CN117455907A - 一种基于图像处理的腐蚀产物膜厚度统计方法及系统 - Google Patents
一种基于图像处理的腐蚀产物膜厚度统计方法及系统 Download PDFInfo
- Publication number
- CN117455907A CN117455907A CN202311773693.3A CN202311773693A CN117455907A CN 117455907 A CN117455907 A CN 117455907A CN 202311773693 A CN202311773693 A CN 202311773693A CN 117455907 A CN117455907 A CN 117455907A
- Authority
- CN
- China
- Prior art keywords
- thickness
- corrosion product
- product film
- image
- dividing
- 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.)
- Granted
Links
- 230000007797 corrosion Effects 0.000 title claims abstract description 130
- 238000005260 corrosion Methods 0.000 title claims abstract description 130
- 238000012545 processing Methods 0.000 title claims abstract description 30
- 238000007619 statistical method Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 28
- 239000011159 matrix material Substances 0.000 claims description 36
- 230000011218 segmentation Effects 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 7
- 230000000903 blocking effect Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000005530 etching Methods 0.000 claims 1
- 238000012800 visualization Methods 0.000 abstract description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000003709 image segmentation Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 239000007789 gas Substances 0.000 description 3
- 239000003345 natural gas Substances 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- 229910000975 Carbon steel Inorganic materials 0.000 description 1
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- 244000137852 Petrea volubilis Species 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 239000010962 carbon steel Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003822 epoxy resin Substances 0.000 description 1
- 239000008398 formation water Substances 0.000 description 1
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 229920000647 polyepoxide Polymers 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/10056—Microscopic image
