CN116168022B - 一种双线型像质计图像处理方法、装置、设备及存储介质 - Google Patents

一种双线型像质计图像处理方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN116168022B
CN116168022B CN202310432344.9A CN202310432344A CN116168022B CN 116168022 B CN116168022 B CN 116168022B CN 202310432344 A CN202310432344 A CN 202310432344A CN 116168022 B CN116168022 B CN 116168022B
Authority
CN
China
Prior art keywords
image
double
wire
points
point
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
Application number
CN202310432344.9A
Other languages
English (en)
Other versions
CN116168022A (zh
Inventor
梅健强
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.)
Tianjin University of Technology and Education China Vocational Training Instructor Training Center
Original Assignee
Tianjin University of Technology and Education China Vocational Training Instructor Training Center
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 Tianjin University of Technology and Education China Vocational Training Instructor Training Center filed Critical Tianjin University of Technology and Education China Vocational Training Instructor Training Center
Priority to CN202310432344.9A priority Critical patent/CN116168022B/zh
Publication of CN116168022A publication Critical patent/CN116168022A/zh
Application granted granted Critical
Publication of CN116168022B publication Critical patent/CN116168022B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • G06T7/60—Analysis of geometric attributes
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种双线型像质计图像处理方法、装置、设备及存储介质；所述方法包括：根据待处理双丝图像，自动提取双线型像质计的有效区域；基于提取的双线型像质计的有效区域，对双丝图像的灰度值进行逐行累加平均计算；基于所述逐行累加平均计算得到的图像数据，检测像素点的局部极值点，并计算局部极值点所对应的向量长度信息；根据所述向量长度信息计算双丝识别结果，并基于双丝识别结果得到双丝图像的分辨力。本发明提供的处理方法，无需人工参与，提高了自动化程度，并能进一步提高检测精度。

Description

一种双线型像质计图像处理方法、装置、设备及存储介质
技术领域
本发明涉及应用领域为X射线无损检测技术，特别是涉及一种双线型像质计图像处理方法、装置、设备及存储介质。
背景技术
目前，X射线无损检测领域已基本完成数字化转型，即从原先的人工拍摄胶片式系统升级为全自动计算机检测系统。
随着X射线无损检测领域相关技术的不断发展，行业对系统的自动化程度、智能化水平以及检测精度都提出了越来越高的要求。因此，检测系统成像质量，尤其是系统图像分辨率的优劣便成为衡量系统性能的重要指标。行业标准HB/T47013.11-2015、国家标准GB/T23901.2-2022以及国际标准ISO17636-2-2013均要求通过双线型像质剂图像中线对可识别率的测量实现X射线无损检测图像分辨率的评定。
