CN109886921A - 基于数字图像的裂纹尺寸度量方法、装置和电子设备 - Google Patents
基于数字图像的裂纹尺寸度量方法、装置和电子设备 Download PDFInfo
- Publication number
- CN109886921A CN109886921A CN201910039536.7A CN201910039536A CN109886921A CN 109886921 A CN109886921 A CN 109886921A CN 201910039536 A CN201910039536 A CN 201910039536A CN 109886921 A CN109886921 A CN 109886921A
- Authority
- CN
- China
- Prior art keywords
- image
- crackle
- crack size
- processing
- skeleton
- 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
- 208000037656 Respiratory Sounds Diseases 0.000 claims abstract description 90
- 238000000034 method Methods 0.000 claims abstract description 69
- 238000012545 processing Methods 0.000 claims abstract description 57
- 238000005259 measurement Methods 0.000 claims abstract description 35
- 230000002708 enhancing effect Effects 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 32
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 238000011946 reduction process Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 6
- 230000002146 bilateral effect Effects 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 230000008030 elimination Effects 0.000 claims description 4
- 238000003379 elimination reaction Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 abstract description 7
- 238000001514 detection method Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 13
- 238000003860 storage Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000001052 transient effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009429 distress Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 210000003733 optic disk Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000035882 stress Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种基于数字图像的裂纹尺寸度量方法,用于裂纹的检测和度量,包括如下步骤:对输入图像进行数字图像处理,通过感兴趣区掩模得到感兴趣区域图像,并对感兴趣区域图像进行对比度增强处理,获取预处理后的图像;对预处理后的图像做阈值化处理,将裂纹从图像中分割出来,获取裂纹区域图像;对阈值化图像中裂纹区域图像进行细化处理,获取裂纹骨架图像;分别获取裂纹区域图像的区域图像坐标和裂纹骨架图像的骨架图像坐标,利用骨架图像坐标和区域图像坐标度量裂纹尺寸,以此避免现有度量裂纹的方法存在速度慢、测量不准确的问题,实现对材料快速、准确的检测度量。
Description
技术领域
本本发明属于数字图像处理领域,尤其涉及一种基于数字图像的裂纹尺寸度量方法、装置和电子设备。
背景技术
裂纹是材料在应力或环境(或两者同时)作用下产生的裂隙,主要分为微观裂纹和宏观裂纹。裂纹增长是裂纹在材料或环境(或两者同时)不断扩展的过程,扩展到一定的程度会导致材料的断裂,造成安全隐患。
近年来,国内外在裂纹自动检测和度量方面投入了大量的人力和物力,已经取得的很好的成果。在裂纹自动检测和度量技术中,最有效的方法之一就是基于数字图像处理的方法。
数字图像处理,是指先将图像信号转换成数字信号,再利用计算机对其进行各种处理的技术。近年来,随着计算机硬件设备的发展,计算机的高速运算能力为数字图像处理技术提供了技术支撑,使得基于数字图像处理的裂纹尺寸度量成为可能。可以将采集到的图像存放到存储设备中,对采集到的图像进行离线或者实时的处理,将采集的图像前景和背景分开,提取出裂纹,并对裂纹尺寸进行度量。
