CN111899271A - 一种图像分割和超声波探伤仪的自动检定的方法及系统 - Google Patents
一种图像分割和超声波探伤仪的自动检定的方法及系统 Download PDFInfo
- Publication number
- CN111899271A CN111899271A CN202010634250.6A CN202010634250A CN111899271A CN 111899271 A CN111899271 A CN 111899271A CN 202010634250 A CN202010634250 A CN 202010634250A CN 111899271 A CN111899271 A CN 111899271A
- Authority
- CN
- China
- Prior art keywords
- image
- waveform
- peak
- ultrasonic flaw
- flaw detector
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000012795 verification Methods 0.000 title claims abstract description 34
- 238000003709 image segmentation Methods 0.000 title claims abstract description 26
- 238000012937 correction Methods 0.000 claims description 55
- 238000001514 detection method Methods 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 12
- 230000011218 segmentation Effects 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 10
- 238000000926 separation method Methods 0.000 claims description 9
- 238000009499 grossing Methods 0.000 claims description 7
- 230000002902 bimodal effect Effects 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 abstract description 2
- 230000007547 defect Effects 0.000 abstract description 2
- 238000009659 non-destructive testing Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 abstract 1
- 230000008569 process Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 238000009966 trimming 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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- G06T2207/10132—Ultrasound image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明属于无损检测技术领域，公开了一种图像分割和超声波探伤仪的自动检定的方法及系统。采用工业相机捕捉超声波探伤仪示波屏图像，通过机器视觉技术实现对超声波探伤仪示波屏波形特征提取并识别其波形的相关数据(波形幅值、波形前沿位置等)，将识别数据运用于超声波探伤仪校准中，代替了传统校准时必须通过接口进行数据传输的弊端，完成超声波探伤仪自动校准。
Description
技术领域
本发明属于无损检测技术领域，具体涉及一种图像分割和超声波探伤仪的自动检定的方法及系统。
背景技术
超声探伤仪是一种便携式工业无损探伤仪器，它能够快速、便捷、无损伤、精确地进行工件内部多种缺陷(如裂纹、疏松、气孔、夹杂等)的检测、定位、评估和诊断，既可以用于实验室，也可以用于工程现场。超声波探伤仪的检定操作按照《超声探伤仪检定规程》进行，具有资质的校准员根据规程，分别完成超声波探伤仪的水平线性、垂直线性、衰减器、动态范围、电噪声电平、最大使用灵敏度、探伤灵敏度余量、扫描范围、分辨力等参数校准。依据规程，手动设置校准装置、探伤仪，使其达到测试条件，读取校准装置示数，计算校准结果，然后手动编辑校准证书。完成一台超声波探伤仪的校准需要花费大量时间，并且工作内容重复次数高，易产生疲劳。
由于传统超声探伤仪器的校准工作操作过程繁琐、工作量大、且对检测人员的专业技能水平和工作经验都要求较高，消耗了大量的人力物力，无法满足现代化工业生产的需求。为了改善这种现状，需要研制超声探伤自动校准系统，实现对超声探伤设备的自动化校准。
发明专利CN107561162A中公开了《一种超声探伤检定系统》，包括工控机、逻辑控制模块、通讯模块、超声探伤仪、波形信号发生器、TTL电平转换模块、一级30dB固定衰减器和二级30dB固定衰减器等模块，有效解决了现有的具有通信功能的超声波探伤仪的参数校准及数据管理问题。但该自动校准系统装置仅能对具有通信接口的超声波探伤仪进行自动检定，对不具有通信接口或接口协议不公开，只有检测并显示数据的功能的超声波探伤仪无法实现自动检定，还无法实现高度自动化。若采用图像处理的方法获得超声探伤仪的波形信息往往需要在图像分割过程中针对具体的设备设定不同的阈值，这种方法对于不同设备的通用性不高。
