一種鋼材晶粒的自動(dòng)晶界提取方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種鋼材晶粒的自動(dòng)晶界提取方法，包括1、晶粒圖像預(yù)處理，包括灰度轉(zhuǎn)換、中值濾波去噪、二值化處理；2、晶粒特征點(diǎn)提取與特征距離的計(jì)算，包括距離變換、生成尺度空間、構(gòu)造高斯差分尺度空間、尋找尺度空間特征點(diǎn)以及計(jì)算特征距離；3、晶界自動(dòng)提取，包括畫(huà)出初始輪廓、水平集演化提取晶界、最終確定晶界。通過(guò)運(yùn)用sift算法求取距離變換后圖像特征點(diǎn)和計(jì)算對(duì)應(yīng)的特征距離，并以此構(gòu)造初始輪廓，使水平集算法演化效率和精度提高，有效地實(shí)現(xiàn)了高精度晶界提取和晶粒測(cè)量的要求，克服了以往晶界提取和晶粒測(cè)量精度低、效果差的缺陷。此方法具有通俗易懂、適用性強(qiáng)、準(zhǔn)確性高的特點(diǎn)。
【專(zhuān)利說(shuō)明】
-種鋼材晶粒的自動(dòng)晶界提取方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及鋼鐵材料微觀晶粒組織的金相定量智能分析領(lǐng)域，具體設(shè)及一種鋼材 晶粒的自動(dòng)晶界提取方法。
【背景技術(shù)】
[0002] 隨著鋼鐵材料技術(shù)的迅猛發(fā)展，如今對(duì)各種鋼材的研發(fā)己經(jīng)逐漸建立在組成成 分、金相組織和性能定量關(guān)系的基礎(chǔ)上，意即對(duì)于鋼材可W通過(guò)制備和各種后續(xù)工藝控制 其顯微組織從而獲得所需的性能。金相定量智能分析正是研究金屬材料組成成分、金相組 織、制備工藝及性能定量之間關(guān)系的重要方法，通過(guò)對(duì)各種鋼材金相組織的定量分析，在其 微觀組織和宏觀性能間構(gòu)建定量關(guān)系。為探明鋼中晶粒的組織形態(tài)及幾何尺寸對(duì)鋼的力學(xué) 性能影響規(guī)律，就必需對(duì)金相組織中晶粒進(jìn)行精確的邊界提取及尺寸測(cè)量，W確保其金相 組織及性能的可控性。
[0003] 但是運(yùn)項(xiàng)工作尚處于初步探索階段，只能依靠人工或半人工測(cè)量進(jìn)行，其效果主 要取決于人的主觀因素，故必然產(chǎn)生各種主觀誤差、效率低、提取結(jié)果精度低W及大量占用 人力成本的問(wèn)題，從而造成鋼材成分、結(jié)構(gòu)、組織和性能的定量關(guān)系難W準(zhǔn)確建立的后果， 運(yùn)已成為嚴(yán)重影響鋼材研發(fā)、改良等工作進(jìn)程的"瓶頸"問(wèn)題。
[0004] 現(xiàn)有的晶界提取方法有:邊緣提取法、闊值分割法和數(shù)學(xué)形態(tài)學(xué)等。運(yùn)些方法均有 對(duì)噪聲敏感，對(duì)圖像亮度敏感等缺點(diǎn)，往往需要經(jīng)驗(yàn)豐富的技術(shù)人員進(jìn)行判斷之后進(jìn)行處 理分析。因此，提供一種能夠應(yīng)用于金相圖像精確提取晶粒邊界和晶粒測(cè)量的算法是十分 必要的。
【發(fā)明內(nèi)容】