目前方法大多需要通过人工选择待检测线对位置的方式进行测量，用户直接在双线型像质计图像的指定位置选择计算区域后，进行相应的计算。由于像质计尺寸固定，因此还有部分算法采用固定比例尺寸的方法确定图像中的双丝线对位置。
发明内容
本发明要通过数字图像处理的方式解决双线型像质计图像中所有线对位置的自动检测问题，进而为X射线数字无损检测图像分辨率的评定提供有效支持；目前方法大多需要通过人工选择待检测线对位置的方式进行测量，部分自动检测的方法效果欠佳。
本发明解决其技术问题是采取以下技术方案实现的：
本发明具体涉及一种一种双线型像质计图像处理方法，其包括：
步骤1：根据待处理双丝图像，自动提取双线型像质计的有效区域；
步骤2：基于提取的双线型像质计的有效区域，对双丝图像的灰度值进行逐行累加平均计算；
步骤3：基于所述逐行累加平均计算得到的图像数据，检测像素点的局部极值点，并计算局部极值点所对应的向量长度信息；
步骤4：根据所述向量长度信息计算双丝识别结果，并基于双丝识别结果得到双丝图像的分辨力；
其中，所述步骤1中的根据待处理双丝图像，自动提取双线型像质计的有效区域，具体包括：
步骤11，将所述待处理双丝图像转化为灰度图像；
步骤12，使用二维高斯模糊算子对灰度图像进行处理；
步骤13，基于自适应阈值处理算法，将步骤12得到的灰度图像转化为二值图像，其中，所述自适应阈值通过计算图像中每个像素周围b×b大小像素块的加权均值并减去常量C得到；其中，b为阈值计算区块大小，加权均值为
Figure SMS_1
，/>
Figure SMS_2
为/>
Figure SMS_3
邻域内像素点的像素值，常量C为自适应阈值的偏移调整量；
步骤14，对二值化图像进行降噪处理；
步骤15，基于霍夫直线检测方法确定步骤14中所得到的二值化图像中丝对的方向和位置；
步骤16，基于所述步骤15所确定的丝对的方向和位置，确定所有丝对的外接矩形框的位置，从而提取双线型像质计的有效区域。
进一步的，所述步骤1和所述步骤2之间，还进一步包括对提取的双线型像质计区域有效性判别的步骤，具体包括：对所述步骤1中提取的双线型像质计有效区域的放置位置与水平或垂直方向的夹角角度ɑ进行复核，当所述夹角角度ɑ大于5°时，则中止图像处理；当所述夹角角度ɑ小于等于5°时，则将双线型像质计有效区域的放置位置旋转至与水平方向的夹角角度为0°。
进一步的，所述步骤16中，基于所述霍夫直线检测确定丝对的方向和位置，确定所有丝对的外接矩形框的位置，从而提取双线型像质计的有效区域，具体包括：
步骤161，计算所有提取的直线线段的平均线段长度，为第i条直线线段的长度，M为线段总数；
步骤162，删除小于平均线段长度的直线线段后获得直线线对集合W，
Figure SMS_4
，m为经过删除后的线段总数；
步骤163，获取线对集合W的外接矩形；具体包括：对所有直线段的端点坐标进行排序，获得X和Y方向对应的四个点Xmin、Xmax、Ymin和Ymax，通过上面四个点构建所有双丝的外接矩形。
进一步的，所述步骤2中的对双丝图像的灰度值进行逐行累加平均计算，包括：至少使用所提取双线型像质计区域中21行的像素值进行平均计算。
进一步的，所述步骤3中的基于所述逐行累加平均计算得到的双丝图像数据，检测像素点的局部极值，具体包括：
步骤31，以横坐标以1为步长，循环计算点集中相邻三点中纵坐标的最小值，从而得到包括所有局部极小值点的第一点集；
Figure SMS_5
，n为所有局部极小值点的数量；
步骤32，以纵坐标递增的顺序排列点集P中所有的点，得到排序后的第二点集；
步骤33，对所述排序后的点集基于公式进行校验，将不符合该公式的点进行剔除，从而得到第三点集；
步骤34，针对第三点集，按照横坐标递增的顺序排列第三点集中的所有点后得到第四点集；
步骤35，对第四点集合的所有点按照顺序两两一组进行分组，并分别搜索每组极小值点对应的极大值点，并基于搜索结果构造多组A、B和C向量长度信息，其具体包括：
步骤351，对第四点集合的所有点按照顺序两两一组进行分组，从而得到多组极值点；
步骤352，针对第一组的第一极小值和第二极小值，搜索小于第一极小值点横坐标的极大值作为第一极大值、第一极小值和第二极小值之间的极大值作为中间极大值、以及大于第二极小值点横坐标的极大值作为第二极大值；
步骤353，连接第一极大值点以及第二极大值点获取第一线段；获取第一极小值点、中间极大值点以及第二极小值点到所述第一线段的垂线，将该第一极小值点、第二极小值点以及中间极大值点所对应垂线的长度顺序表示为第一组极值点对应的A、B和C向量长度信息；
