CN102779279B - 搅拌摩擦焊弧形纹间距的图像识别方法 - Google Patents

Abstract

本发明公开了一种搅拌摩擦焊弧形纹间距的图像识别方法，其特征是它主要包含图像获取、图像二值化处理，二值图像后处理，条纹间距检测和计算。首先，获得搅拌摩擦焊弧形纹工具显微镜图片；其次，对弧形纹工具显微镜图片先经灰度化、滤波和二值化；再次，对二值化后的图像去除孤立点、去除条纹内部缺陷和去除边缘残缺条纹；最后，对条纹间距计算范围进行确定、条纹间距计算和数据处理。本发明的搅拌摩擦焊弧形纹间距的图像识别方法极大地丰富了弧形纹参数的获取方法，为弧形纹参数在搅拌摩擦焊接中的研究提供了一定的基础。

Description

搅拌摩擦焊弧形纹间距的图像识别方法

技术领域

本发明涉及一种机械加工技术，尤其是一种搅拌摩擦焊技术，具体地说是一种搅拌摩擦焊弧形纹间距的图像识别方法。

背景技术

搅拌摩擦焊（FSW）于90年代初发源于英国，主要工作原理是通过圆柱形搅拌头伸入工件的接缝处，通过高速旋转产生的摩擦热使接缝处材料升温软化，同时通过圆柱搅拌头旋转的搅拌作用使两侧材料相互粘结，搅拌头沿着焊缝移动最终达到焊接的效果。

搅拌摩擦焊相对于其它经典焊接方法有较多鲜明的特点，其焊接过程不需要其它焊接材料而是焊件直接相连，而在其焊缝表面则会形成一系列的沿着焊缝方向平行的曲线形纹路称之为弧形纹。

对于弧形纹而言，其弧度和间距是其两个重要的特征参数。其中弧形纹弧度主要与搅拌头轴肩半径有关，而半径则受到较多参数的影响，如：搅拌头移动速度、搅拌头旋转速度、轴肩与焊接材料间的摩擦系数以及焊接材料等，由此可见弧形纹间距反映着搅拌摩擦焊过程中主要参数的变化，而据申请人所知对于弧形纹参数的检测目前尚未有学者对其进行研究，因此，发明一种搅拌摩擦焊弧形纹间距识别的方法已成为当务之急，其对研究搅拌摩擦焊过程有着重要的现实意义。

发明内容

本发明的目的是针对现有搅拌摩擦焊加工过程中不能实时得到弧形纹间距进而影响搅拌摩擦焊成形机理研究的问题，发明一种能实时监测弧形纹间距的搅拌摩擦焊弧形纹间距的图像识别方法。

本发明的技术方案是：

一种搅拌摩擦焊弧形纹间距的图像识别方法，其特征是它包括弧形纹图像的获取、图像的二值化处理、图像的二值化后处理、垂直条纹截取和弧形纹间距的确定；

（1）弧形纹图像的获取是指对搅拌摩擦焊表面弧形纹进行图像采集时，以相对于弧形纹表面夹角小于90度的入射的光源为图像采集用光源；

（2）弧形纹图像的二值化包括：

第一步：对所采集到的彩色图像首先进行灰度化；灰度化图像在二值化之前先进行滤波处理；

第二步：灰度图像的二值化；对于滤波后的灰度图像选择双峰间的谷底处的亮度值作为二值化的阈值；

（3）图像的二值化后处理，包括以下步骤：

第一步：孤立点去除；在图像二值化过程中，由于灰度图像中的噪点的存在使得二值化后的黑白图像中会有与条纹分离的孤立点的存在，鉴于孤立点的面积与条纹面积有着非常大的差距，所以采用连通域面积检测的方法去除孤立点：选择图片高度方向上的像素数作为连通域的“阈值”，当连通域像素数小于等于此“阈值”时删除此连通域，而大于此“阈值”的连通域则予以保留；

