tratamento de imagens radiogrÁficas para...
TRANSCRIPT
TRATAMENTO DE IMAGENS RADIOGRÁFICAS PARA
MELHORIA DE DETECÇÃO DE POROSIDADE EM CORDÃO
DE SOLDA
Vinicius Borges Fonseca
Projeto de graduação apresentado ao curso de
Engenharia de Materiais da Escola Politécnica,
Universidade Federal do Rio de Janeiro, como parte
dos requisitos necessários à obtenção do título de
Engenheiro Metalúrgico.
Orientador: Gabriela Ribeiro Pereira
Rio de Janeiro
Março de 2015
ii
TRATAMENTO DE IMAGENS RADIOGRÁFICAS PARA MELHORIA DE
DETECÇÃO DE POROSIDADE EM CORDÃO DE SOLDA
Vinicius Borges Fonseca
PROJETO DE GRADUAÇÃO SUBMETIDO AO CORPO DOCENTE DO CURSO
DE ENGENHARIA DE MATERIAIS DA ESCOLA POLITÉCNICA DA
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO COMO PARTE DOS
REQUISITOS NECESSÁRIOS PARA A OBTENÇÃO DO GRAU DE ENGENHEIRO
METALÚRGICO.
Examinado por:
________________________________________________
Prof. Gabriela Ribeiro Pereira, D.Sc.
PEMM/COPPE/UFRJ
________________________________________________
Eng. Cesar Giron Camerini, M.Sc.
COPPETEC/UFRJ
________________________________________________
Prof. Adriana da Cunha Rocha, D.Sc.
PEMM/COPPE/UFRJ
RIO DE JANEIRO, RJ - BRASIL
MARÇO de 2015
iii
Fonseca, Vinicius Borges
Tratamento de imagens radiográficas para melhoria de
detecção de porosidade em cordões de solda./ Vinicius Borges
Fonseca – Rio de Janeiro: UFRJ/ Escola Politécnica, 2015.
xvi, 49 p.: il.; 29,7cm
Orientadores: Gabriela Ribeiro Pereira
Projeto de Graduação – UFRJ/ Escola Politécnica/ Curso de
Engenharia Metalúrgica, 2015.
Referências Bibliográficas: p. 45-47.
1. Processamento de Imagens 2. Porosidade em cordões de
solda
I. Pereira, Gabriela Ribeiro . II. Universidade Federal do Rio
de Janeiro, UFRJ, Engenharia de Materiais. III. Tratamento
de imagens radiográficas para detecção de defeitos em
cordões de solda.
v
Agradecimentos
Aos meus pais, Cyro Antonio Fonseca Junior e Monica Amaral Borges pelo amor,
carinho, compreensão e apoio que me deram, além de sempre acreditarem no meu
potencial e por serem meus melhores exemplos de pessoa.
Aos meus avós, pelo carinho e apoio e por cederem sua sala para tantos estudos
em grupo. E a minha irmã querida pelo carinho e por estar sempre comigo quando eu
preciso.
A todos os meus colegas da Metalmat, pela companhia em tantos dias de
momentos alegres e também nos momentos mais difíceis nesses anos de graduação.
Aos membros do Metalmat Underground, grupo de amigos que tive a enorme
sorte de fazer e vou levar pra vida toda, independente dos caminhos que seguiremos.
Amarei vocês pra sempre.
A todos os professores da graduação que contribuíram para a minha formação, me
ensinando muito dentro e fora da sala de aula.
Ao professor Paulo Emílio, por aprender tanto com ele como professor e ter a
oportunidade de trabalhar no projeto do Ônibus a Hidrogênio, de seu laboratório, o que
foi muito especial para mim, aleém de me enriquecer bastante e abrir muitas portas.
A toda equipe do Laboratório de Hidrogênio, principalmente, Edvaldo,
Alessandro, Zé Carlos, Selma e Cristiane pela companhia e amizade, tornando a minha
passagem pelo LabH2 tão enriquecedora, produtiva, agradável e divertida.
À professora Gabriela Ribeiro Pereira, minha orientadora, pela disponibilidade e
enorme contribuição para a realização desse trabalho.
A todos do LNDC que contribuíram e ajudaram na realização desse trabalho.
Mariana, César e em especial, ao João Vicente.
vi
Resumo do Projeto de Graduação apresentado à Escola Politécnica/ UFRJ como parte
dos requisitos necessários para a obtenção do grau de Engenheira Metalúrgica.
Tratamento de imagens radiográficas para melhoria de detecção de porosidade em
cordões de solda
Vinicius Borges Fonseca
Março/2015
Orientador: Gabriela Ribeiro Pereira
Curso: Engenharia Metalúrgica
A técnica de radiografia industrial tem grande aplicação em diferentes setores da
indústria e embora tenha sido bem desenvolvida ao longo dos anos, a imagem
radiográfica revelada pode ser difícil de ser interpretada por razões físicas da própria
natureza da radiografia ou pela influencia decisiva do fator humano para analisar a
imagem e precisar a localidade, tamanho e geometria dos defeitos. Uma análise incorreta
pode desaprovar uma peça em boas condições ou aprovar uma peça com
descontinuidades que excedem o limite estabelecido pelos padrões aplicáveis. As
técnicas de processamento de imagem facilitam a interpretação da imagem, diminuindo
o fator humano e tornando o sistema de inspeção mais confiável, rápido e fácil de
reproduzir. Desta forma, o presente trabalho busca através do software MATLAB®
aplicar e avaliar a técnica de interpolação polinomial para encontrar um limiar
adequado, com o objetivo de destacar porosidades em imagens radiográficas de padrão
IIW(International Institute of Welding) em cordões de solda. Os resultados obtidos
consistem na comparação de três imagens IIW com defeitos de porosidade, antes e
depois do processamento avaliando a eficácia da técnica em processar a imagem
digitalmente, facilitando a visualização do defeito presente no cordão de solda das
imagens inspecionadas.
Palavras-chave: Processamento de imagens, porosidade, defeitos de soldagem,
radiografia industrial.
vii
Abstract of Undergraduate Project presented to POLI/UFRJ as a partial fulfillment of the
requirements for degree of Metallurgical Engineer.
Radiographic image processing for better weld bead porosity detection
Vinicius Borges Fonseca
March/2015
Advisor: Gabriela Ribeiro Pereira
Course: Material Engineering
Industrial radiography technique has great aplicability on diferente industrial sectors and
although this technique has been well developed, the radiographic images can be hard to
read due to physical nature of radiography as well as the influence of the human factor
on analizing the location, size and geometry of the weld defects. An incorrect
classification may disapprove a piece in good conditions or aprove a piece with
discontinuities exceeding the limit established by the applicable standards. Digital image
processing techniques make the interpretation of the image easier, decreasing the human
factor making the inspection system more reliable, faster and reproducible. Thus, this
work aims to apply and evaluate, using MATLAB®, the technique of polinomial
interpolation to choose the best threshold value, aiming to highlight the porosities on the
weld beads of IIW(International Institute of Welding) pattern radiographic images. The
results consists on the comparison of three IIW images with porosity defects, before and
after being processed evaluating the effectiveness of the technique on digitally
processing the image, making it easier to visualize the present defect on the weld bead of
the inspected images.