步骤354，对第四点集合剩余分组的点重复步骤352以及步骤353，直到将所述多组极值点处理完毕，从而构造多组A、B和C向量长度信息。
进一步的，基于双丝识别公式对所述构造的A、B和C向量长度信息计算每组双丝对应的识别结果，并基于双丝结果给出双丝图像的图像分辨力；所述双丝识别公式为
Figure SMS_6
，当/>
Figure SMS_7
时，上一组线对的位置/>
Figure SMS_8
则为该双丝图像的图像分辨力，/>
Figure SMS_9
为第i组线对的图像分辨力。
第二，本发明具体还涉及一种双丝型像质计图像处理装置，包括：
图像有效区域提取模块，用于从待处理双丝图像，自动提取双线型像质计图像有效区域；
数据累加模块，基于提取的双线型像质计的有效区域，对双丝图像的灰度值进行逐行累加平均计算；
目标搜索模块，基于所述逐行累加平均计算得到的双丝图像数据，检测像素点的局部极值点，并计算局部极值点所对应的向量长度信息；
分辨力计算模块，根据所述向量长度信息计算双丝识别结果，并基于双丝识别结果得到双丝图像的分辨力；
其中，所述从待处理双丝图像，自动提取双线型像质计的有效区域，具体包括：
步骤11，使用二维高斯模糊算子对灰度图像进行处理；
步骤12，基于自适应阈值处理算法，将当前灰度图像转化为二值图像，其中，阈值通过计算图像中每个像素周围b×b大小像素块的加权均值并减去常量C得到，b为阈值计算区块大小；
步骤13，对二值化图像进行降噪；
步骤14，基于霍夫直线检测确定双线型像质计中丝对的方向和位置；
步骤15，基于所述霍夫直线检测确定丝对的方向和位置，确定所有丝对的外接矩形框的位置，从而提取双线型像质计的有效区域。
第三，本发明具体还涉及一种双线型像质计图像处理设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述双丝型像质计图像处理方法的步骤。
第四，本发明具体还涉及一种存储有实现双线型像质计图像处理方法的程序指令的计算机可读存储介质，该计算机程序指令被处理器执行时实现上述双丝型像质计图像处理方法的步骤。
采用上述技术方案，本发明具有如下有益效果：
1)本发明通过直接对获取图像进行处理，获取图像中双丝型像质计目标丝对的二值化图像，通过数字图像处理的方式解决双线型像质计图像中所有线对位置的自动检测问题，进而为X射线数字无损检测系统空间分辨力的评定提供有效支持。
2)本申请通过提取的双线型像质计区域有效性判别的步骤，对提取的双线型像质计有效区域的放置位置与水平或垂直方向的夹角角度进行筛选，筛除了在图像获取时或是检测对象造成的干扰项，提高了数据处理的准确性。
3)本申请无需使用深度学习技术，无需使用大量图片进行训练，且算法时间短，鲁棒性高，可适应X射线无损检测行业的实际应用。
附图说明
图1是双线型像质计图像处理方法的流程图；
图2是包含双线型像质计的X射线图像；
图3是提取的双线型像质计图像有效区域的放置角度；
图4是提取的双线型像质计图像有效区域；
图5是对双丝图像的灰度值进行逐行累加平均计算后的灰度值曲线图及计算结果；
图6是双线型像质计图像处理装置的结构示意图。
具体实施方式
以下结合附图对本发明作进一步详述：所描述的实施例仅是本发明的一部分实施例，而不是全部，以下的实施例仅是为了更加清晰地说明本发明的技术方案，不能被用来限制本发明的保护范围。
如图1所示，本发明提供一种一种双线型像质计图像处理方法，具体包括：
步骤1：根据待处理双丝图像，自动提取双线型像质计的有效区域。
进一步的，步骤1中的根据待处理双丝图像，自动提取双线型像质计的有效区域，还包括：
步骤11，将所述待处理双丝图像转化为灰度图像。
步骤12，使用二维高斯模糊算子对灰度图像进行处理。
步骤13，基于自适应阈值处理算法，将步骤12得到的灰度图像转化为二值图像，其中，所述自适应阈值通过计算图像中每个像素周围b×b大小像素块的加权均值并减去常量C得到，b为阈值计算区块大小；加权系数为
Figure SMS_10
，加权值为/>
Figure SMS_11
，/>
Figure SMS_12
为/>
Figure SMS_13
邻域内像素点的像素值，常量C为自适应阈值的偏移调整量。
具体的，b的取值可以在3、5、7等奇数范围内调整，应正比于图像长宽尺寸，数值越大，算法速度越快，但二值化效果变差。在本发明中，b的取值优选为5。常量C为自适应阈值计算时的偏移调整量，即加权均值加或减这个常量X即得到自适应阈值算法的最终阈值，其具体数值可以选择5、10、20。在本发明中，常量C的取值优选为20。通过上述偏移调整量的取值，可以进一步减小图像预处理过程中，从而可以提高算法的整体处理精度。
步骤14，对二值化图像进行降噪处理。
步骤15，基于霍夫直线检测方法确定步骤14中所得到的二值化图像中丝对的方向和位置。
