CN112581433B - 热障涂层裂纹的几何信息提取方法 - Google Patents
热障涂层裂纹的几何信息提取方法 Download PDFInfo
- Publication number
- CN112581433B CN112581433B CN202011429047.1A CN202011429047A CN112581433B CN 112581433 B CN112581433 B CN 112581433B CN 202011429047 A CN202011429047 A CN 202011429047A CN 112581433 B CN112581433 B CN 112581433B
- Authority
- CN
- China
- Prior art keywords
- image
- crack
- cracks
- pixel points
- searching
- 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.)
- Active
Links
- 239000012720 thermal barrier coating Substances 0.000 title claims abstract description 37
- 238000000605 extraction Methods 0.000 title claims description 16
- 238000000034 method Methods 0.000 claims abstract description 52
- 239000011148 porous material Substances 0.000 claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 241000446313 Lamella Species 0.000 claims abstract description 15
- 238000003709 image segmentation Methods 0.000 claims abstract description 10
- 238000007781 pre-processing Methods 0.000 claims abstract description 9
- 238000004040 coloring Methods 0.000 claims abstract description 4
- 238000012545 processing Methods 0.000 claims description 26
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 238000009499 grossing Methods 0.000 claims description 12
- 230000000877 morphologic effect Effects 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 9
- 238000007670 refining Methods 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- 230000007797 corrosion Effects 0.000 claims description 3
- 238000005260 corrosion Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 abstract description 11
- 238000001514 detection method Methods 0.000 abstract description 10
- 230000018109 developmental process Effects 0.000 abstract 1
- 239000000463 material Substances 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 238000012827 research and development Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000008439 repair process Effects 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
