CN115496706A - 一种基于数字图像处理的表面腐蚀比率测量方法 - Google Patents
一种基于数字图像处理的表面腐蚀比率测量方法 Download PDFInfo
- Publication number
- CN115496706A CN115496706A CN202210693948.4A CN202210693948A CN115496706A CN 115496706 A CN115496706 A CN 115496706A CN 202210693948 A CN202210693948 A CN 202210693948A CN 115496706 A CN115496706 A CN 115496706A
- Authority
- CN
- China
- Prior art keywords
- corrosion
- image
- image processing
- digital image
- color
- 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
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
-
- 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
- G06T7/136—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
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- 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
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本专利发明了一种基于数字图像处理的表面腐蚀比率测量方法,利用基于三原色的阈值分割法判别腐蚀区域,采用形态学梯度及区域生长法等识别试件区域,从而计算表面腐蚀比率,进一步计算保护评价等级。本发明的的表面腐蚀比率测量方法,设备简单,成本低,响应时间迅速,自动化程度高,便于携带和操作,为材料表面腐蚀比率的检测提供了一种新途径。
Description
技术领域
本发明属于图像处理技术领域,具体涉及一种基于数字图像处理的表面腐蚀比率测量方法。
背景技术
材料或结构在经过自然环境贮存或在实验室条件下经过盐雾试验后,得到的腐蚀图像和形貌数据是评价试验件的腐蚀类型、腐蚀程度以及研究腐蚀机理的基础条件,从腐蚀形貌中提取特征参数对于揭示腐蚀机理至关重要。因此,研究腐蚀发展程度对预测腐蚀行为和了解腐蚀机理有着重要意义。传统材料腐蚀状态的评价方法主要是基于表观检查对腐蚀状态进行文字描述,或者结合标准样图,相应地按照腐蚀性质和程度进行评价。保护评级判定法是一种常用的腐蚀判定方法,它是把腐蚀面积占总面积的百分数按一定的方法划分成几个级别,以某一个级别作为合格判定依据,它适合对平板样品进行评价。以钢材为例,目前碳钢腐蚀等级的评定主要根据GB/T6461-2002《金属基体上金属和其他无机覆盖层经腐蚀试验后的试样和试件的评级》,采用人工目测的方法进行评定,这种方法检测速度慢,检测人员工作强度大。
传统腐蚀形态的评价方法受人为因素的影响显著,具有一定的主观性和局限性,效率低下。因此,为了能够准确地评判试样保护评级,研究如何准确地测量试样腐蚀面积占总面积的百分比(即表面腐蚀比率)就显得至关重要。
无损检测是近年来被广泛利用的重要检测手法,部分检测技术的优缺点见表1,不难发现,表中检测技术主要存在以下缺点:人工检测结果受人员主观影响较大,检测结果准确性有待提高;大部分腐蚀检测仪器价格昂贵,检测成本较高,不便于携带,灵活性较低;部分检测技术结果不直观、存在检测盲区,无法对表面缺陷进行检测,从而无法进行试件表面腐蚀比率的识别。
现如今,检测技术正在向智能化、便携式方向发展,基于计算机视觉的检测技术在诸多前沿领域得到了大量应用。目前已有研究人员将基于计算机视觉的检测技术应用在金属腐蚀检测中,但依然存在不足。一方面,该检测方法利用灰度增强法识别腐蚀区域,腐蚀区域分辨能力较低,精度较差;另一方面,该方法未能进行试样区域识别,从而无法得出材料表面腐蚀比率。因此,需要一种高精度的表面腐蚀比率检测方法。