Keywords: Image processing, porosity, weld defects, industrial radiography.
viii
ÍNDICE GERAL
1. Introdução....................................................................................................................1
2. Revisão Bibliográfica..................................................................................................2
2.1 Processo Radiográfico.....................................................................................2
2.1.1 Formação da Imagem Radiográfico.......................................................3
2.1.2 Produção de Raios X..............................................................................3
2.1.2.1 Espectro Contínuo.......................................................................4
2.1.2.2 Espectro Característico................................................................5
2.2 Filmes Radiográficos Convencionais..............................................................6
2.2.1 Elemento Sensível à Radiação................................................................7
2.2.1.1 Densidade Óptica........................................................................8
2.2.1.2 Velocidade..................................................................................9
2.2.1.3 Curva Característica dos Filmes.................................................9
2.2.1.4 Contraste....................................................................................10
2.2.1.5 Definição...................................................................................11
2.2.1.6 Ruído.........................................................................................11
2.2.2 Processamento do Filme Radiográfico..................................................11
2.2.2.1 Processamento Manual..............................................................11
2.2.2.2 Processamento Automático.......................................................12
2.3 Digitalização de Imagens...............................................................................12
2.4 Imagem Digital..............................................................................................13
2.4.1 Qualidade da Imagem Digital...............................................................15
2.4.1.1 Resolução Espacial....................................................................15
2.5 Processamento de Imagens............................................................................15
2.5.1 Imagens Digitais...................................................................................15
2.5.2 Sistema de Processamento de Imagens Digitais...................................15
2.5.3 Histograma............................................................................................17
ix
2.5.4 Segmentação e Limiarização................................................................18
2.5.5Interpolação Polinomial.........................................................................19
2.6 Estudo de Caso...............................................................................................23
3. Materiais e Métodos..................................................................................................26
3.1 Imagens Utilizadas no Trabalho....................................................................26
3.2 Desenvolvimento da Rotina..........................................................................27
4. Resultados...................................................................................................................34
4.1 Introdução e Apresentação das Imagens.......................................................34
4.2 Imagem I.......................................................................................................36
4.3 Imagem II......................................................................................................39
4.4 Imagem III....................................................................................................40
5. Conclusões..................................................................................................................43
6. Sugestão para trabalhos futuros..................................................................................44
7. Referências Bibliográficas..........................................................................................45
8. Anexo..........................................................................................................................48
1
1 INTRODUÇÃO
Ensaios não destrutivos são muito utilizados em toda a indústria. Suas técnicas
têm a grande vantagem de verificar se um equipamento ou parte dele pode continuar
operando caso seja aprovado no teste. O que, sem dúvidas, gera uma economia enorme
para as empresas que utilizam este tipo de técnica. A radiografia industrial é um dos
métodos mais utilizados na indústria petrolífera, petroquímica, nuclear e de geração de
energia, e tem ganhado muita importância na garantia da qualidade de peças e
componentes nos padrões e normas requeridos pelo mercado. Consiste em um método
que utiliza a radiação penetrante e ionizante para identificar descontinuidades internas,
especialmente, em cordões de solda e juntas soldadas.
Defeitos como porosidade são comuns em soldagem, e dependendo do tamanho e
localização dos poros, o componente deve sair de operação de acordo com as normas de
aplicação especificas. Portanto o diagnóstico do ensaio não destrutivo deve ser preciso.
A visualização clara e o entendimento da geometria de um defeito em uma solda são
essenciais para averiguar a qualidade da solda e para tomar a decisão da sua aceitação ou
rejeição.
A técnica de processamento digital de imagens permite a automatização da
interpretação da imagem, diminuindo a participação humana e tornando o sistema de
inspeção mais confiável e rápido.
Diante deste cenário, este presente trabalho busca avaliar a utilização da técnica
de limiarização através da interpolação de polinômios para processar digitalmente a
imagem a fim de facilitar a detecção e análise do defeito de porosidade em cordões de
solda em imagens radiográficas.
2
2 REVISÃO BIBLIOGRÁFICA
2.1 Processo Radiográfico
O método da radiografia é usado para inspeção não destrutiva baseando-se na
diferença na absorção da radiação penetrante pela peça que está sendo inspecionada. A
diferença na densidade, variação da espessura ou diferentes características de absorção
pela composição do material, terá como resultado diferentes regiões absorvendo
diferentes quantidades da radiação penetrante. A detecção da radiação pode ser feita
através de um filme, ou através de um tubo de imagem ou também medida por
detectores eletrônicos de radiação. Através de um meio de detecção e de acordo com a
variação na quantidade de radiação absorvida poderá ser observada a existência de uma
falha interna ou descontinuidade no material, assim mostrado na Figura 2.1.
Figura 2.1 – Processo Radiográfico[1].
3
2.1.1 Formação da Imagem Radiográfica
A intensidade inicial da radiação eletromagnética que atravessa um
objeto decrescerá exponencialmente com a sua espessura, considerada uma fonte
emissora existente, como mostra a equação 2.1.
I = I0(E).exp(-μ(E)x ) (2.1)
onde,
E é a energia da radiação incidente;
I0 é a intensidade da fonte de radiação;
I é a intensidade da radiação após atravessar o material;
x é a espessura do material;
μ é o coeficiente total de absorção do material.
A soma dos coeficientes representados pelos processos de absorção da radiação
pela matéria definem o coeficiente de absorção total, μ. Sendo os processos, o efeito
fotoelétrico e o espalhamento Compton que é a diminuição de energia de um fóton
devido à interação com a matéria.
O aumento da diferença entre os coeficientes de absorção da radiação no material
e na descontinuidade acontece com o aumento entre a diferença das densidades do
objeto com e sem descontinuidade. Desse modo, a sensibilidade do método é
diretamente proporcional à densidade do objeto e inversamente proporcional à da
descontinuidade. O coeficiente de absorção varia inversamente com a energia
proveniente do efeito fotoelétrico e do efeito Compton. Logo, haverá perda de
sensibilidade para fontes de energias mais altas.
2.1.2 Produção de Raios X
4
A ampola de raios X é colocada em funcionamento, criando-se uma nuvem
eletrônica em torno do filamento. Aplica-se uma diferença de potencial que acelera a
nuvem em direção ao anodo. A desaceleração repentina desses elétrons ao interagirem
com os átomos do alvo desencadeia em uma transformação da energia cinética que foi
ganha durante a aceleração em radiação eletromagnética (raios X). O tipo de interação
dos elétrons gerados com o alvo define a forma como os raios X são produzidos,
podendo ser de duas formas: frenamento e colisão.
2.1.2.1 Espectro Contínuo
O processo consiste na deflexão dos elétrons pela carga elétrica positiva
localizada no núcleo dos átomos do alvo, devido a interação coulombiana. Uma
partícula carregada livre emite radiação eletromagnética quando tem sua trajetória
alterada. Fenômeno conhecido como “bremsstrahlung” ou radiação de freiamento.
Aplicando o principio de conservação de energia, tem-se:
h = k – k’ (2.2)
onde,
k é a energia cinética do elétron antes da interação;
k’ é a energia cinética do elétron após a interação e
h é a energia do fóton emitido.
Logo, é possível observar que quanto maior a deflexão sofrida pelo elétron,
maior será a energia do fóton de raios X emitido. Assim, os comprimentos de onda dos
5
fótons emitidos podem variar de um máximo (k k’) e um mínimo (k’ = 0), originando
um espectro de radiação contínua, exemplificado na Figura 2.2.