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- 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
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种热障涂层裂纹的几何信息提取方法，首先对图像进行预处理；然后进行图像分割，提取出片层中孔隙，使目标片层的完整并消除干扰噪声；再将二值化后的图像与该结果做差，得到仅有裂纹的目标图像，再将像素点缺失的裂纹断线进行连接，去除片层图像噪声黑点，对连接后的裂纹线条骨架提取；然后根据已得到裂纹骨架，寻找片层图像中裂纹像素点，从像素点相邻两侧延伸寻找裂纹线条，对裂纹进行检测；随后根据检测到的裂纹线条，采用随机上色方法对裂纹进行描绘与标注，从而完成对每条裂纹的长度计算。本发明方法能实现对热障涂层裂纹及其他各种线条的检测、描绘、统计和长度计算，提高研究速度，降低研究成本，促进学科的研究和发展。
Description
技术领域
本发明涉及一种材料图像识别计算方法，特别是涉及一种热障涂层裂纹的几何信息提取方法，应用于材料物性计算机检测和分析技术领域。
背景技术
在热障涂层技术的研究中，国内外大多数研究集中在工艺参数对热障涂层热导率的定性影响。为了能指导制备高性能热障涂层，需要创建片层裂纹等微观结构信息和工艺参数之间的定量关系，而分析片层裂纹是其中很重要的一环。传统的片层裂纹检测由人工完成，需要手动绘制涂层截面裂纹、测量长度等参数后再进行相关计算，效率极低。为了克服人工检测热障涂层裂纹的一系列缺陷，急需可靠的检测手段来自动化地识别裂纹曲线或线段并提取其几何信息。数字图像处理技术具有精度高、不影响图像品质、再现性强以及灵活性高等优势，且具备对图像中曲线及线段识别的诸多方法。如何选择合适的方法并将其应用到热障涂层裂纹的检测和几何信息提取中是解决该问题的关键。
尽管如今数字图像技术已较为先进，但对于分析热障涂层裂纹微观结构的特定任务，仍需克服一些技术难题。首先，由于片层中同时存在裂纹和孔隙，需要首先识别出孔隙并去除。而且图像中干扰噪声较多且杂乱，需要确保去除噪声过程中不会影响片层裂纹的完整性，这是需要解决的任务之一。其次，由于有些裂纹中存在少数像素点的缺失，并不是完整的连通曲线或线段，计算机会将一个裂纹线条识别为多条断线，因此如何对这些断线进行连接修补，并将其识别为正确的整条裂纹，也是需要解决的一大难题。再者，裂纹的形状不规则，既有曲线也有较平缓的直线段，因此采取仅能识别直线段的方法并不可取，需要设计一种能检测各种形态裂纹的新方法。
发明内容
本发明主要解决的技术问题是提供一种热障涂层裂纹的几何信息提取方法，能够对热障涂层截面裂纹进行计算机检测，实现对裂纹的几何信息提取，即对裂纹进行检测、识别、描绘和长度计算。提高热障涂层的研究速度，降低研究成本，促进学科的研究和发展。
为解决上述技术问题，本发明采用的技术方案是：
一种热障涂层裂纹的几何信息提取方法，包括如下操作步骤：
a.对待检测的热障涂层截面图像进行预处理，包括颜色通道转换、图像二值化。进行颜色通道转换时，使用色彩空间类型转换将图像由RGB三通道色彩空间转换到GRAY单通道色彩空间。再采用反二值化阈值处理和Otsu算法来进行二值化处理；本发明使用Otsu算法，能够识别出更多像素点，更好的分割片层图像，使裂纹线条能够被识别的更加连通、准确；
b.采用数学形态学操作和平滑处理对预处理后的片层图像进行分割，提取出片层中的孔隙，确保目标片层的完整并消除干扰噪声。经过一系列膨胀、腐蚀、逻辑与运算后，再对图像中值滤波，得到只有孔隙的图像；
c.将二值化后的图像与图像分割后的结果做差，得到仅有裂纹的目标图像，利用闭运算将像素点缺失的裂纹断线进行连接，并去除片层图像上部分噪声黑点。采用骨骼化算法对图像中连接后的裂纹线条进行骨架提取，即二值图像细化；
d.根据已经得到的裂纹骨架，使用遍历搜索方法寻找片层图像中裂纹像素点，然后从像素点相邻两侧延伸寻找裂纹线条，对裂纹进行检测；
e.由检测到的裂纹线条，对裂纹进行识别描绘，从而完成对每一条裂纹的标注与长度计算。
