CN117974641B - 基于x光探伤的缓速器转子隐裂识别方法 - Google Patents
基于x光探伤的缓速器转子隐裂识别方法 Download PDFInfo
- Publication number
- CN117974641B CN117974641B CN202410363856.9A CN202410363856A CN117974641B CN 117974641 B CN117974641 B CN 117974641B CN 202410363856 A CN202410363856 A CN 202410363856A CN 117974641 B CN117974641 B CN 117974641B
- Authority
- CN
- China
- Prior art keywords
- pixel
- gray
- gray value
- combination
- image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000001514 detection method Methods 0.000 title claims abstract description 23
- 230000007480 spreading Effects 0.000 claims abstract description 98
- 238000003892 spreading Methods 0.000 claims abstract description 98
- 238000009826 distribution Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 2
- 238000007689 inspection Methods 0.000 claims 2
- 230000007547 defect Effects 0.000 description 22
- 230000001419 dependent effect Effects 0.000 description 6
- 238000005336 cracking Methods 0.000 description 5
- 230000007423 decrease Effects 0.000 description 5
- 239000002184 metal Substances 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052755 nonmetal Inorganic materials 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- 238000009827 uniform distribution 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
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像增强技术领域,具体涉及基于X光探伤的缓速器转子隐裂识别方法。方法包括:获取缓速器转子的灰度图像;根据灰度图像中每种灰度值对应的像素点之间的距离和与其邻域内像素点的灰度差异,获得每种灰度值的单一程度;根据每个像素组合内像素点的灰度差异以及相对位置,得到每个像素组合的蔓延随机程度;基于蔓延随机程度确定每个像素点的参考蔓延组合;根据每种灰度值对应的像素点的参考蔓延组合的蔓延随机程度、参考蔓延组合的数量占比和单一程度,得到对比度增强权重,对每种灰度值进行增强处理,进而提取隐裂区域。本发明提高了隐裂区域识别结果的准确度。
Description
技术领域
本发明涉及图像增强技术领域,具体涉及基于X光探伤的缓速器转子隐裂识别方法。
背景技术
目前多数重型卡车及客车都会安装高速旋转机械设备,如缓速器转子,用于减速和控制车辆速度的重要组件,通常安装在车辆的驱动轮之间,负责将发动机产生的动力转移到车轮上,并在需要时减缓车辆的速度,提供额外的制动力,而其在铸造过程中对于转子的质量要求十分严苛,应力不均或冷却速率不均都可能导致转子内部结构中出现微小裂纹,如果不及时发现和筛选,可能导致设备损坏。
通常采用X光技术获取缓速器转子的图像,利用大津法对图像进行阈值分割,进而分割出可能存在的隐裂。但在由于隐裂本身在X光图像中表现为灰度级较低的线条,因而会采取对图像进行线性增强算法,以提高各个像素点之间的对比度;但由于隐裂可能出现在正常的结构上,而不同结构在X光图像中的颜色不同,对各个像素点采用相同的线性增强系数会导致隐裂与周边对比度仍较低,使最终进行阈值分割的过程中无法准确识别隐裂区域;同时,由于隐裂区域的线条状延伸,其在图像中可能与一些细小结构产生混淆,导致最终将隐裂区域误判为正常区域,隐裂区域识别结果的准确度较低。
发明内容
为了解决现有方法在对缓速器转子的隐裂区域进行识别时存在的准确度较低的问题,本发明的目的在于提供一种基于X光探伤的缓速器转子隐裂识别方法,所采用的技术方案具体如下:
本发明提供了一种基于X光探伤的缓速器转子隐裂识别方法,该方法包括以下步骤:
获取X光探伤设备采集到的待检测缓速器转子的灰度图像;
