空域滤波和频域滤波下识别胶带纵向撕裂图像的比较

开篇：润墨网以专业的文秘视角，为您筛选了一篇空域滤波和频域滤波下识别胶带纵向撕裂图像的比较范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要：针对带式输送机胶带纵向撕裂故障，本文使用千兆网工业高速相机拍摄图像并将每一帧图像传送至PC机，在PC机里完成对图像是否发生撕裂的情况进行识别。本文是研究在空域和频域中对传至PC机中的图像进行处理结果的比较， 进而得出胶带撕裂检测的最佳方法，并用C#语言在Visual Studio下编写图像的采集、处理、时频转换以及识别的程序。

关键词：撕裂检测 时频转换 识别

中图分类号：TD528.1 文献标识码：A 文章编号：1007-9416（2013）08-0222-02

带式输送机是煤矿最理想的高效连续运输设备，与其他运输设备（如机车类）相比，具有输送距离长、运量大、连续输送等优点，而且运行可靠，易于实现自动化和集中化控制，尤其对高产高效矿井，带式输送机已成为煤炭开采机电一体化技术与装备的关键设备。然而，由于胶带长期运转及各种意外因素，胶带纵向撕裂事故时有发生，如果不能及时停住胶带，就会使胶带持续损坏，严重时还会毁坏机架、减速器、电动机等相关设备，甚至人员伤亡。故胶带纵向撕裂检测尤为重要。图1为本系统的示意图，在光源的照射下，工业相机将拍摄到的胶带照片通过千兆网线传至计算机中，并在计算机中完成图像的识别，进而得出是否撕裂的结果。

1 系统软硬件设计

本系统硬件是由CCD千兆网工业高速相机与PC机组成，由工业相机将待识别的胶带图像传至PC机中，在PC机中完成图像的识别过程。井下光线暗，不便相机的拍摄，需借助固定光源、以及测量光强的测光仪。软件使用Visual Studio，将图像传至由C#编写好的程序中完成空域频域的识别过程。

由于井下环境恶劣，传输数据量大距离长，而且胶带运转速度快，因此硬件使用CCD千兆网工业高速相机可以较好的解决以上问题，使照片更清晰、传输数据更稳定。

2 图像处理

首先将图像传送到PC机中，之后进行图像锐化，本系统采用的是Sobel算子来进行图像锐化，通过Sobel算子图像锐化后，所提取的图像细节轮廓会相对明显一些；接着进行阈值分割及二值化，对于本系统而言，最终的图像为黑白两色，即灰度值为0和255，由于胶带撕裂会使胶带反光，故会显示为白色，而背景胶带则显示为黑色。阈值的选取通过做实验获得，经实验过后选取40作为阈值图像效果最佳。之后经过空域和频域分别过滤得出最终结果。如图2为程序的流程图。

图像锐化的主要目的有两个：（1）增强图像边缘，使模糊的图像变得更加清晰，颜色变得鲜明突出，图像的质量有所改善，产生更适合人眼观察和识别的图像。（2）希望通过锐化处理后，目标物体的边缘鲜明，以便于提取目标的边缘、对图像进行分割、目标区域识别、区域形状提取等，进一步的图像理解与分析奠定基础。

图像增强：增强图像中的有用信息，它可以是一个失真的过程，其目的是要改善图像的视觉效果，针对给定图像的应用场合，有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。图像增强可分成两大类：频率域法和空间域法。前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。具有代表性的空间域算法有局部求平均值法和中值滤波（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。

（1）空域滤波。在空域滤波中，包括有均值滤波与中值滤波，均值滤波属于线性滤波方法，中值滤波属于非线性滤波方法。他们都属于空间域内平滑方法。对于给定的图像f（x，y）中的每个像素点（x，y），取其邻域Sxy，设Sxy含有M个像素，取其平均值作为处理后所得图像像素点（x，y）处的灰度值，该方法称为均值滤波方法；而取其中间值作为处理后所得图像像素点（x，y）处的灰度，该方法称为中值滤波。

均值滤波方法能有力地抑制噪声，但同时也由于平均而引起了模糊现象，模糊程度与邻域半径成正比。中值滤波方法主要功能是让周围像素灰度值的差别比较大的像素改为选取与周围的像素值接近的值，从而可以消除孤立的噪声点，所以中值滤波对于滤除图像的椒盐噪声非常有效。中值滤波可以做到即去除噪声又能保护图像的边缘，从而获得比较满意的复原效果。因此我们使用中值滤波的方法。

（2）频域滤波。频域滤波是图像在频率域中进行的一种非常重要的处理手段。大部分的处理过程都在变换域中完成，其中从空间域向变换域的转换处理需要借助二维离散可快速傅里叶变换来进行。数字图像中的边缘、噪声等像素灰度级发生剧烈变化的部分对应于频域图像中的高频成分，高通滤波器对低频成分进行抑制而使高频成分全部通过，那么可以对图像边缘进行增强而使图像得到锐化。但由于噪声和边缘同属于高频成分而且很难加以区分，所以在对图像实行频域高通滤波后噪声也被加强。在这里我们使用Butterworth高通滤波。

3 结果分析

图3为在光强是100Lux下拍摄到的256*256胶带撕裂的图像，结果如图4-图7所示，中值滤波可以很好的将边缘撕裂的有效信息保留而且除去噪声，相比之下Butterworth高通滤波不但保留了边缘的撕裂信息而且将噪声同样保留，这样就会导致在图像不撕裂的情况下由于噪声的干扰，使用Butterworth高通滤波会得出撕裂的结果，而中值滤波不会出现错误的结果。经过多次的实验验证了以上的结论。

4 结语

本文比较了在空域滤波和频域滤波下胶带纵向撕裂图像的识别，说明了空域滤波和频域滤波各自的特点与不足。经实验证明，在本系统中，识别胶带纵向撕裂图像时使用空域滤波比频域滤波得到的结果更为准确。

参考文献

[1]赵春江.C#数字图像处理算法典型实例[M].人民邮电出版社，2009.3：125-134.

[2]朗锐.数字图像处理学.北京希望电子出版社[M]，2009：128-168

[3]孙燮华.数字图像处理-Visual C#.NET编程与实验[M].机械工业出版社，2010.9：134-175.

[4]张晞，叶涛，刘鸿鹏.基于ARM9的胶带纵向撕裂检测系统研究[J].煤炭科学技术，2011：102-104.