CN109255766A - 一种基于Sobel边缘检测的水泥基材料CT图像中熟料相识别方法 - Google Patents

一种基于Sobel边缘检测的水泥基材料CT图像中熟料相识别方法 Download PDF

Info

Publication number
CN109255766A
CN109255766A CN201811089384.3A CN201811089384A CN109255766A CN 109255766 A CN109255766 A CN 109255766A CN 201811089384 A CN201811089384 A CN 201811089384A CN 109255766 A CN109255766 A CN 109255766A
Authority
CN
China
Prior art keywords
image
cement
based material
clinker
edge detection
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
Application number
CN201811089384.3A
Other languages
English (en)
Inventor
魏亚
吴泽弘
梁思明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tsinghua University
Original Assignee
Tsinghua University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tsinghua University filed Critical Tsinghua University
Priority to CN201811089384.3A priority Critical patent/CN109255766A/zh
Publication of CN109255766A publication Critical patent/CN109255766A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration by the use of local operators
    • G06T5/70—
    • 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
    • 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
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]

Abstract

一种基于Sobel边缘检测的水泥基材料CT图像中熟料相识别方法，用于水泥基材料CT图像的识别与处理。所述方法包括：对于水泥基材料的CT图像进行切割，选取代表性区域；对于待识别区域使用Sobel算子在水平和竖直方向求梯度，计算整体梯度；根据图像情况选取阈值，进行图像二值化，从而得到水泥基材料CT图像中的熟料相。本发明操作简便，对于计算消耗小，且能达到较好的CT图像识别效果，具有较强的实用价值。

Description

一种基于Sobel边缘检测的水泥基材料CT图像中熟料相识别 方法
技术领域
本发明属于图像处理技术领域，特别涉及一种基于Sobel边缘检测的水泥基材料CT图像中熟料相识别方法。
背景技术
CT扫描技术是利用X射线等对于物体进行断层扫描的技术，能够无损检测试样内部的物相组成、孔隙结构和裂纹分布，从而生成试样完整的三维模型。CT技术的这一特点使得其在材料微观结构研究方面得到了广泛应用，在水泥基材料中的应用也开始得到关注。
水泥基材料微观结构复杂，包含熟料相、水化产物相和孔隙等，熟料相的分布与形貌跟水泥基材料的水化反应密切相关，而水化反应是水泥基材料强度和耐久性的基础。因此，需要准确识别水泥基材料CT图像中熟料相，分析熟料相的含量与分布情况，才能构建水泥基材料的微观结构模型。目前，对于水泥基材料CT图像尚未形成标准的处理方法，不同的图像处理方法在熟料相的识别效果和处理效率上均有或多或少的缺陷，难以有效地达到微观结构识别与重构的水平。因此急需开发一种有效的水泥基材料CT图像熟料相识别方法。
发明内容
为了克服上述现有技术的缺点，本发明的目的在于提供一种基于Sobel边缘检测的水泥基材料CT图像中熟料相识别方法，能够对水泥基材料CT图像中的熟料相进行准确、快速的识别。
为了实现上述目的，本发明采用的技术方案是：
一种基于Sobel边缘检测的水泥基材料CT图像中熟料相识别方法，其特征在于，计算水泥基材料中熟料相和其他相的灰度梯度，设定阈值，利用灰度梯度的差异进行物相识别。
在计算梯度之前，先进行图像滤波，图像滤波过程可采用curvature算法。所述CT图像为灰度图像，主要滤除图像中的背景噪声，减少图像中异常的灰度值突变情况。
所述滤波后的图像采用Sobel算子进行边缘检测，在检测过程中计算得到灰度梯度。所述灰度梯度包括水平梯度和竖直梯度两部分，以水平梯度和竖直梯度之平方和的算术平方根作为整体梯度。
所述灰度梯度计算过程中着重考虑目标像素点上下左右的相邻四个点的灰度值贡献。
所得灰度梯度需要与给定的阈值作比较，大于给定阈值的判定为物相边缘，小于给定阈值的作判定为物相内部。对于水泥基材料的熟料相识别，阈值的范围在0至1之间为宜，可根据检测结果进行调整。
给定阈值之后，对图像的所有像素点计算灰度梯度并与所设阈值进行比较，得到二值化的边缘检测图像，熟料相的边缘为白色，熟料相及其他物相的内部为黑色，从而准确地识别熟料的形貌和含量。
与现有技术相比，本发明的有益效果是：
本发明利用水泥基材料中熟料相和其他相的灰度梯度差异进行物相识别，不直接依赖于灰度信息本身，相对于直接采用物相灰度进行区分的方法更为准确，易于计算机编程计算，具有重要的实用价值。
附图说明
图1是本发明实施流程图。
图2是本发明算法示意图，其中(a)，像素点f(x,y)周边3×3邻域灰度值标记；(b)，水泥基材料CT图像3×3邻域；(c)，水平卷积模板；(d)，竖直卷积模板。
具体实施方式
下面结合附图和实施例详细说明本发明的实施方式。
如图1和图2所示，一种基于Sobel边缘检测的水泥基材料CT图像中熟料相识别方法，其完整流程包括图像滤波、计算梯度、设定阈值、图像二值化以及熟料相识别。主要方案在于通过计算水泥基材料中熟料相和其他相的灰度梯度，设定阈值，利用灰度梯度的差异进行物相识别。
具体地，图像滤波采用curvature算法进行。CT图像为灰度图像，主要滤除图像中的背景噪声。滤波后的图像采用Sobel算子进行边缘检测。
检测过程需要计算灰度梯度，包括水平梯度和竖直梯度两部分。梯度的计算可以通过卷积模板实现，如图2(c)(d)，记图像的灰度分布函数为f(x,y)，其中x和y分别是图像灰度矩阵的行标和列标，函数值为像素点灰度；水平梯度记为Sx，竖直梯度记为Sy。则水平梯度和竖直梯度的计算公式为：
Sx＝(a3+2a5+a8)-(a1+2a4+a6)
Sy＝(a6+2a7+a8)-(a1+2a2+a3)
记图像梯度为G(x,y)，则图像梯度的计算公式为：
G(x,y)＝(Sx 2+Sy 2)1/2
灰度梯度G(x,y)需要与给定的阈值T作比较，对于水泥基材料的熟料相识别，阈值的范围在0至1之间为宜，可根据检测结果进行调整。若G(x,y)>T，判定为物相边缘；若G(x,y)<T，判定为物相内部。
对于图像的所有像素点计算梯度G(x,y)并与T值进行比较，即可得到二值化的边缘检测图像。熟料相的边缘为白色，熟料相及其他物相的内部为黑色，从而准确地识别熟料的形貌和含量。

