CN109003261A - 异质相三维构建方法和装置 - Google Patents
异质相三维构建方法和装置 Download PDFInfo
- Publication number
- CN109003261A CN109003261A CN201810697972.9A CN201810697972A CN109003261A CN 109003261 A CN109003261 A CN 109003261A CN 201810697972 A CN201810697972 A CN 201810697972A CN 109003261 A CN109003261 A CN 109003261A
- Authority
- CN
- China
- Prior art keywords
- heterogeneous phase
- image
- dimensional
- layer data
- segmentation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30136—Metal
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种异质相三维构建方法和装置。其中,该方法包括:获取样本的断层数据图像,其中,断层数据图像是带有异质相的二维数字图像,断层数据图像为多个;根据断层数据图像的灰度值得到异质相的分割阈值,其中,分割阈值用于区分异质相与非异质相的边界;根据分割阈值得到异质相的二维图像;根据异质相的二维图像构建异质相的三维图像。本发明解决了在检测金属材料内部夹杂物时存在局限性导致检测质量低的技术问题。
Description
技术领域
本发明涉及计算机视觉领域,具体而言,涉及一种异质相三维构建方法和装置。
背景技术
在当前工业迅速发展的时代,钢板作为工业重要原材料,在国民经济发展中占有举足轻重的地位。随着人们需求的提高,市场竞争的不断加剧,我们对钢板质量提出了更高的要求。可以说,钢产品的质量很大程度上反映了钢铁企业的发展水平。
在钢材生产过程中,由于连铸钢坯、轧制设备、加工工艺等多方面原因,导致钢板出现裂纹、中心疏松、缩孔、气泡及气孔等不同类型的缺陷,以至于产生金属材料内部的夹杂物。这些夹杂物严重降低了钢板的抗腐蚀性、耐磨性和抗疲劳强度等性能,这对钢产品用户将产生极不利的影响。
目前检测金属材料内部夹杂物的常用方法主要包括金相法、扫描电镜法、X射线透射法和电解法等。但这些方法存在耗时长、费用高、易破坏等劣势,更重要的是,由于这些检测方法的局限性,无法完成内部夹杂物的量化分析,检测精度也不够。基于机器视觉的钢板缺陷三维重建技术正好适应了这一需求,而且能极大提高钢板缺陷检测的精度。
针对上述现有技术检测方法在检测金属材料内部夹杂物时存在局限性导致检测质量低的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种异质相三维构建方法和装置,以至少解决在检测金属材料内部夹杂物时存在局限性导致检测质量低的技术问题。
根据本发明实施例的一个方面,提供了一种异质相三维构建方法,包括:获取样本的断层数据图像,其中,所述断层数据图像是带有异质相的二维数字图像,所述断层数据图像为多个;根据所述断层数据图像的灰度值得到所述异质相的分割阈值,其中,所述分割阈值用于区分所述异质相与非异质相的边界;根据所述分割阈值得到异质相的二维图像;根据所述异质相的二维图像构建所述异质相的三维图像。
进一步地,获取所述样本的断层数据图像包括:对所述样本的断层进行腐蚀和打磨;获得所述样本的断层数字图像;对所述断层数字图像通过均值滤波进行降噪处理。
进一步地,根据所述断层数据图像的灰度值得到所述异质相的分割阈值包括:根据所述断层数据图像的最大灰度值与最小灰度值的平均值得到初始阈值;根据所述初始阈值将所述断层数据图像分割为前景和背景,其中,所述前景为大于阈值的断层数据图像,所述背景为小于阈值的断层数据图像;根据所述前景的灰度值和所述背景的灰度值的平均值得到新阈值;通过新阈值将所述断层数据图像分割为前景和背景;直至新阈值不再变化或新阈值在预定范围内变化时,将新阈值作为所述异质相的分割阈值。
进一步地,根据所述分割阈值得到异质相的二维图像之后包括:对所述异质相的二维图像通过中值滤波进行降噪处理。
进一步地,根据所述异质相的二维图像构建所述异质相的三维图像包括:建立所述异质相的二维图像对应在所述三维图像中的空间坐标;将所述异质相的二维图像与异质相的三维图像的特征点相对应,并将所述异质相的二维图像调整为统一大小格式;将所述异质相的二维图像在所述空间坐标中延同一方向进行叠加构成所述异质相的三维图像。