在裂纹尺寸度量方面,传统的度量裂纹的方法是使用标尺等工具对裂纹度量,这样的方法费时费力。近年,也有基于图像形态学的方法对裂纹进行尺寸度量,如《基于区域选定的裂缝尺寸自动测量方法》,但该方法速度较慢,也有利用裂纹骨架对裂纹进行度量的方法,如《基于图像处理的路面裂纹检测技术研究》一文献,即将裂纹骨架长度作为裂纹长度,通过扫描裂纹的每一列获得裂纹的宽度,但该方法对于宽度的测量不太准确。
因此,现有度量裂纹的方法存在速度慢、测量不准确的问题。
发明内容
鉴于上述问题,本发明旨在提出一种基于数字图像的裂纹尺寸度量装置,用于裂纹的检测和度量,至少部分的解决现有技术中存在的问题。
第一方面,本发明实施例提供了一种基于数字图像的裂纹尺寸度量方法,包括如下步骤:对输入图像进行数字图像处理,通过感兴趣区掩模得到感兴趣区域图像,并对所述感兴趣区域图像进行对比度增强处理,获取预处理后的图像;对所述预处理后的图像做阈值化处理,将裂纹从图像中分割出来,获取裂纹区域图像;基于阈值化图像中所述裂纹区域图像获取裂纹骨架图像;分别获取所述裂纹区域图像的区域图像坐标和所述裂纹骨架图像的骨架图像坐标,利用所述骨架图像坐标和所述区域图像坐标度量裂纹尺寸。
根据本发明基于数字图像的裂纹尺寸度量方法实施例的一种具体实现方式,所述数字图像处理包括依次进行灰度化处理、匀光处理和降噪处理。
根据本发明基于数字图像的裂纹尺寸度量方法实施例的一种具体实现方式,所述匀光处理具体包括如下步骤:
获取感兴趣区域像素的平均灰度值;
将所述输入图像分为多个个子块,子块的长宽均为同一值,确定每个子块灰度平均值,得到由所有所述子块灰度平均值组成的子块亮度矩阵;
将所述子块亮度矩阵和所述平均灰度值作减法运算,获取差值矩阵;
将所述差值矩阵通过插值运算扩展成与所述输入图像相同大小,得到全图像亮度差值矩阵;
将所述输入图像和所述全图像亮度差值矩阵做减法运算,得到矫正后的图像。
根据本发明基于数字图像的裂纹尺寸度量方法实施例的一种具体实现方式,所述降噪处理使用双边滤波进行处理。
根据本发明基于数字图像的裂纹尺寸度量方法实施例的一种具体实现方式,所述对比度增强处理包括直方图均衡化处理。
根据本发明基于数字图像的裂纹尺寸度量方法实施例的一种具体实现方式,所述阈值化处理包括对所述预处理后的图像进行孔洞填充和噪声消除。
根据本发明基于数字图像的裂纹尺寸度量方法实施例的一种具体实现方式,所述细化处理采用Zhang-Suen算法进行处理。
第二方面,本发明实施例提供了一种基于数字图像的裂纹尺寸度量装置,包括:
图像预处理模块,用于对输入图像进行数字图像处理,通过感兴趣区掩模得到感兴趣区域图像,并对所述感兴趣区域图像进行对比度增强处理,获取预处理后的图像;
提取裂纹区域模块,用于对所述预处理后的图像做阈值化处理,将裂纹从图像中分割出来,获取裂纹区域图像;
提取裂纹骨架模块,用于对阈值化图像中所述裂纹区域图像进行细化处理,获取裂纹骨架图像;
度量裂纹尺寸模块,用于分别获取所述裂纹区域图像的区域坐标和所述裂纹骨架图像的骨架坐标,利用所述骨架坐标和所述裂纹区域坐标度量裂纹尺寸。
根据本发明基于数字图像的裂纹尺寸度量装置实施例的一种具体实现方式,所述数字图像处理包括依次进行灰度化处理、匀光处理和降噪处理。
根据本发明基于数字图像的裂纹尺寸度量装置实施例的一种具体实现方式,所述匀光处理具体包括:
获取平均灰度值单元,用于获取感兴趣区域像素的平均灰度值;
获取子块亮度矩阵单元,用于将所述输入图像分为多个个子块,子块的长宽均为同一值,确定每个子块灰度平均值,得到由所有所述子块灰度平均值组成的子块亮度矩阵;
获取差值矩阵单元,用于将所述子块亮度矩阵和所述平均灰度值作减法运算,获取差值矩阵;
获取全图像亮度差值矩阵单元,用于将所述差值矩阵通过插值运算扩展成与所述输入图像相同大小,得到全图像亮度差值矩阵;
获取矫正后的图像单元,用于将所述输入图像和所述全图像亮度差值矩阵做减法运算,得到矫正后的图像。
根据本发明基于数字图像的裂纹尺寸度量装置实施例的一种具体实现方式,所述降噪处理使用双边滤波进行处理。
根据本发明基于数字图像的裂纹尺寸度量装置实施例的一种具体实现方式,所述对比度增强处理包括直方图均衡化处理。
根据本发明基于数字图像的裂纹尺寸度量装置实施例的一种具体实现方式,所述阈值化处理包括对所述预处理后的图像进行孔洞填充和噪声消除。
根据本发明基于数字图像的裂纹尺寸度量装置实施例的一种具体实现方式,所述裂纹骨架图像采用Zhang-Suen算法进行处理。
第三方面,本发明实施例还提供了一种电子设备,该电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行前述第一方面或第一方面的任一实现方式中的基于数字图像的裂纹尺寸度量方法。
第四方面,本发明实施例还提供了一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使该计算机执行前述第一方面或第一方面的任一实现方式中的基于数字图像的裂纹尺寸度量方法。
第五方面,本发明实施例还提供了一种计算机程序产品,该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序,该计算机程序包括程序指令,当该程序指令被计算机执行时,使该计算机执行前述第一方面或第一方面的任一实现方式中的基于数字图像的裂纹尺寸度量方法。
