CN112287933A - 一种汽车轮毂x射线图像文字干扰的去除方法及系统 - Google Patents

一种汽车轮毂x射线图像文字干扰的去除方法及系统 Download PDF

Info

Publication number
CN112287933A
CN112287933A CN201911325288.9A CN201911325288A CN112287933A CN 112287933 A CN112287933 A CN 112287933A CN 201911325288 A CN201911325288 A CN 201911325288A CN 112287933 A CN112287933 A CN 112287933A
Authority
CN
China
Prior art keywords
image
character
ray
images
local
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
Application number
CN201911325288.9A
Other languages
English (en)
Other versions
CN112287933B (zh
Inventor
王明泉
张俊生
侯慧玲
阙禄松
王陶然
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.)
North University of China
Original Assignee
North University of China
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 North University of China filed Critical North University of China
Priority to CN201911325288.9A priority Critical patent/CN112287933B/zh
Publication of CN112287933A publication Critical patent/CN112287933A/zh
Application granted granted Critical
Publication of CN112287933B publication Critical patent/CN112287933B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/273—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion removing elements interfering with the pattern to be recognised
    • 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10116—X-ray image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

本发明涉及一种汽车轮毂X射线图像文字干扰的去除方法及系统。去除方法包括：获取汽车轮毂的X射线图像；根据X射线图像，得到多个文字局部图像；生成每个文字局部图像的标记图像；标记图像的灰度值除最外围的边缘像素和文字局部图像对应位置的一致外，其它像素点的灰度值均为文字局部图像中的灰度最大值；对多个文字局部图像和每个文字局部图像的标记图像进行腐蚀重建运算，得到多个潜在文字去除图像；将多个潜在文字去除图像的灰度值取代X射线灰度图像对应位置的灰度值，得到文字去除X射线图像。本发明通过数学形态学运算将文字自动提取和去除，不会影响文字以外其它区域的灰度特性，实现了文字自动准确地去除，提高了检测的效率和准确性。