第二步：条纹内缺陷去除；在二值化过程中条纹内部某些区域像素没有转为“1”值所形成的内部空洞区域称为条纹内部缺陷；通过对比，暗纹区域与缺陷区域最显著的特点即在长度上，暗纹区域的长度等于图片的高度，而缺陷区域的长度则远小于此值，因此选取一个接近于暗纹区域长度的比较值，在操作时首先对原二值图像取反，使需要进行处理的“0”值点转化为“1”值以便进行处理，然后运用连通域检测的方法对图像中所有连通域进行检测并删除长度小于比较值的连通域，删除完成后再对图像进行取反操作，如此则能完全的删除条纹中的缺陷区域；

第三部：残缺条纹去除；残缺条纹是由于图像的局限性在图像左右两侧的边缘产生的不完整的条纹，在计算弧形纹间距时若所计算的图像数据中包含了这些残缺条纹则会对计算结果有影响；这些残缺条纹的共同特点是与图像的左右两侧边缘相接触，针对此特点采用连通域的方法通过检测在图像左侧边缘，即第一列像素，以及右侧边缘，即最后一列像素中出现的连通域，这些连通域即为有残缺的条纹，为了防止在前续图像处理过程中有可能出现的条纹与图像边缘产生剥离，在检测图像边缘连通域时选择三列像素的宽度，这样既不影响内部完整条纹也能有效降低残缺条纹去除的失误率；

（4）垂直条纹截取，包括以下步骤：

对于处理后的二值图像，由于弧形纹的弧度所以在图像中弧形纹上的不同点的半径与图像的水平方向夹角不同；为了便于计算则需要找到半径与水平方向平行的点，即切线垂直的点，位于此点水平线上的条纹由于半径与水平方向垂直，所以图像中亮纹中心的水平间距即为弧形纹的间距；

对于此点的寻找采用图像矩阵列向量搜索的方法；因为此点的切线与图像的垂直方向平行，所以从左向右对图像的每一列像素即二值图像矩阵的列向量进行搜索当出非全零的列向量时，则说明此列向量的坐标即为左侧第一条条纹的垂直切线的位置；由于默认采用从左向右搜索的次序适用于左凸的条纹，所以对于右凸的条纹则需要对图像水平翻转再进行检测；

通过对列像素搜索获得垂直切线位置后，在此基础上来确定水平半径的位置，由于图像中垂直切线的位置上往往有多个条纹上的像素点，所以采用加权平均值的方法来计算水平半径的位置，其计算方法如下：

设i为第n列列向量中的元素的序号，m为列向量行数，q(n,i)为第n列i行的值（1或0），则加权平均值Q等于：

$Q=\frac{{\mathrm{\Σ}}_{i=1}^m(q(n,i)\·i)}{{\mathrm{\Σ}}_{i=1}^{m}q(n,i)}$

计算位置时一般选取垂直切线列以及其后三列共计四列元素进行计算，因为这些列元素相对于水平半径的对称性；对于所获取的矩阵首先进行列相加得到列向量，然后运用上述公式进行计算，则所得到的加权平均值结果Q取整后所得到的值即为水平半径的坐标；当获得水平半径的坐标后，以水平半径为中心，根据图片的大小在其上下两侧各取高度为图片高度的二十分之一的范围进行截图；

（5）根据条纹坐标计算确定弧形纹间距是指：

获得截取图像后便可进行条纹间距的计算；由于截取的条纹距离远远小于整个弧形纹的周长，所以所截取的这段纹路可以近似的认为是直线，而且此处的纹路方向皆为垂直方向，所以为了简化计算可以将此二值图像的矩阵进行行求和最终得到一个行向量，在计算条纹间距时通过加权平均值的方法求得每条条纹中心线的坐标，相邻坐标值之差即为弧形纹之间的间距。

