本發(fā)明屬于圖像處理領(lǐng)域，尤其涉及一種基于邊緣檢測(cè)的金剛石鋸片裂紋提取方法。

背景技術(shù)：

金剛石鋸片在生產(chǎn)過程中，由于生產(chǎn)工藝水平不高、生產(chǎn)技術(shù)落后和材料質(zhì)量的原因，導(dǎo)致生產(chǎn)的金剛石鋸片中會(huì)夾雜微裂紋。裂紋的產(chǎn)生一方面影響產(chǎn)品質(zhì)量，另一方面影響使用，同時(shí)微裂紋一旦誤檢在使用中會(huì)造成嚴(yán)重事故，故對(duì)金剛石表面裂紋的缺陷檢測(cè)與分析是必要的?；趫D像處理的裂紋檢測(cè)技術(shù)由于經(jīng)濟(jì)、方便、實(shí)時(shí)和廣泛的應(yīng)用范圍使其成為實(shí)際生產(chǎn)和生活中裂紋檢測(cè)的關(guān)鍵技術(shù)。因?yàn)榻饎偸徠牡额^包含分布不均勻的金剛砂，導(dǎo)致拍攝的圖像上會(huì)顯示雜點(diǎn)和與裂紋相似的曲線紋路，所以在邊緣檢測(cè)和裂紋提取上又增加了難度。單一經(jīng)典算子只能檢測(cè)金剛石鋸片的基本輪廓邊緣，無法得到具體的紋路和裂紋信息，或者檢測(cè)出復(fù)雜邊緣，但無法從復(fù)雜邊緣中識(shí)別和分離裂紋。

本發(fā)明提出的技術(shù)方案將復(fù)雜的邊緣提取問題轉(zhuǎn)化為簡(jiǎn)單的邊緣檢測(cè)問題。將兩個(gè)邊緣檢測(cè)算子加權(quán)融合的改進(jìn)提高了檢測(cè)的精度和完整性；將邊緣檢測(cè)算子和形態(tài)學(xué)閉運(yùn)算結(jié)合提出了新的創(chuàng)建模板的方法；結(jié)合差分的思想得到裂紋圖像。本發(fā)明提出的方法簡(jiǎn)單，裂紋提取完整，方便了后續(xù)對(duì)裂紋信息數(shù)據(jù)的統(tǒng)計(jì)和分析，工廠可根據(jù)精確的統(tǒng)計(jì)數(shù)據(jù)發(fā)現(xiàn)生產(chǎn)中的問題并進(jìn)行改善，具有很好的應(yīng)用前景。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的主要目的在于提供一種基于邊緣檢測(cè)的金剛石鋸片裂紋提取方法，該方法包括兩個(gè)方面的內(nèi)容：邊緣檢測(cè)算子的改進(jìn)和圖像模板的創(chuàng)建。

為達(dá)上述目的，本發(fā)明提供了如下技術(shù)方案：一種基于邊緣檢測(cè)的金剛石鋸片裂紋提取方法，具體包括如下步驟：

（1）對(duì)采集的金剛石鋸片彩色圖像進(jìn)行灰度化處理；

（2）對(duì)灰度圖像f（x,y）分別用拉普拉斯算子和roberts算子進(jìn)行邊緣檢測(cè)，得到兩個(gè)邊緣圖像gl（x,y）和gr（x,y）；

（3）步驟（2）得到的兩個(gè)邊緣檢測(cè)圖像gl（x,y）和gr（x,y）按照融合規(guī)則進(jìn)行加權(quán)融合。融合規(guī)則為：h（x,y）=α*gl（x,y）+（1-α）*gr（x,y），其中，h（x,y）為融合后的圖像，α為加權(quán)權(quán)值，α=0,0.1,0.2……,1；