Description

一种汽车轮毂X射线图像文字干扰的去除方法及系统
技术领域
本发明涉及汽车轮毂生产领域，特别是涉及一种汽车轮毂X射线图像文字干扰的去除方法及系统。
背景技术
轮毂作为汽车的重要受力部件，生产时一般是融化的合金液经过低压铸造、T6热处理和机械加工等工序，最终变为成品。汽车轮毂在生产过程中，受各种因素的影响，可能会产生气孔、缩孔或缩松等常见内部缺陷，必须使用X射线无损检测设备来探伤。汽车轮毂在进行X射线检测时，射线源发出射线穿透检测部位后被平板探测器接收，转化为数字图像后传输到电脑，利用缺陷分割识别算法来判断产品是否合格。轮毂生产过程中各个厂家会对不同种类的轮毂的基本信息，如轮毂的型号、宽度、偏距、孔距等，在轮辐、轮辋等部位的背面用由二十六个大写英文字母和0到9共十个数字构成的字符串进行标志，这些文字大部分在低压铸造的模具中就被设计好，和轮毂一起成型，在轮毂的X射线图像上表现为固定大小的黑色字迹。这些字迹会对缺陷分割识别算法造成干扰，如字母B、D、O、Q和数字0、8等文字本身构成了封闭区域，这些封闭区域外围灰度较低，内部灰度较高，和缺陷的灰度特征非常相似，经常被算法误判，降低检测系统的识别准确率。
现有的轮毂X射线图像文字去除方法有两类，一类是把文字看成噪声干扰，使用各种滤波技术把文字去掉，但不可避免的会把缺陷信息也破坏掉，造成检测结果的失真；另外一类是按照图像修复的思路，把文字手工标识出来单独处理，虽然不会对缺陷信息造成干扰，但是大大增强了轮毂检测的技术难度，因为不同型号的轮毂标识不同的文字，同时文字出现的部位没有确定的规律可遵循，只能由检测人员手工标识后把相关信息存储到数据库，后续在轮毂检测时先进行型号识别，再调用提前做好的标志信息。而检测系统的机电传动装置往往会存在误差，调用的标志信息经常发生位置偏移，需要进行图像配准才能使用。
发明内容
本发明的目的是提供一种汽车轮毂X射线图像文字干扰的去除方法及系统，提高了汽车轮毂检测的效率和准确性。
为实现上述目的，本发明提供了如下方案：
一种汽车轮毂X射线图像文字干扰的去除方法，所述去除方法包括：
获取汽车轮毂的X射线图像；
根据所述X射线图像，利用矩形结构元素，得到多个文字局部图像；
生成每个所述文字局部图像的标记图像；所述标记图像的边缘像素的灰度值与所述文字局部图像对应位置的灰度值相同，所述标记图像的内部像素的灰度值为所述文字局部图像的灰度最大值；
对多个所述文字局部图像和每个所述文字局部图像的标记图像进行腐蚀重建运算，得到多个潜在文字去除图像；
将多个所述潜在文字去除图像的灰度值取代所述X射线灰度图像对应位置的灰度值，得到文字去除X射线图像。
可选的，所述根据所述X射线图像，得到多个文字局部图像，具体包括：
在所述X射线图像中构建矩形结构元素；
利用所述矩形结构元素对所述X射线图像进行低帽变换运算，得到文字突出图像；
对所述文字突出图像进行固定阈值二值化处理，得到二值文字图像；
利用所述矩形结构元素对所述二值文字图像进行两次膨胀运算，得到多个潜在文字区域；
根据多个所述潜在文字区域，在所述X射线灰度图像中提取与多个所述潜在文字区域相对应的多个文字局部图像。
可选的，所述利用所述矩形结构元素对所述X射线图像进行低帽变换运算，得到文字突出图像，具体包括：
基于所述矩形结构元素，利用公式[BTH(f)](x,y)＝[φB(f)](x,y)-f(x,y)，进行低帽变换运算，得到所述文字突出图像；
其中，[BTH(f)](x,y)为潜在文字区域图像，f(x,y)为X射线图像，(x,y)为X射线图像的像素点的坐标，x为X射线图像的像素点的横坐标，y为X射线图像的像素点的纵坐标，[φB(f)](x,y)为闭运算图像，B为矩形结构元素，[φB(f)](x,y)＝ε-B[δB(f)](x,y)，
Figure BDA0002328235950000031
[δB(f)](x,y)为膨胀图像，(s,t)为矩形结构元素的像素点的坐标，f(x+s,y+t)为X射线图像的像素点坐标(x,y)移动(s,t)后的图像，
Figure BDA0002328235950000032
[ε-B(f)](x,y)为腐蚀图像，-B为矩形结构元素B以原点为中心、旋转180°后形成新的矩形结构元素。
可选的，所述利用所述矩形结构元素对所述二值文字图像进行两次膨胀运算，得到多个潜在文字区域，具体包括：
基于所述矩形结构元素，利用公式
Figure BDA0002328235950000033
对所述二值文字图像进行膨胀运算，得到所述二值文字图像的膨胀图像；
利用公式j(x′,y′)＝δB[δB(h)](x′,y′)，对所述二值文字图像的膨胀图像进行膨胀运算，得到潜在文字区域图像；
在所述潜在文字区域图像中获取存在的全部白色像素块的最小外接矩形，按次序进行编号，得到多个潜在文字区域；
其中，[δB(h)](x′,y′)为二值文字图像的一次膨胀图像，j(x′,y′)为潜在文字区域图像，h(x′,y′)为二值文字图像，(x′,y′)为二值文字图像的像素点的坐标，B为矩形结构元素，(s,t)为矩形结构元素的像素点的坐标。
可选的，所述对多个所述文字局部图像和每个所述文字局部图像的标记图像进行腐蚀重建运算，得到多个潜在文字去除图像，具体包括：
利用公式
Figure BDA0002328235950000034
对多个所述文字局部图像和每个所述文字局部图像的标记图像进行腐蚀重建运算，得到多个潜在文字去除图像；
其中，
Figure BDA0002328235950000035
为潜在文字去除图像，M＝M(m,n)为每个所述文字局部图像的标记图像，(m,n)为每个所述文字局部图像的标记图像的像素点的坐标，T＝T(t,p)为文字局部图像，(t,p)为文字局部图像的像素点的坐标，
Figure BDA0002328235950000036
Figure BDA0002328235950000037
为标记图像相对于文字局部图像的一次测地腐蚀图像，i为测地腐蚀图像的迭代次数，∨表示逐点极大值运算，