本发明热障涂层裂纹的几何信息提取方法，首先，对图像进行预处理，包括颜色通道转换、图像二值化；然后，采用数学形态学操作和平滑处理进行图像分割，提取出片层中的孔隙，确保目标片层的完整并消除干扰噪声，并将二值化后的图像与该结果做差，得到仅有裂纹的目标图像；再利用闭运算将像素点缺失的裂纹断线进行连接，并去除片层图像上部分噪声黑点，采用骨骼化算法对连接后的裂纹线条骨架提取；之后根据已得到的裂纹骨架，遍历搜索片层图像中裂纹像素点，从像素点相邻两侧延伸寻找裂纹线条，对裂纹进行检测；最后由检测到的裂纹线条，对裂纹进行识别描绘，从而完成对每一条裂纹的标注与长度计算。
通过常用的阈值处理方法，如二值化阈值处理、反二值化阈值处理、自适应阈值处理、Otsu处理等，本发明结合反二值化阈值处理和Otsu处理来对图像进行二值化。使用Otsu方法，能够更好的分割片层图像，一定程度上使裂纹线条识别得更加连通、完整。采用形态学操作和平滑处理，将片层中的孔隙与背景分割，然后将二值化后的图像与该结果做差值运算。通过这些步骤，可以得到仅有裂纹的片层图像。
作为本发明优选的技术方案，在所述步骤b中，提取孔隙的图像分割算法具体步骤如下：
b1.对片层图像进行形态学膨胀操作后再进行腐蚀，去除干扰噪声；
b2.再次进行膨胀操作，恢复去除噪声后的片层大致形态；
b3.将上述形态学操作后的结果与原二值图像进行逻辑与运算，重新引入片层的边缘信息；
b4.再次进行膨胀操作，填补片层内部空白，使孔隙更易被找到；
b5.使用标准中值滤波算法，在保留片层边缘前提下去除冲击噪声并使片层边缘变得光滑，得到清晰完整的片层孔隙分割结果图像。
作为本发明优选的技术方案，在所述步骤b中，形态学操作选择了合适的核函数kernel及迭代次数；中值滤波算法也选取了合适大小的卷积核，在图像失真和去噪效果之间取得平衡。
作为本发明优选的技术方案，在所述步骤c中，使用闭运算连接裂纹断线，并采用骨骼化算法细化裂纹的步骤如下：
将原二值图像与图像孔隙分割结果做差，得到仅有裂纹的目标图像；利用闭运算将像素点缺失的裂纹断线进行连接，并去除片层图像上部分噪声黑点，其中闭运算选择合适的核函数kernel，能够让裂纹断线连接得到最优效果，从而让后续的裂纹骨架提取和裂纹识别更加精确；采用骨骼化算法对图像中连接后的裂纹进行骨架提取，将裂纹细化成一个像素的宽度，方便后续通过计算像素点个数来达到计算裂纹长度的目的。
作为本发明优选的技术方案，在所述步骤d中，对于细化后的片层图像，使用遍历搜索像素点方法检测每一个裂纹线条，具体步骤如下：
d1.遍历寻找细化后片层图像中第一个裂纹像素点，然后搜索相邻像素点；
d2.搜索相邻点首先遵循前一个点到此点的方向，沿该方向搜索与此点相邻的下一个点，若没有这样的相邻点，则向两侧搜索；
d3.重复搜索相邻像素点，延伸寻找裂纹曲线或线段；
d4.搜索到没有相邻点的像素点，表示裂纹线条一端搜索完成。
采用所述d2步骤中的方法能够减少寻找像素点的次数，在有相交曲线的情况下，像素点能连接到直观感受认为的曲线。
作为本发明优选的技术方案，在所述步骤e中，提取热障涂层裂纹的几何信息，对检测到的裂纹线条进行描绘，并完成对每一条裂纹的标注与长度计算。具体步骤为：对检测到的每一个裂纹线条随机上色、标注序号，并按照序号依次计算每条裂纹的长度，对小于设定长度阈值的无意义线段不予显示。其中长度由单像素裂纹线条的像素点求和计算得到，且长度阈值可根据需要灵活设定。
至此，完成了对热障涂层中裂纹的几何信息提取，即对裂纹进行识别描绘、统计及长度计算。
本发明与现有技术相比较，具有如下显而易见的突出实质性特点和显著的技术进步：
1.本发明方法运用了计算机图像处理的方法，使用颜色通道转换、数学形态学、平滑处理一系列图像分割方法提取片层中的无用孔隙并去除，得到只有裂纹的片层图像；使用闭运算连接像素点缺失的裂纹断线，并去除片层图像上部分噪声黑点；采用骨骼化算法对连接后的裂纹线条细化，然后使用遍历搜索方法寻找片层中单像素裂纹的像素点，从而延伸寻找裂纹线条，实现对裂纹的提取；最后对检测到的裂纹描绘、序号标注与长度计算；至此，完成对裂纹的几何信息提取；
2.本发明中热障涂层裂纹的几何信息提取方法，应用在材料学中，实现对热障涂层裂纹的检测、描绘、统计和长度计算，提高研究速度，降低研究成本，促进学科的研究和发展；
3.本发明不仅适用于热障涂层裂纹的检测，同样适用于其他类似情况下线条的识别与统计计算；
4.本发明对于各种线条的检测、描绘、长度计算方法有效可行，提取出的曲线完整性高、偏差小，长度计算结果精度高，检测效率高，计算速度快。
