CN117237333A - 一种不锈钢材料表面酸洗程度检测方法 - Google Patents

Abstract

本发明公开了一种不锈钢材料表面酸洗程度检测方法，涉及数据识别领域，包括获取不锈钢材料表面的灰度图像中的多个连通域；获取每个连通域的灰度直方图，对每个灰度直方图进行灰度级压缩获取每个连通域中像素点的灰度值；获取每个连通域中每个像素点的灰度梯度方向角；获取每个连通域中每一个灰度梯度方向的像素点占比；获取每个连通域中每一个灰度梯度方向的灰度共生矩阵；获取连通域中每一个灰度梯度方向的第一能量特征值；获取灰度图像的能量特征均值，获取不锈钢材料表面的酸洗程度；本发明解决了相关技术中，在对不锈钢材料的酸洗程度识别时存在检测精确度低下，以及无法准确判断是否酸洗异常的技术问题。

Description

一种不锈钢材料表面酸洗程度检测方法

技术领域

本发明涉及数据识别技术领域，具体涉及一种不锈钢材料表面酸洗程度检测方法。

背景技术

不锈钢的生产工艺流程中包含一项退火酸洗的工艺，酸洗的主要目的是为了去除热轧表面的氧化膜，使热轧表面生成一种保护膜，但是对热轧材料进行酸洗过程中难免会产生欠酸洗和过酸洗等缺陷；过酸洗的不锈钢材料表面纹理细腻密集，欠酸洗的不锈钢材料表面出现斑驳和凹坑；不管是欠酸洗还是过酸洗都会影响不锈钢材料使用性能。

由于不锈钢的过酸洗膜和欠酸膜和正常酸洗膜存在明显区别，因此基于图像处理的酸洗程度检测成为不锈钢材料酸洗邻域的研究热点方向之一；现有技术在对酸洗程度检测检测时，在稳定环境下能够取得良好的检测效果，但是当遇到非特定环境时，比如背景颜色变化、存在光照或噪声等影响时，会造成检测精确度低下，无法准确判断是否酸洗异常。

发明内容

本发明的目的是提供一种不锈钢材料表面酸洗程度检测方法，以解决相关技术中，在对不锈钢材料的酸洗程度检测时存在检测精确度低下，以及无法准确判断是否酸洗异常的技术问题；有鉴于此，本发明通过以下方案予以实现。

一种不锈钢材料表面酸洗程度检测方法，包括以下步骤：

获取热轧酸洗后的不锈钢材料表面的灰度图像；

对所述灰度图像进行连通域检测获取所述灰度图像中的多个连通域；

获取每个所述连通域的灰度直方图，根据每个所述灰度直方图的灰度级对每个所述灰度直方图进行灰度级压缩获取每个连通域中像素点的灰度值；

获取每个所述连通域中每个像素点的灰度梯度方向角；根据每个所述连通域中每个像素点的灰度梯度方向角和每个灰度梯度方向角中包含像素点频数获取每个所述连通域中每一个灰度梯度方向的像素点占比；

获取每个所述连通域中每一个灰度梯度方向的灰度共生矩阵，根据所述灰度共生矩阵获取该连通域中每一个灰度梯度方向的第一能量特征值；

根据每个所述连通域中每一个灰度梯度方向的第一能量特征值和像素点占比获取每个所述连通域的第二能量特征值；

根据每个所述连通域的第二能量特征值获取所述灰度图像的能量特征均值，根据所述灰度图像的能量特征均值获取所述不锈钢材料表面的酸洗程度。

优选地，对所述灰度图像进行连通域检测获取所述灰度图像中的多个连通域的过程中还包括：

获取所述灰度图像中灰度值最小的像素点作为第一种子点，获取所述第一种子点的邻域像素点，根据所述第一种子点与所述邻域像素点的灰度值获取第一个连通域；

获取除第一个连通域外的灰度图像中灰度值最小的像素点最为第二种子点，根据所述第二种子点与所述第二种子点的邻域像素点的灰度值获取第二个连通域；

获取除第一个连通域和第二个连通域外的灰度图像中灰度值最小的像素点最为第三种子点，根据第三种子点与所述第三种子点的邻域像素点的灰度值获取第三个连通域；重复上述步骤获取所述灰度图像中的全部连通域。