Figure BDA0002328235950000043
表示标记图像相对于文字局部图像的i次测地腐蚀图像，
Figure BDA0002328235950000041
表示标记图像相对于文字局部图像的i+1次测地腐蚀图像，
Figure BDA0002328235950000042
表示标记图像相对于文字局部图像的i-1次测地腐蚀图像。
一种汽车轮毂X射线图像文字干扰的去除系统，所述去除系统包括：
X射线图像获取模块，用于获取汽车轮毂的X射线图像；
文字局部图像获取模块，用于根据所述X射线图像，利用矩形结构元素，得到多个文字局部图像；
标记图像生成模块，用于生成每个所述文字局部图像的标记图像；所述标记图像的边缘像素的灰度值与所述文字局部图像对应位置的灰度值相同，所述标记图像的内部像素的灰度值为所述文字局部图像的灰度最大值；
潜在文字去除图像获取模块，用于对多个所述文字局部图像和每个所述文字局部图像的标记图像进行腐蚀重建运算，得到多个潜在文字去除图像；
文字去除X射线图像获取模块，用于将多个所述潜在文字去除图像的灰度值取代所述X射线灰度图像对应位置的灰度值，得到文字去除X射线图像。
可选的，所述文字局部图像获取模块，具体包括：
矩形结构元素获取单元，用于在所述X射线图像中构建矩形结构元素；
文字突出图像获取单元，用于利用所述矩形结构元素对所述X射线图像进行低帽变换运算，得到文字突出图像；
二值文字图像获取单元，用于对所述文字突出图像进行固定阈值二值化处理，得到二值文字图像；
潜在文字区域获取单元，用于利用所述矩形结构元素对所述二值文字图像进行两次膨胀运算，得到多个潜在文字区域；
文字局部图像获取单元，用于根据多个所述潜在文字区域图像，在所述X射线灰度图像中提取与多个所述潜在文字区域图像相对应的多个文字局部图像。
可选的，所述文字突出图像获取单元，具体包括：
文字突出图像获取子单元，用于基于所述矩形结构元素，利用公式[BTH(f)](x,y)＝[φB(f)](x,y)-f(x,y)，进行低帽变换运算，得到所述文字突出图像；
其中，[BTH(f)](x,y)为潜在文字区域图像，f(x,y)为X射线图像，(x,y)为X射线图像的像素点的坐标，x为X射线图像的像素点的横坐标，y为X射线图像的像素点的纵坐标，[φB(f)](x,y)为闭运算图像，B为矩形结构元素，[φB(f)](x,y)＝ε-B[δB(f)](x,y)，
Figure BDA0002328235950000051
[δB(f)](x,y)为膨胀图像，(s,t)为矩形结构元素的像素点的坐标，f(x+s,y+t)为X射线图像的像素点坐标(x,y)移动(s,t)后的图像，
Figure BDA0002328235950000052
[ε-B(f)](x,y)为腐蚀图像，-B为矩形结构元素B以原点为中心、旋转180°后形成新的矩形结构元素。
可选的，所述潜在文字区域获取单元，具体包括：
膨胀图像获取子单元，用于基于所述矩形结构元素，利用公式
Figure BDA0002328235950000053
对所述二值文字图像进行膨胀运算，得到所述二值文字图像的膨胀图像；
潜在文字区域图像获取子单元，用于利用公式j(x′,y′)＝δB[δB(h)](x′,y′)，对所述二值文字图像的膨胀图像进行膨胀运算，得到潜在文字区域图像；
潜在文字区域获取子单元，用于在所述潜在文字区域图像中获取存在的全部白色像素块的最小外接矩形，按次序进行编号，得到多个潜在文字区域；
其中，[δB(h)](x′,y′)为二值文字图像的一次膨胀图像，j(x′,y′)为潜在文字区域图像，h(x′,y′)为二值文字图像，(x′,y′)为二值文字图像的像素点的坐标，B为矩形结构元素，(s,t)为矩形结构元素的像素点的坐标。
可选的，所述潜在文字去除图像获取模块，具体包括：
潜在文字去除图像获取单元，用于利用公式
Figure BDA0002328235950000054
对多个所述文字局部图像和每个所述文字局部图像的标记图像进行腐蚀重建运算，得到多个潜在文字去除图像；
其中，
Figure BDA0002328235950000061
为潜在文字去除图像，M＝M(m,n)为每个所述文字局部图像的标记图像，(m,n)为每个所述文字局部图像的标记图像的像素点的坐标，T＝T(t,p)为文字局部图像，(t,p)为文字局部图像的像素点的坐标，
Figure BDA0002328235950000062
Figure BDA0002328235950000063
为标记图像相对于文字局部图像的一次测地腐蚀图像(标记图像的灰度值大于或等于文字局部图像的灰度值)，i为测地腐蚀图像的迭代次数，∨表示逐点极大值运算，
Figure BDA0002328235950000064
表示标记图像相对于文字局部图像的i次测地腐蚀图像，
Figure BDA0002328235950000065
表示标记图像相对于文字局部图像的i+1次测地腐蚀图像，
Figure BDA0002328235950000066
表示标记图像相对于文字局部图像的i-1次测地腐蚀图像。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供的汽车轮毂X射线图像文字干扰的去除方法及系统，通过生成标记图像，利用腐蚀重建运算将文字区域自动提取出来单独处理，大大降低整体运算量，并且无需操作人员手工标识文字，实现了自动操作，提高了检测的效率；同时腐蚀重建运算仅会去除文字区域，不会影响文字以外其它区域的灰度特性，避免了去除过程中缺陷信息导致的检测结果失真，提高了检测的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的汽车轮毂X射线图像文字干扰的去除方法的流程图；
图2为本发明提供的汽车轮毂X射线图像文字干扰的去除系统的结构图。
