CN116740098B - 一种铝合金氩弧焊焊接图像分割方法及系统 - Google Patents
一种铝合金氩弧焊焊接图像分割方法及系统 Download PDFInfo
- Publication number
- CN116740098B CN116740098B CN202311006973.1A CN202311006973A CN116740098B CN 116740098 B CN116740098 B CN 116740098B CN 202311006973 A CN202311006973 A CN 202311006973A CN 116740098 B CN116740098 B CN 116740098B
- Authority
- CN
- China
- Prior art keywords
- pixel point
- target
- image
- edge
- index
- 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
- 238000003466 welding Methods 0.000 title claims abstract description 177
- XKRFYHLGVUSROY-UHFFFAOYSA-N Argon Chemical compound [Ar] XKRFYHLGVUSROY-UHFFFAOYSA-N 0.000 title claims abstract description 94
- 229910052786 argon Inorganic materials 0.000 title claims abstract description 47
- 229910000838 Al alloy Inorganic materials 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000003709 image segmentation Methods 0.000 title claims abstract description 18
- 238000006243 chemical reaction Methods 0.000 claims abstract description 147
- 230000007547 defect Effects 0.000 claims abstract description 92
- 230000000694 effects Effects 0.000 claims abstract description 79
- 230000031700 light absorption Effects 0.000 claims abstract description 70
- 230000011218 segmentation Effects 0.000 claims abstract description 38
- 238000004458 analytical method Methods 0.000 claims abstract description 21
- 238000009499 grossing Methods 0.000 claims abstract description 19
- 238000010606 normalization Methods 0.000 claims abstract description 17
- 238000010586 diagram Methods 0.000 claims abstract description 8
- 239000011148 porous material Substances 0.000 claims abstract description 8
- 230000000875 corresponding effect Effects 0.000 claims description 297
- 230000002596 correlated effect Effects 0.000 claims description 31
- 238000003708 edge detection Methods 0.000 claims description 5
- 230000002146 bilateral effect Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 10
- 230000006870 function Effects 0.000 description 6
- 239000007789 gas Substances 0.000 description 6
- 238000001228 spectrum Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000007306 functionalization reaction Methods 0.000 description 4
- 229910052751 metal Inorganic materials 0.000 description 4
- 239000002184 metal Substances 0.000 description 4
- 238000007711 solidification Methods 0.000 description 3
- 230000008023 solidification Effects 0.000 description 3
- 239000011800 void material Substances 0.000 description 3
- 238000002835 absorbance Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000011261 inert gas Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/54—Extraction of image or video features relating to texture
-
- 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
Abstract
本发明涉及图像分割技术领域,具体涉及一种铝合金氩弧焊焊接图像分割方法及系统,该方法包括:获取铝合金氩弧焊焊接区域对应的目标焊接图像,并对目标焊接图像分别进行图像转换和灰度归一化;确定目标转换图像中的每个像素点对应的火花特征系数和目标吸光效应指标;生成弱反光特征图;对目标焊接图像中的各个像素点进行边缘圆滑分析处理和纹理分析处理;根据灰度特征图像、纹理特征图、弱反光特征图和边缘圆滑特征图,生成气孔特征显著图;采用大津阈值分割算法,从气孔特征显著图中分割出气孔缺陷区域。本发明通过对目标焊接图像进行图像处理,生成气孔特征显著图,放大了气孔缺陷的特征,提高了气孔缺陷区域分割的准确度。