- G06T2207/10061—Microscopic image from scanning electron microscope
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 Processing (AREA)
Abstract
本发明属于图像处理技术领域，提供了一种基于图像处理的腐蚀产物膜厚度统计方法及系统，通过对管道表面腐蚀产物膜的多张图像进行拼接，得到一张整体图像，在此基础上，对整体图像进行分割，得到腐蚀产物膜特征区域；然后，根据厚度垂直方向的像素点数量，对腐蚀产物膜特征区域进行厚度层划分，并统计每一厚度层的像素点数量；根据像素点数量，得到每一厚度层的厚度；通过对多张图像进行拼接，得到能够代表管道表面腐蚀产物膜较大区域内的整体图像后再进行厚度统计，实现了对大范围高分辨率腐蚀产物膜厚度的可视化和定量统计，能够获得腐蚀产物膜厚度在大范围内的分布特征；通过计算像素点数量，得到每一厚度层的厚度，保证了厚度统计的准确性。
Description
技术领域
本发明属于图像处理技术领域，尤其涉及一种基于图像处理的腐蚀产物膜厚度统计方法及系统。
背景技术
在石油和天然气工业中，碳钢广泛用于石油和天然气管道，管道内表面容易受到二氧化碳、硫化氢等气体的腐蚀损害，管道外表面会受到微生物、地层水等的腐蚀，并在管道表面形成腐蚀产物膜。腐蚀产物膜的结构、形态等特征反映了材料的腐蚀机制，同时会极大地影响腐蚀进程，因此需要对腐蚀产物膜的结构、形态等进行研究，其中腐蚀产物膜的厚度是评价膜层结构的关键参数之一。
目前，计算腐蚀产物膜厚度的方法是基于对单张扫描电子显微镜（ScanningElectron Microscope，SEM）截面图像的观察，主观选区估计腐蚀产物膜厚度，准确度较低；并且，由于腐蚀产物膜在管道表面的分布不均匀，膜层厚度也呈现明显的不均匀特征，基于对单张扫描电子显微镜截面图像的腐蚀产物膜厚度统计方法，只得到小范围区域的腐蚀产物膜厚度，代表性较差，无法反映腐蚀产物膜厚度的分布特征。
发明内容
本发明为了解决上述问题，提出了一种基于图像处理的腐蚀产物膜厚度统计方法及系统，本发明能够对大范围高分辨率的腐蚀产物膜厚度进行准确的可视化和定量统计，能够获得腐蚀产物膜厚度在大范围内的分布特征。
为了实现上述目的，本发明是通过如下的技术方案来实现：
第一方面，本发明提供了一种基于图像处理的腐蚀产物膜厚度统计方法，包括：
获取管道表面腐蚀产物膜的多张图像；
对多张图像进行拼接，得到一张整体图像；具体的，将每张图像分成多个网格元胞，对每个网格元胞估计一个单应性矩阵；去除错误匹配点，寻找最佳单应矩阵并计算全局单应矩阵；依据全局单应矩阵，分块计算移动线性变换中的权重矩阵并映射，得到拼接后的图像；
对整体图像进行分割，得到腐蚀产物膜特征区域；具体的，通过阈值把灰度直方图分割成目标和背景两组数据，当分割的两组数据的类间方差最大时，得到最佳分割阈值，根据最佳分割阈值对整体图像进行分割；
根据厚度垂直方向的像素点数量，对腐蚀产物膜特征区域进行厚度层划分，并统计每一厚度层的像素点数量；根据统计的像素点数量，得到每一厚度层的厚度。
进一步的，通过扫描电子显微镜连续拍摄，得到管道表面腐蚀产物膜的多张截面图像；拍摄时以清晰分辨出腐蚀产物膜内外表面界线为原则确定放大倍数；在确定的放大倍数下，沿管道基体表面方向对管道截面进行连续拍摄。
进一步的，多张图像中，所有连续的两张图像存在重叠区域。
进一步的，对多张图像进行降噪处理；具体的，根据相似窗计算高斯核并归一化高斯核；根据归一化后的高斯核计算邻域图像块之间的欧式距离，遍历所有像素点，得到当前图像块的中心像素点的最终加权欧式距离；根据最终加权欧式距离计算权值函数；更新当前图像块的中心像素点的值；加权值初始化为零，更新叠加权值，直至遍历完图像，最终得到当前图像块的中心像素点处的加权值；根据中心像素点处的加权值重构得到图像。
进一步的，提取多张图像的特征点，通过相似性度量进行特征匹配；将多张图像进行拼接，得到腐蚀产物膜截面形貌的全景图像。
进一步的，依据拼接后整体图像中灰度值不同，分割出腐蚀产物膜和背景。
进一步的，根据厚度垂直方向的像素点数量将腐蚀产物膜划分为多个厚度层；对所有厚度层进行逐层扫描并统计每一厚度层两界面间的像素点个数；将像素点尺寸转化为厚度，完成腐蚀产物膜的厚度统计。
第二方面，本发明还提供了一种基于图像处理的腐蚀产物膜厚度统计系统，包括：
数据采集模块，被配置为：获取管道表面腐蚀产物膜的多张图像；