符号说明：1-X射线图像获取模块，2-文字局部图像获取模块，3-标记图像生成模块，4-潜在文字去除图像获取模块，5-文字去除X射线图像获取模块。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，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。
本发明的目的是提供一种汽车轮毂X射线图像文字干扰的去除方法及系统，提高了汽车轮毂检测的效率和准确性。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明提供的一种汽车轮毂X射线图像文字干扰的去除方法。如图1所示，去除方法包括：
S101，获取汽车轮毂的X射线图像。优选地，通过轮毂X射线检测设备获取汽车轮毂的X射线图像，存入计算机。
S102，根据X射线图像，利用矩形结构元素，得到多个文字局部图像，具体包括：
在X射线图像中构建矩形结构元素。具体的，在X射线图像中得到该图像的高度信息和宽度信息，以高度信息的2％和宽度信息的2％为标准，构建数学形态学运算中的矩形结构元素；矩形结构元素大小的选择比较关键，直接决定了分析的准确程度。轮毂上文字的大小和笔画粗细由生产过程中的工艺条件决定，对轮毂厂家现阶段生产的产品而言，轮毂文字的大小一般比较稳定，在X射线检测过程中得到的X射线图像上表现为笔画粗细一致的规范字符，影像特征为灰色背景上的黑色字符。结合轮毂X射线检测时获取图像的实际情况，以轮毂X射线图像高度和宽度的2％构建矩形结构元素B，矩形结构元素B的大小可以确保覆盖文字区域上的笔画部分，使用后续的数学形态学操作能够覆盖所有的文字。
利用矩形结构元素对X射线图像进行低帽变换运算，得到文字突出图像，具体包括：
基于矩形结构元素，利用公式[BTH(f)](x,y)＝[φB(f)](x,y)-f(x,y)，进行低帽变换运算，得到文字突出图像。
当矩形结构元素B的原点位于像素点(x,y)时，矩形结构元素和f(x,y)图像之间形成一个重合区域，该区域内涉及到的像素点参与运算后形成新的灰度值，赋予(x,y)完成一次分析，所有像素点都完成分析后实现一次数学形态学运算。
其中，[BTH(f)](x,y)为潜在文字区域图像，f(x,y)为X射线图像，(x,y)为X射线图像的像素点的坐标，x为X射线图像的像素点的横坐标，y为X射线图像的像素点的纵坐标，[φB(f)](x,y)为闭运算图像，B为矩形结构元素，[φB(f)](x,y)＝ε-B[δB(f)](x,y)，
Figure BDA0002328235950000081
[δB(f)](x,y)为膨胀图像，(s,t)为矩形结构元素的像素点的坐标，f(x+s,y+t)为X射线图像的像素点坐标(x,y)移动(s,t)后的图像，
Figure BDA0002328235950000082
[ε-B(f)](x,y)为腐蚀图像，-B为矩形结构元素B以原点为中心、旋转180°后形成新的矩形结构元素。
膨胀和腐蚀运算中对应像素点的灰度值分别为矩形结构元素定义窗口内图像的极大值和极小值，对整幅图像f(x,y)而言，膨胀运算会扩展f(x,y)图像的亮区域，使得f(x,y)图像整体变亮，相当于一个局部极大值算子；腐蚀运算会收缩f(x,y)图像的亮区域，使得f(x,y)图像整体变暗，相当于一个局部极小值算子。低帽变换运算中被闭运算去除的比矩形结构元素B小的暗区域保留了下来，不受闭运算影响的其它区域在相减过程中抵消，灰度接近于0。使用低帽变换可以提取图像f(x,y)中比矩形结构元素小的暗区域，这些区域一般对应于图像分析中的目标区域。
对文字突出图像进行固定阈值二值化处理，得到二值文字图像。进行固定阈值二值化处理的目的是把文字突出图像中凸显出的暗区域提取出来，做为后续文字去除操作的基础。固定阈值大小的设置与轮毂X射线图像的图像质量有关，整体亮度偏暗的图像阈值设置应该较小，整体亮度偏亮的图像阈值设置应该较大，对于大多数亮度正常的轮毂图像，阈值可设置为5-20。优选地，阈值设定为10，灰度值小于10的全部变为0，灰度值大于等于10的全部变为1，得到二值文字图像。二值文字图像中灰度取1的白色区域代表提取的文字，其中可能包含一些比结构元素B小的其它暗细节。
利用矩形结构元素对二值文字图像进行两次膨胀运算，得到多个潜在文字区域，具体包括：
基于矩形结构元素，利用公式
Figure BDA0002328235950000091
对二值文字图像进行膨胀运算，得到二值文字图像的膨胀图像。
利用公式j(x′,y′)＝δB[δB(h)](x′,y′)，对二值文字图像的膨胀图像进行膨胀运算，得到潜在文字区域图像。
在潜在文字区域图像中获取存在的全部白色像素块的最小外接矩形，按次序进行编号，得到多个潜在文字区域。
其中，[δB(h)](x′,y′)为二值文字图像的一次膨胀图像，j(x′,y′)为潜在文字区域图像，h(x′,y′)为二值文字图像，(x′,y′)为二值文字图像的像素点的坐标，B为矩形结构元素，(s,t)为矩形结构元素的像素点的坐标。
使用矩形结构元素进行两次膨胀运算，使得文字的笔画变粗，可以确保提取的文字内部区域被填充，整体得到扩大，单个的字符变成连在一起的字符区域，最终使得潜在文字区域图像中的白色区域包含了全部文字。
根据多个潜在文字区域，在X射线灰度图像中提取与多个潜在文字区域相对应的多个文字局部图像。
S103，生成每个文字局部图像的标记图像。标记图像的灰度值除最外围的边缘像素(上下左右四个边的像素)和文字局部图像对应位置的一致外，其它像素点的灰度值均为文字局部图像中的灰度最大值。优选地，标记图像与文字局部图像的高度一致，宽度一致，像素点的个数一致。
S104，对多个文字局部图像和每个文字局部图像的标记图像进行腐蚀重建运算，得到多个潜在文字去除图像，具体包括：
利用公式
Figure BDA0002328235950000092
对多个文字局部图像和每个文字局部图像的标记图像进行腐蚀重建运算，得到多个潜在文字去除图像。
其中，