Description
技术领域
本发明涉及图像分割技术领域,具体涉及一种铝合金氩弧焊焊接图像分割方法及系统。
背景技术
铝合金氩弧焊技术被广泛应用于焊接领域。由于焊接过程大多是人为操作,往往难于控制焊接的速度,焊接速度过慢,融化金属受热时间较长,吸收气体的机会较多,而凝固时气体可能未能及时逸出,就会使焊接表面形成气孔,造成气孔缺陷,从而影响焊接的质量。因此,为了便于分析气孔缺陷的严重程度,往往需要从焊接图像中分割出气孔缺陷区域。目前,对图像进行分割时,通常采用的方式为:采用大津阈值分割算法,对采集的铝合金氩弧焊焊接图像进行分割。
然而,当采用大津阈值分割算法,从采集的焊接图像中分割出气孔缺陷区域时,经常会存在如下技术问题:
由于铝合金氩弧焊焊接图像往往是采用相机直接采集的,所以采集的铝合金氩弧焊焊接图像中气孔缺陷特征往往并不明显,因此直接采用大津阈值分割算法,对采集的铝合金氩弧焊焊接图像进行分割时,往往并不能精确地从铝合金氩弧焊焊接图像中分割出气孔缺陷区域,往往导致气孔缺陷区域分割的准确度较低。
发明内容
本发明的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本发明的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
为了解决气孔缺陷区域分割的准确度较低的技术问题,本发明提出了一种铝合金氩弧焊焊接图像分割方法及系统。
第一方面,本发明提供了一种铝合金氩弧焊焊接图像分割方法,该方法包括:
获取铝合金氩弧焊焊接区域对应的目标焊接图像,并对所述目标焊接图像分别进行图像转换和灰度归一化,得到目标转换图像和灰度特征图像;
根据所述目标转换图像中的每个像素点对应的饱和度,确定所述目标转换图像中的每个像素点对应的火花特征系数;
根据所述目标转换图像中的每个像素点对应的火花特征系数和亮度,确定所述目标转换图像中的每个像素点对应的目标吸光效应指标;
根据所述目标转换图像中的各个像素点对应的目标吸光效应指标和饱和度,生成所述目标转换图像对应的弱反光特征图;
对所述目标焊接图像中的各个像素点进行边缘圆滑分析处理,生成所述目标焊接图像对应的边缘圆滑特征图;
对所述目标焊接图像进行纹理分析处理,生成所述目标焊接图像对应的纹理特征图;
根据所述灰度特征图像、所述纹理特征图、所述弱反光特征图和所述边缘圆滑特征图,生成气孔特征显著图;
采用大津阈值分割算法,从所述气孔特征显著图中分割出气孔缺陷区域。
可选地,所述根据所述目标转换图像中的每个像素点对应的饱和度,确定所述目标转换图像中的每个像素点对应的火花特征系数,包括:
将所述目标转换图像中的每个像素点对应的预设滑窗内最大饱和度和最小饱和度的差值,确定为所述目标转换图像中的每个像素点对应的第一差异;
将所述目标转换图像中的每个像素点对应的饱和度与其对应的预设邻域内的每个像素点对应的饱和度的差值的绝对值,确定为所述预设邻域内的每个像素点对应的第二差异;
根据所述目标转换图像中的每个像素点对应的饱和度与所述预设邻域内的每个像素点对应的饱和度,确定所述预设邻域内的每个像素点对应的综合饱和指标,其中,饱和度与综合饱和指标呈正相关;
根据所述预设邻域内的各个像素点对应的综合饱和指标和第二差异,确定所述目标转换图像中的每个像素点对应的第一火花特征,其中,综合饱和指标和第二差异均与第一火花特征呈正相关;
根据所述目标转换图像中的每个像素点对应的第一差异和第一火花特征,确定所述目标转换图像中的每个像素点对应的火花特征系数,其中,第一差异和第一火花特征均与火花特征系数呈正相关。
可选地,所述根据所述目标转换图像中的每个像素点对应的火花特征系数和亮度,确定所述目标转换图像中的每个像素点对应的目标吸光效应指标,包括:
将所述目标转换图像中亮度通道中的最大值,确定为参考亮度;
将所述参考亮度与所述目标转换图像中的每个像素点对应的预设滑窗内的每个像素点对应的亮度的差值,确定为所述预设滑窗内的每个像素点对应的目标亮度差异;
根据所述预设滑窗内的每个像素点对应的亮度和目标亮度差异,确定所述预设滑窗内的每个像素点对应的第一吸光效应指标,其中,亮度与第一吸光效应指标呈负相关,目标亮度差异与第一吸光效应指标呈正相关;
根据所述预设滑窗内的各个像素点对应的第一吸光效应指标,确定所述目标转换图像中的每个像素点对应的第二吸光效应指标,其中,第一吸光效应指标和第二吸光效应指标呈正相关;
根据所述目标转换图像中的每个像素点对应的火花特征系数和第二吸光效应指标,确定所述目标转换图像中的每个像素点对应的目标吸光效应指标,其中,火花特征系数和目标吸光效应指标呈负相关,第二吸光效应指标和目标吸光效应指标呈正相关。
可选地,所述根据所述目标转换图像中的各个像素点对应的目标吸光效应指标和饱和度,生成所述目标转换图像对应的弱反光特征图,包括:
根据所述目标转换图像中的每个像素点对应的目标吸光效应指标和饱和度,确定所述目标转换图像中的每个像素点对应的弱反光指标,其中,目标吸光效应指标与弱反光指标呈正相关,饱和度与弱反光指标呈负相关;
将所述目标转换图像中的各个像素点对应的像素值,更新为对应的弱反光指标,得到弱反光特征图。
可选地,所述对所述目标焊接图像中的各个像素点进行边缘圆滑分析处理,生成所述目标焊接图像对应的边缘圆滑特征图,包括:
对所述目标焊接图像进行边缘检测,得到边缘像素点集合和非边缘像素点集合;
确定所述边缘像素点集合中的每个边缘像素点对应的边缘曲率;
根据每个边缘像素点对应的边缘曲率和其对应的预设邻域内的每个边缘像素点对应的边缘曲率,确定所述预设邻域内的每个边缘像素点对应的第一圆滑指标,其中,边缘曲率与第一圆滑指标呈正相关;
将每个边缘像素点对应的边缘曲率和其对应的预设邻域内的每个边缘像素点对应的边缘曲率的差值的绝对值,确定为所述预设邻域内的每个边缘像素点对应的第二圆滑指标;
根据所述预设邻域内的各个边缘像素点对应的第一圆滑指标和第二圆滑指标,确定所述边缘像素点集合中每个边缘像素点对应的边缘圆滑程度,其中,第一圆滑指标与边缘圆滑程度呈正相关,第二圆滑指标与边缘圆滑程度呈负相关;
将预设圆滑程度,设置为所述非边缘像素点集合中的每个非边缘像素点对应的边缘圆滑程度;
将所述目标焊接图像中的各个像素点对应的像素值,更新为对应的边缘圆滑程度,得到边缘圆滑特征图。
可选地,所述对所述目标焊接图像进行纹理分析处理,生成所述目标焊接图像对应的纹理特征图,包括:
对所述目标焊接图像进行灰度化,得到目标灰度图像;
确定所述目标灰度图像中的每个像素点对应的LBP值;
对所述目标灰度图像中的每个像素点对应的LBP值进行归一化,得到所述目标灰度图像中的每个像素点对应的目标纹理指标;
将所述目标灰度图像中的各个像素点对应的灰度值,更新为对应的目标纹理指标,得到纹理特征图。
可选地,所述根据所述灰度特征图像、所述纹理特征图、所述弱反光特征图和所述边缘圆滑特征图,生成气孔特征显著图,包括:
根据所述灰度特征图像、所述纹理特征图、所述弱反光特征图和所述边缘圆滑特征图,通过四元数傅里叶变换,得到四元傅里叶显著性图,并将得到的四元傅里叶显著性图,确定为气孔特征显著图。
可选地,所述采用大津阈值分割算法,从所述气孔特征显著图中分割出气孔缺陷区域,包括:
采用大津阈值分割算法,对所述气孔特征显著图进行阈值分割,得到分割阈值,并将所述气孔特征显著图中特征值大于所述分割阈值的像素点所在的区域,确定为候选缺陷区域;
根据所述候选缺陷区域中的各个像素点对应的特征值,确定所述候选缺陷区域对应的特征代表指标,其中,特征值与特征代表指标呈正相关;
当所述特征代表指标大于或等于预设缺陷阈值时,将所述候选缺陷区域确定为气孔缺陷区域。
可选地,所述获取铝合金氩弧焊焊接区域对应的目标焊接图像,包括:
通过CCD相机,获取铝合金氩弧焊焊接区域的表面图像,并将该表面图像,作为初始焊接图像;
采用双边滤波的去噪方法,对初始焊接图像进行去噪处理,并将去噪后的初始焊接图像,作为目标焊接图像。
第二方面,本发明提供了一种铝合金氩弧焊焊接图像分割系统,包括处理器和存储器,上述处理器用于处理存储在上述存储器中的指令以实现上述的一种铝合金氩弧焊焊接图像分割方法。
本发明具有如下有益效果:
本发明的一种铝合金氩弧焊焊接图像分割方法,通过对目标焊接图像进行图像处理,生成气孔特征显著图,放大了气孔缺陷的特征,解决了气孔缺陷区域分割的准确度较低的技术问题,提高了气孔缺陷区域分割的准确度。首先,对获取的目标焊接图像分别进行图像转换和灰度归一化,可以便于后续放大气孔缺陷的特征。接着,由于气孔缺陷是金属凝固时气体未能及时逸出使焊接表面形成的气孔,所以存在火花的区域往往是正在焊接,还没有凝固的区域,因此火花区域内往往不会存在气孔缺陷。故确定目标转换图像中的每个像素点对应的火花特征系数,可以便于后续确定火花区域。然后,综合考虑火花特征系数和亮度,可以提高目标吸光效应指标确定的准确度。其次,由于不同类型的区域的吸光效应往往不同,因此确定像素点对应的目标吸光效应指标可以便于和后续判断像素点是否为气孔缺陷像素点。继续,综合考虑目标转换图像中的各个像素点对应的目标吸光效应指标和饱和度,可以提高弱反光特征图生成的准确度。之后,对目标焊接图像中的各个像素点进行边缘圆滑分析处理,可以提高边缘圆滑特征图生成的准确度。而后,对目标焊接图像进行纹理分析处理,可以便于提取目标焊接图像的纹理特征,可以提高纹理特征图生成的准确度。其次,综合考虑灰度特征图像、纹理特征图、弱反光特征图和边缘圆滑特征图,可以得到放大了气孔缺陷特征的气孔特征显著图。最后,采用大津阈值分割算法,从气孔特征显著图中分割出气孔缺陷区域,实现了气孔缺陷区域的精确分割。相较于直接采用大津阈值分割算法,从目标焊接图像中分割出气孔缺陷区域,本发明通过量化多个与气孔缺陷相关的指标,放大了气孔缺陷特征,得到了放大了气孔缺陷特征的气孔特征显著图,并从放大了气孔缺陷特征的气孔特征显著图中分割出气孔缺陷区域,提高了气孔缺陷区域分割的准确度。
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和优点,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的介绍,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它附图。
图1为本发明的一种铝合金氩弧焊焊接图像分割方法的流程图。
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技术方案的具体实施方式、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”指的不一定是同一个实施例。此外,一个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。
本发明提供了一种铝合金氩弧焊焊接图像分割方法,该方法包括以下步骤:
获取铝合金氩弧焊焊接区域对应的目标焊接图像,并对目标焊接图像分别进行图像转换和灰度归一化,得到目标转换图像和灰度特征图像;
根据目标转换图像中的每个像素点对应的饱和度,确定目标转换图像中的每个像素点对应的火花特征系数;
根据目标转换图像中的每个像素点对应的火花特征系数和亮度,确定目标转换图像中的每个像素点对应的目标吸光效应指标;
根据目标转换图像中的各个像素点对应的目标吸光效应指标和饱和度,生成目标转换图像对应的弱反光特征图;
对目标焊接图像中的各个像素点进行边缘圆滑分析处理,生成目标焊接图像对应的边缘圆滑特征图;
对目标焊接图像进行纹理分析处理,生成目标焊接图像对应的纹理特征图;
根据灰度特征图像、纹理特征图、弱反光特征图和边缘圆滑特征图,生成气孔特征显著图;
采用大津阈值分割算法,从气孔特征显著图中分割出气孔缺陷区域。
下面对上述各个步骤进行详细展开:
参考图1,示出了本发明的一种铝合金氩弧焊焊接图像分割方法的一些实施例的流程。该铝合金氩弧焊焊接图像分割方法,包括以下步骤:
步骤S1,获取铝合金氩弧焊焊接区域对应的目标焊接图像,并对目标焊接图像分别进行图像转换和灰度归一化,得到目标转换图像和灰度特征图像。
在一些实施例中,可以获取铝合金氩弧焊焊接区域对应的目标焊接图像,并对上述目标焊接图像分别进行图像转换和灰度归一化,得到目标转换图像和灰度特征图像。
其中,铝合金氩弧焊焊接区域可以是采用铝合金氩弧焊技术进行焊接的区域。目标焊接图像可以是铝合金氩弧焊焊接区域的图像。目标转换图像可以是进行图像转换后的目标焊接图像。目标转换图像可以是HSL(Hue Saturation Lightness,颜色系统)图像。目标转换图像的H(Hue)通道是色相通道。目标转换图像的S(Saturation)通道是饱和度通道。目标转换图像的L(Lightness)通道是亮度通道。灰度特征图像可以是进行灰度归一化后的图像。
需要说明的是,对获取的目标焊接图像分别进行图像转换和灰度归一化,可以便于后续放大气孔缺陷的特征。
作为示例,本步骤可以包括以下步骤:
第一步,获取铝合金氩弧焊焊接区域对应的目标焊接图像。
例如,获取铝合金氩弧焊焊接区域对应的目标焊接图像可以包括以下子步骤:
第一子步骤,通过CCD(Charge Coupled Device,电荷耦合器件)相机,获取铝合金氩弧焊焊接区域的表面图像,并将该表面图像,作为初始焊接图像。
其中,初始焊接图像可以是RGB(Red Green Blue,色彩模式)图像。
第二子步骤,采用双边滤波的去噪方法,对初始焊接图像进行去噪处理,并将去噪后的初始焊接图像,作为目标焊接图像。
需要说明的是,对初始焊接图像进行去噪处理,可以在一定程度上消除噪声的影响,可以提高图像的质量,可以提高后续图像分割的准确度。
第二步,对目标焊接图像分别进行图像转换,得到目标转换图像。
例如,可以将目标焊接图像转换为HSL图像,并将得到的HSL图像,作为目标转换图像。
