CN117576022A - 一种莫尔条纹流场区域自动获取方法 - Google Patents
一种莫尔条纹流场区域自动获取方法 Download PDFInfo
- Publication number
- CN117576022A CN117576022A CN202311519527.0A CN202311519527A CN117576022A CN 117576022 A CN117576022 A CN 117576022A CN 202311519527 A CN202311519527 A CN 202311519527A CN 117576022 A CN117576022 A CN 117576022A
- Authority
- CN
- China
- Prior art keywords
- moire
- image
- fringe
- flow field
- fringes
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 239000013598 vector Substances 0.000 claims abstract description 78
- 239000011159 matrix material Substances 0.000 claims abstract description 25
- 238000001514 detection method Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000002474 experimental method Methods 0.000 claims abstract description 5
- 238000004590 computer program Methods 0.000 claims description 14
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004587 chromatography analysis Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000009466 transformation Effects 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10101—Optical tomography; Optical coherence tomography [OCT]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种莫尔条纹流场区域自动获取方法，包括：对目标莫尔条纹图像进行灰度处理得到灰度图像；其中所述目标莫尔条纹图像为实验所得的原始莫尔条纹图像；对灰度图像进行二值化处理得到二值化图像；分别对二值化图像行和列求和得到行和向量、列和向量；对行和向量与列和向量进行非零检测并获取连续的非零区域，得到莫尔条纹的灰度图像和莫尔条纹的二值化图像；对莫尔条纹的二值化图像进行条纹检测，获取暗条纹的位置信息，得到暗条纹矩阵；根据暗条纹矩阵确定流场区域中心坐标；根据流场区域中心坐标，从莫尔条纹的灰度图像中获取莫尔条纹流场区域。实现莫尔条纹流场区域的自动智能化获取。
Description
技术领域
本发明涉及一种莫尔条纹流场区域自动获取方法，属于光学测量技术领域。
背景技术
莫尔层析技术具有实时、稳定以及非接触等优点，在高温复杂流场的测量中有其独特的优势，在很多相关领域也具有重大的应用价值。
当采用莫尔层析技术对高温复杂流场进行诊断时，在提取莫尔条纹信息前，需要先对实验中获取的莫尔条纹进行预处理，获取记录了被测流场信息的区域。
现有技术中，常常采用人工手动方式来获取莫尔条纹中记录了被测流场信息的区域。显然，手动获取需要人工寻找、输入关键点信息等繁琐操作，在处理多张图像时效率低下。此外，图像中噪点对莫尔条纹位置的确定有着较大的干扰，条纹流场位置的也难以精确识别。
本发明在充分分析莫尔条纹特征的基础上，提出了一种自动获取莫尔条纹流场区域的方法，
现有的傅里叶分析方法提取莫尔条纹包裹相位的过程中，条纹图像经过傅里叶变换需要人工挑选出一级频谱，过程耗时长，且人工干预存在主观误差，会对后续过程造成很大影响。