附图说明
图1为本发明各实施例方法的流程图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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的一部分实施案例，而非全部实施案例。基于本发明中的实施例，本领域普通技术人员在没有做过创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护范围。
以下结合具体的实施例子对上述方案做进一步说明，本发明的优选实施例详述如下：
实施例一：
在本实施例中，一种热障涂层裂纹的几何信息提取方法，包括如下步骤：
a.对待检测的热障涂层截面图像进行预处理，包括颜色通道转换、图像二值化。进行颜色通道转换时，使用色彩空间类型转换将图像由RGB三通道色彩空间转换到GRAY单通道色彩空间。再采用反二值化阈值处理和Otsu算法来进行二值化处理，使用Otsu算法，能够识别出更多像素点，使裂纹线条能够被识别的更加连通、准确；
b.采用数学形态学操作和平滑处理对预处理后的片层图像进行分割，提取出片层中的孔隙，确保目标片层的完整并消除干扰噪声。经过一系列膨胀、腐蚀、逻辑与运算后，再对图像中值滤波，得到只有孔隙的图像；
c.将二值化后的图像与图像分割后的结果做差，得到仅有裂纹的目标图像，利用闭运算将像素点缺失的裂纹断线进行连接，并去除片层图像上部分噪声黑点。采用骨骼化算法对图像中连接后的裂纹线条进行骨架提取，即二值图像细化；
d.根据已经得到的裂纹骨架，使用遍历搜索方法寻找片层图像中裂纹像素点，然后从像素点相邻两侧延伸寻找裂纹线条，对裂纹进行检测；
e.由检测到的裂纹线条，对裂纹进行识别描绘，从而完成对每一条裂纹的标注与长度计算。
本发明热障涂层裂纹的几何信息提取方法，首先，对图像进行预处理，包括颜色通道转换、图像二值化；然后，采用数学形态学操作和平滑处理进行图像分割，提取出片层中的孔隙，确保目标片层的完整并消除干扰噪声，并将二值化后的图像与该结果做差，得到仅有裂纹的目标图像；再利用闭运算将像素点缺失的裂纹断线进行连接，并去除片层图像上部分噪声黑点，采用骨骼化算法对连接后的裂纹线条骨架提取；之后根据已得到的裂纹骨架，遍历搜索片层图像中裂纹像素点，从像素点相邻两侧延伸寻找裂纹线条，对裂纹进行检测；最后由检测到的裂纹线条，对裂纹进行识别描绘，从而完成对每一条裂纹的标注与长度计算。
通过常用的阈值处理方法，如二值化阈值处理、反二值化阈值处理、自适应阈值处理、Otsu处理等，本发明结合反二值化阈值处理和Otsu处理来对图像进行二值化。使用Otsu方法，能够更好的分割片层图像，一定程度上使裂纹线条识别得更加连通、完整。
实施例二：
本实施例与实施例一基本相同，特别之处在于：
在本实施例中，对片层截面图像采用形态学操作和平滑处理，将片层中的孔隙与背景分割，然后将二值化后的图像与该结果做差值运算。通过这些步骤，可以得到仅有裂纹的片层图像。作为本发明优选的技术方案，在所述步骤b中，提取孔隙的图像分割算法具体步骤如下：
b1.对片层图像进行形态学膨胀操作后再进行腐蚀，去除干扰噪声；
b2.再次进行膨胀操作，恢复去除噪声后的片层大致形态；
b3.将上述形态学操作后的结果与原二值图像进行逻辑与运算，重新引入片层的边缘信息；
b4.再次进行膨胀操作，填补片层内部空白，使孔隙更易被找到；
b5.使用标准中值滤波算法，在保留片层边缘前提下去除冲击噪声并使片层边缘变得光滑，得到清晰完整的片层孔隙分割结果图像。
在本实施例中，在所述步骤b中，形态学操作选择了合适的核函数kernel及迭代次数；中值滤波算法也选取了合适大小的卷积核，在图像失真和去噪效果之间取得平衡。
实施例三：
本实施例与前述实施例基本相同，特别之处在于：
在本实施例中，由于裂纹存在像素点缺失的情况，需要将断掉的裂纹线条进行连接，使用闭运算连接断线。同时为便于后续计算裂纹长度，还需采用骨骼化算法细化裂纹。具体步骤如下：将原二值图像与图像孔隙分割结果做差，得到仅有裂纹的目标图像；利用闭运算将像素点缺失的裂纹断线进行连接，并去除片层图像上部分噪声黑点，其中闭运算选择合适的核函数kernel，能够让裂纹断线连接得到最优效果，从而让裂纹骨架提取和裂纹识别更加精确；采用骨骼化算法对图像中连接后的裂纹进行骨架提取，将裂纹细化成一个像素的宽度，方便后续通过计算像素点个数来达到计算裂纹长度的目的。
实施例四：
