焊缝X射线检测缺陷图像的预处理方法分析分院风采
2026年5月26日-爱璐德国际培训认证中心转载
焊缝射线检测图像的滤波降噪与增强
1、滤波降噪
由于图像传感器或通信通道的误差，数字射线仪器采集的X射线图像经常受到脉冲噪声的影响，部分图像像素会被损坏。此外，工业生产中的外部环境及辐射干扰也会导致图像质量下降，影响检测精度。
焊缝X射线图像滤波降噪的目的是去除图像中的噪声，同时保留其底层结构和细节，使得缺陷部分特征更加明显从而利于识别。国内外的科研人员对此展开了多方面的研究工作。
作者对比了几种广泛应用的滤波降噪算法，包括均值滤波、高斯滤波、中值滤波、自适应中值滤波和中心加权中值滤波算法。通过主观视觉评价和不同的客观评价指标对算法进行全方面分析。同时优化算法，对多种算法进行并行融合，提出适用于焊缝射线检测图像的滤波降噪算法。
2、图像增强
图像增强方法可以改善被遮挡的图像细节，突出图像中有用的信息和特征，从而提高缺陷的识别效果。
在国内外诸多该方面研究成果的基础上，作者分析了几种工业中较为成熟的图像增强算法，将其分为灰度变换和直方图修正两类，如图1所示。并通过比对试验优化算法参数，得到适用于焊缝射线检测图像的增强算法。
图1 图像增强算法分类示意
图像预处理的评价指标
焊缝图像预处理的评价指标分为主观评价和客观评价。主观评价依赖于检测人员，易受人员经验和主观因素影响，干扰图像评价的准确性。因此引入客观评价指标量化分析算法对图像的细节保留、对比度增强以及降噪效果。使用峰值信噪比、信息熵和图像相似性作为客观评价指标。
1、峰值信噪比
峰值信噪比PSNR是衡量图像质量的常用指标，其值越大通常代表图像质量越好。但是峰值信噪比基于像素误差计算，可能无法准确反映人类对图像质量的主观感受，其计算公式为：
式中：Mi为图像像素的最大可能值；MSE为均方误差，表示原始图像与处理后图像之间像素值的平均平方差异。
2、信息熵
信息熵H(X)用于衡量图像的复杂度和信息量，其值越大表示图像包含的细节和信息越丰富。但是在面对异常数据或噪声复杂图像时，信息熵可能会歪曲计算结果，其计算公式为：
式中：P(Xi)为图像中像素值Xi出现的概率。
3、图像相似性
图像相似性LPIPS是一种基于深度学习的图像质量评估指标，用于衡量图像之间的感知相似性。其通过神经网络模型提取图像特征，计算特征之间的欧氏距离。相较于传统客观指标，图像相似性引入了深度学习方法，有效模拟人类视觉系统的感知差异，弥补了峰值信噪比的不足，能更好地反映人眼对图像质量的主观评价，其计算公式为：
式中：Fhwl(x)和Fhwl(y)分别为图像x和y在神经网络第l层的特征图；wl为第l层特征图的权重系数；Hl和Wl分别为第l层特征图的高度和宽度。
为确保数据的客观性与全面性，从焊缝X射线典型缺陷数据集中随机选取了5张具有不同缺陷类型的图像进行对比试验，以避免由图像单一性导致的偏差。
在试验过程中，首先对图像进行了滤波降噪处理以消除噪声干扰，随后采用图像增强技术以提升缺陷的可辨识度。通过引入客观评价指标，对各类算法的性能进行了系统的横向对比分析，从而为算法的优化与选择提供了客观依据。
结果与分析
1、焊缝X射线检测图像滤波降噪
单一滤波降噪算法
采用峰值信噪比对均值滤波、高斯滤波、中值滤波、自适应中值滤波、中心加权中值滤波的去噪效果进行评价，其算法可分成线性滤波和非线性滤波。