图像拼接模块，被配置为：对多张图像进行拼接，得到一张整体图像；具体的，将每张图像分成多个网格元胞，对每个网格元胞估计一个单应性矩阵；去除错误匹配点，寻找最佳单应矩阵并计算全局单应矩阵；依据全局单应矩阵，分块计算移动线性变换中的权重矩阵并映射，得到拼接后的图像；
特征分割模块，被配置为：对整体图像进行分割，得到腐蚀产物膜特征区域；具体的，通过阈值把灰度直方图分割成目标和背景两组数据，当分割的两组数据的类间方差最大时，得到最佳分割阈值，根据最佳分割阈值对整体图像进行分割；
厚度统计模块，被配置为：根据厚度垂直方向的像素点数量，对腐蚀产物膜特征区域进行厚度层划分，并统计每一厚度层的像素点数量；根据统计的像素点数量，得到每一厚度层的厚度。
第三方面，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现了第一方面所述的基于图像处理的腐蚀产物膜厚度统计方法的步骤。
第四方面，本发明还提供了一种电子设备，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，所述处理器执行所述程序时实现了第一方面所述的基于图像处理的腐蚀产物膜厚度统计方法的步骤。
与现有技术相比，本发明的有益效果为：
1、本发明中，通过对管道表面腐蚀产物膜的多张截面图像进行拼接，得到能够代表管道表面腐蚀产物膜较大区域内的一张整体图像，在此基础上，对整体图像进行分割，得到腐蚀产物膜特征区域；然后，根据厚度垂直方向的像素点数量，对腐蚀产物膜特征区域进行厚度层划分，并统计每一厚度层的像素点数量；根据统计的像素点数量，得到每一厚度层的厚度。通过对多张图像进行拼接，得到能够代表管道表面腐蚀产物膜较大区域内的整体图像后再进行厚度统计，实现了对大范围高分辨率的腐蚀产物膜厚度的可视化和定量统计，能够获得腐蚀产物膜厚度在大范围内的分布特征，并且通过计算像素点数量，得到每一厚度层的厚度，进一步保证了厚度统计的准确性。
2、本发明中，对图像进行降噪预处理，改善图像质量，使腐蚀产物膜内外层分界线能清晰分辨出；对拍摄的图像进行图像配准和图像拼接，获得腐蚀产物膜截面形貌的全景图像，可以尽量全面反映腐蚀产物膜的厚度分布情况，在高分辨率前提下增大了腐蚀产物膜图像观察范围，相比于利用单张图像进行厚度估计更具代表性。
3、本发明中，通过对拼接得到的全景图像进行图像分割，实现了腐蚀产物膜的识别和提取；依据像素点划分腐蚀产物膜厚度层，再逐层统计像素点数量并转化为厚度，可以实现对腐蚀产物膜厚度的自动化定量统计，保证了统计厚度的准确性。
附图说明
构成本实施例的一部分的说明书附图用来提供对本实施例的进一步理解，本实施例的示意性实施例及其说明用于解释本实施例，并不构成对本实施例的不当限定。
图1为本发明实施例1的方法流程图；
图2为本发明实施例1的使用扫描电子显微镜拍摄的试样截面形貌图像；
图3为本发明实施例1的降噪预处理后的图像；
图4为本发明实施例1的配准和拼接后的图像；
图5为本发明实施例1的分割后的图像；
图6为本发明实施例1的厚度统计示意图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
实施例1：
石油和天然气管道的管线钢表面受到腐蚀形成的腐蚀产物膜会极大地影响腐蚀进程，因此，需要对腐蚀产物膜厚度进行研究，加深对腐蚀行为的认识，传统的计算腐蚀产物膜厚度方法是根据单张图像进行估计，主要基于对局部扫描电子显微镜截面图像的观察，代表性和准确度较低。具体的，由于腐蚀产物膜在管道表面的分布不均匀，膜层厚度也呈现明显的不均匀特征，基于对单张扫描电子显微镜截面图像的腐蚀产物膜厚度统计方法，只得到小范围区域的腐蚀产物膜厚度，代表性较差，无法反映腐蚀产物膜厚度的分布特征。
针对上述问题，本实施例提供了一种基于图像处理的腐蚀产物膜厚度统计方法，包括：
获取管道表面腐蚀产物膜的多张图像；
对多张图像进行拼接，得到一张整体图像；具体的，将每张图像分成多个网格元胞，对每个网格元胞估计一个单应性矩阵；去除错误匹配点，寻找最佳单应矩阵并计算全局单应矩阵；依据全局单应矩阵，分块计算移动线性变换中的权重矩阵并映射，得到拼接后的图像；
对整体图像进行分割，得到腐蚀产物膜特征区域；具体的，通过阈值把灰度直方图分割成目标和背景两组数据，当分割的两组数据的类间方差最大时，得到最佳分割阈值，根据最佳分割阈值对整体图像进行分割；
根据厚度垂直方向的像素点数量，对腐蚀产物膜特征区域进行厚度层划分，并统计每一厚度层的像素点数量；根据统计的像素点数量，得到每一厚度层的厚度。