发明内容
目的：鉴于以上技术问题中的至少一项，针对现有方法手动获取莫尔条纹流场区域的操作繁琐和效率低下等不完善之处问题，本发明在充分分析莫尔条纹特征的基础上，提供一种莫尔条纹流场区域自动获取方法，实现流场区域获取的智能化。
技术方案：为解决上述技术问题，本发明采用的技术方案为：
第一方面，本发明提供一种莫尔条纹流场区域自动获取方法，包括：
对目标莫尔条纹图像进行灰度处理得到灰度图像；其中所述目标莫尔条纹图像为实验所得的原始莫尔条纹图像；
对灰度图像进行二值化处理得到二值化图像；
分别对二值化图像行和列求和得到行和向量、列和向量；
对行和向量与列和向量进行非零检测并获取连续的非零区域，得到莫尔条纹的灰度图像和莫尔条纹的二值化图像；
对莫尔条纹的二值化图像进行条纹检测，获取暗条纹的位置信息，得到暗条纹矩阵；
根据暗条纹矩阵确定流场区域中心坐标；
根据流场区域中心坐标，从莫尔条纹的灰度图像中获取莫尔条纹流场区域。
在一些实施例中，对目标莫尔条纹图像进行灰度处理得到灰度图像，包括：
将目标莫尔条纹图像的R、G和B分量值转换为灰度值I0，得到灰度图像A；
A＝0.299×R+0.587×G+0.114×B
其中，A为灰度图像。
在一些实施例中，对灰度图像进行二值化处理得到二值化图像，包括：
根据灰度图像计算得到灰度图像阈值T；
根据灰度图像阈值T，将灰度图像A二值化得到二值化图像C；
进一步地，所述灰度图像阈值T利用大津法、迭代法或自适应阈值法计算得到。本申请对此不做限定。
在一些实施例中，分别对二值化图像行和列求和得到行和向量、列和向量，包括：
对二值化图像行求和得到行和向量Y(j)，对二值化图像列求和得到列和向量X(i)：
其中，M0为二值化图像的总行数，N0为二值化图像的总列数，Ci,j表示二值化图像的第i列、第j行的值。
在一些实施例中，对行和向量与列和向量进行非零检测并获取连续的非零区域，得到莫尔条纹的灰度图像和莫尔条纹的二值化图像，包括：
检测列和向量X(i)连续p个值大于0的位置，其中r＜p＜R，r为噪点直径，R为莫尔条纹直径预设值，得到莫尔条纹横坐标范围；
判断行和向量Y(j)是否有连续p个值大于0；若有，则得到莫尔条纹纵坐标范围；若无，则根据莫尔条纹横坐标范围得到莫尔条纹直径d，检测行和向量Y(j)第一个大于0的位置jf和最后一个值大于0的位置jl；
判断jl-jf是否小于或等于αd，若小于或等于，则得到莫尔条纹纵坐标范围；若大于，则从两端向中心缩进一个值连续大于0的区域，直到其差值小于或等于αd为止，得到莫尔条纹纵坐标范围；其中α为系数，取值范围为1～1.2；
根据莫尔条纹横坐标范围和纵坐标范围，从灰度图像中获取莫尔条纹的灰度图像，从二值化图像中获取莫尔条纹的二值化图像。
进一步地，在一些实施例中，对行和向量与列和向量进行非零检测并获取连续的非零区域，得到莫尔条纹的灰度图像和莫尔条纹的二值化图像，具体包括：
S41：将列和向量X(i)＝0对应i值依次存入向量I中，将行和向量Y(j)＝0对应j值依次存入向量J中；
S42：遍历向量I，找到In-In-1＞p时对应的In-1+1和In-1的值为莫尔条纹所在列的边界，得到莫尔条纹横坐标范围(In-1+1，In-1)，且莫尔条纹直径d＝In-In-1-2；其中p为设定值，r＜p＜R，r为噪点直径，R为莫尔条纹直径预设值；其中In、In-1为向量I中两个相邻的列和向量对应i值；
S43：遍历向量J，判断是否存在Jn-Jn-1＞p：其中Jn、Jn-1为向量J中两个相邻的行和向量对应j值；
若存在，则Jn-1+1和Jn-1的值为莫尔条纹所在行的边界，到莫尔条纹纵坐标范围(Jn-1+1，Jn-1)；
若不存在，则找到行和向量Y(j)第一个大于0的位置jf和最后一个值大于0的位置jl，判断jl-jf是否小于或等于αd；
若小于或等于，则jf和jl为莫尔条纹所在行的边界，得到莫尔条纹纵坐标范围；
若大于，则从两端向中心缩进一个值连续大于0的区域，直到其差值小于或等于αd为止，此时的jf和jl为莫尔条纹所在行的边界，得到莫尔条纹纵坐标范围(jf，jl)；
S44：根据莫尔条纹横坐标范围和纵坐标范围，从灰度图像中获取莫尔条纹的灰度图像，从二值化图像中获取莫尔条纹的二值化图像。