本发明实施例提供的基于数字图像的裂纹尺寸度量方法、装置、电子设备、非暂态计算机可读存储介质及计算机程序产品,用于裂纹的检测和度量,包括:对输入图像进行数字图像处理,通过感兴趣区掩模得到感兴趣区域图像,并对感兴趣区域图像进行对比度增强处理,获取预处理后的图像;对预处理后的图像做阈值化处理,将裂纹从图像中分割出来,获取裂纹区域图像;对阈值化图像中裂纹区域图像进行细化处理,获取裂纹骨架图像;分别获取裂纹区域图像的区域图像坐标和裂纹骨架图像的骨架图像坐标,利用骨架图像坐标和区域图像坐标度量裂纹尺寸,以此避免现有度量裂纹的方法存在速度慢、测量不准确的问题,实现对材料快速、准确的检测度量。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本发明实施例基于数字图像的裂纹尺寸度量方法的整体流程图;
图2为本发明实施例基于数字图像的裂纹尺寸度量方法的输入图像;
图3为本发明实施例基于数字图像的裂纹尺寸度量方法中匀光处理的步骤流程图;
图4为本发明实施例基于数字图像的裂纹尺寸度量方法的感兴趣区域图像;
图5为本发明实施例基于数字图像的裂纹尺寸度量方法中预处理后的图像;
图6为本发明实施例基于数字图像的裂纹尺寸度量方法中提取的裂纹区域图像;
图7为本发明实施例基于数字图像的裂纹尺寸度量方法中提取的裂纹骨架图像;
图8为本发明实施例基于数字图像的裂纹尺寸度量方法中Zhang-Suen细化算法示意图;
图9为本发明实施例基于数字图像的裂纹尺寸度量方法中宽度计算示意图;
图10为本发明实施例基于数字图像的裂纹尺寸度量方法中穿过当前计算宽度骨架点的法方向直线所穿过的裂纹像素示意图;
图11为本发明实施例基于数字图像的裂纹尺寸度量方法中当前计算宽度骨架点的边缘距离示意图;
图12为本发明实施例基于数字图像的裂纹尺寸度量装置结构框图;
图13为本发明实施例基于数字图像的裂纹尺寸度量装置中匀光处理的结构框图;以及
图14为本发明实施例电子设备中控制部的结构框图。
具体实施方式
下面结合附图对本发明实施例进行详细描述。
应当明确,所描述的实施例仅仅是本发明一部分实施例,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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
本发明中,隧道裂纹图像作为输入图像,首先对输入图像做预处理,并使用通过其他技术手段获得的感兴趣区掩模在预处理后的输入图像中提取出感兴趣区域,此感兴趣区域进一步缩小了裂纹所在的范围,接着用数字图像处理方法从感兴趣区域中检测出裂纹。
参见图1,图1为本发明实施例基于数字图像的裂纹尺寸度量方法的整体流程图,该实施例的方法包括如下步骤:
步骤S11,对输入图像进行数字图像处理,通过感兴趣区掩模得到感兴趣区域图像,并对感兴趣区域图像进行对比度增强处理,获取预处理后的图像。
参见图2,图2为本发明实施例基于数字图像的裂纹尺寸度量方法的输入图像,本实施例中的输入图像为隧道裂纹图像。
数字图像处理包括依次进行灰度化处理、匀光处理和降噪处理。
在一个更为具体的实施例中,对输入图像处理按顺序执行以下4个操作:
1、灰度化处理
为减少运算的复杂度,首先对输入图像灰度化。
2:匀光处理
由于图像中存在光照不均匀特点,为此采用匀光方法对图像匀光。
参照图3,图3为本发明实施例基于数字图像的裂纹尺寸度量方法中匀光处理的步骤流程图,包含以下5个步骤:
步骤S31,求取感兴趣区域像素的平均灰度值MeanGray。
步骤S32,将输入图像Src分为m×n个子块,子块的长宽均为BlockSize,求出每个子块的灰度平均值,得到由所有子块灰度平均值组成的子块亮度矩阵BlockMat。
步骤S33,求得子块的亮度与MeanGray的差值矩阵DiffMat,依据如下公式进行计算:
DiffMat=BlockMat-MeanGray。
步骤S34,将矩阵DiffMat通过插值运算扩展成与Src相同大小,得到全图像亮度差值矩阵S。
步骤S35,得到矫正后的图像Result,依据如下公式进行计算:
Result=Src-S。
3:使用双边滤波对匀光后图像进行降噪
4:增强对比度
通过已有的感兴趣区域掩模在上一步处理得到的图像中获得感兴趣区域图像,如图4所示,图4为本发明实施例基于数字图像的裂纹尺寸度量方法的感兴趣区域图像。
用直方图均衡化对感兴趣区域图像进行对比度增强处理,获得预处理后的图像。预处理后的图像如图5所示,图5为本发明实施例基于数字图像的裂纹尺寸度量方法中预处理后的图像。
步骤S12,对预处理后的图像做阈值化处理,将裂纹从图像中分割出来,获取裂纹区域图像。
求出感兴趣区域中像素的平均灰度值MeanGray,对于感兴趣区域中灰度值大于MeanGray的像素,可视为非裂纹区域,将其灰度值置为255。对于感兴趣区域中灰度值小于或等于MeanGray的像素,将其灰度值范围从[0,MeanGray]拉伸至[0,255]。接着对感兴趣区域分块,分块的方法为从左至右每20列像素划分为一个子块,对每一个子块用OTSU(最大类间方差法)阈值化,将裂纹区域灰度值置为255,背景区域置为0。
在一个具体的实施例中,在阈值化的图像中,存在由裂纹像素相连接所包围的一个很小背景区域,称之为“孔洞”;同时也存在由背景区域像素相连接所包围的一个很小裂纹区域,称为“噪声”。为解决该问题,需要对图像进行孔洞填充和噪声消除。
这里先进行孔洞填充,使用广度优先搜索的方法获得每个孔洞所包含的像素的个数BlackNum。将BlackNum与预定义阈值T1比较,若BlackNum小于或等于T1,则将该联通块视为空洞,将孔洞所包含的像素的灰度值置为255,即标记为裂纹;若BlackNum大于T1,不做处理。这样就完成孔洞的填充。
