satНАУКА и ТЕХНИКАScience & Technique2227-10312414-0392Belarusian National Technical University10.21122/2227-1031-2016-15-3-225-232sat-923Research ArticleМАШИНОСТРОЕНИЕMECHANICAL ENGINEERINGОБРАБОТКА ЦИФРОВЫХ ИЗОБРАЖЕНИЙ ПРИ ДЕФЕКТОСКОПИИ ПОВЕРХНОСТЕЙ ПРОМЫШЛЕННЫХ ОБЪЕКТОВPROCESSING OF DIGITAL IMAGES OF INDUSTRIAL OBJECT SURFACES DURING NON-DESTRUCTIVE TESTINGГундинА. А.HundzinA. A.im@bntu.byГундинаМ. А.HundzinaM. A.

Адрес для переписки: Гундина Мария Анатольевна — Белорусский национальный технический университет ул. Я. Коласа, 22, 220013, г. Минск, Республика Беларусь Тел.: +375 17 292-67-84 im@bntu.by

Address for correspondence: Hundzina Mаrija A. — Belаrusian National Technical University 22 Ya. Kolаsa str., 220013, Minsk, Republic of Belarus Тел.: +375 17 292-67-84 im@bntu.by

im@bntu.byЧешкинА. Н.CheshkinA. N.im@bntu.byОптоэлектронные системы, ОАОБеларусьOptoelectronic Systems JSCBelarusБелорусский национальный технический университетБеларусьBelarusian National Technical UniversityBelarus201625052016153225232Copyright © Гундин А.А., Гундина М.А., Чешкин А.Н., 20162016Гундин А.А., Гундина М.А., Чешкин А.Н.Hundzin A.A., Hundzina M.A., Cheshkin A.N.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://sat.bntu.by/jour/article/view/923

Приводятся современные подходы к обработке снимков, полученных промышленным оборудованием. Описаны примеры использования модификации пикселов в малых окрестностях, применения однородной обработки изображения посредством изменения уровня яркости, возможности комбинации нескольких изображений, пороговая обработка изображения. При обработке серии снимков металлической конструкции, содержащей микротрещины, к которой приложено некоторое усилие, определена разность двух таких изображений. Последняя представляет собой контур, выделяющий различие в изображениях. Анализ этого контура позволяет установить первоначальное направление распространения трещины в металле. При обработке изображения, имеющего области средней интенсивности, которые при простой бинаризации пропадают, сливаясь с фоном из-за весьма низкого перепада между краями, определяли пороговое значение бинаризации. Для этого выбирали алгоритм сбалансированного порогового отсечения гистограммы, основанный на следующем: «взвешиваются» две разные доли гистограммы; если одна «перевешивает», то из этой части гистограммы удаляется крайний столбик, и процедура повторяется. При большой величине порога может произойти разрыв контура (пропадают информативные пиксели), при малой – появляются помехи (неинформативные пиксели). Представлена реализация алгоритма нахождения контактных площадок на снимке полупроводникового кристалла. Получены алгоритмы морфологической обработки изображений промышленных образцов, позволяющие найти дефекты на поверхности полупроводников, производить фильтрацию, пороговую бинаризацию, предусматривающую применение алгоритма сбалансированного порогового отсечения гистограммы. Разработанные подходы могут использоваться для выделения контуров на снимках поверхностей продукции машиностроения и подготовки их как изображений промышленных образцов, соответствующих документации предприятия. Это позволяет удалять шум на рентгенограммах без внесения дополнительных искажений в обрабатываемое изображение, выделять дефекты сварных соединений на снимках. 

The paper presents modern approaches to processing of images obtained with the help of industrial equipment. Usage of pixel modification in small neighborhoods, application of uniform image processing while changing brightness level, possibilities for combination of several images, threshold image processing have been described in the paper. While processing a number of images on a metal structure containing micro-cracks and being under strain difference between two such images have been determined in the paper. The metal structure represents a contour specifying the difference in images. An analysis of the contour makes it possible to determine initial direction of crack propagation in the metal. A threshold binarization value has been determined while processing the image having a field of medium intensity which are disappearing in the process of simple binarization and merging with the background due to rather small drop between the edges. In this regard an algorithm of a balanced threshold histogram clipping has been selected and it is based on the following approach: two different histogram fractions are “weighed” and if one of the fractions “outweighs” then last column of the histogram fraction is removed and the procedure is repeated again. When there is rather high threshold value a contour break (disappearance of informative pixels) may occur, and when there is a low threshold value – a noise (non-informative pixels) may appear. The paper shows implementation of an algorithm for location of contact pads on image of semiconductor crystal. Algorithms for morphological processing of production prototype images have been obtained in the paper and these algorithms permit to detect defects on the surface of semiconductors, to carry out filtration, threshold binarization that presupposes application of an algorithm of a balanced threshold histogram clipping. The developed approaches can be used to highlight contours on the surface images of mechanical engineering products and prepare them as production prototype images in accordance with enterprise documentation. Such approach makes it possible to remove noise on radiographs without introduction of additional distortions in the processed image; highlight defects of welded joints on the images. 