更优选地，根据所述第一种子点与所述邻域像素点的灰度值获取第一个连通域的过程中还包括：

获取所述第一种子点的8邻域像素点；

获取每个所述8邻域像素点与所述第一种子点的灰度值差值；

设定灰度值差值的阈值，当所述灰度值差值小于所述阈值时，将所述灰度值差值对应的8邻域像素点与所述第一种子点连通；

继续以所述第一种子点为中心像素点获取所述第一种子点的8邻域像素点，获取每个所述16邻域像素点与所述第一种子点的灰度值差值；当所述灰度值差值小于所述阈值时，将所述灰度值差值对应的16邻域像素点与所述第一种子点连通；

继续以所述第一种子点为中心像素点向外扩展获取外层邻域；直到所述外层邻域中不存在灰度值差值小于所述阈值的像素点时结束上述操作，并将满足灰度值差值小于所述阈值的全部像素点与所述第一种子点连通获得所述第一个连通域。

优选地，所述像素点的灰度梯度方向角通过下式确定：

式中，为像素点在水平方向的灰度梯度值；/>为像素点在竖直方向的灰度梯度值。

更优选地，所述不同灰度梯度方向包括0度方向、45度方向、90度方向和135度方向。

更优选地，所述连通域的第二能量特征值通过下式确定：

式中，为连通域的第二能量特征值；/>为连通域中灰度梯度方向为0度方向时所占的像素点占比；/>为连通域中0度灰度梯度方向的灰度共生矩阵的第一能量特征值；/>为连通域中灰度梯度方向为45度方向时所占的像素点占比；/>为连通域中45度灰度梯度方向的灰度共生矩阵的第一能量特征值；/>为连通域中灰度梯度方向为90度方向时所占的像素点占比；/>为连通域中90度灰度梯度方向的灰度共生矩阵的第一能量特征值；/>为连通域中灰度梯度方向为135度方向时所占的像素点占比；/>为连通域中135度灰度梯度方向的灰度共生矩阵的第一能量特征值。

更优选地，所述灰度图像的能量特征均值通过下式确定：

式中，为灰度图像的能量特征均值；/>为灰度图像中第/>个连通域的第二能量特征值。

更优选地，获取所述不锈钢材料表面的酸洗程度的过程中还包括对所述灰度图像的能量特征均值进行归一化处理，归一化处理的灰度图像的能量特征均值通过下式确定：

式中，为归一化处理的灰度图像的能量特征均值；/>为灰度图像的能量特征均值；/>为指数函数。

更优选地，获取所述不锈钢材料表面的酸洗程度的过程中还包括设定第一阈值和第二阈值；当所述归一化处理的灰度图像的能量特征均值大于所述第一阈值时，所述灰度图像对应的不锈钢材表面酸洗程度为过酸洗；当所述归一化处理的灰度图像的能量特征均值小于所述第二阈值时，所述灰度图像对应的不锈钢材表面酸洗程度为欠酸洗。