表1部分检测技术优缺点
发明内容
为解决上述腐蚀检测技术存在的缺点,本发明提出了一种基于数字图像处理的表面腐蚀比率测量方法,利用基于三原色的阈值分割法判别腐蚀区域,采用形态学梯度及区域生长法等识别试件区域,从而计算表面腐蚀比率,进一步计算保护评价等级。本发明设备简单,成本低,响应时间迅速,自动化程度高,便于携带和操作,为材料表面腐蚀比率的检测提供了一种新途径。
一种基于数字图像处理的表面腐蚀比率测量方法,包括以下步骤:
(1)获取材料表面图像;
(2)识别原图像分辨率,读入图片类型;
(3)识别试件区域;
(4)阈值分割法判别腐蚀区域;
(5)计算表面腐蚀比率;
(6)计算保护评价等级。
优选地,步骤(2)的具体实现方法包括:利用MATLAB程序“size”语句得到图像参数:H×W,C;其中,H×W表示图像分辨率;C表示图像通道数。
优选地,步骤(3)的具体实现方法包括:
a.计算形态学梯度;
b.增强对比度;
c.边界图像二值化处理;
d.运用闭运算闭合目标;
e.填充图像孔洞。
f.采用区域生长法识别试件区域,得到试件区域面积S。
优选地,步骤(4)的具体实现方法包括:
1.输出RGB直方图,确定像素点判定为腐蚀的RGB阈值;
2.识别腐蚀区域。
优选地,步骤1的具体实现方法包括:以色彩通道红、绿、蓝(R、G、B)三原色为横坐标,以图像中色彩出现的次数(频数、概率)为纵坐标,绘制色彩通道直方图,反映图像中色彩的分布情况,根据分布情况进行基于三原色的阈值分割法。
优选地,所述基于三原色的阈值分割法的实施方法包括:图像的某通道直方图为双峰分布,选择阈值为两个山峰间的谷底点对应的通道颜色值,把图像分割为两部分;图像的某通道直方图呈现多峰分布,选择多个阈值,将图像分成不同区域。
优选地,步骤2的具体实现方法包括:针对图像上每个像素点,依据腐蚀判定阈值区间,判定该像素点是否为腐蚀点。
优选地,步骤(5)的具体实现方法包括:试件表面腐蚀比率R的计算方法如下:R=n/S;
其中,在H×W个像素点中,被判定为腐蚀点的像素点数为n,腐蚀区域面积为n。
优选地,步骤(6)的具体实现方法包括:根据GB/T6461-2002《金属基体上金属和其他无机覆盖层经腐蚀试验后的试样和试件的评级》中关于腐蚀等级的评定标准,确定R值所在区间对应的保护评价等级。
一种材料表面腐蚀比率检测方法,包括上述的基于数字图像处理的表面腐蚀比率测量方法。
本发明公开的基于数字图像处理的表面腐蚀比率测量方法,解决了人工目测方法检测速度慢、大部分腐蚀检测仪器价格昂贵且不便于携带、部分检测技术结果不直观、基于灰度增强法的检测方法对腐蚀区域分辨能力较低等现有腐蚀检测技术等问题,实现了以下有益效果:
(1)采用基于三原色的阈值分割方法,实现了材料表面腐蚀区域的识别效果;
(2)采用形态学梯度及区域生长等方法,实现了试件区域的识别和表面腐蚀比率的计算,从而进一步计算保护评价等级;
(3)本发明设备简单,成本低,响应时间迅速,自动化程度高,便于携带和操作。
附图说明
图1为实施例一的基于数字图像处理的表面腐蚀比率测量方法流程图;
图2为实施例二的材料试件原图像;
图3为实施例二的材料试件图像经形态学梯度处理后的图像;
图4为实施例二的材料试件图像经增强对比度后的图像;
图5为实施例二的材料试件图像经边界图像二值化后的图像;
图6为实施例二的材料试件图像填充提取目标后的图像;
图7为实施例二的材料试件图像区域生长去除噪声后的图像;
图8为实施例二的材料试件图像试件区域识别结果图像;
图9为实施例二的红色通道直方图;
图10为实施例二的绿色通道直方图;
图11为实施例二的蓝色通道直方图;
图12为实施例二的腐蚀区域识别结果图像;
图13为实施例二的GUI可视化界面图。
具体实施方式
下面结合附图和具体实施方式对本发明的技术方案做进一步详细说明。显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域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,都属于本发明要求保护的范围。
实施例一