第三步,对目标焊接图像进行灰度归一化,得到灰度特征图像。
例如,可以对目标焊接图像进行灰度化,并将灰度化后的目标焊接图像作为目标灰度图像,对目标灰度图像中的各个像素点对应的灰度值进行归一化,得到灰度特征图像。其中,灰度特征图像可以是对目标焊接图像依次进行灰度化和归一化后得到的图像。
步骤S2,根据目标转换图像中的每个像素点对应的饱和度,确定目标转换图像中的每个像素点对应的火花特征系数。
在一些实施例中,可以根据上述目标转换图像中的每个像素点对应的饱和度,确定上述目标转换图像中的每个像素点对应的火花特征系数。
需要说明的是,采用氩弧焊技术的焊接场景下,虽然氩气属于一种惰性气体,但一般情况下采用氩弧焊技术进行焊接时往往还是会产生一定量的火花,并且由于气孔缺陷是金属凝固时气体未能及时逸出使焊接表面形成的气孔,而存在火花的区域往往是正在焊接,还没有凝固的区域,因此火花区域内往往不会存在气孔缺陷。故确定目标转换图像中的每个像素点对应的火花特征系数,可以便于后续确定火花区域。
作为示例,本步骤可以包括以下步骤:
第一步,将上述目标转换图像中的每个像素点对应的预设滑窗内最大饱和度和最小饱和度的差值,确定为上述目标转换图像中的每个像素点对应的第一差异。
其中,预设滑窗可以是预先设置的滑动窗口。例如,预设滑窗可以是7×7的滑动窗口。像素点可以位于该像素点对应的预设滑窗的中心。像素点对应的预设滑窗内可以包括该像素点。像素点对应的预设滑窗内最大饱和度可以是该像素点对应的预设滑窗内所有像素点对应的饱和度中的最大值。像素点对应的预设滑窗内最小饱和度可以是该像素点对应的预设滑窗内所有像素点对应的饱和度中的最小值。像素点对应的饱和度可以是该像素点对应的HSL三通道值中的S通道值。
第二步,将上述目标转换图像中的每个像素点对应的饱和度与其对应的预设邻域内的每个像素点对应的饱和度的差值的绝对值,确定为上述预设邻域内的每个像素点对应的第二差异。
其中,预设邻域可以是预先设置的邻域。例如,预设邻域可以是7×7的邻域。像素点对应的预设邻域内可以不包括该像素点。
第三步,根据上述目标转换图像中的每个像素点对应的饱和度与上述预设邻域内的每个像素点对应的饱和度,确定上述预设邻域内的每个像素点对应的综合饱和指标。
其中,饱和度可以与综合饱和指标呈正相关。
第四步,根据上述预设邻域内的各个像素点对应的综合饱和指标和第二差异,确定上述目标转换图像中的每个像素点对应的第一火花特征。
其中,综合饱和指标和第二差异均可以与第一火花特征呈正相关。
第五步,根据上述目标转换图像中的每个像素点对应的第一差异和第一火花特征,确定上述目标转换图像中的每个像素点对应的火花特征系数。
其中,第一差异和第一火花特征均可以与火花特征系数呈正相关。
例如,确定目标转换图像中的每个像素点对应的火花特征系数对应的公式可以为:
;
其中,是目标转换图像中第x个像素点对应的火花特征系数。/>是目标转换图像中第x个像素点对应的预设滑窗内最大饱和度,也就是目标转换图像中第x个像素点对应的预设滑窗内所有像素点对应的饱和度中的最大值。/>是目标转换图像中第x个像素点对应的预设滑窗内最小饱和度,也就是目标转换图像中第x个像素点对应的预设滑窗内所有像素点对应的饱和度中的最小值。/>和/>是预先设置的大于0的因子,比如,。/>是目标转换图像中第x个像素点对应的第一火花特征。是目标转换图像中第x个像素点对应的第一差异。/>是目标转换图像中第x个像素点对应的预设邻域内,第i个像素点对应的与综合饱和指标和第二差异正相关的指标。/>是目标转换图像中第x个像素点对应的预设邻域内像素点的数量。/>是目标转换图像中第x个像素点对应的饱和度。/>是目标转换图像中第x个像素点对应的预设邻域内,第i个像素点对应的饱和度。/>是目标转换图像中第x个像素点对应的预设邻域内,第i个像素点对应的第二差异。/>是/>的绝对值。/>是目标转换图像中第x个像素点对应的预设邻域内,第i个像素点对应的综合饱和指标。是/>归一化后的值,其值对应的取值范围可以为[0,1]。/>是归一化函数,可以实现归一化。x是目标转换图像中像素点的序号。i是第x个像素点对应的预设邻域内像素点的序号。和/>均与/>呈正相关。/>和/>均与/>呈正相关。/>和/>均与/>呈正相关。
需要说明的是,正常的焊接区域一般呈现白银色,其饱和度较低。气孔由于内部反射性较差的原因,往往呈现为黑色,黑色的饱和度一般为0。火花的颜色往往比较深,其饱和度一般较大。所以当越大时,往往说明第x个像素点与其邻域像素点对应的饱和度越大,往往说明第x个像素点越可能是火花像素点。由于相较于气孔缺陷区域和正常的焊接区域的饱和度变化幅度,火花区域的饱和度变化幅度往往相对较大,所以/>和越大时,往往说明第x个像素点周围的饱和度变化越大,往往说明第x个像素点越可能是火花像素点。因此当/>越大时,往往说明第x个像素点越可能是火花像素点。/>可以避免/>为0时,导致/>直接为0的情况。/>可以避免/>为0时,导致/>直接为0的情况。
步骤S3,根据目标转换图像中的每个像素点对应的火花特征系数和亮度,确定目标转换图像中的每个像素点对应的目标吸光效应指标。
在一些实施例中,可以根据上述目标转换图像中的每个像素点对应的火花特征系数和亮度,确定上述目标转换图像中的每个像素点对应的目标吸光效应指标。
需要说明的是,综合考虑火花特征系数和亮度,可以提高目标吸光效应指标确定的准确度。其次,由于不同类型的区域的吸光效应往往不同,因此确定像素点对应的目标吸光效应指标可以便于和后续判断像素点是否为气孔缺陷像素点。
作为示例,本步骤可以包括以下步骤:
第一步,将上述目标转换图像中亮度通道(L通道)中的最大值,确定为参考亮度。
第二步,将上述参考亮度与上述目标转换图像中的每个像素点对应的预设滑窗内的每个像素点对应的亮度的差值,确定为上述预设滑窗内的每个像素点对应的目标亮度差异。
其中,像素点对应的亮度可以是该像素点对应的HSL三通道值中的L通道值。
第三步,根据上述预设滑窗内的每个像素点对应的亮度和目标亮度差异,确定上述预设滑窗内的每个像素点对应的第一吸光效应指标。
其中,亮度可以与第一吸光效应指标呈负相关。目标亮度差异可以与第一吸光效应指标呈正相关。
第四步,根据上述预设滑窗内的各个像素点对应的第一吸光效应指标,确定上述目标转换图像中的每个像素点对应的第二吸光效应指标。
其中,第一吸光效应指标可以和第二吸光效应指标呈正相关。
第五步,根据上述目标转换图像中的每个像素点对应的火花特征系数和第二吸光效应指标,确定上述目标转换图像中的每个像素点对应的目标吸光效应指标。
其中,火花特征系数可以和目标吸光效应指标呈负相关。第二吸光效应指标可以和目标吸光效应指标呈正相关。
例如,确定目标转换图像中的每个像素点对应的目标吸光效应指标对应的公式可以为:
;