Figure BDA0002328235950000093
为潜在文字去除图像，M＝M(m,n)为每个文字局部图像的标记图像，(m,n)为每个文字局部图像的标记图像的像素点的坐标，T＝T(t,p)为文字局部图像，(t,p)为文字局部图像的像素点的坐标，
Figure BDA0002328235950000094
Figure BDA0002328235950000101
Figure BDA0002328235950000102
为标记图像相对于文字局部图像的一次测地腐蚀图像(标记图像的灰度值大于或等于文字局部图像的灰度值)，i为测地腐蚀图像的迭代次数，∨表示逐点极大值运算，
Figure BDA0002328235950000103
表示标记图像相对于文字局部图像的i次测地腐蚀图像，
Figure BDA0002328235950000104
表示标记图像相对于文字局部图像的i+1的次测地腐蚀图像，
Figure BDA0002328235950000105
表示标记图像相对于文字局部图像的i-1次测地腐蚀图像。
测地腐蚀为文字局部图像和标记图像基本腐蚀运算之间的逐点极大值，文字局部图像起着限制标记图像腐蚀收缩的作用。形态学重建运算不需要选择特定的矩形结构元素，主要问题在于选择一对合适的标记图像和模板图像(文字局部图像)。腐蚀重建可以用来去除比周边灰度值低的暗细节，这些暗细节正好对应于轮毂图像中的文字部分，同时保持其它灰度信息不变，不会影响其它区域，比如代表缺陷的亮区域，通过设置合适的标记图像可用于轮毂文字的去除。
此步骤将找到的文字区域提取出来，并单独处理，由于文字区域占整体图像的10％不到，会大大降低整体运算量，并且非文字区域保持不变，即不会破坏图像的其它结构信息，避免了去除过程中可能造成缺陷而导致信息失真的情况。
S105，将多个潜在文字去除图像的灰度值取代X射线灰度图像对应位置的灰度值，得到文字去除X射线图像。
汽车轮毂X射线图像文字干扰的去除方法的每个步骤的执行主体均为计算机。
本发明提出的汽车轮毂X射线图像文字干扰的去除方法，无需操作人员标识文字，系统会根据轮毂X射线检测时的成像环境自动设置参数，然后通过基于数学形态学运算的算法来实现文字自动提取和去除，不影响文字以外其它区域的灰度特性，具有自动操作、去除彻底的优点，可直接取代现有的技术方案，应用于轮毂的实际生产中，提高检测的效率和准确性。
本发明对应于上述方法还提供了一种汽车轮毂X射线图像文字干扰的去除系统，如图2所示，去除系统包括：X射线图像获取模块1、文字局部图像获取模块2、标记图像生成模块3、潜在文字去除图像获取模块4和文字去除X射线图像获取模块5。
X射线图像获取模块1用于获取汽车轮毂的X射线图像。
文字局部图像获取模块2用于根据X射线图像，利用矩形结构元素，得到多个文字局部图像，具体包括：矩形结构元素获取单元、文字突出图像获取单元、二值文字图像获取单元、潜在文字区域获取单元和文字局部图像获取单元。
矩形结构元素获取单元用于在X射线图像中构建矩形结构元素。
文字突出图像获取单元用于利用矩形结构元素对X射线图像进行低帽变换运算，得到文字突出图像，具体包括：文字突出图像获取子单元。
文字突出图像获取子单元用于基于矩形结构元素，利用公式[BTH(f)](x,y)＝[φB(f)](x,y)-f(x,y)，进行低帽变换运算，得到文字突出图像。
其中，[BTH(f)](x,y)为潜在文字区域图像，f(x,y)为X射线图像，(x,y)为X射线图像的像素点的坐标，x为X射线图像的像素点的横坐标，y为X射线图像的像素点的纵坐标，[φB(f)](x,y)为闭运算图像，B为矩形结构元素，[φB(f)](x,y)＝ε-B[δB(f)](x,y)，
Figure BDA0002328235950000111
[δB(f)](x,y)为膨胀图像，(s,t)为矩形结构元素的像素点的坐标，f(x+s,y+t)为X射线图像的像素点坐标(x,y)移动(s,t)后的图像，
Figure BDA0002328235950000112
[ε-B(f)](x,y)为腐蚀图像，-B为矩形结构元素B以原点为中心、旋转180°后形成新的矩形结构元素。
二值文字图像获取单元用于对文字突出图像进行固定阈值二值化处理，得到二值文字图像。
潜在文字区域获取单元用于利用矩形结构元素对二值文字图像进行两次膨胀运算，得到多个潜在文字区域，具体包括：膨胀图像获取子单元、潜在文字区域图像获取子单元和潜在文字区域获取子单元。
膨胀图像获取子单元用于基于矩形结构元素，利用公式
Figure BDA0002328235950000121
对二值文字图像进行膨胀运算，得到二值文字图像的膨胀图像。
潜在文字区域图像获取子单元用于利用公式j(x′,y′)＝δB[δB(h)](x′,y′)，对二值文字图像的膨胀图像进行膨胀运算，得到潜在文字区域图像。
潜在文字区域获取子单元用于在潜在文字区域图像中获取存在的全部白色像素块的最小外接矩形，按次序进行编号，得到多个潜在文字区域。
其中，[δB(h)](x′,y′)为二值文字图像的一次膨胀图像，j(x′,y′)为潜在文字区域图像，h(x′,y′)为二值文字图像，(x′,y′)为二值文字图像的像素点的坐标，B为矩形结构元素，(s,t)为矩形结构元素的像素点的坐标。
文字局部图像获取单元用于根据多个潜在文字区域图像，在X射线灰度图像中提取与多个潜在文字区域图像相对应的多个文字局部图像。
标记图像生成模块3用于生成每个文字局部图像的标记图像；标记图像的边缘像素的灰度值与文字局部图像对应位置的灰度值相同，标记图像的内部像素的灰度值为文字局部图像的灰度最大值。
潜在文字去除图像获取模块4用于对多个文字局部图像和每个文字局部图像的标记图像进行腐蚀重建运算，得到多个潜在文字去除图像，具体包括：潜在文字去除图像获取单元。
潜在文字去除图像获取单元用于利用公式
Figure BDA0002328235950000122
对多个文字局部图像和每个文字局部图像的标记图像进行腐蚀重建运算，得到多个潜在文字去除图像。