本申请实施例公开的一种基于数字图像处理的表面腐蚀比率测量方法,如图1所示,包括以下步骤:
(1)获取材料表面图像;通过图像采集设备获取材料的全部表面图像,并传输进入计算机;
(2)识别原图像分辨率,读入图片类型;
(3)识别试件区域;
(4)阈值分割法判别腐蚀区域;
(5)计算表面腐蚀比率;
(6)计算保护评价等级。
步骤(2)的具体实现方法包括:利用MATLAB程序“size”语句得到图像参数:H×W,C;其中,H×W表示图像分辨率;C表示图像通道数。
所述图像通道数C=2,表示该图像为灰度图像,
所述图像通道数C=3,表示该图像为彩色图像。
步骤(3)的具体实现方法包括:
a.计算形态学梯度;
b.增强对比度;
c.边界图像二值化处理;
d.运用闭运算闭合目标;
e.填充图像孔洞。
f.采用区域生长法识别试件区域,得到试件区域面积S。
步骤(4)的具体实现方法包括:
1.输出RGB直方图,确定像素点判定为腐蚀的RGB阈值;
2.识别腐蚀区域。
步骤1的具体实现方法包括:以色彩通道红、绿、蓝(R、G、B)三原色为横坐标,以图像中色彩出现的次数(频数、概率)为纵坐标,绘制色彩通道直方图,反映图像中色彩的分布情况,根据分布情况进行基于三原色的阈值分割法。
基于三原色的阈值分割法的实施方法包括:图像的某通道直方图为双峰分布,选择阈值为两个山峰间的谷底点对应的通道颜色值,把图像分割为两部分;图像的某通道直方图呈现多峰分布,选择多个阈值,将图像分成不同区域。
步骤2的具体实现方法包括:针对图像上每个像素点,依据腐蚀判定阈值区间,判定该像素点是否为腐蚀点。
步骤(5)的具体实现方法包括:试件表面腐蚀比率R的计算方法如下:
R=n/S;
其中,在H×W个像素点中,被判定为腐蚀点的像素点数为n,腐蚀区域面积为n。
步骤(6)的具体实现方法包括:根据GB/T6461-2002《金属基体上金属和其他无机覆盖层经腐蚀试验后的试样和试件的评级》中关于腐蚀等级的评定标准,确定不同R值所在区间对应的保护评价等级。
实施例二
本申请实施例公开了一种材料表面腐蚀比率检测方法,包括申请实施例一所述的基于数字图像处理的表面腐蚀比率测量方法,包括以下步骤:
步骤1、获取材料表面图像
通过图像采集设备获取材料的全部表面图像,并传输进入计算机。材料原图像见图2。
步骤2、识别原图像分辨率,读入图片类型
利用MATLAB程序“size”语句得到图像参数:H×W=735×486,C=3。
步骤3、识别试件区域
1)计算形态学梯度,结果见图3;
2)增强对比度,结果见图4;
3)边界图像二值化处理,结果见图5;
4)运用闭运算闭合目标;
5)填充图像孔洞,结果见图6;
6)采用区域生长法识别试件区域,结果见图7。得到试件区域面积为S=110727,得到该试件区域识别结果见图8。
步骤4、阈值分割法判别腐蚀区域
1)输出RGB直方图,确定像素点判定为腐蚀的RGB阈值
彩色图像是指每个像素由红、绿、蓝(分别用R、G、B表示)三原色构成的图像。以色彩通道(R、G、B)为横坐标,以图像中色彩出现的次数(频数、概率)为纵坐标,绘制的图形称为色彩通道直方图,反映了图像中色彩的分布情况。
基于三原色的阈值分割法是根据图像某通道颜色值分布特性确定某个阈值来进行图像分割的一种方法。若图像的某通道直方图为双峰分布,表明图像的内容大致分为两个部分,选择阈值为两个山峰间的谷底点对应的通道颜色值,把图像分割为两部分。若直方图呈现多峰分布,可以选择多个阈值,把图像分成不同区域,根据实际情况确定阈值区间。
该材料试件红色通道直方图见图9,绿色通道直方图见图10,蓝色通道直方图见图11。由三色通道直方图可选择红色通道阈值为0≤R≤140,绿色通道阈值为0≤G≤70,蓝色通道阈值为0≤B≤65。
2)识别腐蚀区域
针对图像上每个像素点,若其RGB颜色值处于上述腐蚀判定阈值区间之内,则判定该像素点是否为腐蚀点。在735×486个像素点中,被判定为腐蚀点的像素点数为11965,则腐蚀区域面积为n=11965。该材料试件腐蚀区域识别结果见图12。
步骤5、计算表面腐蚀比率
令试件表面腐蚀比率记为R,则R的计算方法见下式:
步骤6、计算保护评价等级
由R=10.8059%,根据表2可得对应的保护评价等级为2。
表2表面腐蚀比率与相应的保护评价等级