在本发明所使用的霍夫直线检测为公知的直线检测方法，在此不再赘述。本发明通过使用霍夫直线检测算法来提取双丝直线的准确位置和方向，有效提高了算法的鲁棒性。
步骤16，基于所述步骤15所确定的丝对的方向和位置，确定所有丝对的外接矩形框的位置，从而提取双线型像质计的有效区域。
进一步的，步骤16中，基于所述霍夫直线检测确定丝对的方向和位置，确定所有丝对的外接矩形框的位置，从而提取双线型像质计的有效区域，具体包括：
步骤161，计算所有提取的直线线段的平均线段长度，为第i条直线线段的长度，M为线段总数；
步骤162，删除小于平均线段长度的直线线段后获得直线线对集合W，
Figure SMS_14
，m为经过删除后的线段总数；
步骤163，获取线对集合W的外接矩形；具体包括：
对所有直线段的端点坐标进行排序，获得X和Y方向对应的四个点Xmin、Xmax、Ymin和Ymax，通过上面四个点构建所有双丝的外接矩形。图3示出了本发明的获取线对集合W的外接矩形的一个优选实施例。
如图2所示，双线型像质计应与像素线或像素列成小于5°的角度，以避免图像的锯齿效应。优选地，在步骤1和步骤2之间，还进一步包括双线型像质计区域有效性判别，其对步骤1所中提取的双线型像质计的角度进行复核，如不符合要求，即双线型像质计放置位置与水平或垂直方向夹角大于5°时，则中止算法，并提示用户重新进行拍摄；如符合角度要求，则将双线型像质计有效区域旋转至与水平方向夹角0°。
步骤2：基于提取的双线型像质计的有效区域，对双丝图像的灰度值进行逐行累加平均计算。
在本发明中，至少要使用所提取双线型像质计区域中21行的像素值进行逐行累加平均计算后用于后续的处理。换句话说，通过该逐行累加平均计算，将21行的图像数据转化为1行数据，进而简化了计算。通过上述逐行累加平均计算，可以进一步减小计算误差，从而提高算法的精度。
特别的，在一个优选实施例中，还可将水平后的双线型像质计有效区域的长边向两个方向各延长10-15个像素的长度，以便可以提取出边缘的丝对。
步骤3：基于所述逐行累加平均计算得到的图像数据，检测像素点的局部极值点，并计算局部极值点所对应的向量长度信息；
进一步的，步骤3中的基于所述逐行累加平均计算得到的图像数据，检测像素点的局部极值点，并计算局部极值点所对应的向量长度信息，具体包括：
步骤31，以横坐标以1为步长，循环计算点集中相邻三点中纵坐标的最小值，从而得到包括所有局部极小值点的第一点集
Figure SMS_15
，n为所有局部极小值点的数量。
步骤32，以纵坐标递增的顺序排列点集P中所有的点，得到排序后的第二点集
Figure SMS_16
。
步骤33，对所述排序后的点集
Figure SMS_17
基于公式
Figure SMS_18
进行校验，将不符合该公式的点进行剔除，从而得到第三点集/>
Figure SMS_19
。
步骤34，针对第三点集
Figure SMS_20
，按照横坐标递增的顺序排列第三点集中的所有点后得到第四点集/>
Figure SMS_21
。
步骤35，对第四点集合
Figure SMS_22
的所有点按照顺序两两一组进行分组，并分别搜索每组极小值点对应的极大值点，并基于搜索结果构造多组A、B和C向量长度信息，其具体包括：
步骤351，对第四点集合的所有点按照顺序两两一组进行分组，从而得到多组极值点。
步骤352，针对第一组的第一极小值和第二极小值，搜索小于第一极小值点横坐标的第一个极大值作为第一极大值、第一极小值和第二极小值之间的极大值作为中间极大值、以及大于第二极小值点横坐标的第一个极大值作为第二极大值。
步骤353，连接第一极大值点以及第二极大值点获取第一线段；获取第一极小值点、中间极大值点以及第二极小值点到所述第一线段的垂线，将该第一极小值点、第二极小值点以及中间极大值点所对应垂线的长度顺序表示为第一组极值点对应的A、B和C向量长度信息。
步骤354，对第四点集合
Figure SMS_23
剩余分组的点重复步骤352以及步骤353，直到将所述多组极值点处理完毕，从而构造多组A、B和C向量长度信息。
步骤4：根据所述多组向量长度信息计算双丝识别结果，并基于双丝识别结果得到双丝图像的分辨力。
具体来说，基于双丝识别公式对构造的多组A、B和C向量长度信息计算双丝识别结果，并基于双丝结果给出双丝图像的图像分辨力。
所述双丝识别公式为
Figure SMS_24
，当/>
Figure SMS_25
时，上一组线对的位置/>
Figure SMS_26
则为该双丝图像的图像分辨力，/>
Figure SMS_27
为第i组线对的图像分辨力。
在一个具体实施例中，基于本发明所得到的双线型像质计结果如图4、图5所示，其中，图4为从待处理双丝图像中提取的双线型像质计图像有效区域，并进行了相应的旋转处理，框体内为用于计算的21行像素区域，图5为对双丝图像的灰度值进行逐行累加平均计算后的灰度值曲线图及计算结果，从图5中可得DW6为32.7%，DW7为18.7%。因此，双丝图像的图像分辨力为DW6。
