CN116703920B - 基于图像处理的石墨保温桶裂纹检测方法 - Google Patents

Abstract

本发明涉及图像数据处理领域，具体涉及基于图像处理的石墨保温桶裂纹检测方法，包括：采集保温桶侧面图像并进行预处理得到边缘检测图像；根据边缘检测图像和构建的关联度检测算子得到第一关联性参数；根据第一关联性参数得到第二关联性参数；根据第二关联性参数得到自适应滑动窗口的大小；根据自适应滑动窗口的大小和第二关联性参数得到方向限制相似权重系数；根据方向限制相似权重系数得到图像的权重；根据图像的权重和去除噪声前的图像得到去除噪声后的图像，根据去除噪声后的图像通过边缘检测确定出石墨保温桶侧面的裂纹。本发明用图像数据处理方式对当前图像数据进行噪声处理，得到去除噪声后的图像，使得对图像中的裂纹检测更加明显。

Description

基于图像处理的石墨保温桶裂纹检测方法

技术领域

本发明涉及图像数据处理技术领域，具体涉及基于图像处理的石墨保温桶裂纹检测方法。

背景技术

石墨保温桶是一种保温隔热容器，它的主要特点是采用石墨材料作为保温层，具有优异的保温性能和耐腐蚀性能，石墨保温桶通常用于存储液态化学品、食品、医药产品等需要在一定温度下稳定保存的物品。

对于石墨保温桶的裂纹检测常采用边缘检测技术，但石墨保温桶略微粗糙的表面会产生较多的噪音，影响边缘检测对于裂纹边缘提取的效果，因此需要进行去噪处理。石墨保温桶的裂纹存在一定的分布特点，裂纹呈现从边缘延伸的纵向条带状分布，具有一定的局部区域结构相似性，利用非局部均值滤波进行去噪处理，能有效去除粗糙表面噪音，保留裂纹区域边缘细节信息。

非局部均值去噪的窗口大小和权值参数对图像去噪结果有着较大的影响，且一般需要人为设置，而不合适窗口大小和权值参数会对细小裂纹进行过渡平滑，影响裂纹检测结果。本发明利用石墨桶裂纹的纵向关联性特点，计算关联性参数，调节非局部均值去噪的搜索窗口与邻域窗口大小，并计算方向限制相似权重，对非局部均值去噪的权值参数进行改进，最终获得自适应的非局部均值滤波去噪效果，便于石墨桶裂纹的边缘检测处理。

发明内容

本发明提供基于图像处理的石墨保温桶裂纹检测方法，以解决现有的问题。

本发明的基于图像处理的石墨保温桶裂纹检测方法采用如下技术方案：

本发明一个实施例提供了基于图像处理的石墨保温桶裂纹检测方法，该方法包括以下步骤：

采集保温桶灰度图像并进行预处理得到边缘检测图像；

根据边缘检测图像和构建的关联度检测算子得到边缘检测图像中每个像素点的第一关联性参数；

根据边缘检测图像中每个像素点的第一关联性参数得到边缘检测图像中边缘线段上像素点的第二关联性参数；

根据边缘检测图像中边缘线段上像素点的第二关联性参数得到若干区间，根据区间将边缘检测图像划分为若干图像块，获得每个图像块的自适应滑动窗口的大小；

根据自适应滑动窗口的大小和图像块中边缘线段中像素点的第二关联性参数得到方向限制相似权重系数；

根据方向限制相似权重系数得到保温桶灰度图像内每个像素点的权重；

根据像素点的权重对保温桶灰度图像去噪得到去除噪声后的图像，根据去除噪声后的图像通过边缘检测确定出石墨保温桶侧面的裂纹。

进一步地，所述边缘检测图像中每个像素点的第一关联性参数的具体获取方法为：

以每个像素点为中心，构建一个预设大小的窗口，记为纵向关联度检测算子；

将边缘检测图像中边缘像素点标记为1，非边缘像素点标记为0，获取关联度检测算子的窗口内标记为1的像素点序列，获取标记为1的像素点序列的元素数量，记为每个像素点第一关联性参数。