根据所述灰度图像中每种灰度值对应的像素点之间的距离和每种灰度值对应的像素点与其邻域内像素点的灰度差异,获得所述灰度图像中每种灰度值的单一程度;分别基于所述灰度图像中每个像素点、每个像素点的邻域内像素点以及每个像素点的邻域内像素点的邻域内像素点构建每个像素点对应的像素组合;根据每个像素组合内像素点的灰度差异以及相对位置分布,得到每个像素组合的蔓延随机程度;基于所述蔓延随机程度确定每个像素点的参考蔓延组合;
根据所述灰度图像中每种灰度值对应的像素点的参考蔓延组合的蔓延随机程度、参考蔓延组合的数量占比和所述单一程度,得到所述灰度图像中每种灰度值的对比度增强权重;基于所述对比度增强权重对每种灰度值进行增强处理,获得增强后的图像;
基于所述增强后的图像提取隐裂区域。
优选的,所述根据所述灰度图像中每种灰度值对应的像素点之间的距离和每种灰度值对应的像素点与其邻域内像素点的灰度差异,获得所述灰度图像中每种灰度值的单一程度,包括:
对于所述灰度图像中第i种灰度值:
获取第i种灰度值对应的每两个像素点之间的距离,将第i种灰度值对应的所有的所述每两个像素点之间的距离的均值记为第i种灰度值对应的平均距离;
分别计算第i种灰度值对应的每个像素点与其邻域内每个像素点之间的灰度值的差值的绝对值,作为第i种灰度值对应的每个像素点与其邻域内每个像素点的灰度差异;
基于所述平均距离和所述第i种灰度值对应的每个像素点与其邻域内每个像素点的灰度差异,获得所述灰度图像中第i种灰度值的单一程度,所述平均距离和所述第i种灰度值对应的每个像素点与其邻域内每个像素点的灰度差异均与所述单一程度呈负相关关系。
优选的,所述分别基于所述灰度图像中每个像素点、每个像素点的邻域内像素点以及每个像素点的邻域内像素点的邻域内像素点构建每个像素点对应的像素组合,包括:
对于第a个像素点:
分别基于第a个像素点、第a个像素点的邻域内的每个像素点、第a个像素点的邻域内的每个像素点的邻域内的每个像素点,构建第a个像素点对应的多个像素组合;其中第a个像素点对应的每个像素组合中均包含三个像素点,分别为第a个像素点、第a个像素点的邻域内的一个像素点和第a个像素点的邻域内的一个像素点的邻域内的一个像素点。
优选的,所述根据每个像素组合内像素点的灰度差异以及相对位置分布,得到每个像素组合的蔓延随机程度,包括:
对于第b个像素组合:
将第b个像素组合中由第1个像素点指向第2个像素点的方向记为第一方向,将第b个像素组合中由第2个像素点指向第3个像素点的方向记为第二方向,获取所述第一方向与所述第二方向之间的夹角;
分别计算第b个像素组合中每两个相邻像素点之间的灰度差异;
根据所述第b个像素组合中每两个相邻像素点之间的灰度差异和所述夹角,获得第b个像素组合的蔓延随机程度,所述第b个像素组合中每两个相邻像素点之间的灰度差异与所述蔓延随机程度呈负相关关系,所述夹角与所述蔓延随机程度呈正相关关系。
优选的,所述基于所述蔓延随机程度确定每个像素点的参考蔓延组合,包括:
将蔓延随机程度大于预设蔓延阈值的像素组合,确定为参考蔓延组合。
优选的,所述根据所述灰度图像中每种灰度值对应的像素点的参考蔓延组合的蔓延随机程度、参考蔓延组合的数量占比和所述单一程度,得到所述灰度图像中每种灰度值的对比度增强权重,包括:
对于所述灰度图像中第i种灰度值:
分别将第i种灰度值对应的每个像素点的参考蔓延组合的数量与对应的像素组合的数量的比值,作为第i种灰度值对应的每个像素点的参考蔓延组合的数量占比;
根据第i种灰度值对应的像素点的每个参考蔓延组合的蔓延随机程度、第i种灰度值的单一程度和第i种灰度值对应的每个像素点的参考蔓延组合的数量占比,得到所述灰度图像中第i种灰度值的对比度增强权重。
优选的,采用如下公式计算所述灰度图像中第i种灰度值的对比度增强权重:
其中,表示所述灰度图像中第i种灰度值的对比度增强权重,/>表示待检测缓速器转子的灰度图像中第i种灰度值的单一程度,/>表示第i种灰度值对应的像素点的数量,/>表示第i种灰度值对应的第x个像素点的参考蔓延组合的数量,G表示第i种灰度值对应的第x个像素点对应的像素组合的数量,/>表示第i种灰度值对应的第x个像素点的第k个参考蔓延组合的蔓延随机程度。
优选的,所述基于所述对比度增强权重对每种灰度值进行增强处理,获得增强后的图像,包括:
基于所述灰度图像中每种灰度值的对比度增强权重获得每种灰度值对应的增强后的灰度值;
将所述灰度图像中每种灰度值用其对应的增强后的灰度值进行替换,将替换完成后的图像作为增强后的图像。
优选的,采用如下公式计算所述灰度图像中第i种灰度值对应的增强后的灰度值:
其中,表示所述灰度图像中第i种灰度值对应的增强后的灰度值,/>表示所述灰度图像中第i种灰度值的对比度增强权重,/>表示所有灰度值的对比度增强权重的最大值,/>表示所述灰度图像中第i种灰度值,U为预设增强参数,min( )表示取最小值函数。
优选的,所述基于所述增强后的图像提取隐裂区域,包括:
采用大津阈值分割算法对所述增强后的图像进行分割,基于分割结果获得隐裂区域。
本发明至少具有如下有益效果:
1、本发明通过分析待检测缓速器转子的灰度图像中每种灰度值对应的像素点在图像中的蔓延特征,获取了蔓延随机程度,进而从所有像素组合中筛选出了参考蔓延组合,结合参考蔓延组合的数量占比、蔓延随机程度和单一程度确定了每种灰度值的对比度增强权重,进而对待检测缓速器转子的灰度图像中不同灰度值的像素点进行了不同程度地自适应增强处理,该方法避免了灰度值的单一程度无法直观表现隐裂区域的特点所导致将正常区域误判为隐裂区域,本发明提供的方法提高了待检测缓速器转子的灰度图像中的隐裂区域与周边区域的对比度,基于增强后的图像提取隐裂区域,提高了缓速器转子隐裂区域识别结果的准确性。