具体的，通过对多张图像进行拼接，得到能够代表管道表面腐蚀产物膜较大区域内的整体图像后再进行厚度统计，实现了对大范围高分辨率的腐蚀产物膜厚度的可视化和定量统计，能够获得腐蚀产物膜厚度在大范围内的分布特征，并且通过计算像素点数量，得到每一厚度层的厚度，进一步保证了厚度统计的准确性。
本实施例中，基于图像处理的腐蚀产物膜厚度统计方法的步骤可以包括：
S1、确定统计目标，可以为石油管道或天然气管道等；在一些实施例中，为了更好的实现对方法说明，还可以制备具有良好成像效果的腐蚀产物膜截面试样来代替实际管道作为统计目标。
具体的，统计目标为石油管道或天然气管道时，可以选择使用中的管道，也可以对废旧管道进行观察。利用试样代替实际管道时，可选的，选用管道并进行常规腐蚀处理，利用环氧树脂对腐蚀后的试样进行封装，并采用砂纸沿截面方向逐级打磨至3000目，保证打磨后的试样表面处于同一平面。
S2、如图2所示，使用扫描电子显微镜观察试样的截面形貌，连续拍摄多张图像；
具体的，扫描电子显微镜的拍摄，以能够清晰分辨出腐蚀产物膜内外表面界线细节为原则，确定放大倍数，在确定的放大倍数下，沿基体表面方向对试样截面进行连续图像拍摄。
为保证图像拼接的准确性，拍摄过程中保证后一张图像与前一张图像存在明显的重合区域，可选的重叠值为50%。
S3、如图3所示，对扫描电子显微镜拍摄的图像进行降噪预处理，改善图像质量，使腐蚀产物膜内外层分界线能清晰分辨出。
可选的，为避免干扰后续腐蚀产物膜边界的识别，对扫描电子显微镜拍摄的图像进行降噪预处理需在保持边缘和结构信息的前提下进行，可以采用非局部均值（Non-LocalMeans，NLM）算法，该算法相对于传统滤波算法，利用图像块进行比较，而非单个像素点，能更好保留图像结构和图像边缘信息。NLM算法的流程如下：
S3.1、输入图像A，根据相似窗的计算高斯核J α：
其中，x和y分别表示当前图像块与待比较图像块的中心像素点坐标；d s表示相似窗的半窗宽；α表示高斯核标准差。循环计算J α(x,y)，得到累计值，直至遍历完所有像素点，令sum=0：
归一化高斯核：
S3.2、计算邻域图像块V(x)和V(y)之间的欧式距离D ist，初始化D ist=0：
其中，V(x)表示以x为中心像素点的图像块；V(y)为平移后的邻域图像块，该计算过程循环进行，遍历完所有像素点之后，当前图像块的中心像素点的最终加权欧式距离d(x, y)为：
其中，L表示加权高斯的半径；D ist表示欧式距离。
S3.3、根据最终加权欧式距离来计算权值函数：
其中，，h是滤波系数，控制整个滤波的强度，与图像噪声标准差σ之间存在如下线性关系：
其中，k 0是常数。
S3.4、更新当前图像块的中心像素点的值：
其中，为邻域图像块；/>为加权值。
S3.5、加权值初始化为零，更新叠加权值，直至遍历完图像，最终得到当前图像块的中心像素点处的加权值为：
S3.6、重构得到图像A 1：
在其他一些实施例中，降噪预处理还可以通过常规技术实现，在此不再详述。
S4、如图4所示，为尽量全面反映腐蚀产物膜的厚度分布情况，对扫描电子显微镜拍摄的图像进行图像配准和图像拼接，获得腐蚀产物膜截面形貌的全景图像，在高分辨率前提下增大腐蚀产物膜图像观察范围，可实现大范围高分辨率腐蚀产物膜厚度可视化。
可选的，图像配准包括通过特征提取得到特征点，再通过相似性度量进行特征匹配；图像拼接可以采用尽可能投影（As-Projective-As-Possible Image Stitching，APAP）方法将多张图像进行精确拼接，获得腐蚀产物膜截面形貌的全景图像，增大了腐蚀产物膜图像的观察范围。
其中，APAP方法是一种基于变形方法的图像拼接的高效算法，考虑到由投影变形中会引起内线的偏差。APAP方法将多张图像分成多个网格元胞，对每个网格元胞估计一个单应性矩阵。首先，进行尺度不变特征转换检测，对输入的图像进行特征点检测；然后，通过随机样本一致性算法去除错误匹配点，并寻找最佳单应性矩阵，下一步计算全局单应性矩阵；最后，分块计算移动线性变换中的权重矩阵并映射，得到拼接后的图像。
S5、对拼接后的图像进行图像分割处理，识别腐蚀产物膜；
具体的，图像分割可以采用阈值分割方法中的最大类间方差法（Otsu）确定分割阈值，然后依据分割阈值对图像进行二值化处理，分割出腐蚀产物膜和背景，且分割后的图像很好地保留了腐蚀产物膜的边界细节。
其中，利用Otsu方法，通过阈值把灰度直方图分割成目标C 1和背景C 0两组数据，当分割的两组数据的类间方差最大或类内方差最小时，可得到最佳分割阈值。确定分割阈值后，对图像进行二值化处理，使目标C 1的像素值为1，背景C 0的像素值为0。