进一步地,根据所述异质相的二维图像构建所述异质相的三维图像之后包括:将所述异质相的三维图像对应的三维数据进行分层识别;根据所述三维数据获得所述异质相的表面结构和体积。
进一步地,将所述异质相的三维图像对应的三维数据进行分层识别包括:扫描两层数据并逐个构造体素,其中,每个体素中的8个角点取自相邻的两层;将所述体素的每个角点的函数值与给定等值面做比较;根据比较结果构造所述体素的状态表;根据所述状态表得出与所述等值面有交点的边界体素;通过线性插值方法计算出体素棱边与所述等值面的交点。
根据本发明实施例的一个方面,提供了一种异质相三维构建装置,包括:获取模块,用于获取样本的断层数据图像,其中,所述断层数据图像是带有异质相的二维数字图像,所述断层数据图像为多个;计算模块,用于根据所述断层数据图像的灰度值得到所述异质相的分割阈值,其中,所述分割阈值用于区分所述异质相与非异质相的边界;分割模块,用于根据所述分割阈值得到异质相的二维图像;构建模块,用于根据所述异质相的二维图像构建所述异质相的三维图像。
根据本发明实施例的一个方面,提供了一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,所述程序执行权利要求1至7中任意一项所述的方法。
根据本发明实施例的一个方面,提供了一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至7中任意一项所述的方法。
在本发明实施例中,采用获取样本的断层数据图像,其中,断层数据图像是带有异质相的二维数字图像,断层数据图像为多个;根据断层数据图像的灰度值得到异质相的分割阈值,其中,分割阈值用于区分异质相与非异质相的边界;根据分割阈值得到异质相的二维图像;根据异质相的二维图像构建异质相的三维图像的方式,进而解决了在检测金属材料内部夹杂物时存在局限性导致检测质量低的技术问题,最终的构建结果可以实现定性定量分析,有效提高夹杂物的检测质量。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种异质相三维构建方法的流程图;
图2是根据本发明实施例的一种可选的基于异质相三维重建的钢铁质量评估方法的流程图;
图3是根据本发明实施例的一种异质相三维构建装置的结构图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例,提供了一种异质相三维构建的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的异质相三维构建方法,如图1所示,该方法包括如下步骤:
步骤S102,获取样本的断层数据图像,其中,断层数据图像是带有异质相的二维数字图像,断层数据图像为多个;
步骤S104,根据断层数据图像的灰度值得到异质相的分割阈值,其中,分割阈值用于区分异质相与非异质相的边界;
步骤S106,根据分割阈值得到异质相的二维图像;
步骤S108,根据异质相的二维图像构建异质相的三维图像。
上述样本是金属材料的样本,比如,钢、铜等。断层数据图像是将金属材料样本(钢材)切片后的横截面数据图像,切割的间隔以实际应用为准。金属材料样本的横截面的数据采集可以通过超声扫描来获取。下面根据一个可选的实施例对上述过程进行说明:
金属样本(钢材)进行切片后的断层数据的灰度值范围是在0-255之间,该断层数据构成了原始的二维数据(二维图像),将原始的二维数据在经过去噪、分割阈值的分割操作后,获得0和1的二值数据(异质相的二维图像),目标结构(异质相)的灰度值为0,其余非异质相部分的灰度值为1。然后将该二值数据经过匹配叠加到三维场结构,最终获得三维体数据(三维图像)。上述步骤只通过计算的分割阈值就将异质相(夹杂物)与材料的其他部分区分开,从而得到了显示只有异质相的二维图像再通过该二维图像构建出异质相的三维图像,不必像现有技术那样进行耗时长、费用高、易破坏的实验过程,只需要分割阈值就可以区分出异质相与非异质相,本实施例的构建方法方便快捷,同时,现有技术无法对异质相进行定性定量的分析,本实施例通过分割阈值较精确的分割出了每一张断层数据图像中异质相的数据图像,再将异质相的二维图像构建成对应的异质相的三维图像时,三维图像也就可以精确的反映异质相在三维空间中的每个数据点。所以,本实施例的异质相检测方法能够在弥补现有检测方法不足的基础上,解决了现有技术检测方法在检测金属材料内部夹杂物时存在局限性导致检测质量低的问题,最终的结果实现定性定量分析,有效提高钢板检测质量。
