钢轨表面不均匀光照的消除

书名：数字图像处理实战
作者：杨坦 张良均
出版社：人民邮电出版社有限公司
出版时间：2023-11-01
ISBN：9787115623850

---

第9章　钢轨表面缺陷检测

9.3 图像预处理

9.3.1钢轨表面不均匀光照的消除

1、观察

• 观察钢轨表面图像可以发现，疤痕类缺陷表现为钢轨表面上大小不一的坑洞，由于钢轨表面图像采集装置的光源无法直接照射到坑洞中，坑洞区域几乎不反射光线。
  因此这类缺陷区域的像素灰度值要比周围的像素点的灰度值小。
• 当使用沿轨道方向的水平线扫描钢轨表面图像时，可以发现同一条扫描线上大部分像素灰度值都非常接近，这和钢轨的形状以及火车轮轨与钢轨的接触方式一致。
  理想情况下扫描线上的像素灰度值变化应该是相对平滑的，而当扫描到缺陷位置时灰度值会突然减小，这个特点在去除背景时将会用到。
• 继续观察，可以发现钢轨表面图像的上边缘和下边缘都有一段条带，且颜色比周围更“黑”，即像素灰度值更小。
  这是由于钢轨表面两侧的边缘处弧度较大无法反射采集装置发射出的光线，
  本章中称这种带状痕迹为黑边。

2、分离背景

• 为了尽可能排除图像背景对缺陷检测工作的干扰，本小节的目标是消除钢轨表面光照不均匀形成的条带干扰，将背景与有可能是缺陷目标的区域进行分离。
• 为方便后期处理，读入图像后首先使用OpenCV中的cvtColor函数将图像从RGB三通道格式转换为单通道的灰度格式，并对图像进行转置使其由纵向变为横向，如代码9-1所示。
  代码9-1 灰度化与转置钢轨表面图像

import cv2   #导入需要用到的库
import numpy as np
from scipy import optimize as op
picture_label = 5 # 指定要读取的图像的标签
mask_path =' ../data/GroundTruth/rail ' + str(picture label)+'.jpg'
Rail_surface_image_path ='.../data/Rail surface images/rail'+str(picture label)+'.jpg'
img = cv2.imread(Rail surface image path)
img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#读取数据并灰度化，注意虽然图像是灰度图像，但仍使用RGB三通道格式来保存
# 为了后续处理的方便，
# 在此使用cvtColor函数将图像转化为单通道格式
img_gray = img_gray.T  # 转置图像矩阵，使图像由纵向变为横向

3、扫描线处理算法去除条带干扰

• 基于理想的无缺陷钢轨表面图像像素在水平线上几乎是常数的这一假设，本章设计一种扫描线处理算法，用于从原始图像中去除背景中的条带干扰。
  • 首先对钢轨表面图像进行逐行扫描，使用NumPy库中的median函数获得每行像素灰度值的中值，记为t。
  • 考虑到缺陷区域像素自身的灰度值非常低，在水平扫描线上表现为灰度值更低的突变，使用反向思维设计判断逻辑来识别出正常的背景像素。
  • 正常背景像素虽然在图像的不同位置有不同的灰度值，但首先它们的灰度值应该大于缺陷区域的像素灰度值，即灰度值不应该过小。
  • 其次，如果一个像素的灰度值大于30并且大于t-50，则判定它为背景像素，在处理结果中将其灰度值设为255，也即显示为白色，
    实现过程如代码9-2所示。
• 代码9-2 去除不均匀光照

img_gray2 = img_gray.copy()
for i in range(img_gray.shape[e]):
  t = np.median(img_gray[i])  # 计算该行的灰度中值，作为背景的评价标准
  for j in range(img_gray.shape[1]):
    if img_gray2[i][j]> 30 and img_gray2[i][j]> t - 50:#背景像素点的灰度值大于39、大于中值减去50
      img_gray2[i][j]= 255  # 将背景像素点的灰度值设为255
cv2.imshow(' ',img_gray2)
cv2.waitKey(@)
cv2.destroyAllwindows()

4、验证

• 通过在整个数据集上进行验证表明这种处理方式对I型RSDDs数据集是有效的。
• 图9-3所示的3个样例图像去除不均匀光照的效果如图9-6所示。
• 可以看到由光照不均匀造成的大部分条带结构都已被除去，保留下来的有上、下两侧的部分黑边、包含缺陷的斑块以及一些在原图中属于竖直方向灰度值波动的斑点。

图9-6 钢轨表面不均匀光照消除效果