[0005] 為了解決上述問(wèn)題，本發(fā)明首先根據(jù)Sift算法原理設(shè)計(jì)了一種初始輪廓提取方 法，該方法采用對(duì)距離變換后的blob圖像進(jìn)行特征點(diǎn)提取，計(jì)算特征距離，實(shí)現(xiàn)初始輪廓的 提取，可W克服水平集算法對(duì)初始輪廓的敏感;在確定晶界圖像時(shí)，提出了對(duì)晶粒面積與闊 值的比較的方法，結(jié)合區(qū)域描述子等算法，實(shí)現(xiàn)了去除偽晶界，提高提取晶界的準(zhǔn)確度等問(wèn) 題。實(shí)現(xiàn)本發(fā)明的技術(shù)方案如下：
[0006] -種鋼材晶粒的自動(dòng)晶界提取方法，包括如下步驟：
[0007] SI,讀入鋼材晶粒圖像；
[000引S2，對(duì)晶粒圖像預(yù)處理;所述預(yù)處理包括：
[0009] S2.1，灰度轉(zhuǎn)換:將鋼材晶粒圖像利用灰度轉(zhuǎn)換公式轉(zhuǎn)換為灰度圖像；
[0010] S2.2,中值濾波去噪:將濾波模板在圖像中漫游，并將模板中屯、與圖中每個(gè)像素位 置重合，讀取模板中各對(duì)應(yīng)像素的灰度值，將運(yùn)些灰度值從小到大排列，取運(yùn)一列數(shù)據(jù)的中 間數(shù)據(jù)，將其賦給對(duì)應(yīng)模板中屯、位置的像素；
[0011] S2.3，二值化處理:對(duì)步驟S2.2中經(jīng)過(guò)處理得到的目標(biāo)圖像進(jìn)行二值化分割處理， 得到二值圖像；
[0012] S3,對(duì)預(yù)處理后的晶粒圖像進(jìn)行特征點(diǎn)提取與特征距離的計(jì)算;具體包括：
[0013] S3.1，距離變換:利用距離變換算法對(duì)二值化圖像進(jìn)行處理，得到一幅含有大量光 斑的blob圖像；
[0014] S3.2,生成尺度空間：將blob圖像Kx, y)與不同尺度的高斯函數(shù)卷積，得到不同尺 度的圖像，組合生成尺度空間，來(lái)模擬圖像數(shù)據(jù)的多尺度特征；
[0015] S3.3,構(gòu)造高斯差分尺度空間：將步驟S3.2生成的不同尺度空間中的各個(gè)尺度圖 像進(jìn)行依次相減，形成高斯差分尺度空間；高斯差分尺度空間由多層差分圖像組成，對(duì)每一 層差分圖像進(jìn)行采樣；
[0016] S3.4,尋找尺度空間特征點(diǎn):設(shè)定采樣點(diǎn)的比較鄰域，對(duì)每個(gè)采樣點(diǎn)進(jìn)行和它所有 比較鄰域內(nèi)的點(diǎn)進(jìn)行比較，如果一個(gè)點(diǎn)在其比較鄰域中是最大或最小值時(shí)，則該采樣點(diǎn)是 圖像在該尺度下的一個(gè)特征點(diǎn)；
[0017] S3.5，計(jì)算特征點(diǎn)的特征距離:根據(jù)特征點(diǎn)的旋轉(zhuǎn)不變性，計(jì)算各個(gè)特征點(diǎn)的特征 距離；
[0018] S4,晶界自動(dòng)提取;具體包括：
[0019] S4.1，畫(huà)出初始輪廓：W特征點(diǎn)為圓屯、，各個(gè)特征點(diǎn)的特征距離為半徑，畫(huà)出圓形 作為初始輪廓；
[0020] S4.2，水平集演化提取晶界:將步驟S4.1中得到的初始輪廓作為水平集算法的初 始輸入量，利用水平集算法對(duì)步驟S2.2中值濾波去噪得到的目標(biāo)圖像進(jìn)行迭代演化，提取 出完整晶界；
[0021] S4.3,確定晶界:將S4.2提取到的晶界區(qū)域面積小于一定的闊值范圍時(shí)，去除運(yùn)個(gè) 晶界，直到得到最終的晶界。
[0022] 進(jìn)一步，所述步驟S2.1中的灰度轉(zhuǎn)換公式為：