其中,是目标转换图像中第x个像素点对应的目标吸光效应指标。/>是参考亮度,也就是目标转换图像中亮度通道中的最大值,也就是目标转换图像中所有像素点对应的亮度中的最大值。/>是目标转换图像中第x个像素点对应的预设滑窗内,第j个像素点对应的亮度。/>是目标转换图像中第x个像素点对应的预设滑窗内,第j个像素点对应的目标亮度差异。/>和/>是预先设置的调节参数。比如,/>。是目标转换图像中第x个像素点对应的预设滑窗内,第j个像素点对应的第一吸光效应指标。/>与/>呈正相关。/>与/>呈负相关。/>是目标转换图像中第x个像素点对应的预设滑窗内像素点的数量。/>是目标转换图像中第x个像素点对应的第二吸光效应指标。/>与/>呈正相关。/>是目标转换图像中第x个像素点对应的与火花特征系数呈负相关的指标。/>是目标转换图像中第x个像素点对应的火花特征系数。/>是以自然常数为底/>的对数。/>与/>呈负相关。与/>呈正相关。/>是/>归一化后的值,其值对应的取值范围可以为[0,1]。/>是归一化函数,可以实现归一化。x是目标转换图像中像素点的序号。j是第x个像素点对应的预设滑窗内像素点的数量。
需要说明的是,由于气孔的形成是在金属凝固后形成的,所以火花特征系数较大的像素点是气孔缺陷像素点的可能性越小。此外,焊接产生的气孔一般分为单个气孔、密集气孔以及链状气孔,气孔内由于反光效应较弱往往导致气孔较暗,而其他区域由于反光效应较强往往导致局部较亮。由于光线入射到气孔内而无法正常的反射出,说明气孔具有吸收光线的效应。因此像素点对应的目标吸光效应指标越大,往往说明该像素点越可能是气孔缺陷像素点。当越大时,往往说明第x个像素点对应的预设滑窗内第j个像素点对应的亮度越小,并且第j个像素点对应的亮度与/>之间的差异越大,往往说明第j个像素点越暗,往往说明第j个像素点越可能是反光效应较差的气孔缺陷像素点。所以当/>越大时,往往说明第x个像素点越可能是反光效应较差的气孔缺陷像素点。当/>越大时,往往说明第x个像素点越可能是火花像素点,相应地第x个像素点就越可能不是气孔缺陷像素点。因此,当/>越大时,往往说明第x个像素点及其周围像素点越暗,往往说明第x个像素点的吸光效应越强,并且越不具备火花特征,往往说明第x个像素点就越可能是气孔缺陷像素点。/>主要用于防止分母为0。/>主要为了防止对数中的真数为0。
步骤S4,根据目标转换图像中的各个像素点对应的目标吸光效应指标和饱和度,生成目标转换图像对应的弱反光特征图。
在一些实施例中,可以根据上述目标转换图像中的各个像素点对应的目标吸光效应指标和饱和度,生成上述目标转换图像对应的弱反光特征图。
需要说明的是,综合考虑目标转换图像中的各个像素点对应的目标吸光效应指标和饱和度,可以提高弱反光特征图生成的准确度。
作为示例,本步骤可以包括以下步骤:
第一步,根据上述目标转换图像中的每个像素点对应的目标吸光效应指标和饱和度,确定上述目标转换图像中的每个像素点对应的弱反光指标。
其中,目标吸光效应指标可以与弱反光指标呈正相关。饱和度可以与弱反光指标呈负相关。
例如,确定目标转换图像中的每个像素点对应的弱反光指标对应的公式可以为:
;
其中,是目标转换图像中第x个像素点对应的弱反光指标。是/>归一化后的值,其值对应的取值范围可以为[0,1]。/>是归一化函数,可以实现归一化。/>是目标转换图像中第x个像素点对应的目标吸光效应指标。/>是目标转换图像中第x个像素点对应的饱和度。/>是自然常数的/>次方。/>是以自然常数为底的指数函数。/>与/>呈负相关。/>与/>呈正相关。x是目标转换图像中像素点的序号。
需要说明的是,当越大时,往往说明第x个像素点及其周围像素点越暗,往往说明第x个像素点的吸光效应越强,并且越不具备火花特征,往往说明第x个像素点就越可能是气孔缺陷像素点。气孔缺陷区域由于反光效应较弱的缘故往往呈现黑色,而黑色的饱和度一般为0,相较于正常的焊接区域和火花区域,气孔缺陷区域的饱和度相对较小。所以当越小时,往往说明第x个像素点就越可能是气孔缺陷像素点。因此当/>越大时,往往说明第x个像素点就越可能是气孔缺陷像素点。/>
第二步,将上述目标转换图像中的各个像素点对应的像素值,更新为对应的弱反光指标,得到弱反光特征图。
例如,将上述目标转换图像中的各个像素点对应的像素值,更新为其对应的弱反光指标,并将此次更新得到的图像作为弱反光特征图。
步骤S5,对目标焊接图像中的各个像素点进行边缘圆滑分析处理,生成目标焊接图像对应的边缘圆滑特征图。
在一些实施例中,可以对上述目标焊接图像中的各个像素点进行边缘圆滑分析处理,生成上述目标焊接图像对应的边缘圆滑特征图。
需要说明的是,对目标焊接图像中的各个像素点进行边缘圆滑分析处理,可以提高边缘圆滑特征图生成的准确度。
作为示例,本步骤可以包括以下步骤:
第一步,对上述目标焊接图像进行边缘检测,得到边缘像素点集合和非边缘像素点集合。
其中,边缘像素点集合中的边缘像素点可以是目标焊接图像中边缘上的像素点。非边缘像素点集合中的非边缘像素点可以是目标焊接图像中除了边缘之外的像素点。
例如,可以通过Canny边缘检测算子,对目标焊接图像进行边缘检测,将检测到的边缘上的像素点作为边缘像素点,并将目标焊接图像中除了边缘之外的像素点,作为非边缘像素点。
第二步,确定上述边缘像素点集合中的每个边缘像素点对应的边缘曲率。
其中,边缘像素点对应的边缘曲率可以表征该边缘像素点处边缘的弯曲程度。
例如,可以利用有限差分算法,确定边缘像素点集合中的每个边缘像素点对应的边缘曲率。
第三步,根据每个边缘像素点对应的边缘曲率和其对应的预设邻域内的每个边缘像素点对应的边缘曲率,确定上述预设邻域内的每个边缘像素点对应的第一圆滑指标。
其中,边缘曲率可以与第一圆滑指标呈正相关。
第四步,将每个边缘像素点对应的边缘曲率和其对应的预设邻域内的每个边缘像素点对应的边缘曲率的差值的绝对值,确定为上述预设邻域内的每个边缘像素点对应的第二圆滑指标。
第五步,根据上述预设邻域内的各个边缘像素点对应的第一圆滑指标和第二圆滑指标,确定上述边缘像素点集合中每个边缘像素点对应的边缘圆滑程度。
其中,第一圆滑指标可以与边缘圆滑程度呈正相关。第二圆滑指标可以与边缘圆滑程度呈负相关。
例如,确定目标焊接图像中的每个边缘像素点对应的边缘圆滑程度对应的公式可以为:
;
其中,是目标焊接图像中第y个边缘像素点对应的边缘圆滑程度。/>是目标焊接图像中第y个边缘像素点对应的预设邻域内边缘像素点的数量。/>是目标焊接图像中第y个边缘像素点对应的边缘曲率。/>是目标焊接图像中第y个边缘像素点对应的预设邻域内,第t个边缘像素点对应的边缘曲率。/>是/>归一化后的值,其值对应的取值范围可以为[0,1]。/>是归一化函数,可以实现归一化。/>是/>的绝对值。/>是目标焊接图像中第y个边缘像素点对应的预设邻域内,第t个边缘像素点对应的第一圆滑指标。/>和/>均与/>呈正相关。/>是目标焊接图像中第y个边缘像素点对应的预设邻域内,第t个边缘像素点对应的第二圆滑指标。/>和/>呈正相关。/>与/>呈负相关。/>是预先设置的大于0的因子,主要用于防止分母为0,比如,/>可以取0.01。