发明内容
本发明的目的在于提供一种图像分割和超声波探伤仪的自动检定的方法及系统，用以解决现有技术中无法实现向校准系统自动传输超声波探伤仪的实时数据不能实现完全的自动检定以及现有的图像分割方法通用性不高的问题。
为了实现上述任务，本发明采用以下技术方案：
一种图像分割方法，包括如下步骤：
步骤a：获取待分割图像，将待分割图像分离为R、G、B三个通道灰度图像，分别根据三个通道灰度图像绘制三张灰度直方图；
步骤b：对步骤a获得的三张灰度直方图均进行均值平滑处理，得到三张双峰直方图，所述双峰直方图包括大峰区域和小峰区域；
步骤c：根据式Ⅰ获得待分割图像中像素点q(x,y)的像素值，并进行分类，若q(x,y)＝255，则像素点q(x,y)属于前景区域，若q(x,y)＝0，则像素点q(x,y) 属于背景区域，
其中，S1表示像素点q(x,y)的背景三阶颜色矩，S2表示像素点q(x,y)的前景三阶颜色矩，S1＝(|fR(x,y)-KR(p1)|)3+(|fG(x,y)-KG(p1)|)3+(|fB(x,y)-KG(p1)|)3，S2＝(|fR(x,y)-KR(p2)|)3+(|fG(x,y)-KG(p2)|)3+(|fB(x,y)-KB(p2)|)3，fR(x,y)、 fG(x,y)和fB(x,y)分别为待分割图像中像素点q(x,y)在R、G、B通道对应的灰度值、KR(p1)、KG(p1)和KG(p1)分别为待分割图像R、G、B通道双峰直方图的大峰区域波峰对应的灰度级，p1表示大峰区域波峰，KR(p2)、KG(p2) 和KB(p2)分别为待分割图像R、G、B通道双峰直方图的小峰区域的波峰对应的灰度级，p2表示小峰区域波峰；
步骤d：根据步骤c遍历待分割图像中的每个像素点进行分类，获得包含前景区域和背景区域的二值图像，完成分割。
一种图像分割系统，包括色相分离模块、双峰直方图生成模块和分类模块；
所述色相分离模块用于将待分割图像分离为R、G、B三个通道灰度图像；
所述双峰直方图生成模块用于通过色相分离模块得到的三个通道灰度图像绘制三张灰度直方图并进行均值平滑处理，得到三张双峰直方图，所述双峰直方图包括大峰区域和小峰区域；
分类模块用于获得待分割图像中每个像素点的像素值，对每个像素点进行分类，获得包含前景区域和背景区域的二值图像，完成分割；其中，像素点q(x,y)的像素值根据式Ⅰ获得，若q(x,y)＝255，则像素点q(x,y)属于前景区域，若q(x,y)＝0，则像素点q(x,y)属于背景区域，
其中，S1表示像素点q(x,y)的背景三阶颜色矩，S2表示像素点q(x,y)的前景三阶颜色矩，S1＝(|fR(x,y)-KR(p1)|)3+(|fG(x,y)-KG(p1)|)3+(|fB(x,y)-KG(p1)|)3， S2＝(|fR(x,y)-KR(p2)|)3+(|fG(x,y)-KG(p2)|)3+(|fB(x,y)-KB(p2)|)3，fR(x,y)、fG(x,y)和fB(x,y)分别为待分割图像中像素点q(x,y)在R、G、B通道对应的灰度值、KR(p1)、KG(p1)和KG(p1)分别为待分割图像R、G、B通道双峰直方图的大峰区域波峰对应的灰度级，p1表示大峰区域波峰，KR(p2)、KG(p2) 和KB(p2)分别为待分割图像R、G、B通道双峰直方图的小峰区域的波峰对应的灰度级，p2表示小峰区域波峰。
一种超声波探伤仪的自动检定方法，包括如下步骤：
步骤1：采集示波屏波形图像，对示波屏波形图像进行几何畸变校正，得到校正图像，所述示波屏波形图像根据标准波形生成；
步骤2：截取步骤1获得的校正图像的波形区域，对校正图像的波形区域采用上述的图像分割方法进行图像分割，得到二值图像；
步骤3：采用霍夫直线检测法对步骤2获得的二值图像进行特征提取，得到直线特征信息，对得到的直线特征信息进行特征识别，得到示波屏重建波形；
步骤4：将示波屏重建波形和标准波形进行对比，根据超声探伤仪的国家计量检定规程，得到超声波探伤仪的计量性能误差，完成自动检定。
进一步的，步骤1中几何畸变校正包括如下子步骤：
步骤a1：设定示波屏图像四个顶点对应像素点的校正坐标，选取示波屏图像的四个顶点对应像素点的坐标；
步骤a2：利用透视变换获得示波屏图像四个顶点的坐标与校正坐标的几何畸变校正关系；
步骤a3：根据几何畸变校正关系，利用双线性插值计算示波屏图像每个像素点的校正坐标，得到校正图像。
进一步的，所述直线特征信息包括网格基准直线和波形直线，所述波形数据信息矩形波的幅值和矩形波的前沿水平刻度数据。
更进一步的，对得到的直线特征信息进行特征识别得到波形数据信息，包括如下子步骤：
步骤b1：根据网格基准直线中水平线的下边界和上边界，分别获得水平零刻线和水平满刻线，根据波形直线中首个波形和最后一个波形的前沿所对应的垂线，分别获得垂直零刻线和垂直满刻线；
步骤b2：计算直线特征信息内所有像素点坐标到水平零刻线的相对像素距离作为矩形波的幅值，计算直线特征信息内所有像素点坐标到垂直零刻线的相对像素距离作为各周期矩形波的前沿水平刻度数据。
一种超声波探伤仪的自动检定系统，包括校准波生成系统和超声波探伤仪，所述校准波生成系统用于生成模拟校准信号并传输给超声探伤仪，所述超声探伤仪用于接收模拟校准信号并在示波屏输出波形，还包括图像波形识别系统和工业控制计算机；
所述图像波形识别系统用于对示波屏波形图像进行识别，获得示波屏重建波形；所述图像波形识别系统包括校正子系统、分割子系统和特征提取子系统；