[0023] Gray = (RX30+GX59+BXll 巧 0)/10。 '1 1 r
[0024] 進(jìn)一步，所述步驟S2.2中的濾波模板設(shè)為腦1 1 1旨Pg=median[f (X-1 ,y-l) 111 L J ； +f(x，y-l)+f(x+l，5T-l)+f(x-l，y)+f(x，y)+f(x+l，y)+f(x-l，y+l)+f(x，y+l)+f(x+l，y+ 1)];其中，median指中值。
[0025] 進(jìn)一步，所述步驟S2.3中二值化的具體步驟為：
[0026] S2.3.1，為目標(biāo)圖像的全局闊值選擇一個(gè)初始估計(jì)值T，其中T為目標(biāo)圖像的平均 灰度；
[0027] S2.3.2,用T分割圖像，產(chǎn)生兩組像素:Gl由灰度值大于T的像素組成，G2由小于等 于T的像素組成；
[002引S2.3.3，分別計(jì)算Gl和G2像素的平均灰度值ml和m2;
[00 巧]S2.3.4，計(jì)算一個(gè)新的闊值:T = (ml+m2) /2;
[0030] S2.3.5,重復(fù)步驟S2.3.2到S2.3.4,直到連續(xù)迭代中的T值間的差小于一個(gè)預(yù)定義 闊值為止。
[0031] 進(jìn)一步，所述步驟S3.1的距離變換的實(shí)現(xiàn)包括:對(duì)二值化后的圖像進(jìn)行掃描，將一 幅MXN的圖像可W表示為一個(gè)二維數(shù)組A[i][j](i GM, j GN)，其中A[i][j] = l(i GM, j GN)表 示目標(biāo)點(diǎn)，A[i][j] = 0(iEM, jEN)表示背景點(diǎn)；設(shè)B={(x，y) |A[i][j] = ：L}為目標(biāo)點(diǎn)集合，則距 離變換就是對(duì)A中所有點(diǎn)要求:D[i][j]=min{Dis tan ce[(i，j)，（x，y)]，（x，y) GB}，其中
\從而得到二值圖像A的距離變換圖。
[0032]進(jìn)一步，所述步驟S3.4中所述比較鄰域的設(shè)置方法具體為:a)采樣點(diǎn)同層中W采 樣點(diǎn)為中屯、的周?chē)?個(gè)點(diǎn);b)采樣點(diǎn)上層中W采樣點(diǎn)為中屯、的周?chē)?個(gè)點(diǎn)；C)采樣點(diǎn)下層中 W采樣點(diǎn)為中屯、的周?chē)?個(gè)點(diǎn)。
[0033]進(jìn)一步，所述步驟S 3 . 5中計(jì)算特征點(diǎn)的特征距離的公式為： ,
;其中，m (X，y)指特征點(diǎn)對(duì)應(yīng)的特 征距離。
[0034] 進(jìn)一步，所述步驟S4.3的實(shí)現(xiàn)方法包括：
[0035] S4.3.1，轉(zhuǎn)換二值圖像:對(duì)步驟S4.2提取到的晶界的圖像進(jìn)行掃描，將一幅MXN的 圖像表示為一個(gè)二維數(shù)組A[i][j](iGM, jGN)，其中晶界上的像素點(diǎn)表示為A[i][j] = l(iGM, jGN)，非晶界上的像素點(diǎn)表示為A[i][j] = 0(iEM，jEN);
[0036] S4.3.2，求取晶粒面積:對(duì)步驟S4.3.1得到的二值圖像使用函數(shù)regionprops進(jìn)行 計(jì)算區(qū)域描述子，對(duì)其中面積量進(jìn)行求?。?br>[0037] S4.3.3,去除不足要求的晶界:對(duì)步驟S4.3.2得到的面積值進(jìn)行與設(shè)定的闊值進(jìn) 行比較，若大于等于該闊值，則保留該晶界，若小于該闊值，則去除該晶界。