Figura 2.2 – Espectro de radiação continua [2].
2.1.2.2 Espectro Característico
O processo ocorre quando ao interagir com o átomo do alvo, um elétron
energético expulsa um de seus elétrons mais internos. Assim, o nível ficará com uma
vacância que será preenchida por um dos elétrons mais externos, que se move para
preencher essa vaga e emite fótons de raios X com a transição.
Esse fóton é conhecido como raios X característicos e são geralmente devido às
transições orbitais entre as camadas K, L e M. Quando o elétron que preenche o buraco
vem do nível energético L, temos a linha K . Quando vem do nível M, temos a linha
K .
O espectro final da radiação é o conjunto da radiação contínua (bremsstrahlung)
e de raios X característicos, como pode ser observado na Figura 2.3 [2].
6
Figura 2.3 – Espectro de radiação continua com os picos característicos [2].
2.2 Filmes Radiográficos Convencionais
A estrutura de um filme radiográfico é constituída por uma emulsão fotográfica
bem fina e uma base plástica transparente que dá sustentação à emulsão. A emulsão
consiste em uma camada de 0,025 mm de gelatina, com um grande número de
minúsculos cristais de brometo de prata. A emulsão é colocada sobre um suporte,
denominado base, feito geralmente de um poliéster ou celulóide, transparente e de cor
levemente azulada. Ao contrário dos filmes fotográficos, os filmes radiográficos
possuem a emulsão em ambos os lados da sua base. Quando atingidos pela radiação ou
luz os cristais de brometo de prata tornam-se susceptíveis a reagir com um produto
químico denominado revelador. A reação com o revelador resulta na redução da prata
metálica negra, que dará a cor escura dos grãos nas regiões atingidas por uma
quantidade maior de radiação. Dessa forma, os filmes apresentarão áreas mais claras e
mais escuras que irão compor a imagem do objeto radiografado.
7
Figura 2.4 – Camada dos filmes radiográficos [3].
2.2.1 Elemento Sensível à Radiação
É o elemento principal por ser o que absorve a radiação, convertendo-a em
imagem. A imagem é constituída de uma gama de tons escuros e claros que contêm
informação útil para diagnóstico.
O cristal do haleto de prata é constituído de brometo de prata e de iodeto de prata
em menor quantidade(até 10%), depositados em forma de microcristais (ordem de 1µm
de diâmetro) sobre a base, misturados à gelatina que os mantém em suas posições
relativas. A Figura 2.5 mostra a organização dos átomos dentro dos microcriscristais.
8
Figura 2.5 – Estrutura do Cristal de haleto de prata.
A seguir, são apresentadas algumas características dos filmes radiográficos:
2.2.1.1 Densidade Óptica
A densidade óptica é o grau de enegrecimento evidenciado pelas áreas claras e
escuras presentes na imagem formada no filme radiográfico.
Matematicamente a densidade é calculada através do logaritmo da razão entre a
intensidade de luz visível que incide no filme e a intensidade que é transmitida e
visualmente observada na Equação 2.3 [4].
I
I log D 0 (2.3)
onde,
I0 = Intensidade de Luz incidente
I = intensidade de luz transmitida
Pode-se concluir da Equação 2.3, que, quanto maior a densidade, mais
enegrecido ficará o filme.
9
Figura 2.6 – Densidade óptica e grau de enegrecimento.
2.2.1.2 Velocidade
Filmes diferentes levam tempos distintos para atingir uma determinada
densidade quando submetidos a uma mesma exposição. Ou seja, filmes rápidos
necessitam de menos tempo de exposição para atingir a mesma densidade que um filme
mais lento necessitaria.
Cada filme possui sua própria velocidade. Característica que depende,
principalmente, do tamanho dos cristais de prata presentes na emulsão. Quanto maior o
tamanho dos cristais, mais rápido será o filme e sua imagem será mais grosseira e
possuirá menor nitidez que uma imagem formada por cristais menores.
2.2.1.3 Curva característica dos filmes
A curva H & D (Hurter-Driffield) é a curva característica de um filme e também
pode ser chamada de curva sensitométrica. Ela relaciona a exposição dada a um filme
com a densidade resultante, possibilitando a comparação qualitativa entre diferentes
filmes. Através das curvas características pode-se estabelecer critérios para corrigir
densidades obtidas para filmes diferentes para uma mesma exposição dada. A curva é
traçada pela medição das densidades em exposições sucessivas do filme, e os valores
plotados em um gráfico de densidades em função do logaritmo da exposição relativa [5].
10
Figura 2.7 - Curva característica de filmes radiográficos [5].
2.2.1.4 Contraste
A imagem em um filme radiográfico é formada pelas variações de densidade
entre as regiões. O contraste é a diferença de densidades entre duas regiões adjacentes
no filme. Outra forma de entender o significado do contraste de uma imagem é sendo a
capacidade de o filme detectar intensidade e energias diferentes de radiação. Para uma
maior qualidade da imagem e uma segurança maior na interpretação da radiografia
procura-se imagens com alto contraste. [4].
Figura 2.8 Imagem a) com alto contraste e b) com baixo contraste.
a)
Fonte: http://webstag.kodak.cz/
b)
11
2.2.1.5 Definição
Uma imagem formada no filme radiográfico tem nas bordas de um objeto, por
exemplo, uma área com densidade intermediaria entre o fundo e o objeto. Uma imagem
com alta definição tem sua região de transição de densidades estreita. [4]
2.2.1.6 Ruído
O ruído em uma imagem pode ser relacionado com a granulometria e a
distribuição dos grãos de prata no filme radiográfico. Quando deseja-se inspecionar
pequenos defeitos na imagem deve-se usar filmes de granulação fina, onde ocorre menor
risco de acobertamento de detalhes na imagem [6].
Figura 2.9 a) Imagem com pouco ruído, b) Imagem com muito ruído
2.2.2 Processamento do Filme Radiográfico
Para o processamento radiográfico seguir de forma correta o processamento dos
banhos e dos filmes deve seguir algumas recomendações de manuseio, limpeza,
temperatura e tempo. O processamento pode ser automático ou manual.
a) b)
Fonte: http://www.sprawls.org/
12
2.2.2.1 Processamento Manual
O processamento tem como objetivo formar a imagem visível de prata metálica a
partir da imagem latente invisível, podendo assim representar nessa imagem o objeto
radiografado.
O processamento manual é composto pela seguinte série de banhos:
Revelação: solução com agentes reveladores agem quimicamente nos
cristais de brometo de prata com tempo e temperatura controlados;
Banho de parada: tem a função de interromper a reação de revelação
através da remoção do revelador residual;
Fixação: o filme é colocado em um terceiro tanque contendo uma
solução que remove o brometo de prata das porções não expostas do
filme, e endurece a emulsão gelatinosa para secagem ao ar aquecido.
Lavagem dos filmes: remoção do fixador da emulsão com o tempo de
lavagem e a temperatura da água bem controlados.
2.2.2.2 Processamento Automático
Com um ciclo de processamento com tempo inferior a 15 minutos, este é um
sistema usado com as mesmas etapas do processo manual para grandes volumes de
trabalho, podendo ter alta qualidade quando operado adequadamente.
2.3 Digitalização de Imagens
Existem, basicamente, dois métodos que possibilitam digitalizar uma imagem. A
fotografia digital e o uso de um scanner.