在一些实施例中，对莫尔条纹的二值化图像进行条纹检测，获取暗条纹的位置信息，得到暗条纹矩阵，包括：
遍历莫尔条纹的二值化图像的第k列的值，并要求第k列所在条纹无流场区域，第k列的范围为N1/20≤k≤N1/10，N1为莫尔条纹的二值化图像总列数，通过寻找到亮暗边界位置，其中亮暗边界之间全为0的对应行坐标则为暗条纹边界位置，由此得到暗条纹矩阵D。
进一步地，在一些实施例中，对莫尔条纹的二值化图像进行条纹检测，获取暗条纹的位置信息，得到暗条纹矩阵，具体包括：
S51：遍历莫尔条纹的二值化图像的第k列，将所有值为1对应的纵坐标依次存入向量L；其中所述第k列所在条纹无流场区域，第k列的范围为N1/20≤k≤N1/10，N1为莫尔条纹的二值化图像总列数；
S52：计算Ln-Ln-1，若Ln-Ln-1＞1，则Ln-1+1和Ln-1的值为暗条纹所在行的边界；其中Ln、Ln-1为向量L中两个相邻的纵坐标；
S53：取暗条纹中心部分，暗条纹宽度h＝Ln-Ln-1-2，暗条纹中心为第Lc＝(Ln+Ln-1)/2行，由莫尔条纹的二值化图像的第Lc-h/4行和Lc+h/4行得到暗条纹矩阵D。
在一些实施例中，根据暗条纹矩阵D确定流场区域中心坐标，包括：
判断暗条纹矩阵D每一行是否存在值为1的流场位置；
对于有流场的条纹，遍历暗条纹矩阵D，由每一行第一个和最后一个值为1的坐标，计算每一行流场中心坐标得到流场中心坐标(xc,yc)；其中，/>yc＝M1/2；
对于无流场的条纹，则直接取莫尔条纹的中心坐标为流场区域中心坐标(xc,yc)；xc＝N1/2，yc＝M1/2，M1为莫尔条纹的二值化图像的总行数，N1为莫尔条纹的二值化图像的总列数。
在一些实施例中，根据流场区域中心坐标，从莫尔条纹的灰度图像中获取莫尔条纹流场区域，包括：
根据流场中心坐标(xc,yc)，获取莫尔条纹的灰度图像的第xc-m0/2+1到第xc+m0/2行和第yc-n0/2+1列到第yc-n0/2列，得到m0×n0大小的莫尔条纹流场区域图像，其中m0为莫尔条纹流场区域图像的总行数，n0为莫尔条纹流场区域图像的总列数。
第二方面，本发明提供了一种莫尔条纹流场区域自动获取装置，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据第一方面所述的方法。
第三方面，本发明提供了一种设备，包括，
存储器；
处理器；
以及
计算机程序；
其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现上述第一方面所述的方法。
第四方面，本发明提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的方法。
有益效果：本发明提供的莫尔条纹流场区域自动获取方法，其抗干扰能力强，能够准确识别出莫尔条纹流场区域位置，实现了获取莫尔条纹位置的智能化。该发明不但降低了手动获取的人工成本，而且提高了自动获取的准确度，为后续条纹信息提取提供了便利。
附图说明
图1为根据本发明一实施例中实验获取的原始莫尔条纹示意图；
图2为根据本发明一实施例中灰度图像示意图；
图3为根据本发明一实施例中二值化图像示意图；
图4为根据本发明一实施例中莫尔条纹的灰度图像示意图；
图5为根据本发明一实施例中莫尔条纹的二值化图像示意图；
图6为根据本发明一实施例中最终自动获取的记录了被测场信息的莫尔条纹流场区域示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
在本发明的描述中，若干的含义是一个以上，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
本发明的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
实施例1
第一方面，本实施例提供了一种莫尔条纹流场区域自动获取方法，包括：
S1：对目标莫尔条纹图像进行灰度处理得到灰度图像；其中所述目标莫尔条纹图像为实验所得的原始莫尔条纹图像；
将待处理的目标莫尔条纹图像导入计算机，得到其R、G和B分量，将RGB分量值转换为灰度值I0，得到灰度图像A；待处理的目标莫尔条纹图像如图1所示，灰度图像如图2所示；
A＝0.299×R+0.587×G+0.114×B