更优选地，所述第一阈值为0.7，所述第二阈值为0.3。

与现有技术相比，本发明的有益效果是：

本发明提供了一种不锈钢材料表面酸洗程度检测方法，该检测方法包括获取热轧酸洗后的不锈钢材料表面的灰度图像；对灰度图像进行连通域检测获取灰度图像中的多个连通域；由此可获得灰度图像中的多个连通域；进一步地，获取每个连通域的灰度直方图，根据每个灰度直方图的灰度级对每个灰度直方图进行灰度级压缩获取每个连通域中像素点的灰度值；由此可完成对每个连通域的灰度级压缩；进一步地，获取每个连通域中每个像素点的灰度梯度方向角；根据每个连通域中每个像素点的灰度梯度方向角和每个灰度梯度方向角中包含像素点频数获取每个连通域中每一个灰度梯度方向的像素点占比；进一步地，获取每个连通域中每一个灰度梯度方向的灰度共生矩阵，根据灰度共生矩阵可确定该连通域中每一个灰度梯度方向的第一能量特征值；进一步地，根据每个连通域中每一个灰度梯度方向的第一能量特征值和像素点占比可获得每个连通域的第二能量特征值；由此，可根据每个连通域的第二能量特征值获取灰度图像的能量特征均值，并根据灰度图像的能量特征均值获取不锈钢材料表面的酸洗程度；本发明解决了相关技术中，在对不锈钢材料的酸洗程度检测时存在检测精确度低下，以及无法准确判断是否酸洗异常的技术问题。

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性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的酸洗程度检测方法的流程示意图。

具体实施方式

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，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通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，都属于本发明保护的范围。

本实施例提供了一种不锈钢材料表面酸洗程度检测方法，如图1所示，所述方法包括：

S101，对灰度图像中连通域进行灰度级压缩，获取压缩后连通域像素点灰度值。

使用工业相机采集热轧酸洗后的不锈钢材料的表面图像，对所述表面图像进行高斯滤波降噪处理和直方图均衡化处理以完成对所述表面图像的降噪处理和图像增强处理，然后对所述表面图像进行灰度处理获取所述表面图像的灰度图像。

对所述灰度图像进行连通域检测获取所述灰度图像中的多个连通域，所述对所述灰度图像进行连通域检测获取所述灰度图像中的多个连通域的过程为，获取所述灰度图像中灰度值最小的像素点作为第一种子点，获取所述第一种子点的8邻域像素点。获取每个所述8邻域像素点与所述第一种子点的灰度值差值。设定灰度值差值的阈值，当所述灰度值差值小于或等于所述阈值时，将所述灰度值差值对应的8邻域像素点与所述第一种子点连通。继续以所述第一种子点为中心像素点获取所述第一种子点的8邻域像素点，获取每个所述16邻域像素点与所述第一种子点的灰度值差值。当所述灰度值差值小于所述阈值时，将所述灰度值差值对应的16邻域像素点与所述第一种子点连通。继续以所述第一种子点为中心像素点向外扩展获取外层邻域。直到所述外层邻域中不存在灰度值差值小于所述阈值的像素点时结束上述操作，并将满足灰度值差值小于或等于所述阈值的全部像素点与所述第一种子点连通获得所述第一个连通域。

获取除第一个连通域外的灰度图像中灰度值最小的像素点最为第二种子点，根据所述第二种子点与所述第二种子点的邻域像素点的灰度值获取第二个连通域。获取除第一个连通域和第二个连通域外的灰度图像中灰度值最小的像素点最为第三种子点，根据第三种子点与所述第三种子点的邻域像素点的灰度值获取第三个连通域。重复上述步骤获取所述灰度图像中的全部连通域。

需要说明的是，本实施例中选取所述灰度值差值的阈值为5，实施者可根据具体实施要求选取其他的值所述灰度值差值的阈值。

获取每个所述连通域的灰度直方图，根据每个所述灰度直方图的灰度级对每个所述灰度直方图进行灰度级压缩获取每个连通域中像素点的灰度值，所述对每个所述灰度直方图进行灰度级压缩获取每个连通域中像素点的灰度值的过程为，将所述灰度直方图的频数为0的灰度级标记为0，将所述灰度直方图的频数为大于0的灰度级标记为1。以标记为1的第一个灰度级开始对标记为1的灰度级进行分组，所述对标记为1的灰度级进行分组的过程为：

以所述标记为1的第一个灰度级，获取所述第一个灰度级与其余标记为1的灰度级的连续性，当所述第一个灰度级与其余标记为1的灰度级的差值小于或等于3时，将所述第一个灰度级与灰度级的差值小于或等于3时的灰度级划分为第一组灰度级，然后获取除第一组灰度级外的其余标记为1的灰度级进行同样的操作，依次获取所述灰度直方图中多组灰度级。