其中，
Figure BDA0002328235950000123
为潜在文字去除图像，M＝M(m,n)为每个文字局部图像的标记图像，(m,n)为每个文字局部图像的标记图像的像素点的坐标，T＝T(t,p)为文字局部图像，(t,p)为文字局部图像的像素点的坐标，
Figure BDA0002328235950000124
Figure BDA0002328235950000125
Figure BDA0002328235950000126
为标记图像相对于文字局部图像的一次测地腐蚀图像(标记图像的灰度值大于或等于文字局部图像的灰度值)，i为测地腐蚀图像的迭代次数，∨表示逐点极大值运算，
Figure BDA0002328235950000127
表示标记图像相对于文字局部图像的i的次测地腐蚀图像，
Figure BDA0002328235950000131
表示标记图像相对于文字局部图像的i+1的次测地腐蚀图像，
Figure BDA0002328235950000132
表示标记图像相对于文字局部图像的尺度为i-1次测地腐蚀图像。
文字去除X射线图像获取模块5用于将多个潜在文字去除图像的灰度值取代X射线灰度图像对应位置的灰度值，得到文字去除X射线图像。
对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种汽车轮毂X射线图像文字干扰的去除方法，其特征在于，所述去除方法包括：
获取汽车轮毂的X射线图像；
根据所述X射线图像，利用矩形结构元素，得到多个文字局部图像；
生成每个所述文字局部图像的标记图像；所述标记图像的边缘像素的灰度值与所述文字局部图像对应位置的灰度值相同，所述标记图像的内部像素的灰度值为所述文字局部图像的灰度最大值；
对多个所述文字局部图像和每个所述文字局部图像的标记图像进行腐蚀重建运算，得到多个潜在文字去除图像；
将多个所述潜在文字去除图像的灰度值取代所述X射线灰度图像对应位置的灰度值，得到文字去除X射线图像。
2.根据权利要求1所述的汽车轮毂X射线图像文字干扰的去除方法，其特征在于，所述根据所述X射线图像，得到多个文字局部图像，具体包括：
在所述X射线图像中构建矩形结构元素；
利用所述矩形结构元素对所述X射线图像进行低帽变换运算，得到文字突出图像；
对所述文字突出图像进行固定阈值二值化处理，得到二值文字图像；
利用所述矩形结构元素对所述二值文字图像进行两次膨胀运算，得到多个潜在文字区域；
根据多个所述潜在文字区域，在所述X射线灰度图像中提取与多个所述潜在文字区域相对应的多个文字局部图像。
3.根据权利要求2所述的汽车轮毂X射线图像文字干扰的去除方法，其特征在于，所述利用所述矩形结构元素对所述X射线图像进行低帽变换运算，得到文字突出图像，具体包括：
基于所述矩形结构元素，利用公式[BTH(f)](x,y)＝[φB(f)](x,y)-f(x,y)，进行低帽变换运算，得到所述文字突出图像；
其中，[BTH(f)](x,y)为潜在文字区域图像，f(x,y)为X射线图像，(x,y)为X射线图像的像素点的坐标，x为X射线图像的像素点的横坐标，y为X射线图像的像素点的纵坐标，[φB(f)](x,y)为闭运算图像，B为矩形结构元素，[φB(f)](x,y)＝ε-B[δB(f)](x,y)，
Figure FDA0002328235940000021
[δB(f)](x,y)为膨胀图像，(s,t)为矩形结构元素的像素点的坐标，f(x+s,y+t)为X射线图像的像素点坐标(x,y)移动(s,t)后的图像，
Figure FDA0002328235940000022
[ε-B(f)](x,y)为腐蚀图像，-B为矩形结构元素B以原点为中心、旋转180°后形成新的矩形结构元素。
4.根据权利要求2所述的汽车轮毂X射线图像文字干扰的去除方法，其特征在于，所述利用所述矩形结构元素对所述二值文字图像进行两次膨胀运算，得到多个潜在文字区域，具体包括：
基于所述矩形结构元素，利用公式
Figure FDA0002328235940000023
对所述二值文字图像进行膨胀运算，得到所述二值文字图像的膨胀图像；
利用公式j(x′,y′)＝δB[δB(h)](x′,y′)，对所述二值文字图像的膨胀图像进行膨胀运算，得到潜在文字区域图像；
在所述潜在文字区域图像中获取存在的全部白色像素块的最小外接矩形，按次序进行编号，得到多个潜在文字区域；
其中，[δB(h)](x′,y′)为二值文字图像的一次膨胀图像，j(x′,y′)为潜在文字区域图像，h(x′,y′)为二值文字图像，(x′,y′)为二值文字图像的像素点的坐标，B为矩形结构元素，(s,t)为矩形结构元素的像素点的坐标。
5.根据权利要求1所述的汽车轮毂X射线图像文字干扰的去除方法，其特征在于，所述对多个所述文字局部图像和每个所述文字局部图像的标记图像进行腐蚀重建运算，得到多个潜在文字去除图像，具体包括：
利用公式
Figure FDA0002328235940000024
对多个所述文字局部图像和每个所述文字局部图像的标记图像进行腐蚀重建运算，得到多个潜在文字去除图像；
其中，
Figure FDA0002328235940000025
为潜在文字去除图像，M＝M(m,n)为每个所述文字局部图像的标记图像，(m,n)为每个所述文字局部图像的标记图像的像素点的坐标，T＝T(t,p)为文字局部图像，(t,p)为文字局部图像的像素点的坐标，
Figure FDA0002328235940000031
Figure FDA0002328235940000032
为标记图像相对于文字局部图像的一次测地腐蚀图像，i为测地腐蚀图像的迭代次数，∨表示逐点极大值运算，
Figure FDA0002328235940000033
表示标记图像相对于文字局部图像的i次测地腐蚀图像，
Figure FDA0002328235940000034
表示标记图像相对于文字局部图像的i+1次测地腐蚀图像，