2、本发明结合正常缓速器转子内结构的分布特点,获取了待检测缓速器转子的灰度图像中每种灰度值的单一程度,单一程度可以判断灰度值对应元素在图像中的特异性表现,避免了隐裂缺陷可能同样叠加在正常区域之上与周边正常区域对比度较低所导致的误判,提高了缓速器转子的隐裂区域识别结果的准确度。
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为本发明实施例所提供的一种基于X光探伤的缓速器转子隐裂识别方法的流程图。
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基于X光探伤的缓速器转子隐裂识别方法进行详细说明如下。
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X光探伤的缓速器转子隐裂识别方法的具体方案。
基于X光探伤的缓速器转子隐裂识别方法实施例:
本实施例所针对的具体场景为:当缓冲器转子存在隐裂缺陷时,可能会造成设备损坏,甚至引起安全事故,因此需要对缓冲器转子进行隐裂缺陷检测,在对缓冲器转子的隐裂缺陷进行检测时,考虑到采集到的X光探伤设备对于金属部件的穿透力较好,因此本实施例将利用X光探伤设备采集待检测缓速器转子的图像,然后对采集到的图像进行分析,进而判断待检测缓速器转子是否存在隐裂缺陷,若存在,则准确提取出隐裂区域。
本实施例提出了基于X光探伤的缓速器转子隐裂识别方法,如图1所示,本实施例的基于X光探伤的缓速器转子隐裂识别方法包括以下步骤:
步骤S1,获取X光探伤设备采集到的待检测缓速器转子的灰度图像。
本实施例首先在待检测缓速器转子的正上方设置X光探伤设备,用于采集待检测缓速器转子的X光图像,然后对采集到的待检测缓速器转子的X光图像进行灰度化以及去噪处理,将灰度化及去噪处理后的图像记为待检测缓速器转子的灰度图像。本实施例采用高斯滤波方法对X光图像进行去噪处理,高斯滤波方法以及图像灰度化处理方法均为现有技术,此处不再过多赘述。
至此,本实施例获取到了待检测缓速器转子的灰度图像。
步骤S2,根据所述灰度图像中每种灰度值对应的像素点之间的距离和每种灰度值对应的像素点与其邻域内像素点的灰度差异,获得所述灰度图像中每种灰度值的单一程度;分别基于所述灰度图像中每个像素点、每个像素点的邻域内像素点以及每个像素点的邻域内像素点的邻域内像素点构建每个像素点对应的像素组合;根据每个像素组合内像素点的灰度差异以及相对位置分布,得到每个像素组合的蔓延随机程度;基于所述蔓延随机程度确定每个像素点的参考蔓延组合。
由于缓速器设备本身具有相对复杂的结构,而X光探伤设备对于金属部件的穿透性较好,因此在待检测缓速器转子的灰度图像中会存在多种部件叠加的情况;不同的部件其结构以及密度不同,由X光图像的先验知识可知,高密度材料对于X射线的吸收能力较强,因此在X射线透过金属后,金属部位的X射线强度相对较低,显得较亮,相反,低密度或非金属部位例如隐裂缺陷对X射线的吸收能力较弱,因此在X光图像中呈现为颜色较暗的区域,并且由于隐裂区域实际是缺失了部分金属,因此其颜色更暗;对于缓速器内的相关正常结构的金属材料的分布是均匀的;而隐裂缺陷可能同样叠加在正常区域之上,其与周边正常区域对比度较低,不容易识别;因而对于待检测缓速器转子的灰度图像中的各个灰度级,其在图像中可能表征一个或多个元素,本实施例中的元素指缓速器转子内部的各种结构,因此,待检测缓速器转子的灰度图像内不同的部件以及缺陷的灰度值与周边不同结构之间会存在一定差异;此时若待检测缓速器转子的灰度图像中任意一种灰度值下的元素表征的个数越少,说明该灰度值在图像中对应元素表现一种结构的可能性越高,该灰度值代表隐裂区域的可能性越高。基于此,本实施例将根据待检测缓速器转子的灰度图像中每种灰度值对应的像素点之间的距离和每种灰度值对应的像素点与其邻域内像素点的灰度差异,对每种灰度值的单一程度进行评价。需要说明的是:本实施例将相同数值的灰度值作为一种灰度值。
具体地,对于所述灰度图像中第i种灰度值:
获取第i种灰度值对应的每两个像素点之间的距离,将第i种灰度值对应的所有的所述每两个像素点之间的距离的均值记为第i种灰度值对应的平均距离;分别计算第i种灰度值对应的每个像素点与其邻域内每个像素点之间的灰度值的差值的绝对值,作为第i种灰度值对应的每个像素点与其邻域内每个像素点的灰度差异;本实施例中的邻域为八邻域,在具体应用中,实施者可根据具体情况进行设置。基于所述平均距离和所述第i种灰度值对应的每个像素点与其邻域内每个像素点的灰度差异,获得所述灰度图像中第i种灰度值的单一程度,所述平均距离和所述第i种灰度值对应的每个像素点与其邻域内每个像素点的灰度差异均与所述单一程度呈负相关关系。其中,负相关关系表示因变量会随着自变量的增大而减小,因变量会随着自变量的减小而增大,可以为相减关系、相除关系等,由实际应用进行确定。作为一个具体实施方式,给出单一程度的具体计算公式,待检测缓速器转子的灰度图像中第i种灰度值的单一程度的具体计算公式为:
其中,表示待检测缓速器转子的灰度图像中第i种灰度值的单一程度,/>表示第i种灰度值对应的像素点的数量,/>表示第i种灰度值对应的平均距离,/>表示第i种灰度值对应的第m个像素点的邻域内像素点的数量,/>表示第i种灰度值对应的第m个像素点的灰度值,/>表示第i种灰度值对应的第m个像素点的邻域内第z个像素点的灰度值,exp( )表示以自然常数为底数的指数函数,/>表示取绝对值符号。