分别获取每组灰度级的平均值，得到所述灰度直方图的压缩后的灰度级。依次获得每个所述灰度直方图的压缩后的灰度级。将所述灰度直方图的压缩后的灰度级赋值给所述灰度直方图对应的连通域内的像素点，获得经灰度级压缩后的每个连通域，并获得灰度级压缩后的每个连通域中像素点的灰度值。

S102，获取连通域中每个灰度梯度方向对应的像素点占比。

获取所述连通域中每个像素点的灰度梯度方向角，所述像素点的灰度梯度方向角通过下式确定：

式中，为像素点在水平方向的灰度梯度。/>为像素点在竖直方向的灰度梯度。

在所述连通域中的像素点的灰度梯度方向角中，将将[0°，44°]划分为0度方向，[45°，89°]划分为45度方向，[90°，134°]划分为90度方向，[135°，180°]划分为135度方向。并分别获取0度方向、45度方向、90度方向和135度方向所占的像素点占比。并将 0度方向所占的像素点占比记为，45度方向所占的像素点占比记为/>，90度方向所占的像素点占比记为/>，135度方向所占的像素点占比记为/>。所述0度方向所占的像素点占比通过下式确定：

式中，为连通域中0度方向所占的像素点占比记。/>为连通域中像素点的灰度梯度方向角为/>的像素点的频数，/>用来表示灰度梯度方向角为/>的大小。/>表示0度到180度方向之间像素点的频数。/>表示0度到44度方向之间像素点的频数。/>表示为0度到44度方向之间像素点的频数在0度到180度方向之间像素点的频数中的占比。

所述45度方向所占的像素点占比通过下式确定：

式中，为连通域中45度方向所占的像素点占比记。/>为连通域中像素点的灰度梯度方向角为/>的像素点的频数，/>用来表示灰度梯度方向角为/>的大小。/>表示0度到180度方向之间像素点的频数。/>表示45度到89度方向之间像素点的频数。/>表示为45度到89度方向之间像素点的频数在0度到180度方向之间像素点的频数中的占比。

所述90度方向所占的像素点占比通过下式确定：

式中， 为连通域中90度方向所占的像素点占比记。/>为连通域中像素点的灰度梯度方向角为/>的像素点的频数，/>用来表示灰度梯度方向角为/>的大小。/>表示0度到180度方向之间像素点的频数。/>表示90度到134度方向之间像素点的频数。/>表示为90度到135度方向之间像素点的频数在0度到180度方向之间像素点的频数中的占比。

所述135度方向所占的像素点占比通过下式确定：

式中， 为连通域中135度方向所占的像素点占比记。/>为连通域中像素点的灰度梯度方向角为/>的像素点的频数，/>用来表示灰度梯度方向角为/>的大小。/>表示0度到180度方向之间像素点的频数。/>表示135度到180度方向之间像素点的频数。表示为135度到180度方向之间像素点的频数在0度到180度方向之间像素点的频数中的占比。

依次获取每个连通域的0度方向、45度方向、90度方向和135度方向所占的像素点占比。需要说明的是，本实施例中的像素点频数指的是像素点个数，如上述步骤中的灰度梯度方向角为的像素点的频数指的是灰度梯度方向角为/>时在灰度图像中对应的像素点个数。

S103，获取连通域中每个灰度梯度方向的灰度共生矩阵的第一能量特征值。

上述步骤获得了每个连通域经灰度压缩后的灰度级，对于经灰度压缩后的灰度级为的连通域，所述连通域的灰度共生矩阵的尺寸为n*n，以步长为1获取所述连通域的灰度共生矩阵中0度方向、45度方向、90度方向和135度方向的灰度对的频数。根据所述连通域的灰度共生矩阵0度方向、45度方向、90度方向和135度方向的灰度对的频数获取所述连通域的0度方向的第一能量特征值/>、45度方向的第一能量特征值/>、90度方向的第一能量特征值/>和135度方向的第一能量特征值/>。所述连通域中不同灰度梯度方向的第一能量特征值通过下式确定：