所述校正子系统用于对示波屏波形图像进行几何畸变校正，得到校正图像，所述示波屏波形图像根据标准波形生成；所述分割子系统采用上述的图像分割系统获得二值图像；所述特征提取子系统用于根据霍夫直线检测法对二值图像进行特征提取，得到直线特征信息，对得到的直线特征信息进行特征识别，得到示波屏重建波形；
所述工业控制计算机用于对校准波形生成系统输出的标准波形和图像波形识别系统得到的示波屏重建波形进行分析，根据超声探伤仪的国家计量检定规程，得到超声波探伤仪的计量性能误差并以校准报表的形式输出。
进一步的，所述校正子系统的工作过程如下：
设定示波屏图像四个顶点对应像素点的校正坐标，选取示波屏图像的四个顶点对应像素点的坐标；利用透视变换获得示波屏图像四个顶点的坐标与校正坐标的几何畸变校正关系；根据几何畸变校正关系，利用双线性插值计算示波屏图像每个像素点的校正坐标，得到校正图像。
进一步的，所述直线特征信息包括网格基准直线和波形直线，所述波形数据信息矩形波的幅值和矩形波的前沿水平刻度数据。
更进一步的，所述特征提取子模块的工作过程如下：
根据网格基准直线中水平线的下边界和上边界，分别获得水平零刻线和水平满刻线，根据波形直线中首个波形和最后一个波形的前沿所对应的垂线，分别获得垂直零刻线和垂直满刻线；
计算直线特征信息内所有像素点坐标到水平零刻线的相对像素距离作为矩形波的幅值，计算直线特征信息内所有像素点坐标到垂直零刻线的相对像素距离作为各周期矩形波的前沿水平刻度数据。
本发明与现有技术相比具有以下技术特点：
(1)本发明的图像分割方法相较于现有的中将波形图像转换为HSV颜色空间图像并对H通道、S通道图像固定阈值二值化，分离出目标图像和背景图像的方法，通过绘制R、G、B三个通道灰度图像的双峰直方图然后根据统一的计算公式对像素值进行精确地计算，在提高了通用性的基础上更好地进行了图像分割。
(2)本发明的自动检定方法将超声波探伤仪示波屏波形特征提取出来并识别其波形的相关数据，然后通过分析来控制超声波探伤仪校准中，相较于以往通过人眼获取调整数据并手动输入控制校准，能够更好地完成超声波探伤仪自动校准。
(3)本发明的自动检定系统能够自动检定超声波探伤仪的水平线性误差、衰减器衰减误差、垂直线性误差、增益组合变化、增益的稳定性、动态范围、最大使用灵敏度、扫描范围、电噪声电平等多参数。对有接口的超声波探伤仪，工控机通过通讯模块与探伤仪通信，实现参数自动校准；对于不具有通信接口或者接口协议不公开的超声波探伤仪，采用图像处理模块进行数据分析及控制，自动记录结果，校准结果均符合国家质量监督检验检疫总局发布的《超声探伤仪检定规程》(编号：JJG 746-2004)的规定标准。
附图说明
图1为自动检定系统的示意图；
图2为自动检定方法的流程图；
图3为均值平滑得到的双峰示意图；
图4为实施例中R、G、B三通道的双峰直方图；
图5为实施例中六底波校准标准波形；
图6为实施例中的示波器波形图像；
图7为实施例中的校正图像；
图8为实施例中的分割后的二值图像；
图9为实施例中的示波器重建波形。
具体实施方式
根据传统图像处理方法对屏幕图像的适用性分析，提出三个重点功能如下：(1)屏幕图像几何校正。
在显示屏图像获取过程中，由于成像系统本身具有的非线性，摄像时视角的变化，被摄对象表面弯曲等原因，造成成像后的图像与原景物图像相比，产生图像中的信息图形相对于实际位置发生挤压、扭曲、拉伸和偏移、远近比例不协调等问题，本研究中图像内部信息图形的像素坐标是重要参数，图像的几何校正决定图像识别准确率和相关数据的精确度，因而，几何校正为本系统的重点功能之一。
(2)屏幕图像去噪滤波。
对于超声探伤仪器屏幕图像来说，图像增强处理必不可少，其中去噪处理最为重要。因为超声探伤仪器屏幕图像与普通文本图像最大的不同在于图像表面覆盖的噪声不同，如电子屏幕图像上会出现由于混叠现象带来的波纹状噪声，镜面反光噪声，或屏幕自带的雪花点噪声等等，导致传统的滤波方法对屏幕图像的去噪效果不理想，而且去噪效果的好坏关系到后续一系列处理的效果，所以图像去噪作为本系统的重点功能之一。
(3)矩形波的提取和识别。
本系统的研究背景是对超声探伤设备的校准实现自动化，由于识别所得数据直接关系到超声探伤设备的校准精度，对识别准确率要求较高，实现对构成矩形波的水平和垂直直线的识别、定位至关重要，所以线性识别作为本系统的另一个重点功能。
由此，本实施例公开了一种图像分割方法，包括如下步骤：
步骤a：获取待分割图像，将待分割图像分离为R、G、B三个通道灰度图像，分别根据三个通道灰度图像绘制三张灰度直方图；
步骤b：对步骤a获得的三张灰度直方图均进行均值平滑处理，得到三张双峰直方图，双峰直方图包括大峰区域和小峰区域；
步骤c：根据式Ⅰ获得待分割图像中像素点q(x,y)的像素值，并进行分类，若q(x,y)＝255，则像素点q(x,y)属于背景区域，若q(x,y)＝0，则像素点q(x,y)属于前景区域，
其中，S1表示像素点q(x,y)的背景三阶颜色矩，S2表示像素点q(x,y)的前景三阶颜色矩，S1＝(|fR(x,y)-KR(p1)|)3+(|fG(x,y)-KG(p1)|)3+(|fB(x,y)-KG(p1)|)3， S2＝(|fR(x,y)-KR(p2)|)3+(|fG(x,y)-KG(p2)|)3+(|fB(x,y)-KB(p2)|)3，fR(x,y)、fG(x,y) 和fB(x,y)分别为待分割图像中像素点q(x,y)在R、G、B通道对应的灰度值、 KR(p1)、KG(p1)和KG(p1)分别为待分割图像R、G、B通道双峰直方图的大峰区域波峰对应的灰度级，p1表示大峰区域波峰，KR(p2)、KG(p2)和KB(p2)分别为待分割图像R、G、B通道双峰直方图的小峰区域的波峰对应的灰度级，p2表示小峰区域波峰；