дефектоскопиябинаризацияфильтрацияобработка изображенийnon-destructive testingbinarizationfiltrationimage processingReferencesBlanchet, G. Digital Signal and Image Processing using MatLab / G. Blanchet, M. Charbit. London: ScienceEurope, 2001. P. 700–723.Blanchet G., Charbit M. (2001) Digital Signal and Image Processing using MatLab. London, ScienceEurope, 700–723.The Healthgrid White Paper / V. Breton [et al.] // Studies in Health Technology and Informatics. 2005. Vol. 112. P. 249–321.Breton V., Dean K., Solomonides T., Blanquer I., Hernandez V., Medico E., Maglaveras N., Benkner S., Lonsdale G., Lloyd S., Hassan K., McClatchey R., Miguet S., Montagnat J., Pennec X., De Neve W., De Wagter C., Heeren G., Maigne L., Nozak, K., Taillet M., Bilofsky H., Ziegler R., Hoffman M., Jones C., Cannataro M., Veltri P., Aloisio G., Fiore S., Mirto M., Chouvarda I., Koutkias V., Malousi A., Lopez V., Oliveira I., Sanchez J. P., Martin-Sanchez F., De Moor G., Claerhout B., Herveg J. A. (2005) The Healthgrid White Paper. Studies in Health Technology and Informatics, 112, 249–321. PubMed ID: 2005112600.Мирошников, М. М. Теоретические основы оптикоэлектронных приборов / М. М. Мирошников. Л.: Машиностроение, 1983. C. 601–603.Miroshnikov M. M. (1983) Theoretical Principles of Optoelectronic Devices. Leningrad, Mashinostroenie, 601–603 (in Russian).Gonzalez, R. C. Digital Image Processind / R. C. Gonzalez, R .E. Woods. New Jersey: Prentice Hall, Upper Saddlr River, 2002. P. 7–32.Gonzalez R. C., Woods R. E. (2002) Digital Image Processind. New Jersey, Prentice Hall, Upper Saddlr River, 7–32.Bribiesca, E. Arithmetic Operations Among Shapes using Shape Numbers / E. Bribiesca // Pattern Recog. 1981. Vol. 13, iss. 2. P. 123–138.Bribiesca E. (1981) Arithmetic Operations Among Shapes Using Shape Numbers. Pattern Recognition, 13 (2), 123–138. DOI: 10.1016/0031-3203(81)90010-8.Гонсалес, Р. Цифровая обработка изображений в среде MatLab / Р. Гонсалес, Р. Вудс, С. Эддинс. М.: Техносфера, 2006. C. 200–321.Gonzalez R., Woods R., Eddins S. (2006) Digital Image Processing Using MatLab. Moscow, Tekhnosfera, 200–321 (in Russian).Рудаков, П. И. Обработка сигналов и изображений. MatLab 5.х / П. И. Рудаков, И. В. Сафонов. М.: ДИАЛОГ-МИФИ, 2000. C. 234–246.Rudakov P. I., Safonov I. V. (2000) Signal and Image Processing, MatLab 5.x. Moscow, Publishing House “DIALOG-MIFI”, 234–246 (in Russian).Дьяконов, В. MatLab. Обработка сигналов и изображений: спец. справ. / В. Дьяконов. СПб.: Питер, 2002. C. 10–26.Dyakonov V. (2002) MatLab: Signal and Image Processing. Special Reference Book. Saint-Petersburg, Piter, 10–26 (in Russian).Anjos, A. Bi-Level Image Thresholding – а Fast Method / A. Anjos, H. Shahbazkia // BIOSIGNALS-2008. Vol. 2. P. 70–76.Anjos A., Shahbazkia H. (2008) Bi-Level Image Thresholding – ? Fast Method. BIOSIGNALS 2008 – Proceedings of the 1st International Conference on Bio-Inspired Systems and Signal Processing, Vol. 2, 70–76.Shi, Z. M. A Novel Damage Variable to Characterize Evolution of Microstructure with Plastic Deformation for Ductile Metal Materials under Tensile Loading / Z. M. Shi, H. L. Ma, J. B. Li // Engineering Fracture Mechanics. 2011. Vol. 78, No 3. P. 503–513.Shi Z. M., Ma H. L., Li J. B. (2011) A Novel Damage Variable to Characterize Evolution of Microstructure with Plastic Deformation for Ductile Metal Materials under Tensile Loading. Engineering Fracture Mechanics, 78 (3), 503–513. DOI: 10.1016/j.engfracmech.2009.12.011.

The authors declare that there are no conflicts of interest present.