0引言
TOFD是衍射时差技术(timeofflightdiffraction)的缩写，是一种利用缺陷端部的衍射波传播时间差来进行缺陷检测与定量的方法。该技术由英国Harwell实验室(UKAEA)的Silk和Lidington于20世纪70年代末提出，目前被广泛应用于核电、建筑、石化、天然气等工业领域。
边缘是图像中十分重要的特征信息，图像处理工作人员在长期的研究中提出了多种边缘检测算子。本文将其中部分常用的边缘检测算子应用于TOFD系统扫描图像上，效果十分明显。
1TOFD技术简介
1.1TOFD原理
TOFD技术作为一种较新的超声波检测技术，不同于以往的脉冲反射法和声波穿透法等技术，它利用的是在固体中声速最快的纵波在缺陷端部产生的衍射来进行检测。在焊缝两侧，将一对频率、尺寸和角度相同的纵波斜探头相向对称放置，一个作为发射探头，另一个作为接受探头。发射探头发射的纵波从侧面入射被检焊缝断面。在无缺陷部位，接收探头会接收到沿试件表面传播的侧向波(lateralwave)和底面反射波(backwallecho)。而有缺陷存在时，在上述两波之间，接收探头会接收到缺陷上端部和下端部的衍射波。如图1所示。
1.2TOFD的扫描图像
在超声TOFD检测系统中主要产生2种类型的图像，即D扫描与B扫描图像，如图2所示。它们都是将扫描波形图(A扫描)各点的振幅用数字表示；0表示正满屏，255表示负满屏，128表示幅度为0，并以此转化为灰度图；再将一系列这样的灰度图并列而得到的。
D扫描与B扫描的区别在于声波的方向和探头运动方向是否平行。D扫描(纵向扫描)探头沿着焊缝方向移动，超声波的传播方向和探头运动方向垂直；B扫描(横向扫描)探头则沿着垂直焊缝的方向移动，超声波的传播方向和探头运动方向平行。
2常用边缘检测算子简介
边缘检测在数字图像处理中有着重要的应用，目的是反映出图像中灰度的不连续性。理论上通常采用计算图像的一阶或二阶导数来检测边缘，而在实际应用中则常通过小型模板求卷积的方法来近似。常用的一阶边缘检测算子有Roberts算子、Prewitt算子、Sobel算子等；二阶导数算子则有拉普拉斯算子等。下面简单介绍一下Sobel算子和高斯一拉普拉斯(LOG)算子。
2.1Sobel算子
Sobel算子是由2个卷积核构成的：
图像中的每一点都用这2个核做卷积，2个卷积的最大值作为该点的输出值。
Sobel算子另一种形式是各向同性Sobel(isotropicSobel)算子：
与普通Sobel算子相比，它的位置加权系数更为准确，在检测不同方向的边缘时梯度的幅度一致。
2.2高斯-拉普拉斯(LOG)算子
拉普拉斯算子是一种二阶导数算子，具有对噪声比较敏感的缺点。通常的做法是将高斯平滑滤波器和拉普拉斯算子相结合，先平滑掉噪声，再进行边缘检测，组成高斯一拉普拉斯(LOG)算子。常用的LOG算子是5×5的模板：
3D扫描图像的边缘检测应用
由于衍射波能量远小于测向波和底面反射波，导致在TOFD的扫描图像上显示的灰度变化并不明显。所以希望能够借助数字图像处理中边缘检测方法来使衍射波纹更容易被识别出来，从而提高TOFD检测的精确性。
下面以D扫描图像为例来研究边缘检测算子在TOFD扫描图像上的应用。图3(a)是一幅D扫描的原始图像，本文将使用MATLAB来进行边缘检测算子的处理。
在边缘处理之前，可以对图像先进行中值滤波的处理，目的是在保护图像边缘的同时去除噪声。所谓中值滤波，是以某点为中心的滑动窗口内的所有点的灰度大小的中间值作为中心点处的灰度值。在MATLAB中，可以用medfilt2函数来实现。图3(b)是中值滤波后的图像。
将不同的边缘检测算子在中值滤波后的图像上进行应用。在MATLAB中，Roberts算子、Prewitt算子和普通Sobel算子等可以直接使用edge函数来实现；而对于各向同性Sobel和高斯一拉普拉斯等edge函数没有包含的算子，可以使用conv2函数来求二维卷积。图3(c)、(d)分别是对图3(b)进行各向同性Sobel算子和高斯—拉普拉斯算子处理后的边缘检测结果。
4结论
通过对TOFD系统D扫描图像进行边缘检测算子的处理，原本较模糊的衍射波信号被清晰地呈现出来。将数字图像处理中的边缘检测引入TOFD系统是一种全新的尝试，上述实验结果表明了该方法是十分有效的，可以使识别TOFD扫描图像中的衍射波信号变得更清晰，从而可以提高TOFD系统缺陷检测的精确性。 |