最佳權(quán)值的確定：

峰值信噪比是衡量經(jīng)過處理后的圖像質(zhì)量的重要指標(biāo)。峰值信噪比的計(jì)算公式為：

其中，k為采樣點(diǎn)的位數(shù)，通常是8；psnr和mse指的是峰值信噪比和均方誤差；m和n表示圖像的大小為m×n；f(x,y)表示原圖像點(diǎn)（x,y）的像素值；h(x,y)表示權(quán)值為α?xí)r兩種算子加權(quán)融合后的圖像點(diǎn)（x,y）的像素值。

建立直角坐標(biāo)系，橫坐標(biāo)為α，縱坐標(biāo)為psnr，取α=0,0.1,0.2……,1時(shí)求出對(duì)應(yīng)的psnr值，在直角坐標(biāo)系下通過對(duì)點(diǎn)的曲線擬合得到α和psnr的關(guān)系曲線，求出α=0,0.1,0.2……,1時(shí)全部psnr的平均值，在擬合曲線上找到對(duì)應(yīng)的α值，即為最佳權(quán)值。通過加權(quán)融合得到圖像h（x,y），作為帶裂紋的金剛石鋸片邊緣圖像；

（4）運(yùn)用閉運(yùn)算能夠填充物體內(nèi)細(xì)小的空洞，連接鄰近的物體，平滑對(duì)象的輪廓，除去比結(jié)構(gòu)元素更小的暗色細(xì)節(jié)。采用3×3圓形結(jié)構(gòu)元素對(duì)灰度圖像f（x,y）進(jìn)行形態(tài)學(xué)閉運(yùn)算，填充小裂紋，得到無裂紋圖像f1（x,y）；

（5）對(duì)無裂紋圖像f1（x,y）按照步驟（2）進(jìn)行處理，得到無裂紋邊緣圖像m1（x,y）和m2（x,y）；

（6）對(duì)步驟（5）得到的兩個(gè)邊緣檢測(cè)圖像m1（x,y）和m2（x,y）按照步驟（3）得到的最佳權(quán)值進(jìn)行融合，得到融合圖像m（x,y），作為無裂紋的金剛石鋸片邊緣模板圖像；

（7）將步驟（3）和（6）得到的帶裂紋金剛石鋸片邊緣圖像h（x,y）和無裂紋的金剛石鋸片邊緣模板圖像m（x,y）進(jìn)行差分融合，得到的圖像即為裂紋圖像，再進(jìn)行去噪得到的即為最終裂紋圖像f2（x,y）。

與現(xiàn)有的技術(shù)相比，本發(fā)明提出的技術(shù)方案將復(fù)雜的邊緣提取問題轉(zhuǎn)化為簡(jiǎn)單的邊緣檢測(cè)問題。將兩個(gè)邊緣檢測(cè)算子加權(quán)融合的改進(jìn)提高了檢測(cè)的精度和完整性；將邊緣檢測(cè)算子和形態(tài)學(xué)閉運(yùn)算結(jié)合提出了新的創(chuàng)建模板的方法；結(jié)合差分的思想得到裂紋圖像。本發(fā)明提出的方法簡(jiǎn)單，適用性強(qiáng)，裂紋的提取方便了后續(xù)對(duì)裂紋信息數(shù)據(jù)的統(tǒng)計(jì)和分類，工廠可根據(jù)精確的統(tǒng)計(jì)數(shù)據(jù)發(fā)現(xiàn)生產(chǎn)中的問題并進(jìn)行改善，有很好的應(yīng)用前景。

附圖說明

此處所說明的附圖用來提供對(duì)本發(fā)明的進(jìn)一步理解，構(gòu)成本發(fā)明的一部分，本發(fā)明的示意性實(shí)施例及其說明用于解釋本發(fā)明，并不構(gòu)成對(duì)本發(fā)明的不當(dāng)限定。在附圖中：