步骤d：根据步骤c遍历待分割图像中的每个像素点进行分类，获得包含前景区域和背景区域的二值图像，完成分割。
实现图像分割时，将待分割图像每一个像素点进行扫描，当该像素点三个通道对应的灰度值均落入背景灰度级中，标记该像素点为背景像素点；当该像素点三个通道对应的灰度值均落入前景灰度级中，标记该像素点为前景像素点；当该像素点三个通道对应的灰度值既有落入背景灰度级中又有落入前景灰度级时，依据该像素点三个通道的灰度值与各通道峰值的颜色矩判定像素点归属类别。
一种图像分割系统，包括色相分离模块、双峰直方图生成模块和分类模块；
色相分离模块用于将待分割图像分离为R、G、B三个通道灰度图像；
双峰直方图生成模块用于通过色相分离模块得到的三个通道灰度图像绘制三张灰度直方图并进行均值平滑处理，得到三张双峰直方图，双峰直方图包括大峰区域和小峰区域；
分类模块用于获得待分割图像中每个像素点的像素值，对每个像素点进行分类，获得包含前景区域和背景区域的二值图像，完成分割；其中，像素点 q(x,y)的像素值根据式Ⅰ获得，若q(x,y)＝255，则像素点q(x,y)属于背景区域，若q(x,y)＝0，则像素点q(x,y)属于前景区域，
其中，S1表示像素点q(x,y)的背景三阶颜色矩，S2表示像素点q(x,y)的前景三阶颜色矩，S1＝(|fR(x,y)-KR(p1)|)3+(|fG(x,y)-KG(p1)|)3+(|fB(x,y)-KG(p1)|)3， S2＝(|fR(x,y)-KR(p2)|)3+(|fG(x,y)-KG(p2)|)3+(|fB(x,y)-KB(p2)|)3，fR(x,y)、fG(x,y) 和fB(x,y)分别为待分割图像中像素点q(x,y)在R、G、B通道对应的灰度值、 KR(p1)、KG(p1)和KG(p1)分别为待分割图像R、G、B通道双峰直方图的大峰区域波峰对应的灰度级，p1表示大峰区域波峰，KR(p2)、KG(p2)和KB(p2)分别为待分割图像R、G、B通道双峰直方图的小峰区域的波峰对应的灰度级，p2表示小峰区域波峰。
一种超声波探伤仪的自动检定方法，包括如下步骤：
步骤1：采集示波屏波形图像，对示波屏波形图像进行几何畸变校正，得到校正图像，示波屏波形图像根据标准波形生成；
步骤2：截取步骤1获得的校正图像的波形区域，对校正图像的波形区域采用上述的图像分割方法进行图像分割，得到二值图像；
步骤3：采用霍夫直线检测法对步骤2获得的二值图像进行特征提取，得到直线特征信息，对得到的直线特征信息进行特征识别，得到示波屏重建波形；
步骤4：将示波屏重建波形和标准波形进行对比，根据超声探伤仪的国家计量检定规程，得到超声波探伤仪的计量性能误差，完成自动检定。
具体的，步骤1中几何畸变校正包括如下子步骤：
步骤a1：设定示波屏图像四个顶点对应像素点的校正坐标，选取示波屏图像的四个顶点对应像素点的坐标；
步骤a2：利用透视变换获得示波屏图像四个顶点的坐标与校正坐标的几何畸变校正关系；
步骤a3：根据几何畸变校正关系，利用双线性插值计算示波屏图像每个像素点的校正坐标，得到校正图像。
具体的，透视变换是指将一个三维坐标变换到一个二维坐标，是一种投影变换。其数学描述为：
其中，(u，v)透视畸变图像像素坐标，(x，y)校正图像像素坐标。
本专利利用人机交互的手段，通过鼠标点选采集图像中对应超声波探伤仪示波屏波形显示边界的四个像素点，并设定校正后图像的四个像素点的坐标，构建四对坐标，实现透视变换计算，并通过双线性插值完成每个像素点像素坐标计算，实现通过透视变换和双线性插值对畸变图像的校正。
具体的，直线特征信息包括网格基准直线和波形直线，波形数据信息矩形波的幅值和矩形波的前沿水平刻度数据。
优选的，对得到的直线特征信息进行特征识别得到波形数据信息，包括如下子步骤：
步骤b1：根据网格基准直线中水平线的下边界和上边界，分别获得水平零刻线和水平满刻线，根据波形直线中首个波形和最后一个波形的前沿所对应的垂线，分别获得垂直零刻线和垂直满刻线；
步骤b2：计算直线特征信息内所有像素点坐标到水平零刻线的相对像素距离作为矩形波的幅值，计算直线特征信息内所有像素点坐标到垂直零刻线的相对像素距离作为各周期矩形波的前沿水平刻度数据。
全局Hough变换法指利用点线的对偶性将图像空间的直线上的点变换到参数空间中直线，并在参数空间中寻找各直线间的交点，将参数空间相交直线数大于某个阈值的交点的坐标作为图像空间直线参数线。
在直角坐标系中一直线表示为：ρ1＝x cosθ1+y sinθ1，该直线可以表示为在以角度θ和半径ρ为轴的参数坐标系中是一点Q(θ1,ρ1)；在直角坐标系中一点 P(x1,y1)，该点P在以斜率k和截距b为轴的参数坐标系中是一直线：ρ＝x1cosθ+y1sinθ。即图像空间的一直线在参数空间为一点，参数空间的一直线为图像空间的一点。将图像空间的所有点变换为参数空间的各直线，并统计参数空间各点的在已知直线上的直线个数，进而将参数空间中直线个数大于某一阈值的点作为图像空间直线的参数，实现对直线检测。
一种超声波探伤仪的自动检定系统，包括校准波生成系统和超声波探伤仪，校准波生成系统用于生成模拟校准信号并传输给超声探伤仪，超声探伤仪用于接收模拟校准信号并在示波屏输出波形，还包括图像波形识别系统和工业控制计算机；
图像波形识别系统用于对示波屏波形图像进行识别，获得示波屏重建波形；图像波形识别系统包括校正子系统、分割子系统和特征提取子系统；
校正子系统用于对示波屏波形图像进行几何畸变校正，得到校正图像，示波屏波形图像根据标准波形生成；分割子系统采用上述的图像分割系统获得二值图像；特征提取子系统用于根据霍夫直线检测法对二值图像进行特征提取，得到直线特征信息，对得到的直线特征信息进行特征识别，得到示波屏重建波形；