13
Alguns fatores externos podem comprometer o método da fotografia digital
podendo, assim, perder a qualidade da imagem adquirida. Os principais fatores são o
alvo estar fora de foco, a não uniformidade da iluminação do alvo e do ambiente e a não
uniformidade da densidade do meio (ar) entre a imagem e a câmera. Por outro lado, feita
corretamente por um usuário experiente e com conhecimentos de fotografia este método
traz vantagens como a rapidez da digitalização, além do tamanho reduzido e a
portabilidade do equipamento[7].
O uso de um scanner acaba reduzindo os problemas citados para as câmeras
digitais. Utilizando um scanner de mesa as imagens a serem adquiridas ficam fixas no
momento da digitalização, resultando em uma captura com distância do objeto e
luminosidade uniformes. Uma outra vantagem do uso de scanners é não exigir muito
conhecimento técnico para sua operação.
As imagens depois de digitalizadas apresentam características de importante
entendimento para serem analisadas e aumentar a credibilidade do seu diagnóstico para
qualquer que for a sua aplicação.
2.4 Imagem Digital
Uma imagem digital pode ser definida como uma função bidimensional, f(x,y),
onde x e y são coordenadas espaciais. A amplitude f , sendo qualquer par de coordenada
f(x,y), é a intensidade ou nível de cinza naquele ponto, determinado pela intensidade de
fótons incidindo no determinado ponto do detector.
Os pixels são elementos finitos da imagem com valor e local determinado. O
conjunto de valores de pixels é armazenado em um arquivo de imagens.
Pode-se observar na Figura 2.8 (a) até (d) uma imagem radiológica obtida depois
da interação do feixe de raios X com um objeto Figura 2.8 (a) e a imagem subdividida
em uma grade esquemática de pixels Figura 2.8 (b). É mostrada na Figura 2.8 (c) a
representação numérica dos valores de cada pixel correspondente aos níveis de cinza,
conforme intensidades de radiação recebida em cada pixel, na Figura 2.8 (d) a imagem
digital em uma tela de computador mostra os pixels correspondente aos do sensor.
14
Figura 2.10 – Conceito de uma imagem digital [8].
A imagem digital é armazenada através de valores que podem ser 0 ou 1, dígitos
binários denominados bits, onde um conjunto de bits é chamado de byte.
Os pixels da imagem digital são representados pelos bytes, através de
configurações que representam as tonalidades de grau de cinza.
Pode-se ver na Figura 2.10 a relação entre as tonalidades de cinza, as
configurações de bytes e os valores de pixel.
Figura 2.11 – Comportamento entre os valores de pixel e os níveis de cinza [6].
15
O número de bytes corresponde ao espaço no disco utilizado para guardar uma
imagem. Normalmente, os sistemas de aquisição de imagens digitais trabalha com bytes
de oito bits.
2.4.1 Qualidade da Imagem Digital
Aqui serão apresentados fatores que influenciam na qualidade de uma imagem
radiográfica tanto para Radiografia Computadorizada (RC) quanto para Radiografia
Direta (RD).
2.4.1.1 Resolução Espacial
A resolução espacial, definida como a menor distância entre dois pontos da
imagem que podem ser visualizados, é um dos principais fatores para a qualidade de
uma imagem digital.
Existem fatores associados à resolução espacial que podem contribuir para uma
degradação do sinal, causando uma perda de definição na imagem, o que também pode
ser chamado de desfocagem geométrica.
2.5 Processamento de Imagens
2.5.1 Imagens Digitais
Sabe-se que os computadores trabalham com linguagem numérica, logo uma
imagem será representada em um computador por um conjunto de números, para que o
mesmo seja capaz de reproduzi-la e processa-la.
16
Uma imagem digital é uma função discreta f(x,y), tanto em coordenadas
espaciais quanto em intensidade de cinza (brilho). As coordenadas (x,y) identificam a
posição espacial enquanto o valor da função, refere-se ao brilho naquela coordenada.
Cada ponto representa um elemento da imagem e é chamado de pixel, como abreviação
de picture element. Outra maneira de representar uma imagem digital é por meio de uma
matriz MxN, onde cada combinação do índice i e j representa um pixel e o valor do
elemento corresponde à sua intensidade. Na figura 2.8, observa-se um exemplo de como
uma imagem física (fotografia) é representada por uma matriz, onde cada elemento da
matriz tem seu valor de intensidade. [10] [11] [12]
Figura 2.12. Representação de uma imagem física e sua correspondente como imagem
digital. [10]
O processamento de imagens digitais pode ser resumido na manipulação de
imagens por um computador, ou seja, manipulação da matriz que representa essa
imagem. O processamento tem como finalidade a melhoria da informação contida na
imagem digital para a análise humana, como no caso de melhoria da imagem digital para
análise de uma inspeção por ensaios não destrutivos, ou percepção automática através de
maquinas como detectores automáticos de endereço. No primeiro caso, onde a imagem
digital após o processamento será analisada por um observador, o sucesso ou não do
17
processamento não é tão claro, pois depende da interpretação visual do observador,
tornando a qualidade do processamento subjetiva. [10] [11] [13]
2.5.2 Sistema de Processamento de Imagens Digitais
O conjunto de operações que podem ser efetuados sobre uma imagem é
conhecido como sistema de processamento de imagens, sendo estas operações:
aquisição, armazenamento, processamento, transmissão e exibição. [11]
A aquisição de uma imagem consiste na conversão de uma imagem em uma
representação numérica adequada para o processamento a ser realizado. Esta primeira
etapa é dividida em duas partes, a primeira onde: um dispositivo físico sensível a uma
faixa de energia eletromagnética que produza um sinal elétrico de saída proporcional a
um nível de energia percebida, e a segunda parte onde: um digitalizador converte o sinal
elétrico em informação digital. O armazenamento é dividido em três categorias:
armazenamento por curto tempo, armazenamento “on-line” para acesso rápido e
armazenamento em arquivo. [11]
O processamento de imagens envolve procedimentos que são expressos em
forma algorítmica e é caracterizado por soluções específicas, logo técnicas que tem bons
resultados para uma área podem se mostrar inadequadas em outra área. Utilizou-se o
software MatLab® para o processamento de imagens no presente trabalho. [11][12]
A última operação é a exibição das imagens. Os principais dispositivos de
exibição são os monitores de TV, quando a exibição é feita em papel, a melhor opção é a
reprodução fotográfica. [11][12]
2.5.3 Histograma
Uma ferramenta simples e muito usada no processamento de imagens digitais é o
histograma, que pode ser descrito como um representação de quantos pixels possuem
18
determinada intensidade de cinza, podendo também ser estendido para imagens RGB.