Claims (10)

1.一种基于Sobel边缘检测的水泥基材料CT图像中熟料相识别方法，其特征在于，计算水泥基材料中熟料相和其他相的灰度梯度，设定阈值，利用灰度梯度的差异进行物相识别。
2.根据权利要求1所述基于Sobel边缘检测的水泥基材料CT图像中熟料相识别方法，其特征在于，在计算梯度之前，先进行图像滤波，所述CT图像为灰度图像，主要滤除图像中的背景噪声。
3.根据权利要求2所述基于Sobel边缘检测的水泥基材料CT图像中熟料相识别方法，其特征在于，所述图像滤波过程采用curvature算法。
4.根据权利要求2所述基于Sobel边缘检测的水泥基材料CT图像中熟料相识别方法，其特征在于，所述滤波后的图像采用Sobel算子进行边缘检测，在检测过程中计算得到灰度梯度。
5.根据权利要求1或4所述基于Sobel边缘检测的水泥基材料CT图像中熟料相识别方法，其特征在于，所述灰度梯度计算过程中着重考虑目标像素点上下左右的相邻四个点的灰度值贡献。
6.根据权利要求1或4所述基于Sobel边缘检测的水泥基材料CT图像中熟料相识别方法，其特征在于，所述灰度梯度包括水平梯度和竖直梯度两部分，以水平梯度和竖直梯度之平方和的算术平方根作为整体梯度。
7.根据权利要求6所述基于Sobel边缘检测的水泥基材料CT图像中熟料相识别方法，其特征在于，所述灰度梯度的计算通过卷积模板实现，记图像的灰度分布函数为f(x,y)，其中x和y分别是图像灰度矩阵的行标和列标，函数值为像素点灰度；水平梯度记为Sx，竖直梯度记为Sy，则水平梯度和竖直梯度的计算公式为：
Sx＝(a3+2a5+a8)-(a1+2a4+a6)
Sy＝(a6+2a7+a8)-(a1+2a2+a3)
记图像梯度为G(x,y)，则图像梯度的计算公式为：
G(x,y)＝(Sx 2+Sy 2)1/2。
8.根据权利要求1所述基于Sobel边缘检测的水泥基材料CT图像中熟料相识别方法，其特征在于，所述阈值在0至1之间。
9.根据权利要求1或8所述基于Sobel边缘检测的水泥基材料CT图像中熟料相识别方法，其特征在于，若所述灰度梯度大于所设阈值，判定为物相边缘，若所述灰度梯度小于所设阈值，判定为物相内部。
10.根据权利要求9所述基于Sobel边缘检测的水泥基材料CT图像中熟料相识别方法，其特征在于，对图像的所有像素点计算灰度梯度并与所设阈值进行比较，得到二值化的边缘检测图像，熟料相的边缘为白色，熟料相及其他物相的内部为黑色，从而准确地识别熟料的形貌和含量。
CN201811089384.3A 2018-09-18 2018-09-18 一种基于Sobel边缘检测的水泥基材料CT图像中熟料相识别方法 Pending CN109255766A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811089384.3A CN109255766A (zh) 2018-09-18 2018-09-18 一种基于Sobel边缘检测的水泥基材料CT图像中熟料相识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811089384.3A CN109255766A (zh) 2018-09-18 2018-09-18 一种基于Sobel边缘检测的水泥基材料CT图像中熟料相识别方法