[0038] 本發(fā)明的有益效果：
[0039] 1、通過(guò)專(zhuān)業(yè)金相顯微鏡將圖像調(diào)至合適的焦距，在圖像最清晰時(shí)攝像獲得待測(cè)鋼 材晶粒原始圖像。
[0040] 2、通過(guò)中值濾波算法對(duì)待測(cè)鋼材晶粒原始圖像進(jìn)行中值濾波去噪處理，濾波處理 過(guò)程可W對(duì)原始圖像中的脈沖噪聲、椒鹽噪聲等孤立的噪聲點(diǎn)有良好的濾除作用，特別是 在濾除噪聲的同時(shí)，能夠保護(hù)信號(hào)的邊緣，使之不被模糊。此外，中值濾波的算法比較簡(jiǎn)單， 算法運(yùn)算速率快。
[0041] 3、使用距離變換算法進(jìn)行歐式距離變換，得到的結(jié)果精度高、與實(shí)際距離相符，為 后續(xù)特征提取減少偽特征點(diǎn)。
[0042] 4、采用Sift算法進(jìn)行特征提取得到特征點(diǎn)的位置和尺度，速度上可W達(dá)到實(shí)時(shí)的 要求，同時(shí)可W有效地解決了噪聲對(duì)算法的影響。
[0043] 5、水平集算法迭代演化效果由于對(duì)初始輪廓極為敏感，需要輸入一個(gè)大小與分割 后結(jié)果相似的初始輪廓，從而避免了演化后的結(jié)果不理想、分割過(guò)度等現(xiàn)象，同時(shí)可W節(jié)省 大量的演化時(shí)間。
[0044] 6、整個(gè)晶界提取過(guò)程在標(biāo)準(zhǔn)配置的計(jì)算機(jī)上運(yùn)行，完成一個(gè)視場(chǎng)的晶粒精確晶界 提取僅需10秒左右，其效率比人工模式提高達(dá)數(shù)百倍之多。由此，就可在精確性、時(shí)效性上， 充分滿(mǎn)足工業(yè)生產(chǎn)中對(duì)新鋼材研發(fā)、檢測(cè)時(shí)待測(cè)材料圖像數(shù)量非常巨大的嚴(yán)苛要求。
[0045] 7、本發(fā)明為鋼材晶粒的定量微觀分析提供了可靠依據(jù)，本發(fā)明的應(yīng)用一定程度上 可W改變過(guò)去人工模式無(wú)法處理的鋼材晶粒精確晶界提取工作的空白。
[0046] 8、本發(fā)明具有優(yōu)異的普適性，可W推廣應(yīng)用于其他金屬或非金屬等領(lǐng)域中一切相 似的微觀顆粒的邊界提取工作。
【附圖說(shuō)明】
[0047] 圖1是圖像采集硬件系統(tǒng)示意圖；
[0048] 圖2是本發(fā)明的流程圖；
[0049] 圖3是采集到的初始圖像；
[0050] 圖4是經(jīng)過(guò)灰度轉(zhuǎn)換后的圖像；
[0051] 圖5是經(jīng)過(guò)中值濾波去噪后的圖像；
[0052] 圖6是經(jīng)過(guò)二值化處理后的圖像；
[0053] 圖7是經(jīng)過(guò)距離變換后的圖像；
[0054] 圖8是水平集演化后的圖像；
[0055] 圖9是提取晶界后的二值圖像；
[0056]圖10是確定晶界后的圖像。
【具體實(shí)施方式】
[0057] 為了加深對(duì)本發(fā)明的理解，下面結(jié)合附圖對(duì)本發(fā)明改進(jìn)的一種鋼材晶粒的自動(dòng)晶 界提取的方法及提取過(guò)程作進(jìn)一步詳述。