作为本申请实施例的一个扩展,可利用MATLAB建立GUI界面,实现本专利腐蚀识别结果的可视化,见图13。
Claims (11)
1.一种基于数字图像处理的表面腐蚀比率测量方法,其特征在于,包括以下步骤:
(1)获取材料表面图像;通过图像采集设备获取材料的全部表面图像,并传输进入计算机;
(2)识别原图像分辨率,读入图片类型;
(3)识别试件区域;
(4)阈值分割法判别腐蚀区域;
(5)计算表面腐蚀比率;
(6)计算保护评价等级。
2.根据权利要求1所述的基于数字图像处理的表面腐蚀比率测量方法,其特征在于,步骤(2)的具体实现方法包括:利用MATLAB程序“size”语句得到图像参数:H×W,C;其中,H×W表示图像分辨率;C表示图像通道数。
3.根据权利要求1所述的基于数字图像处理的表面腐蚀比率测量方法,其特征在于,步骤(3)的具体实现方法包括:
a.计算形态学梯度;
b.增强对比度;
c.边界图像二值化处理;
d.运用闭运算闭合目标;
e.填充图像孔洞。
f.采用区域生长法识别试件区域,得到试件区域面积S。
4.根据权利要求1所述的基于数字图像处理的表面腐蚀比率测量方法,步骤(4)的具体实现方法包括:
1.输出RGB直方图,确定像素点判定为腐蚀的RGB阈值;
2.识别腐蚀区域。
5.根据权利要求1-4任一所述的基于数字图像处理的表面腐蚀比率测量方法,其特征在于,步骤1的具体实现方法包括:以色彩通道(R、G、B)为横坐标,以图像中色彩出现的次数(频数、概率)为纵坐标,绘制的图形称为色彩通道直方图,反映了图像中色彩的分布情况。
6.根据权利要求1-4任一所述的基于数字图像处理的表面腐蚀比率测量方法,其特征在于,步骤1的具体实现方法包括:以色彩通道红、绿、蓝(R、G、B)三原色为横坐标,以图像中色彩出现的次数(频数、概率)为纵坐标,绘制色彩通道直方图,反映图像中色彩的分布情况,根据分布情况进行基于三原色的阈值分割法。
7.根据权利要求6所述的基于数字图像处理的表面腐蚀比率测量方法,其特征在于,所述基于三原色的阈值分割法的实施方式包括:图像的某通道直方图为双峰分布,选择阈值为两个山峰间的谷底点对应的通道颜色值,把图像分割为两部分;图像的某通道直方图呈现多峰分布,选择多个阈值,将图像分成不同区域。
8.根据权利要求1-7任一所述的基于数字图像处理的表面腐蚀比率测量方法,其特征在于,步骤2的具体实现方法包括:针对图像上每个像素点,依据腐蚀判定阈值区间,判定该像素点是否为腐蚀点。
9.根据权利要求1-8任一所述的基于数字图像处理的表面腐蚀比率测量方法,其特征在于,步骤(5)的具体实现方法包括:试件表面腐蚀比率R的计算方法如下:R=n/S;
其中,在H×W个像素点中,被判定为腐蚀点的像素点数为n,腐蚀区域面积为n。
10.根据权利要求1-9任一所述的基于数字图像处理的表面腐蚀比率测量方法,其特征在于,步骤(6)的具体实现方法包括:根据GB/T6461-2002《金属基体上金属和其他无机覆盖层经腐蚀试验后的试样和试件的评级》中关于腐蚀等级的评定标准,确定R值所在区间对应的保护评价等级。
11.一种材料表面腐蚀比率检测方法,其特征在于,包括权利要求1-10任一所述的基于数字图像处理的表面腐蚀比率测量方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210693948.4A CN115496706A (zh) | 2022-06-19 | 2022-06-19 | 一种基于数字图像处理的表面腐蚀比率测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210693948.4A CN115496706A (zh) | 2022-06-19 | 2022-06-19 | 一种基于数字图像处理的表面腐蚀比率测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115496706A true CN115496706A (zh) | 2022-12-20 |
Family