式中，为连通域中不同灰度梯度方向的第一能量特征值，/>的取值分别为0，45，90和135，当/>的取值为0时，/>为连通域中0度方向的第一能量特征值，当/>的取值为45时，/>为连通域中45度方向的第一能量特征值，当/>的取值为90时，/>为连通域中90度方向的第一能量特征值，当/>的取值为135时，/>为连通域中135度方向的第一能量特征值。/>为连通域中不同灰度梯度方向的灰度对/>出现的频率，/>表示灰度对中的第一个值，/>表示灰度对中的第二个值。

上述步骤获得了所述连通域中0度方向的灰度共生矩阵的第一能量特征值、45度方向的灰度共生矩阵的第一能量特征值、90度方向的灰度共生矩阵的第一能量特征值和135度方向的灰度共生矩阵的第一能量特征值。依次获取每个连通域中0度方向的灰度共生矩阵的第一能量特征值、45度方向的灰度共生矩阵的第一能量特征值、90度方向的灰度共生矩阵的第一能量特征值和135度方向的灰度共生矩阵的第一能量特征值。

S104，获取不锈钢材料表面的酸洗程度。

根据连通域的中0度方向的灰度共生矩阵的第一能量特征值、45度方向的灰度共生矩阵的第一能量特征值、90度方向的灰度共生矩阵的第一能量特征值和135度方向的灰度共生矩阵的第一能量特征值，以及0度方向所占的像素点占比、45度方向所占的像素点占比/>、90度方向所占的像素点占比/>和135度方向所占的像素点占比/>可获得所述连通域的第二能量特征值。所述连通域的第二能量特征值通过下式确定：

式中，为连通域的第二能量特征值。/>为连通域中灰度梯度方向为0度方向时所占的像素点占比。/>为连通域中0度灰度梯度方向的灰度共生矩阵的第一能量特征值。/>为连通域中灰度梯度方向为45度方向时所占的像素点占比。/>为连通域中45度灰度梯度方向的灰度共生矩阵的第一能量特征值。/>为连通域中灰度梯度方向为90度方向时所占的像素点占比。/>为连通域中90度灰度梯度方向的灰度共生矩阵的第一能量特征值。/>为连通域中灰度梯度方向为135度方向时所占的像素点占比。/>为连通域中135度灰度梯度方向的灰度共生矩阵的第一能量特征值。

依次获取所述灰度图像中每个连通域的第二能量特征值。根据每个所述连通域的第二能量特征值获取所述灰度图像的能量特征均值，所述灰度图像的能量特征均值通过下式确定：

式中，为灰度图像的能量特征均值。/>为灰度图像中第/>个连通域的第二能量特征值。

需要说明的是，灰度图像的能量特征均值反映了灰度图像的灰度分布均匀程度和灰度图像中的纹理粗细程度。当灰度图像的能量特征均值/>越大时，灰度图像中的像素点灰度分布越均一。当灰度图像的能量特征均值/>越小时，灰度图像中的像素点灰度分布越不均匀，也就是说，当灰度图像的能量特征均值/>越大，表明灰度图像为一种较均一和规则变化的纹理模式。本实施例中，当灰度图像的能量特征均值/>越大时，容易造成不锈钢材料表面为过酸洗，当灰度图像的能量特征均值/>越小时，反而容易造成不锈钢材料表面为欠酸洗。因此，需要先对灰度图像的能量特征均值/>进行归一化处理，根据具体实施条件中对过酸洗和欠酸洗的要求设定阈值，并根据归一化后灰度图像的能量特征均值确定不锈钢材料表面为过酸洗或欠酸洗。