[0058] 本發(fā)明應(yīng)用于鋼鐵材料微觀晶粒組織的金相定量智能分析領(lǐng)域，如圖1所示，為本 發(fā)明自動(dòng)晶界提取的硬件系統(tǒng)示意圖。該硬件系統(tǒng)由鋼材試樣1、專(zhuān)業(yè)金相顯微鏡2、攝像頭 3、計(jì)算機(jī)4和顯示器5組成。
[0059] 本發(fā)明提出的自動(dòng)晶界提取方法包括采集金相圖像的步驟和對(duì)采集到的金相圖 像進(jìn)行晶界提取的步驟，具體實(shí)現(xiàn)包括如下：
[0060] 所述采集金相圖像的步驟包括：
[0061] (1)將加工好的鋼材試樣1置于專(zhuān)業(yè)金相顯微鏡2的載物臺(tái)上，調(diào)節(jié)鋼材試樣1使其 位于專(zhuān)業(yè)金相顯微鏡2視野中央，并調(diào)節(jié)焦距。
[0062] (2)通過(guò)攝像頭3對(duì)專(zhuān)業(yè)金相顯微鏡2視野中圖像最清晰時(shí)攝像并存儲(chǔ)。
[0063] (3)將攝像頭3拍攝到的圖像傳送到計(jì)算機(jī)4,并在顯示器5顯示。
[0064] 所述對(duì)采集到的金相圖像進(jìn)行晶界提取的步驟如圖2所示，具體包括：
[0065] (4)如圖3所示，對(duì)采集到的初始圖像輸入系統(tǒng)。本實(shí)施例中采集到尺寸200X100 像素，8比特深度的彩色圖像。
[0066] (5)如圖4所示，將彩色圖像進(jìn)行R、G、B通道的分離，然后利用彩色轉(zhuǎn)灰度公式：
[0067] Gray = (RX30+GX59+BXll 巧 0)/10 (1)
[0068] 對(duì)初始彩色圖像轉(zhuǎn)化為灰度圖像，灰度圖像更適合后續(xù)處理、分析。
[0069] (6)如圖5所示，由于無(wú)論是直接獲取的是灰度圖像，還是由彩色圖像轉(zhuǎn)換得到的 灰度圖像，里面都有噪聲的存在，因此將步驟(5)中得到的灰度圖像進(jìn)行中值濾波去噪，減 少孤點(diǎn)噪聲對(duì)后續(xù)處理的影響，其具體原理為將濾波模板在圖像中漫游，并將模板中屯、與 圖中每個(gè)像素位置重合，讀取模板中各對(duì)應(yīng)像素的灰度值，將運(yùn)些灰度值從小到大排列，取 運(yùn)一列數(shù)據(jù)的中間數(shù)據(jù)，將其賦給對(duì)應(yīng)模板中屯、位置的像素，其中濾波模板為
[0070] (2)
[0071 ]旨Pg=median[f (x-1 ,y-l )+f (x,;y-l )+f (x+1 ,y-l)+f (x-1 ,y)+f (x,y)+f (x+1 ,y)+f (x-1,y+l)+f(x,y+l)+f(x+l,y+l)] (3)
[0072] 其中，median指中值。
[0073] (7)如圖6所示，對(duì)經(jīng)過(guò)中值濾波去噪處理的圖像進(jìn)行二值化處理，得到二值圖像， 其具體步驟為:a)為目標(biāo)圖像的全局闊值選擇一個(gè)初始估計(jì)值T，其中T為目標(biāo)圖像的平均 灰度;b)用T分割圖像。產(chǎn)生兩組像素:Gl由灰度值大于T的像素組成，G2由小于等于T像素組 成;C)計(jì)算Gl和G2像素的平均灰度值ml和m2; d)計(jì)算一個(gè)新的闊值:T = (ml+m2) /2; e)重復(fù) 步驟b到d，直到連續(xù)迭代中的T值間的差小于一個(gè)預(yù)定義闊值為止。