工业控制计算机用于对校准波形生成系统输出的标准波形和图像波形识别系统得到的示波屏重建波形进行分析，根据超声探伤仪的国家计量检定规程，得到超声波探伤仪的计量性能误差并以校准报表的形式输出。
(1)工业控制计算机是将超声波探伤仪校准规程集成为人机交互的软件模块的硬件平台。工业控制计算机具备与校准波形生成系统、图像波形识别系统间的通信功能，并对校准波形生成系统和图像波形识别系统进行控制，实现对校准过程的交互操作和校准数据的综合计算，最终生成超声波探伤仪校准结果并以校准报表的形式输出。
(2)校准波形生成系统是实现超声波探伤仪校准时标准猝发音信号的生成。由两台级联信号发生器、保护电路、同步电路以及外加的固定衰减器构成。通过工业控制计算机程控调节调节信号发生器参数生成标准波形，接收待校准超声波探伤仪的触发同步信号后，向待校准超声波探伤仪输出猝发音校准波形。同步触发电路功能为实现猝发音信号在超声波探伤仪闸门打开的时间段内输出给被校超声波探伤仪。保护电路模块功能为防止信号发生器输出端与与超声波探伤仪发射端口误接，将超声波探伤仪发出的高压脉冲信号输入到信号发生器输出端，导致信号发生器被击毁。
(3)图像波形识别系主要功能实现超声波探伤仪与工业控制计算机的数据通讯。通过工业控制计算机的控制完成对超声波探伤仪校准中其示波屏显示的波形图像进行采集，并进行相关图像处理，最终识别出其波形数据信息，将其与超声波探伤仪校准有关的数据反馈于工业控制计算机的自动校准软件系统，用于超声波探伤仪的相关参数校准。
具体的，校正子系统的工作过程如下：
设定示波屏图像四个顶点对应像素点的校正坐标，选取示波屏图像的四个顶点对应像素点的坐标；利用透视变换获得示波屏图像四个顶点的坐标与校正坐标的几何畸变校正关系；根据几何畸变校正关系，利用双线性插值计算示波屏图像每个像素点的校正坐标，得到校正图像。
具体的，直线特征信息包括网格基准直线和波形直线，波形数据信息矩形波的幅值和矩形波的前沿水平刻度数据。
具体的，特征提取子模块的工作过程如下：
根据网格基准直线中水平线的下边界和上边界，分别获得水平零刻线和水平满刻线，根据波形直线中首个波形和最后一个波形的前沿所对应的垂线，分别获得垂直零刻线和垂直满刻线；
计算直线特征信息内所有像素点坐标到水平零刻线的相对像素距离作为矩形波的幅值，计算直线特征信息内所有像素点坐标到垂直零刻线的相对像素距离作为各周期矩形波的前沿水平刻度数据。
特征识别是利用已获取的直线特征重构其波形并获取波形数据的过程。通过检测到的直线对应各像素点的像素坐标，绘制取矩形波，以首波的前沿作为波形时基线的零刻线(0)，最后一个波形的前沿作为波形时基线的满刻线 (100％)，以识别的网格上线边界作为幅值的满刻线(100％)和零刻线(0)，其单位均为％。以此为坐标基准，通过计算各像素点坐标到水平、垂直零刻线的相对像素距离作为矩形波的幅值和各周期波的前沿水平刻度数据，用于超声波探伤仪的校准。
实施例2
本实施例公开了一种图像分割方法，如图4所示，R、G、B三通道的双峰直方图，还公开了一种超声波探伤仪的自动检定方法，图5-图9为实施例中方法各步骤得到的图像。
按照超声波探伤仪的《超声探伤仪检定规程》进行检定操作，具有资质的校准员根据规程，分别完成超声波探伤仪的水平线性、垂直线性、衰减器、动态范围、电噪声电平、最大使用灵敏度、探伤灵敏度余量、扫描范围、分辨力等参数校准。本实施例中标准波形和示波器重建波形对比分析后，计量性能误差计算如下：
表1微调后水平校线性误差
表2衰减器误差校准数据
单位dB
校准衰减器误差为：e1＝0.115-0.230+0-0.115+0.115-0.230＝-0.345dB
表3垂直线性误差数据
其垂直线性误差为：Δ＝1.0+|-0.8|＝1.8 。
Claims (10)
1.一种图像分割方法，其特征在于，包括如下步骤：
步骤a：获取待分割图像，将待分割图像分离为R、G、B三个通道灰度图像，分别根据三个通道灰度图像绘制三张灰度直方图；
步骤b：对步骤a获得的三张灰度直方图均进行均值平滑处理，得到三张双峰直方图，所述双峰直方图包括大峰区域和小峰区域；
步骤c：根据式Ⅰ获得待分割图像中像素点q(x,y)的像素值，并进行分类，若q(x,y)＝255，则像素点q(x,y)属于前景区域，若q(x,y)＝0，则像素点q(x,y)属于背景区域，
其中，S1表示像素点q(x,y)的背景三阶颜色矩，S2表示像素点q(x,y)的前景三阶颜色矩，S1＝(|fR(x,y)-KR(p1)|)3+(|fG(x,y)-KG(p1)|)3+(|fB(x,y)-KG(p1)|)3，S2＝(|fR(x,y)-KR(p2)|)3+(|fG(x,y)-KG(p2)|)3+(|fB(x,y)-KB(p2)|)3，fR(x,y)、fG(x,y)和fB(x,y)分别为待分割图像中像素点q(x,y)在R、G、B通道对应的灰度值、KR(p1)、KG(p1)和KG(p1)分别为待分割图像R、G、B通道双峰直方图的大峰区域波峰对应的灰度级，p1表示大峰区域波峰，KR(p2)、KG(p2)和KB(p2)分别为待分割图像R、G、B通道双峰直方图的小峰区域的波峰对应的灰度级，p2表示小峰区域波峰；
步骤d：根据步骤c遍历待分割图像中的每个像素点进行分类，获得包含前景区域和背景区域的二值图像，完成分割。
2.一种图像分割系统，其特征在于，包括色相分离模块、双峰直方图生成模块和分类模块；
所述色相分离模块用于将待分割图像分离为R、G、B三个通道灰度图像；
所述双峰直方图生成模块用于通过色相分离模块得到的三个通道灰度图像绘制三张灰度直方图并进行均值平滑处理，得到三张双峰直方图，所述双峰直方图包括大峰区域和小峰区域；