如图6所示，本发明还提供了一种双线型像质计图像处理装置，该装置包括图像有效区域提取模块601、数据累加模块602、目标搜索模块603和分辨力计算模块604，其中：
图像有效区域提取模块601，用于从待处理双丝图像，自动提取双线型像质计图像有效区域。
数据累加模块602，基于提取的双线型像质计的有效区域，对双丝图像的灰度值进行逐行累加平均计算。
目标搜索模块603，基于所述逐行累加平均计算得到的双丝图像数据，检测像素点的局部极值点，并计算局部极值点所对应的向量长度信息。
分辨力计算模块604，根据所述向量长度信息计算双丝识别结果，并基于双丝识别结果得到双丝图像的分辨力。
其中，所述从待处理双丝图像，自动提取双线型像质计的有效区域，具体包括：
步骤11，将所述待处理双丝图像转化为灰度图像；
步骤12，使用二维高斯模糊算子对灰度图像进行处理；
步骤13，基于自适应阈值处理算法，将步骤12得到的灰度图像转化为二值图像，所述自适应阈值通过计算图像中每个像素周围b×b大小像素块的加权均值并减去常量C得到；其中，b为阈值计算区块大小，加权系数为
Figure SMS_28
，加权值为/>
Figure SMS_29
，/>
Figure SMS_30
为
Figure SMS_31
邻域内像素点的像素值，常量C为自适应阈值的偏移调整量；
步骤14，对二值化图像进行降噪处理；
步骤15，基于霍夫直线检测方法确定步骤14中所得到的二值化图像中丝对的方向和位置；
步骤16，基于所述步骤15所确定的丝对的方向和位置，确定所有丝对的外接矩形框的位置，从而提取双线型像质计的有效区域。
本实施例中各个模块的具体实现可以参见上述双线型像质计图像处理方法，在此不再一一赘述；需要说明的是，本实施例提供的系统仅以上述各功能模块的划分进行举例说明，在实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。
本发明还提供了一种存储有实现双线型像质计图像处理方法的程序指令的存储介质以及具有该存储介质的电子设备，该存储介质为计算机可读存储介质，所述计算机程序被处理器执行时，实现上述双线型像质计图像处理方法。
本发明还提供一种双线型像质计图像处理设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现上述双丝型像质计图像处理方法。
需要说明的是，本发明的计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、系统或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。
综上所述，本发明提供了一种双线型像质计图像处理方法、装置、设备及存储介质；所述方法包括：对待测X射线图像进行分析，并通过数字图像处理等计算方法，自动提取待测X射线图像中的像质计区域；根据所述截取后双丝图像，得到调整后双丝灰度变化曲线；根据所述调整后双丝灰度变化曲线，计算每一线对的可识别率，得到所述待测双丝图像的分辨力。本发明提供的处理方法，无需人工参与，提高了自动化程度，并能进一步提高检测精度。
需要强调的是，本发明所述的实施例是实例性的，而不是限定性的，因此本发明并不限于具体实施方式中所述的实施例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，同样属于本发明保护的范围。

Claims (8)

1.一种双线型像质计图像处理方法，其特征在于，包括：
步骤1：根据待处理双丝图像，自动提取双线型像质计的有效区域；
步骤2：基于提取的双线型像质计的有效区域，对双丝图像的灰度值进行逐行累加平均计算；
步骤3：基于所述逐行累加平均计算得到的图像数据，检测像素点的局部极值点，并计算局部极值点所对应的向量长度信息；
步骤4：根据所述向量长度信息计算双丝识别结果，并基于双丝识别结果得到双丝图像的分辨力；
其中，所述步骤1中的根据待处理双丝图像，自动提取双线型像质计的有效区域，具体包括：
步骤11，将所述待处理双丝图像转化为灰度图像；
步骤12，使用二维高斯模糊算子对灰度图像进行处理；
步骤13，基于自适应阈值处理算法，将步骤12得到的灰度图像转化为二值图像，所述自适应阈值通过计算图像中每个像素周围b×b大小像素块的加权均值并减去常量C得到；其中，b为阈值计算区块大小，加权系数为
Figure QLYQS_1
，加权值为/>
Figure QLYQS_2
，/>
Figure QLYQS_3
为/>
Figure QLYQS_4
邻域内像素点的像素值，常量C为自适应阈值的偏移调整量；
