边缘检测技术在数字像处理技术中的应用
高飞 沈智君
摘 要： 本文以图像图形方法，对木材进行了基本项目的检测，针对其纹理灰度特性加以分析，同时通过计算机自动检测技术得到木材纹理形状、周期长度以及线宽度等参数值。通过大量试验能够确定，BWMORPH是与木材弱纹理状态分析贴合度最高的手法，还能够自动获取纹理骨骼线的成像。通过Radon变换处理后，能够于图像中看到0到180度纹理线条对应的积分数值，继而描绘出曲线图。这一图像能够直观反应出，人们对于木材纹理状况的主观印象与木材纹理排布规律之间的差别。利用纹理图像二值化确定纹理对应周期状况，推测出木材年轮宽度。这些对于木材的检测具有十分重要的意义。
关键词： 木材检查；图像处理；应用
对于木材的质量来说，其纹理、宽度以及周期等均属于重要参量。根据木材的分子构造不同，其对应多种多样的切削手法，响應的切面上显示出各不相同的纹理状态。木材纹理特性直接受到本身的结构状况的作用，所以面向木材纹理特征的测量是不可或缺的工作。然而目前国内通过图像处理技术来分析木材纹理的探究并不充足，需要在今后投入更多的关注。
1 木材纹理变化规律概述
1.1 灰度简介
具备一定规律的灰度变化将带来纹理，其属于灰度周期分布的结果，即使灰度的改变表现出随机性，但却一样具备统计特性。因此面向纹理的解读同样将涉及灰度的变化状态。通过观察木材径切面能够明确，木材纹理灰度大致遵循周期性变化，许多灰度像素共同组成各个周期，周期的长度与不同周期灰度波动最大量大致符合。
1.2 散点图分析
灰度的自相似特征能够依散点图来探讨，而散点图是按照临近两像素的灰度值确定的。图像中各散点将45度角直线作为轴心。长轴代表着灰度的波动范围：距原点距离越大则灰度波动越显著，相反，则整体波动不明显。短轴代表着灰度起伏的程度：短轴越宽则浮动情况越显著。
相邻两像素做差能够得到纹理变化的状况。通过观察图像能够了解到，灰度发生不定向的变化，则各点在0基线上下分布；如果各点距离基线均十分靠近，则灰度并未出现明显波动。灰度插值的幅值往往表现出周期性的规律，且正负交替产生。
1.3 差值频谱介绍
通过相邻灰度做差的方式可以做出自回归模型功率频谱图以及快速傅里叶变换功率频谱图。当处于低频状态时，灰度差值功率最大值相对低，但是当处于高频时，其对应密度值达到顶峰状态。
1.4 灰度变化规律
通过以上的图像分析与相应的试验得出，木材纹理灰度变化特性为：处于某一纹理灰度周期内时，大部分相邻灰度保持一致状态，灰度值呈现出高频率、低振幅以及随机变化的特性。周期相邻处的灰度却表现出低频率、高振幅以及规律性较强的特点，在视觉方面对应纹理跳跃的两块内容。
2 纹理形状与角度的检测
方向性由于其独特的描述方式，而被视为图像反馈中一项独一无二的属性。图像法指出，方向性能够用于两幅图像相似与否的判定，同时以此为依据，把图像反馈信息于二维空间展示出的角度谱充当图像内容和划分的依据之一。
有关木材纹理方向的检测还没有得到普及。通过研究发现，Radon变换可以由混乱的背景下筛选出直线系列，进而将二维的信息转化成线性关系，其将于纹理检测领域发挥重要作用。
2.1 形状检测
通过MATLAB的使用，将图像文件以UIGETF以及MREAD函数打开，提取其中像素灰度的信息构成灰度图像，甚至是彩色图像。通过这一过程中软件工具的函数调用，可以探测到木材的纹理形状数据。比如MCONTOUR函数可以大体展示灰度信息的形态状况；EDGE可以把处于边缘的像素以及其他像素通过“1”或“0”区分开来，继而形成规格一致的二值图等。
通过四类函数的处理能够看出，MCONTOUR无法用简明的方式给出纹理外形，同时边缘涉及线条众多。而EDGE无法在弱纹理当中获取整个边缘的状态。以上两类函数的实践均不成功。除此以外的BWPERM以及BWMORPH都实现了纹理状况以二值图像简明表达的要求。
2.2 Radon变换
将计算机图像矩阵在设定的方向上投影就是Radon处理的基本原理。通过这一变换能够看到部分显著的交点，这些通常均为积分值突出的点。将实施BWPERM以及BWMORPH处理的图像加以Radon变换会发现，高振幅点所处位置以及分布次序基本一致，而变换后的亮点数量上升。这说明以上两类函数都达到了检测纹理形状以及方向的要求。
3 纹理周期、宽度与间距的检测
3.1 纹理周期的灰度波动
MPROFILE函数能够根据图像获取像度值的有关数据情况。所以当垂直于木材纹理方向规定某一线段，使它经过纹理部分，即获得线段对应像素的大小，同时描绘出像素与线段距离之间的二维图像。由于图像灰度浮动显著，同时每一周期的峰值与谷值大致相同，因此，一定数目的灰度最大与最小强度能够获取，其浮动剧烈程度随之得到。
3.2 纹理周期长度
纹理灰度值的强弱在走过最大值和最小值的整个环节就是一个周期的历程。有时直接检测的结果并不能达到精准度的要求，因此需要对操作进行改进：通过MPROFILE函数获得二值图像，再经过计算机运算得到周期长度。
3.3 纹理宽度与间距
获取纹理周期长度之后，为追求进一步划分出早材和晚材的宽度，需要进一步解读二值图像。将各个纹理周期中，所有连续的“0”的数目以及“1”的数目和生长周期内早材以及晚材的宽一一对照。将所得的每组数据对应求取平均值，分别对照早材与晚材的宽度，最终可以得到两部分各自所占的比重。
4 结语
本文由木材的特性与关键性指标入手，旨在分析应用图像处理后的木材检测状况。通过函数的分析以及有关纹理形状、角度的解读，同时加入纹理周期、宽度以及间距检测等相关内容的探讨，明确了图像处理技术于木材特征检测过程内的可靠程度以及适用水平，得到了两类相对适宜的函数。以上研究对于木材的检测的分析具有一定价值，为今后的研究奠定了基础。
参考文献
[1]谢永华.数字图像处理技术在木材表面缺陷检测中的应用研究[D].东北林业大学，2013.
[2]于海鹏，刘一星，刘镇波.应用数字图像处理技术实现木材纹理特征检测[J].计算机应用研究，2007（04）：173-175+181.
[3]崔金刚.图像处理技术在木材检测方面的应用[D].东北林业大学，2007.
作者简介：高飞，男，1977-11，山东人，邳州市市场监督管理局，221300，本科学历，助理工程师。