[0074] 本實(shí)施例中，首先，求取圖像的平均灰度165作為全局闊值，然后將大于闊值的像 素點(diǎn)賦為1，小于等于闊值的像素點(diǎn)賦為0,再分別計(jì)算像素點(diǎn)為1和像素點(diǎn)為0區(qū)域的平均 灰度198和64, W兩個(gè)平均灰度的平均值131作為闊值再進(jìn)行分割，反復(fù)重復(fù)上述過(guò)程，最后 確定分割闊值154，完成二值化處理。
[0075] (8)如圖7所示，對(duì)所得的二值圖像進(jìn)行距離變換，利用歐式距離變換算法對(duì)目標(biāo) 圖像進(jìn)行處理，得到一幅含有大量光斑的blob圖像。具體方法為：
[0076] 對(duì)二值化后的圖像進(jìn)行掃描，將一幅MXN的圖像可W表示為一個(gè)二維數(shù)組A[i]山Qg M, j GN)，其中A[i]山=Ui EM, j EN)表示目標(biāo)點(diǎn)，A[i]山=OQ EM, j EN)表示背景點(diǎn)。設(shè)B=Kx, 7)八[1]山=1}為目標(biāo)點(diǎn)集合，則歐式距離變換就是對(duì)4中所有點(diǎn)的要求:0[1]山=111；[]1{018 1:an 〇6[(;[，如，（義，7)]，（義，7)￡6}，其中
，從而 得到二值圖像A的歐式距離變換圖。
[0077] (9)對(duì)blob圖像Kx,y)，按照公式(4)求取不同尺度圖像，組合生成尺度空間，來(lái)模 擬圖像數(shù)據(jù)的多尺度特征。
[007引 L(x，y，0)=G(x，y，0)*I(x，y) (4)
[0079] 其中，LU，y，〇)表示卷積后的模糊圖像，GU，y，〇)是尺度可變高斯函數(shù)，
,U，y)是空間坐標(biāo)，0是尺度坐標(biāo)。0的大小決定圖像的平滑程 度，大尺度對(duì)應(yīng)圖像的概貌特征，小尺度對(duì)應(yīng)圖像的細(xì)節(jié)特征。大的0值對(duì)應(yīng)粗糖尺度(低分 辨率），反之，對(duì)應(yīng)精細(xì)尺度(高分辨率）。
[0080] (10)對(duì)尺度空間內(nèi)的圖像逐層作差，利用公式（5)求取高斯差分尺度空間。然后， 為了在任何尺度都能夠有對(duì)應(yīng)的特征點(diǎn)，按照公式(6)進(jìn)行采樣。
[0081] D(x,y,〇)=L(x,y,k〇)-L(x,y,〇) (5)
[0082]
(按）
[008引其中，S為每組層數(shù)，一般為3~5，本實(shí)施例中S取4。
[0084] (11)對(duì)每個(gè)采樣點(diǎn)進(jìn)行和它所有的相鄰點(diǎn)進(jìn)行比較，如果一個(gè)點(diǎn)在其附近鄰域中 是最大值或最小值時(shí)，就認(rèn)為該點(diǎn)是圖像在該尺度下的一個(gè)特征點(diǎn)。
[0085] 其中，設(shè)定采樣點(diǎn)的比較鄰域?yàn)閃下區(qū)域，a)采樣點(diǎn)同層中W采樣點(diǎn)為中屯、的周 圍8個(gè)點(diǎn)，b)采樣點(diǎn)上層中W采樣點(diǎn)為中屯、的周?chē)?個(gè)點(diǎn)，C)采樣點(diǎn)下層中W采樣點(diǎn)為中屯、 的周?chē)?個(gè)點(diǎn)。
[0086] (12)計(jì)算獲取到的特征點(diǎn)的特征距離，其計(jì)算公式為：
[0087]
(7)
[0088] 其中，m(x，y)指特征點(diǎn)對(duì)應(yīng)的特征距離。
[0089] (13)對(duì)獲取的特征點(diǎn)作為圓屯、，對(duì)應(yīng)的特征距離作為半徑畫(huà)出初始輪廓，作為下 一步圖像處理的基礎(chǔ)。