在进行图像二值化处理时所使用的滤波方法选择中值滤波，而在滤波窗口的选择上考虑到弧形纹的形貌特点选择长矩形的滤波窗口，窗口尺寸为3×15。

在进行条纹内缺陷去除时所使用的比较值等于图像高度的八分之七。

本发明的有益效果：

1、本发明首先提出了采用数字图像处理的方式对搅拌摩擦焊弧形纹进行处理分析，具有高精度、高处理效率和高自动化的特点。

2、本发明采用的图像识别技术使得搅拌摩擦焊接后的弧形纹得到充分研究和利用，有效地提高了弧形纹参数在搅拌摩擦焊接中的研究价值。

3、本发明在采集弧形纹图像的过程中提出光源斜入射的方法，有效的提高的图片的可识别程度，对于其他具有与弧形纹相似形貌的表面亦能适用。

4、本发明的搅拌摩擦焊弧形纹间距的图像识别方法极大地丰富了弧形纹参数的获取方法，为弧形纹参数在搅拌摩擦焊接中的研究提供了一定的基础。

附图说明

图1是本发明的弧形纹间距识别系统流程图。

图2是获取弧形纹图像光源位置、弧纹、图像获取设备之间的位置示意图。

图3是采用斜入射光源获取图像的原理示意图。

图4是使用本发明中所叙述的方法拍摄到的弧形纹原始图像。

图5是灰度化后的弧形纹图像。

图6是使用本发明中所叙述的长矩形滤波窗口对灰度图像进行中值滤波后所得到的弧形纹图像。

图7是滤波后的灰度图像的直方图。

图8是本发明中所叙述的采用峰间谷点处亮度值作为阈值进行二值化后所得到的二值图像。

图9为二值图像中孤立点缺陷。

图10为二值图像中的条纹内缺陷。

图11为二值图像中的残缺条纹缺陷，其中左侧阴影部分为残缺条纹。

图12为去除孤立点后二值图像。

图13为去除孤立点、条纹内缺陷后二值图像。

图14为去除孤立点、条纹内缺陷、残缺条纹缺陷后二值图像。

图15为优化后二值图像的截取范围。

图16为截取图像以及各条纹的中心点位置。

图17为条纹内部缺陷剔除算法流程图。

图18为残缺条纹去除算法流程图。

图19为条纹中心位置计算算法流程图。

具体实施方式

下面结合附图和实施例对本发明作进一步的说明。

如图1-19所示。

一种搅拌摩擦焊弧形纹间距的图像识别方法，其流程如图1所示，它包括以下步骤：

（1）弧形纹图像的采集，包括以下步骤：

当对搅拌摩擦焊表面弧形纹进行图像采集时，相对于弧形纹表面具有一定夹角入射的光源为其唯一光源，图像获取装置如图2所示，入射光源效果图如图3所示，入射角与水平面的夹角以小于90度为宜，图3中的入射角约为45度-60度之间。

（2）弧形纹图像的二值化，包括以下步骤

第一步：对所采集到的彩色图像首先进行灰度化。灰度化图像在二值化之前需要进行滤波处理，滤波方法选择中值滤波而在滤波窗口的选择上考虑到弧形纹的形貌特点选择长矩形的滤波窗口，窗口尺寸为3×15。

第二步：灰度图像的二值化。对于滤波后的灰度图像二值化阈值的选择，根据其直方图的双峰特性选择双峰间的谷底处的亮度值作为二值化的阈值。

（3）二值图像后处理，包括以下步骤：

第一步：孤立点去除。在图像二值化过程中，由于灰度图像中的噪点的存在使得二值化后的黑白图像中会有与条纹分离的孤立点的存在，在计算间距时程序有可能将孤立点误认为是条纹从而得到错误结果。鉴于孤立点的面积与条纹面积有着非常大的差距，所以采用连通域面积检测的方法：首先确定连通域的“阈值”，即确定某一固定数值当连通域像素数小于等于此值时删除此连通域而大于此值的连通域则予以保留，该数值的大小与所处理的图片的像素尺寸有关，一般选择图片高度方向上的像素数为此“阈值”。

第二步：条纹内缺陷去除。在二值化过程中条纹内部某些区域像素没有转为“1”值所形成的内部空洞区域称为条纹内部缺陷。通过对比，暗纹区域与缺陷区域最显著的特点即在长度上，暗纹区域的长度等于图片的高度，而缺陷区域的长度则远小于此值，因此选取一个接近于暗纹区域长度的比较值（一般处理过程中选取图像高度的八分之七），在操作时首先对原二值图像取反使需要进行处理的“0”值点转化为“1”值以便进行处理，然后运用连通域检测的方法对图像中所有连通域进行检并测删除长度小于比较值的连通域，删除完成后再对图像进行取反操作，如此则能完全的删除条纹中的缺陷区域。