进一步地，所述第二关联性参数的具体获取公式为：

式中，表示每个边缘线段上的第i个像素点的第一关联性参数，k表示每个线段 上的像素点个数，表示每个边缘线段上像素点的第二关联性参数。

进一步地，所述根据边缘检测图像中边缘线段上像素点的第二关联性参数得到若干区间，根据列区间将边缘检测图像划分为若干图像块，包括的具体方法为：

对每列像素点的第二关联性参数进行相加，得到每列的和，记为每列的列和值，将 每列的列和值记为；其中n表示边缘检测图像的列数，表示第n列的列 和值；

根据计算的每列的列和值记为列和序列；

预设一个关联性阈值G；获取列和序列中大于关联性阈值G的列和值所对应的列， 记为近似裂纹列，近似裂纹列构成了若干个区间，分别记为,t表示得到 的区间个数，表示第t个区间；

区间中所有列上的像素构成一个图像块，分别获取中所有列上 像素点构成的图像块。

进一步地，所述自适应滑动窗口的大小的具体获取方法为：

对于任意一个区间对应的图像块，获取一个长为m，宽为n的自适应滑动窗口，其中m为区间的长度，m为区间内所有列上的边缘像素点的第二关联性参数均值。

进一步地，所述方向限制相似权重系数的具体获取公式为：

式中，是以自然数为底的指数函数，其中，将任意一个自适应滑动窗口记为 当前窗口，为当前邻域窗口内边缘线段最大第二关联性参数，整个边缘检测 图像中边缘线段最小第二关联性参数，整个边缘检测图像中边缘线段最大第二关联 性参数，表示自适应滑动窗口的方向限制相似权重系数。

进一步地，所述保温桶灰度图像内每个像素点的权重的具体获取方法为：

式中，用来表示两个矩阵之间的点乘，是高斯矩阵， 表示图像块和之间的高斯加权欧式距离，表示以第i个像素点为中心的窗口 内所有像素点构成的矩阵，表示以第j个像素点为中心的窗口内所有像素点构成的矩 阵，其中窗口大小为，表示窗口对应的方向限制相似权重系数，代表与邻域 窗口大小有关的控制滤波平滑程度的滤波系数。

本发明的技术方案的有益效果是：

（1）本申请相对于现有技术的好处在于：能够根据石墨保温桶的裂纹分布特点计算纵向关联性参数，实现非局部均值滤波去噪的搜索窗口和邻域窗口的大小自适应调整，控制细节裂纹区域与平滑区域的滤波效果。

（2）本申请相对于现有技术的好处在于：能够根据石墨保温桶裂纹纵向关联性参数计算方向限制相似权重，实现方向限制的非局部均值滤波去噪，对裂纹的边缘细节信息更好的保留。

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，下面将对实施例或现有技术描述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为本发明基于图像处理的石墨保温桶裂纹检测方法的步骤流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的基于图像处理的石墨保温桶裂纹检测方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的基于图像处理的石墨保温桶裂纹检测方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的基于图像处理的石墨保温桶裂纹检测方法的步骤流程图，该方法包括以下步骤：

步骤S001：采集石墨保温桶表面图像并进行预处理。

用像机采集石墨保温桶的四个侧面方向的图像，使得对保温桶每一个侧面都采集上，避免石墨保温桶侧面裂纹的漏检。

将采集到的图像进行灰度化预处理，得到所需的保温桶灰度图像，根据保温桶灰度图像使用Canny边缘检测得到边缘检测图像。

至此，得到保温桶边缘检测图像。

步骤S002：根据获得的图像裂纹纵向关联性计算自适应限制相似性权值，并进行非局部均值滤波去噪。

需要说明的是，石墨保温桶表面的裂纹自边缘处开始，向内部纵向延伸，具有纵向关联性，具有纵向关联性的像素点坐标序列组成可能细节裂纹区域，进一步遍历可能细节裂纹区域，获得纵向关联性参数，并进一步获得局部自适应的搜索窗口与领域窗口大小，再根据纵向关联性参数获得方向限制相似权重，实现非局部均值滤波的方向限制调整。

