方法
【技术领域】
[0001] 本发明涉及一种在线识别方法，尤其涉及一种用于在线识别带钢缺陷的方法。
【背景技术】
[0002] 冷轧带钢生产过程中，退火炉内的辊子的高速运行可能会导致高温下的带钢随机 出现瓢曲现象。瓢曲现象是钢板因横向和纵向都出现弯曲而形成的瓢状缺陷。瓢曲现象与 波浪现象属于同一性质的缺陷，统一称之为不平度。由于钢板的瓢曲现象是在密闭的退火 炉内发生的，并且在退火炉内的辊子数量较多，往往不容易发现薄钢带发生瓢曲现象的位 置所在，为此，想要分析瓢曲现象的原因也十分困难。瓢曲现象不仅会降低带钢成材率，损 坏生产线的机组设备，还会影响生产机组的稳定运行。
[0003] 目前，通常依靠人工观察来监测发现退火炉内在线带钢瓢曲现象，然而，人工监测 方法不仅费时费力，还会因工作人员的视疲劳而导致瓢曲现象的漏检和错检。
【发明内容】
[0004] 本发明的目的是提供一种识别带钢瓢曲的方法，该方法可以在线自动识别和定位 带钢的瓢曲缺陷，速度快，准确性高且便于操作。此外，采用本发明的识别带钢瓢曲的方法 能够提高钢板的成材率，延长生产线机组的使用寿命。
[0005] 为了实现上述目的，本发明提出了一种识别带钢瓢曲的方法，其包括如下步骤：
[0006] (1)获取带钢的原始图像；
[0007] (2)采用对比度拉伸的方法对原始图像进行增强处理；
[0008] (3)根据经过增强处理的图像获得边缘图像；
[0009] (4)对边缘图像进行霍夫变换，根据霍夫变换的结果判断图像中是否存有该种直 线：其与带钢边缘直线斜率近似相同，且其聚集在一窄范围内；如果存有该种直线，则判断 带钢发生了瓢曲，该种直线聚集的区域就是发生瓢曲的位置。
[0010] 在本发明的技术方案中，需要通过终端摄像/照相装置获取在密闭炉内的带钢的 图像信息，该装置可以设置于能够较为清楚地观察到炉内带钢在各个辊子上的板型的位置 处，例如，将若干个终端摄像/照相装置架设于炉各段的出口处，其架设高度可以略高于炉 内辊子的水平面，以便于终端摄像/照相装置能拍摄到清晰的带钢板型图像，从而为判断 带钢是否具有瓢曲缺陷提供准确的数据信息。更为有利的是，采用终端摄像装置对于带钢 进行拍摄，这样终端摄像装置还可以通过信号连线将动态的图像信息传输给显示装置，使 得工作人员获得连续的带钢图像，以便于其观察炉内的带钢板型的变化情况，从而及时有 效地对生产线进行调整。
[0011] 基于本发明的技术方案，所获得带钢原始图像需要采用对比度拉伸的方法对其进 行增强处理，使图像中大数值更大，小数值更小，进一步扩大图像的差异性，以增强带钢区 域的对比度，使得带钢图像的对比更为明显，从而达到提高图像清晰度的作用。由于从三维 立体到二维平面的投影成像过程中原始图像不可避免的会丢失一部分信息，另外，又由于 成像过程中的光照和噪声也是不可避免地会影响原始图像质量的因素，所以经增强处理后 的图像还需要通过边缘处理和霍夫变换后，才能为判断识别带钢是否出现了瓢曲缺陷以及 瓢曲位置提供有利的数据信息。
[0012] 根据霍夫变换的结果判断图像中是否存有与带钢边缘直线斜率近似相同的直线， 其判断机理在于：当图像中显示出来的直线与带钢边缘直线斜率近似相同时，该直线就表 征为沿着带钢的边缘方向延伸的褶皱，而这些褶皱就是由于带钢出现瓢曲缺陷而造成的。 与此同时，在某一区域内集中出现了这些直线，那么就可以合理判断该区域为发生瓢曲缺 陷所在的位置。
[0013] 霍夫变换的原理在于：就图像上的某一点（X。，y。）来说，过该点的直线有无数条， 这些直线都可以表示为y D = mxQ+b，其中，m是这些直线的斜率，而b则是这些直线的截距。 对于不同的111和13值，它们都满足等式y。= mxQ+b。然而,该等式也可以转换成b = _xQm+y。， 即在以（m，b)为坐标的参数平面上，此等式也表示为一条直线，其斜率为-x。，截距为y。。通 过以上分析表明，图像上的某一点（X。，y。)，可以通过等式y。= mxQ+b映射为以（m, b)为坐 标的参数平面上的一条斜率为-?，截距为h的直线，即为b = -x#+y。。另外，若图像上有 第二个点（Xl，yi)，那么其在以（m，b)为坐标的参数平面上也映射有一条对应的直线，即为 b = -Xim+yi，且这条直线与点（X。，y。）所对应的直线相交于（nv bD处。