不同算法的图像去噪指标对比曲线如图2所示，可知线性滤波中，相较于均值滤波算法，高斯滤波算法峰值信噪比指标更高，图像质量更高；同时对于高斯滤波来说，3×3滤波器窗口与5×5滤波器窗口相比，峰值信噪比更高。
图2 基于峰值信噪比的线性滤波结果对比
基于峰值信噪比的非线性滤波结果对比如图3所示，可知在非线性滤波的3种算法中，中值滤波与自适应中值滤波在处理5种缺陷时，其峰值信噪比大幅高于中心加权中值滤波，去噪效果显著优于中心加权中值滤波效果。此外，中值滤波在调用不同大小的滤波器窗口时，其去噪效果也大不相同。
图3 基于峰值信噪比的非线性滤波结果对比
结果表明，采用3×3小滤波器窗口的中值滤波在处理5种焊缝X射线典型缺陷时，表现出比大滤波器窗口更优异的去噪效果，小滤波核能够更好地保留图像细节，并有效区分噪声与信号。
同时，自适应中值滤波的峰值信噪比指标明显高于小滤波器窗口的中值滤波指标，表明自适应中值滤波有较好的去噪效果。
基于峰值信噪比的高斯滤波与自适应中值滤波结果对比如图4所示，可知自适应中值滤波在处理5类焊缝X射线典型缺陷时，客观评价指标表现优异，展现出显著的去噪效果。焊缝缺陷类型多样、背景复杂，自适应中值滤波能够根据缺陷特征自动调整滤波器窗口大小，从而更好地适应不同尺寸和形状的焊缝缺陷。
图4 基于峰值信噪比的高斯滤波与自适应中值滤波结果对比
在焊缝射线检测过程中，受参数设定以及环境干扰等多重因素制约，焊缝射线检测底片易受到脉冲噪声影响。
为深入探究噪声干扰以及自适应中值滤波的去噪性能，以气孔缺陷为例，通过算法在图像中添加随机脉冲噪声，以此模拟被噪声干扰的真实焊缝射线检测图像；再使用自适应中值滤波进行滤波降噪处理。
脉冲噪声去噪效果如图5所示，可知自适应中值滤波在有效去除大量脉冲噪声的同时，最大程度保留了完整的缺陷特征，实现了对图像的高效滤波降噪，有力地证明了其在焊缝射线检测图像滤波降噪中的可靠性与有效性。
图5 自适应中值滤波的脉冲噪声去噪效果
并行滤波降噪算法
试验结果表明，单一滤波降噪算法中自适应中值滤波的去噪效果优于其他方法效果，但是自适应中值滤波主要去除脉冲噪声，因此考虑将自适应中值滤波与小波变换相结合，进行并行运算降噪，以去除图像中的高斯噪声和脉冲噪声。
试验采用峰值信噪比和均方根误差（RMSE）进行客观评价。由于算法方案相同，仍以气孔缺陷图像为例进行试验。
先将图像进行小波变换分解，缺陷图像通过高通滤波器和低通滤波器进行信号过滤，分为近似图像、垂直边缘特征图像、水平边缘特征图像、对角线边缘特征图像，如图6所示。
图6 图像的小波变换分解图
由于近似图像含有缺陷图像的主要信息，因此保留低频的近似图像，对3个高频方向的图像进行滤波降噪，可知高频信号图像的信号杂乱。
选择自适应中滤波对高频信号图像进行滤波降噪；最后将滤波降噪后的高频图像与低频的近似图像合并进行逆小波变换形成最终的滤波降噪图像。
自适应中值滤波和小波变换相结合的并行滤波降噪算法与去噪效果最强的自适应中值滤波的客观评价指标对比如图7所示，可知并行算法在处理5类缺陷时，其峰值信噪比都高于自适应中值滤波，同时均方根误差低于自适应中值滤波，表明并行滤波算法能够在有效去噪的前提下，不破坏缺陷图像的质量。
图7 并行滤波降噪算法与自适应中值的指标对比
与使用自适应中值滤波的单一降噪方法相比，并行算法在指标上有明显的提升。缺陷图像的滤波降噪效果对比如图8所示。
图8 缺陷图像的滤波降噪效果对比
综上，虽然每种算法都能去除对应的噪声，但是自适应中值滤波与小波变换相结合的并行滤波算法对于焊缝缺陷的去噪性能最佳，其指标得分和实际图像去噪效果的综合表现最佳。