步骤14，对二值化图像进行降噪处理；
步骤15，基于霍夫直线检测方法确定步骤14中所得到的二值化图像中丝对的方向和位置；
步骤16，基于所述步骤15所确定的丝对的方向和位置，确定所有丝对的外接矩形框的位置，从而提取双线型像质计的有效区域；
所述步骤16中，基于所述霍夫直线检测确定丝对的方向和位置，确定所有丝对的外接矩形框的位置，从而提取双线型像质计的有效区域，具体包括：
步骤161，计算所有提取的直线线段的平均线段长度
Figure QLYQS_5
，/>
Figure QLYQS_6
为第i条直线线段的长度，M为线段总数；
步骤162，删除小于平均线段长度的直线线段后获得直线线对集合W，
Figure QLYQS_7
，m为经过删除后的线段总数；
步骤163，获取线对集合W的外接矩形；具体包括：
对所述直线线对集合W中所有直线段的端点坐标进行排序，获得X和Y方向对应的四个点Xmin、Xmax、Ymin和Ymax，通过上面四个点构建所有双丝的外接矩形。
2.根据权利要求1所述的双线型像质计图像处理方法，其特征在于，所述步骤1和所述步骤2之间，还进一步包括对提取的双线型像质计区域有效性判别的步骤，具体包括：对所述步骤1中提取的双线型像质计有效区域的放置位置与水平或垂直方向的夹角角度ɑ进行复核，当所述夹角角度ɑ大于5°时，则中止图像处理；当所述夹角角度ɑ小于等于5°时，则将双线型像质计有效区域的放置位置旋转至与水平方向的夹角角度为0°。
3.根据权利要求2所述的双线型像质计图像处理方法，其特征在于，所述步骤2中的对双丝图像的灰度值进行逐行累加平均计算，包括：至少使用所提取双线型像质计区域中21行的像素值进行平均值计算。
4.根据权利要求3所述的双线型像质计图像处理方法，其特征在于，所述步骤3中的基于所述逐行累加平均计算得到的图像数据，检测像素点的局部极值点，并计算局部极值点所对应的向量长度信息，具体包括：
步骤31，以横坐标以1为步长，循环计算点集中相邻三点中纵坐标的最小值，从而得到包括所有局部极小值的第一点集
Figure QLYQS_8
，n为所有局部极小值点的数量；
步骤32，以纵坐标递增的顺序排列点集P中所有的点
Figure QLYQS_9
，得到排序后的第二点集
Figure QLYQS_10
；
步骤33，对所述排序后的点集
Figure QLYQS_11
基于公式
Figure QLYQS_12
进行校验，将不符合该公式的点进行剔除，从而得到第三点集/>
Figure QLYQS_13
；
步骤34，针对第三点集
Figure QLYQS_14
，按照横坐标递增的顺序排列第三点集/>
Figure QLYQS_15
中的所有点后得到第四点集/>
Figure QLYQS_16
；
步骤35，对第四点集合
Figure QLYQS_17
的所有点按照顺序两两一组进行分组，并分别搜索每组极小值点对应的极大值点，并基于搜索结果构造多组A、B和C向量长度信息，其具体包括：
步骤351，对第四点集合
Figure QLYQS_18
的所有点按照顺序两两一组进行分组，从而得到多组极值点；
步骤352，针对第一组的第一极小值和第二极小值，搜索小于第一极小值点横坐标的第一个极大值作为第一极大值、第一极小值和第二极小值之间的极大值作为中间极大值、以及大于第二极小值点横坐标的第一个极大值作为第二极大值；
步骤353，连接第一极大值点以及第二极大值点获取第一线段；获取第一极小值点、中间极大值点以及第二极小值点到所述第一线段的垂线，将该第一极小值点、第二极小值点以及中间极大值点所对应垂线的长度顺序表示为第一组极值点对应的A、B和C向量长度信息；
步骤354，对第四点集合
Figure QLYQS_19
剩余分组的点重复步骤352以及步骤353，直到将所述多组极值点处理完毕，从而构造多组A、B和C向量长度信息。
5.根据权利要求4所述的双线型像质计图像处理方法，其特征在于，包括：
基于双丝识别公式对所述构造的多组A、B和C向量长度信息计算双丝识别结果，并基于双丝识别结果给出双丝图像的图像分辨力；
其中，所述双丝识别公式为DW = 100 × ( A+B-2C ) / ( A+ B ) ，当
Figure QLYQS_20
时，上一组线对的位置/>
Figure QLYQS_21
则为该双丝图像的图像分辨力，/>
Figure QLYQS_22
为第i组线对的图像分辨力。
6.一种双线型像质计图像处理装置，其特征在于，包括：
图像有效区域提取模块，用于从待处理双丝图像，自动提取双线型像质计图像有效区域；
数据累加模块，基于提取的双线型像质计的有效区域，对双丝图像的灰度值进行逐行累加平均计算；
目标搜索模块，基于所述逐行累加平均计算得到的双丝图像数据，检测像素点的局部极值点，并计算局部极值点所对应的向量长度信息；
