基于數字圖像處理的油管螺紋檢測方法的研究

李瑋

【摘要】在石油開采領域中，油管的應用極為普遍，開展油管螺紋檢測，對油管螺紋質量進行判定，是杜絕或控制質量不達標油管進入應用的有效途徑。本文首先介紹了數字圖像處理技術檢測油管螺紋系統的構成，之后對基于數字圖像處理的油管螺紋檢測方法進行全面分析和探討。

【關鍵詞】數字圖像處理；油管螺紋；檢測

油管是石油開采領域中十分關鍵的設備，其作用主要是從井下將油液輸送到地面。就目前我國石油開采實際情況而言，每鉆井lm需要消耗掉62kg左右的油管，油管消耗量極大。油管質量直接影響石油開采量，對石油開采實現安全作業具有重要保障意義。實踐中，由于所采用的油管質量不達標而導致的抽油管柱遭損壞甚至是失效的情況在很多油田中都普遍存在，開展油管螺紋檢測，對油管螺紋質量進行判定，可以有效控制質量不達標油管進入應用，對于確保油田作業有序進行，提升經濟效益具有重要意義。

一、系統結構

基于數字圖像處理的油管螺紋檢測系統，其核心的不見是CCD圖像傳感器以及圖像采集卡，通過兩者的協同運作，將數據傳導至計算機?；跀底謭D像處理的油管螺紋檢測系統基本工作原理可以描述為：利用光源及卡具完成圖像采集環境的創建工作，盡可能的避免遭受外部因素影響；在此基礎之上借助CCD完成圖像采集任務，同時將所采集到的圖像，通過系統的圖像采集卡的初步處理，傳遞至計算機，通過計算機的處理之后，就可以獲得相關的螺紋輪廓數字信息。最后對油管螺紋相應的幾何參數進行計算求解，并將所得到的計算結果與標準尺寸進行對比，根據比對結果便可以對油管螺紋質量是否達標做出判斷。

二、基于數字圖像處理的油管螺紋檢測方法

（一）圖像采集

本系統所配置的是依托于PCI總線的，最高圖像采集速度可達33Mb/s的黑白/彩色圖像采集卡，利用該圖像采集卡中所安裝的驅動程序中的圖像卡函數來完成采集圖像的任務，并且可以確保圖像準確的從攝像機向內存進行實時性傳輸。CCD圖像傳感器所配置的是DIS-800C系列攝像機，攝像元件分辨率為500×582。

（二）圖像處理

基于數字圖像處理的油管螺紋檢測系統的相關軟件利用vc++語言進行開發，螺紋圖像，首先要通過圖像濾波處理，然后對邊緣輪廓進行提取，并且完成對圖像的測量以及螺紋尺寸的計算，最后就是輸出并且顯示相關的數據。

（1）圖像濾波。通過CCD傳感器可以獲取圖形數據，但是CCD作為一種電子元件也會受到周圍換進的干擾，從而導致圖像出現噪點。一般的，圖像中的噪聲都是隨機的，所以，這也就決定了噪聲的分布及大小毫無規律可言。通過對所攝取的圖像進行去噪處理，可以最大限度的提升圖像的真實性，此處對采集的圖像進行去噪，實際上就是文章提到的圖形濾波。在圖像中，出現頻率較高的噪聲主要有高斯噪聲、脈沖噪聲以及椒鹽狀噪聲等幾種。其中，椒鹽噪聲中會同時存在黑亮度值及白亮度值；而脈沖噪聲中一般要么是黑色數值，要么就是白色數值，這些數值的分布一般會服從高斯，或者呈現出正態分布。

通常情況下，空間域噪聲的有效控制途徑之一就是利用鄰域平均法；而對于頻率域而言，噪聲頻譜主要集中在高頻段，因此，在這種情況下，抑制噪聲的最有效方法往往是低通濾波方法。而對于空間域之中的圖像平滑處理，一般的策略是選擇均值濾波，即通過模板的方式開展相鄰空間域的計算。換而言之，像素灰度值以及鄰域像素值都和像素點結果之間存在一定關聯。根據數學相關理論，模板運算其實就是卷積運算。平滑模板的大體思路就是借助一點及周邊幾個點的運算將突變點予以抵銷，進而達到消除噪聲的效果，然而，圖像自身存在模糊度，開展圖像平滑處理的一項重要工作就是盡可能的降低圖像模糊度，這部分主要由噪聲自身的性質決定。因此，這種方法本身也存在一定的不足之處，即可能存在尖銳連續部分的模糊。在這種情況下，采用非線性濾波算法，則能夠有效的解決該問題，不僅僅能夠消除噪聲，還能夠保留大量的圖像細節。