S2：对灰度图像进行二值化处理得到二值化图像；
根据灰度图像计算得到灰度图像阈值T；
根据灰度图像阈值T，将灰度图像A二值化得到二值化图像C；二值化图像如图3所示；
其中所述灰度图像阈值T的计算方法有多种，譬如：大津法、迭代法、自适应阈值法，本申请中对此不做限定。
在一些实施例中，所述灰度图像阈值T利用大津法计算得到，具体包括：
设阈值T0将图像分为前景和背景，图像像素总数为N，前景像个数为Nf，背景像素个数为Nb，图像总灰度级为L-1，每个灰度级像素个数为Ni，则像素值小于阈值T0的概率Pf和像素值大于阈值T0概率Pb满足以下公式：
前景和背景灰度平均值Mf、Mb分别为：
整个图像灰度平均值为：
M＝Pf×Mf+Pb×Mb
前景和背景之间的类方差为：
σ2＝Pf×(Mf-M)2+Pb×(Mb-M)2
循环遍历灰度图像可能取到的所有像素值作为阈值T0，使σ2取得最大的T0值则认为是最合适的阈值T。
S3：分别对二值化图像行和列求和得到行和向量、列和向量；
对二值化图像行求和得到行和向量Y(j)，对二值化图像列求和得到列和向量X(i)：
其中，M0为二值化图像的总行数，N0为二值化图像的总列数，Ci,j表示二值化图像的第i列、第j行的值。
S4：对行和向量与列和向量进行非零检测并获取连续的非零区域，得到莫尔条纹的灰度图像和莫尔条纹的二值化图像；
检测列和向量X(i)连续p个值大于0的位置，其中r＜p＜R，r为噪点直径，R为莫尔条纹直径预设值，得到莫尔条纹横坐标范围；
判断行和向量Y(j)是否有连续p个值大于0；若有，则得到莫尔条纹纵坐标范围；若无，则根据莫尔条纹横坐标范围得到莫尔条纹直径d，检测行和向量Y(j)第一个大于0的位置jf和最后一个值大于0的位置jl；
判断jl-jf是否小于或等于αd，若小于或等于，则得到莫尔条纹纵坐标范围；若大于，则从两端向中心缩进一个值连续大于0的区域，直到其差值小于等于αd为止，得到莫尔条纹纵坐标范围；p为设定值，α为系数，取值范围为1～1.2；(因为二值化后存在一定的数据丢失，导致行列宽度不一致，本实施例中α取值1.1，判断条件设为1.1d)；
根据莫尔条纹横坐标范围和纵坐标范围，从灰度图像中获取莫尔条纹的灰度图像，从二值化图像中获取莫尔条纹的二值化图像。
在一些实施例中，步骤S4可以具体包括：
S41：将列和向量X(i)＝0对应i值依次存入向量I中，将行和向量Y(j)＝0对应j值依次存入向量J中；
S42：遍历向量I，找到In-In-1＞p时对应的In-1+1和In-1的值为莫尔条纹所在列的边界，得到莫尔条纹横坐标范围(In-1+1，In-1)，且莫尔条纹直径d＝In-In-1-2；其中p为设定值，r＜p＜R，r为噪点直径，R为莫尔条纹直径预设值；其中In、In-1为向量I中两个相邻的列和向量对应i值；
S43：遍历向量J，判断是否存在Jn-Jn-1＞p：其中Jn、Jn-1为向量J中两个相邻的行和向量对应j值；
若存在，则Jn-1+1和Jn-1的值为莫尔条纹所在行的边界，到莫尔条纹纵坐标范围(Jn-1+1，Jn-1)；
若不存在，则找到行和向量Y(j)第一个大于0的位置jf和最后一个值大于0的位置jl，判断jl-jf是否小于或等于αd；
若小于或等于，则jf和jl为莫尔条纹所在行的边界，得到莫尔条纹纵坐标范围；
若大于，则从两端向中心缩进一个值连续大于0的区域，直到其差值小于或等于αd为止，此时的jf和jl为莫尔条纹所在行的边界，得到莫尔条纹纵坐标范围(jf，jl)；
S44：根据莫尔条纹横坐标范围(In-1+1，In-1)和莫尔条纹纵坐标范围(Jn-1+1，Jn-1)或(jf，jl)，从灰度图像中获取莫尔条纹的灰度图像，从二值化图像中获取莫尔条纹的二值化图像。
在一些实施例中，p取值为320。
莫尔条纹的灰度图像如图4所示，莫尔条纹的二值化图像如图5所示。
S5：对莫尔条纹的二值化图像进行条纹检测，获取暗条纹的位置信息，得到暗条纹矩阵；
遍历莫尔条纹的二值化图像的第k列的值，并要求第k列所在条纹无流场区域(一般靠近左右边界处)，第k列的范围为N1/20≤k≤N1/10，N1为莫尔条纹的二值化图像总列数；通过寻找到亮暗边界位置，其中亮暗边界之间全为0的对应行坐标则为暗条纹边界位置，由此得到暗条纹矩阵D。
在一些实施例中，步骤S5可以具体包括：