上述步骤中的每个样本的断层需要经过简单预处理,所获得的样本的断层数据图像也可以经过预处理以使构建结果更加精确,在一个可选的实施方式中,获取样本的断层数据图像时,先对样本的断层进行腐蚀和打磨;再获得样本的断层数字图像;最后对断层数字图像通过均值滤波进行降噪处理。
异质相的分割阈值可以通过至少一次迭代获得,在一个可选的实施方式中,可以根据断层数据图像的最大灰度值与最小灰度值的平均值得到初始阈值;根据初始阈值将断层数据图像分割为前景和背景,其中,前景为大于阈值的断层数据图像,背景为小于阈值的断层数据图像;根据前景的灰度值和背景的灰度值的平均值得到新阈值;通过新阈值将断层数据图像分割为前景和背景;直至新阈值不再变化或新阈值在预定范围内变化时,将新阈值作为异质相的分割阈值。
上述预定范围在实际中往往是阈值在一个较小范围内变化,当阈值在该预定的较小的范围中变化时停止迭代,选取该分割阈值;当分割阈值不再变化或新阈值在预定范围内变化这两种情况下,选取的分割阈值通常最优,也就是分割异质相与金属材料的精度最高。
通过上述方式中对分割阈值的迭代寻找到了将异质相(前景)与非异质相(背景)最优的分割方式,就是可以从金属材料中较准确的寻找到异质相,该金属材料可以是钢、铜、铝铁等固体金属材料。从而使后续的三维重建结构能精确的反应出金属内部夹杂物(异质相)的体数据,从而极大的提高了异质相检测的精度。
在一个可选的实施方式中,根据分割阈值得到异质相的二维图像之后可以对异质相的二维图像通过中值滤波进行降噪处理。可以使最终检测结果的干扰最低,极大的提高了异质相检测的精度。
根据异质相的二维图像构建异质相的三维图像时,在一个可选的实施方式中,可以是先建立异质相的二维图像对应在三维图像中的空间坐标;将异质相的二维图像与异质相的三维图像的特征点相对应,并将异质相的二维图像调整为统一大小格式;再将异质相的二维图像在空间坐标中沿同一方向进行叠加构成异质相的三维图像。
通过将数据叠加在空间同一个方向构成三维数据场,通过三维数据场最终获得异质相的表面结构,可以实现其三维重建过程,能对最终异质相的质量评估结果实现定性定量的分析。
根据异质相的二维图像构建异质相的三维图像之后,在一个可选的实施方式中,可以将异质相的三维图像对应的三维数据进行分层识别;根据三维数据获得异质相的表面结构和体积。通过上述方式得到的三维重建结构能精确、直观反应出金属内部夹杂物的体数据,从而极大的提高了异质相检测的精度,由于可以显示夹杂物中的在三维空间中的表面结构和体积数据所以可以实现对异质相定性定量的分析。
在一个可选的实施方式中,将异质相的三维图像对应的三维数据进行分层识别包括:扫描两层数据并逐个构造体素,其中,每个体素中的8个角点取自相邻的两层;将体素的每个角点的函数值与给定等值面做比较;根据比较结果构造体素的状态表;根据状态表得出与等值面有交点的边界体素;通过线性插值方法计算出体素棱边与等值面的交点。上述方式的结果可用于内部异质相体积、表面积等量化指标的计算,或为显示钢铁异相质的三维空间结构提供依据。
下面结合一个可选的实施例举例对上述所有步骤进行详细说明,如图2所示,具体步骤包括:
S202:对采样的刚才样本进行腐蚀和打磨,提取断层表面特征数据。每次打磨后利用超声扫描显微镜进行成像,获得一系列数字图像作为原始数据。
S204:对构建的原始数字图像通过均值滤波以降躁,在不断调整滤波参数过程中得到最优处理效果。
S206:迭代求出分割最佳阈值,分割金属(比如钢材)的缺陷部分(异质相)和背景。首先求出图像最大和最小灰度值,分别记为Pmax和Pmin,令初始阈值满足下列计算公式:T(0)=(Pmax+Pmin)/2 (2)
再根据阈值T(k)(k=0,1,2,...,k)为界分割断层数据图像,大于阈值的部分取为前景,反之为背景,并且分别求出两者的平均灰度值H1和H2;
然后利用平均灰度值得到新阈值,计算公式如下:
T(k+1)=(H1+H2)/2 (2)
当前景和背景正确分割之后,得到T(k+1)=T(k),或者阈值在一个较小的范围内变化,则所得即为分割阈值;否则继续迭代计算直到得到最优的分割阈值。迭代开始后,先求出初始阈值,根据初始阈值将图像分割成前景和背景,前景和背景是相对的,通过不断迭代后,如果得到了正确分割的前景和背景,那么分割阈值将不会在发生改变,此时的阈值就是可取的,所谓正确分割是指满足T(k+1)=T(k)或者阈值在一个较小的范围内变化这两种条件之一时对应的分割阈值。
S208:对分割后的数字图像进行中值滤波,在不断调整滤波参数过程中得到最优处理效果。本发明实施例中的椒盐噪声主要来自于分割操作,噪声在画面上部分点随机出现,而中值滤波根据数据排列,将未被污染的点代替噪声点的值的概率较大,所以抑制效果好。这一步骤作用是去除掉分割操作对采集的图像的噪声影响。分割往往带来椒盐噪声。