圖1是本發(fā)明的方法流程圖；

圖2是金剛石鋸片的灰度圖；

圖3是對(duì)圖2用拉普拉斯算子邊緣檢測(cè)結(jié)果圖；

圖4是對(duì)圖2用roberts算子邊緣檢測(cè)結(jié)果圖；

圖5是對(duì)圖3和圖4加權(quán)融合后的帶裂紋圖像；

圖6是對(duì)圖2先閉運(yùn)算再用拉普拉斯算子邊緣檢測(cè)結(jié)果圖；

圖7是對(duì)圖2先閉運(yùn)算再用roberts算子邊緣檢測(cè)結(jié)果圖；

圖8是對(duì)圖6和圖7以圖5所用權(quán)值加權(quán)融合后的帶裂紋圖像；

圖9是對(duì)圖5和圖8差分融合后最終得到的裂紋圖。

具體實(shí)施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，以下結(jié)合附圖及具體實(shí)施例，對(duì)本發(fā)明作進(jìn)一步地詳細(xì)說明。所描述的實(shí)施例僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒緦?shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)的前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

如圖1所示，為本發(fā)明的方法流程圖，主要包括灰度化、roberts邊緣檢測(cè)、拉普拉斯邊緣檢測(cè)、加權(quán)融合、形態(tài)學(xué)閉運(yùn)算和差分融合。本發(fā)明方案具體包括如下步驟：

（1）對(duì)采集的金剛石鋸片彩色圖像進(jìn)行灰度化處理；

（2）對(duì)灰度圖像f（x,y）分別用拉普拉斯算子和roberts算子進(jìn)行邊緣檢測(cè)，得到兩個(gè)邊緣圖像gl（x,y）和gr（x,y）；

（3）步驟（2）得到的兩個(gè)邊緣檢測(cè)圖像gl（x,y）和gr（x,y）按照融合規(guī)則進(jìn)行加權(quán)融合。融合規(guī)則為：h（x,y）=α*gl（x,y）+（1-α）*gr（x,y），其中，h（x,y）為融合后的圖像，α為加權(quán)系數(shù)，α=0,0.1,0.2……,1；

確定最佳權(quán)值：

峰值信噪比是衡量經(jīng)過處理后的圖像質(zhì)量的重要指標(biāo)。峰值信噪比的計(jì)算公式為：

其中，k為采樣點(diǎn)的位數(shù)，通常是8；psnr和mse指的是峰值信噪比和均方誤差；m和n表示圖像的大小為m*n；f(x,y)表示原圖像點(diǎn)（x,y）的像素值；h(x,y)表示權(quán)值為α?xí)r兩種算子加權(quán)融合后的圖像點(diǎn)（x,y）的像素值。

建立直角坐標(biāo)系，橫坐標(biāo)為α，縱坐標(biāo)為psnr，取α=0,0.1,0.2……,1時(shí)求出對(duì)應(yīng)的psnr值，在直角坐標(biāo)系下通過對(duì)點(diǎn)的曲線擬合得到α和psnr的關(guān)系曲線，求出α=0,0.1,0.2……,1時(shí)全部psnr的平均值，在擬合曲線上找到對(duì)應(yīng)的α值，即為最佳權(quán)值。通過加權(quán)融合得到圖像h（x,y），作為帶裂紋的金剛石鋸片邊緣圖像；

（4）運(yùn)用閉運(yùn)算能夠填充物體內(nèi)細(xì)小的空洞，連接鄰近的物體，平滑對(duì)象的輪廓，除去比結(jié)構(gòu)元素更小的暗色細(xì)節(jié)。采用3×3圓形結(jié)構(gòu)元素對(duì)灰度圖像f（x,y）進(jìn)行形態(tài)學(xué)閉運(yùn)算，填充小裂紋，得到無裂紋圖像f1（x,y）；

（5）對(duì)無裂紋圖像f1（x,y）按照步驟（2）進(jìn)行處理，得到無裂紋邊緣圖像m1（x,y）和m2（x,y）；

（6）對(duì)步驟（5）得到的兩個(gè)邊緣檢測(cè)圖像m1（x,y）和m2（x,y）按照步驟（3）得到的最佳權(quán)值進(jìn)行融合，得到融合圖像m（x,y），作為無裂紋的金剛石鋸片邊緣模板圖像；