本实施例与前述实施例基本相同，特别之处在于：
在本实施例中，在所述步骤d中，对于细化后的片层图像，使用遍历搜索像素点方法检测每一个裂纹线条，具体步骤如下：
d1.遍历寻找细化后片层图像中第一个裂纹像素点，然后搜索相邻像素点；
d2.搜索相邻点首先遵循前一个点到此点的方向，沿该方向搜索与此点相邻的下一个点，若没有这样的相邻点，则向两侧搜索；
d3.重复搜索相邻像素点，延伸寻找裂纹曲线或线段；
d4.搜索到没有相邻点的像素点，表示裂纹线条一端搜索完成。
采用所述d2步骤中的方法能够减少寻找像素点的次数，在有相交曲线的情况下，像素点能连接到直观感受认为的曲线。
实施例五：
本实施例与前述实施例基本相同，特别之处在于：
在本实施例中，在所述步骤e中，提取热障涂层裂纹的几何信息，对检测到的裂纹线条进行描绘，并完成对每一条裂纹的标注与长度计算。具体步骤如下：
对检测到的每一个裂纹线条随机上色、标注序号，并按照序号依次计算每条裂纹的长度，对小于设定长度阈值的无意义线段不予显示。其中长度由单像素裂纹线条的像素点求和计算得到，且长度阈值可根据需要灵活设定。
本实施例完成了对热障涂层中裂纹的几何信息提取，即对裂纹进行识别描绘、统计及长度计算。
综合上述实施例可知，图1是本发明中热障涂层裂纹的几何信息提取方法的流程图，共分为以下步骤：
首先，对图像进行预处理，包括颜色通道转换、图像二值化；然后，采用数学形态学操作和平滑处理进行图像分割，提取出片层中的孔隙，确保目标片层的完整并消除干扰噪声，并将二值化后的图像与该结果做差，得到仅有裂纹的目标图像；再利用闭运算将像素点缺失的裂纹断线进行连接，并去除片层图像上部分噪声黑点，采用骨骼化算法对连接后的裂纹线条骨架提取；之后根据已得到的裂纹骨架，采用遍历搜索方法寻找片层图像中裂纹像素点，从像素点相邻两侧延伸寻找裂纹线条，对裂纹进行检测；最后由检测到的裂纹线条，对裂纹进行识别描绘，从而完成对每一条裂纹的标注与长度计算。本发明针对材料图像中的热障涂层截面裂纹提出了一种热障涂层裂纹的几何信息提取方法。本发明可以应用在材料学中，提高研究速度，降低研究成本，促进学科的研究和发展。
上面对本发明实施例结合附图进行了说明，但本发明不限于上述实施例，还可以根据本发明的发明创造的目的做出多种变化，凡依据本发明技术方案的精神实质和原理下做的改变、修饰、替代、组合或简化，均应为等效的置换方式，只要符合本发明的发明目的，只要不背离本发明热障涂层裂纹的几何信息提取方法的技术原理和发明构思，都属于本发明的保护范围。
Claims (4)
1.一种热障涂层裂纹的几何信息提取方法，其特征在于操作步骤如下：
a.对待检测的热障涂层截面图像进行预处理，包括颜色通道转换、图像二值化；进行颜色通道转换时，使用色彩空间类型转换将图像由RGB三通道色彩空间转换到GRAY单通道色彩空间；再采用反二值化阈值处理和Otsu算法来进行二值化处理；
b.采用数学形态学操作和平滑处理对预处理后的热障涂层截面图像即片层图像进行分割，提取出片层中的孔隙，确保目标片层的完整并消除干扰噪声；经过一系列膨胀、腐蚀、逻辑与运算后，再对图像中值滤波，得到只有孔隙的图像；
c.将二值化后的图像与图像分割后的结果做差，得到仅有裂纹的目标图像，利用闭运算将像素点缺失的裂纹断线进行连接，并去除片层图像上部分噪声黑点；采用骨骼化算法对图像中连接后的裂纹线条进行骨架提取，即二值图像细化；
d.根据已经得到的裂纹骨架，使用遍历搜索方法寻找片层图像中裂纹像素点，然后从像素点相邻两侧延伸寻找裂纹线条，对裂纹进行检测；
e.由检测到的裂纹线条，对裂纹进行识别描绘，从而完成对每一条裂纹的标注与长度计算；
在所述步骤b中，采用数学形态学操作和平滑处理进行图像分割，提取出片层中的孔隙，确保目标片层的完整并消除干扰噪声，并将二值化后的图像与该结果做差，得到仅有裂纹的目标图像；图像分割具体步骤如下：
b1.对片层图像进行形态学膨胀操作后再进行腐蚀，去除干扰噪声；
b2.再次进行膨胀操作，恢复去除噪声后的片层大致形态；
b3.将上述形态学操作后的结果与原二值图像进行逻辑与运算，重新引入片层的边缘信息；
b4.再次进行膨胀操作，填补片层内部空白，使孔隙更易被找到；
b5.使用标准中值滤波算法，在保留片层边缘前提下去除冲击噪声并使片层边缘变得光滑，得到清晰完整的片层孔隙分割结果图像；
所述形态学操作选择核函数kernel及迭代次数；中值滤波算法也选取合适大小的卷积核，在图像失真和去噪效果之间取得平衡。