[10][11] . Uma imagem digital com intensidades de cinza dentro do intervalo [0,L- 1] é
uma função discreta h( ) = , onde é o i- ésima intensidade de cinza e é o numero de
pixels na imagem digital com essa intensidade de cinza, é o numero total de pixels da
imagem e i = 0,1,2,3,...,L-1. A função h( ) é uma estimativa da probabilidade de
ocorrência da intensidade de cinza , o histograma dessa imagem é um gráfico onde o
eixo das abscissas representa a intensidade de cinza e o eixo das ordenadas representa a
frequência (numero de pixels) em que essa intensidade ocorre na imagem, como pode
ser observado na figura 2.9(b) que é a representação do histograma da imagem digital
representada pela figura 2.9(a), onde existem mais pixels de intensidade maior, ou seja,
intensidade de cor mais próxima ao branco, do que pixels com intensidade menor, com
intensidade de cor próxima ao preto. [11][10][13]
Figura 2.13. (a) imagem digital e (b) histograma da imagem
Através do histograma é possível tirar conclusões sobre a imagem, como
contraste (alto ou baixo), se uma imagem possui muito ou pouco detalhe, se uma
imagem é clara ou escura, além de ser possível obter informações como área total em
que determinada intensidade de cinza ocupa. [11]
2.5.4 Segmentação e Limiarização
A segmentação tem como função subdividir a imagem em suas partes ou objetos
constituintes, em que o nível dessa subdivisão dependente do problema a ser resolvido.
A segmentação é interrompida quando os objetos de interesse na aplicação tiverem sido
isolados do fundo. A analise é feita desconsiderando-se o fundo, destacando a forma, o
19
tamanho e a posição do objeto de interesse após a segmentação. [11] [13].
A segmentação por limiarização pode ser dividida em dois grupos conforme o
processamento: [14]
bilevel, onde a imagem é binarizada obtendo-se uma imagem com o
objeto em branco e o fundo em preto, ou vice-versa.
multilevel, onde há mais de um objeto de interesse na imagem e é
necessário diferenciar esses objetos um dos outros. [14]
O princípio da limiarização, basicamente consiste em separar duas regiões de
uma imagem, normalmente o fundo e o objeto. Também denominado binarização devido
ao fato da limiarização produzir na saída uma imagem binária. A forma mais simples de
limiarização consiste na bipartição do histograma, convertendo os pixels cujo tom de
cinza é maior ou igual a um certo valor de limiar (T) em brancos e os demais em pretos.
No caso de níveis de cinza divididos basicamente em duas classes, onde o
histograma apresenta dois picos e um vale, a limiarização é trivial. Em casos em que o
histograma apresenta uma curva mais heterogênea o limiar pode ser encontrado através
de outras técnicas mais complexas, como por exemplo a interpolação de polinômios.
2.5.5 Interpolação Polinomial
Interpolação polinomial é um método matemático em que um polinômio é usado
como função interpoladora para encontrar valores intermediários de interesse em uma
tabela ou curva de valores.
O polinômio assume valores conhecidos em certos pontos chamados de nós de
interpolação. Escolhe-se a classe de funções para a interpolação adequada às
características que pretende-se que a função possua.
20
A escolha dos nós de interpolação é muito importante para que a interpolação
seja adequada a aplicação escolhida. O uso de nós de Chebyshev se mostrou conveniente
O conjunto das funções interpoladoras é determinado por um número finito de
parâmetros para os polinômios, ou seja, seus coeficientes, que será o mesmo número de
nós, que no caso são as condições impostas, para que haja apenas uma solução. A
determinação dos parâmetros, que definem a função interpoladora, nos levará à
resolução de um sistema linear.
A fim de reduzir número de operações envolvidas, simplificando a resolução do
sistema, usa-se as fórmulas de Lagrange ou de Newton.
Consideremos um conjunto de pontos designados como nós de interpolação, x0 ,
... , xn , a que estão associados os valores de uma função f0 , ... , fn, respectivamente.
Pretendemos encontrar um polinômio p tal que:
Equação 1 p ( xi ) = fi
para i = 0, ..., n. Como vemos na Figura 2..
Figura 2.14. O polinômio de 3º grau interpola a função em 4 pontos [15]
Escrevendo p( x ) = a0 + a1 x + ... + am xm, obtemos o sistema:
a0 + a1 x0 + ... + am x0m = f0
...
a0 + a1 xn + ... + am xnm = fn
21
Para que este sistema seja possível e determinado é pelo menos necessário que
m=n. Obtemos assim o sistema linear :
1 x0 ... x0n
1 x1 ... x1n
...
...
1 xn ... xnn
a0
a1
...
an
=
f0
f1
...
fn
Em que a matriz do sistema é conhecida como Matriz de Vandermonde[28]. Para
assegurar que o sistema é possível e determinado para quaisquer x0 , ... , xn distintos
deve-se garantir a existência e unicidade do polinômio interpolador.
Teorema:
Dados n+1 nós, x0 , ... , xn e os respectivos valores f0 , ... , fn,
existe um e um só, polinômio interpolador de grau <n, para esses valores.
Unicidade:
Supondo que existem dois polinômios interpoladores p e q de grau < n, então o
polinômio p(x) - q(x) tem grau < n e n+1 raízes, já que, sendo polinômios
interpoladores, verificam:
Equação 2
p ( xi ) = fi = q ( xi )
para i = 0, ..., n.
Consequentemente, como tem n+1 raízes e grau < n, o polinômio p(x)-q(x) terá que ser
nulo, logo:
22
Equação 3
p = q
Existência:
Podemos mostrar a existência através da construção dos Polinômios de
Lagrange.
Dados n+1 nós de interpolação x0 , ... , xn, definimos para cada i = 0, ..., n o polinômio
de Lagrange li(x) de grau n tal que :
Podemos deduzir uma expressão explícita dos polinômios de Lagrange.
Fixando i e variando j = 0, ..., n , obtemos:
E a constante Ci pode determinar-se, pois li(xi ) = 1, o que implica
Consequentemente:
23
para i = 0, ..., n .
Na Equação 4 consta a fórmula Interpoladora de Lagrange:
Equação 4
pn( x ) = f0 l0(x) + ... + fn ln(x)
Verificando que pn ( xi ) = fi , temos a Equação 4 como a expressão do polinômio
interpolador. Assim, o perfil original seria fi e o interpolado seria dado por pn ( xi ).
Logo ao se interpolar cada um dos perfis originais (fi) teríamos uma série de pn ( xi )
como formadores de um novo background e posteriormente seria possível subtrair o
background original do background interpolado restando apenas os possíveis defeitos na
imagem resultante [15].
2.6 Estudo de Caso
As imagens radiográficas dos defeitos selecionadas neste trabalho apresentaram
dificuldades de visualização comuns depois de serem digitalizadas. Além de granuladas
apresentaram reduzido contraste entre o fundo e as regiões dos defeitos, caracterizado
pelas bordas pouco aguçadas e esfumaçadas.
Diante desse cenário, se torna difícil durante a visualização da imagem
radiográfica detectar e precisar o tamanho das porosidades presentes. Tornando-se
fundamental o processamento da imagem. Foi pesquisado na literatura a escolha de um
método para tratar e melhorar a visualização dos defeitos na imagem a fim de obter uma
imagem em que seja mais fácil a identificação e avaliação dos defeitos de porosidade
nas juntas soldadas radiografadas.
A segmentação vem sendo utilizada há décadas no processamento de imagens e
foi o escolhido para a realização deste estudo. Pode-se encontrar na literatura diferentes
técnicas de segmentação por limiarização com resultados satisfatórios. O objetivo da
24
técnicas é segmentar as imagens em regiões que podem ser subsequentemente
analisadas quanto a seu tamanho, geometria, posição relativa, entre outras
características.
Diferentes técnicas de limiarização vem sendo estudadas e tem como propósito
básico escolher um tom de cinza limiar ideal que binarize a imagem. O objetivo é
destacar um ou mais objetos do fundo. Os objetos assumem o tom de cinza 1, que
corresponde ao preto. E o fundo o tom de cinza 0, correspondente a cor branca.
