基于TMS320C6416的钢材焊接割面超声成像系统

# 技术文库 2013-09-22 16:22 来源：中国电力电子产业网

　　摘要：在钢材焊缝无损检测中，利用超声波对焊缝进行超声波成像，并通过图像处理对焊缝特征进行提取，目前图像生成速度和处理准确度是企业有待解决的重要问题.利用TMS320C6416 DSP的处理性能通过超声波传感器完成超声波图像快速采集，利用最大类间方差阈值选取法确定分割阈值，实现图像二值化处理，采用中值滤波和同态滤波相结合的滤波法对图像进行去噪处理.超声波是钢材焊接割面检测的重要技术，检测物件的超声波图像是进行缺陷检测的重要参考.介绍一种基于DSP的超声波成像仪方案，具体包括系统硬件构成.接口连接.超声波二维图像表示.伪彩色处理.中值滤波处理.Sobel算子边缘检测处理.DSP开发技术和具体实现细节.通过超声波成像仪获得的图像数据，说明该超声波成像仪的方案是可行的，可以达到钢材焊接割面缺陷检测的要求.

　　0 引言

　　在对钢材焊接割面进行超声波无损检测中，超声波回波信号经过换能器转换为电信号，经过模数转换为数字信号.为了获得检测物件的二维灰度图像，需要将数字信号高低转换为不同灰度级别.如果获得检测物件的二维伪彩色图像，需要将数字信号按照预先定义的调色板配色.

　　由于检测物件.检测设备性能和检测环境影响，获得的超声波回波信号存在不同程度的噪声，利用模数转换后的数字信号进行超声波二维成像时，得到的图像质量达不到识别检测物件缺陷的要求，主要表现为图像模糊，缺陷区域的图像和非缺陷区域图像边界不明显.为了提高图像质量，抑制噪声影响，必须对图像进行降噪处理.图像增强和边缘锐化等处理，从而达到识别缺陷的要求，同时对选取的图像处理算法一定要考虑超声波无损检测实时性要求和图像特征不同.

　　1.超声波成像系统构成

　　考虑到实际检测在线实时性需要，超声波成像系统选择了TI公司的TMS320C6416DSK作为DSP基础开发平台，其具有各16K字节一级数据和程序缓存，1M字节二级统一映射存储器或者缓存，720MHz主频，加上内部特有的硬件乘法器.并行多功能单元.哈佛总线结构.专用寻址单元和流水处理结构，非常适合于实时性很高的应用，同时TI公司提供针对TMS320C6416优化的图像支持库API函数，在硬件和软件两个方面都可以保证超声波无损检测中成像的要求.

　　超声波成像仪系统结构主要包括超声波传感器FUS.模拟电子开关MAX4624.传感器处理器XRD98L23.缓冲驱动器SN74HC244.TMS320C6416DSK.USB控制器CY7C68001和上位机及软件.超声传感器产生超声波声信号，接收超声回波信号转换成电信号，通过模拟电子开关，模拟信号进入传感器处理器完成放大和A/D转换，转换后的数字信号进入缓冲驱动器，最后进入TMS320C6416完成超声波检测物件二维图像处理，处理后的图像通过USB控制器上传到上位机软件，进行演示.分析和存储.

　　2.超声波成像系统接口设计

　　TMS320C6416具有丰富的编程资源，包括外部存储器接口EMIF.增强直接存储器访问EDMA.多通道缓冲串口MCBSP.定时器TIMER.中断和通用输入输出GPIO等.TMS320C6416 DSK充分将这些编程资源进行了外围扩展.超声波成像仪主要接口设计如图1所示.

　　图1描述了TMS320C6416与外围硬件接口设计，其中细实线箭头表示数据信号流程，细虚线箭头表示控制信号流程.