如图5所示，图像分割后图像中的腐蚀产物膜区域作为目标很好地与背景分开，腐蚀产物膜显示为白色，背景显示为黑色，为后续腐蚀产物膜厚度的定量统计提供了分析区域。
S6、如图6所示，依据像素点划分腐蚀产物膜厚度层，逐层统计像素点数量并转化为厚度；具体的，腐蚀产物膜厚度统计包括：
S6.1、根据厚度垂直方向的像素点数量n将腐蚀产物膜划分为n层；
S6.2、逐层扫描并统计每一厚度层两界面间的像素点数量，将像素点数量与像素点尺寸相乘，转化为厚度；
具体的，在某一层i中沿厚度方向逐个检索像素点的像素值。当像素值由0转变为1时，表示由背景转变为腐蚀产物膜，为该层腐蚀产物膜的第一边界，记录该点的位置为j 1；继续检索，当像素值再由1转变为0时，表示由腐蚀产物膜转变为背景，为该层腐蚀产物膜的第二边界，记录该点的位置为j 2；第i层的腐蚀产物膜厚度h i为：
其中，N为像素点尺寸。
S6.3、完成全景图像的腐蚀产物膜厚度统计，如图6所示，其中的h i为统计得到的某一处的腐蚀产物膜厚度。
具体的，将每一层的厚度进行汇总，然后进行频数统计，得到厚度分布直方图。
通过本实施例中的方法，能够到较大空间范围内的高分辨率腐蚀产物膜截面图像，同时可实现对膜层厚度的统计，不仅增大了腐蚀产物膜图像观察范围，还实现了腐蚀产物膜厚度的自动化定量统计，更加准确高效。
实施例2：
本实施例提供了一种基于图像处理的腐蚀产物膜厚度统计系统，包括：
数据采集模块，被配置为：获取管道表面腐蚀产物膜的多张图像；
图像拼接模块，被配置为：对多张图像进行拼接，得到一张整体图像；具体的，将每张图像分成多个网格元胞，对每个网格元胞估计一个单应性矩阵；去除错误匹配点，寻找最佳单应矩阵并计算全局单应矩阵；依据全局单应矩阵，分块计算移动线性变换中的权重矩阵并映射，得到拼接后的图像；
特征分割模块，被配置为：对整体图像进行分割，得到腐蚀产物膜特征区域；具体的，通过阈值把灰度直方图分割成目标和背景两组数据，当分割的两组数据的类间方差最大时，得到最佳分割阈值，根据最佳分割阈值对整体图像进行分割；
厚度统计模块，被配置为：根据厚度垂直方向的像素点数量，对腐蚀产物膜特征区域进行厚度层划分，并统计每一厚度层的像素点数量；根据统计的像素点数量，得到每一厚度层的厚度。
所述系统的工作方法与实施例1的基于图像处理的腐蚀产物膜厚度统计方法相同，这里不再赘述。
实施例3：
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现了实施例1所述的基于图像处理的腐蚀产物膜厚度统计方法的步骤。
实施例4：
本实施例提供了一种电子设备，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，所述处理器执行所述程序时实现了实施例1所述的基于图像处理的腐蚀产物膜厚度统计方法的步骤。
以上所述仅为本实施例的优选实施例而已，并不用于限制本实施例，对于本领域的技术人员来说，本实施例可以有各种更改和变化。凡在本实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本实施例的保护范围之内。
Claims (10)
1.一种基于图像处理的腐蚀产物膜厚度统计方法，其特征在于，包括：
获取管道表面腐蚀产物膜的多张图像；
对多张图像进行拼接，得到一张整体图像；具体的，将每张图像分成多个网格元胞，对每个网格元胞估计一个单应性矩阵；去除错误匹配点，寻找最佳单应矩阵并计算全局单应矩阵；依据全局单应矩阵，分块计算移动线性变换中的权重矩阵并映射，得到拼接后的图像；
对整体图像进行分割，得到腐蚀产物膜特征区域；具体的，通过阈值把灰度直方图分割成目标和背景两组数据，当分割的两组数据的类间方差最大时，得到最佳分割阈值，根据最佳分割阈值对整体图像进行分割；
根据厚度垂直方向的像素点数量，对腐蚀产物膜特征区域进行厚度层划分，并统计每一厚度层的像素点数量；根据统计的像素点数量，得到每一厚度层的厚度。
2.如权利要求1所述的一种基于图像处理的腐蚀产物膜厚度统计方法，其特征在于，通过扫描电子显微镜连续拍摄，得到管道表面腐蚀产物膜的多张图像；拍摄时以清晰分辨出腐蚀产物膜内外表面界线为原则确定放大倍数；在确定的放大倍数下，沿管道基体表面方向对管道截面进行连续拍摄。
3.如权利要求1所述的一种基于图像处理的腐蚀产物膜厚度统计方法，其特征在于，多张图像中，所有连续的两张图像存在重叠区域。
4.如权利要求1所述的一种基于图像处理的腐蚀产物膜厚度统计方法，其特征在于，对多张图像进行降噪处理；具体的，根据相似窗计算高斯核并归一化高斯核；根据归一化后的高斯核计算邻域图像块之间的欧式距离，遍历所有像素点，得到当前图像块的中心像素点的最终加权欧式距离；根据最终加权欧式距离计算权值函数；更新当前图像块的中心像素点的值；加权值初始化为零，更新叠加权值，直至遍历完图像，最终得到当前图像块的中心像素点处的加权值；根据中心像素点处的加权值重构得到图像。