第三部：残缺条纹去除。残缺条纹是由于图像的局限性在图像左右两侧的边缘产生的不完整的条纹，在计算弧形纹间距时若所计算的图像数据中包含了这些残缺条纹则会对计算结果有影响。这些残缺条纹的共同特点是与图像的左右两侧边缘相接触，针对此特点采用连通域的方法通过检测在图像左侧边缘（即第一列像素）以及右侧边缘（即最后一列像素）中出现的连通域，这些连通域即为有残缺的条纹，为了防止在前续图像处理过程中有可能出现的条纹与图像边缘产生剥离，在检测图像边缘连通域时选择三列像素的宽度，这样既不影响内部完整条纹也能有效降低残缺条纹去除的失误率。

（4）垂直条纹截取，包括以下步骤：

对于处理后的二值图像，由于弧形纹的弧度所以在图像中弧形纹上的不同点的半径与图像的水平方向夹角不同。为了便于计算则需要找到半径与水平方向平行的点（即切线垂直的点），位于此点水平线上的条纹由于半径与水平方向垂直，所以图像中亮纹中心的水平间距即为弧形纹的间距。

对于此点的寻找采用图像矩阵列向量搜索的方法。因为此点的切线与图像的垂直方向平行，所以从左向右对图像的每一列像素即二值图像矩阵的列向量进行搜索当出非全零的列向量时，则说明此列向量的坐标即为左侧第一条条纹的垂直切线的位置。由于默认采用从左向右搜索的次序适用于左凸的条纹，所以对于右凸的条纹则需要对图像水平翻转再进行检测。

通过对列像素搜索获得垂直切线位置后，在此基础上来确定水平半径的位置，由于图像中垂直切线的位置上往往有多个条纹上的像素点，所以采用加权平均值的方法来计算水平半径的位置，其计算方法如下：

设i为第n列列向量中的元素的序号，m为列向量行数，q(n,i)为第n列i行的值（1或0），则加权平均值Q等于：

$Q=\frac{{\mathrm{\Σ}}_{i=1}^m(q(n,i)\·i)}{{\mathrm{\Σ}}_{i=1}^{m}q(n,i)}$

计算位置时一般选取垂直切线列以及其后三列共计四列元素进行计算，因为这些列元素相对于水平半径的对称性，所以适当的多选取元素能够提高最终计算精度。对于所获取的矩阵首先进行列相加得到列向量，然后运用上述公式进行计算，则所得到的加权平均值结果Q取整后所得到的值即为水平半径的坐标。当获得水平半径的坐标后，以水平半径为中心，在其上下两侧各一定像素的范围内截图，像素的具体数量根据图片的大小决定。

（5）条纹坐标位置计算，包括一下步骤：

获得截取图像后便可进行条纹间距的计算。如图9所示的图像，由于截取的条纹距离远远小于整个弧形纹的周长，所以所截取的这段纹路可以近似的认为是直线，而且此处的纹路方向皆为垂直方向，所以为了简化计算可以将此二值图像的矩阵进行行求和最终得到一个行向量，在计算条纹间距时通过加权平均值的方法求的每条条纹中心线的坐标。以上所述的图像处理和判别过程由计算机在程序控制下自动运行，以提高其自动化水平。

详述如下：

1、图像二值化

对于如图4所示的原始图像，其分辨率为768×576.首先根据以下权重公式进行灰度化变换：

0.2989×R+0.5870×G+0.1140×B

得到的灰度图像具有较为明显的噪点，对此选择中值滤波的方法进行滤波，滤波窗口尺寸为3×15，滤波后灰度图像如图6所示图7为此滤波后灰度图像的直方图，可以看出此直方图具有明显的双峰特性所以选择双峰间的谷点B点处的亮度值作为二值化阈值，B点的搜索方法分为以下两步：