局部区域像素点的纵向关联性参数越大，其属于细节裂纹边缘的可能性越大，方向限制相似权重越大，非局部均值滤波时纹理得到保留，其余部分视作噪音进行平滑抑制。

（1）构建纵向关联度检测算子，计算局部区域纵向第一关联性参数。

由于边缘检测图像中保温桶的裂纹像素点在整个图像的像素点中占少数一部分，又由于边缘检测图像也是一个二值图像，所以将边缘检测图像中少数部分的区域像素点标记为1，即代表边缘像素点，其余部分记为0，代表非边缘像素点。

具体地，构建纵向关联度检测算子，该算子是一个的窗口，且算子中的值都 为1，然后用纵向关联度检测算子来遍历边缘检测图像，即分别以每个像素点作为窗口的中 心，最后统计窗口内除中心点外的像素点为1的数量作为窗口中心像素点的局部区域纵向 第一关联性参数。

则第一关联性参数的公式可表示为：

式中，表示中心像素点的局部区域纵向第一关联性参数，x表示窗口内标记为1 的像素点序列，为计数函数。

其中，第一关联性参数的取值范围为，越大，表示边缘检测图 像中的窗口中心像素点越趋近于保温桶裂纹像素点，反之越小，表示边缘检测图像中的窗 口中心像素点越不趋近于保温桶裂纹像素点。

在使用纵向关联度检测算子来遍历边缘检测图像时，由于边缘检测图像中的边界 像素点没法进行遍历，所以将边缘检测图像中的边缘像素点的第一关联性参数均设置 为2。由于石墨保温桶裂纹具有的纵向关联性，所以仅保留的点。由此，获得第一关 联性参数集合。

（2）根据获得的第一关联性参数集合，计算第二关联性参数。

需要说明的是，由于第一关联性参数只是根据纵向相邻的像素点的关系获得的，关联性关系比较弱，所以通过纵向所有相关的像素点获得第二关联性参数来增强第一关联性参数，使得相邻像素点之间的关联性越强。

具体地，以边缘检测图像中的一条边缘线段为例进行叙述，且将这条分析的边缘 线段记为目标边缘线段，遍历边缘检测图像中的第一关联性参数集合集合，求取每条边 缘上的第一关联性参数的累加和作为第二关联性参数。

则第二关联性参数的公式为：

式中，表示目标边缘线段上的第i个像素点的第一关联性参数，k表示目标线段 上的像素点个数，表示目标边缘线段上像素点的第二关联性参数，即在同一个边缘线段 上的边缘像素点的第二关联性参数相同。

以此类推，能够得到边缘检测图像中的所有线段的第二关联性参数以及每条线段上的所有像素点的第二关联性参数。

（3）根据第二关联性参数集合，获得自适应领域窗口的宽度n和长度m。

以边缘检测图像中的行为横坐标，以每行上每个像素点的第二关联性参数为纵坐标，来构建坐标系。

根据获得的所有像素点的第二关联性参数，对每列像素点的第二关联性参数 进行相加，得到每列的和，记为每列的列和值，将每列的列和值记为。其 中n表示边缘检测图像的列数，表示第n列的列和值。

根据上述计算的每列的列和值，记为列和序列。

需要说明的是，由于在边缘检测图像中有裂纹的出现，所以在拟合曲线中会出现高峰。通过设置阈值，让高峰附近的值保留，通过分析高峰附近的值获取自适应窗口的大小。

进一步需要说明的是，由于边缘检测图像中裂纹对应的像素点的值大，所以通过分析拟合曲线的高峰获取增强图像的滑动窗口的宽度。

预设一个关联性阈值G，其中本实施例以为例进行叙述，本实施例不进行具 体限定，其中G可根据具体实施情况而定。当列和序列的每一列的值大于关联性阈值G时，表 示该列很可能为石墨保温桶的裂纹，所以获取列和序列中大于关联性阈值G的列和值，这些 列和值所对应的列，记为近似裂纹列，这些近似裂纹列构成了若干个区间，分别记为,t表示得到的区间个数，表示第t个区间；也即区间 内的所有列对应的列和值都大于G。