2.根据权利要求1所述热障涂层裂纹的几何信息提取方法，其特征在于：在所述步骤c中，使用闭运算连接裂纹断线，并采用骨骼化算法细化裂纹的步骤如下：
将原二值图像与图像孔隙分割结果做差，得到仅有裂纹的目标图像；利用闭运算将像素点缺失的裂纹断线进行连接，并去除片层图像上部分噪声黑点，其中闭运算选择核函数kernel；采用骨骼化算法对图像中连接后的裂纹进行骨架提取，将裂纹细化成一个像素的宽度，方便后续通过计算像素点个数来达到计算裂纹长度的目的。
3.根据权利要求2所述热障涂层裂纹的几何信息提取方法，其特征在于：在所述步骤d中，对于细化后的片层图像，使用遍历搜索像素点方法检测每一个裂纹线条，具体步骤如下：
d1.遍历寻找细化后片层图像中第一个裂纹像素点，然后搜索相邻像素点；
d2.搜索相邻点首先遵循前一个点到此点的方向，沿该方向搜索与此点相邻的下一个点，若没有这样的相邻点，则向两侧搜索；
d3.重复搜索相邻像素点，延伸寻找裂纹曲线或线段；
d4.搜索到没有相邻点的像素点，表示裂纹线条一端搜索完成；
采用所述d2步骤中的方法能够减少寻找像素点的次数，在有相交曲线的情况下，像素点能连接到直观感受认为的曲线。
4.根据权利要求3所述热障涂层裂纹的几何信息提取方法，其特征在于：在所述步骤e中，对检测到的裂纹线条进行描绘，并完成对每一条裂纹的标注与长度计算；具体步骤为：对检测到的每一个裂纹线条随机上色、标注序号，并按照序号依次计算每条裂纹的长度，对小于设定长度阈值的无意义线段不予显示；其中长度由单像素裂纹线条的像素点求和计算得到，且长度阈值可根据需要灵活设定。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011429047.1A CN112581433B (zh) | 2020-12-07 | 2020-12-07 | 热障涂层裂纹的几何信息提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011429047.1A CN112581433B (zh) | 2020-12-07 | 2020-12-07 | 热障涂层裂纹的几何信息提取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112581433A CN112581433A (zh) | 2021-03-30 |
| CN112581433B true CN112581433B (zh) | 2022-10-11 |
Family
ID=75130366
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011429047.1A Active CN112581433B (zh) | 2020-12-07 | 2020-12-07 | 热障涂层裂纹的几何信息提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112581433B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113239790A (zh) * | 2021-05-11 | 2021-08-10 | 上海道生医疗科技有限公司 | 舌裂纹的特征识别及长度度量方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107862677A (zh) * | 2017-10-16 | 2018-03-30 | 中铁第四勘察设计院集团有限公司 | 一种基于梯度类间阈值算法的隧道衬砌裂缝识别方法及系统 |
| CN111239019A (zh) * | 2020-01-22 | 2020-06-05 | 华东理工大学 | 基于太赫兹光谱技术的热障涂层微孔隙结构特征表征方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105975972B (zh) * | 2016-04-27 | 2019-05-07 | 湖南桥康智能科技有限公司 | 基于影像的桥梁裂缝检测与特征提取方法 |
| CN109490244B (zh) * | 2018-11-13 | 2021-05-14 | 华东理工大学 | 一种基于太赫兹技术的热障涂层平行裂纹监测方法 |
| CN110264459A (zh) * | 2019-06-24 | 2019-09-20 | 江苏开放大学（江苏城市职业学院） | 一种土壤裂缝特征信息提取方法 |