对所述灰度图像的能量特征均值进行归一化处理，归一化处理的灰度图像的能量特征均值通过下式确定：

式中，为归一化处理的灰度图像的能量特征均值。/>为灰度图像的能量特征均值。/>为指数函数。

上述步骤获得了归一化处理的灰度图像的能量特征均值。根据所述归一化处理的灰度图像的能量特征均值/>可获取所述不锈钢材料表面的酸洗长度。分别设定第一阈值和所述第一阈值，当所述归一化处理的灰度图像的能量特征均值/>大于所述第一阈值时，所述灰度图像对应的不锈钢材表面酸洗程度为过酸洗。当所述归一化处理的灰度图像的能量特征均值/>小于所述第二阈值时，所述灰度图像对应的不锈钢材表面酸洗程度为欠酸洗，由此完成对不锈钢材料表面酸洗程度的检测。

需要说明的是，本实施例中第一阈值为0.7，第二阈值为0.3。实施者可根据实施条件设定其他的值为第一阈值，也可以设定其他的值为第二阈值，本实施例中，当所述归一化处理的灰度图像的能量特征均值大于0.7时，所述灰度图像对应的不锈钢材表面酸洗程度为过酸洗。当所述归一化处理的灰度图像的能量特征均值/>小于0.7时，所述灰度图像对应的不锈钢材表面酸洗程度为欠酸洗。本实施例中的第一阈值和第二阈值是根据本实施例的实施条件设定的最佳阈值。

综上，本实施例提供了一种不锈钢材料表面酸洗程度检测方法，包括获取热轧酸洗后的不锈钢材料表面的灰度图像。对灰度图像进行连通域检测获取灰度图像中的多个连通域。获取每个连通域的灰度直方图，根据每个灰度直方图的灰度级对每个灰度直方图进行灰度级压缩获取每个连通域中像素点的灰度值。获取每个连通域中每个像素点的灰度梯度方向角。根据每个连通域中每个像素点的灰度梯度方向角和每个灰度梯度方向角中包含像素点频数获取每个连通域中每一个灰度梯度方向的像素点占比。获取每个连通域中每一个灰度梯度方向的灰度共生矩阵，根据灰度共生矩阵获取该连通域中每一个灰度梯度方向的第一能量特征值。根据每个连通域中每一个灰度梯度方向的第一能量特征值和像素点占比获取每个连通域的第二能量特征值。根据每个连通域的第二能量特征值获取灰度图像的能量特征均值，根据灰度图像的能量特征均值获取不锈钢材料表面的酸洗程度。本实施例解决了相关技术中，在对不锈钢材料的酸洗程度检测时存在检测精确度低下，以及无法准确判断是否酸洗异常的技术问题。

Claims (10)

1.一种不锈钢材料表面酸洗程度检测方法，其特征在于，包括以下步骤：

获取热轧酸洗后的不锈钢材料表面的灰度图像；

对所述灰度图像进行连通域检测获取所述灰度图像中的多个连通域；

获取每个所述连通域的灰度直方图，根据每个所述灰度直方图的灰度级对每个所述灰度直方图进行灰度级压缩获取每个连通域中像素点的灰度值；

获取每个所述连通域中每个像素点的灰度梯度方向角；根据每个所述连通域中每个像素点的灰度梯度方向角和每个灰度梯度方向角中包含像素点频数获取每个所述连通域中每一个灰度梯度方向的像素点占比；

获取每个所述连通域中每一个灰度梯度方向的灰度共生矩阵，根据所述灰度共生矩阵获取该连通域中每一个灰度梯度方向的第一能量特征值；

根据每个所述连通域中每一个灰度梯度方向的第一能量特征值和像素点占比获取每个所述连通域的第二能量特征值；

根据每个所述连通域的第二能量特征值获取所述灰度图像的能量特征均值，根据所述灰度图像的能量特征均值获取所述不锈钢材料表面的酸洗程度。

2.根据权利要求1所述的不锈钢材料表面酸洗程度检测方法，其特征在于，对所述灰度图像进行连通域检测获取所述灰度图像中的多个连通域的过程中还包括：

获取所述灰度图像中灰度值最小的像素点作为第一种子点，获取所述第一种子点的邻域像素点，根据所述第一种子点与所述邻域像素点的灰度值获取第一个连通域；

获取除第一个连通域外的灰度图像中灰度值最小的像素点最为第二种子点，根据所述第二种子点与所述第二种子点的邻域像素点的灰度值获取第二个连通域；

获取除第一个连通域和第二个连通域外的灰度图像中灰度值最小的像素点最为第三种子点，根据第三种子点与所述第三种子点的邻域像素点的灰度值获取第三个连通域；重复上述步骤获取所述灰度图像中的全部连通域。

