0引言
由于熔池正面特征参数和反面特征参数之间具有很好的对应关系，因此熔池的正面形状参数对于焊接过程的建模与智能控制具有非常重要的作用[1~7]。为了精确的获得熔池正面特征参数，必须对获取的熔池图像进行处理。
在焊接过程中存在着电磁干扰、摄像机与熔池之间存在相对运动、氩气的流动、摄像机内部噪声以及图像采集卡的离散和量化都会使熔池图像模糊。因此要对熔池图像进行去噪、边缘增强、边缘检测、边缘细化和拟合的操作。
在送丝脉冲GTAW中，熔池正面形状随着焊接参数的变化而变化，当熔化金属量逐渐减少时，熔池表面高度最明显的变化是熔池表面由凸起变为下凹。不锈钢熔池正面的形状由椭圆形变为桃子形。为了判断熔池图像属于凸起还是下塌需要对熔池的形状进行判断。
目前，图像处理的方法很多，但是任何一种图像处理方法都不能直接应用于熔池图像的处理。小波分析理论被看作是一种多层次分解函数的数学工具，小波分析在图像处理中的应用思想是把图像信号变换到小波域上，成为多层次小波系数，然后根据小波基的特性，分析小波系数的特点，结合常规图像处理方法处理小波系数，再对小波系数进行反变换。
本文针对不锈钢熔池图像的特点开发了基于小波分析的图像处理方法，包括边缘增强和边缘检测，然后采用双向细化方法对熔池边缘进行细化，最后对熔池边缘进行拟合和熔池类型辨别。
1 熔池图像分析
图1是采用复合滤光系统采集的不锈钢正面熔
池图像。熔池正面图像由喷嘴、电弧区、液态金属、已凝固焊道、工件表面组成。由于液态金属表面的镜面反射具有方向性，从熔池斜后方获取的液态金属表面反射的电弧光较少，使得熔池正面图像上液态金属区域具有较低的灰度级，斜后方的镜面反射较强，呈亮色，已凝固的焊道表面对弧光进行漫反射，在图像上呈现亮色，工件表面对弧光的反射较弱，所以图像灰度较低，电弧倒影呈现亮色。凸起型熔池图像的后拖角较大，呈现近似椭圆形状；而下塌型熔池图像的后拖角较小，呈现明显的桃子形状。
2 图像处理
焊接过程的视觉传感中，由于光学镜片的反光、复合滤光系统的作用、熔池本身的振动、焊接熔池与摄像机之间的相对运动、氩气的流动和烟尘造成熔池图像模糊。焊接过程中高频以及其他电磁干扰都会使焊接熔池图像质量下降。摄像机本身的噪声以及图像采集卡的模数转换和量化也会降低图像的质量。
2.1 熔池图像增强
为了消除熔池图像的模糊，需要对采集的熔池图像进行增强处理。
（1）
式中f(x,y)是处理前的图像，g(x,y)表示处理后的图像，图像增强算子用T[·]表示。
传统的图像平滑方法是将原图中一个像素的灰度值和它周围邻近八个像素的灰度值加权求和，然后求得平均值作为新图中该像素的灰度值。采用平滑的方法可能造成图像模糊。虽然中值滤波在一定条件下可以克服线性滤波器带来的图像细节模糊，而且对滤除脉冲干扰非常有效，但是对于细节多的下塌型熔池图像不适用。传统的解决图像模糊的方法是图像锐化处理，但是图像锐化可能会重新引入噪声，降低图像的信噪比。
基于小波分析的图像增强算法是把图像被分解为不同频带的变换系数，根据所需要的频带成分进行增强，然后在经过逆变换重建图像。设φ(x,y) 和ψ(x,y)分别是尺度函数和小波函数，j为图像分解层次，则对任意一幅图像f(x,y)，其小波分解的表达式为：
(2)
式中，前一项是低分辨率的图像；后一项是不同频带的子图像。
为了在图像平滑的时候加强高频成分，使图像轮廓更清晰，在式（2）中引入增益系数gk,n，得到
(3)
本文采用Daubechies构造的具有紧支撑正交归一小波为小波函数，滤波器响应序列为：
{pk}={0.483,0.8366,0.224,-0.1294}
{qk}={-0.1294,-0.224,0.8366, -0.483}
图像的大小为128×128，所以选择小波分解的级数为2级。由于不锈钢的熔池图像反射光比较强，边界有些模糊,通过试验确定增益参数为
。图2是增强处理的图像。