分辨力计算模块，根据所述向量长度信息计算双丝识别结果，并基于双丝识别结果得到双丝图像的分辨力；
其中，所述从待处理双丝图像，自动提取双线型像质计的有效区域，具体包括：
步骤11，将所述待处理双丝图像转化为灰度图像；
步骤12，使用二维高斯模糊算子对灰度图像进行处理；
步骤13，基于自适应阈值处理算法，将步骤12得到的灰度图像转化为二值图像，所述自适应阈值通过计算图像中每个像素周围b×b大小像素块的加权均值并减去常量C得到；其中，b为阈值计算区块大小，加权系数为
Figure QLYQS_23
，加权值为/>
Figure QLYQS_24
，/>
Figure QLYQS_25
为/>
Figure QLYQS_26
邻域内像素点的像素值，常量C为自适应阈值的偏移调整量；
步骤14，对二值化图像进行降噪处理；
步骤15，基于霍夫直线检测方法确定步骤14中所得到的二值化图像中丝对的方向和位置；
步骤16，基于所述步骤15所确定的丝对的方向和位置，确定所有丝对的外接矩形框的位置，从而提取双线型像质计的有效区域；
所述步骤16中，基于所述霍夫直线检测确定丝对的方向和位置，确定所有丝对的外接矩形框的位置，从而提取双线型像质计的有效区域，具体包括：
步骤161，计算所有提取的直线线段的平均线段长度
Figure QLYQS_27
，/>
Figure QLYQS_28
为第i条直线线段的长度，M为线段总数；
步骤162，删除小于平均线段长度的直线线段后获得直线线对集合W，
Figure QLYQS_29
，m为经过删除后的线段总数；
步骤163，获取线对集合W的外接矩形；具体包括：
对所述直线线对集合W中所有直线段的端点坐标进行排序，获得X和Y方向对应的四个点Xmin、Xmax、Ymin和Ymax，通过上面四个点构建所有双丝的外接矩形。
7.一种双线型像质计图像处理设备，包括处理器以及用于存储处理器可执行计算机程序的存储器，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5任一项所述双线型像质计图像处理方法的步骤。
8.一种存储有实现双线型像质计图像处理方法的程序指令的存储介质，其特征在于，该程序指令被处理器执行时实现权利要求1至5任一项所述双线型像质计图像处理方法的步骤。
CN202310432344.9A 2023-04-21 2023-04-21 一种双线型像质计图像处理方法、装置、设备及存储介质 Active CN116168022B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310432344.9A CN116168022B (zh) 2023-04-21 2023-04-21 一种双线型像质计图像处理方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310432344.9A CN116168022B (zh) 2023-04-21 2023-04-21 一种双线型像质计图像处理方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN116168022A CN116168022A (zh) 2023-05-26
CN116168022B true CN116168022B (zh) 2023-07-11

Family

ID=86422222

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310432344.9A Active CN116168022B (zh) 2023-04-21 2023-04-21 一种双线型像质计图像处理方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN116168022B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003209654A (ja) * 2002-01-16 2003-07-25 Hitachi Ltd Ｒｔフィルムデジタイジング解像力の確認方法およびフィルムデジタイジング装置
CN111882528A (zh) * 2020-07-15 2020-11-03 苏州佳智彩光电科技有限公司 一种面向屏幕视觉检测的子像素排序方法及装置
CN113125473A (zh) * 2020-01-13 2021-07-16 中国石油天然气集团有限公司 管道x射线数字成像检测设备校验方法
CN113205497A (zh) * 2021-04-30 2021-08-03 扬州能煜检测科技有限公司 双丝型像质计图像处理方法、装置、设备及介质