获取区间中所有列上的像素，这些像素构成一个图像块，同理分别获取中所有列上像素点构成的图像块。至此每个区间对应得到一个图像块，图像 块的宽度等于对应区域的长度，图像块高度等于边缘检测图像的高度。

（4）根据自适应窗口和第二关联性参数得到方向限制相似权重系数。

需要说明的是，纵向区域第二关联性参数本身是由纵向关联度求取的，以此计 算的方向限制相似权重系数也会具有纵向的方向限制性。

对于任意一个区间对应的图像块，获取一个长为m，宽为n的窗口，其中m为区间的长度，m为区间内所有列上的边缘像素点的第二关联性参数均值，也即图像块内边缘像素点的第二关联性参数均值。

方向限制相似权重系数由区间窗口内的边缘线段最大第二关联性参数决定。

将该窗口在该图像块上以1为步长从上到下滑动，将滑动过程中的任意一个窗口记为当前邻域窗口。

具体地当前领域窗口内的边缘线段最大第二关联性参数的值越大，区间方 向限制相似权重系数越大，其当前邻域窗口区域方向限制相似性越高，因此，方向限制相 似权重系数的计算公式为：

式中，为自适应滑动窗口内边缘线段最大第二关联性参数，整个边 缘检测图像中边缘线段最小第二关联性参数，整个边缘检测图像中边缘线段最大第 二关联性参数，表示自适应滑动窗口的方向限制相似权重系数，是与当前邻域窗口内边 缘线段最大第二关联性参数相关联的。

其中，方向限制相似权重系数为边缘线段最大第二关联性参数的总体占 比率，占比越大，方向限制相似权重系数值越大。

至此，获得了任意一个图像块中每个窗口对应的方向限制相似权重系数，便于 后续的非局部均值滤波求取。

（5）根据方向限制相似权重系数实现非局部均值滤波去噪。

对于任意图像进行如下分析：

根据获得的方向限制相似权重系数和自适应的邻域窗口大小进行非局部均值 滤波去噪。

非局部均值滤波去噪是一个加权平均的过程：

式中，表示该图像块上的第i个像素点去噪后的灰度值，表示在保温桶灰 度图像内该图像块上的第j个像素点去噪前的灰度值，表示以第i个像素为中心、大小为的窗口，代表赋予该窗口内第j个像素点的权值。

其中，的公式为：

式中，用来表示两个矩阵之间的点乘，是高斯矩阵， 表示图像块和之间的高斯加权欧式距离，表示以第i个像素点为中心的窗口 内所有像素点构成的矩阵，表示以第j个像素点为中心的窗口内所有像素点构成的矩 阵，其中窗口大小为，表示窗口对应的方向限制相似权重系数，代表窗口大 小有关的控制滤波平滑程度的滤波系数，代表赋予噪声图像的权值。

其中，由于包含的噪声较多，本实施例应采用较大的值，但在本实施例中不 宜过大，通常的取值范围在10-30，本实施例以为例进行叙述，本实施例不 进行具体限定，其中可根据具体实施情况而定。

至此，对所有图像块进行上述方式滤波，得到所有去噪后的图像块。

需要说明的是，非局部均值滤波去噪只对上述区间对应的图像 块进行去噪，对于保温桶灰度图像内其它区域的则保持不变，至此，得到去噪后的保温桶灰 度图像。

步骤S003：根据去噪结果，完成保温桶裂纹的边缘检测与分析。

根据方向限制相似权重系数实现方向限制的非局部均值滤波去噪获得的去噪 后图像，对石墨保温桶裂纹区域的细节信息实现了自适应滤波保存，对于其余部分粗糙表 面产生的噪声进行了压制与去除，便于后续的边缘检测与分析处理。