As técnicas mais antigas para seleção automática do limiar eram baseadas na
análise do histograma de tons de cinza da imagem. Em 1962, W. Doyle estudou uma
técnica simples chamada “p-tile” que pode ser aplicada quando os objetos na imagem
tem tons de cinza maiores que o fundo, e ocupam uma porcentagem fixa da área da
imagem. Um método muito eficaz, entretanto, não é aplicável se a área do objeto é
desconhecida ou varia de imagem para imagem.
Em 1966, Prewitt e Mendelsohn’s usaram em seu trabalho a escolha do limiar
como os vales do histograma. O histograma de uma imagem pode conter picos e vales
correspondendo a subpopulação de tons de cinza da imagem. O objeto e o fundo são
representados pelos picos do histograma. As bordas, representadas pelos vales, são
compostas pelos tons de cinza intermediários e são muito menos populosos que os tons
do objeto ou do fundo.
Em casos em que o histograma da imagem não apresenta picos e vales bem
definidos, a binarização torna-se mais complicada. E outras técnicas aparecem na
literatura para encontrar o valor limiar mais adequado para binarizar a imagem e
diferenciar os defeitos do fundo.
Em 2010, Almeida R. M. e Vaz M. A., Rebello J.M. [16], propuseram a
utilização da interpolação polinomial para encontrar o limiar adequado para binarizar
imagens radiográficas. O método foi proposto para corrigir os principais fatores que
dificultam a análise de defeitos em imagens radiográficas. As imagens em geral são
muito escuras, apresentam muitos ruídos, baixo contraste, além de um fundo com um
tom de cinza não uniforme devido a diferença de espessura ao longo do cordão de solda.
A superfície da solda geralmente é áspera e ondulada, o que pode trazer uma variação
nos tons de cinza que podem ser confundidos com as áreas dos defeitos. Foi aplicado
25
nesse trabalho uma rotina utilizando o software Matlab® baseada no trabalho de Almeida
R. M. e Vaz M. A., Rebello J.M. que será detalhada no capítulo seguinte.
26
3 MATERIAIS E METODOS
Neste capítulo são apresentados e descritos os sistemas utilizados para obtenção
das imagens radiográficas que foram utilizados. Também será apresentado o
desenvolvimento da rotina de processamento de imagens radiográficas.
3.1 Imagens utilizadas no trabalho
Para o contexto do trabalho foram utilizadas três imagens radiográficas de
padrões IIW (International Institute of Welding) de corpos de prova com cordões de
solda.
As imagens fazem parte de uma coleção adquirida pelo Laboratório LNDC da
COPPE/UFRJ. A coleção “IIW Collection of Reference Radiographs of Welds in Steel”
é constituída de 86 filmes escolhidos e aprovados pela Commission V “Testing,
Measurement and Controlo f Welds” da IIW. São imagens de defeitos típicos de
soldagem em diferentes graus de severidade com o objetivo de servir como um guia para
a interpretação de radiografias. Os filmes da coleção são de soldagem de topo a arco em
chapas de aço de 10 a 50 mm (3/8 a 2 pol).
As imagens foram obtidas por radiografia em filmes convencionais, método
detalhado na revisão bibliográfica. Posteriormente, as imagens radiográficas foram
digitalizadas no scanner KODAK INDUSTREX LS85 High-Performance com as
especificações abaixo[17]:
Imagens de 12 bits
o Faixa dinâmica estendida
Dimensões •
o Altura: 40 cm (sem o alimentador de filme em folha)
o Largura: 51 cm
o Profundidade: 70 cm
27
o Peso: 41 kg
Tamanho do filme
o Largura: 35 cm
Geometria do pixel
o Tamanho do pixel: ajustável a 73 µm
o Pixels/pol: ajustável a 350 pixels por polegada
o Resolução limitante: máximo de 5 lp/mm
Taxa de varredura
o 18 a 88 segundos por placa de 35 x 43 cm (14 x 17 pol), dependendo da
configuração de resolução
Densidade óptica
o Contagem mínima: 0,001 OD
o Alcance linear: 0,03 a 3,85 OD
3.2. Desenvolvimento da Rotina
Após a imagem radiográfica ser inserida no Matlab o primeiro passo foi detectar
os limites do cordão de solda para diferenciá-lo do metal de base. Devido a baixa
qualidade e resolução da imagem a borda do cordão de solda não estava bem definida e
foi apresentada grande dificuldade de identificar o seu limite com o metal base. Para isso
foi utilizada a função gradiente [18].
GRADIENTE (Fn): retorna o gradiente numérico da matriz Fn. FnX corresponde
a DFn / dx, as diferenças na direção x (coluna). FnY corresponde a df / dy, as diferenças
na direção y (linha). O espaçamento entre os pontos, em cada sentido é assumido como
sendo um. Quando F é um vetor, DFn = gradiente (Fn) é o gradiente 1-D. Assumindo que
é Fn seria cada um dos perfis originais da imagem radiográfica de 1 até n, onde n seria o
último perfil [28].
A função gradiente gera vários pontos e então foi feita uma média da nuvem de
pontos gerando uma reta representando a borda. Na figura 3.1 tem o esquema da rotina
para obtenção do contorno da solda.
28
Figura 3.1 Esquema para a obtenção do contorno de solda[16]
Para processar as imagens radiográficas foi desenvolvida uma rotina utilizando o
software Matlab® em uma analise baseada nos tons de cinza. A rotina foi baseada no
trabalho de Almeida R. M., Vaz M. A., Rebello J.M. [16], e consiste na busca do limiar
mais adequado através da função interpolação polinomial.
As imagens foram inseridas no ambiente Matlab como e foi gerado um perfil de
tons de cinza transversal da solda fragmentando para cada coluna de pixels da imagem,
demonstrado na Figura 3.2.
29
Figura 3.2 Radiografia de solda evidenciando a Linha vertical(em vermelho)
correspondendo ao perfil de tons de cinza
Assim foi possível realizar a interpolação de cada um desses perfis, que
alinhados longitudinalmente analisa e trata cada coluna da imagem radiográfica, gerando
a imagem processada.
A rotina foi baseada na interpolação de uma função polinomial. Na
primeira etapa cada perfil é interpolado. A interpolação polinomial foi feita utilizando o
método dos mínimos quadrados para tentar minimizar o erro quadrático entre as curvas.
Nesta etapa foi utilizada uma equação polinomial de grau sete, utilizado, também no
trabalho do Almeida, M. R. [18], mostrando-se como o mais adequado, por apresentar os
melhores resultados. A equação polinomial utilizada é descrita na equação abaixo.
30
Equação polinomial de sétima ordem.
y(x) = P1.x6+P2.x5+P3.x4+P4.x3+P5.x2+P6.x+P7
Em que:
y(x) = resultado da interpolação;
x = valores de pixels ao longo do perfil transversal da solda;
Pn = Coeficientes de ordem n, com n = 1 até n = 7.
O perfil interpolado encontrado é representado por uma curva de forma
semelhante, porém não idêntica ao perfil original. O perfil interpolado foi, então,
subtraído do perfil original com o objetivo de realçar as diferenças em tons de cinza.
Assim, as descontinuidades do perfil original fazem com que a diferença entre o perfil
original e o interpolado sejam acentuadas, identificando assim, bordas e defeitos no
cordão de solda.
