作者简介：闫欣，广东正业科技股份有限公司算法设计工程师，硕士，从事研究图像处理算法四年。
　　随着X光在工业检测中广泛应用，数字图像处理技术在X光检测技术得到了很大的发展，其中边缘检测技术在动力电芯无损检测中得到越来越广泛的应用。X光无损检测是锂电池生产过程中重要的一个环节。X光透射动力电芯后，经过增强器转换成光信号，摄像机获取电芯内部结构的数字图像。目前，经典的边缘检测技术有Sobel算子，Canny算子等[1,2]。X光成像是采用多帧图像合成而来，图像边缘的灰度分布比较离散，因此采用上述边缘检测算子，容易丢失有效边缘信息，提取的边缘图像不连续，致使电芯内部尺寸检测误差过大。因此，针对X光动力电芯的边缘检测技术的研究是很重要的。
　　一、 动力电芯X光图像的特征
　　动力电芯由阴阳两极材料组成，铝质阳极较铜质阴极在X光中容易透射，在图像中阳极呈现高亮度的灰度图像，而阴极呈现较暗的灰度图像，因此两极材料在X光图像中形成了不同灰度等级的图像，从而根据灰度的梯度获取边缘图像。由此，图像中有效边缘信息的提取是X光图像检测技术的关键。
　　二、 十邻域边缘检测算法
　　1.边缘检测算法的基本理论
基于十邻域边缘检测算子依据Sobel算子的检测原理而来。Sobel算子包含水平和竖直两个方向上的灰度梯度，并且距离中心元素距离越大，对边缘产生的影响越小，增强了边缘信息。由于动力电芯图像中的边缘灰度分布较离散，使用Sobel算子提取的边缘图像中包含了过多的噪声图像，有效边缘处可能因过强的噪声图像导致有效边缘信息的淹没，因此导致较多的有效边缘信息的丢失[1,3]。本文根据X光动力电芯图像的特征，依据Sobel算子水平方向和竖直方向的灰度梯度原理，计算十邻域像素的灰度梯度，该算法能提取有效边缘信息。
　　2. 边缘检测算法的实现
　　设数字图像，梯度图像。本文检测算法是根据设定的方向模板（如图1(c)）与图像进行邻域卷积来计算梯度，并提取边缘。则有，
　　算法主要步骤如下：
　　（1）边缘检测算子与图像卷积，得到的梯度图像；
　　（2）根据有效边缘的梯度信息来选择合适的阈值Th1。若对每个邻域的边缘信息都保留，则该阈值选择较小值，即只要任一方向上的梯度变化值大于0，则为有效边缘像素；
　　（3）将各邻域梯度图，分别根据阈值Th1来判断是否是边缘像素，若，即为该方向上的边缘像素，若，为背景图像；
　　（4）将各邻域上的梯度图累加，得到梯度图；
　　（5）根据有效边缘的梯度信息来选择合适的阈值Th2，若，即为边缘像素，若，为背景图像。
　　由此，得到了动力电芯内部结构的边缘图像。
　　该算法计算简单，能准确的提取有效边缘信息，因此可以提高检测的稳定性及准确度。
　　三、边缘检测在X光动力电芯检测技术中的应用
　　动力电芯内部阴阳两极间距的位置及其间距的要求较严格，因此对检测精度要求较高。图2是动力电芯在X光中成像效果，图3是Sobel算子提取的电芯边缘图像，图4是本文算法提取的电芯边缘图像。由此可知，Sobel算子提取的电芯竖直方向边缘图像，丢失了较多的有效边缘信息，因此导致真实边缘的损失。本文算法提取的电芯边缘图像，在提取有效边缘信息的同时，大大抑制了噪声图像，因此得到了较清晰的电芯边缘图像，针对阴阳两极间距的检测，可以达到更准确的检测精度。 (责任编辑：admin)