CN110211120A - 文物的锈蚀程度确定方法、装置以及电子设备 - Google Patents
文物的锈蚀程度确定方法、装置以及电子设备 Download PDFInfo
- Publication number
- CN110211120A CN110211120A CN201910484930.1A CN201910484930A CN110211120A CN 110211120 A CN110211120 A CN 110211120A CN 201910484930 A CN201910484930 A CN 201910484930A CN 110211120 A CN110211120 A CN 110211120A
- Authority
- CN
- China
- Prior art keywords
- historical relic
- radioscopic image
- specified
- intensity profile
- corrosion degree
- 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.)
- Granted
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
- G06T7/90—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]
-
- 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)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本申请提供了一种文物的锈蚀程度确定方法、装置以及电子设备,涉及图像处理技术领域,可以解决文物锈蚀程度确定结果的准确性较低的技术问题。具体方案为:获取所述文物的X射线图像;确定所述X射线图像在指定灰度值范围内的灰度分布;根据所述X射线图像在指定灰度范围内的灰度分布,确定所述文物的锈蚀程度。
Description
技术领域
本申请涉及图像处理技术领域,尤其是涉及一种文物的锈蚀程度确定方法、装置以及电子设备。
背景技术
在文物的考古发掘、运输、存贮、研究及展示的过程中,由于赋存环境的变化以及时间的自然推移,以金属质文物为主的大多数文物均会发生程度不同、形态各异的锈蚀情况。
为了更好地保护此类文物,需要准确地了解文物的锈蚀程度,进而采取有效的保护措施。目前,对文物的锈蚀程度的确定过程主要是工作人员根据肉眼所见来分析文物,通过工作人员对文物的目视分析,判断出文物的锈蚀程度。
但是,人眼对肉眼所见的物质具有相当主观的个体性特征,不同的工作人员由于经验不同对于相同文物的文物锈蚀程度往往会产生不同的判断结果。因此,通过现有的这种方法来确定文物锈蚀程度具有较大的主观性,使文物锈蚀程度确定结果的准确性较低。
发明内容
本申请的目的在于提供一种文物的锈蚀程度确定方法、装置以及电子设备,以解决文物锈蚀程度确定结果的准确性较低的技术问题。
本发明提供的一种文物的锈蚀程度确定方法,包括:
获取所述文物的X射线图像;
确定所述X射线图像在指定灰度值范围内的灰度分布;
根据所述X射线图像在指定灰度范围内的灰度分布,确定所述文物的锈蚀程度。
进一步的,所述灰度分布包括:指定灰度值范围内的每个灰度值对应的像素点,在所述X射线图像的所有像素点中所占比率值;
所述根据所述X射线图像在指定灰度范围内的灰度分布,确定所述文物的锈蚀程度,包括:
将指定灰度值范围内的每个灰度值对应的比率值进行相加,得到灰度程度数据,所述灰度程度数据用于表示所述文物的锈蚀程度。
进一步的,所述灰度分布包括:指定灰度值范围内的每个灰度值对应的像素点,在所述X射线图像的所有像素点中所占比率值;
所述根据所述X射线图像在指定灰度范围内的灰度分布,确定所述文物的锈蚀程度,包括:
将指定灰度值范围内的每个灰度值与对应的比率值进行相乘,得到多个第一数据;
将所有的所述第一数据进行相加,得到第二数据,所述第二数据用于表示所述文物的锈蚀程度。
进一步的,还包括:
根据多个所述比率值形成曲线,所述曲线用于表示所述X射线图像在指定灰度范围内的灰度分布;
对所述曲线进行显示。
进一步的,所述X射线图像包括:同时获取的多个文物的X射线图像;
所述根据所述X射线图像在指定灰度范围内的灰度分布,确定所述文物的锈蚀程度,包括:
将多个所述X射线图像在指定灰度范围内的灰度分布进行对比,得到所述多个文物之间的锈蚀程度对比结果。
进一步的,所述X射线图像包括:同时获取的相同文物中多个不同区域的X射线图像;
所述根据所述X射线图像在指定灰度范围内的灰度分布,确定所述文物的锈蚀程度,包括:
将多个所述X射线图像在指定灰度范围内的灰度分布进行对比,得到所述多个不同区域之间的锈蚀程度对比结果。
进一步的,所述X射线图像包括:相同文物在第一时刻和第二时刻的X射线图像;
所述根据所述X射线图像在指定灰度范围内的灰度分布,确定所述文物的锈蚀程度,包括:
将所述第一时刻的X射线图像在指定灰度范围内的灰度分布和所述第二时刻的X射线图像在指定灰度范围内的灰度分布进行对比,得到相同文物在所述第一时刻至所述第二时刻的时间段中的锈蚀变化程度。
本发明提供的一种文物的锈蚀程度确定装置,包括:
获取模块,用于获取所述文物的X射线图像;
第一确定模块,用于确定所述X射线图像在指定灰度值范围内的灰度分布;
第二确定模块,用于根据所述X射线图像在指定灰度范围内的灰度分布,确定所述文物的锈蚀程度。
本发明提供的一种电子设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述所述的方法的步骤。
本发明提供的一种具有处理器可执行的非易失的程序代码的计算机可读介质,所述程序代码使所述处理器执行所述的方法。
本方案中,由于先得出文物X射线图像中存在的多种图像灰度值,再计算出这些图像灰度值的图像分别在X射线图像中所占比率值,由于图像灰度值的高低表示了文物锈蚀程度的大小,因此,能够根据各种图像灰度值在整个文物图像中所占比率值而得出文物的不同锈蚀程度的具体分布情况的定量数据,从而准确的确定出文物的整体锈蚀程度。
附图说明
为了更清楚地说明本申请具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施方式,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他的附图。
图1示出了本申请实施例所提供的文物的锈蚀程度确定方法的流程图;
图2示出了本申请实施例所提供的相同文物中不同锈蚀程度的分布情况示意图;
图3示出了本申请实施例所提供的不同锈蚀程度对应的灰度;
图4示出了本申请实施例所提供的不同灰度值对应比率值的分布曲线示意图;
图5示出了本申请实施例所提供的在文物中选取区域的示意图;
图6示出了本申请实施例所提供的文物中选取的区域的放大图;
图7示出了本申请实施例所提供的不同时刻对应的比率值分布曲线的对比示意图;
图8示出了本申请实施例所提供的不同时刻对应的比率值累积分布曲线的对比示意图;
图9示出了本申请实施例所提供的一种文物的锈蚀程度确定装置的结构示意图;
图10示出了本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例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做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在下面的详细描述中,提出了许多具体细节,以便提供对本发明的全面理解。但是,对于本领域技术人员来说很明显的是,本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明的更好的理解。本发明决不限于下面所提出的任何具体配置和算法,而是在不脱离本发明的精神的前提下覆盖了元素、部件和算法的任何修改、替换和改进。在附图和下面的描述中,没有示出公知的结构和技术,以便避免对本发明造成不必要的模糊。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
此外,本发明的描述中所提到的术语“包括”和“具有”以及它们的任何变形,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、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括其他没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
目前,当文物在出土后保存在文物保存条件相对较好的环境中,短时间内很难通过目视发现文物的变化。如果文物保护措施不当,当时间流逝足够长,文物出现能使目视方法发现较大变化时,文物状态变化已经变得不可逆性。而且由于文保人员目视条件下对文物状态的记忆是相当定性的,随着时间的推移,会变得越来越模糊,即便有照片的帮助,工作人员对文物变化的掌握具有相当的主观性。由于文物状态变化的不可逆性要求文保人员在短时间内客观定量地分析出文物的变化,以此提高文物保护措施的有效性。
依据工作人员不同材质不同锈蚀情况识别经验,制定文物不同锈蚀情况下X光片图像的像素变化范围。依据工作人员的目视经验,确定不同材质不同锈蚀情况条件下材质X光图像灰度的变化范围。但是,此作法只是为了定性地描述分析区域的锈蚀分布情况,并不代表客观定量情况。
由于人眼对黑白图像具有相当主观的个体性特征,不同的工作人员由于经验不同对于相同文物的文物锈蚀程度往往会产生不同的判断结果,因此,通过现有的这种方法来确定文物锈蚀程度具有较大的主观性,使文物锈蚀程度确定结果的准确性较低。
基于此,本申请实施例提供的一种文物的锈蚀程度确定方法、装置以及电子设备,可以解决现有技术中存在的文物锈蚀程度确定结果的准确性较低的技术问题。
为便于对本实施例进行理解,首先对本申请实施例所公开的一种文物的锈蚀程度确定方法、装置以及电子设备进行详细介绍。
本申请实施例提供的一种文物的锈蚀程度确定方法,如图1所示,包括:
S11:获取文物的X射线图像。
需要说明的是,获取的文物为金属质文物,本实施例中,主要针对金属质文物中的锈蚀部分进行检测。对于X射线,是肉眼看不见的一种射线,但可使某些化合物产生荧光或使照相底片感光,它在电场或磁场中不发生偏转,能发生反射、折射、干涉、衍射等;它能够穿透物质,但对不同物质它的穿透本领不同。因此,X射线能使金属质文物在荧屏上或胶片上形成影像,是基于金属质文物有密度和厚度的差别。因此,本实施例中,如图2所示,X射线图像可以通过不同灰度的黑白图像显现出金属质文物中的金属锈蚀部分,金属锈蚀程度越重的部分在X射线图像中显示出的灰度程度就越黑。
S12:确定X射线图像在指定灰度值范围内的灰度分布。
由于金属质文物中的金属锈蚀程度不同,因此一个X射线图像中很可能会出现多种灰度程度(即灰度值)的图像,不同的颜色代表不同的锈蚀程度,金属锈蚀程度越重的部分在X射线图像中显示出的灰度程度就越黑。例如,如图3所示,“无、轻、中、重、腐”等不同锈蚀程度显示出的不同的灰度程度(即腐蚀伪彩)。
在实际用中,在对文物锈蚀程度进行确定时,对于锈蚀程度较轻的部分可以不予考虑,重点针对锈蚀程度较重的部分进行检测。因此,本步骤中,先确定X射线图像中锈蚀程度较重的部分,即先从X射线图像中的多种灰度值中选择出灰度程度较黑的部分(即灰度值较小的部分),并将其确定为指定的灰度值范围;然后,确定该指定灰度值范围内的灰度分布。
对于灰度分布,是指一幅灰度图像的灰度值的分布情况,一般可以通过灰度直方图来表示。需要说明的是,灰度使用黑色调表示物体,即用黑色为基准色,不同的饱和度的黑色来显示图像。每个灰度对象都具有从0%(白色)到灰度条100%(黑色)的亮度值。
S13:根据X射线图像在指定灰度范围内的灰度分布,确定文物的锈蚀程度。
根据步骤S12中确定出的灰度分布来确定文物的锈蚀程度。本步骤中,可以根据表示灰度分布的灰度直方图来确定金属质的锈蚀程度。灰度直方图是关于灰度级分布的函数,是对图像中灰度级分布的统计。灰度直方图是将数字图像中的所有像素,按照灰度值的大小,统计其出现的频率。灰度直方图是灰度级的函数,它表示图像中具有某种灰度级的像素的个数,反映了图像中某种灰度出现的频率。
因此,可以利用反映图像中灰度出现频率的灰度级分布函数,来使文物锈蚀程度进行定量化。本实施例中,通过分析文物的X光片分析区域内各像素点的灰度级分布,客观且定量的给出了文物锈蚀程度的分布,从而为文物保护措施的选择提供了准确定量的数据支持,进而以此方法在较短的时间内确定文物保护措施的有效性,提高文物保护的能力。
进一步的,灰度分布包括:指定灰度值范围内的每个灰度值对应的像素点,在X射线图像的所有像素点中所占比率值。
对于比率值的计算过程,具体的:
假定x∈(ρ,τ)区间内的概率分布函数为f(x),则x在点α处的概率密度为:
x在点α处的累积概率密度为:
在实际计算过程中,需对以上二式进行格点化差值处理,可以将以上二式转换成:Xi∈(ρ,τ)的概率密度为:Xi∈(ρ,τ)的累积概率密度为:j∈(1,i)。其中,Pi为某灰度值的出现概率,为该灰度值在区域内的出现次数,为分析区域内不同灰度值像素点出现的总次数。因此,不同灰度值的出现概率即表示了不同灰度值对应的像素点在X射线图像的所有像素点中所占比率值。
为了更加具体的定量分析文物的锈蚀程度,上述根据X射线图像在指定灰度范围内的灰度分布,确定文物的锈蚀程度的步骤(即步骤S13),可以包括以下步骤:
将指定灰度值范围内的每个灰度值对应的比率值进行相加,得到灰度程度数据,灰度程度数据用于表示文物的锈蚀程度。
因此,将指定灰度值范围内的每个灰度值对应的比率值进行相加后的数值,可以更加准确且定量的表示出文物的锈蚀程度。
作为本实施例的另一种实施方式,为了更加精确的定量分析出文物的锈蚀程度,上述根据X射线图像在指定灰度范围内的灰度分布,确定文物的锈蚀程度的步骤(即步骤S13),可以包括以下步骤:
(1)将指定灰度值范围内的每个灰度值与对应的比率值进行相乘,得到多个第一数据;
(2)将所有的第一数据进行相加,得到第二数据,第二数据用于表示文物的锈蚀程度。
因此,本方法不仅考虑了每个灰度值对应的像素点在所有像素点中所占比率值,而且还考虑到了每个灰度值的灰度级权重,使得出的表示文物锈蚀程度的数据不仅具体定量,而且还更加精确,以更加精确的表示出文物锈蚀程度。
为了便于工作人员更加清楚的了解文物的锈蚀程度,本实施例提供的文物的锈蚀程度确定方法还可以包括以下步骤:
根据多个比率值形成曲线,曲线用于表示X射线图像在指定灰度范围内的灰度分布;对曲线进行显示。例如,对文物的实拍X射线图像进行区域灰度分布情况分析,给出文物分析区域内不同锈蚀分布情况,并提供区域内不同灰度分布曲线。
在实际应用中,在锈蚀分析过程中可以采取灰度连续分析的方法。具体的,对文物的实拍X射线图像进行区域灰度分布情况分析,给出文物分析区域内不同锈蚀分布情况,并提供区域内不同灰度分布曲线,如图4所示,灰度值为50的像素点在X射线图像的所有像素点中所占比率几乎为零,灰度值为100的像素点在X射线图像的所有像素点中所占比率为大约10%,灰度值为175的像素点在X射线图像的所有像素点中所占比率为大约20%。
本实施例中,X射线图像包括:同时获取的多个文物的X射线图像。为了在不同文物之间对比出的锈蚀程度的大小比较结果,上述根据X射线图像在指定灰度范围内的灰度分布,确定文物的锈蚀程度的步骤(即步骤S13),可以包括以下步骤:
将多个X射线图像在指定灰度范围内的灰度分布进行对比,得到多个文物之间的锈蚀程度对比结果。
在实际应用中,通过实验室测定不同材质、不同厚度及不同X光强度的情况下,无锈蚀材料的黑白图像灰度分布情况;依据工作人员对不同材质不同锈蚀情况的识别经验,制定文物不同锈蚀程度下X光片图像的像素变化范围。因此,将多个不同文物对应的X射线图像在指定灰度范围内的灰度分布进行对比,便能够对比出多个文物之间的锈蚀程度对比结果。
本实施例中,X射线图像包括:同时获取的相同文物中多个不同区域的X射线图像。为了在相同文物中的不同区域之间,对比出的锈蚀程度的大小比较结果,上述根据X射线图像在指定灰度范围内的灰度分布,确定文物的锈蚀程度的步骤(即步骤S13),可以包括以下步骤:
将多个X射线图像在指定灰度范围内的灰度分布进行对比,得到多个不同区域之间的锈蚀程度对比结果。
例如,如图5和图6所示,从图5中的文物X射线图像中确定出的方框型检测区域,即为图6中对该方框区域放大后的X射线图像。因此,从图5中的文物X射线图像中可以确定出多个不同的检测区域,之后便可以对这多个不同的检测区域之间进行锈蚀程度对比。
作为一个优选方案,在执行上述两个对比过程(即不同文物之间的对比以及相同文物中的不同区域之间的对比)之前,先进行如下步骤:
通过实验室测定不同材质、不同厚度及不同X光强度的情况下,无锈蚀材料的黑白图像灰度分布情况,依此制定不同材质、不同厚度及不同X光强度条件下的无锈蚀材质X光图像灰度标准,在确定出灰度标准之后再利用灰度分布对比出锈蚀程度对比结果。
具体的,在对同一文物的不同区域之间或不同文物(即不同部件)之间,进行锈蚀程度进行对比时,由于不同部件的厚度是不同的,因此在X光片图像中不能简单直接的利用上述灰度分布的方法进行锈蚀程度曲线的对比,需要在进行对比之前,先进行不同部件之间的虚拟厚度的转换,具体方法如下:
假定两不同厚度部件无锈蚀情况下在同一X光强度下其标准灰度值为α及β,α>β,部件A比部件B厚度要厚。当进行两部件锈蚀程度对比时,通常情况下需将部件B对比区域内的像素灰度值转换至部件A的虚拟厚度条件下的灰度值,假定部件B某点像素的灰度值为ρ,转换成部件A的虚拟厚度条件下的灰度值则将部件B对比区域内所有像素的灰度值转换后,再对两部件对比区域内的锈蚀程度分析其灰度分布曲线,显示出两曲线在相同坐标系下的曲线图,即可实现对两部件选定区域内的锈蚀程度进行更加精确的对比。
本实施例中,X射线图像包括:相同文物在第一时刻和第二时刻的X射线图像。为了确定出相同文物随时间变化其锈蚀程度的变化情况,上述根据X射线图像在指定灰度范围内的灰度分布,确定文物的锈蚀程度的步骤(即步骤S13),可以包括以下步骤:
将第一时刻的X射线图像在指定灰度范围内的灰度分布和第二时刻的X射线图像在指定灰度范围内的灰度分布进行对比,得到相同文物在第一时刻至第二时刻的时间段中的锈蚀变化程度。
进一步,也可以对不同时间同一文物同一区域进行锈蚀分布情况分析,对比相同区域在不同时间的灰度分布曲线对比情况,可以分析出文物这一时间间隔内锈蚀程度的变化情况,由此可以判断出此文物所采取的保护措施的有效性。例如,如图7所示,若假定灰度值为0至100的范围为指定灰度范围,则情况1与情况2相比,有较重的腐蚀程度,而情况3与情况2相比,锈蚀程度较为严重,但情况3不如情况1锈蚀程度严重。例如,图8为不同时刻对应的比率值累积分布曲线的对比示意图,其中的曲线表示比率值累积后的分布曲线。
因此,对同一文物同一区域进行锈蚀分布情况分析,对比不同时间相同区域灰度分布曲线对比情况,可以分析出文物这一时间间隔内锈蚀程度的变化情况,进而可以客观、定量的分析出文物分析区域内锈蚀程度的变化情况,由此可以判断出此文物所采取的保护措施的有效性,以此方法在较短的时间内确定文物保护措施的有效性,提高文物保护的能力。
本申请实施例提供的一种文物的锈蚀程度确定装置,如图9所示,文物的锈蚀程度确定装置3包括:
获取模块31,用于获取文物的X射线图像;第一确定模块32,用于确定X射线图像在指定灰度值范围内的灰度分布;第二确定模块33,用于根据X射线图像在指定灰度范围内的灰度分布,确定文物的锈蚀程度。
本申请实施例提供的一种电子设备,如图10所示,电子设备4包括存储器41、处理器42,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述实施例提供的方法的步骤。
参见图10,电子设备还包括:总线43和通信接口44,处理器42、通信接口44和存储器41通过总线43连接;处理器42用于执行存储器41中存储的可执行模块,例如计算机程序。
其中,存储器41可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口44(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。
总线43可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图10中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器41用于存储程序,所述处理器42在接收到执行指令后,执行所述程序,前述本申请任一实施例揭示的过程定义的装置所执行的方法可以应用于处理器42中,或者由处理器42实现。
处理器42可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器42中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器42可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器41,处理器42读取存储器41中的信息,结合其硬件完成上述方法的步骤。
本申请实施例提供的一种具有处理器可执行的非易失的程序代码的计算机可读介质,所述程序代码使所述处理器执行上述实施例提供的方法。
本申请实施例提供的具有处理器可执行的非易失的程序代码的计算机可读介质,与上述实施例提供的文物的锈蚀程度确定方法、装置以及电子设备具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种文物的锈蚀程度确定方法,其特征在于,包括:
获取所述文物的X射线图像;
确定所述X射线图像在指定灰度值范围内的灰度分布;
根据所述X射线图像在指定灰度范围内的灰度分布,确定所述文物的锈蚀程度。
2.根据权利要求1所述的方法,其特征在于,所述灰度分布包括:指定灰度值范围内的每个灰度值对应的像素点,在所述X射线图像的所有像素点中所占比率值;
所述根据所述X射线图像在指定灰度范围内的灰度分布,确定所述文物的锈蚀程度,包括:
将指定灰度值范围内的每个灰度值对应的比率值进行相加,得到灰度程度数据,所述灰度程度数据用于表示所述文物的锈蚀程度。
3.根据权利要求1所述的方法,其特征在于,所述灰度分布包括:指定灰度值范围内的每个灰度值对应的像素点,在所述X射线图像的所有像素点中所占比率值;
所述根据所述X射线图像在指定灰度范围内的灰度分布,确定所述文物的锈蚀程度,包括:
将指定灰度值范围内的每个灰度值与对应的比率值进行相乘,得到多个第一数据;
将所有的所述第一数据进行相加,得到第二数据,所述第二数据用于表示所述文物的锈蚀程度。
4.根据权利要求2或3所述的方法,其特征在于,还包括:
根据多个所述比率值形成曲线,所述曲线用于表示所述X射线图像在指定灰度范围内的灰度分布;
对所述曲线进行显示。
5.根据权利要求1至3任一项所述的方法,其特征在于,所述X射线图像包括:同时获取的多个文物的X射线图像;
所述根据所述X射线图像在指定灰度范围内的灰度分布,确定所述文物的锈蚀程度,包括:
将多个所述X射线图像在指定灰度范围内的灰度分布进行对比,得到所述多个文物之间的锈蚀程度对比结果。
6.根据权利要求1至3任一项所述的方法,其特征在于,所述X射线图像包括:同时获取的相同文物中多个不同区域的X射线图像;
所述根据所述X射线图像在指定灰度范围内的灰度分布,确定所述文物的锈蚀程度,包括:
将多个所述X射线图像在指定灰度范围内的灰度分布进行对比,得到所述多个不同区域之间的锈蚀程度对比结果。
7.根据权利要求1至3任一项所述的方法,其特征在于,所述X射线图像包括:相同文物在第一时刻和第二时刻的X射线图像;
所述根据所述X射线图像在指定灰度范围内的灰度分布,确定所述文物的锈蚀程度,包括:
将所述第一时刻的X射线图像在指定灰度范围内的灰度分布和所述第二时刻的X射线图像在指定灰度范围内的灰度分布进行对比,得到相同文物在所述第一时刻至所述第二时刻的时间段中的锈蚀变化程度。
8.一种文物的锈蚀程度确定装置,其特征在于,包括:
获取模块,用于获取所述文物的X射线图像;
第一确定模块,用于确定所述X射线图像在指定灰度值范围内的灰度分布;
第二确定模块,用于根据所述X射线图像在指定灰度范围内的灰度分布,确定所述文物的锈蚀程度。
9.一种电子设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至7任一项所述的方法的步骤。
10.一种具有处理器可执行的非易失的程序代码的计算机可读介质,其特征在于,所述程序代码使所述处理器执行所述权利要求1至7任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910484930.1A CN110211120B (zh) | 2019-06-04 | 2019-06-04 | 文物的锈蚀程度确定方法、装置以及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910484930.1A CN110211120B (zh) | 2019-06-04 | 2019-06-04 | 文物的锈蚀程度确定方法、装置以及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110211120A true CN110211120A (zh) | 2019-09-06 |
CN110211120B CN110211120B (zh) | 2021-11-02 |
Family
ID=67790879
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910484930.1A Active CN110211120B (zh) | 2019-06-04 | 2019-06-04 | 文物的锈蚀程度确定方法、装置以及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110211120B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114636715A (zh) * | 2022-03-09 | 2022-06-17 | 河南省科学院同位素研究所有限责任公司 | 基于棚上棚下同步定位的高空钢结构锈蚀定位评估方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101526484A (zh) * | 2009-04-13 | 2009-09-09 | 江南大学 | 基于嵌入式机器视觉的轴承缺陷检测技术 |
CN104535586A (zh) * | 2014-11-18 | 2015-04-22 | 华东理工大学 | 带钢边部缺陷检测识别方法 |
CN104655060A (zh) * | 2015-03-16 | 2015-05-27 | 上海理工大学 | 钢球表面检测装置 |
CN105184783A (zh) * | 2015-08-27 | 2015-12-23 | 袁芬 | 玻璃缺陷类型识别系统 |
CN106770327A (zh) * | 2016-12-26 | 2017-05-31 | 钢铁研究总院 | 一种用于热轧钢筋的表面锈蚀面积的定量检测方法 |
CN107478657A (zh) * | 2017-06-20 | 2017-12-15 | 广东工业大学 | 基于机器视觉的不锈钢表面缺陷检测方法 |
CN108416771A (zh) * | 2018-03-07 | 2018-08-17 | 南京工业大学 | 一种基于单目相机的金属材料锈蚀面积检测方法 |
CN109300119A (zh) * | 2018-09-11 | 2019-02-01 | 石家庄铁道大学 | 钢结构表面锈蚀区域的检测方法、检测装置及终端设备 |
-
2019
- 2019-06-04 CN CN201910484930.1A patent/CN110211120B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101526484A (zh) * | 2009-04-13 | 2009-09-09 | 江南大学 | 基于嵌入式机器视觉的轴承缺陷检测技术 |
CN104535586A (zh) * | 2014-11-18 | 2015-04-22 | 华东理工大学 | 带钢边部缺陷检测识别方法 |
CN104655060A (zh) * | 2015-03-16 | 2015-05-27 | 上海理工大学 | 钢球表面检测装置 |
CN105184783A (zh) * | 2015-08-27 | 2015-12-23 | 袁芬 | 玻璃缺陷类型识别系统 |
CN106770327A (zh) * | 2016-12-26 | 2017-05-31 | 钢铁研究总院 | 一种用于热轧钢筋的表面锈蚀面积的定量检测方法 |
CN107478657A (zh) * | 2017-06-20 | 2017-12-15 | 广东工业大学 | 基于机器视觉的不锈钢表面缺陷检测方法 |
CN108416771A (zh) * | 2018-03-07 | 2018-08-17 | 南京工业大学 | 一种基于单目相机的金属材料锈蚀面积检测方法 |
CN109300119A (zh) * | 2018-09-11 | 2019-02-01 | 石家庄铁道大学 | 钢结构表面锈蚀区域的检测方法、检测装置及终端设备 |
Non-Patent Citations (1)
Title |
---|
姚国文 等: ""基于灰度图像的锈蚀拉索状况评定方法研究"", 《重庆交通大学学报(自然科学版)》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114636715A (zh) * | 2022-03-09 | 2022-06-17 | 河南省科学院同位素研究所有限责任公司 | 基于棚上棚下同步定位的高空钢结构锈蚀定位评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110211120B (zh) | 2021-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dawood et al. | Machine vision-based model for spalling detection and quantification in subway networks | |
US20230326006A1 (en) | Defect detection method and device for an lcd screen | |
Herwartz et al. | Determinants of the link between financial and economic development: Evidence from a functional coefficient model | |
Leung et al. | Comparison of image data fusion techniques using entropy and INI | |
Macfarlane | Classification method of mixed pixels does not affect canopy metrics from digital images of forest overstorey | |
US5343390A (en) | Method and system for automated selection of regions of interest and detection of septal lines in digital chest radiographs | |
JP7104799B2 (ja) | 学習用データ収集装置、学習用データ収集方法、及びプログラム | |
US20220383463A1 (en) | Method and device for image fusion, computing processing device, and storage medium | |
CN109543616B (zh) | 一种震后目标实物的损毁评估方法、装置、设备及介质 | |
US11055523B2 (en) | System and method for quantifying reflection e.g. when analyzing laminated documents | |
Rahman et al. | Factors affecting the labour productivity in construction projects of Pakistan | |
EP3174008A1 (en) | Method and apparatus for determining a sharpness metric of an image | |
CN110443783A (zh) | 一种图像质量评估方法及装置 | |
CN109900363A (zh) | 一种基于轮廓提取的目标物红外测温方法和装置 | |
CN110263682A (zh) | 基于轮廓提取的表格识别方法和装置、设备及存储介质 | |
CN101625722B (zh) | 载物识别图像的分类方法 | |
CN110211120A (zh) | 文物的锈蚀程度确定方法、装置以及电子设备 | |
CN115908415A (zh) | 基于边缘的缺陷检测方法、装置、设备及存储介质 | |
CN110505397A (zh) | 相机选择的方法、装置及计算机存储介质 | |
JP5617841B2 (ja) | 画像処理装置、画像処理方法および画像処理用プログラム | |
CN109727265A (zh) | 目标分割方法及装置 | |
Khalifa et al. | A new image-based model for predicting cracks in sewer pipes | |
Qureshi et al. | An information based framework for performance evaluation of image enhancement methods | |
Khalifa et al. | A new image model for predicting cracks in sewer pipes based on time | |
Yang et al. | Generalized weld bead region of interest localization and improved faster R-CNN for weld defect recognition |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: 100195 Room 301, 3 / F, building 5, zone 4, Xishan Creative Park, Haidian District, Beijing Patentee after: Aerospace Hongtu Information Technology Co.,Ltd. Address before: 100144 Room 301, 3 / F, building 5, zone 4, Xishan Creative Park, Haidian District, Beijing Patentee before: BEIJING PIESAT INFORMATION TECHNOLOGY CO.,LTD. |