| CN111127450B (zh) * | 2019-12-27 | 2023-03-31 | 南京大学 | 一种基于图像的桥梁裂缝检测方法及系统 |
| CN111177928B (zh) * | 2019-12-31 | 2023-05-26 | 苏州先机动力科技有限公司 | 一种热障涂层的裂纹扩展失效的检测方法及系统 |
-
2020
- 2020-12-07 CN CN202011429047.1A patent/CN112581433B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107862677A (zh) * | 2017-10-16 | 2018-03-30 | 中铁第四勘察设计院集团有限公司 | 一种基于梯度类间阈值算法的隧道衬砌裂缝识别方法及系统 |
| CN111239019A (zh) * | 2020-01-22 | 2020-06-05 | 华东理工大学 | 基于太赫兹光谱技术的热障涂层微孔隙结构特征表征方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112581433A (zh) | 2021-03-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106251361B (zh) | 一种钢轨表面缺陷图像自适应分割方法 | |
| CN115345885B (zh) | 一种金属健身器材外观质量检测方法 | |
| Yiyang | The design of glass crack detection system based on image preprocessing technology | |
| CN115170576B (zh) | 基于机器视觉的铝管表面缺陷检测方法 | |
| CN116721106B (zh) | 一种基于图像处理的型材瑕疵视觉检测方法 | |
| CN113592861B (zh) | 一种基于动态阈值的桥梁裂缝检测方法 | |
| Wang et al. | Comparison analysis on present image-based crack detection methods in concrete structures | |
| CN109682839B (zh) | 一种金属弧形工件表面缺陷在线检测方法 | |
| CN112837290B (zh) | 一种基于种子填充算法的裂缝图像自动识别方法 | |
| CN114972326A (zh) | 热收缩管扩管工艺的次品识别方法 | |
| CN108921813B (zh) | 一种基于机器视觉的无人机检测桥梁结构裂缝识别方法 | |
| CN113962997B (zh) | 基于图像处理的带钢边裂缺陷检测方法及系统 | |
| JPH0351968A (ja) | 直線化判別方式 | |
| CN101515325A (zh) | 基于字符切分和颜色聚类的数字视频中的字符提取方法 | |
| CN109472788B (zh) | 一种飞机铆钉表面的伤痕检测方法 | |
| CN112614062B (zh) | 菌落计数方法、装置及计算机存储介质 | |
| CN109658391B (zh) | 一种基于轮廓归并和凸包拟合的圆半径测量方法 | |
| CN115063430B (zh) | 基于图像处理的电气管道裂纹检测方法 | |
| CN115063423B (zh) | 基于计算机视觉的机械铸件冷热裂纹自适应辨别方法 | |
| CN101114335A (zh) | 全角度快速指纹识别方法 | |
| CN110009633B (zh) | 一种基于反向高斯差分的钢轨表面缺陷检测方法 | |
| CN105719275A (zh) | 一种并行组合的图像缺陷分割方法 | |
| CN106529551B (zh) | 面向包装行业的类圆对象智能识别计数检测方法 | |
| CN112270658A (zh) | 一种基于机器视觉的电梯钢丝绳检测方法 | |
| CN112581433B (zh) | 热障涂层裂纹的几何信息提取方法 |
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 |