分类模块用于获得待分割图像中每个像素点的像素值，对每个像素点进行分类，获得包含前景区域和背景区域的二值图像，完成分割；其中，像素点q(x,y)的像素值根据式Ⅰ获得，若q(x,y)＝255，则像素点q(x,y)属于前景区域，若q(x,y)＝0，则像素点q(x,y)属于背景区域，
其中，S1表示像素点q(x,y)的背景三阶颜色矩，S2表示像素点q(x,y)的前景三阶颜色矩，S1＝(|fR(x,y)-KR(p1)|)3+(|fG(x,y)-KG(p1)|)3+(|fB(x,y)-KG(p1)|)3，S2＝(|fR(x,y)-KR(p2)|)3+(|fG(x,y)-KG(p2)|)3+(|fB(x,y)-KB(p2)|)3，fR(x,y)、fG(x,y)和fB(x,y)分别为待分割图像中像素点q(x,y)在R、G、B通道对应的灰度值、KR(p1)、KG(p1)和KG(p1)分别为待分割图像R、G、B通道双峰直方图的大峰区域波峰对应的灰度级，p1表示大峰区域波峰，KR(p2)、KG(p2)和KB(p2)分别为待分割图像R、G、B通道双峰直方图的小峰区域的波峰对应的灰度级，p2表示小峰区域波峰。
3.一种超声波探伤仪的自动检定方法，其特征在于，包括如下步骤：
步骤1：采集示波屏波形图像，对示波屏波形图像进行几何畸变校正，得到校正图像，所述示波屏波形图像根据标准波形生成；
步骤2：截取步骤1获得的校正图像的波形区域，对校正图像的波形区域采用权利要求1所述的图像分割方法进行图像分割，得到二值图像；
步骤3：采用霍夫直线检测法对步骤2获得的二值图像进行特征提取，得到直线特征信息，对得到的直线特征信息进行特征识别，得到示波屏重建波形；
步骤4：将示波屏重建波形和标准波形进行对比，根据超声探伤仪的国家计量检定规程，得到超声波探伤仪的计量性能误差，完成自动检定。
4.如权利要求1所述的超声波探伤仪的自动检定方法，其特征在于，步骤1中几何畸变校正包括如下子步骤：
步骤a1：设定示波屏图像四个顶点对应像素点的校正坐标，选取示波屏图像的四个顶点对应像素点的坐标；
步骤a2：利用透视变换获得示波屏图像四个顶点的坐标与校正坐标的几何畸变校正关系；
步骤a3：根据几何畸变校正关系，利用双线性插值计算示波屏图像每个像素点的校正坐标，得到校正图像。
5.如权利要求1所述的超声波探伤仪的自动检定方法，其特征在于，所述直线特征信息包括网格基准直线和波形直线，所述波形数据信息矩形波的幅值和矩形波的前沿水平刻度数据。
6.如权利要求5所述的超声波探伤仪的自动检定方法，其特征在于，对得到的直线特征信息进行特征识别得到波形数据信息，包括如下子步骤：
步骤b1：根据网格基准直线中水平线的下边界和上边界，分别获得水平零刻线和水平满刻线，根据波形直线中首个波形和最后一个波形的前沿所对应的垂线，分别获得垂直零刻线和垂直满刻线；
步骤b2：计算直线特征信息内所有像素点坐标到水平零刻线的相对像素距离作为矩形波的幅值，计算直线特征信息内所有像素点坐标到垂直零刻线的相对像素距离作为各周期矩形波的前沿水平刻度数据。
7.一种超声波探伤仪的自动检定系统，包括校准波生成系统和超声波探伤仪，所述校准波生成系统用于生成模拟校准信号并传输给超声探伤仪，所述超声探伤仪用于接收模拟校准信号并在示波屏输出波形，其特征在于，还包括图像波形识别系统和工业控制计算机；
所述图像波形识别系统用于对示波屏波形图像进行识别，获得示波屏重建波形；所述图像波形识别系统包括校正子系统、分割子系统和特征提取子系统；
所述校正子系统用于对示波屏波形图像进行几何畸变校正，得到校正图像，所述示波屏波形图像根据标准波形生成；所述分割子系统采用如权利要求2所述的图像分割系统获得二值图像；所述特征提取子系统用于根据霍夫直线检测法对二值图像进行特征提取，得到直线特征信息，对得到的直线特征信息进行特征识别，得到示波屏重建波形；
所述工业控制计算机用于对校准波形生成系统输出的标准波形和图像波形识别系统得到的示波屏重建波形进行分析，根据超声探伤仪的国家计量检定规程，得到超声波探伤仪的计量性能误差并以校准报表的形式输出。
8.如权利要求7所述的超声波探伤仪的自动检定方法，其特征在于，所述校正子系统的工作过程如下：
设定示波屏图像四个顶点对应像素点的校正坐标，选取示波屏图像的四个顶点对应像素点的坐标；利用透视变换获得示波屏图像四个顶点的坐标与校正坐标的几何畸变校正关系；根据几何畸变校正关系，利用双线性插值计算示波屏图像每个像素点的校正坐标，得到校正图像。
9.如权利要求7所述的超声波探伤仪的自动检定方法，其特征在于，所述直线特征信息包括网格基准直线和波形直线，所述波形数据信息矩形波的幅值和矩形波的前沿水平刻度数据。
10.如权利要求9所述的超声波探伤仪的自动检定方法，其特征在于，所述特征提取子模块的工作过程如下：
根据网格基准直线中水平线的下边界和上边界，分别获得水平零刻线和水平满刻线，根据波形直线中首个波形和最后一个波形的前沿所对应的垂线，分别获得垂直零刻线和垂直满刻线；
计算直线特征信息内所有像素点坐标到水平零刻线的相对像素距离作为矩形波的幅值，计算直线特征信息内所有像素点坐标到垂直零刻线的相对像素距离作为各周期矩形波的前沿水平刻度数据。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911292925 | 2019-12-16 | ||
| CN2019112929257 | 2019-12-16 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111899271A true CN111899271A (zh) | 2020-11-06 |