a.左侧峰值A点搜索

从区间左侧开始按照一定的长度向右拓展区间，区间每拓展一次寻找一次区间内的最大值并与上一次区间的最大值进行比较，当两值比较结果相等时，则认为此最大值是直方图左侧峰值。由于在灰度值为0处直方图会有不规则的波动所以左边界点需要选择在A区域峰值左侧的上升区域，在此用直方图的平均值，即图片像素数除以256（灰阶值）作为比较值，选择直方图左侧起第一个大于此比较值的点，以此为起点则能顺利避免0点处的干扰。

b.阈值点峰谷B点搜索

当完成对左侧峰值搜索之后便可以搜索峰值区右侧的谷值，即所需要的阈值。以左侧峰值点为左边界点向右拓展区域并依次求区域的最小值，当两次的最小值相等时认为找到谷值B点，此点对应的灰度值即为所求阈值。

以此B点的亮度值为二值化的阈值，得到的二值化图像如图8所示。

2、二值图像后处理

对于得到的二值图像，其中存在的缺陷可以被归纳为三类：孤立点缺陷（图9）、条纹内缺陷（图10）、残缺条纹缺陷（图11），对此需要依次进行去除。

首先去除孤立点缺陷。鉴于孤立点的面积与条纹面积有着非常大的差距，所以采用连通域面积检测的方法：首先确定连通域的“阈值”，即确定某一固定数值当连通域像素数小于等于此值时删除此连通域而大于此值的连通域则予以保留。根据本系统中所处理的图片分辨率为768×576当条纹宽度为一个像素时属于条纹的连通域的像素数已达到576所以将连通域检测“阈值”设定为所处理图像的高度方向上的像素数，通过依次对黑白图像中八连通域像素数的检测，删除像素数小于此“阈值”的连通域，最终便能完整的剔除黑白图像中的孤立点而不影响到条纹。处理后二值图像如图12所示。

其次去除条纹内缺陷。通过对比，暗纹区域与缺陷区域最显著的特点即在长度上，暗纹区域的长度等于图像的高度，即像素数为576，而缺陷区域的长度则远小于此值，因此选取一个接近于暗纹区域长度的比较值（此处选取图像宽度的八分之七，即504像素），在操作时首先对原二值图像取反使需要进行处理的“0”值点转化为“1”值，然后运用连通域检测的方法对图像中所有连通域进行检并测删除长度小于比较值的连通域，删除完成后再对图像进行取反操作，如此则能完全的删除条纹中的缺陷区域，其算法流程图如图17所示。处理后二值图像如图13所示。

最后去除残缺条纹缺陷。这些残缺条纹的共同特点是与图像的左右两侧边缘相接触，针对此特点采用连通域的方法通过检测在图像左侧边缘（即第一列像素）以及右侧边缘（即最后一列像素）中出现的连通域，这些连通域即为有残缺的条纹，为了防止在前续图像处理过程中有可能出现的条纹与图像边缘产生剥离，在检测图像边缘连通域时选择三列像素的宽度，这样既不影响内部完整条纹也能有效降低残缺条纹去除的失误率。其算法流程图如图18所示。处理后二值图像如图14所示，此为最终优化完成的二值图像。

3、间距识别

首先进行条纹左凸的转换。选取二值图像中高度方向上3/8、1/2、5/8高度处的三行像素即对应图像矩阵中的三组行向量，其按照从上至下的顺序为向量A、向量B、向量C，对此三组向量求其加权和，公式为：

$a=\underset{i=1}{\overset{a}{\mathrm{\Σ}}}i\·A\left(i\right)$

其中n为向量A的维度，向量B、向量C对应的加权和为b、c。

于是，对于条纹左凸的图像，有2b＜a+c；对于条纹右凸的图像，有2b＞a+c。图14中条纹经检测为右凸条纹所以进行水平翻转以进行后续步骤。

其次进行垂直条纹区域的截取。对于此点的寻找采用图像矩阵列向量搜索的方法。因为此点的切线与图像的垂直方向平行，所以从左向右对图像的每一列像素即二值图像矩阵的列向量进行搜索当出非全零的列向量时，则说明此列向量的坐标即为左侧第一条条纹的垂直切线的位置。由于默认采用从左向右搜索的次序适用于左凸的条纹，所以对于右凸的条纹则需要对图像水平翻转再进行检测。