表示第i种灰度值对应的第m个像素点与其邻域内第z个像素点的灰度差异,遍历第m个像素点的邻域内所有像素点得到/>,该值越小,说明第i种灰度值对应的第m个像素点所在位置的灰度值分布越均匀,表明当前像素点所在位置表现同一元素的可能性越大,遍历相同灰度值的所有像素点得到/>,该值越小,说明对元素表征单一程度越高;第i种灰度值对应的平均距离用于表征第i种灰度值对应的所有像素点中两两像素点之间的距离的均值,该值越小,说明第i种灰度值的各个像素点之间分布的越密集,第i种灰度值的各个像素点所形成的区域表现单一元素的可能性越大。当第i种灰度值对应的像素点与其邻域内像素点的灰度差异越小、第i种灰度值对应的所有像素点中两两像素点之间的距离越小时,第i种灰度值的单一程度越大。
采用上述方法,能够获得待检测缓速器转子的灰度图像中第i种灰度值的单一程度,本实施例结合正常缓速器内结构的分布特点,获取了待检测缓速器转子的灰度图像内每种灰度值对元素表征的单一程度,通过单一程度可以判断灰度值对应元素在图像中的特异性表现,避免了隐裂缺陷可能叠加在正常区域之上与周边正常区域对比度较低所导致的误判,提高了隐裂区域识别的准确性。
由于缓速器转子的隐裂缺陷是由于长时间使用或是碰撞等导致的缓速器结构撕裂,在缓速器内部或表层出现裂缝;若缓速器转子内部出现细微空腔,则其在X光检测时的成像为低密度的深色条纹,且灰度级基本一致;同时由于裂缝形成过程中其会向各个方向随机蔓延,因而仅利用上述步骤获取到的每种灰度值的单一程度无法直观表现隐裂区域的特点,需要结合隐裂的蔓延特征判断每种灰度值的蔓延随机性程度。
具体地,对于待检测缓速器转子的灰度图像中的第a个像素点:分别基于第a个像素点、第a个像素点的邻域内的每个像素点、第a个像素点的邻域内的每个像素点的邻域内的每个像素点,构建第a个像素点对应的多个像素组合;其中第a个像素点对应的每个像素组合中均包含三个像素点,分别为第a个像素点、第a个像素点的邻域内的一个像素点和第a个像素点的邻域内的一个像素点的邻域内的一个像素点,也即像素组合中的第一个像素点为第a个像素点,像素组合中的第二个像素点为第a个像素点的邻域内的一个像素点,像素组合中的第三个像素点为像素组合中的第二个像素点的邻域内的一个像素点。采用上述方法,能够获得待检测缓速器转子的灰度图像中每个像素点对应的像素组合,每个像素点均对应多个像素组合。
隐裂条纹自身的灰度级较小,并且相同的隐裂条纹灰度级基本一致;同时,其灰度级对应像素点个数越少,说明表现隐裂的可能性越高;若隐裂条纹存在于正常结构周边,其灰度值的单一程度应当较小。基于此,本实施例接下来将根据每个像素组合内像素点的灰度差异以及相对位置分布,对蔓延程度进行分析,获得每个像素组合的蔓延随机程度。
具体地,对于第b个像素组合:
将第b个像素组合中由第1个像素点指向第2个像素点的方向记为第一方向,将第b个像素组合中由第2个像素点指向第3个像素点的方向记为第二方向,获取所述第一方向与所述第二方向之间的夹角。分别计算第b个像素组合中每两个相邻像素点之间的灰度差异,由于每个像素组合中均存在三个像素点,因此每个像素组合能够获得两个灰度差异;根据所述第b个像素组合中每两个相邻像素点之间的灰度差异和所述夹角,获得第b个像素组合的蔓延随机程度,所述第b个像素组合中每两个相邻像素点之间的灰度差异与所述蔓延随机程度呈负相关关系,所述夹角与所述蔓延随机程度呈正相关关系。其中,正相关关系表示因变量会随着自变量的增大而增大,因变量会随着自变量的减小而减小,具体关系可以为相乘关系、相加关系、指数函数的幂等,由实际应用进行确定,负相关关系表示因变量会随着自变量的增大而减小,因变量会随着自变量的减小而增大,可以为相减关系、相除关系等,由实际应用进行确定;作为一个具体实施方式,给出蔓延随机程度的具体计算公式,第b个像素组合的蔓延随机程度的具体计算公式为:
其中,表示第b个像素组合的蔓延随机程度,/>表示第一方向与第二方向之间的夹角值,/>表示第b个像素组合中第1个像素点的灰度值,/>表示第b个像素组合中第2个像素点的灰度值,/>表示第b个像素组合中第3个像素点的灰度值,c表示预设调整参数,norm( )表示归一化函数,/>表示取绝对值符号。
本实施例在蔓延随机程度的计算公式中引入预设调整参数是为了防止分母为0,本实施例中预设调整参数为0.1,在具体应用中,实施者可根据具体情况进行设置。表示第b个像素组合中前两个像素点的灰度差异,/>表示第b个像素组合中后两个像素点的灰度差异,该差异越小,说明在延伸过程中经过的像素点之间灰度差异越小,表现同一种结构或缺陷的可能性较高;/>用于反映第b个像素组合中三个像素点形成的方向之间的夹角大小,该夹角越大,说明蔓延过程中随机性越高。当第一方向与第二方向之间的夹角值越大、第b个像素组合中像素点之间的灰度差异越小时,说明蔓延过程中随机性越高,第b个像素组合的蔓延随机程度越大。
采用上述方法,能够获得每个像素组合的蔓延随机程度。