（7）將步驟（3）和（6）得到的帶裂紋金剛石鋸片邊緣圖像h（x,y）和無裂紋的金剛石鋸片邊緣模板圖像m（x,y）進(jìn)行差分融合，得到的圖像即為裂紋圖像，再進(jìn)行去噪得到的即為最終裂紋圖像f2（x,y）。

為具體說明，用一個(gè)實(shí)例進(jìn)行如下說明。具體實(shí)施過程為：

1、實(shí)驗(yàn)對(duì)象是金剛石鋸片彩色圖像，黑色背景下采集獲得金剛石鋸片的彩色圖像（圖像大小為389×389，分辨率為96dpi）進(jìn)行灰度處理后的圖像如圖2所示；

2、用兩種算子對(duì)灰度圖像進(jìn)行邊緣檢測(cè)，其中，用拉普拉斯算子對(duì)灰度圖像進(jìn)行檢測(cè)得到的邊緣圖像如圖3所示，用roberts算子對(duì)灰度圖像進(jìn)行檢測(cè)得到的邊緣圖像如圖4所示；

3、按照步驟（3）的融合規(guī)則對(duì)圖3和圖4進(jìn)行加權(quán)融合，求出權(quán)值α=0,0.1,0.2……,1時(shí)對(duì)應(yīng)的psnr值，建立直角坐標(biāo)系，橫坐標(biāo)為α，縱坐標(biāo)為psnr，通過曲線擬合得到α和psnr的對(duì)應(yīng)關(guān)系，求得psnr的平均值為29.48db，在曲線上找出對(duì)應(yīng)的α的值為0.7，即為最佳權(quán)值，按照最佳權(quán)值加權(quán)融合圖3和圖4，得到帶裂紋的金剛石鋸片邊緣圖像如圖5所示；

4、先對(duì)灰度圖圖2進(jìn)行形態(tài)學(xué)閉運(yùn)算填充小裂紋，閉運(yùn)算采用3×3圓形結(jié)構(gòu)元素，再分別用兩種算子對(duì)灰度圖像圖2進(jìn)行邊緣檢測(cè)，其中，先用閉運(yùn)算后用拉普拉斯算子對(duì)灰度圖像圖2進(jìn)行檢測(cè)得到的邊緣圖像如圖6所示，先用閉運(yùn)算后用roberts算子對(duì)灰度圖像圖2進(jìn)行檢測(cè)得到的邊緣圖像如圖7所示；

5、按照步驟（3）的融合規(guī)則，最佳權(quán)值為0.7，對(duì)圖6和圖7進(jìn)行加權(quán)融合，融合后的圖像為無裂紋的金剛石鋸片邊緣模板圖像，如圖8所示；

6、對(duì)圖5和圖8進(jìn)行差分融合得到的就是裂紋圖像，如圖9所示。

綜上所述，利用本發(fā)明的裂紋提取方法，能提取出金剛石鋸片裂紋，方便后續(xù)對(duì)裂紋長(zhǎng)度、寬度、位置、形狀的定量統(tǒng)計(jì)和分析。本發(fā)明提出的技術(shù)方案將復(fù)雜的邊緣提取問題轉(zhuǎn)化為簡(jiǎn)單的邊緣檢測(cè)問題，解決了從金剛石鋸片復(fù)雜邊緣中識(shí)別和分離裂紋的難點(diǎn)，方法簡(jiǎn)單，適用性強(qiáng)，裂紋的提取方便了后續(xù)對(duì)裂紋信息數(shù)據(jù)的統(tǒng)計(jì)和分類，工廠可根據(jù)精確的統(tǒng)計(jì)數(shù)據(jù)發(fā)現(xiàn)生產(chǎn)中的問題并進(jìn)行改善，有很好的應(yīng)用前景。