Na figura 3.3 o exemplo do modelo da sobreposição da curva do perfil original
sobre a curva do perfil interpolado em que se foi baseado, e na Figura 3.4 uma das
curvas de sobreposição obtidas neste para encontrar o limiar adequado para binarizacao.
Figura 3.3 Exemplo para o primeiro passo do desenvolvimento da rotina[16]
31
Figura 3.4 Curva do perfil original(em azul) sobre a curva do perfil interpolado(em
vermelho).
O cálculo da diferença entre os perfis interpolado e original gera como resultado
uma curva de aspecto suave com picos e vales, como pode ser exemplificada pela Figura
3.5. Essas regiões permitem diferenciar regiões com ou sem defeitos.
Figura 3.5 Segundo passo, cálculo da diferença entre os perfis interpolado e original[16]
32
Para separar as regiões com defeito um valor de Threshold(limiar) deve ser
encontrado. Utilizando tentativa e erro e com auxílio de pesquisa
bibliográfica[17][19][20], o melhor valor de limiar foi definido como o valor médio
mais um fator do desvio padrão de todos os perfis da imagem. O desvio padrão utilizado
no trabalho do Almeida R. M., Vaz M. A., Rebello J.M. [16] foi o valor 1(um).
Entretanto a qualidade das imagens utilizadas nesse trabalho eram inferiores e o desvio
padrão variou de 1,5 a 4 e será exemplificado no capitulo 4, com os resultados deste
trabalho.
O próximo passo foi obter uma imagem binária, em que os valores de pixel
acima do limiar recebem valor 1 (um) e os pixels com valores abaixo do limiar foi
atribuído valor 0 (zero).
A Figura 3.6 exemplifica, a partir da metodologia de aplicação de limiar
estudada para uma imagem com poucos ruídos, a diferenciação entre defeito e não
defeito.
A Figura 3.7 mostra a metodologia aplicada na imagem da Figura 3.1,
identificando o limiar acima dos ruídos segmentando os tons de cinza para melhor
destacar os defeitos do fundo através da binarização da imagem.
Figura 3.6 Diferenciação entre defeito e não defeito[16]
34
4 RESULTADOS
4.1 Introdução e Apresentação das Imagens
Neste capitulo serão apresentados todos os resultados obtidos neste estudo de
acordo com os materiais e métodos descritos no capítulo 3.
Após análise em diversas imagens, foram escolhidas três imagens radiográficas
de padrão IIW apresentando o defeito de porosidade para o estudo do método,
apresentadas abaixo.
36
4.2 Imagem I.
No tratamento da primeira imagem, devido a sua baixa qualidade e resolução a
borda do cordão de solda não estava bem definida e foi apresentada grande dificuldade
de identificar o seu limite com o metal base. Para solucionar o problema foi feita uma
aproximação por uma linha reta que representa a média dos pontos da nuvem que o
método aplicado através da função gradiente, explicado no capitulo 3, identificou como
sendo a borda.
Seguindo com a utilização do método foi identificado e utilizado como valor de
Threshold (limiar) a média da diferença das linhas adicionado a três vezes o valor do
desvio padrão. Valor escolhido por tentativa e erro. Na Figura 4.2 foi avaliado o
resultado da aplicação de da adição de uma, duas, três ou quatro vezes o desvio padrão.
Os valores um e dois descaracterizaram os defeitos, coagulando as regiões de defeitos e
confundindo-as com os ruídos da radiografia como pode-se perceber na Figura 4.2 (a) e
(b). O valor quatro, Figura 4.2 (d), omitiu defeitos tornando-os brancos como o fundo.
O valor três, Figura 4.2 (c) mostrou o melhor resultado no processamento da imagem
original, destacando os poros com a cor preta do fundo branco.
37
Figura 4.2 Imagem I binarizada com o limiar utilizando uma (a), duas (b), três (c) e quatro (d)
vezes o valor do desvio padrão. O valor três (c) foi o utilizado no trabalho.
Após o processamento da imagem radiográfica através da rotina desenvolvida, é
possível se chegar a uma contagem de pixels com valor 1 (um) na imagem binaria resultante. A
contagem e localização na imagem dos pixels que correspondem as regiões de defeitos
representa uma quantificação da imagem radiográfica. Assim, a análise deixa de ser apenas
subjetiva e qualitativa, estando agora a imagem radiográfica em um patamar de quantificação.
Abaixo na Figura 4.3 a Imagem I antes e após aplicado o processamento, letra a) e b). A
Figura 4.3 c) corresponde ao gráfico da contagem de pixels pretos, identificando as regiões de
defeitos.
38
Figura 4.3 a) Imagem I antes do processamento. b) Imagem I após o
processamento. c) Gráfico com a contagem de pixels, regiões de defeito.
c)
b)
a)
c)
39
4.3 Imagem II.
A segunda imagem radiográfica representa uma solda com a presença de
porosidades que são difíceis de serem destacadas do fundo da imagem e, portanto, a
geometria e o tamanho dos defeitos não podem identificadas precisamente. Depois de
processada pode-se perceber que os poros em preto se destacam mais facilmente em
relação ao fundo branco.
Para processar esta imagem o valor de Threshold(limiar) que apresentou melhor
resultado consistiu no valor da média da diferença das linhas adicionado a quatro vezes
o valor do desvio padrão. Abaixo, na Figura 4.4, a imagem original processada com os
valores de desvio padrão testados, a) dois, b) quatro e c) cinco. O valor quatro foi o que
melhor representou os defeitos na imagem.
Figura 4.4 Imagem II binarizada com o limiar utilizando duas (a), quatro (b) e cinco
(c) vezes o valor do desvio padrão. O valor quatro (b) foi o utilizado no trabalho.
a) b)
c)
40
Figura 4.5 a) Imagem II antes do processamento. b) Imagem II após o
processamento. c) Gráfico com a contagem de pixels, regiões de defeito.
4.4 Imagem III.
No tratamento da imagem III, assim como na Imagem II não foi preciso
identificar a borda entre o cordão de solda e o metal base. Ao analisar a imagem
radiográfica antes do tratamento já era possível identificar a porosidade vermiforme.
a)
c)
b)
41
Após o processamento da imagem, a espinha de peixe que identifica o tipo de defeito,
em preto na imagem, ficou mais destacada do fundo branco.
O valor de Threshold(limiar) que apresentou melhor resultado para esta imagem foi
calculado como o valor da média da diferença das linhas adicionado a uma vez e meia o
valor do desvio padrão. Abaixo, na Figura 4.6, a imagem original processada com os
valores de desvio padrão testados, a) um, b) um e meio e c) três. O valor um e meio foi o
que melhor representou os defeitos na imagem.
Figura 4.6 Imagem II binarizada com o limiar utilizando uma (a), uma e meia (b) e
três (c) vezes o valor do desvio padrão. O valor um e meio (b) foi o utilizado no
trabalho.
a)
)
b)
c)
42
Figura 4.7 a) Imagem II antes do processamento. b) Imagem II após o
processamento. c) Gráfico com a contagem de pixels, regiões de defeito.
a)
b)
c)
43
5 CONCLUSÕES
As características de uma imagem radiográfica que dificultam sua análise como
ruídos, esfumaçamento e bordas não definidas precisam, de fato, ser suavizadas através
de processamento de imagens.