3.根据权利要求2所述的不锈钢材料表面酸洗程度检测方法，其特征在于，根据所述第一种子点与所述邻域像素点的灰度值获取第一个连通域的过程中还包括：

获取所述第一种子点的8邻域像素点；

获取每个所述8邻域像素点与所述第一种子点的灰度值差值；

设定灰度值差值的阈值，当所述灰度值差值小于所述阈值时，将所述灰度值差值对应的8邻域像素点与所述第一种子点连通；

继续以所述第一种子点为中心像素点获取所述第一种子点的8邻域像素点，获取每个16邻域像素点与所述第一种子点的灰度值差值；当所述灰度值差值小于所述阈值时，将所述灰度值差值对应的16邻域像素点与所述第一种子点连通；

继续以所述第一种子点为中心像素点向外扩展获取外层邻域；直到所述外层邻域中不存在灰度值差值小于所述阈值的像素点时结束上述操作，并将满足灰度值差值小于所述阈值的全部像素点与所述第一种子点连通获得所述第一个连通域。

4.根据权利要求1所述的不锈钢材料表面酸洗程度检测方法，其特征在于，所述像素点的灰度梯度方向角通过下式确定：

式中，为像素点在水平方向的灰度梯度值；/>为像素点在竖直方向的灰度梯度值。

5.根据权利要求4所述的不锈钢材料表面酸洗程度检测方法，其特征在于，所述灰度梯度方向包括0度方向、45度方向、90度方向和135度方向。

6.根据权利要求5所述的不锈钢材料表面酸洗程度检测方法，其特征在于，所述连通域的第二能量特征值通过下式确定：

式中，为连通域的第二能量特征值；/>为连通域中灰度梯度方向为0度方向时所占的像素点占比；/>为连通域中0度灰度梯度方向的灰度共生矩阵的第一能量特征值；/>为连通域中灰度梯度方向为45度方向时所占的像素点占比；/>为连通域中45度灰度梯度方向的灰度共生矩阵的第一能量特征值；/>为连通域中灰度梯度方向为90度方向时所占的像素点占比；/>为连通域中90度灰度梯度方向的灰度共生矩阵的第一能量特征值；/>为连通域中灰度梯度方向为135度方向时所占的像素点占比；/>为连通域中135度灰度梯度方向的灰度共生矩阵的第一能量特征值。

7.根据权利要求6所述的不锈钢材料表面酸洗程度检测方法，其特征在于，所述灰度图像的能量特征均值通过下式确定：

式中，为灰度图像的能量特征均值；/>为灰度图像中第/>个连通域的第二能量特征值。

8.根据权利要求7所述的不锈钢材料表面酸洗程度检测方法，其特征在于，获取所述不锈钢材料表面的酸洗程度的过程中还包括对所述灰度图像的能量特征均值进行归一化处理，归一化处理的灰度图像的能量特征均值通过下式确定：

式中，为归一化处理的灰度图像的能量特征均值，/>为灰度图像的能量特征均值；为指数函数。

9.根据权利要求8所述的不锈钢材料表面酸洗程度检测方法，其特征在于，获取所述不锈钢材料表面的酸洗程度的过程中还包括设定第一阈值和第二阈值；当所述归一化处理的灰度图像的能量特征均值大于所述第一阈值时，所述灰度图像对应的不锈钢材表面酸洗程度为过酸洗；当所述归一化处理的灰度图像的能量特征均值小于所述第二阈值时，所述灰度图像对应的不锈钢材表面酸洗程度为欠酸洗。

10.根据权利要求9所述的不锈钢材料表面酸洗程度检测方法，其特征在于，所述第一阈值为0.7，所述第二阈值为0.3。