通过对列像素搜索获得垂直切线位置后，在此基础上来确定水平半径的位置，由于图像中垂直切线的位置上往往有多个条纹上的像素点，所以采用加权平均值的方法来计算水平半径的位置，其计算方法如下：

设i为第n列列向量中的元素的序号，m为列向量行数，q(n,i)为第n列i行的值（1或0），则加权平均值Q等于：

$Q=\frac{{\mathrm{\Σ}}_{i=1}^m(q(n,i)\·i)}{{\mathrm{\Σ}}_{i=1}^{m}q(n,i)}$

计算位置时一般选取垂直切线列以及其后三列共计四列元素进行计算，因为这些列元素相对于水平半径的对称性，所以适当的多选取元素能够提高最终计算精度。对于所获取的矩阵首先进行列相加得到列向量，然后运用上述公式进行计算，则所得到的加权平均值结果Q取整后所得到的值即为水平半径的坐标。

当获得水平半径的坐标后，以水平半径为中心，在其上下两侧各20个像素的范围内截图，所截取的图像区域范围如图15所示，截取所得图像如图16所示（不包括以标记出的条纹中心线）。

最后进行条纹中心线的计算。如图16所示的图像，由于截取的条纹距离远远小于整个弧形纹的周长，所以所截取的这段纹路可以近似的认为是直线，而且此处的纹路方向皆为垂直方向，所以为了简化计算可以将此二值图像的矩阵进行行求和最终得到一个行向量，在计算条纹间距时首先通过加权平均值的方法求的每条条纹中心线的坐标并存入结果矩阵中，其算法流程图如图19所示，其中BW为所截取得到的二值图像，矩阵J为结果矩阵其第一列为条纹中心线的位置，起始点、内部点、结束点表示行向量中对应每一条条纹最左侧一列、内部列、最右侧一列，其判断方法为：

起始点：B(i-1)=0、B(i)＞0、B(i+1)＞0，则i为起始点。

内部点：B(i-1)＞0、B(i)＞0、B(i+1)＞0，则i为内部点。

结束点：B(i-1)＞0、B(i)＞0、B(i+1)=0，则i为结束点。

图像计算得到条纹中心线位置以于图16中标出，表1为其条纹位置的具体数值，图像左侧第一列像素坐标位置为1。

表1 条纹中心位置坐标数据

条纹序号	1	2	3	4	5	6	7
								条纹位置	62.00	116.15	169.71	224.03	277.86	333.50	389.10
条纹序号	8	9	10	11	12	13
								条纹位置	442.98	497.39	551.94	607.30	661.85	715.74

将以上表中各相邻条纹坐标值相减即得到各条纹之间的间距，对于此幅图像由于在条纹左凸变换中有水平翻转过程，所以对间距结果进行倒序排列后所得结果即为原图弧形纹图像中弧形纹间距计算结果。

本发明未涉及部分均与现有技术相同或可采用现有技术加以实现。

Claims (3)

1.一种搅拌摩擦焊弧形纹间距的图像识别方法，其特征是它包括弧形纹图像的获取、图像的二值化处理、图像的二值化后处理、垂直条纹截取和弧形纹间距的确定；

（1）弧形纹图像的获取是指对搅拌摩擦焊表面弧形纹进行图像采集时，以相对于弧形纹表面夹角小于90度的入射的光源为图像采集用光源；

（2）弧形纹图像的二值化包括：

第一步：对所采集到的彩色图像首先进行灰度化；灰度化图像在二值化之前先进行滤波处理；

第二步：灰度图像的二值化；对于滤波后的灰度图像选择双峰间的谷底处的亮度值作为二值化的阈值；

（3）图像的二值化后处理，包括以下步骤：

第一步：孤立点去除；在图像二值化过程中，由于灰度图像中的噪点的存在使得二值化后的黑白图像中会有与条纹分离的孤立点的存在，鉴于孤立点的面积与条纹面积有着非常大的差距，所以采用连通域面积检测的方法去除孤立点：选择图片高度方向上的像素数作为连通域的“阈值”，当连通域像素数小于等于此“阈值”时删除此连通域，而大于此“阈值”的连通域则予以保留；