“噪声”消除使用同样的方法,使用广度优先搜索获得每个噪声所包含的像素的个数WhiteNum,将WhiteNum与T2比较。若WhiteNum小于或等于T2,则将该联通块视为噪声,将其所包含的像素灰度值置为0,即标记为背景,若WhiteNum大于T2,不做处理。这样就完成噪声消除。最终提取的裂纹区域如图6所示,图6为本发明实施例基于数字图像的裂纹尺寸度量方法中提取的裂纹区域图像。
步骤S13,对阈值化图像中裂纹区域图像进行细化处理,获取裂纹骨架图像。
在一个具体实施例中,采取Zhang-Suen细化算法对S12得到的二值图像中的裂纹区域细化,目的是为了得到裂纹骨架图像,如图7和图8所示,图7为本发明实施例基于数字图像的裂纹尺寸度量方法中提取的裂纹骨架图像;图8为本发明实施例基于数字图像的裂纹尺寸度量方法中Zhang-Suen细化算法示意图。Zhang-Suen细化算法是一个迭代算法,整个迭代过程分为两步:
第一步:循环所有前景像素点P1,对符合如下4个条件的前景像素点标记为删除:
a.2<=Num(p1)<=6;
b.S(P1)=1;
c.P2×P4×P6=0;
d.P4×P6×P8=0。
例如,判断P1是否删除:
Num(p1)=4,S(P1)=3;
P2×P4×P6=0×0×0=0;
P4×P6×P8=0×0×1=0;
不符合条件,P1无需标记为删除。
第二步:满足如下4个条件的像素P1则标记为删除,条件如下:
a.2<=Num(p1)<=6;
b.S(P1)=1;
c.P2×P4×P8=0;
d.P2×P6×P8=0。
其中:
Num(p1)为跟P1相邻的8个像素点中,为前景像素点的个数;
S(P1)为从P2~P9~P2像素中出现0~1的累计次数;
P2~P9表示与p1相邻的8个像素,并取值为0或1,背景用0表示,前景用1表示。
可以看出,第二步与第一步总体判定条件类似,条件a、b一致,只是条件c、d稍微不同。
循环上述两步,直到两步中都没有像素被标记为删除为止,输出的结果即为裂纹图像细化后的裂纹骨架图像。
步骤S14,分别获取裂纹区域图像的区域图像坐标和裂纹骨架图像的骨架图像坐标,利用骨架图像坐标和区域图像坐标度量裂纹尺寸。
如图9所示,图9为本发明实施例基于数字图像的裂纹尺寸度量方法中宽度计算示意图。根据骨架上点P及其附近点的坐标,可以近似求得点P的切线,进而求得点P的法线,法线与裂纹区域边界相交于A、B两点,线段AB长度即为求得的一个骨架点所对应裂纹宽度。用此方法求的每个骨架点对应的裂纹宽度后,裂纹长度和裂纹平均宽度便可一并得出,裂纹长度、平均宽度。
在一个更为具体的实施例中,对于每个裂纹,利用其骨架和裂纹区域的像素坐标测量裂纹平均宽度,最大宽度以及长度信息。首先根据两组的坐标信息,计算出坐标中最小的X0值和Y0值,将裂纹与骨架的所有坐标的X与Y值分别减去X0和Y0,这样就缩小了两组坐标在两个维度上的范围,方便后续处理。
接下来对骨架进行处理,将骨架的像素点集合中像素点之间的关系处理出来。考虑到对于普通的裂纹骨架是一条链,复杂的裂纹骨架是若干条链拼接起来,将骨架抽象成图模型,每个像素点作为图上的节点,可以发现这个图模型中的点度数大部分不超过2,即图中边较少,于是用邻接表数据结构来存放图结构。
生成邻接表的方法为:使用红黑树给每个骨架像素点对应的二维坐标点分配图结点的标号,考虑骨架像素点之间的连接方式为八连通,对于每个像素点,检查其八个方向的连通点是否在红黑树中,若在树中则在两点之间连接一条边。
接下来计算骨架上每个点所在位置裂纹的宽度信息,总体思想为寻找当前骨架点法方向上裂纹的宽度作为该骨架点处裂纹的宽度。考虑到骨架是一条链,于是沿骨架继续向前找到附近的另一个点,两点之间的连线可以看作裂纹在该点处的延伸方向,则通过计算该方向的法方向即可得到裂纹在该骨架点处的法方向。具体实现方法为,通过广度优先搜索策略,找到骨架上到当前点距离为10的点,首先将该点塞入队列,每次从队列头部取出一个点,分别检查取出点的八个方向的连通点有没有被访问过,若没被访问过则将其距离更新为当前取出点的距离+1,直到搜索到距离为10的点或队列被取空为止。找到距离当前骨架点为10的另一骨架点后,计算方向向量的法向量当作当前骨架点的法方向,计算法方向上的裂纹宽度。
找到当前骨架点对应的法方向后,过该骨架点沿法方向做直线,遍历裂纹的所有像素点,找出直线穿过的像素,将这些像素点当做当前骨架点横截面上的裂纹像素点。判断直线是否穿过像素点的方法为计算像素点中心到直线的距离,若距离小于或等于个像素则认为直线穿过了该像素点。但这种方式找出的像素点可能会产生问题。
参见图10和图11,其中,图10为本发明实施例基于数字图像的裂纹尺寸度量方法中穿过当前计算宽度骨架点的法方向直线所穿过的裂纹像素示意图;图11为本发明实施例基于数字图像的裂纹尺寸度量方法中当前计算宽度骨架点的边缘距离示意图。
图10中的点P为当前计算宽度的骨架点,穿过点P的细线为过点P及其法方向做的直线,直线与裂纹相交的部分为该直线穿过的裂纹像素,可以看到不止点P横截面上的像素点被找到,上方裂纹的另一分支也有一部分像素点被找了出来,所以要根据一定规则删除一些找出的像素点。考虑点P横截面上的裂纹像素点一定是和点P相连的,一个很自然的想法为取所有交点像素点中P点所在的连通块作为P点的横截面像素,本算法在这一基础上加入了连通窗口半径来实现噪声容错,具体做法为:普通的连通块搜索算法是从点P开始,不断向八个方向扩展,并且对于扩展进连通块的点执行同样的扩展操作,本算法不是将点P向八个方向扩展,而是每次将以点P为中心,半径为2的5×5窗口中属于交点像素点并且没被扩展到的点全部加入连通块中,这种做法可以保证横截面被噪声点阻断,从而使得宽度计算更精确。