对去噪后的石墨保温桶裂纹图像进行Canny边缘检测，识别出各个类裂缝缺陷后，需可视化显示到相应的显示器上，标注出位置、长度、宽度及方向等信息，以便用户更加直观的查看石墨保温桶表面裂纹的异常情况。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.基于图像处理的石墨保温桶裂纹检测方法，其特征在于，该方法包括以下步骤：

采集保温桶灰度图像并进行预处理得到边缘检测图像；

根据边缘检测图像和构建的关联度检测算子得到边缘检测图像中每个像素点的第一关联性参数；

根据边缘检测图像中每个像素点的第一关联性参数得到边缘检测图像中边缘线段上像素点的第二关联性参数；

根据边缘检测图像中边缘线段上像素点的第二关联性参数得到若干区间，根据区间将边缘检测图像划分为若干图像块，获得每个图像块的自适应滑动窗口的大小；

根据自适应滑动窗口的大小和图像块中边缘线段中像素点的第二关联性参数得到方向限制相似权重系数；

根据方向限制相似权重系数得到保温桶灰度图像内每个像素点的权重；

根据像素点的权重对保温桶灰度图像去噪得到去除噪声后的图像，根据去除噪声后的图像通过边缘检测确定出石墨保温桶侧面的裂纹；

所述边缘检测图像中每个像素点的第一关联性参数的具体获取方法为：

以每个像素点为中心，构建一个预设大小的窗口，记为纵向关联度检测算子；

将边缘检测图像中边缘像素点标记为1，非边缘像素点标记为0，获取关联度检测算子的窗口内标记为1的像素点序列，获取标记为1的像素点序列的元素数量，记为每个像素点第一关联性参数；

所述第二关联性参数的具体获取公式为：

式中，表示每个边缘线段上的第i个像素点的第一关联性参数，k表示每个线段上的像素点个数，/>表示每个边缘线段上像素点的第二关联性参数；

所述根据边缘检测图像中边缘线段上像素点的第二关联性参数得到若干区间，根据列区间将边缘检测图像划分为若干图像块，包括的具体方法为：

对每列像素点的第二关联性参数进行相加，得到每列的和，记为每列的列和值，将每列的列和值记为；其中Q表示边缘检测图像的列数，/>表示第Q列的列和值；

根据计算的每列的列和值记为列和序列；

预设一个关联性阈值G；获取列和序列中大于关联性阈值G的列和值所对应的列，记为近似裂纹列，近似裂纹列构成了若干个区间，分别记为,t表示得到的区间个数，/>表示第t个区间；

区间中所有列上的像素构成一个图像块，分别获取/>中所有列上像素点构成的图像块；

所述自适应滑动窗口的大小的具体获取方法为：

对于任意一个区间对应的图像块，获取一个长为m，宽为n的自适应滑动窗口，其中m为区间的长度，n为区间内所有列上的边缘像素点的第二关联性参数均值；

所述方向限制相似权重系数的具体获取公式为：

式中，是以自然数为底的指数函数，其中，将任意一个自适应滑动窗口记为当前窗口，/>为当前邻域窗口内边缘线段最大第二关联性参数，/>整个边缘检测图像中边缘线段最小第二关联性参数，/>整个边缘检测图像中边缘线段最大第二关联性参数，/>表示自适应滑动窗口的方向限制相似权重系数；

所述保温桶灰度图像内每个像素点的权重的具体获取方法为：

式中，用来表示两个矩阵之间的点乘，/>是高斯矩阵，/>表示图像块/>和/>之间的高斯加权欧式距离，/>表示以第i个像素点为中心的窗口内所有像素点构成的矩阵，/>表示以第j个像素点为中心的窗口内所有像素点构成的矩阵，其中窗口大小为/>，/>表示窗口对应的方向限制相似权重系数，/>代表与邻域窗口大小/>有关的控制滤波平滑程度的滤波系数。