2、焊缝X射线图像的增强结果分析
对5类缺陷图像分别使用对数变换（LT）、分段线性变换（PLT）、指数变换（ET）、自适应直方图均衡化（AHE）、限制对比度自适应直方图均衡化（CLAHE）5种图像增强算法处理后的结果对比如图9所示。同时，采用峰值信噪比、信息熵和图像相似性对图像增强效果进行综合评价。
图9 5种图像增强算法的效果对比
由图9可知，5类缺陷在经过对数变换和指数变换处理后的图像与原图相比较，对比度降低，缺陷周围背景的灰度值也降低，缺陷更加突出；但同时，缺陷部分的灰度值也有所降低，图像的精细结构不能被很好地观测出来。
分段线性变换、自适应直方图均衡化和限制对比度自适应直方图均衡化处理后的图像对比度都有一定幅度提升，缺陷的细节特征能够完整体现，图像整体感官有所提升；但分段线性变换和自适应直方图均衡化算法引入了较多的新噪声，影响了图像的整体质量；限制对比度自适应直方图均衡化在保证对比度增强的同时，减少了新噪声的输入，图像整体灰度变化水平更加平滑。
基于峰值信噪比的图像增强对比如图10所示，可见限制对比度自适应直方图均衡化算法在5类缺陷的处理中都有较好的效果，与其他4种算法相比较，其峰值信噪比都维持在较高水平。
图10 基于峰值信噪比的缺陷图像增强对比
基于信息熵的图像增强对比如图11所示，可知与原图的信息熵相比较，经过限制对比度自适应直方图均衡化和自适应直方图均衡化处理后的图像信息熵在不同缺陷下都高于原图水平。而其他算法由于图像增强处理中引入了大量新噪声，信息熵相较于原图有部分下降或持平的现象，丢失了图像的部分信息。
图11 基于信息熵的图像增强对比
基于图像相似性的图像增强对比如图12所示，可知对数变换和指数变换处理后的图像指标较高，说明算法处理后在人类视觉系统观察下的图像与原图相差较大，感知损失高；其他3种算法的指标都低于0.05，说明算法处理后的图像差异不大，适应于人类主观视觉观察。
图12 基于图像相似性的图像增强对比
但是自适应直方图均衡化在处理未熔合缺陷时，相对于分段线性变换和限制对比度自适应直方图均衡化有指标突变的现象，其指标略高于其他两种算法指标。原因可能是未熔合的缺陷较大，在经自适应直方图均衡化算法处理后，缺陷细节特征不明显，模型误认为缺陷区域与正常区域相似，难以区分。
经过3种客观评价指标的综合对比，可知限制对比度自适应直方图均衡化算法对焊缝5类典型缺陷图像的增强效果要高于其他4种算法效果，有效提升了缺陷图像的对比度，突出了缺陷特征，提高了后续图像分类模型对于缺陷的识别效率。
结语
针对工业实际生产中焊缝的5类典型缺陷，比对了不同焊缝缺陷X射线检测图像预处理技术的优劣，完成了滤波降噪和图像增强的预处理操作。
在滤波降噪部分，进行了峰值信噪比指标的客观对比，结果表明自适应中值滤波有较好的去噪效果；同时，提出了自适应中值滤波与小波变换相结合的并行滤波降噪算法，该方法可有效去除缺陷图像中的脉冲噪声和高斯噪声，其客观指标与自适应中值滤波的指标相比也有较大提升。
在图像增强部分，综合考虑各算法的峰值信噪比、信息熵和图像相似性指标，限制对比度自适应直方图均衡化对焊缝X射线检测典型缺陷图像有最好的增强效果。
在此基础上，将以此图像预处理的研究结果为方法，对数据集进行统一预处理操作，为后续焊缝X射线检测典型缺陷图像识别系统的研究奠定基础。
全文转载
标题：焊缝X射线检测缺陷图像的预处理方法分析
来源：公众号【无损检测NDT】（上海材料研究所有限公司《无损检测》杂志官方平台）