中值濾波屬于非線性濾波范疇，其難度相對較低，主要是通過一個包含奇數個點的模板窗口的中心與圖中待處理像素予以重合，對模板下像素的灰度值進行讀取，并按照由大到小的順序對所讀取的結果進行排列，并取中值取代模板中心像素點對應的數值。

通過對均值濾波與中值濾波效果進行對比，可以得出，對模板進行放大處理之后，均值濾波顯示的清晰度有所下降；中值濾波圖像清晰度非但未受影響，反而圖像更加均勻，線條更加清晰。

（2）提取圖像輪廓。圖像輪廓的提取的實質就是提取圖形的邊緣點，即通過對圖像周圍的像素灰度的變化，提取輪廓邊緣點。輪廓點的提取一般是通過對比度法實現的，簡而言之，灰度數值相對較大的像素點就是邊緣點。通過情況下，對圖像所涉及到的像素在某個領域中灰度變化情況進行分析的最佳途徑是邊緣檢測局部算子法，即從邊緣臨近一階或二階所總結出的導數變化規律，通過邊緣檢測算子對輪廓邊緣輪廓進行提取。邊緣檢測算子對所有像素鄰域進行檢查，同時量化處理灰度變化率，確定方向，在此基礎之上借助基本方向導數掩模求卷積法對圖像邊緣進行提取。

通常情況下，在圖像復雜系數相對較低，待測物體與背景對比顯著的場合會選擇邊緣檢測局部算子法，此種方法存在自身不足，主要是計算量大，效率不高，同時圖像邊緣輪廓提取精度主要取決于算子優劣程度，無法滿足本文所探討的油管螺紋測量需求，筆者選擇閥值法，閥值法的思路為：基于圖像恢復直方圖的分布情況，獲取具體的圖形灰度閾值，然后對上述數值進行二值化處理，從而實現圖像的銳化，使得邊緣更為清晰，有助于獲取圖像的輪廓曲線。

①利用邊緣算子提取。對圖形是否存在局部不連續性進行檢查時邊緣提取的首要工作，如果經檢查發現圖形確實存在局部不連續情況，接下來就需要針對這部分邊緣的像素進行完備處理。圖像邊緣像素在順方向上呈現出較為平穩的變化趨勢，而在相垂直方向上的像素的呈現較為劇烈的變化，從這一角度分析，邊緣提取算法實際上就是對于圖像邊緣特性相吻合的邊緣像素數學算子進行篩查的過程。

Robe，s算子、Sobd算子以及Prewiu算子等是比較常見的邊緣檢測算子。其中，Roberts邊緣檢測算子就是對兩個相鄰的且成對角關系的像素的差進行求解。此種算法處理之后的圖像，邊緣定位精確，對噪聲敏感性較強，Robe，s邊界詳見下圖所示。

Sobd邊緣檢測算子主要涉及兩個卷積核，圖像當中的所有點均采用這兩個核充當卷積，這兩個核具體的側重點有所區別，分別側重于垂直邊緣和水平邊緣。最終的輸出值選定為兩個卷積中相對大的那個，所得到的運算結果為一幅邊緣幅度圖像。Sobd邊界示意圖詳見下圖所示。

②利用閥值法提取。圖像主要涉及目標物體、噪聲以及背景等三大要素，從多值數字圖像中進行目標物提取，應用較多的途徑就是設定閥值T，并以該閥值為依據對圖像數據進行劃分，便可以得到大于該閥值和小于該閥值的兩個像素群，此方法就是圖像二值化，是較為特殊的一種對灰度變換進行研究的方法。二值化處理簡單的說，就是對圖像進行劃分，得到目標物體及背景兩部分，經過二值化處理的圖像就是二值圖像。

最小誤差法、差分直方圖法以及最大方差閥值法等都是比較常見的用來確定閥值的方法。其中，難度最低、直觀性最強的當屬直方圖法，首先對所有灰度值在圖像中所占像素比例進行統計，并以統計結果為依據繪制出圖像中灰度值的分布圖，在此基礎之上將物體及背景分割閥值確定下來。如果圖像只涉及到背景及物體兩個要素，則所得到的直方圖為兩峰一谷式，為最大限度的控制誤差，應將谷底值確定為閥值；提取二值圖像輪廓原理為：將內部點掏空，若原圖中存在一點為黑，同時與之相鄰的八個點均為黑，則刪除該點。

結合本研究，中值濾波后油管螺紋直方圖所受到的噪聲干擾極小，可以忽略不計，是較為理想的兩峰一谷形狀，可以直觀的確定谷底取值范圍，進而將閥值數值確定下來。

三、結語

綜上所述，本文闡述了油管螺紋幾何尺寸非接觸測量，精準度及效率高。但實驗發現，存在諸如鏡頭畸變、焦距以及光源等導致誤差的幾大因素，接下來仍需要進一步深入研究，通過改善環境和引入新的算法促進測量精準度的進一步提升。