5.如权利要求1所述的一种基于图像处理的腐蚀产物膜厚度统计方法，其特征在于，提取多张图像的特征点，通过相似性度量进行特征匹配；将多张图像进行拼接，得到腐蚀产物膜截面形貌的全景图像。
6.如权利要求1所述的一种基于图像处理的腐蚀产物膜厚度统计方法，其特征在于，依据拼接后整体图像中灰度值不同，分割出腐蚀产物膜和背景。
7.如权利要求1所述的一种基于图像处理的腐蚀产物膜厚度统计方法，其特征在于，根据厚度垂直方向的像素点数量将腐蚀产物膜划分为多个厚度层；对所有厚度层进行逐层扫描并统计每一厚度层两界面间的像素点个数；将像素点尺寸转化为厚度，完成腐蚀产物膜的厚度统计。
8.一种基于图像处理的腐蚀产物膜厚度统计系统，其特征在于，包括：
数据采集模块，被配置为：获取管道表面腐蚀产物膜的多张图像；
图像拼接模块，被配置为：对多张图像进行拼接，得到一张整体图像；具体的，将每张图像分成多个网格元胞，对每个网格元胞估计一个单应性矩阵；去除错误匹配点，寻找最佳单应矩阵并计算全局单应矩阵；依据全局单应矩阵，分块计算移动线性变换中的权重矩阵并映射，得到拼接后的图像；
特征分割模块，被配置为：对整体图像进行分割，得到腐蚀产物膜特征区域；具体的，通过阈值把灰度直方图分割成目标和背景两组数据，当分割的两组数据的类间方差最大时，得到最佳分割阈值，根据最佳分割阈值对整体图像进行分割；
厚度统计模块，被配置为：根据厚度垂直方向的像素点数量，对腐蚀产物膜特征区域进行厚度层划分，并统计每一厚度层的像素点数量；根据统计的像素点数量，得到每一厚度层的厚度。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现了如权利要求1-7任一项所述的基于图像处理的腐蚀产物膜厚度统计方法的步骤。
10.一种电子设备，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程序时实现了如权利要求1-7任一项所述的基于图像处理的腐蚀产物膜厚度统计方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311773693.3A CN117455907B (zh) | 2023-12-22 | 2023-12-22 | 一种基于图像处理的腐蚀产物膜厚度统计方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311773693.3A CN117455907B (zh) | 2023-12-22 | 2023-12-22 | 一种基于图像处理的腐蚀产物膜厚度统计方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117455907A true CN117455907A (zh) | 2024-01-26 |
| CN117455907B CN117455907B (zh) | 2024-03-19 |
Family
ID=89580174
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311773693.3A Active CN117455907B (zh) | 2023-12-22 | 2023-12-22 | 一种基于图像处理的腐蚀产物膜厚度统计方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117455907B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060288756A1 (en) * | 2003-02-21 | 2006-12-28 | De Meurechy Guido D K | Method and apparatus for scanning corrosion and surface defects |
| CN111028229A (zh) * | 2019-12-19 | 2020-04-17 | 中国特种飞行器研究所 | 一种基于图像处理技术的金属或涂层腐蚀检测方法 |
| CN111192198A (zh) * | 2019-12-26 | 2020-05-22 | 台州学院 | 一种基于管道机器人的管道全景扫描方法 |