ID=84464506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210693948.4A Pending CN115496706A (zh) | 2022-06-19 | 2022-06-19 | 一种基于数字图像处理的表面腐蚀比率测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115496706A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117952965A (zh) * | 2024-03-26 | 2024-04-30 | 陕西惠延机械有限公司 | 一种隧道衬砌台车钢结构稳定性质量检测方法 |
-
2022
- 2022-06-19 CN CN202210693948.4A patent/CN115496706A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117952965A (zh) * | 2024-03-26 | 2024-04-30 | 陕西惠延机械有限公司 | 一种隧道衬砌台车钢结构稳定性质量检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xia et al. | material degradation assessed by digital image processing: Fundamentals, progresses, and challenges | |
CN111242123B (zh) | 一种基于红外图像的电力设备故障诊断方法 | |
US7215807B2 (en) | Nondestructive inspection method and apparatus | |
JP3597439B2 (ja) | 塗装された鋼材の塗装劣化の診断方法 | |
JP3884834B2 (ja) | 欠陥検査方法及びその装置 | |
CN108764134A (zh) | 一种适用于巡检机器人的多类型仪表自动定位与识别方法 | |
CN111028229A (zh) | 一种基于图像处理技术的金属或涂层腐蚀检测方法 | |
CN113109240B (zh) | 一种计算机实施的粮食不完善粒测定方法和系统 | |
CN103411875A (zh) | 一种涂膜钢板表面腐蚀率的定量测定方法 | |
JPH08504522A (ja) | 境界ピクセル・パラメータの規則正しいシーケンスを用いた物体を識別するための方法及び装置 | |
CN115496706A (zh) | 一种基于数字图像处理的表面腐蚀比率测量方法 | |
CN114298983A (zh) | 一种防腐层缺陷智能识别与测量方法 | |
CN117252872A (zh) | 一种手机屏幕缺陷视觉检测方法及系统 | |
CN113298766B (zh) | 一种基于图像识别的金属腐蚀损伤定量评价方法 | |
TW201512649A (zh) | 偵測晶片影像瑕疵方法及其系統與電腦程式產品 | |
CN117152129B (zh) | 一种电池盖板的表面缺陷视觉检测方法及系统 | |
CN117237747B (zh) | 基于人工智能的五金件缺陷分类识别方法 | |
CN114998346B (zh) | 一种防水布质量数据处理、识别方法 | |
CN114820611B (zh) | 基于人工智能的机械零件质量评估方法及系统 | |
CN112465780B (zh) | 绝缘层膜厚异常监控方法及装置 | |
JPS60143769A (ja) | 粒径および第2相分率の測定装置 | |
CN108986080B (zh) | 一种射线数字图像调制度确定方法及应用 | |
CN114881952A (zh) | 一种铸件缺陷区域检测及边缘准确分割方法 | |
WO2020130786A1 (en) | A method of analyzing visual inspection image of a substrate for corrosion determination | |
CN113065556A (zh) | 一种数字式仪表定位和数字识别方法、装置和计算机设备 |
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 |