[0090] (14)如圖8所示，將上步所得圖像作為水平集算法初始輸入量，利用水平集算法對(duì) 步驟(6)所得的圖像(如圖5所示)進(jìn)行迭代演化，得W提取出完整晶界。
[0091] (15)如圖9所示，將步驟（14)中得到的晶界圖像進(jìn)行處理，具體是執(zhí)行步驟(7)的 二值化處理，對(duì)步驟（14)提取到晶界的圖像進(jìn)行掃描，將一幅MXN的圖像表示為一個(gè)二維 數(shù)組A[i][j](iGM, jEN)，其中晶界上的像素點(diǎn)表示為A[i][j] = l(iEM, jEN)，非晶界上的像 素點(diǎn)表示為A[i][j] = 0(i GM, jGN);然后使用函數(shù)regio噸rops進(jìn)行計(jì)算區(qū)域描述子，對(duì)其 中面積量進(jìn)行求取。
[0092] (16)對(duì)求取到的各個(gè)晶粒的面積和闊值進(jìn)行比較，若大于等于該闊值，則保留該 晶界，若小于該闊值，則去除該晶界。本實(shí)施例中闊值選取值為30。如圖10所示，本發(fā)明就求 取到了晶界圖像。
[0093] 上文所列出的一系列的詳細(xì)說(shuō)明僅僅是針對(duì)本發(fā)明的可行性實(shí)施方式的具體說(shuō) 明，它們并非用W限制本發(fā)明的保護(hù)范圍，凡未脫離本發(fā)明技藝精神所作的等效實(shí)施方式 或變更均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
【主權(quán)項(xiàng)】
1. 一種鋼材晶粒的自動(dòng)晶界提取方法，其特征在于，包括如下步驟： Sl，讀入鋼材晶粒圖像； S2，對(duì)晶粒圖像預(yù)處理;所述預(yù)處理包括： S2.1，灰度轉(zhuǎn)換:將鋼材晶粒圖像利用灰度轉(zhuǎn)換公式轉(zhuǎn)換為灰度圖像； S2.2，中值濾波去噪:將濾波模板在圖像中漫游，并將模板中心與圖中每個(gè)像素位置重 合，讀取模板中各對(duì)應(yīng)像素的灰度值，將這些灰度值從小到大排列，取這一列數(shù)據(jù)的中間數(shù) 據(jù)，將其賦給對(duì)應(yīng)模板中心位置的像素； S2.3,二值化處理:對(duì)步驟S2.2中經(jīng)過(guò)處理得到的目標(biāo)圖像進(jìn)行二值化分割處理，得到 二值圖像； S3,對(duì)預(yù)處理后的晶粒圖像進(jìn)行特征點(diǎn)提取與特征距離的計(jì)算;具體包括： S3.1，距離變換:利用距離變換算法對(duì)二值化圖像進(jìn)行處理，得到一幅含有大量光斑的 blob圖像； 53.2, 生成尺度空間：將blob圖像I(x，y)與不同尺度的高斯函數(shù)卷積，得到不同尺度的 圖像，組合生成尺度空間，來(lái)模擬圖像數(shù)據(jù)的多尺度特征； 53.3, 構(gòu)造高斯差分尺度空間：將步驟S3.2生成的不同尺度空間中的各個(gè)尺度圖像進(jìn) 行依次相減，形成高斯差分尺度空間；高斯差分尺度空間由多層差分圖像組成，對(duì)每一層差 分圖像進(jìn)行采樣； 53.4, 尋找尺度空間特征點(diǎn)：設(shè)定采樣點(diǎn)的比較鄰域，對(duì)每個(gè)采樣點(diǎn)進(jìn)行和它所有比較 鄰域內(nèi)的點(diǎn)進(jìn)行比較，如果一個(gè)點(diǎn)在其比較鄰域中是最大或最小值時(shí)，則該采樣點(diǎn)是圖像 