S51：遍历莫尔条纹的二值化图像的第k列，将所有值为1对应的纵坐标存入向量L；
S52：计算Ln-Ln-1，当Ln-Ln-1＞1时，Ln-1+1和Ln-1的值即为暗条纹所在行的边界；
S53：为排除条纹边界处噪点影响，取暗条纹中心部分，暗条纹宽度为h＝Ln-Ln-1-2，暗条纹中心为第Lc＝(Ln+Ln-1)/2行，由莫尔条纹的二值化图像的第Lc-h/4行和Lc+h/4行得到暗条纹矩阵D。
S6：根据暗条纹矩阵确定流场区域中心坐标；
在一些实施例中，步骤S6可以具体包括：
判断暗条纹矩阵D每一行是否存在值为1的位置即流场位置：
若有，则由每一行第一个和最后一个值为1的坐标，算出每一行流场中心位置xc1、xc2…xcm，通过平均值
得到莫尔条纹流场中心坐标其中/>yc＝M1/2，
若无，则条纹无流场，直接取莫尔条纹的中心(N1/2,M1/2)为流场区域中心坐标(xc,yc)；xc＝N1/2，yc＝M1/2，M1为莫尔条纹的二值化图像的总行数，N1为莫尔条纹的二值化图像的总列数。
S7：根据流场区域中心坐标，从莫尔条纹的灰度图像中获取莫尔条纹流场区域。
在一些实施例中，该步骤S7具体包括：
根据流场中心坐标(xc,yc)，获取莫尔条纹的灰度图像的第xc-m0/2+1到第xc+m0/2行和第yc-n0/2+1列到第yc-n0/2列，得到m0×n0大小的莫尔条纹流场区域图像，其中m0为莫尔条纹流场区域图像的总行数，n0为莫尔条纹流场区域图像的总列数；莫尔条纹流场区域图像如图6所示。
实施例2
第二方面，基于实施例1，本实施例提供了一种莫尔条纹流场区域自动获取装置，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据实施例1所述的方法。
实施例3
第三方面，基于实施例1，本实施例提供了一种设备，包括，
存储器；
处理器；
以及
计算机程序；
其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现实施例1所述的方法。
实施例4
第四方面，基于实施例1，本实施例提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现实施例1所述的方法。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种莫尔条纹流场区域自动获取方法，其特征在于，所述方法包括：
对目标莫尔条纹图像进行灰度处理得到灰度图像；其中所述目标莫尔条纹图像为实验所得的原始莫尔条纹图像；
对灰度图像进行二值化处理得到二值化图像；
分别对二值化图像行和列求和得到行和向量、列和向量；
对行和向量与列和向量进行非零检测并获取连续的非零区域，得到莫尔条纹的灰度图像和莫尔条纹的二值化图像；
对莫尔条纹的二值化图像进行条纹检测，获取暗条纹的位置信息，得到暗条纹矩阵；
根据暗条纹矩阵确定流场区域中心坐标；
根据流场区域中心坐标，从莫尔条纹的灰度图像中获取莫尔条纹流场区域。
2.根据权利要求1所述的方法，其特征在于，对灰度图像进行二值化处理得到二值化图像，包括：
根据灰度图像计算得到灰度图像阈值T；
根据灰度图像阈值T，将灰度图像A二值化得到二值化图像C；
3.根据权利要求1所述的方法，其特征在于，分别对二值化图像行和列求和得到行和向量、列和向量，包括：
对二值化图像行求和得到行和向量Y(j)，对二值化图像列求和得到列和向量X(i)：
其中，M0为二值化图像的总行数，N0为二值化图像的总列数，Ci,j表示二值化图像的第i列、第j行的值。
4.根据权利要求1所述的方法，其特征在于，对行和向量与列和向量进行非零检测并获取连续的非零区域，得到莫尔条纹的灰度图像和莫尔条纹的二值化图像，包括：
检测列和向量X(i)连续p个值大于0的位置，其中r＜p＜R，p为设定值，r为噪点直径，R为莫尔条纹直径预设值，得到莫尔条纹横坐标范围；
判断行和向量Y(j)是否有连续p个值大于0；若有，则得到莫尔条纹纵坐标范围；若无，则根据莫尔条纹横坐标范围得到莫尔条纹直径d，检测行和向量Y(j)第一个大于0的位置jf和最后一个值大于0的位置jl；
判断jl-jf是否小于或等于αd，若小于或等于，则得到莫尔条纹纵坐标范围；若大于，则从两端向中心缩进一个值连续大于0的区域，直到其差值小于或等于αd为止，得到莫尔条纹纵坐标范围；其中α为系数，取值范围为1～1.2；