| CN111899271B CN111899271B (zh) | 2022-04-05 |
Family
ID=73191464
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010634250.6A Active CN111899271B (zh) | 2019-12-16 | 2020-07-02 | 一种图像分割和超声波探伤仪的自动检定的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111899271B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040208385A1 (en) * | 2003-04-18 | 2004-10-21 | Medispectra, Inc. | Methods and apparatus for visually enhancing images |
| CN101574709A (zh) * | 2009-06-12 | 2009-11-11 | 东北大学 | 一种中厚板自动转钢方法 |
| CN102169580A (zh) * | 2011-04-08 | 2011-08-31 | 中国船舶重工集团公司第七○二研究所 | 利用图像统计特征的自适应图像处理方法 |
| US20140307958A1 (en) * | 2013-04-16 | 2014-10-16 | The Penn State Research Foundation | Instance-weighted mixture modeling to enhance training collections for image annotation |
| CN107561162A (zh) * | 2017-08-23 | 2018-01-09 | 西北工业大学 | 一种超声探伤仪自动检定系统 |
| CN107705314A (zh) * | 2017-11-01 | 2018-02-16 | 齐鲁工业大学 | 一种基于灰度分布的多物体图像分割方法 |
| CN109409290A (zh) * | 2018-10-26 | 2019-03-01 | 中国人民解放军火箭军工程大学 | 一种温度表检定读数自动识别系统及方法 |
| CN109949338A (zh) * | 2019-02-20 | 2019-06-28 | 博雅工道（北京）机器人科技有限公司 | 一种基于cpg模型仿生水下机器鱼的目标跟踪识别方法 |
| CN110110637A (zh) * | 2019-04-25 | 2019-08-09 | 深圳市华嘉生物智能科技有限公司 | 一种人脸皮肤皱纹自动识别和皱纹严重程度自动分级的方法 |
-
2020
- 2020-07-02 CN CN202010634250.6A patent/CN111899271B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040208385A1 (en) * | 2003-04-18 | 2004-10-21 | Medispectra, Inc. | Methods and apparatus for visually enhancing images |
| CN101574709A (zh) * | 2009-06-12 | 2009-11-11 | 东北大学 | 一种中厚板自动转钢方法 |
| CN102169580A (zh) * | 2011-04-08 | 2011-08-31 | 中国船舶重工集团公司第七○二研究所 | 利用图像统计特征的自适应图像处理方法 |
| US20140307958A1 (en) * | 2013-04-16 | 2014-10-16 | The Penn State Research Foundation | Instance-weighted mixture modeling to enhance training collections for image annotation |
| CN107561162A (zh) * | 2017-08-23 | 2018-01-09 | 西北工业大学 | 一种超声探伤仪自动检定系统 |
| CN107705314A (zh) * | 2017-11-01 | 2018-02-16 | 齐鲁工业大学 | 一种基于灰度分布的多物体图像分割方法 |
| CN109409290A (zh) * | 2018-10-26 | 2019-03-01 | 中国人民解放军火箭军工程大学 | 一种温度表检定读数自动识别系统及方法 |
| CN109949338A (zh) * | 2019-02-20 | 2019-06-28 | 博雅工道（北京）机器人科技有限公司 | 一种基于cpg模型仿生水下机器鱼的目标跟踪识别方法 |
| CN110110637A (zh) * | 2019-04-25 | 2019-08-09 | 深圳市华嘉生物智能科技有限公司 | 一种人脸皮肤皱纹自动识别和皱纹严重程度自动分级的方法 |
Non-Patent Citations (7)
| Title |
|---|
| CHUN-WEI TAN ET AL.: "Automated segmentation of iris images using visible wavelength face images", 《CVPR 2011 WORKSHOPS》 * |