需要说明的是,由于气孔缺陷往往近似为圆形,所以气孔缺陷边缘往往有一定的弯曲度,并且气孔缺陷边缘的弯曲度往往较大,其次相邻气孔缺陷像素点对应的边缘曲率往往比较均匀。再者,在焊接场景下除了气孔边缘之外的其他边缘大多是由于焊接产生的,由于焊接往往受人为影响,所以其他边缘往往较为凌乱,曲率变化往往较大。当越大时,往往说明第y个边缘像素点和其邻域边缘像素点对应的边缘曲率越大,往往说明第y个边缘像素点越可能是气孔边缘像素点。当/>越小时,往往说明第y个边缘像素点和其邻域边缘像素点对应的边缘曲率越相似,往往说明边缘越规则,往往说明第y个边缘像素点越可能是气孔边缘像素点。因此当/>越大时,往往说明目标焊接图像中第y个边缘像素点越可能是气孔边缘像素点。
第六步,将预设圆滑程度,设置为上述非边缘像素点集合中的每个非边缘像素点对应的边缘圆滑程度。
其中,预设圆滑程度可以是预先设置的边缘圆滑程度。预设圆滑程度可以是0。
第七步,将上述目标焊接图像中的各个像素点对应的像素值,更新为对应的边缘圆滑程度,得到边缘圆滑特征图。
步骤S6,对目标焊接图像进行纹理分析处理,生成目标焊接图像对应的纹理特征图。
在一些实施例中,可以对上述目标焊接图像进行纹理分析处理,生成上述目标焊接图像对应的纹理特征图。
需要说明的是,对目标焊接图像进行纹理分析处理,可以便于提取目标焊接图像的纹理特征,可以提高纹理特征图生成的准确度。
作为示例,本步骤可以包括以下步骤:
第一步,对上述目标焊接图像进行灰度化,得到目标灰度图像。
其中,目标灰度图像可以是进行灰度化后的目标焊接图像。
第二步,确定上述目标灰度图像中的每个像素点对应的LBP(Local BinaryPatterns,局部二值模式)值。
例如,可以通过LBP算法,确定目标灰度图像中的每个像素点对应的LBP值。
第三步,对上述目标灰度图像中的每个像素点对应的LBP值进行归一化,得到上述目标灰度图像中的每个像素点对应的目标纹理指标。
其中,像素点对应的目标纹理指标可以是该像素点对应的LBP值进行归一化后的值。
第四步,将上述目标灰度图像中的各个像素点对应的灰度值,更新为对应的目标纹理指标,得到纹理特征图。
例如,可以将目标灰度图像中的各个像素点对应的灰度值,更新为其对应的目标纹理指标,并将此次更新得到的图像作为纹理特征图。
步骤S7,根据灰度特征图像、纹理特征图、弱反光特征图和边缘圆滑特征图,生成气孔特征显著图。
在一些实施例中,可以根据上述灰度特征图像、上述纹理特征图、上述弱反光特征图和上述边缘圆滑特征图,生成气孔特征显著图。
需要说明的是,综合考虑灰度特征图像、纹理特征图、弱反光特征图和边缘圆滑特征图,可以得到放大了气孔缺陷特征的气孔特征显著图。
作为示例,可以根据上述灰度特征图像、上述纹理特征图、上述弱反光特征图和上述边缘圆滑特征图,通过四元数傅里叶变换,得到四元傅里叶显著性图,并将得到的四元傅里叶显著性图,确定为气孔特征显著图。
例如,可以根据灰度特征图像、纹理特征图、弱反光特征图和边缘圆滑特征图,利用四元数傅里叶变换的相位谱模型PQRT算法,计算目标焊接图像中的每个像素点的超复数四元数对应的公式可以为:
;
其中,是目标焊接图像中第f个像素点的超复数四元数。/>是目标焊接图像中第f个像素点对应在灰度特征图像中的灰度值,也就是目标焊接图像中第f个像素点对应的归一化后的灰度值。/>是目标焊接图像中第f个像素点对应在纹理特征图中的像素值,也就是目标焊接图像中第f个像素点对应的目标纹理指标。/>是目标焊接图像中第f个像素点对应在弱反光特征图中的像素值,也就是目标焊接图像中第f个像素点对应的弱反光指标。/>是目标焊接图像中第f个像素点对应在边缘圆滑特征图中的像素值,也就是目标焊接图像中第f个像素点对应的边缘圆滑程度。/>、/>和/>表示虚数单位。
由此,利用四元数傅里叶变换(四元数傅里叶变化)的相位谱模型PQRT算法,遍历目标焊接图像中每个像素点的超复数四元数,获取超复数四元数矩阵,对其进行超复数傅里叶变换,获取对应的振幅频谱和相位谱,进而利用不同尺度的高斯核函数获取振幅频谱的尺度空间,最后进行四元数傅里叶反变换,进而得到显著图,记为气孔特征显著图。
步骤S8,采用大津阈值分割算法,从气孔特征显著图中分割出气孔缺陷区域。
在一些实施例中,可以采用大津阈值分割算法,从上述气孔特征显著图中分割出气孔缺陷区域。
其中,气孔缺陷区域可以是气孔缺陷所在的区域。
需要说明的是,采用大津阈值分割算法,从气孔特征显著图中分割出气孔缺陷区域,实现了气孔缺陷区域的精确分割。相较于直接采用大津阈值分割算法,从目标焊接图像中分割出气孔缺陷区域,本发明从放大了气孔缺陷特征的气孔特征显著图中分割出气孔缺陷区域,提高了气孔缺陷区域分割的准确度。
作为示例,本步骤可以包括以下步骤:
第一步,采用大津阈值分割算法,对上述气孔特征显著图进行阈值分割,得到分割阈值,并将上述气孔特征显著图中特征值大于上述分割阈值的像素点所在的区域,确定为候选缺陷区域。
其中,分割阈值可以是通过大津阈值分割算法,得到的阈值。像素点对应的特征值可以是该像素点在气孔特征显著图中的像素值。
第二步,根据上述候选缺陷区域中的各个像素点对应的特征值,确定上述候选缺陷区域对应的特征代表指标。
其中,特征值可以与特征代表指标呈正相关。
例如,可以将候选缺陷区域中所有像素点对应的特征值的均值归一化后的值,作为特征代表指标。
第三步,当上述特征代表指标大于或等于预设缺陷阈值时,将上述候选缺陷区域确定为气孔缺陷区域。
其中,预设缺陷阈值可以是预先设置的阈值。例如,预设缺陷阈值可以是0.7。
基于与上述方法实施例相同的发明构思,本发明提供了一种铝合金氩弧焊焊接图像分割系统,该系统包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,上述计算机程序被处理器执行时实现一种铝合金氩弧焊焊接图像分割方法的步骤。
综上,本发明采用大津阈值分割算法,从气孔特征显著图中分割出气孔缺陷区域,实现了气孔缺陷区域的精确分割。相较于直接采用大津阈值分割算法,从目标焊接图像中分割出气孔缺陷区域,本发明通过量化多个与气孔缺陷相关的指标,放大了气孔缺陷特征,得到了放大了气孔缺陷特征的气孔特征显著图,并从放大了气孔缺陷特征的气孔特征显著图中分割出气孔缺陷区域,提高了气孔缺陷区域分割的准确度。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,均应包含在本发明的保护范围之内。
Claims (6)
1.一种铝合金氩弧焊焊接图像分割方法,其特征在于,包括以下步骤:
获取铝合金氩弧焊焊接区域对应的目标焊接图像,并对所述目标焊接图像分别进行图像转换和灰度归一化,得到目标转换图像和灰度特征图像;
根据所述目标转换图像中的每个像素点对应的饱和度,确定所述目标转换图像中的每个像素点对应的火花特征系数;
根据所述目标转换图像中的每个像素点对应的火花特征系数和亮度,确定所述目标转换图像中的每个像素点对应的目标吸光效应指标;
根据所述目标转换图像中的各个像素点对应的目标吸光效应指标和饱和度,生成所述目标转换图像对应的弱反光特征图;
对所述目标焊接图像中的各个像素点进行边缘圆滑分析处理,生成所述目标焊接图像对应的边缘圆滑特征图;
对所述目标焊接图像进行纹理分析处理,生成所述目标焊接图像对应的纹理特征图;