　　3.超声波成像处理

　　检测物件的超声波数据经过重构后可用二维矩阵f(x,y)表示.其中m为X方向的像素点数，n为Y方向的像素点数，f(x,y)为点(x,y)的灰度值.超声图像中的每个像素点与检测的每个采样点对应.但是由于超声图像中的每个像素点是相邻的，而检测物件上的每个采样点却是不相邻的，所以超声图像中的一个像素点实际代表了检测物件上以相应采样点为中心的以采样间隔为边长的方形区域.

　　3.1 超声波伪彩色成像

　　由于人的视觉系统能够区分的灰度等级只有二十多个，但是却能区分不同亮度.色调和饱和度的几千种彩色，而且彩色图像相对灰度图像也更舒服些.所以，可以对超声波图像的特征量进行必要的彩色增强，具体使用伪彩色定义方法实现.图像伪彩色处理分为频域伪彩色处理和空域伪彩色处理.空域伪彩色处理是将不同灰度值映像映射为不同色彩值.在超声成像时，伪彩色处理常采用空域伪彩色处理方式，即超声伪彩色图像是按某种规则给图像的各灰度级别映射不同的彩色.映射的方法根据检测物件材料和人为因素会有不同选择.基本过程是先将图像的灰度值划分为0到M分成N个区间，区间的大小可以不一致，然后给每一个区间指定一种颜色.对于超声波检测，N取值要适当，过大容易造成图像繁杂不直观，过小容易造成图像特征不完整.

　　3.2 超声图像平滑处理

　　由于检测物件.检测设备性能和检测环境影响，超声波图像中包含多种噪声，而这些噪声会影响检测物件超声波图像的缺陷分析，因此在对检测物件超声图像进行缺陷分析前必须去除这些噪声.由于在超声检测中的许多噪声产生机理是未知的，而且即使知道产生机理，一般情况下也很难进行数学建模.在这样情况下，一般采用根据噪声一般性质进行噪声消除的平滑处理方法.要求平滑处理方法既要保证不损坏图像轮廓及边缘等重要信息，也要保证图像清晰.

　　一般图像降噪有空间域法和频率域法.

　　空间域法是在空间域中对图像灰度值直接进行计算.频率域法是在将图像从空间域变换到频域中，然后对图像的变换值进行计算，最后变换回空间域.但是由于频域算法比较复杂，计算量大，处理速度慢，一般不适合超声检测使用.

　　由于TI公司针对TMS320C64x+ DSP提供的图像/视频处理库，其中提供了中值滤波等平滑函数，因此实际主要采用中值滤波方法来实现超声图像平滑降噪.

　　以C扫描图像为例来说明图像平滑处理方法的效果.图2为C扫描原始图像，图像中麻点和突变点较多，主要是由超声随机噪声引起的.图3为中值滤波后图像，可以看出噪声得到了一定程度的消除，同时能对图像的边沿细节较为完好的保留.

　　3.3 超声图像边缘检测

　　在数学上，对于这种由灰度值变化引起的阶跃情况可用梯度来表示，在后续的对阶跃求一阶导数的运算过程，即是用梯度操作数来完成的.根据梯度操作数计算涉及到偏导计算，这就要求对图像的每个像素进行计算，这样产生的计算开销较大，不适合实际使用.在实际应用中，一般采用基于方向导数小区域模板求卷积的方式来近似计算.X方向和Y方向的梯度各自使用一个模板，这两个模板共同构成一个梯度操作数.由于TI公司针对TMS320C64x+ DSP提供的图像/视频处理库，其中提供了Sobel算子多种模板的边缘检测函数，因此实际主要采用某一模板的Sobel算子方法来实现超声图像边缘检测.图4是采用Sobel算子对图3所示中值滤波后超声波图像处理的结果.从边缘检测的结果可以看出，Sobel算子对灰度渐变和噪声较多的图像可以达到较好的处理效果，但是Sobel算子处理的图像缺陷边缘并不是完全连通的，有一定程度的断开，这是因为该操作数不是各向同性的.