Publications (1)

Publication Number Publication Date
CN109255766A true CN109255766A (zh) 2019-01-22

Family

ID=65048332

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811089384.3A Pending CN109255766A (zh) 2018-09-18 2018-09-18 一种基于Sobel边缘检测的水泥基材料CT图像中熟料相识别方法

Country Status (1)

Country Link
CN (1) CN109255766A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109886170A (zh) * 2019-02-01 2019-06-14 长江水利委员会长江科学院 一种钉螺智能检测识别与统计系统
CN112150614A (zh) * 2020-09-24 2020-12-29 济南大学 基于微观结构图像的水泥三维仿真模型建立方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012188923A (ja) * 2012-05-14 2012-10-04 Nippon Steel Corp 土留め壁の補強構造及び方法
CN103743496A (zh) * 2013-12-31 2014-04-23 清华大学 一种水泥混凝土路面板内温度梯度测试方法
CN107578403A (zh) * 2017-08-22 2018-01-12 浙江大学 基于梯度信息指导双目视图融合的立体图像质量评价方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012188923A (ja) * 2012-05-14 2012-10-04 Nippon Steel Corp 土留め壁の補強構造及び方法
CN103743496A (zh) * 2013-12-31 2014-04-23 清华大学 一种水泥混凝土路面板内温度梯度测试方法
CN107578403A (zh) * 2017-08-22 2018-01-12 浙江大学 基于梯度信息指导双目视图融合的立体图像质量评价方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李素昉: "《水泥微观形貌的图像分析》", 《中国优秀硕士学位论文全文库》 *
潘文明: "《手把手教你学FPGA设计——基于大道至简的至简设计法》", 30 June 2017 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109886170A (zh) * 2019-02-01 2019-06-14 长江水利委员会长江科学院 一种钉螺智能检测识别与统计系统
CN112150614A (zh) * 2020-09-24 2020-12-29 济南大学 基于微观结构图像的水泥三维仿真模型建立方法及系统

Similar Documents

Publication Publication Date Title
WO2019134252A1 (zh) 结构裂缝自动化描绘及宽度精准测量方法与设备
CN105654091B (zh) 海面目标检测方法及装置
CN110210448B (zh) 一种智能人脸皮肤老化程度的识别与评估方法
CN104075965B (zh) 一种基于分水岭分割的显微图像颗粒粒度测量方法
CN113240626B (zh) 一种基于神经网络的玻璃盖板凹凸型瑕疵检测与分类方法
CN109840483B (zh) 一种滑坡裂缝检测与识别的方法及装置
CN104021553B (zh) 一种基于像素点分层的声纳图像目标检测方法
CN104700412B (zh) 一种视觉显著图的计算方法
CN109685766A (zh) 一种基于区域融合特征的布匹瑕疵检测方法
CN106709903B (zh) 基于图像质量的pm2.5浓度预测方法
CN112801972A (zh) 一种桥梁缺陷检测方法、设备、系统及存储介质
CN110378924A (zh) 基于局部熵的水平集图像分割方法
CN111161222A (zh) 一种基于视觉显著性的印刷辊筒缺陷检测方法
CN109255766A (zh) 一种基于Sobel边缘检测的水泥基材料CT图像中熟料相识别方法
Hussein et al. A novel edge detection method with application to the fat content prediction in marbled meat
CN114719749A (zh) 基于机器视觉的金属表面裂纹检测及真实尺寸测量方法及系统
CN103900499B (zh) 基于计算机视觉技术的卷烟包装警语区域面积测定方法
CN110021002A (zh) 一种图像融合方法及装置
Peng et al. Non-uniform illumination image enhancement for surface damage detection of wind turbine blades
CN105608674B (zh) 一种基于图像配准、插值和去噪的图像增强方法
CN109272484B (zh) 一种基于视频图像的降雨检测方法
CN110246139A (zh) 基于双阈值的浮游生物原位图像roi快速提取方法
CN112396618B (zh) 一种基于图像处理的晶界提取及晶粒度测量方法
CN113012127A (zh) 基于胸部医学影像的心胸比测量方法
CN115984360B (zh) 一种基于图像处理的计算干滩长度的方法及系统

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190122

WD01 Invention patent application deemed withdrawn after publication