根据所述灰度特征图像、所述纹理特征图、所述弱反光特征图和所述边缘圆滑特征图,生成气孔特征显著图;
采用大津阈值分割算法,从所述气孔特征显著图中分割出气孔缺陷区域;
所述根据所述目标转换图像中的每个像素点对应的饱和度,确定所述目标转换图像中的每个像素点对应的火花特征系数,包括:
将所述目标转换图像中的每个像素点对应的预设滑窗内最大饱和度和最小饱和度的差值,确定为所述目标转换图像中的每个像素点对应的第一差异;
将所述目标转换图像中的每个像素点对应的饱和度与其对应的预设邻域内的每个像素点对应的饱和度的差值的绝对值,确定为所述预设邻域内的每个像素点对应的第二差异;
根据所述目标转换图像中的每个像素点对应的饱和度与所述预设邻域内的每个像素点对应的饱和度,确定所述预设邻域内的每个像素点对应的综合饱和指标,其中,饱和度与综合饱和指标呈正相关;
根据所述预设邻域内的各个像素点对应的综合饱和指标和第二差异,确定所述目标转换图像中的每个像素点对应的第一火花特征,其中,综合饱和指标和第二差异均与第一火花特征呈正相关;
根据所述目标转换图像中的每个像素点对应的第一差异和第一火花特征,确定所述目标转换图像中的每个像素点对应的火花特征系数,其中,第一差异和第一火花特征均与火花特征系数呈正相关;
所述根据所述目标转换图像中的每个像素点对应的火花特征系数和亮度,确定所述目标转换图像中的每个像素点对应的目标吸光效应指标,包括:
将所述目标转换图像中亮度通道中的最大值,确定为参考亮度;
将所述参考亮度与所述目标转换图像中的每个像素点对应的预设滑窗内的每个像素点对应的亮度的差值,确定为所述预设滑窗内的每个像素点对应的目标亮度差异;
根据所述预设滑窗内的每个像素点对应的亮度和目标亮度差异,确定所述预设滑窗内的每个像素点对应的第一吸光效应指标,其中,亮度与第一吸光效应指标呈负相关,目标亮度差异与第一吸光效应指标呈正相关;
根据所述预设滑窗内的各个像素点对应的第一吸光效应指标,确定所述目标转换图像中的每个像素点对应的第二吸光效应指标,其中,第一吸光效应指标和第二吸光效应指标呈正相关;
根据所述目标转换图像中的每个像素点对应的火花特征系数和第二吸光效应指标,确定所述目标转换图像中的每个像素点对应的目标吸光效应指标,其中,火花特征系数和目标吸光效应指标呈负相关,第二吸光效应指标和目标吸光效应指标呈正相关;
所述根据所述目标转换图像中的各个像素点对应的目标吸光效应指标和饱和度,生成所述目标转换图像对应的弱反光特征图,包括:
根据所述目标转换图像中的每个像素点对应的目标吸光效应指标和饱和度,确定所述目标转换图像中的每个像素点对应的弱反光指标,其中,目标吸光效应指标与弱反光指标呈正相关,饱和度与弱反光指标呈负相关;
将所述目标转换图像中的各个像素点对应的像素值,更新为对应的弱反光指标,得到弱反光特征图;
所述对所述目标焊接图像中的各个像素点进行边缘圆滑分析处理,生成所述目标焊接图像对应的边缘圆滑特征图,包括:
对所述目标焊接图像进行边缘检测,得到边缘像素点集合和非边缘像素点集合;
确定所述边缘像素点集合中的每个边缘像素点对应的边缘曲率;
根据每个边缘像素点对应的边缘曲率和其对应的预设邻域内的每个边缘像素点对应的边缘曲率,确定所述预设邻域内的每个边缘像素点对应的第一圆滑指标,其中,边缘曲率与第一圆滑指标呈正相关;
将每个边缘像素点对应的边缘曲率和其对应的预设邻域内的每个边缘像素点对应的边缘曲率的差值的绝对值,确定为所述预设邻域内的每个边缘像素点对应的第二圆滑指标;
根据所述预设邻域内的各个边缘像素点对应的第一圆滑指标和第二圆滑指标,确定所述边缘像素点集合中每个边缘像素点对应的边缘圆滑程度,其中,第一圆滑指标与边缘圆滑程度呈正相关,第二圆滑指标与边缘圆滑程度呈负相关;
将预设圆滑程度,设置为所述非边缘像素点集合中的每个非边缘像素点对应的边缘圆滑程度;
将所述目标焊接图像中的各个像素点对应的像素值,更新为对应的边缘圆滑程度,得到边缘圆滑特征图。
2.根据权利要求1所述的一种铝合金氩弧焊焊接图像分割方法,其特征在于,所述对所述目标焊接图像进行纹理分析处理,生成所述目标焊接图像对应的纹理特征图,包括:
对所述目标焊接图像进行灰度化,得到目标灰度图像;
确定所述目标灰度图像中的每个像素点对应的LBP值;
对所述目标灰度图像中的每个像素点对应的LBP值进行归一化,得到所述目标灰度图像中的每个像素点对应的目标纹理指标;
将所述目标灰度图像中的各个像素点对应的灰度值,更新为对应的目标纹理指标,得到纹理特征图。
3.根据权利要求1所述的一种铝合金氩弧焊焊接图像分割方法,其特征在于,所述根据所述灰度特征图像、所述纹理特征图、所述弱反光特征图和所述边缘圆滑特征图,生成气孔特征显著图,包括:
根据所述灰度特征图像、所述纹理特征图、所述弱反光特征图和所述边缘圆滑特征图,通过四元数傅里叶变换,得到四元傅里叶显著性图,并将得到的四元傅里叶显著性图,确定为气孔特征显著图。
4.根据权利要求1所述的一种铝合金氩弧焊焊接图像分割方法,其特征在于,所述采用大津阈值分割算法,从所述气孔特征显著图中分割出气孔缺陷区域,包括:
采用大津阈值分割算法,对所述气孔特征显著图进行阈值分割,得到分割阈值,并将所述气孔特征显著图中特征值大于所述分割阈值的像素点所在的区域,确定为候选缺陷区域;
根据所述候选缺陷区域中的各个像素点对应的特征值,确定所述候选缺陷区域对应的特征代表指标,其中,特征值与特征代表指标呈正相关;
当所述特征代表指标大于或等于预设缺陷阈值时,将所述候选缺陷区域确定为气孔缺陷区域。
5.根据权利要求1所述的一种铝合金氩弧焊焊接图像分割方法,其特征在于,所述获取铝合金氩弧焊焊接区域对应的目标焊接图像,包括:
通过CCD相机,获取铝合金氩弧焊焊接区域的表面图像,并将该表面图像,作为初始焊接图像;
采用双边滤波的去噪方法,对初始焊接图像进行去噪处理,并将去噪后的初始焊接图像,作为目标焊接图像。
6.一种铝合金氩弧焊焊接图像分割系统,其特征在于,包括处理器和存储器,所述处理器用于处理存储在所述存储器中的指令以实现权利要求1-5中任一项所述的一种铝合金氩弧焊焊接图像分割方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311006973.1A CN116740098B (zh) | 2023-08-11 | 2023-08-11 | 一种铝合金氩弧焊焊接图像分割方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311006973.1A CN116740098B (zh) | 2023-08-11 | 2023-08-11 | 一种铝合金氩弧焊焊接图像分割方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116740098A CN116740098A (zh) | 2023-09-12 |
CN116740098B true CN116740098B (zh) | 2023-10-27 |