CN113358670A (zh) * 2021-06-24 2021-09-07 华南理工大学 双线型像质计可识别率的测量方法、系统、设备和介质
CN114612376A (zh) * 2022-01-18 2022-06-10 华南理工大学 自动图像分辨率测量方法、装置、计算机设备和存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003209654A (ja) * 2002-01-16 2003-07-25 Hitachi Ltd Ｒｔフィルムデジタイジング解像力の確認方法およびフィルムデジタイジング装置
CN113125473A (zh) * 2020-01-13 2021-07-16 中国石油天然气集团有限公司 管道x射线数字成像检测设备校验方法
CN111882528A (zh) * 2020-07-15 2020-11-03 苏州佳智彩光电科技有限公司 一种面向屏幕视觉检测的子像素排序方法及装置
CN113205497A (zh) * 2021-04-30 2021-08-03 扬州能煜检测科技有限公司 双丝型像质计图像处理方法、装置、设备及介质
CN113358670A (zh) * 2021-06-24 2021-09-07 华南理工大学 双线型像质计可识别率的测量方法、系统、设备和介质
CN114612376A (zh) * 2022-01-18 2022-06-10 华南理工大学 自动图像分辨率测量方法、装置、计算机设备和存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
射线数字成像系统性能评估软件的研究与实现;孔雪;《中国优秀硕士学位论文全文数据库信息科技辑》;论文第19-31页 *
电力设备X射线图像质量判定及预处理系统的设计与实现;甘长鑫;《中国优秀硕士学位论文全文数据库基础科学辑》;论文第15页 *

Also Published As

Publication number Publication date
CN116168022A (zh) 2023-05-26

Similar Documents

Publication Publication Date Title
CN115841434B (zh) 一种用于气体浓度分析的红外图像增强方法
CN117408995B (zh) 基于多特征融合的电源适配器外观质量检测方法
CN111259890A (zh) 一种水位尺的水位识别方法、装置及设备
CN113514054A (zh) 一种星敏感器星点像斑检测方法及系统
CN113808121A (zh) 一种纱线亚像素级直径测量方法及系统
CN116468687A (zh) 划伤缺陷检测方法、装置及存储介质、电子设备
CN114677525B (zh) 一种基于二值图像处理的边缘检测方法
CN115272336A (zh) 基于梯度向量的金属零件缺陷精准检测方法
CN115239661A (zh) 基于图像处理的机械零件毛刺检测方法及系统
CN116129102A (zh) 一种基于改进型图像处理算法的水表识别方法及相关装置
CN112102316B (zh) 产品缺陷位置分布获取方法和装置
CN116168022B (zh) 一种双线型像质计图像处理方法、装置、设备及存储介质
CN113326749A (zh) 目标检测方法、装置以及存储介质、电子设备
CN110288540B (zh) 一种碳纤维导线x射线图像在线成像标准化方法
CN116380918A (zh) 缺陷检测方法、装置及设备
Mo et al. Digital multimeter reading recognition for automation verification
CN113554688B (zh) 一种基于单目视觉的o型密封圈尺寸测量方法
CN114550149A (zh) 基于深度学习的指针仪表读数方法及系统
CN114663681A (zh) 用于对指针式仪表进行读数的方法及其相关产品
CN113223073B (zh) 一种河道水位评估方法
CN112967303B (zh) 一种图像边缘检测及其边缘精度验证方法
CN116416251B (zh) 基于图像处理的整芯阻燃输送带质量检测方法及相关装置
CN116883401B (zh) 一种工业产品生产质量检测系统
CN118521777B (zh) 基于点扩散函数拟合的红外弱小目标检测方法及系统
CN116823753A (zh) 一种表面缺陷检测方法、装置、电子设备及存储介质

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