| CN113706531A (zh) * | 2021-10-28 | 2021-11-26 | 海门市博洋铸造有限公司 | 基于机器视觉的金属板腐蚀程度判定方法及系统 |
| CN114387332A (zh) * | 2022-01-17 | 2022-04-22 | 江苏省特种设备安全监督检验研究院 | 一种管道测厚方法及装置 |
| CN115060754A (zh) * | 2022-04-29 | 2022-09-16 | 江苏隧锦五金制造有限公司 | 一种不锈钢制品表面质量检测方法 |
| CN116309580A (zh) * | 2023-05-19 | 2023-06-23 | 克拉玛依市百事达技术开发有限公司 | 基于磁应力的油气管道腐蚀检测方法 |
| CN116630323A (zh) * | 2023-07-25 | 2023-08-22 | 山东建筑大学 | 一种稠密金属腐蚀深度自动计算方法、系统、介质和设备 |
| CN116977316A (zh) * | 2023-08-03 | 2023-10-31 | 中国空气动力研究与发展中心超高速空气动力研究所 | 一种复杂外形构件损伤缺陷全场检测与量化评估方法 |
| CN116993745A (zh) * | 2023-09-28 | 2023-11-03 | 山东辉瑞管业有限公司 | 基于图像处理给水管表面漏损检测方法 |
-
2023
- 2023-12-22 CN CN202311773693.3A patent/CN117455907B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060288756A1 (en) * | 2003-02-21 | 2006-12-28 | De Meurechy Guido D K | Method and apparatus for scanning corrosion and surface defects |
| CN111028229A (zh) * | 2019-12-19 | 2020-04-17 | 中国特种飞行器研究所 | 一种基于图像处理技术的金属或涂层腐蚀检测方法 |
| CN111192198A (zh) * | 2019-12-26 | 2020-05-22 | 台州学院 | 一种基于管道机器人的管道全景扫描方法 |
| CN113706531A (zh) * | 2021-10-28 | 2021-11-26 | 海门市博洋铸造有限公司 | 基于机器视觉的金属板腐蚀程度判定方法及系统 |
| CN114387332A (zh) * | 2022-01-17 | 2022-04-22 | 江苏省特种设备安全监督检验研究院 | 一种管道测厚方法及装置 |
| CN115060754A (zh) * | 2022-04-29 | 2022-09-16 | 江苏隧锦五金制造有限公司 | 一种不锈钢制品表面质量检测方法 |
| CN116309580A (zh) * | 2023-05-19 | 2023-06-23 | 克拉玛依市百事达技术开发有限公司 | 基于磁应力的油气管道腐蚀检测方法 |
| CN116630323A (zh) * | 2023-07-25 | 2023-08-22 | 山东建筑大学 | 一种稠密金属腐蚀深度自动计算方法、系统、介质和设备 |
| CN116977316A (zh) * | 2023-08-03 | 2023-10-31 | 中国空气动力研究与发展中心超高速空气动力研究所 | 一种复杂外形构件损伤缺陷全场检测与量化评估方法 |
| CN116993745A (zh) * | 2023-09-28 | 2023-11-03 | 山东辉瑞管业有限公司 | 基于图像处理给水管表面漏损检测方法 |
Non-Patent Citations (4)
| Title |
|---|
| INDUKALA NALADALA 等: "Corrosion Damage Identification and Lifetime Estimation of Ship Parts using Image Processing", 《2018 INTERNATIONAL CONFERENCE ON ADVANCES IN COMPUTING, COMMUNICATIONS AND INFORMATICS (ICACCI)》, 2 December 2018 (2018-12-02), pages 678 - 683 * |