若某一灰度值表现的是隐裂缺陷的像素点的灰度值,则当前灰度值中的多数像素点所形成的区域应表现为存在1组或2组由三个像素点形成的像素组合的连续延伸方向上的蔓延随机程度较大;若当前灰度值表现的是正常结构的像素点的灰度值,则对于灰度值中的多数像素点形成的区域应表现为存在大于2组以上的由三个像素点形成的像素组合的连续延伸方向上的蔓延随机程度较大;同时,该灰度值的分布密集程度也较大,因此本实施例将蔓延随机程度大于预设蔓延阈值的像素组合,确定为参考蔓延组合。本实施例中预设蔓延阈值为0.7,在具体应用中,实施者可根据具体情况进行设置。
至此,本实施例基于蔓延随机程度从所有像素组合中筛选出了多个参考蔓延组合。
步骤S3,根据所述灰度图像中每种灰度值对应的像素点的参考蔓延组合的蔓延随机程度、参考蔓延组合的数量占比和所述单一程度,得到所述灰度图像中每种灰度值的对比度增强权重;基于所述对比度增强权重对每种灰度值进行增强处理,获得增强后的图像。
本实施例基于像素组合的蔓延随机程度,从所有像素组合中筛选出了多个参考蔓延组合,参考蔓延组合的数量越少且蔓延随机性程度越大,同时灰度值本身的均匀分布程度越低,则提高对比度的需求越高,基于此,本实施例接下来根据每种灰度值对应的像素点的参考蔓延组合的蔓延随机程度、参考蔓延组合的数量占比和单一程度,确定每种灰度值的对比度增强权重。
具体地,对于所述灰度图像中第i种灰度值:
分别将第i种灰度值对应的每个像素点的参考蔓延组合的数量与对应的像素组合的数量的比值,作为第i种灰度值对应的每个像素点的参考蔓延组合的数量占比;根据第i种灰度值对应的像素点的每个参考蔓延组合的蔓延随机程度、第i种灰度值的单一程度和第i种灰度值对应的每个像素点的参考蔓延组合的数量占比,得到所述灰度图像中第i种灰度值的对比度增强权重。待检测缓速器转子的灰度图像中第i种灰度值的对比度增强权重的具体计算公式为:
其中,表示所述灰度图像中第i种灰度值的对比度增强权重,/>表示待检测缓速器转子的灰度图像中第i种灰度值的单一程度,/>表示第i种灰度值对应的像素点的数量,/>表示第i种灰度值对应的第x个像素点的参考蔓延组合的数量,G表示第i种灰度值对应的第x个像素点对应的像素组合的数量,/>表示第i种灰度值对应的第x个像素点的第k个参考蔓延组合的蔓延随机程度。
表示第i种灰度值对应的第x个像素点的参考蔓延组合的蔓延随机程度的累乘值,该值越大,说明第i种灰度值对应的第x个像素点的参考蔓延组合的蔓延特征与隐裂缺陷的蔓延特征越相似。由于隐裂具有线条的特征,因此参考蔓延组合个数越少,表现隐裂的可能性越高,/>表征第i种灰度值对应的第x个像素点的参考蔓延组合的数量占比,该占比越小,说明第i种灰度值对应的第x个像素点隐裂特征的表现程度越高。当第i种灰度值对应的像素点的参考蔓延组合的蔓延随机程度越大、第i种灰度值的单一程度越小、第i种灰度值对应的像素点的参考蔓延组合的数量占比越小时,说明第i种灰度值的隐裂表现程度越高,其对比度增强权重越大,增强的幅度越大。
采用上述方法,能够获得待检测缓速器转子的灰度图像中每种灰度值的对比度增强权重,本实施例通过分析每种灰度值内的各个像素点在待检测缓冲器转子的灰度图像中的蔓延特征,获取了蔓延随机程度,进而筛选出参考蔓延组合,最终计算了每种灰度值的对比度增强权重,该操作避免了灰度值的单一程度无法直观表现隐裂区域的特点,所导致将正常区域误判为隐裂区域,后续通过线性增强提高不同灰度级与周边灰度级的对比度,进而能够提高隐裂区域的识别准确性。
获取到不同灰度值的对比度增强权重后,为提高后续对隐裂区域进行识别时的准确性,应对不同权重的灰度值进行不同程度的增强,以此提高最终各个灰度级尤其是表现缺陷的像素点与周边像素点的对比度;结合线性增强算法原理,本实施例基于待检测缓速器转子的灰度图像中每种灰度值的对比度增强权重获得每种灰度值对应的增强后的灰度值。第i种灰度值对应的增强后的灰度值的计算公式为:
其中,表示所述灰度图像中第i种灰度值对应的增强后的灰度值,/>表示所述灰度图像中第i种灰度值的对比度增强权重,/>表示所有灰度值的对比度增强权重的最大值,/>表示所述灰度图像中第i种灰度值,U为预设增强参数,min( )表示取最小值函数。
本实施例中预设增强参数为1,在具体应用中,实施者可根据具体情况进行设置。用于对对比度增强权重进行归一化处理;由于隐裂区域的像素点本身的灰度值较小,因此为提高其对比度,应使得其他灰度值变大,令其灰度值尽可能变小或保持不变。对比度增强权重越高,增强的幅度越小。
采用上述方法,能够获得待检测缓速器转子的灰度图像中每种灰度值对应的增强后的灰度值,将所述灰度图像中每种灰度值用其对应的增强后的灰度值进行替换,将替换完成后的图像作为增强后的图像。
至此,采用本实施例提供的方法对待检测缓速器转子的灰度图像中的像素点进行了自适应增强,不同像素点的增强程度可能不同,提高了待检测缓速器转子的灰度图像的增强效果,获得了增强后的图像。
步骤S4,基于所述增强后的图像提取隐裂区域。
本实施例在步骤S3中获得了增强后的图像,提高了待检测缓速器转子的灰度图像中的隐裂区域与周边区域的对比度,接下来将基于增强后的图像判断待检测缓冲器转子上是否存在隐裂缺陷,若存在,则准确提取隐裂区域。
具体地,采用大津阈值分割算法对所述增强后的图像进行分割,二值化图像中灰度值为0的像素点构成的连通域即为隐裂区域,利用掩膜技术将其标注在待检测缓速器转子的灰度图像中。需要说明的是:在采用大津阈值分割算法进行分割处理时,若不存在灰度值为0的像素点,则说明待检测缓速器转子上不存在隐裂缺陷。大津阈值分割算法和掩膜技术均为现有技术,此处不再过多赘述。
至此,采用本实施例提供的方法,完成了对待检测缓速器转子的隐裂缺陷的检测。