找出点P所在位置的所有裂纹横截面像素点后,枚举所有点对,找到最远的两个点对作为点P所在位置的裂纹横截面的两个端点,将两点之间的距离加上边缘距离作为点P所在位置的宽度,边缘距离如图11所示。
假设图11中AB两点对应的像素块为算法找到的最远点对,则两像素之间的距离为两像素块中心的距离即AB两点间的距离,但裂纹宽度会稍大于该距离,多出的部分即线段两端超出AB两点的部分。该部分是算法中定义的边缘距离,对于此图易知边缘距离为事实上由分析可知,推广情况下边缘距离为
由上述方法可计算出每个骨架点的宽度信息,将宽度小于0.1的点去掉后,再将宽度最大的3%的点去掉,用剩余骨架点的宽度信息计算最大宽度与平均宽度,剩余骨架点的个数作为裂纹长度。值得一提的是,算法使用了裂纹像素总数除以计算出的裂纹长度得到了另一个裂纹平均宽度值,称之为校准平均宽度,将先前计算出的平均宽度与校准平均宽度求加权平均数即可得到最后的宽度,通常先前计算的平均宽度权值为0.8,校准平均宽度权值为0.2,使用校准平均宽度的目的是防止奇形怪状的裂纹干扰计算结果。
本发明实施例中,隧道裂纹图像作为输入图像,首先对输入图像做预处理,提取出感兴趣区域,此感兴趣区域进一步缩小了裂纹所在的范围,接着用数字图像处理方法从感兴趣区域中检测出裂纹,将裂纹区域图像坐标转换为图模型存储,并使用裂纹骨架上点的切向量和法向量计算出该骨架点所对应的裂纹宽度,并在度量的过程中解决度量裂纹尺寸可能出现的问题。本方法不仅可以去除人的主观因素影响,还具有占用内存小,速度快,度量准确的特点,节省劳动力、快速、准确的对材料当前的状况进行评价。
第二方面,本发明实施例还提供了一种基于数字图像的裂纹尺寸度量装置。参照图12,图12为本发明实施例基于数字图像的裂纹尺寸度量装置结构框图,该实施例的装置包括:
图像预处理模块121,对输入图像进行数字图像处理,通过感兴趣区掩模得到感兴趣区域图像,并对感兴趣区域图像进行对比度增强处理,获取预处理后的图像。
本实施例中的输入图像为隧道裂纹图像。
数字图像处理包括依次进行灰度化处理、匀光处理和降噪处理。
在一个更为具体的实施例中,对输入图像处理按顺序执行以下4个操作:
1、灰度化处理
为减少运算的复杂度,首先对输入图像灰度化。
2:匀光处理
由于图像中存在光照不均匀特点,为此采用匀光方法对图像匀光。
参照图13,图13为本发明实施例基于数字图像的裂纹尺寸度量装置中匀光处理的结构框图,包含以下5个单元:
获取平均灰度值单元131,求取感兴趣区域像素的平均灰度值MeanGray。
获取子块亮度矩阵单元132,将输入图像Src分为m×n个子块,子块的长宽均为BlockSize,求出每个子块的灰度平均值,得到由所有子块灰度平均值组成的子块亮度矩阵BlockMat。
获取差值矩阵单元133,求得子块的亮度与MeanGray的差值矩阵DiffMat,依据如下公式进行计算:
DiffMat=BlockMat-MeanGray。
获取全图像亮度差值矩阵单元134,将矩阵DiffMat通过插值运算扩展成与Src相同大小,得到全图像亮度差值矩阵S。
获取矫正后的图像单元135,得到矫正后的图像Result,依据如下公式进行计算:
Result=Src-S。
3:使用双边滤波对匀光后图像进行降噪
4:增强对比度
通过已有的感兴趣区域掩模在上一步处理得到的图像中获得感兴趣区域图像。
用直方图均衡化对感兴趣区域图像进行对比度增强处理,获得预处理后的图像。
提取裂纹区域模块122,用于对预处理后的图像做阈值化处理,将裂纹从图像中分割出来,获取裂纹区域图像。
求出感兴趣区域中像素的平均灰度值MeanGray,对于感兴趣区域中灰度值大于MeanGray的像素,可视为非裂纹区域,将其灰度值置为255。对于感兴趣区域中灰度值小于或等于MeanGray的像素,将其灰度值范围从[0,MeanGray]拉伸至[0,255]。接着对感兴趣区域分块,分块的方法为从左至右每20列像素划分为一个子块,对每一个子块用OTSU(最大类间方差法)阈值化,将裂纹区域灰度值置为255,背景区域置为0。
在一个具体的实施例中,在阈值化的图像中,存在由裂纹像素相连接所包围的一个很小背景区域,称之为“孔洞”;同时也存在由背景区域像素相连接所包围的一个很小裂纹区域,称为“噪声”。为解决该问题,需要对图像进行孔洞填充和噪声消除。
这里先进行孔洞填充,使用广度优先搜索的方法获得每个孔洞所包含的像素的个数BlackNum。将BlackNum与预定义阈值T1比较,若BlackNum小于或等于T1,则将该联通块视为空洞,将孔洞所包含的像素的灰度值置为255,即标记为裂纹;若BlackNum大于T1,不做处理。这样就完成孔洞的填充。
“噪声”消除使用同样的方法,使用广度优先搜索获得每个噪声所包含的像素的个数WhiteNum,将WhiteNum与T2比较。若WhiteNum小于或等于T2,则将该联通块视为噪声,将其所包含的像素灰度值置为0,即标记为背景,若WhiteNum大于T2,不做处理。这样就完成噪声消除。最终获取提取的裂纹区域图像。
提取裂纹骨架模块123,用于对阈值化图像中裂纹区域图像进行细化处理,获取裂纹骨架图像。
在一个具体实施例中,采取Zhang-Suen细化算法对S12得到的二值图像中的裂纹区域细化,目的是为了得到裂纹骨架图像。Zhang-Suen细化算法具体涉及的功能与其对应的方法实施例中的内容相对应,在此不再赘述。
度量裂纹尺寸模块124,用于分别获取裂纹区域图像的区域图像坐标和裂纹骨架图像的骨架图像坐标,利用骨架图像坐标和区域图像坐标度量裂纹尺寸。具体涉及的功能与其对应的方法实施例中的内容相对应,在此不再赘述。