根据莫尔条纹横坐标范围和纵坐标范围，从灰度图像中获取莫尔条纹的灰度图像，从二值化图像中获取莫尔条纹的二值化图像。
5.根据权利要求1或4所述的方法，其特征在于，对行和向量与列和向量进行非零检测并获取连续的非零区域，得到莫尔条纹的灰度图像和莫尔条纹的二值化图像，具体包括：
S41：将列和向量X(i)＝0对应i值依次存入向量I中，将行和向量Y(j)＝0对应j值依次存入向量J中；
S42：遍历向量I，找到In-In-1＞p时对应的In-1+1和In-1的值为莫尔条纹所在列的边界，得到莫尔条纹横坐标范围(In-1+1，In-1)，且莫尔条纹直径d＝In-In-1-2；其中p为设定值，r＜p＜R，r为噪点直径，R为莫尔条纹直径预设值；其中In、In-1为向量I中两个相邻的列和向量对应i值；
S43：遍历向量J，判断是否存在Jn-Jn-1＞p：其中Jn、Jn-1为向量J中两个相邻的行和向量对应j值；
若存在，则Jn-1+1和Jn-1的值为莫尔条纹所在行的边界，到莫尔条纹纵坐标范围(Jn-1+1，Jn-1)；
若不存在，则找到行和向量Y(j)第一个大于0的位置jf和最后一个值大于0的位置jl，判断jl-jf是否小于或等于αd；其中α为系数，取值范围为1～1.2；
若小于或等于，则jf和jl为莫尔条纹所在行的边界，得到莫尔条纹纵坐标范围；
若大于，则从两端向中心缩进一个值连续大于0的区域，直到其差值小于或等于αd为止，此时的jf和jl为莫尔条纹所在行的边界，得到莫尔条纹纵坐标范围(jf，jl)；
S44：根据莫尔条纹横坐标范围和纵坐标范围，从灰度图像中获取莫尔条纹的灰度图像，从二值化图像中获取莫尔条纹的二值化图像。
6.根据权利要求1所述的方法，其特征在于，对莫尔条纹的二值化图像进行条纹检测，获取暗条纹的位置信息，得到暗条纹矩阵，包括：
遍历莫尔条纹的二值化图像的第k列的值，并要求第k列所在条纹无流场区域，第k列的范围为N1/20≤k≤N1/10，N1为莫尔条纹的二值化图像总列数，通过寻找到亮暗边界位置，其中亮暗边界之间全为0的对应行坐标则为暗条纹边界位置，由此得到暗条纹矩阵D。
7.根据权利要求1或6所述的方法，其特征在于，对莫尔条纹的二值化图像进行条纹检测，获取暗条纹的位置信息，得到暗条纹矩阵，具体包括：
S51：遍历莫尔条纹的二值化图像的第k列，将所有值为1对应的纵坐标依次存入向量L；其中所述第k列所在条纹无流场区域，第k列的范围为N1/20≤k≤N1/10，N1为莫尔条纹的二值化图像总列数；
S52：计算Ln-Ln-1，若Ln-Ln-1＞1，则Ln-1+1和Ln-1的值为暗条纹所在行的边界；其中Ln、Ln-1为向量L中两个相邻的纵坐标；
S53：取暗条纹中心部分，暗条纹宽度h＝Ln-Ln-1-2，暗条纹中心为第Lc＝(Ln+Ln-1)/2行，由莫尔条纹的二值化图像的第Lc-h/4行和Lc+h/4行得到暗条纹矩阵D。
8.根据权利要求1所述的方法，其特征在于，根据暗条纹矩阵D确定流场区域中心坐标，包括：
判断暗条纹矩阵D每一行是否存在值为1的流场位置；
对于有流场的条纹，遍历暗条纹矩阵D，由每一行第一个和最后一个值为1的坐标，计算每一行流场中心坐标xc，得到流场中心坐标(xc,yc)；其中，yc＝M1/2；
对于无流场的条纹，则直接取莫尔条纹的中心坐标为流场区域中心坐标(xc,yc)；xc＝N1/2，yc＝M1/2，M1为莫尔条纹的二值化图像的总行数，N1为莫尔条纹的二值化图像的总列数。
9.根据权利要求1所述的方法，其特征在于，根据流场区域中心坐标，从莫尔条纹的灰度图像中获取莫尔条纹流场区域，包括：
根据流场中心坐标(xc,yc)，获取莫尔条纹的灰度图像的第xc-m0/2+1到第xc+m0/2行和第yc-n0/2+1列到第yc-n0/2列，得到m0×n0大小的莫尔条纹流场区域图像，其中m0为莫尔条纹流场区域图像的总行数，n0为莫尔条纹流场区域图像的总列数。