Figure FDA0002328235940000035
表示标记图像相对于文字局部图像的i-1次测地腐蚀图像。
6.一种汽车轮毂X射线图像文字干扰的去除系统，其特征在于，所述去除系统包括：
X射线图像获取模块，用于获取汽车轮毂的X射线图像；
文字局部图像获取模块，用于根据所述X射线图像，利用矩形结构元素，得到多个文字局部图像；
标记图像生成模块，用于生成每个所述文字局部图像的标记图像；所述标记图像的边缘像素的灰度值与所述文字局部图像对应位置的灰度值相同，所述标记图像的内部像素的灰度值为所述文字局部图像的灰度最大值；
潜在文字去除图像获取模块，用于对多个所述文字局部图像和每个所述文字局部图像的标记图像进行腐蚀重建运算，得到多个潜在文字去除图像；
文字去除X射线图像获取模块，用于将多个所述潜在文字去除图像的灰度值取代所述X射线灰度图像对应位置的灰度值，得到文字去除X射线图像。
7.根据权利要求6所述的汽车轮毂X射线图像文字干扰的去除系统，其特征在于，所述文字局部图像获取模块，具体包括：
矩形结构元素获取单元，用于在所述X射线图像中构建矩形结构元素；
文字突出图像获取单元，用于利用所述矩形结构元素对所述X射线图像进行低帽变换运算，得到文字突出图像；
二值文字图像获取单元，用于对所述文字突出图像进行固定阈值二值化处理，得到二值文字图像；
潜在文字区域获取单元，用于利用所述矩形结构元素对所述二值文字图像进行两次膨胀运算，得到多个潜在文字区域；
文字局部图像获取单元，用于根据多个所述潜在文字区域图像，在所述X射线灰度图像中提取与多个所述潜在文字区域图像相对应的多个文字局部图像。
8.根据权利要求7所述的汽车轮毂X射线图像文字干扰的去除系统，其特征在于，所述文字突出图像获取单元，具体包括：
文字突出图像获取子单元，用于基于所述矩形结构元素，利用公式[BTH(f)](x,y)＝[φB(f)](x,y)-f(x,y)，进行低帽变换运算，得到所述文字突出图像；
其中，[BTH(f)](x,y)为潜在文字区域图像，f(x,y)为X射线图像，(x,y)为X射线图像的像素点的坐标，x为X射线图像的像素点的横坐标，y为X射线图像的像素点的纵坐标，[φB(f)](x,y)为闭运算图像，B为矩形结构元素，[φB(f)](x,y)＝ε-B[δB(f)](x,y)，
Figure FDA0002328235940000041
[δB(f)](x,y)为膨胀图像，(s,t)为矩形结构元素的像素点的坐标，f(x+s,y+t)为X射线图像的像素点坐标(x,y)移动(s,t)后的图像，
Figure FDA0002328235940000042
[ε-B(f)](x,y)为腐蚀图像，-B为矩形结构元素B以原点为中心、旋转180°后形成新的矩形结构元素。
9.根据权利要求7所述的汽车轮毂X射线图像文字干扰的去除系统，其特征在于，所述潜在文字区域获取单元，具体包括：
膨胀图像获取子单元，用于基于所述矩形结构元素，利用公式
Figure FDA0002328235940000043
对所述二值文字图像进行膨胀运算，得到所述二值文字图像的膨胀图像；
潜在文字区域图像获取子单元，用于利用公式j(x′,y′)＝δB[δB(h)](x′,y′)，对所述二值文字图像的膨胀图像进行膨胀运算，得到潜在文字区域图像；
潜在文字区域获取子单元，用于在所述潜在文字区域图像中获取存在的全部白色像素块的最小外接矩形，按次序进行编号，得到多个潜在文字区域；
其中，[δB(h)](x′,y′)为二值文字图像的一次膨胀图像，j(x′,y′)为潜在文字区域图像，h(x′,y′)为二值文字图像，(x′,y′)为二值文字图像的像素点的坐标，B为矩形结构元素，(s,t)为矩形结构元素的像素点的坐标。
10.根据权利要求6所述的汽车轮毂X射线图像文字干扰的去除系统，其特征在于，所述潜在文字去除图像获取模块，具体包括：
潜在文字去除图像获取单元，用于利用公式
Figure FDA0002328235940000051
对多个所述文字局部图像和每个所述文字局部图像的标记图像进行腐蚀重建运算，得到多个潜在文字去除图像；
其中，
Figure FDA0002328235940000052
为潜在文字去除图像，M＝M(m,n)为每个所述文字局部图像的标记图像，(m,n)为每个所述文字局部图像的标记图像的像素点的坐标，T＝T(t,p)为文字局部图像，(t,p)为文字局部图像的像素点的坐标，
Figure FDA0002328235940000053
Figure FDA0002328235940000054
为标记图像相对于文字局部图像的一次测地腐蚀图像(标记图像的灰度值大于或等于文字局部图像的灰度值)，i为测地腐蚀图像的迭代次数，∨表示逐点极大值运算，
Figure FDA0002328235940000055
表示标记图像相对于文字局部图像的i次测地腐蚀图像，
Figure FDA0002328235940000056
表示标记图像相对于文字局部图像的i+1次测地腐蚀图像，
Figure FDA0002328235940000057
表示标记图像相对于文字局部图像的i-1次测地腐蚀图像。
CN201911325288.9A 2019-12-20 2019-12-20 一种汽车轮毂x射线图像文字干扰的去除方法及系统 Active CN112287933B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911325288.9A CN112287933B (zh) 2019-12-20 2019-12-20 一种汽车轮毂x射线图像文字干扰的去除方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911325288.9A CN112287933B (zh) 2019-12-20 2019-12-20 一种汽车轮毂x射线图像文字干扰的去除方法及系统