第二步：条纹内缺陷去除；在二值化过程中条纹内部某些区域像素没有转为“1”值所形成的内部空洞区域称为条纹内部缺陷；通过对比，暗纹区域与缺陷区域最显著的特点即在长度上，暗纹区域的长度等于图片的高度，而缺陷区域的长度则远小于此值，因此选取一个接近于暗纹区域长度的比较值，在操作时首先对原二值图像取反，使需要进行处理的“0”值点转化为“1”值以便进行处理，然后运用连通域检测的方法对图像中所有连通域进行检测并删除长度小于比较值的连通域，删除完成后再对图像进行取反操作，如此则能完全的删除条纹中的缺陷区域；

第三部：残缺条纹去除；残缺条纹是由于图像的局限性在图像左右两侧的边缘产生的不完整的条纹，在计算弧形纹间距时若所计算的图像数据中包含了这些残缺条纹则会对计算结果有影响；这些残缺条纹的共同特点是与图像的左右两侧边缘相接触，针对此特点采用连通域的方法通过检测在图像左侧边缘，即第一列像素，以及右侧边缘，即最后一列像素中出现的连通域，这些连通域即为有残缺的条纹，为了防止在前续图像处理过程中有可能出现的条纹与图像边缘产生剥离，在检测图像边缘连通域时选择三列像素的宽度，这样既不影响内部完整条纹也能有效降低残缺条纹去除的失误率；

（4）垂直条纹截取，包括以下步骤：

对于处理后的二值图像，由于弧形纹的弧度所以在图像中弧形纹上的不同点的半径与图像的水平方向夹角不同；为了便于计算则需要找到半径与水平方向平行的点，即切线垂直的点，位于此点水平线上的条纹由于半径与水平方向垂直，所以图像中亮纹中心的水平间距即为弧形纹的间距；

对于此点的寻找采用图像矩阵列向量搜索的方法；因为此点的切线与图像的垂直方向平行，所以从左向右对图像的每一列像素即二值图像矩阵的列向量进行搜索，当出现非全零的列向量时，则说明此列向量的坐标即为左侧第一条条纹的垂直切线的位置；由于默认采用从左向右搜索的次序适用于左凸的条纹，所以对于右凸的条纹则需要对图像水平翻转再进行检测；

通过对列像素搜索获得垂直切线位置后，在此基础上来确定水平半径的位置，由于图像中垂直切线的位置上往往有多个条纹上的像素点，所以采用加权平均值的方法来计算水平半径的位置，其计算方法如下：

设i为第n列列向量中的元素的序号，m为列向量行数，q(n,i)为第n列i行的值，该值为1或0，则加权平均值Q等于：

计算位置时一般选取垂直切线列以及其后三列共计四列元素进行计算，因为这些列元素相对于水平半径的对称性；对于所获取的矩阵首先进行列相加得到列向量，然后运用上述公式进行计算，则所得到的加权平均值结果Q取整后所得到的值即为水平半径的坐标；当获得水平半径的坐标后，以水平半径为中心，根据图片的大小在其上下两侧各取高度为图片高度的二十分之一的范围进行截图；

（5）根据条纹坐标计算确定弧形纹间距：

获得截取图像后便可进行条纹间距的计算；由于截取的条纹距离远远小于整个弧形纹的周长，所以所截取的这段纹路可以近似的认为是直线，而且此处的纹路方向皆为垂直方向，所以为了简化计算可以将此二值图像的矩阵进行行求和最终得到一个行向量，在计算条纹间距时通过加权平均值的方法求得每条条纹中心线的坐标，相邻坐标值之差即为弧形纹之间的间距。

2.根据权利要求1所述的方法，其特征是在进行图像二值化处理时所使用的滤波方法选择中值滤波，而在滤波窗口的选择上考虑到弧形纹的形貌特点选择长矩形的滤波窗口，窗口尺寸为3×15。

3.根据权利要求1所述的方法，其特征是在进行条纹内缺陷去除时所使用的比较值等于图像高度的八分之七。