S210:采用基于特征的匹配算法,人工手动选取四个特征点,对应变换后图像的四个顶点,采用最邻近插值法,进行仿射变换,将物体区域调整成一样大小和格式。将得到的杂质二维图像定义空间坐标,实现了异质相二维图像和异质相三维的特征匹配和空间对应。
S212:对二维数字图像序列进行处理,将这些图像叠加在空间中的同一个方向,构成一个立体的三维数据场。前一步已经完成了特征匹配,所以在空间坐标中直接叠加就好。
S214:将三维离散规则数据场分层读入,获得异质相表面结构,完成对异质相的三维重建;具体是:扫描两层数据,逐个构造体素,每个体素中的8个角点取自相邻的两层;将体素每个角点的函数值与给定等值面C做比较,根据比较结果,构造该体素的状态表;根据状态表,得出将与等值面有交点的边界体素;通过线性插值方法计算出体素棱边与等值面的交点,从而获得异质相的空间表面结构,实现其三维重建过程,完成对钢铁异质相较为准确的质量评估。
上述步骤通过金属材料数据采集、原始数据预处理与三维重建三个部分有效提高钢板检测质量,能对最终的结果实现定性定量分析,其中,金属材料数据采集用于获取金属材料内部夹杂物的数字信息。原始数据预处理用于数字图像分析,最终得到较为准确的金属材料内部夹杂物数据;原始数据预处理实现了超声图像噪声过滤、目标分割、以及图像配准,服务于三维重建。三维重建用于重组二维序列图像数据,将二维序列图像定义空间坐标,将数据叠加在空间同一个方向,构成目标(异质相)的三维数据场,最终获得异质相的表面结构,实现其三维重建过程;本实施例适用于钢铁异质相的质量评估。
本发明实施例还提供了异质相三维构建装置,该装置可以通过获取模块32、计算模块34、分割模块36、构建模块38实现其功能。需要说明的是,本发明实施例的一种异质相三维构建装置可以用于执行本发明实施例所提供的一种异质相三维构建方法,本发明实施例的一种异质相三维构建方法也可以通过本发明实施例所提供的异质相三维构建装置来执行。图3是根据本发明实施例的异质相三维构建装置的示意图。如图3所示,图3是根据本发明实施例的异质相三维构建装置的结构图。一种异质相三维构建装置包括:
获取模块32,用于获取样本的断层数据图像,其中,断层数据图像是带有异质相的二维数字图像,断层数据图像为多个;
计算模块34,用于根据断层数据图像的灰度值得到异质相的分割阈值,其中,分割阈值用于区分异质相与非异质相的边界;
分割模块36,用于根据分割阈值得到异质相的二维图像;
构建模块38,用于根据异质相的二维图像构建异质相的三维图像。
上述一种异质相三维构建装置实施例是与一种异质相三维构建方法相对应的,所以对于有益效果不再赘述。
本发明实施例提供了一种存储介质,存储介质包括存储的程序,其中,在程序运行时控制存储介质所在设备执行上述方法。
本发明实施例提供了一种处理器,处理器包括处理的程序,其中,在程序运行时控制处理器所在设备执行上述方法。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种异质相三维构建方法,其特征在于,包括:
获取样本的断层数据图像,其中,所述断层数据图像是带有异质相的二维数字图像,所述断层数据图像为多个;
根据所述断层数据图像的灰度值得到所述异质相的分割阈值,其中,所述分割阈值用于区分所述异质相与非异质相的边界;
根据所述分割阈值得到异质相的二维图像;
根据所述异质相的二维图像构建所述异质相的三维图像。
2.根据权利要求1所述的方法,其特征在于,获取所述样本的断层数据图像包括:
对所述样本的断层进行腐蚀和打磨;
获得所述样本的断层数字图像;
对所述断层数字图像通过均值滤波进行降噪处理。
3.根据权利要求1或2所述的方法,其特征在于,根据所述断层数据图像的灰度值得到所述异质相的分割阈值包括:
根据所述断层数据图像的最大灰度值与最小灰度值的平均值得到初始阈值;
根据所述初始阈值将所述断层数据图像分割为前景和背景,其中,所述前景为大于阈值的断层数据图像,所述背景为小于阈值的断层数据图像;
根据所述前景的灰度值和所述背景的灰度值的平均值得到新阈值;
通过新阈值将所述断层数据图像分割为前景和背景;
直至新阈值不再变化或新阈值在预定范围内变化时,将新阈值作为所述异质相的分割阈值。
4.根据权利要求1或2所述的方法,其特征在于,根据所述分割阈值得到异质相的二维图像之后包括:
对所述异质相的二维图像通过中值滤波进行降噪处理。
5.根据权利要求1或2所述的方法,其特征在于,根据所述异质相的二维图像构建所述异质相的三维图像包括:
建立所述异质相的二维图像对应在所述三维图像中的空间坐标;