第三方面,本发明实施例还提供了一种电子设备。
图14示出了本发明实施例电子设备中控制部的结构框图,控制部140包括至少一个处理器141(例如CPU),至少一个输入输出接口144,存储器142,和至少一个通信总线143,用于实现这些部件之间的连接通信。至少一个处理器141用于执行存储器142中存储的计算机指令,以使至少一个处理器141能够执行前述任一分表方法的实施例。存储器142为非暂态存储器(non-transitory memory),其可以包含易失性存储器,例如高速随机存取存储器(RAM:Random Access Memory),也可以包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个输入输出接口144(可以是有线或者无线通信接口)实现与至少一个其他设备或单元之间的通信连接。
在一些实施方式中,存储器142存储了程序1421,处理器141执行程序1421,用于执行前述任一基于数字图像的裂纹尺寸度量方法中的内容。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。
在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于数字图像的裂纹尺寸度量方法,其特征在于,所述方法包括如下步骤:
对输入图像进行数字图像处理,通过感兴趣区掩模得到感兴趣区域图像,并对所述感兴趣区域图像进行对比度增强处理,获取预处理后的图像;
对所述预处理后的图像做阈值化处理,将裂纹从图像中分割出来,获取裂纹区域图像;
基于所述裂纹区域图像获取裂纹骨架图像;
分别获取所述裂纹区域图像的区域图像坐标和所述裂纹骨架图像的骨架图像坐标,利用所述骨架图像坐标和所述区域图像坐标度量裂纹尺寸。
2.根据权利要求1所述基于数字图像的裂纹尺寸度量方法,其特征在于,
所述数字图像处理包括依次进行灰度化处理、匀光处理和降噪处理。
3.根据权利要求2所述基于数字图像的裂纹尺寸度量方法,其特征在于,
所述匀光处理具体包括如下步骤:
获取感兴趣区域像素的平均灰度值;
将所述输入图像分为多个个子块,子块的长宽均为同一值,确定每个子块灰度平均值,得到由所有所述子块灰度平均值组成的子块亮度矩阵;
将所述子块亮度矩阵和所述平均灰度值作减法运算,获取差值矩阵;
将所述差值矩阵通过插值运算扩展成与所述输入图像相同大小,得到全图像亮度差值矩阵;
将所述输入图像和所述全图像亮度差值矩阵做减法运算,得到矫正后的图像。
4.根据权利要求3所述基于数字图像的裂纹尺寸度量方法,其特征在于,
所述降噪处理使用双边滤波进行处理。
5.根据权利要求4所述基于数字图像的裂纹尺寸度量方法,其特征在于,
所述对比度增强处理包括直方图均衡化处理。
6.根据权利要求5所述基于数字图像的裂纹尺寸度量方法,其特征在于,
所述阈值化处理包括对所述预处理后的图像进行孔洞填充和噪声消除。
7.根据权利要求6所述基于数字图像的裂纹尺寸度量方法,其特征在于,
所述裂纹骨架图像采用Zhang-Suen算法进行处理。
8.一种基于数字图像的裂纹尺寸度量装置,其特征在于,包括:
图像预处理模块,用于对输入图像进行数字图像处理,通过感兴趣区掩模得到感兴趣区域图像,并对所述感兴趣区域图像进行对比度增强处理,获取预处理后的图像;
提取裂纹区域模块,用于对所述预处理后的图像做阈值化处理,将裂纹从图像中分割出来,获取裂纹区域图像;
提取裂纹骨架模块,基于所述裂纹区域图像获取裂纹骨架图像;
度量裂纹尺寸模块,用于分别获取所述裂纹区域图像的区域坐标和所述裂纹骨架图像的骨架坐标,利用所述骨架坐标和所述裂纹区域坐标度量裂纹尺寸。
9.根据权利要求8所述基于数字图像的裂纹尺寸度量装置,其特征在于,
所述数字图像处理包括依次进行灰度化处理、匀光处理和降噪处理。
10.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行前述权利要求1-7任一项所述基于数字图像的裂纹尺寸度量方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910039536.7A CN109886921A (zh) | 2019-01-16 | 2019-01-16 | 基于数字图像的裂纹尺寸度量方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910039536.7A CN109886921A (zh) | 2019-01-16 | 2019-01-16 | 基于数字图像的裂纹尺寸度量方法、装置和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109886921A true CN109886921A (zh) | 2019-06-14 |
Family
ID=66926143
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910039536.7A Pending CN109886921A (zh) | 2019-01-16 | 2019-01-16 | 基于数字图像的裂纹尺寸度量方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109886921A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111738936A (zh) * | 2020-05-18 | 2020-10-02 | 浙江托普云农科技股份有限公司 | 基于图像处理的多株水稻穗长的测量方法 |
