Image & Multimedia Technology
•
图像与多媒体技术

Electronic Technology & Software Engineering
电子技术与软件工程
• 97
【关键词】OpenCV 裂纹检测 数学形态学操作
现代铁路运输给人们的工作、生活与学
习带来极大便利，就需要生产出高质量和高性
能的钢轨。但是钢轨在轧制、酸洗过程中，因
为轧制设备和生产工艺等诸多因素的影响，导
致其表面出现裂边、夹杂、划伤、压印等不同
类型的缺陷。表面缺陷是影响铁轨质量的主要
因素。传统的钢轨裂纹检测都是由人工目测抽
检或频闪光检测实现的，但效率低下、成本偏
高。如果将机器视觉识别这方面的技术应用到
钢轨裂纹检测，那将带动钢铁企业的产品质量
提高与利益增长。

1 裂纹检测流程

本文提出了一种基于机器视觉识别工具
OpenCV图像处理技术的钢轨裂纹检测方法，

通过不同的图像处理算法：预处理图像（光线
补偿与灰度化），滤除图像的噪声，提取缺陷
的边缘，提取缺陷区域的特征量，实现检测钢
轨裂纹的目标。具体的处理流程为：图像预处
理与去噪，图像分割与特征提取。

2 图像预处理与去噪

在摄像头的捕捉过程中，可能会存在光
线不平衡，这影响了对特征的提取。考虑到背
景模型对光线变化比较敏感。在有金属设备的
室内场景中，需要对摄像头捕捉的图像序列进
行光线补偿。彩色图像由于信息容量比灰度图
像大，因此处理难度大、速度慢，而且在识别
一般图像的过程中，灰度图像所含的信息量已
经足够，因此先将彩色图像转换为灰度图像。
中值滤波是一种非线性滤波。中值滤波在
一定条件下可以克服线性滤波器如最小均方滤
波、均值滤波等带来的图像细节的模糊，而且
对滤除椒盐噪声最为有效。其滤波原理为对模
板 S（像素个数为 M)下图像 F ( x,y)的 M 个
像素进行排序，用其中间值代替模板中心下图
像像素值 g ( x,y)的操作。M 一般取奇数，以
便有中间像素，若 M 为偶数，则中值取中间
两像素灰度值的平均值。

基于OpenCV的钢轨裂纹检测
文/唐曼玲 龙珍 李炳川

本文提出了一种基于OpenCV
图像处理技术的钢轨裂纹检测方
法，首先对采集的图像进行预处
理，通过中值滤波滤除图像中的
噪声，然后利用数学形态学构造
边缘检测算子检测出缺陷的边缘，
并分割出最大缺陷区域，提取裂
纹的位置。

摘
要

g (x,y)= Med{F(x-i,y-j),(i,j∈M)} 公式
（2.1）
式中，F (x-i,y-j)代表模板下图像的灰度

值。图像预处理与去噪处理后的图像如图1。

3 图像分割

对钢轨裂纹的检测最重要的步骤就是提
取边缘，分割图像。只有这样才能更方便地进
行后期的缺陷定位与识别。本文是利用数学形
态学构造边缘检测算子检测出缺陷的边缘。数
学形态学有四种基本运算，其中的膨胀可使目
标增大，孔洞缩小，腐蚀可以收缩图像的边界，
内孔增大，消除外部孤立的噪声。
设有两幅图象B，X。若X是被处理的对
象，而B是用来处理X的，则称B为结构元素。
把结构元素B平移a后得到Ba，若Ba包含于X，
记下a点，所有满足上述条件的a点组成的集
合称做X被B腐蚀的结果，表示为E(X) = {a |
B
a
X}= XB。而膨胀可看做是腐蚀的对偶

运算，其定义是：把结构元素B平移a后得到
B
a，若Ba
击中X，记下a点。所有满足上述

条件的a点组成的集合称做X被B膨胀的结果，
表示为：D(X) = {a | Ba↑X} = XB。利用数
学形态学构造的边缘检测分割效果图如图2。

4 总结

钢轨缺陷类型较多且复杂，由于只检测
了少量缺陷种类，所以应用到实时监测中还有
很大一段距离。本文针对钢轨表面缺陷特点使
用中值滤波去噪、膨胀、腐蚀等一系列处理，
获得了缺陷大致轮廓和位置等信息。

参考文献
[1]徐超.基于OpenCV图像处理技术在冰清

检测中的应用[A].信息技术,2014(03).
[2]曹宇.基于 CCD 图像的表面裂纹检测[B].
仪器仪表/检测/监控,2014(12).
[2]厉荣宣.基于图像处理的轴类零件表面裂
纹检测[A].图学学报,2015(02).

作者简介
唐曼玲（1993-），女，四川省成都市人。现
为西南科技大学信息工程学院通信工程专业
2012级本科生。
龙珍（1993-），女，四川省内江市人。现为
西南科技大学信息工程学院电子信息工程专业
2012级本科生。

作者单位
西南科技大学　四川省绵阳市　621000

图1：图像预处理与去噪处前后的图像
图2：图像分割效果图

网络出版时间：2015-06-16 09:44
网络出版地址：http://www.cnki.net/kcms/detail/10.1108.TP.20150616.0944.074.html