Publications (2)

Publication Number Publication Date
CN112287933A true CN112287933A (zh) 2021-01-29
CN112287933B CN112287933B (zh) 2022-09-06

Family

ID=74418871

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911325288.9A Active CN112287933B (zh) 2019-12-20 2019-12-20 一种汽车轮毂x射线图像文字干扰的去除方法及系统

Country Status (1)

Country Link
CN (1) CN112287933B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116071763A (zh) * 2023-03-06 2023-05-05 山东薪火书业有限公司 基于文字识别的教辅图书智能校编系统

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105894461A (zh) * 2015-12-25 2016-08-24 乐视云计算有限公司 灰度形态学图像处理方法及装置
CN106372644A (zh) * 2016-08-22 2017-02-01 保定市立中车轮制造有限公司 一种用于轮毂分拣系统的图像识别方法
CN107704855A (zh) * 2017-09-28 2018-02-16 中北大学 一种液晶数字显示仪表数字识别装置
CN107886026A (zh) * 2016-09-30 2018-04-06 腾讯科技（深圳）有限公司 图形码处理方法及装置
CN108073931A (zh) * 2016-11-08 2018-05-25 广州城市职业学院 一种复杂背景图像下去除非文字图形的方法
US20180262735A1 (en) * 2014-12-25 2018-09-13 Casio Computer Co., Ltd. Diagnosis support apparatus for lesion, image processing method in the same apparatus, and medium storing program associated with the same method
CN108830857A (zh) * 2018-05-29 2018-11-16 南昌工程学院 一种自适应的汉字碑帖图像二值化分割算法
CN109670500A (zh) * 2018-11-30 2019-04-23 平安科技（深圳）有限公司 一种文字区域获取方法、装置、存储介质及终端设备
CN109993166A (zh) * 2019-04-03 2019-07-09 同济大学 基于刻度查找的指针式仪表读数自动识别方法
CN110097046A (zh) * 2019-03-11 2019-08-06 上海肇观电子科技有限公司 一种文字检测方法及装置、设备和计算机可读存储介质
CN110287967A (zh) * 2019-06-28 2019-09-27 哈尔滨工业大学 一种基于图像的数字及机械表数字识别方法
CN110569774A (zh) * 2019-08-30 2019-12-13 武汉大学 基于图像处理与模式识别的折线图图像自动数字化方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180262735A1 (en) * 2014-12-25 2018-09-13 Casio Computer Co., Ltd. Diagnosis support apparatus for lesion, image processing method in the same apparatus, and medium storing program associated with the same method
CN105894461A (zh) * 2015-12-25 2016-08-24 乐视云计算有限公司 灰度形态学图像处理方法及装置
CN106372644A (zh) * 2016-08-22 2017-02-01 保定市立中车轮制造有限公司 一种用于轮毂分拣系统的图像识别方法
CN107886026A (zh) * 2016-09-30 2018-04-06 腾讯科技（深圳）有限公司 图形码处理方法及装置
CN108073931A (zh) * 2016-11-08 2018-05-25 广州城市职业学院 一种复杂背景图像下去除非文字图形的方法
CN107704855A (zh) * 2017-09-28 2018-02-16 中北大学 一种液晶数字显示仪表数字识别装置
CN108830857A (zh) * 2018-05-29 2018-11-16 南昌工程学院 一种自适应的汉字碑帖图像二值化分割算法
CN109670500A (zh) * 2018-11-30 2019-04-23 平安科技（深圳）有限公司 一种文字区域获取方法、装置、存储介质及终端设备
CN110097046A (zh) * 2019-03-11 2019-08-06 上海肇观电子科技有限公司 一种文字检测方法及装置、设备和计算机可读存储介质
CN109993166A (zh) * 2019-04-03 2019-07-09 同济大学 基于刻度查找的指针式仪表读数自动识别方法
CN110287967A (zh) * 2019-06-28 2019-09-27 哈尔滨工业大学 一种基于图像的数字及机械表数字识别方法
CN110569774A (zh) * 2019-08-30 2019-12-13 武汉大学 基于图像处理与模式识别的折线图图像自动数字化方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
JUNSHENG ZHANG: "Mathematical morphology approach to internal defect analysis of A356 aluminum alloy wheel hubs", 《AIMS MATHEMATICS》 *
丁杰 等: "汽车轮毂缺陷检测中的缺陷增强与字符去除技术", 《科学技术与工程》 *
张俊生 等: "汽车轮毂内部缺陷的自动分割", 《科学技术与工程》 *
石浪: "汽车轮毂内部缺陷自动检测技术", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116071763A (zh) * 2023-03-06 2023-05-05 山东薪火书业有限公司 基于文字识别的教辅图书智能校编系统

Also Published As

Publication number Publication date
CN112287933B (zh) 2022-09-06

Similar Documents

Publication Publication Date Title
CN107228860B (zh) 一种基于图像旋转周期特性的齿轮缺陷检测方法
CN107316077B (zh) 一种基于图像分割及边缘检测的脂肪细胞自动计数方法
CN109242791B (zh) 一种针对破损植物叶片的批量修复方法
US20220172337A1 (en) Character defect detection method and device
CN112767369A (zh) 小五金的缺陷识别检测方法、装置及计算机可读存储介质
CN110070548B (zh) 一种深度学习训练样本优化方法
CN111680690A (zh) 一种文字识别方法及装置
CN113706464A (zh) 一种印刷品外观质量检测方法及系统
CN114723677A (zh) 图像缺陷检测方法、检测装置、检测设备及存储介质
CN111311515B (zh) 一种错误区域自动检测的深度图像快速迭代修复方法
CN112287933B (zh) 一种汽车轮毂x射线图像文字干扰的去除方法及系统
CN114331869A (zh) 一种坝面裂缝语义分割方法
CN115797314A (zh) 零件表面缺陷检测方法、系统、设备及存储介质
CN117094975A (zh) 钢铁表面缺陷检测方法、装置及电子设备
CN114998356A (zh) 一种基于图像处理的车桥缺陷检测方法
CN112288680B (zh) 汽车轮毂x射线图像的缺陷区域自动提取方法及系统
CN117095020A (zh) 含噪声电子束图像的轮廓提取方法、装置、系统和介质
CN116934761A (zh) 一种乳胶手套缺陷自适应检测方法
CN116797602A (zh) 一种用于工业产品检测的表面缺陷鉴定方法和装置
CN115619799B (zh) 一种基于迁移学习的晶粒图像分割方法及系统
CN109035306B (zh) 动目标自动检测方法及装置
CN111968142A (zh) 一种光刻图像轮廓的提取方法
CN116433978A (zh) 一种高质量瑕疵图像自动生成与自动标注方法及装置
CN112288679A (zh) 汽车轮毂x射线图像的缺陷区域交互式提取方法及系统
CN114612669A (zh) 一种医学图像炎症坏死占比的计算方法及装置

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