基于数字图像处理的油管螺纹检测方法的研究
时间：2020-12-07 04:02:19 来源：达达文档网 本文已影响 人 
李玮
【摘要】在石油开采领域中，油管的应用极为普遍，开展油管螺纹检测，对油管螺纹质量进行判定，是杜绝或控制质量不达标油管进入应用的有效途径。本文首先介绍了数字图像处理技术检测油管螺纹系统的构成，之后对基于数字图像处理的油管螺纹检测方法进行全面分析和探讨。
【关键词】数字图像处理；
油管螺纹；
检测
油管是石油开采领域中十分关键的设备，其作用主要是从井下将油液输送到地面。就目前我国石油开采实际情况而言，每钻井lm需要消耗掉62kg左右的油管，油管消耗量极大。油管质量直接影响石油开采量，对石油开采实现安全作业具有重要保障意义。实践中，由于所采用的油管质量不达标而导致的抽油管柱遭损坏甚至是失效的情况在很多油田中都普遍存在，开展油管螺纹检测，对油管螺纹质量进行判定，可以有效控制质量不达标油管进入应用，对于确保油田作业有序进行，提升经济效益具有重要意义。
一、系统结构
基于数字图像处理的油管螺纹检测系统，其核心的不见是CCD图像传感器以及图像采集卡，通过两者的协同运作，将数据传导至计算机。基于数字图像处理的油管螺纹检测系统基本工作原理可以描述为：利用光源及卡具完成图像采集环境的创建工作，尽可能的避免遭受外部因素影响；
在此基础之上借助CCD完成图像采集任务，同时将所采集到的图像，通过系统的图像采集卡的初步处理，传递至计算机，通过计算机的处理之后，就可以获得相关的螺纹轮廓数字信息。最后对油管螺纹相应的几何参数进行计算求解，并将所得到的计算结果与标准尺寸进行对比，根据比对结果便可以对油管螺纹质量是否达标做出判断。
二、基于数字图像处理的油管螺纹检测方法
（一）图像采集
本系统所配置的是依托于PCI总线的，最高图像采集速度可达33Mb/s的黑白/彩色图像采集卡，利用该图像采集卡中所安装的驱动程序中的图像卡函数来完成采集图像的任务，并且可以确保图像准确的从摄像机向内存进行实时性传输。CCD图像传感器所配置的是DIS-800C系列摄像机，摄像元件分辨率为500×582。
（二）图像处理
基于数字图像处理的油管螺纹检测系统的相关软件利用vc++语言进行开发，螺纹图像，首先要通过图像滤波处理，然后对边缘轮廓进行提取，并且完成对图像的测量以及螺纹尺寸的计算，最后就是输出并且显示相关的数据。
（1）图像滤波。通过CCD传感器可以获取图形数据，但是CCD作为一种电子元件也会受到周围换进的干扰，从而导致图像出现噪点。一般的，图像中的噪声都是随机的，所以，这也就决定了噪声的分布及大小毫无规律可言。通过对所摄取的图像进行去噪处理，可以最大限度的提升图像的真实性，此处对采集的图像进行去噪，实际上就是文章提到的图形滤波。在图像中，出现频率较高的噪声主要有高斯噪声、脉冲噪声以及椒盐状噪声等几种。其中，椒盐噪声中会同时存在黑亮度值及白亮度值；
而脉冲噪声中一般要么是黑色数值，要么就是白色数值，这些数值的分布一般会服从高斯，或者呈现出正态分布。
通常情况下，空间域噪声的有效控制途径之一就是利用邻域平均法；
而对于频率域而言，噪声频谱主要集中在高频段，因此，在这种情况下，抑制噪声的最有效方法往往是低通滤波方法。而对于空间域之中的图像平滑处理，一般的策略是选择均值滤波，即通过模板的方式开展相邻空间域的计算。换而言之，像素灰度值以及邻域像素值都和像素点结果之间存在一定关联。根据数学相关理论，模板运算其实就是卷积运算。平滑模板的大体思路就是借助一点及周边几个点的运算将突变点予以抵销，进而达到消除噪声的效果，然而，图像自身存在模糊度，开展图像平滑处理的一项重要工作就是尽可能的降低图像模糊度，这部分主要由噪声自身的性质决定。因此，这种方法本身也存在一定的不足之处，即可能存在尖锐连续部分的模糊。在这种情况下，采用非线性滤波算法，则能够有效的解决该问题，不仅仅能够消除噪声，还能够保留大量的图像细节。