将所述异质相的二维图像与异质相的三维图像的特征点相对应,并将所述异质相的二维图像调整为统一大小格式;
将所述异质相的二维图像在所述空间坐标中延同一方向进行叠加构成所述异质相的三维图像。
6.根据权利要求1或2所述的方法,其特征在于,根据所述异质相的二维图像构建所述异质相的三维图像之后包括:
将所述异质相的三维图像对应的三维数据进行分层识别;
根据所述三维数据获得所述异质相的表面结构和体积。
7.根据权利要求6所述的方法,其特征在于,将所述异质相的三维图像对应的三维数据进行分层识别包括:
扫描两层数据并逐个构造体素,其中,每个体素中的8个角点取自相邻的两层;
将所述体素的每个角点的函数值与给定等值面做比较;
根据比较结果构造所述体素的状态表;
根据所述状态表得出与所述等值面有交点的边界体素;
通过线性插值方法计算出体素棱边与所述等值面的交点。
8.一种异质相三维构建装置,其特征在于,包括:
获取模块,用于获取样本的断层数据图像,其中,所述断层数据图像是带有异质相的二维数字图像,所述断层数据图像为多个;
计算模块,用于根据所述断层数据图像的灰度值得到所述异质相的分割阈值,其中,所述分割阈值用于区分所述异质相与非异质相的边界;
分割模块,用于根据所述分割阈值得到异质相的二维图像;
构建模块,用于根据所述异质相的二维图像构建所述异质相的三维图像。
9.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,所述程序执行权利要求1至7中任意一项所述的方法。
10.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至7中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810697972.9A CN109003261A (zh) | 2018-06-29 | 2018-06-29 | 异质相三维构建方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810697972.9A CN109003261A (zh) | 2018-06-29 | 2018-06-29 | 异质相三维构建方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109003261A true CN109003261A (zh) | 2018-12-14 |
Family
ID=64600981
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810697972.9A Pending CN109003261A (zh) | 2018-06-29 | 2018-06-29 | 异质相三维构建方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109003261A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1395713A (zh) * | 2000-01-18 | 2003-02-05 | 芝加哥大学 | 在计算x光断层摄影扫描中用于肺肿瘤二维和三维检测的方法、系统和计算机可读介质 |
US20090207171A1 (en) * | 2008-01-24 | 2009-08-20 | Thomas Feilkas | Method for segmenting a three-dimensional image data set, corresponding computer program and corresponding system |
CN102175175A (zh) * | 2011-01-26 | 2011-09-07 | 中国地震局地质研究所 | 小型切片式三维结构重构系统 |
CN104792804A (zh) * | 2015-03-27 | 2015-07-22 | 江苏大学 | 一种基于显微ct技术诊断谷物内部损伤的方法 |
CN105261068A (zh) * | 2015-11-16 | 2016-01-20 | 中国石油大学(华东) | 基于Micro-CT技术的储层岩心三维实体模型重构方法 |
CN107490346A (zh) * | 2017-08-17 | 2017-12-19 | 江苏省质量和标准化研究院 | 一种基于视觉的rfid多标签网络三维测量建模方法 |
-
2018