| DENG A W ET AL.: "fast computation of high-order Zernike moments using a recursive method", 《PATTERN RECOGNITION》 * |
| GUOQIANG MA ET AL.: "Fingerprint Image Segmentation Method Based on Gray Vision Parameter", 《2010 WASE INTERNATIONAL CONFERENCE ON INFORMATION ENGINEERING》 * |
| MICHAEL LINGER: "Color image segmentation algorithm: An approach to image segmentation through ellipsoidal clustering and edge detection", 《PROCEEDINGS OF THE 2011 IEEE NATIONAL AEROSPACE AND ELECTRONICS CONFERENCE (NAECON)》 * |
| 罗涛华: "基于自适应阈值的储粮害虫图像分割算法", 《武汉工业学院学报》 * |
| 贾桂林: "基于三阶Cartesian矩的图像倾斜快速矫正算法研究", 《科技通报》 * |
| 陈雪鑫 等: "基于多颜色和局部纹理的水果识别算法研究", 《青岛大学学报（工程技术版）》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111899271B (zh) | 2022-04-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103528617A (zh) | 一种座舱仪表自动识别和检测方法及装置 | |
| CN109884182B (zh) | 一种涡流c扫描成像检测方法 | |
| KR102256583B1 (ko) | 3d 포인트 클라우드를 이용한 2d 영상에서의 피사체 위치 계측 시스템 | |
| CN109949303B (zh) | 工件形状检测方法及装置 | |
| CN108257125B (zh) | 一种基于自然场景统计的深度图像质量无参考评价方法 | |
| CN110490826B (zh) | 一种照相机中雾滴样本图像处理方法 | |
| CN104778684A (zh) | 钢材表面异质型缺陷的自动测量、表征分类方法及其系统 | |
| CN115096893A (zh) | 一种基于机器视觉的飞机结构件缺陷无损检测方法 | |
| CN117698288A (zh) | 一种印刷质量检测方法、系统、设备及存储介质 | |
| CN117541483B (zh) | 一种扩散板的结构性能评估方法及系统 | |
| CN116381053A (zh) | 一种用于金属材料焊接的超声波检测方法及系统 | |
| CN115575416A (zh) | 柔性电路板焊盘检测方法及系统 | |
| CN113720914B (zh) | 超声波探伤系统及超声波探伤方法 | |
| CN111899271B (zh) | 一种图像分割和超声波探伤仪的自动检定的方法及系统 | |
| CN116862881A (zh) | 基于图像处理的多目标实时偏移检测方法 | |
| CN114841218B (zh) | 一种语音啸叫检测算法 | |
| CN114397090B (zh) | 一种连续变焦相机光轴平行性快速测量方法 | |
| JPH0380258B2 (zh) | ||
| CN115641326A (zh) | 用于陶瓷天线pin针图像的亚像素尺寸检测方法及系统 | |
| Jadhav et al. | Development of vision based test jig and mechanism for automatic inspection and sorting of industrial objects | |
| KR102009572B1 (ko) | 스팟 용접 품질 판정 장치 및 방법 | |
| CN112634251A (zh) | 一种印刷电路的检测系统 | |
| CN117805853B (zh) | 一种激光反射式边缘检测装置及方法 | |
| CN117491501A (zh) | 一种基于动态超声波形的线扫描成像系统 | |
| CN118071216B (zh) | 基于lims系统的多维度可视化不合格数据分析方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230224 Address after: 710075 Floor 11, Aerospace Technology Application Innovation Center, No. 32, Tuanjie South Road, High-tech Zone, Xi'an, Shaanxi Province Patentee after: XI'AN LINGKONG ELECTRONIC TECHNOLOGY Co.,Ltd. Address before: 710068 No. 127 Youyi West Road, Shaanxi, Xi'an Patentee before: Northwestern Polytechnical University |
|
| TR01 | Transfer of patent right |