CN112818626A (zh) * | 2021-02-26 | 2021-05-18 | 北京华大九天科技股份有限公司 | 一种基于多重掩膜版的版图布线方法 |
CN112834457A (zh) * | 2021-01-23 | 2021-05-25 | 中北大学 | 基于反射式激光热成像的金属微裂纹三维表征系统及方法 |
CN113268856A (zh) * | 2021-04-20 | 2021-08-17 | 南方科技大学 | 基于概率的裂纹表征与重构方法、存储介质及终端设备 |
CN113686874A (zh) * | 2021-08-16 | 2021-11-23 | 沭阳林冉塑业有限公司 | 一种基于人工智能的机械零件损伤检测方法及系统 |
CN113706423A (zh) * | 2021-10-28 | 2021-11-26 | 南通皋亚钢结构有限公司 | 基于人工智能的机械零件腐蚀裂纹检测方法 |
CN114898107A (zh) * | 2022-07-01 | 2022-08-12 | 深之蓝海洋科技股份有限公司 | 裂纹的重识别方法和装置 |
CN115937212A (zh) * | 2023-02-08 | 2023-04-07 | 成都数之联科技股份有限公司 | 一种玻璃板裂纹检测方法、装置、设备及介质 |
CN117788458A (zh) * | 2024-02-23 | 2024-03-29 | 中建安装集团有限公司 | 一种lng空温气化器基础砼寿命分析方法、介质及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105447851A (zh) * | 2015-11-12 | 2016-03-30 | 刘新辉 | 一种玻璃面板的音孔缺陷检测方法及系统 |
CN107154040A (zh) * | 2017-05-08 | 2017-09-12 | 重庆邮电大学 | 一种隧道衬砌表面图像裂缝检测方法 |
CN107240079A (zh) * | 2017-06-09 | 2017-10-10 | 南京理工大学 | 一种基于图像处理的路面裂缝检测方法 |
CN107369136A (zh) * | 2017-06-22 | 2017-11-21 | 福建省万龙新材料科技有限公司 | 聚晶金刚石复合片表面裂纹视觉检测方法 |
CN107564047A (zh) * | 2017-09-12 | 2018-01-09 | 北京小米移动软件有限公司 | 图像处理方法及装置、电子设备和计算机可读存储介质 |
CN107727658A (zh) * | 2017-08-21 | 2018-02-23 | 南京理工大学 | 基于图像处理的受电弓裂纹在线检测装置及方法 |
CN107895163A (zh) * | 2017-11-07 | 2018-04-10 | 歌尔股份有限公司 | 特征匹配方法 |
CN108648152A (zh) * | 2018-04-11 | 2018-10-12 | 南京理工大学 | 基于亮度均衡的光照不均匀钢板表面缺陷图像校正方法 |
-
2019
- 2019-01-16 CN CN201910039536.7A patent/CN109886921A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105447851A (zh) * | 2015-11-12 | 2016-03-30 | 刘新辉 | 一种玻璃面板的音孔缺陷检测方法及系统 |
CN107154040A (zh) * | 2017-05-08 | 2017-09-12 | 重庆邮电大学 | 一种隧道衬砌表面图像裂缝检测方法 |
CN107240079A (zh) * | 2017-06-09 | 2017-10-10 | 南京理工大学 | 一种基于图像处理的路面裂缝检测方法 |
CN107369136A (zh) * | 2017-06-22 | 2017-11-21 | 福建省万龙新材料科技有限公司 | 聚晶金刚石复合片表面裂纹视觉检测方法 |
CN107727658A (zh) * | 2017-08-21 | 2018-02-23 | 南京理工大学 | 基于图像处理的受电弓裂纹在线检测装置及方法 |
CN107564047A (zh) * | 2017-09-12 | 2018-01-09 | 北京小米移动软件有限公司 | 图像处理方法及装置、电子设备和计算机可读存储介质 |
CN107895163A (zh) * | 2017-11-07 | 2018-04-10 | 歌尔股份有限公司 | 特征匹配方法 |
CN108648152A (zh) * | 2018-04-11 | 2018-10-12 | 南京理工大学 | 基于亮度均衡的光照不均匀钢板表面缺陷图像校正方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111738936A (zh) * | 2020-05-18 | 2020-10-02 | 浙江托普云农科技股份有限公司 | 基于图像处理的多株水稻穗长的测量方法 |
CN112834457A (zh) * | 2021-01-23 | 2021-05-25 | 中北大学 | 基于反射式激光热成像的金属微裂纹三维表征系统及方法 |
CN112818626A (zh) * | 2021-02-26 | 2021-05-18 | 北京华大九天科技股份有限公司 | 一种基于多重掩膜版的版图布线方法 |