- 2018-06-29 CN CN201810697972.9A patent/CN109003261A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1395713A (zh) * | 2000-01-18 | 2003-02-05 | 芝加哥大学 | 在计算x光断层摄影扫描中用于肺肿瘤二维和三维检测的方法、系统和计算机可读介质 |
US20090207171A1 (en) * | 2008-01-24 | 2009-08-20 | Thomas Feilkas | Method for segmenting a three-dimensional image data set, corresponding computer program and corresponding system |
CN102175175A (zh) * | 2011-01-26 | 2011-09-07 | 中国地震局地质研究所 | 小型切片式三维结构重构系统 |
CN104792804A (zh) * | 2015-03-27 | 2015-07-22 | 江苏大学 | 一种基于显微ct技术诊断谷物内部损伤的方法 |
CN105261068A (zh) * | 2015-11-16 | 2016-01-20 | 中国石油大学(华东) | 基于Micro-CT技术的储层岩心三维实体模型重构方法 |
CN107490346A (zh) * | 2017-08-17 | 2017-12-19 | 江苏省质量和标准化研究院 | 一种基于视觉的rfid多标签网络三维测量建模方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109580630B (zh) | 一种机械零部件缺陷的视觉检测方法 | |
CN116310360B (zh) | 一种电抗器表面缺陷检测方法 | |
De-Maeztu et al. | Linear stereo matching | |
CN104933709B (zh) | 基于先验信息的随机游走ct肺组织图像自动分割方法 | |
CN116664559B (zh) | 基于机器视觉的内存条损伤快速检测方法 | |
CN108323203A (zh) | 一种定量检测人脸肤质参量的方法、装置和智能终端 | |
CN110070574B (zh) | 一种基于改进PSMNet的双目视觉立体匹配方法 | |
CN109886937B (zh) | 基于超像素分割图像识别的绝缘子缺陷检测方法 | |
CN115578374A (zh) | 一种机械零件铸造质量评估方法与系统 | |
CN106991697B (zh) | 胸部数字影像的心胸比测量方法 | |
CN110348459B (zh) | 基于多尺度快速地毯覆盖法声呐图像分形特征提取方法 | |
CN109685097A (zh) | 一种基于gan的图像检测方法及装置 | |
US20080050030A1 (en) | Image density conversion method, image enhancement processor, and program thereof | |
CN101419669B (zh) | 一种基于Contourlet变换的三维人耳提取方法 | |
CN111583148A (zh) | 基于生成对抗网络的岩心图像重构方法 | |
CN110910339A (zh) | Logo缺陷检测方法及装置 | |
CN116229189B (zh) | 基于荧光内窥镜的图像处理方法、装置、设备及存储介质 | |
CN112991370B (zh) | 一种岩心ct裂纹识别与分割方法 | |
CN116309608B (zh) | 一种应用超声图像的涂层缺陷检测方法 | |
CN116519892B (zh) | 一种鱼肉嫩滑度品质鉴定方法及系统 | |
CN113628170A (zh) | 一种基于深度学习的激光线提取方法及系统 | |
CN109003261A (zh) | 异质相三维构建方法和装置 | |
CN111667407A (zh) | 一种深度信息引导的图像超分辨率方法 | |
CN111784636B (zh) | 一种基于纹理生长的皮肤图像纹理定量评估方法 | |
Barisin et al. | Crack segmentation in 3d concrete images: perspectives and challenges |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |