CN111192273A - 一种基于计算机视觉技术的数字化喷丸覆盖率测量方法 - Google Patents
一种基于计算机视觉技术的数字化喷丸覆盖率测量方法 Download PDFInfo
- Publication number
- CN111192273A CN111192273A CN201911371999.XA CN201911371999A CN111192273A CN 111192273 A CN111192273 A CN 111192273A CN 201911371999 A CN201911371999 A CN 201911371999A CN 111192273 A CN111192273 A CN 111192273A
- Authority
- CN
- China
- Prior art keywords
- image
- shot blasting
- dent
- computer vision
- filling
- 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
- 238000005422 blasting Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000005516 engineering process Methods 0.000 title claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 37
- 230000011218 segmentation Effects 0.000 claims abstract description 12
- 238000001914 filtration Methods 0.000 claims description 28
- 230000000877 morphologic effect Effects 0.000 claims description 21
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000005480 shot peening Methods 0.000 claims description 8
- 238000003672 processing method Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 3
- RXDALBZNGVATNY-CWLIKTDRSA-N ampicillin trihydrate Chemical compound O.O.O.C1([C@@H](N)C(=O)N[C@H]2[C@H]3SC([C@@H](N3C2=O)C(O)=O)(C)C)=CC=CC=C1 RXDALBZNGVATNY-CWLIKTDRSA-N 0.000 claims description 2
- 238000007373 indentation Methods 0.000 claims description 2
- 238000000691 measurement method Methods 0.000 claims 4
- 238000005259 measurement Methods 0.000 abstract description 10
- 230000008030 elimination Effects 0.000 abstract description 5
- 238000003379 elimination reaction Methods 0.000 abstract description 5
- 238000006243 chemical reaction Methods 0.000 abstract description 3
- 238000004590 computer program Methods 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 abstract description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 239000002184 metal Substances 0.000 description 5
- 238000005286 illumination Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000001427 coherent effect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000003746 surface roughness Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000000227 grinding Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000003116 impacting effect Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 239000002932 luster Substances 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 238000005482 strain hardening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- 238000007514 turning Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
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
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
-
- G06T5/70—
-
- 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
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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
- G06T2207/10004—Still image; Photographic image
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明一种基于计算机视觉技术的数字化喷丸覆盖率测量方法,属于数字图像处理技术领域;所述方法的步骤包括图像采集、灰度转换、消除噪声、区域分割、二值化处理、填充、消除伪连接和统计,针对板件喷丸后表面凹痕的图像处理。采用计算机程序进行喷丸图像处理,保证了多次测量的一致性,测量误差控制在5%以内,测算速度较快,不依赖于个人经验,与其他计算机辅助制造设备兼容性好,可移植性好,为实现自动化喷丸控制循环中检测反馈环节工作带来可能性。
Description
技术领域
本发明属于数字图像处理技术领域,具体涉及一种基于计算机视觉技术的数字化喷丸覆盖率测量方法。
背景技术
喷丸是一种金属零件的冷加工工艺,它包括用规定的弹丸冲击零件。金属表层的压缩带来残余压应力,而残余压应力反过来又强化了金属,以防止疲劳损伤和腐蚀破坏,使用该工艺可延长零件使用寿命和并产生理想的金属塑性变形。喷丸过程中,大量弹丸对板材的冲击给板材表面留下了大量凹痕,这些凹痕覆盖区域面积所占板材表面总面积的比例即为覆盖率的定义与计算方法。
通常,覆盖面积是在喷丸后通过目视检查测量的,主要是显微镜下在零件表面选取几个位置来测定覆盖率(0%-100%)。然而,这种传统方法具有很多缺点。首先,覆盖区域是靠目视在几个点位估测的,因为时间限制很难做到对整个表面进行测量,而估算不是具体的数值计算,并且测量结果受人的主观影响大,所以测量精度不高;另外,依靠人工手动地在整个板料表面执行测量工作枯燥费力,对测量人员很不友好,并且培养一名专业的喷丸覆盖率测量人员需要花费较多的人力物力,所以测量成本较高;最后,这种测算方法很难实现自动化操作,也不能做到类似其他领域专业测量仪器般的实时反馈,所以测量效率较低。但这些限制却为开发测量覆盖率的新方法留下了发展空间。
授权公告号是CN110441305A,公布了一种二次喷丸的表面覆盖率检验方法。该发明包括以下步骤:第一次喷丸的表面覆盖率检验过程中,基于样品的刀痕区域和喷丸弹坑区域的亮度差异,获取喷丸弹坑区域所占整个表面的百分比α;将表面覆盖率值与百分比α进行拟合,通过拟合方程得到待测样品的一次喷丸的表面覆盖率值;在第二次检验过程中,基于样品的表面粗糙度Sa,将二次喷丸标准样品的表面覆盖率与表面粗糙度Sa值进行拟合;通过拟合方程得到待测样品的二次喷丸的表面覆盖率值。该发明方法能够方便检验金属零件经二次喷丸产生的表面覆盖率是否满足图纸要求,提高喷丸强化工艺的可靠性,具有直观、准确、可靠有效、可追溯等优点。但是该发明实际执行时仍需要大量手工操作,需要人员执行多次亮度统计和拟合计算,例外每次测量时还需要给出标准样品,以及拍摄较多角度的原始图像,使得测量工作的劳动量较大,耗费较多的人力物力以及时间,测量效率较低,测量成本较高。
发明内容
要解决的技术问题:
为了避免现有技术的不足之处,本发明提出一种基于计算机视觉技术的数字化喷丸覆盖率测量方法,步骤包括图像采集、灰度转换、消除噪声、区域分割、二值化处理、填充、消除伪连接和统计,针对板件喷丸后表面凹痕的图像处理,该处理方法算法简单,时间开销小,处理结果与实际较为接近,相比于传统手工目视测量方法,显著提高了板件喷丸覆盖率的测量效率。
本发明的技术方案是:一种基于计算机视觉技术的数字化喷丸覆盖率测量方法,其特征在于具体步骤如下:
步骤一:使用放大倍数范围在50~200倍间的显微放大镜与图像采集软件amcap获取初始图像;
步骤二:对图像进行预处理以消除噪声实现图像增强;
所述图像进行预处理的步骤为,首先将初始图像转换为灰度图像;然后采用中值滤波对图像进行平滑处理,用于消除图像噪声中的加工条纹;
步骤三:对图像区域分割并二值化;
采用局部阈值化算法对图像进行分割处理,再对分割后的图像进行二值化处理,得到二值化图像;
步骤四:对图像中凹痕中心光斑的填充;
采用形态学开放图像处理方法对所述二值化图像中的凹痕中心光斑进行填充,得到光斑填充图像;
步骤五:消除图像中伪连接;
采用形态学闭合图像处理方法,消除光斑填充图像中的相邻凹痕之间的伪连接,得到凹痕覆盖图像;
步骤六:统计凹痕覆盖图像中代表凹痕覆盖区域的黑色像素数量记为B,所占图像总像素数量S的比例,即得到覆盖率C,公司为:
本发明的进一步技术方案是:所述步骤二中值滤波的算法所采用的滤波窗口大小为5×5至9×9。
本发明的进一步技术方案是:所述步骤三的局部阈值化分割算法中值滤波操作时,所采用的平均滤波窗口大小是半径为100~200像素,灰度差量选取为0.001~0.01。
本发明的进一步技术方案是:所述步骤四填充凹痕中心的光斑所采用的结构元素是半径为10~15像素的圆盘形结构。
本发明的进一步技术方案是:所述步骤五中消除凹痕间伪连接所采用的结构元素是半径为11~17像素的圆盘形结构。
有益效果
本发明的有益效果在于:本发明提出了一种基于计算机视觉技术的自动化喷丸覆盖率测量方法,测量过程中不需要人员执行大量传统手工操作,如亮度统计和拟合计算,也不需要给出标准样品作为参考,使得测量工作的劳动量较少,耗时少,效率较高,测量成本低,执行难度低,容易上手操作并很快给出测量结果,并且测量结果对光照变化、加工条纹具有很好的稳健性。采用计算机程序进行喷丸图像处理,保证了多次测量的一致性,测量误差控制在5%以内,测算速度较快,不依赖于个人经验,与其他计算机辅助制造设备兼容性好,可移植性好,为实现自动化喷丸控制循环中检测反馈环节工作带来可能性。
其中,步骤二采用5×5至9×9窗口大小的中值滤波进行图像去噪,该窗口边长与加工条纹的图像宽度基本相同,相比高斯滤波,可以在不影响目标区域轮廓清晰度的前提下消除加工条纹这样密集的大型噪声;步骤三采用局部阈值化图像分割算法,相比全局阈值化分割算法提升了准确性,相比分水岭分割法缩短了运算时间,并增强了算法应对不同光照条件下图像背景灰度不均匀这一困难的稳健性;步骤四采用半径为10-15像素的圆盘形结构元素对分割完成后的二值化图像进行形态学开放,该结构元素半径值基本相当于单个弹坑凹痕区域长度方向的1/3至1/2,与凹痕中心光斑尺寸和形状基本一致,基本实现了凹痕中心光斑的填充;步骤四采用半径为10-20像素的圆盘形结构元素对光斑填充图像进行形态学闭合,该结构元素半径值基本相当于单个弹坑凹痕区域长度方向的1/3至2/3,基本实现了消除光斑填充图像中相邻凹痕之间的伪连接。
附图说明
图1是本发明喷丸板料图像处理与覆盖率计算方法的流程图;
图2是拍摄待测喷丸板料得到的初始图像(默认RGB格式);
图3是将初始图像进行灰度转换后得到的灰度图像;
图4是将灰度图像进行中值滤波后的去噪图像;
图5是将去噪图像进行局部阈值化后的分割图像;
图6是将局部阈值化后的分割图像进行二值取反化后的二值图像;
图7是将二值图像进行形态学开放后的光斑填充图像;
图8是将光斑填充图像进行形态学闭合后的凹痕覆盖图像;
图9是对凹痕覆盖图像进行凹痕区域像素统计,并计算得到覆盖率。
具体实施方式
下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
本发明一种基于计算机视觉技术的数字化喷丸覆盖率测量方法,包括以下步骤:
步骤一:使用放大倍数范围在50-200倍间的显微放大镜与图像采集软件amcap 获取初始图像;
借助放大倍数为50-200倍间的显微放大镜,以及在计算机上安装好的配套图像显示与采集软件amcap,在喷丸板料表面选取代表性区域进行拍照保存,保存为 480*640像素的彩色png格式图像。拍摄原则为:若喷丸板料的覆盖率较低,如30%以下,或短时间内难以选出代表性区域,则将放大倍数取小一点,使得图像画面中出现的凹痕数量多一些;若喷丸板料的覆盖率较高,如80%以上,则将放大倍数取大一点,使得图像画面中出现的未喷丸区域看上去更加明显;最后注意拍摄环境中自然光与人造光的协调配合并及时调整,使得喷丸板料受到的整体光照条件均匀。总之,拍摄时以能够真实反映板料的覆盖率水平,且使得凹痕与未喷丸的背景区域亮度对比度高,同类目标图像的亮度基本一致为宜。
步骤二:对图像进行预处理以消除噪声实现图像增强:
图像预处理步骤:1.转换为灰度图像,2.采用中值滤波对图像进行平滑处理,用于消除图像噪声中的加工条纹;所述中值滤波算法所采用的滤波窗口大小为5×5至9 ×9。
首先将原始彩色图像转换为灰度图像,在不影响图像分辨率质量的情况下降低图像的大小,减少后续图像处理步骤的运算时间。因为获得的原始图像具有加工条纹,通过中值滤波可以将图像平滑,消除加工条纹作为图像噪声的影响,并且凹痕的轮廓边缘保存较好,通常选择5×5至9×9窗口大小的中值滤波对图像处理效果较好,滤波窗口大小可以根据原始图像凹痕的分辨率进行适当调整更改。
步骤三:采用局部阈值化对图像进行区域分割并二值化;
采用局部阈值化算法对图像进行分割处理,再对分割后的图像进行二值化处理,得到二值化图像。所述局部阈值化分割算法中值滤波操作时所采用的平均滤波窗口大小为半径是100-200像素,灰度差量选取为0.001-0.01。
在获取得到的原始图像中,总会存在因为光照条件不均匀,导致图像各处对比度不同,背景像素灰度变化等不良状况。采用局部阈值化算法对图像进行分割处理,然后再进行二值化处理和图像取反处理,将图像初步划分为代表凹痕覆盖区域的前景部分与代表未受到喷丸区域的背景部分的二值图像。
步骤四:采用形态学开放实现对凹痕中心光斑的填充;
采用形态学开放图像处理方法对二值化图像中的凹痕中心光斑进行填充,得到光斑填充图像;所述填充凹痕中心光斑所采用的结构元素为半径是10-15像素的圆盘形结构;
图像在上一步初次分割后,凹痕的中心光斑依然存在,显然这样的分割并不代表真实的凹痕与背景分布情况,故需要对光斑进行填充。数字图像处理中的形态学开放可以目标图像分开的区域进行连接或填充,通过选取合适的结构元素可以使得图像变得更加清晰与连贯。采用半径为10-15像素的圆盘形结构元素对上一步图像进行形态学开放,有效实现了凹痕在光斑的填充,结构元素大小可以根据凹痕区域的图像分辩率大小进行适当调整更改。
步骤五:采用形态学闭合消除凹痕间的伪连接;
采用形态学闭合图像处理方法,消除光斑填充图像中的相邻凹痕之间的伪连接,得到凹痕覆盖图像。所述消除凹痕间伪连接所采用的结构元素为半径是11-17像素的圆盘形结构;
图像在进行形态学开放后,虽然有效实现了光斑的填充,但是在覆盖率水平较高,即凹痕与凹痕之间的距离小于凹痕本身的大小时,往往会带来凹痕之间的伪连接,而这些连接像素并不是真实的凹痕区域像素,故需要将其消除。数字图像处理中的形态学闭合可以选择性的保留目标图像中符合结构元素几何性质的部分,而过滤掉相对结构元素而言残损的部分。采用半径为10-20像素的圆盘形结构元素对上一步图像进行形态学开放,有效消除了凹痕间的伪连接,结构元素大小和类型可以根据凹痕区域的图像分辨率大小进行适当调整更改。
步骤六:统计凹痕覆盖图像中代表凹痕覆盖区域的黑色像素数量记为B,所占图像总像素数量S的比例,即得到覆盖率C。
通过上述步骤一至五的图像处理,已经将包含各种噪声原始彩色图像变为划分好凹痕区域与背景区域的二值图像,根据覆盖率的定义,只需统计出代表凹痕区域黑色像素的数量,再除以图像总像素数量,即可得到最终的喷丸覆盖率。
本发明的工作原理是:
板料喷丸前的表面大多为铣削、车削、磨削等机加工序得到,加工完成后的表面往往存在大量明显的刀痕或加工条纹,这些加工痕迹的反射率较高,呈现较强的金属光泽,在光学显微镜下图像亮度较高;但是经过喷丸后,大量弹丸对材料表面进行高速撞击,形成大量撞击坑即凹痕,这些凹痕使一部分照射到材料表面的光线发生漫散射,这些光线大多不会再次反射进入显微镜,因而凹痕大部分区域呈现的图像亮度下降;另外,由于凹痕本身像一面微小凹面镜,使另一部分垂直照射到凹痕表面尤其是凹痕中心区域的光线会直接反射,产生一定的聚光效应,这些聚集的光线会再次反射进入显微镜,使得凹痕中心区域的图像亮度升高。
所以在原始彩色喷丸板料图像中,凹痕中心亮斑区域的像素亮度与凹痕中其他区域的像素亮度反差最明显,同时也高于作为背景的未喷丸区域像素亮度值,并且凹痕除光斑外的其他区域亮度值显著低于凹痕轮廓外作为背景元素的未喷丸区域像素亮度值。本方法通过利用这种喷丸区域与未喷丸区域的亮度差异特征,经过一系列数字图像处理操作将原始图像划分出喷丸区和未喷丸区,通过统计喷丸区域像素数量占图像总像素数量的比率,从而测算得到表面覆盖率数值。
下面结合附图与实例对本发明做进一步说明:
如图1-7所示,本发明所涉及的基于计算机视觉技术的自动化喷丸覆盖率测量方法具体实施过程如下:
(1)如图1所示,为了在图像中划分出目标对象即凹痕区域以进行覆盖率计算,本发明采取先通过灰度化处理降低图像大小,然后通过中值滤波对图像进行平滑去噪,完成这些预处理过程后再通过局部阈值化将不包含光斑的凹痕其他区域划分出来,接着再通过形态学开放对凹痕中的光斑进行填充,使凹痕区域恢复如板料上真实的完整形貌,然后为了消除形态学开放带来的副作用即凹痕间新生的细丝状伪连接,需要通过形态学闭合来实现这一效果,最后对二值图像中代表凹痕区域的黑色像素进行数量统计,将黑色像素数量比上图像的总像素数量,这一比值即可视为所测板料表面的覆盖率。
(2)如图2所示,使用显微放大镜与配套软件获取多幅原始图像,在不同角度与光照条件下拍摄的同一喷丸板料表面区域的图像风格也会有显著区别,本方法通常选取加工条纹不突出、未喷丸表面相对平整、凹痕外轮廓清晰的原始图像作为待处理图像,即组图2中的(4)号图像记为Ⅰ。
(3)如图3所示,将上步选取好的待处理原始图像进行灰度化,通过使用MatLab 中的rgb2gray函数将真彩色RGB图像转换为灰度图像,可降低图像大小,减少后续处理步骤的运算时间,提高测量速度和效率,图像记为Ⅱ。
(4)如图4所示,将上步灰度化后的图像进行图像增强,通过使用MatLab中的medfilt2函数进行中值滤波可以将图像平滑,中值滤波的原理在于它把图像中某一点的值用该点的一个邻域中各点值的中值代替,这样就能消除加工条纹以及其他图像噪声的影响,并且凹痕的轮廓边缘依旧保存完好。本方法通常选择7*7大小窗口对图像进行中值滤波,滤波窗口大小可以根据原始图像凹痕的分辨率进行适当调整更改,图像记为Ⅲ。
(5)如图5所示,将上步去噪增强后的图像进行图像分割,通过使用在MatLab 中自定义的adaptivethreshold函数,可以得到与像素位置相关的一组阈值以对图像各部分分别进行分割,并在分割完成后对图像进行二值化处理,将图像初步划分为代表凹痕覆盖区域的前景部分与代表未受到喷丸区域的背景部分。该 adaptivethreshold函数,需要先使用mat2gray对图像Ⅲ进行归一化得到图像Ⅳ,然后进行第二次中值滤波得到一副泛背景亮度值图Ⅴ,此时图Ⅴ代表了图像大部分区域的中值亮度,注意这次中值滤波采用的窗口较大,本方法通常选择100*100;将图像Ⅳ和Ⅴ作差得到图像Ⅵ,图像Ⅵ中的每个像素亮度值可视为原图像与周围环境像素亮度的对比值,此时可视为初步将凹痕区域与未喷丸区域分割开,同时将凹痕中心亮斑与凹痕其他区域分割开;然后为了进一步分割出最终所需的目标区域即凹痕区域,本方法使用im2bw函数将图像Ⅵ转换成二值图像Ⅶ,但此时凹痕区域显示为白色像素,与人的实际光感不符,故最后使用imcomplement取反函数得到图像Ⅷ,此时黑色像素代表凹痕区域,白色部分像素代表未喷丸的背景区域。
(6)如图6所示,图像在上一步分割后,凹痕的中心光斑依然存在,显然这样的分割并不代表真实的凹痕与背景分布情况,故需要对光斑进行填充。数字图像处理中的形态学开放可以目标图像分开的区域进行连接或填充,通过选取合适的结构元素可以使得图像变得更加清晰与连贯。采用半径为10的圆盘形结构元素对上一步图像进行形态学开放,有效实现了凹痕在光斑的填充,结构元素大小可以根据原始图像凹痕的分辨率进行适当调整更改。
(7)如图7所示,图像在进行形态学开放后,虽然有效实现了光斑的填充,但是在覆盖率水平较高,即凹痕与凹痕之间的距离小于凹痕本身的大小时,往往会带来凹痕之间的伪连接,而这些连接像素并不是真实的凹痕区域像素,故需要将其消除。数字图像处理中的形态学闭合可以选择性的保留目标图像中符合结构元素几何性质的部分,而过滤掉相对结构元素而言残损的部分。采用长宽为3*9的矩形形结构元素对上一步图像进行形态学开放,有效消除了凹痕间的伪连接,结构元素大小和类型可以根据原始图像伪连接的分辨率进行适当调整更改。
(8)如图8所示,通过上述的图像处理步骤,已经将包含各种噪声原始彩色图像变为划分好凹痕区域与背景区域的二值图像,根据覆盖率的定义,只需统计出代表凹痕区域黑色像素的数量,再除以图像总像素数量,该像素数量之比即可视为最终得到的喷丸覆盖率。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (5)
1.一种基于计算机视觉技术的数字化喷丸覆盖率测量方法,其特征在于具体步骤如下:
步骤一:使用放大倍数范围在50~200倍间的显微放大镜与图像采集软件amcap获取初始图像;
步骤二:对图像进行预处理以消除噪声实现图像增强;
所述图像进行预处理的步骤为,首先将初始图像转换为灰度图像;然后采用中值滤波对图像进行平滑处理,用于消除图像噪声中的加工条纹;
步骤三:对图像区域分割并二值化;
采用局部阈值化算法对图像进行分割处理,再对分割后的图像进行二值化处理,得到二值化图像;
步骤四:对图像中凹痕中心光斑的填充;
采用形态学开放图像处理方法对所述二值化图像中的凹痕中心光斑进行填充,得到光斑填充图像;
步骤五:消除图像中伪连接;
采用形态学闭合图像处理方法,消除光斑填充图像中的相邻凹痕之间的伪连接,得到凹痕覆盖图像;
步骤六:统计凹痕覆盖图像中代表凹痕覆盖区域的黑色像素数量记为B,所占图像总像素数量S的比例,即得到覆盖率C,公司为:
2.根据权利要求1所述基于计算机视觉技术的数字化喷丸覆盖率测量方法,其特征在于:所述步骤二中值滤波的算法所采用的滤波窗口大小为5×5至9×9。
3.根据权利要求1所述基于计算机视觉技术的数字化喷丸覆盖率测量方法,其特征在于:所述步骤三的局部阈值化分割算法中值滤波操作时,所采用的平均滤波窗口大小是半径为100~200像素,灰度差量选取为0.001~0.01。
4.根据权利要求1所述基于计算机视觉技术的数字化喷丸覆盖率测量方法,其特征在于:所述步骤四填充凹痕中心的光斑所采用的结构元素是半径为10~15像素的圆盘形结构。
5.根据权利要求1所述基于计算机视觉技术的数字化喷丸覆盖率测量方法,其特征在于:所述步骤五中消除凹痕间伪连接所采用的结构元素是半径为11~17像素的圆盘形结构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911371999.XA CN111192273A (zh) | 2019-12-27 | 2019-12-27 | 一种基于计算机视觉技术的数字化喷丸覆盖率测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911371999.XA CN111192273A (zh) | 2019-12-27 | 2019-12-27 | 一种基于计算机视觉技术的数字化喷丸覆盖率测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111192273A true CN111192273A (zh) | 2020-05-22 |
Family
ID=70709538
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911371999.XA Pending CN111192273A (zh) | 2019-12-27 | 2019-12-27 | 一种基于计算机视觉技术的数字化喷丸覆盖率测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111192273A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111651921A (zh) * | 2020-06-02 | 2020-09-11 | 重庆大学 | 一种基于材料真实状态的喷丸强化表面完整性参数预测方法 |
CN112540039A (zh) * | 2020-12-31 | 2021-03-23 | 北京博奥体质宝健康科技有限公司 | 一种可用于直接计算贴壁活细胞数量的方法 |
CN113063804A (zh) * | 2021-03-16 | 2021-07-02 | 太原科技大学 | 一种基于图像处理的热切机视觉系统自动定位方法 |
CN113639656A (zh) * | 2021-07-29 | 2021-11-12 | 西安理工大学 | 一种喷丸覆盖率的拓印测量方法 |
CN116309602A (zh) * | 2023-05-24 | 2023-06-23 | 济南章力机械有限公司 | 基于机器视觉的数控钻铣床工作状态检测方法 |
WO2023134303A1 (zh) * | 2022-01-11 | 2023-07-20 | 上海飞机制造有限公司 | 用于获取喷丸工艺中的弹丸分布的方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104451079A (zh) * | 2014-12-11 | 2015-03-25 | 南车戚墅堰机车车辆工艺研究所有限公司 | 一种齿轮齿面喷丸强化精整方法 |
CN108564124A (zh) * | 2018-04-13 | 2018-09-21 | 山东农业大学 | 一种基于支持向量机的稻瘟病菌孢子显微图像检测识别方法 |
CN109166158A (zh) * | 2018-08-24 | 2019-01-08 | 中国电建集团华东勘测设计研究院有限公司 | 一种林地郁闭度确定方法、装置及系统 |
CN110008955A (zh) * | 2019-04-01 | 2019-07-12 | 中国计量大学 | 一种汽车刹车片表面字符压印质量检验方法 |
CN110334583A (zh) * | 2019-05-09 | 2019-10-15 | 王志杰 | 一种小区域土壤植被覆盖率测量方法、装置及电子设备 |
CN110441305A (zh) * | 2019-08-16 | 2019-11-12 | 中国航发北京航空材料研究院 | 一种二次喷丸的表面覆盖率检验方法 |
-
2019
- 2019-12-27 CN CN201911371999.XA patent/CN111192273A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104451079A (zh) * | 2014-12-11 | 2015-03-25 | 南车戚墅堰机车车辆工艺研究所有限公司 | 一种齿轮齿面喷丸强化精整方法 |
CN108564124A (zh) * | 2018-04-13 | 2018-09-21 | 山东农业大学 | 一种基于支持向量机的稻瘟病菌孢子显微图像检测识别方法 |
CN109166158A (zh) * | 2018-08-24 | 2019-01-08 | 中国电建集团华东勘测设计研究院有限公司 | 一种林地郁闭度确定方法、装置及系统 |
CN110008955A (zh) * | 2019-04-01 | 2019-07-12 | 中国计量大学 | 一种汽车刹车片表面字符压印质量检验方法 |
CN110334583A (zh) * | 2019-05-09 | 2019-10-15 | 王志杰 | 一种小区域土壤植被覆盖率测量方法、装置及电子设备 |
CN110441305A (zh) * | 2019-08-16 | 2019-11-12 | 中国航发北京航空材料研究院 | 一种二次喷丸的表面覆盖率检验方法 |
Non-Patent Citations (2)
Title |
---|
强斌 等: "基于喷丸随机模型的表面覆盖率计算方法", 《西南交通大学学报》 * |
盛湘飞 等: "基于正态分布的喷丸表面覆盖均匀程度与强化效率研究", 《表面技术》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111651921A (zh) * | 2020-06-02 | 2020-09-11 | 重庆大学 | 一种基于材料真实状态的喷丸强化表面完整性参数预测方法 |
CN112540039A (zh) * | 2020-12-31 | 2021-03-23 | 北京博奥体质宝健康科技有限公司 | 一种可用于直接计算贴壁活细胞数量的方法 |
CN113063804A (zh) * | 2021-03-16 | 2021-07-02 | 太原科技大学 | 一种基于图像处理的热切机视觉系统自动定位方法 |
CN113063804B (zh) * | 2021-03-16 | 2022-07-15 | 太原科技大学 | 一种基于图像处理的热切机视觉系统自动定位方法 |
CN113639656A (zh) * | 2021-07-29 | 2021-11-12 | 西安理工大学 | 一种喷丸覆盖率的拓印测量方法 |
CN113639656B (zh) * | 2021-07-29 | 2023-10-20 | 西安理工大学 | 一种喷丸覆盖率的拓印测量方法 |
WO2023134303A1 (zh) * | 2022-01-11 | 2023-07-20 | 上海飞机制造有限公司 | 用于获取喷丸工艺中的弹丸分布的方法 |
CN116309602A (zh) * | 2023-05-24 | 2023-06-23 | 济南章力机械有限公司 | 基于机器视觉的数控钻铣床工作状态检测方法 |
CN116309602B (zh) * | 2023-05-24 | 2023-08-04 | 济南章力机械有限公司 | 基于机器视觉的数控钻铣床工作状态检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111192273A (zh) | 一种基于计算机视觉技术的数字化喷丸覆盖率测量方法 | |
CN111310558B (zh) | 一种基于深度学习和图像处理法的路面病害智能提取方法 | |
CN112419250B (zh) | 路面裂缝数字图像提取、裂缝修补及裂缝参数计算方法 | |
CN113469177B (zh) | 基于深度学习的排水管道缺陷检测方法及系统 | |
CN110263192B (zh) | 一种基于条件生成对抗网络的磨粒形貌数据库创建方法 | |
CN114862849B (zh) | 一种基于图像处理的铝合板覆膜效果评估方法 | |
CN108876768B (zh) | 导光板暗影缺陷检测方法 | |
CN108846397B (zh) | 一种基于图像处理的电缆半导电层自动检测方法 | |
CN108682012B (zh) | 一种基于线扫激光的3d曲面玻璃表面平整性缺陷检测方法 | |
CN107490582B (zh) | 一种流水线工件检测系统 | |
CN109540925B (zh) | 基于差影法与局部方差测量算子的复杂瓷砖表面缺陷检测方法 | |
CN109035249B (zh) | 一种基于图像处理的管道故障并行全局阈值检测方法 | |
CN103325118A (zh) | 一种获取碳酸盐岩岩心孔洞特征参数的方法及装置 | |
CN111028229A (zh) | 一种基于图像处理技术的金属或涂层腐蚀检测方法 | |
CN109064439B (zh) | 基于分区的单侧入光式导光板暗影缺陷提取方法 | |
CN114792316A (zh) | 一种盘刹车轴底板点焊缺陷检测方法 | |
CN114549441A (zh) | 基于图像处理的吸管缺陷检测方法 | |
CN114719749B (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 | |
CN114972397A (zh) | 一种用于风电叶片复合材料的红外图像缺陷轮廓检测方法 | |
CN116883408B (zh) | 基于人工智能的积算仪壳体缺陷检测方法 | |
CN117315289B (zh) | 基于图像处理的航空发动机叶片轮廓边缘检测方法 | |
CN109544513A (zh) | 一种钢管端面缺陷提取识别的方法 | |
CN110530894B (zh) | 导光板亮点缺陷检测方法 | |
CN115619799B (zh) | 一种基于迁移学习的晶粒图像分割方法及系统 | |
CN114018946B (zh) | 一种基于OpenCV的高反光瓶盖缺陷检测方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200522 |