[0014] 实际上，图像上所有与（X。，y。）和（Xl，yi)共线的点，它们在以（m，b)为坐标的参 数平面内所对应的直线都过点（mpbi)。利用这个性质，将寻找图像上共线的点转化为在以 (m，b)为坐标的在参数平面上寻找共点的直线，以大幅度地减少运算量。
[0015] 基于此，对于与Y轴平行的直线来说，由于其斜率为无穷大，无法用斜截式方程表 示。本本发明的技术方案中可以采用直线的极坐标方程r = x cos θ+y sin Θ来代替斜 截式方程。对于图像上中的一点（Xl，yi)，过（Xl， yi)的所有直线可以用极坐标表示为r = XiC〇s Θ +yiSin Θ。而在以（r, Θ )为坐标的参数空间中，r = XiC〇s Θ +yiSin Θ则表示一条 正弦曲线，在此情况下，图像上的一点（Xi, yj对应于以（r, Θ)为坐标的参数平面内的一 条正弦曲线。同时，在图像上共线的点在以（r，Θ)为坐标的参数平面内所对应的曲线将相 交于一点。霍夫变换就是通过这种点到线的变换，将寻找在图像上共线点转化为寻找在参 数空间上共点直线或共点曲线。
[0016] 工作人员可以根据上述技术方案所涉及的方法来快速、准确地判断炉内带钢是否 发生瓢曲缺陷，以及该瓢曲缺陷所发生的位置。
[0017] 进一步地，在本发明所述的识别带钢瓢曲的方法中，上述步骤（2)包括：
[0018] 将原始图像转换为灰度图像f(x，y)，其中，X和y表示图像像素坐标；
[0019] 采用对比度拉伸方法处理灰度图像f(x，y)，得到增强后的图像g(x，y)。
[0020] 为了降低运算量，提高判断瓢曲缺陷的速度，需要将带钢原始图像转换为灰度图 像f (X，y)，其中，X和y是图像像素坐标。
[0021] 同时，出于提高边缘检测效果的目的，则需要采用对比度拉伸方法处理图像f(x， y)。对比度拉伸方法的工作原理在于提高原始图像处理时灰度级的动态范围，即增强带钢 原始图像的对比度。f(x，y)表示为输入的原始图像，g(x，y)表示为输出的增强图像。
[0022] 更进一步地，在本发明所述的识别带钢瓢曲的方法中，采用对比度拉伸方法处理 灰度图像f (X，y)得到增强后的图像g(x，y)的变换函数为：
[0023]
[0024] 其中，Mf和Mg分别是输入的灰度图像f (x，y)和输出的增强图像g(x，y)的灰度 级；a、b是输入的灰度图像f(x，y)的两个像素值，c、d是输出的增强图像g(x，y)的两个像 素值，且c<a<b<d。
[0025] 基于上述技术方案，对比度拉伸其实就是将输入图像的像素值分成三段，其分别 为（0, a)、（a，b)、（b，Mf)，它们与输出图像的三段灰度值（0, c)、（c，d)、（d，Mg) -一对应， 两者的对应关系是线性的。因为c < a < b < d，输入图像的（a，b)段对应于输出图像的 (c，d)段，由此，较之于输入原始图像f (X，y)的灰度值，输出增强图像g(x，y)的灰度值变 大了。经过对比度拉伸方法处理后的带钢图像的对比度更加明显。带钢原始图像中表征瓢 曲缺陷的带钢部分的灰度值通常集中在灰度级的中间部分，采用对比度拉伸方法处理灰度 图像能够增强原始图像中带钢区域的对比度，有利于步骤（3)中的获得较好的边缘图像。 a、b、c和d以及Mf和Mg的取值则可以根据生产线的实施现场情况来确定。
[0026] 进一步地，在本发明所述的识别带钢瓢曲的方法中，步骤（3)包括：
[0027] 对经过增强处理的图像进行去噪，得到去噪后的图像fjx，y);
[0028] 计算图像中各像素的梯度幅值M[x，y]和梯度方向σ [χ，y];
[0029] 对梯度幅值M[x，y]进行非极大值抑制，得到非极大值抑制图像M' [x，y];
[0030] 对非极大值抑制图像M' [x，y]进行边缘检测和连接，得到边缘图像f2(x，y)。
[0031] 更进一步地，在本发明所述的识别带钢瓢曲的方法中，计算各像素的梯度幅值 Μ[X，y]和梯度方向σ [X，y]的步骤包括：
[0032] 针对去噪后的图像fi(X，y)，用一阶有限差分来计算X和y两个方向的偏导数 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] 然后计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] 更进一步地，在本发明所述的识别带钢瓢曲的方法中，对梯度幅值M[x，y]进行非 极大值抑制的步骤包括：将每个像素均与八邻域中沿着梯度方向的两个像素相比较：如果 该像素的M[x，y]不比沿梯度方向的两个相邻像素