A borda entre o cordão de solda e o metal base em algumas imagens não é muito
bem definido e tem uma passagem muito suave de tons de cinza, dificultando a precisão
de sua localização. Porém com o uso da função gradiente e achando uma reta com a
média dos pontos achados foi possível estimar sua localização.
Pode-se concluir que o método de processamento de imagens radiográficas utilizado
foi considerado eficaz para identificar os diversos tipos de porosidades nos cordões de
solda presente nas imagens selecionadas. A contagem de pixels de cor preta na imagem
binarizada pode dar uma análise mais quantitativa dos defeitos presentes em cada
imagem.
Uma dificuldade encontrada no método é a sua limitação para identificar defeitos
transversais ao cordão de solda. Portanto, pode ser considerada uma limitação do
método, pois a expressão polinomial para o perfil do cordão de solda não consegue
detectar a escala de variação de tons de cinza na direção transversal.
44
6 SUGESTÃO PARA TRABALHOS FUTUROS
Estudar diferentes técnicas para encontrar o valor do limiar com eficácia
para os demais defeitos além de porosidades
Realizar uma analise quantitativa dos resultados desse trabalho,
comparando com o laudo da radiografia para verificar a qualidade da
informação identificada através do processamento, medindo no detalhe a
geometria e os tamanhos dos defeitos.
Melhoria do método para conter mais tipos de defeitos ou se não todos;
Aplicação de outros limiares de detecção;
Desenvolvimento da rotina para outros processos de soldagem;
Automatizar via software a definição do limiar para detecção de defeitos
45
7 REVISÃO BIBLIOGRÁFICA
[1] Nascimento, J. R., ESTUDO COMPARATIVO DE SISTEMAS DE
RADIOGRAFIA DIGITAL NA INSPEÇÃO DE SOLDA, Tese de Mestrado,
UFRJ/COPPE, 2012
[2] Oliveira, D. F., Desenvolvimento de Sistema de Inspeção por Técnicas
Radiográficas na Análise de Perda de Adesão em Dutos Compósitos, Tese de
Doutorado, Rio de Janeiro: UFRJ/COPPE, 2010.
[3] Raad, J. A. de, Radiografia Industrial, Técnica de Formação de Imagem, General
Electric Company- GE IT, 2007.
[4] Associação Brasileira De Ensaios Não Destrutivos E Inspeção. Curso de inspetor de
fabricação – Modulo de Ensaios Não Destrutivos, São Paulo, 2005.
[5] Kodak, Radiography in Modern industry, Forth Edition, Eastman Kodak
Company, New York, 1980.
[6] Agfa-Gevaert Group, Industrial Radiography, Ed. Birmann, 1981.
[7] Vela, G. J., DIGITALIZAÇÃO DE FILMES RADIOGRÁFICOS
UTILIZANDO COSTURA DE IMAGENS, Tese de Mestrado, UFRJ/COPPE, 2010
[8] Van Der Stelt P. F., Filmless imaging: The uses of digital radiography in dental
practice, The Journal of the American Dental Association; Volume 136; pp. 1379-
1387, 2005
[9] Andreucci, R., Radiologia industrial. ABENDI Apostila, 2012.
[10] R., Castleman K. Digital Image Processing. 1o. New Jersey : Prentice Hall, 1996.
[11] Gonzalez R. C., Woods R. E. Processamento de Imagens Digitais. 1o. São Paulo :
Edgard Blutcher, 2000.
[12] Marques O. F., Neto V. H., Processamento Digital de Imagens. 1o. São Paulo :
Brasport, 1999.
46
[13] C., Russ J. The Image Processing Handbook. 2o. s.l. : CRC.
[14]. Sahoo P., Wilkins C. and Yeager J. .
s.l. : Elsevir Science, 1997. pp. 71 - 84.
[15] BAJPAI, A. C., Advanced Engineering Mathematic, 1ª ed., New York , John
Wiley & Sons, 1990.
[16] Almeida, R.M., Rebello, J.M.A. THRESHOLD CHOICE IN IMAGE
PROCESSING. In: 37th REVIEW OF PROGRESS IN QUANTITATIVE
NONDESTRUCTIVE EVALUATION, 2011, San Diego California. REVIEW OF
PROGRESS IN QUANTITATIVE NONDESTRUCTIVE EVALUATION, 2010. v.
30B. p. 1347-1354.
[17] http://www.kodak.com/eknec/documents/5b/0900688a802f775b/PT-BR_LS85.pdf
acessado em 25 de fevereiro, 2015.
[18] Almeida, M. R., Processamento e Análise de Imagens Radiográficas de Solda
por meio de Funções de Interpolação e Transformada Wavelet Tese de Mestrado,
Rio de Janeiro: UFRJ/COPPE, 2013.
[19] LI, D. L., Applications of Fuzzy K-NN in Weld Recognition and Tool Failure
Monitoring, In: Proceedings of the Annual Southeastern Symposium on System Theory
(IEEE), 1, 222-226, Lousiana, march, 1996.
[20] LIAO, T. N., An Automated Radiographic NDT System for Weld Inspection:
Part II – Flaw Detection. NDT\&E International, v. 31, n.3, pp.183-192,1998.
[21] N. Nacereddine, L. Hamami, D. Ziou, Thresholding Techniques and their
Performance Evaluation for Weld Defect Detection in Radiographic Testing, Sign.
and Imag. Proc. Laboratory, Research Center in Welding and NDT Route de Dely-
Ibrahim, Algeria. Department of Electronics, Polytechnic National School10, Algeria.
47
Department of Mathematics and Computer Science (DMI), Sherbrooke
UniversitySherbrooke, Quebec, Canada.
[22] Sezgin M., Sankur B.: Survey over Image Thresholding Techniques and
Quantitative Performance Evaluation. Journal of Electronic imaging, 2004.
[23] N. Nacereddine, L. Hamami, M. Tridi, and N. Oucief, Non-Parametric
Histogram-Based Thresholding Methods for Weld Defect Detection in
Radiography, World Academy of Science, Engineering and Technology International
Journal of Electrical, Computer, Electronics and Communication Engineering Vol:1
No:9, 2007
[24] N. Otsu, A Threshold Selection Method from Gray-Level Histograms, IEEE
Trans. on Systems, Man, and Cybern. vol. SMC-9, pp. 62-66.
[25] N. Nacereddine, M. Zelmat, S. S. Belaïfa e M. Tridi, Weld defect detection in
industrial radiography based digital image processing, SETIT, 2005.
[26] Gonzalez R.; Woods R., Digital Image Processing, Second Edition, Prentice Hall,
New Jersey, USA, 2002.
[27] A. Quarteroni, F. Saleri, CÁLCULO CIENTÍFICO com MATLAB e
Octave, Springer Science & Business Media, Dec 10, 2007
[28] Schwartz, C., Automatic Evaluation of Welded Joints Using Image Processing
on Radiographs, CEA - Centre de Valduc, 2004.
[29] Nascimento, R. J., Estudo Comparativo de Sistemas de Radiografia Digital na
Inspeção de Solda Tese de Mestrado, Rio de Janeiro: UFRJ/COPPE, 2012.
[30] SILVA, R. , Processamento de Imagens Radiográficas de Análise de Defeitos
em Cordão de Solda. Tese de Mestrado , COPPE-UFRJ, Rio de Janeiro, 1999.