CN112818626B (zh) * | 2021-02-26 | 2022-08-23 | 北京华大九天科技股份有限公司 | 一种基于多重掩膜版的版图布线方法 |
CN113268856A (zh) * | 2021-04-20 | 2021-08-17 | 南方科技大学 | 基于概率的裂纹表征与重构方法、存储介质及终端设备 |
CN113686874B (zh) * | 2021-08-16 | 2022-08-02 | 沭阳林冉塑业有限公司 | 一种基于人工智能的机械零件损伤检测方法及系统 |
CN113686874A (zh) * | 2021-08-16 | 2021-11-23 | 沭阳林冉塑业有限公司 | 一种基于人工智能的机械零件损伤检测方法及系统 |
CN113706423A (zh) * | 2021-10-28 | 2021-11-26 | 南通皋亚钢结构有限公司 | 基于人工智能的机械零件腐蚀裂纹检测方法 |
CN114898107A (zh) * | 2022-07-01 | 2022-08-12 | 深之蓝海洋科技股份有限公司 | 裂纹的重识别方法和装置 |
CN114898107B (zh) * | 2022-07-01 | 2022-12-02 | 深之蓝海洋科技股份有限公司 | 裂纹的重识别方法和装置 |
CN115937212A (zh) * | 2023-02-08 | 2023-04-07 | 成都数之联科技股份有限公司 | 一种玻璃板裂纹检测方法、装置、设备及介质 |
CN117788458A (zh) * | 2024-02-23 | 2024-03-29 | 中建安装集团有限公司 | 一种lng空温气化器基础砼寿命分析方法、介质及系统 |
CN117788458B (zh) * | 2024-02-23 | 2024-05-14 | 中建安装集团有限公司 | 一种lng空温气化器基础砼寿命分析方法、介质及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109886921A (zh) | 基于数字图像的裂纹尺寸度量方法、装置和电子设备 | |
Reid et al. | A semi-automated methodology for discontinuity trace detection in digital images of rock mass exposures | |
Liao et al. | Automatic segmentation for cell images based on bottleneck detection and ellipse fitting | |
CN110390669B (zh) | 一种桥梁图像中裂缝的检测方法 | |
WO2019134252A1 (zh) | 结构裂缝自动化描绘及宽度精准测量方法与设备 | |
CN103971102B (zh) | 基于手指轮廓和决策树的静态手势识别方法 | |
CN112069874B (zh) | 胚胎光镜图像中细胞的识别方法及系统、设备及存储介质 | |
CN103310457B (zh) | 一种基于抛物线修正凸包的肺实质分割方法 | |
CN110458799A (zh) | 基于肋骨展开图的肋骨骨折自动检测方法 | |
CN104008553A (zh) | 融合影像梯度方向直方图和分水岭方法的裂缝检测方法 | |
CN106650738B (zh) | 一种基于凹点匹配的玉米穗部粘连籽粒分割方法及系统 | |
CN109472786B (zh) | 脑出血图像处理方法、装置、计算机设备及存储介质 | |
CN108961230A (zh) | 结构表面裂缝特征的识别与提取方法 | |
CN109584300A (zh) | 一种确定车头朝向角度的方法及装置 | |
CN113096121B (zh) | 基于交叉断裂力学和图像处理的路面裂缝检测方法和系统 | |
CN107016680B (zh) | 一种基于显著性检测的害虫图像背景去除方法 | |
CN116052094B (zh) | 一种船舶检测方法、系统及计算机存储介质 | |
CN103914829B (zh) | 一种含噪图像边缘检测方法 | |
CN114926407A (zh) | 一种基于深度学习的钢材表面缺陷检测系统 | |
CN114419320A (zh) | 一种基于图像识别的鱼群检测方法、系统及装置 | |
CN112085675A (zh) | 深度图像去噪方法、前景分割方法及人体运动监测方法 | |
Qingguo et al. | A methodology framework for retrieval of concrete surface crack′ s image properties based on hybrid model | |
CN113505261B (zh) | 数据标注方法、装置以及数据标注模型训练方法、装置 | |
CN105069766B (zh) | 一种基于汉字图像轮廓特征描述的碑文修复方法 | |
CN114972272A (zh) | 一种基于Grad-CAM的新冠肺炎病灶分割方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190614 |
|
RJ01 | Rejection of invention patent application after publication |