本实施例通过分析待检测缓速器转子的灰度图像中每种灰度值对应的像素点在图像中的蔓延特征,获取了蔓延随机程度,进而从所有像素组合中筛选出了参考蔓延组合,结合参考蔓延组合的数量占比、蔓延随机程度和单一程度确定了每种灰度值的对比度增强权重,进而对待检测缓速器转子的灰度图像中不同灰度值的像素点进行了不同程度地自适应增强处理,该方法避免了灰度值的单一程度无法直观表现隐裂区域的特点所导致将正常区域误判为隐裂区域,本实施例提供的方法提高了待检测缓速器转子的灰度图像中的隐裂区域与周边区域的对比度,基于增强后的图像提取隐裂区域,提高了缓速器转子隐裂区域识别结果的准确性。本实施例结合正常缓速器转子内结构的分布特点,获取了待检测缓速器转子的灰度图像中每种灰度值的单一程度,单一程度可以判断灰度值对应元素在图像中的特异性表现,避免了隐裂缺陷可能同样叠加在正常区域之上与周边正常区域对比度较低所导致的误判,提高了缓速器转子的隐裂区域识别结果的准确度。
需要说明的是:以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的原则之内,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 (3)
1.一种基于X光探伤的缓速器转子隐裂识别方法,其特征在于,该方法包括以下步骤:
获取X光探伤设备采集到的待检测缓速器转子的灰度图像;
根据所述灰度图像中每种灰度值对应的像素点之间的距离和每种灰度值对应的像素点与其邻域内像素点的灰度差异,获得所述灰度图像中每种灰度值的单一程度;分别基于所述灰度图像中每个像素点、每个像素点的邻域内像素点以及每个像素点的邻域内像素点的邻域内像素点构建每个像素点对应的像素组合;根据每个像素组合内像素点的灰度差异以及相对位置分布,得到每个像素组合的蔓延随机程度;基于所述蔓延随机程度确定每个像素点的参考蔓延组合;
根据所述灰度图像中每种灰度值对应的像素点的参考蔓延组合的蔓延随机程度、参考蔓延组合的数量占比和所述单一程度,得到所述灰度图像中每种灰度值的对比度增强权重;基于所述对比度增强权重对每种灰度值进行增强处理,获得增强后的图像;
基于所述增强后的图像提取隐裂区域;
所述根据所述灰度图像中每种灰度值对应的像素点之间的距离和每种灰度值对应的像素点与其邻域内像素点的灰度差异,获得所述灰度图像中每种灰度值的单一程度,包括:
对于所述灰度图像中第i种灰度值:
获取第i种灰度值对应的每两个像素点之间的距离,将第i种灰度值对应的所有的所述每两个像素点之间的距离的均值记为第i种灰度值对应的平均距离;
分别计算第i种灰度值对应的每个像素点与其邻域内每个像素点之间的灰度值的差值的绝对值,作为第i种灰度值对应的每个像素点与其邻域内每个像素点的灰度差异;
基于所述平均距离和所述第i种灰度值对应的每个像素点与其邻域内每个像素点的灰度差异,获得所述灰度图像中第i种灰度值的单一程度,所述平均距离和所述第i种灰度值对应的每个像素点与其邻域内每个像素点的灰度差异均与所述单一程度呈负相关关系;
所述灰度图像中第i种灰度值的单一程度的计算公式为:
其中,表示待检测缓速器转子的灰度图像中第i种灰度值的单一程度,/>表示第i种灰度值对应的像素点的数量,/>表示第i种灰度值对应的平均距离,/>表示第i种灰度值对应的第m个像素点的邻域内像素点的数量,/>表示第i种灰度值对应的第m个像素点的灰度值,/>表示第i种灰度值对应的第m个像素点的邻域内第z个像素点的灰度值,exp( )表示以自然常数为底数的指数函数,/>表示取绝对值符号;
所述分别基于所述灰度图像中每个像素点、每个像素点的邻域内像素点以及每个像素点的邻域内像素点的邻域内像素点构建每个像素点对应的像素组合,包括:
对于第a个像素点:
分别基于第a个像素点、第a个像素点的邻域内的每个像素点、第a个像素点的邻域内的每个像素点的邻域内的每个像素点,构建第a个像素点对应的多个像素组合;其中第a个像素点对应的每个像素组合中均包含三个像素点,分别为第a个像素点、第a个像素点的邻域内的一个像素点和第a个像素点的邻域内的一个像素点的邻域内的一个像素点;
所述根据每个像素组合内像素点的灰度差异以及相对位置分布,得到每个像素组合的蔓延随机程度,包括:
对于第b个像素组合:
将第b个像素组合中由第1个像素点指向第2个像素点的方向记为第一方向,将第b个像素组合中由第2个像素点指向第3个像素点的方向记为第二方向,获取所述第一方向与所述第二方向之间的夹角;
分别计算第b个像素组合中每两个相邻像素点之间的灰度差异;
根据所述第b个像素组合中每两个相邻像素点之间的灰度差异和所述夹角,获得第b个像素组合的蔓延随机程度,所述第b个像素组合中每两个相邻像素点之间的灰度差异与所述蔓延随机程度呈负相关关系,所述夹角与所述蔓延随机程度呈正相关关系;
第b个像素组合的蔓延随机程度的计算公式为:
其中,表示第b个像素组合的蔓延随机程度,/>表示第一方向与第二方向之间的夹角值,/>表示第b个像素组合中第1个像素点的灰度值,/>表示第b个像素组合中第2个像素点的灰度值,/>表示第b个像素组合中第3个像素点的灰度值,c表示预设调整参数,norm( )表示归一化函数,/>表示取绝对值符号;
所述根据所述灰度图像中每种灰度值对应的像素点的参考蔓延组合的蔓延随机程度、参考蔓延组合的数量占比和所述单一程度,得到所述灰度图像中每种灰度值的对比度增强权重,包括:
对于所述灰度图像中第i种灰度值:
分别将第i种灰度值对应的每个像素点的参考蔓延组合的数量与对应的像素组合的数量的比值,作为第i种灰度值对应的每个像素点的参考蔓延组合的数量占比;
根据第i种灰度值对应的像素点的每个参考蔓延组合的蔓延随机程度、第i种灰度值的单一程度和第i种灰度值对应的每个像素点的参考蔓延组合的数量占比,得到所述灰度图像中第i种灰度值的对比度增强权重;
采用如下公式计算所述灰度图像中第i种灰度值的对比度增强权重:
其中,表示所述灰度图像中第i种灰度值的对比度增强权重,/>表示待检测缓速器转子的灰度图像中第i种灰度值的单一程度,/>表示第i种灰度值对应的像素点的数量,/>表示第i种灰度值对应的第x个像素点的参考蔓延组合的数量,G表示第i种灰度值对应的第x个像素点对应的像素组合的数量,/>表示第i种灰度值对应的第x个像素点的第k个参考蔓延组合的蔓延随机程度;
所述基于所述对比度增强权重对每种灰度值进行增强处理,获得增强后的图像,包括:
基于所述灰度图像中每种灰度值的对比度增强权重获得每种灰度值对应的增强后的灰度值;
将所述灰度图像中每种灰度值用其对应的增强后的灰度值进行替换,将替换完成后的图像作为增强后的图像;
采用如下公式计算所述灰度图像中第i种灰度值对应的增强后的灰度值:
其中,表示所述灰度图像中第i种灰度值对应的增强后的灰度值,/>表示所述灰度图像中第i种灰度值的对比度增强权重,/>表示所有灰度值的对比度增强权重的最大值,/>表示所述灰度图像中第i种灰度值,U为预设增强参数,min( )表示取最小值函数。
2.根据权利要求1所述的基于X光探伤的缓速器转子隐裂识别方法,其特征在于,所述基于所述蔓延随机程度确定每个像素点的参考蔓延组合,包括:
将蔓延随机程度大于预设蔓延阈值的像素组合,确定为参考蔓延组合。
3.根据权利要求1所述的基于X光探伤的缓速器转子隐裂识别方法,其特征在于,所述基于所述增强后的图像提取隐裂区域,包括:
采用大津阈值分割算法对所述增强后的图像进行分割,基于分割结果获得隐裂区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410363856.9A CN117974641B (zh) | 2024-03-28 | 2024-03-28 | 基于x光探伤的缓速器转子隐裂识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410363856.9A CN117974641B (zh) | 2024-03-28 | 2024-03-28 | 基于x光探伤的缓速器转子隐裂识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117974641A CN117974641A (zh) | 2024-05-03 |
CN117974641B true CN117974641B (zh) | 2024-06-11 |
Family
ID=90846217
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410363856.9A Active CN117974641B (zh) | 2024-03-28 | 2024-03-28 | 基于x光探伤的缓速器转子隐裂识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117974641B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006170635A (ja) * | 2004-12-13 | 2006-06-29 | Hitachi Engineering & Services Co Ltd | 画像処理による欠陥の検出装置および検出方法 |
CN104458748A (zh) * | 2013-09-25 | 2015-03-25 | 中国科学院沈阳自动化研究所 | 基于机器视觉的铝型材表面缺陷检测方法 |
CN105046705A (zh) * | 2015-07-13 | 2015-11-11 | 浙江工业大学 | 一种基于模糊理论的裂纹边缘检测方法 |
CN108827979A (zh) * | 2018-04-23 | 2018-11-16 | 东莞高伟光学电子有限公司 | 一种模组镜头外观检测方法 |
CN110211101A (zh) * | 2019-05-22 | 2019-09-06 | 武汉理工大学 | 一种铁轨表面缺陷快速检测系统及方法 |
CN114708226A (zh) * | 2022-04-01 | 2022-07-05 | 南通蓝城机械科技有限公司 | 一种基于光照影响的铜管内壁裂纹检测方法 |
US11580647B1 (en) * | 2021-12-24 | 2023-02-14 | Guangzhou University | Global and local binary pattern image crack segmentation method based on robot vision |
CN116824117A (zh) * | 2023-07-13 | 2023-09-29 | 中国交通建设股份有限公司轨道交通分公司 | 富水砂层叠落区间隧道衬砌裂缝特征突出显示处理方法 |