10.一种存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至9任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311519527.0A CN117576022A (zh) | 2023-11-15 | 2023-11-15 | 一种莫尔条纹流场区域自动获取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311519527.0A CN117576022A (zh) | 2023-11-15 | 2023-11-15 | 一种莫尔条纹流场区域自动获取方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117576022A true CN117576022A (zh) | 2024-02-20 |
Family
ID=89887367
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311519527.0A Pending CN117576022A (zh) | 2023-11-15 | 2023-11-15 | 一种莫尔条纹流场区域自动获取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117576022A (zh) |
-
2023
- 2023-11-15 CN CN202311519527.0A patent/CN117576022A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107301661A (zh) | 基于边缘点特征的高分辨率遥感图像配准方法 | |
| CN110136196B (zh) | 一种桥梁裂缝宽度自动测量方法 | |
| CN110717900B (zh) | 基于改进Canny边缘检测算法的受电弓磨耗检测方法 | |
| CN115239661A (zh) | 基于图像处理的机械零件毛刺检测方法及系统 | |
| CN115170570A (zh) | 基于灰度游程矩阵的织物起毛起球检测方法 | |
| CN112308873A (zh) | 多尺度Gabor小波PCA融合图像边缘检测方法 | |
| CN114881965A (zh) | 一种基于人工智能和图像处理的木板节子检测方法 | |
| CN114677525B (zh) | 一种基于二值图像处理的边缘检测方法 | |
| CN104268550B (zh) | 特征提取方法及装置 | |
| CN115294527A (zh) | 一种基于计算机视觉的地铁隧道破损检测方法 | |
| CN109948629B (zh) | 一种基于sift特征的gis设备x射线图像故障检测方法 | |
| CN107993193B (zh) | 基于光照均衡化和改进surf算法的隧道衬砌图像拼接方法 | |
| JP3330829B2 (ja) | 機械部品の画像における評価可能区域の自動検出方法 | |
| CN116416268B (zh) | 基于递归二分法的锂电池极片边缘位置检测方法及装置 | |
| CN110298816B (zh) | 一种基于图像重生成的桥梁裂缝检测方法 | |
| CN117576022A (zh) | 一种莫尔条纹流场区域自动获取方法 | |
| CN111192302A (zh) | 一种基于运动平滑性和ransac算法的特征匹配方法 | |
| CN106611173B (zh) | 晶体中心位置图生成方法 | |
| CN116563168A (zh) | 一种地质测绘数据实时采集存储方法及系统 | |
| KR20170011454A (ko) | 위조 영상 검출 방법 및 그 장치 | |
| CN112329674B (zh) | 基于多纹理特征融合的结冰湖泊检测方法和装置 | |
| CN115205317A (zh) | 一种桥梁监测光电标靶图像光斑中心点提取方法 | |
| CN111473944B (zh) | 观测流场中存在复杂壁面的piv数据修正方法、装置 | |
| CN112348853A (zh) | 基于红外显著性特征融合的粒子滤波跟踪的方法 | |
| CN112819823A (zh) | 一种面向家具板材的圆孔检测方法、系统及装置 |
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 |