| ZHONGHU LI 等: "Research on image acquisition and preprocessing method for visual measurement of pipeline inner surface corrosion", 《2017 13TH IEEE INTERNATIONAL CONFERENCE ON ELECTRONIC MEASUREMENT & INSTRUMENTS (ICEMI)》, 22 January 2018 (2018-01-22), pages 364 - 368 * |
| 曲彦平 等: "图像处理技术在镀镍层腐蚀保护等级评定中的应用", 《表面技术》, no. 01, 10 February 2008 (2008-02-10), pages 80 - 82 * |
| 鲁少辉: "基于主动式全景视觉的管道内表面缺陷检测技术的研究", 《中国优秀硕士学位论文全文数据库 工程科技I辑》, no. 04, 15 April 2018 (2018-04-15), pages 022 - 5 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117455907B (zh) | 2024-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115861135B (zh) | 一种应用于箱体全景探测的图像增强及识别方法 | |
| CN107301661B (zh) | 基于边缘点特征的高分辨率遥感图像配准方法 | |
| CN115170576B (zh) | 基于机器视觉的铝管表面缺陷检测方法 | |
| CN114749342B (zh) | 一种锂电池极片涂布缺陷识别方法、装置及介质 | |
| CN108564092A (zh) | 基于sift特征提取算法的向日葵病害识别方法 | |
| CN111667470B (zh) | 一种基于数字图像的工业管道探伤内壁检测方法 | |
| CN108009986B (zh) | 基于边缘信息的碎片拼接方法和装置 | |
| CN107862708A (zh) | 一种sar与可见光图像配准方法 | |
| CN111242050A (zh) | 一种面向大尺度复杂场景下遥感影像的自动变化检测方法 | |
| CN113536963B (zh) | 基于轻量化yolo网络的sar图像飞机目标检测方法 | |
| CN117689655B (zh) | 基于计算机视觉的金属钮扣表面缺陷检测方法 | |
| CN110222661B (zh) | 一种用于运动目标识别及跟踪的特征提取方法 | |
| CN112017223A (zh) | 基于改进SIFT-Delaunay的异源图像配准方法 | |
| CN117893527B (zh) | 一种新能源储能箱体表面缺陷检测方法 | |
| CN111738256A (zh) | 基于改进分水岭算法的复合材料ct图像分割方法 | |
| Zhang et al. | Saliency-driven oil tank detection based on multidimensional feature vector clustering for SAR images | |
| CN111768368B (zh) | 一种基于最大稳定极值区域的图像区域复制篡改检测方法 | |
| CN114972453B (zh) | 改进的基于lsd与模板匹配的sar图像区域配准方法 | |
| CN117557565B (zh) | 一种锂电池极片的检测方法及其装置 | |
| CN113822361B (zh) | 一种基于汉明距离的sar图像相似程度度量方法和系统 | |
| CN113408519A (zh) | 一种基于模板旋转匹配的指针仪表读数的方法及系统 | |
| CN117455907B (zh) | 一种基于图像处理的腐蚀产物膜厚度统计方法及系统 | |
| Magnier et al. | Ridges and valleys detection in images using difference of rotating half smoothing filters | |
| CN109697474B (zh) | 基于迭代贝叶斯的合成孔径雷达影像变化检测方法 | |
| CN115331078A (zh) | 一种基于ESR-YOLOv5的光学遥感图像目标检测方法 |
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 |