CN117649402A (zh) * | 2024-01-29 | 2024-03-05 | 惠州市德立电子有限公司 | 基于图像特征的磁胶电感胶水隐裂检测方法及系统 |
-
2024
- 2024-03-28 CN CN202410363856.9A patent/CN117974641B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006170635A (ja) * | 2004-12-13 | 2006-06-29 | Hitachi Engineering & Services Co Ltd | 画像処理による欠陥の検出装置および検出方法 |
CN104458748A (zh) * | 2013-09-25 | 2015-03-25 | 中国科学院沈阳自动化研究所 | 基于机器视觉的铝型材表面缺陷检测方法 |
CN105046705A (zh) * | 2015-07-13 | 2015-11-11 | 浙江工业大学 | 一种基于模糊理论的裂纹边缘检测方法 |
CN108827979A (zh) * | 2018-04-23 | 2018-11-16 | 东莞高伟光学电子有限公司 | 一种模组镜头外观检测方法 |
CN110211101A (zh) * | 2019-05-22 | 2019-09-06 | 武汉理工大学 | 一种铁轨表面缺陷快速检测系统及方法 |
US11580647B1 (en) * | 2021-12-24 | 2023-02-14 | Guangzhou University | Global and local binary pattern image crack segmentation method based on robot vision |
CN114708226A (zh) * | 2022-04-01 | 2022-07-05 | 南通蓝城机械科技有限公司 | 一种基于光照影响的铜管内壁裂纹检测方法 |
CN116824117A (zh) * | 2023-07-13 | 2023-09-29 | 中国交通建设股份有限公司轨道交通分公司 | 富水砂层叠落区间隧道衬砌裂缝特征突出显示处理方法 |
CN117649402A (zh) * | 2024-01-29 | 2024-03-05 | 惠州市德立电子有限公司 | 基于图像特征的磁胶电感胶水隐裂检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117974641A (zh) | 2024-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114937055B (zh) | 基于人工智能的图像自适应分割方法与系统 | |
CN114842017B (zh) | 一种hdmi线缆表面质量检测方法及系统 | |
CN109410230B (zh) | 一种可抗噪声的改进Canny图像边缘检测方法 | |
CN113592861B (zh) | 一种基于动态阈值的桥梁裂缝检测方法 | |
CN106780486B (zh) | 一种钢板表面缺陷图像提取方法 | |
CN107505546A (zh) | 一种利用紫外成像仪监测电晕放电的方法 | |
CN109584240B (zh) | 滑坡后缘裂缝位移图像识别方法 | |
CN101901342B (zh) | 影像目标区域的提取方法和装置 | |
CN111738256B (zh) | 基于改进分水岭算法的复合材料ct图像分割方法 | |
CN108389216B (zh) | 面向在线铁谱图像磨粒识别的局部自适应阈值分割方法 | |
CN115861325B (zh) | 基于图像数据的悬架弹簧缺陷检测方法及系统 | |
CN109472788B (zh) | 一种飞机铆钉表面的伤痕检测方法 | |
CN116309416A (zh) | 一种零件表面视觉检测方法 | |
CN116630321B (zh) | 基于人工智能的桥梁健康智能监测系统 | |
CN116993731A (zh) | 基于图像的盾构机刀头缺陷检测方法 | |
CN117094975A (zh) | 钢铁表面缺陷检测方法、装置及电子设备 | |
CN114778574A (zh) | X射线数字成像检测识别在运高压电缆内部缺陷方法 | |
CN114037691A (zh) | 一种基于图像处理的碳纤维板裂纹检测方法 | |
CN109870730B (zh) | 一种用于x光机图像解析度测试体定检的方法及系统 | |
CN107369163A (zh) | 一种基于最佳熵双阈值分割的快速sar图像目标检测方法 | |
CN113516608B (zh) | 轮胎的缺陷检测方法和检测装置、轮胎检测设备 | |
CN117974641B (zh) | 基于x光探伤的缓速器转子隐裂识别方法 | |
CN115100224B (zh) | 一种煤矿巷道掘进迎头交叉裂隙提取方法及系统 | |
CN116256368A (zh) | 一种基于内、外部缺陷检测的电梯复合钢带报废判定方法 | |
CN115861304A (zh) | 一种基于图像处理的钢中带状组织检测方法及系统 |
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 |