Family
ID=87909898
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311006973.1A Active CN116740098B (zh) | 2023-08-11 | 2023-08-11 | 一种铝合金氩弧焊焊接图像分割方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116740098B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116993742B (zh) * | 2023-09-28 | 2023-12-22 | 中色(天津)新材料科技有限公司 | 基于机器视觉的镍合金轧制缺陷检测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105976352A (zh) * | 2016-04-14 | 2016-09-28 | 北京工业大学 | 一种基于灰度图像形态学的焊缝表面缺陷特征提取方法 |
WO2020107717A1 (zh) * | 2018-11-30 | 2020-06-04 | 长沙理工大学 | 视觉显著性区域检测方法及装置 |
CN113744243A (zh) * | 2021-09-03 | 2021-12-03 | 上海柏楚电子科技股份有限公司 | 焊缝跟踪检测的图像处理方法、装置、设备与介质 |
CN114550021A (zh) * | 2022-04-25 | 2022-05-27 | 深圳市华汉伟业科技有限公司 | 基于特征融合的表面缺陷检测方法及设备 |
CN115330772A (zh) * | 2022-10-12 | 2022-11-11 | 南通通力油泵有限公司 | 一种在线焊点质量检测方法 |
CN116433669A (zh) * | 2023-06-14 | 2023-07-14 | 山东兴华钢结构有限公司 | 基于机器视觉的抗震结构钢架焊缝质量检测方法 |
-
2023
- 2023-08-11 CN CN202311006973.1A patent/CN116740098B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105976352A (zh) * | 2016-04-14 | 2016-09-28 | 北京工业大学 | 一种基于灰度图像形态学的焊缝表面缺陷特征提取方法 |
WO2020107717A1 (zh) * | 2018-11-30 | 2020-06-04 | 长沙理工大学 | 视觉显著性区域检测方法及装置 |
CN113744243A (zh) * | 2021-09-03 | 2021-12-03 | 上海柏楚电子科技股份有限公司 | 焊缝跟踪检测的图像处理方法、装置、设备与介质 |
CN114550021A (zh) * | 2022-04-25 | 2022-05-27 | 深圳市华汉伟业科技有限公司 | 基于特征融合的表面缺陷检测方法及设备 |
CN115330772A (zh) * | 2022-10-12 | 2022-11-11 | 南通通力油泵有限公司 | 一种在线焊点质量检测方法 |
CN116433669A (zh) * | 2023-06-14 | 2023-07-14 | 山东兴华钢结构有限公司 | 基于机器视觉的抗震结构钢架焊缝质量检测方法 |
Non-Patent Citations (1)
Title |
---|
金属表面缺陷自适应分割算法;马云鹏;李庆武;何飞佳;刘艳;席淑雅;;仪器仪表学报(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116740098A (zh) | 2023-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11127122B2 (en) | Image enhancement method and system | |
Wang et al. | Biologically inspired image enhancement based on Retinex | |
CN110008969B (zh) | 图像显著性区域的检测方法和装置 | |
JP4870617B2 (ja) | 画像データの自動マッピング方法及び画像処理デバイス | |
JP3506958B2 (ja) | 画像処理方法、画像処理装置及び記録媒体 | |
JP2012008100A (ja) | 画像処理装置、画像処理方法及び画像処理プログラム | |
CN116740098B (zh) | 一种铝合金氩弧焊焊接图像分割方法及系统 | |
CN110570360B (zh) | 一种基于Retinex的鲁棒和全面的低质量光照图像增强方法 | |
CN107123124B (zh) | 视网膜图像分析方法、装置和计算设备 | |
JP2011521521A (ja) | 最適映像選択 | |
JP2002314817A (ja) | マスクを用いて写真画像の鮮鋭度を局部的に変更するための方法、装置、プログラムおよび記録媒体、並びに画像再生装置 | |
CN111161222B (zh) | 一种基于视觉显著性的印刷辊筒缺陷检测方法 | |
CN116309559B (zh) | 一种中硼硅玻璃生产瑕疵智能识别方法 | |
CN114820394B (zh) | 一种基于稳健参数估计的图像噪点滤波方法及装置 | |
CN114022383A (zh) | 一种文字图像的摩尔纹祛除方法、装置及电子设备 | |
CN115423723B (zh) | 自适应铁路货车异常检测训练集图像增强方法 | |
CN114359083B (zh) | 一种面向干扰环境的高动态热红外图像自适应预处理方法 | |
JP4147155B2 (ja) | 画像処理装置および方法 | |
CN114723728A (zh) | 一种手机摄像头玻璃盖板丝印cd纹缺陷检测方法及系统 | |
JP4445026B2 (ja) | 画像処理方法および装置並びにプログラム | |
Long et al. | An Efficient Method For Dark License Plate Detection | |
JPH10269352A (ja) | 画像処理装置および方法 | |
CN116843690B (zh) | 图像质量评估方法、设备及系统 | |
CN116883401B (zh) | 一种工业产品生产质量检测系统 | |
CN117314766B (zh) | 一种手机钢化玻璃膜表面图像增强方法和系统 |
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 |