中值滤波属于非线性滤波范畴，其难度相对较低，主要是通过一个包含奇数个点的模板窗口的中心与图中待处理像素予以重合，对模板下像素的灰度值进行读取，并按照由大到小的顺序对所读取的结果进行排列，并取中值取代模板中心像素点对应的数值。
通过对均值滤波与中值滤波效果进行对比，可以得出，对模板进行放大处理之后，均值滤波显示的清晰度有所下降；
中值滤波图像清晰度非但未受影响，反而图像更加均匀，线条更加清晰。
（2）提取图像轮廓。图像轮廓的提取的实质就是提取图形的边缘点，即通过对图像周围的像素灰度的变化，提取轮廓边缘点。轮廓点的提取一般是通过对比度法实现的，简而言之，灰度数值相对较大的像素点就是边缘点。通过情况下，对图像所涉及到的像素在某个领域中灰度变化情况进行分析的最佳途径是边缘检测局部算子法，即从边缘临近一阶或二阶所总结出的导数变化规律，通过边缘检测算子对轮廓边缘轮廓进行提取。边缘检测算子对所有像素邻域进行检查，同时量化处理灰度变化率，确定方向，在此基础之上借助基本方向导数掩模求卷积法对图像边缘进行提取。
通常情况下，在图像复杂系数相对较低，待测物体与背景对比显著的场合会选择边缘检测局部算子法，此种方法存在自身不足，主要是计算量大，效率不高，同时图像边缘轮廓提取精度主要取决于算子优劣程度，无法满足本文所探讨的油管螺纹测量需求，笔者选择阀值法，阀值法的思路为：基于图像恢复直方图的分布情况，获取具体的图形灰度阈值，然后对上述数值进行二值化处理，从而实现图像的锐化，使得边缘更为清晰，有助于获取图像的轮廓曲线。
①利用边缘算子提取。对图形是否存在局部不连续性进行检查时边缘提取的首要工作，如果经检查发现图形确实存在局部不连续情况，接下来就需要针对这部分边缘的像素进行完备处理。图像边缘像素在顺方向上呈现出较为平稳的变化趋势，而在相垂直方向上的像素的呈现较为剧烈的变化，从这一角度分析，边缘提取算法实际上就是对于图像边缘特性相吻合的边缘像素数学算子进行筛查的过程。
Robe，s算子、Sobd算子以及Prewiu算子等是比较常见的边缘检测算子。其中，Roberts边缘检测算子就是对两个相邻的且成对角关系的像素的差进行求解。此种算法处理之后的图像，边缘定位精确，对噪声敏感性较强，Robe，s边界详见下图所示。
Sobd边缘检测算子主要涉及两个卷积核，图像当中的所有点均采用这两个核充当卷积，这两个核具体的侧重点有所区别，分别侧重于垂直边缘和水平边缘。最终的输出值选定为两个卷积中相对大的那个，所得到的运算结果为一幅边缘幅度图像。Sobd边界示意图详见下图所示。
②利用阀值法提取。图像主要涉及目标物体、噪声以及背景等三大要素，从多值数字图像中进行目标物提取，应用较多的途径就是设定阀值T，并以该阀值为依据对图像数据进行划分，便可以得到大于该阀值和小于该阀值的两个像素群，此方法就是图像二值化，是较为特殊的一种对灰度变换进行研究的方法。二值化处理简单的说，就是对图像进行划分，得到目标物体及背景两部分，经过二值化处理的图像就是二值图像。
最小误差法、差分直方图法以及最大方差阀值法等都是比较常见的用来确定阀值的方法。其中，难度最低、直观性最强的当属直方图法，首先对所有灰度值在图像中所占像素比例进行统计，并以统计结果为依据绘制出图像中灰度值的分布图，在此基础之上将物体及背景分割阀值确定下来。如果图像只涉及到背景及物体两个要素，则所得到的直方图为两峰一谷式，为最大限度的控制误差，应将谷底值确定为阀值；
提取二值图像轮廓原理为：将内部点掏空，若原图中存在一点为黑，同时与之相邻的八个点均为黑，则删除该点。
结合本研究，中值滤波后油管螺纹直方图所受到的噪声干扰极小，可以忽略不计，是较为理想的两峰一谷形状，可以直观的确定谷底取值范围，进而将阀值数值确定下来。
三、结语
综上所述，本文阐述了油管螺纹几何尺寸非接触测量，精准度及效率高。但实验发现，存在诸如镜头畸变、焦距以及光源等导致误差的几大因素，接下来仍需要进一步深入研究，通过改善环境和引入新的算法促进测量精准度的进一步提升。