在該尺度下的一個(gè)特征點(diǎn)； S3.5，計(jì)算特征點(diǎn)的特征距離：根據(jù)特征點(diǎn)的旋轉(zhuǎn)不變性，計(jì)算各個(gè)特征點(diǎn)的特征距 離； S4，晶屆自動(dòng)提取;具體包括： S4.1，畫(huà)出初始輪廓：以特征點(diǎn)為圓心，各個(gè)特征點(diǎn)的特征距離為半徑，畫(huà)出圓形作為 初始輪廓； S4.2，水平集演化提取晶界:將步驟S4.1中得到的初始輪廓作為水平集算法的初始輸 入量，利用水平集算法對(duì)步驟S2.2中值濾波去噪得到的目標(biāo)圖像進(jìn)行迭代演化，提取出完 整晶界； S4.3,確定晶界:將S4.2提取到的晶界區(qū)域面積小于一定的閾值范圍時(shí)，去除這個(gè)晶 界，直到得到最終的晶界。2. 根據(jù)權(quán)利要求1所述的一種鋼材晶粒的自動(dòng)晶界提取方法，其特征在于，所述步驟 S2 · 1 中的灰度轉(zhuǎn)換公式為:Gray = (R X 30+G X 59+B X 11+50)/10。3. 根據(jù)權(quán)利要求1所述的一種鋼材晶粒的自動(dòng)晶界提取方法，其特征在于，所述步驟 S2.2中的濾波模板設(shè)^即(x-1，y)+f(x，y)+f(x+l，y)+f(x-l，y+l)+f(x，y+l)+f(x+l，y+l)];其中，median指中值。4. 根據(jù)權(quán)利要求1所述的一種鋼材晶粒的自動(dòng)晶界提取方法，其特征在于，所述步驟 S2.3中二值化的具體步驟為： S2.3.1，為目標(biāo)圖像的全局閾值選擇一個(gè)初始估計(jì)值T，其中T為目標(biāo)圖像的平均灰度； 52.3.2, 用T分割圖像，產(chǎn)生兩組像素:Gl由灰度值大于T的像素組成，G2由小于等于T的 像素組成； S2.3.3，分別計(jì)算Gl和G2像素的平均灰度值ml和m2; S2 · 3 · 4，計(jì)算一個(gè)新的閾值:T = (ml+m2) /2; S2.3.5，重復(fù)步驟S2.3.2到S2.3.4，直到連續(xù)迭代中的T值間的差小于一個(gè)預(yù)定義閾值 為止。5. 根據(jù)權(quán)利要求1所述的一種鋼材晶粒的自動(dòng)晶界提取方法，其特征在于，所述步驟S3.1的 距離變換的實(shí)現(xiàn)包括:對(duì)二值化后的圖像進(jìn)行掃描，將一幅MXN的圖像可以表示為一個(gè)二維數(shù)組 A[i][j](ieM, jGN)，其中 A[i][j] = l(iGM, jGN)表示目標(biāo)點(diǎn)，A[i][j]=0(iGM, jGN)表示背景點(diǎn)；設(shè)B ={(x,y) I A[i][j] = l}為目標(biāo)點(diǎn)集合，則距離變換就是對(duì)A中所有點(diǎn)要求:D[i][j]=min{Distan ce[(i，j)，（x，y)]，（x，y) eB}，其中』 , 從而得到二值圖像A的距離變換圖。6. 根據(jù)權(quán)利要求1所述的一種鋼材晶粒的自動(dòng)晶界提取方法，其特征在于，所述步驟 S3.4中所述比較鄰域的設(shè)置方法具體為:a)采樣點(diǎn)同層中以采樣點(diǎn)為中心的周?chē)?個(gè)點(diǎn);b) 采樣點(diǎn)上層中以采樣點(diǎn)為中心的周?chē)?個(gè)點(diǎn)；c)采樣點(diǎn)下層中以采樣點(diǎn)為中心的周?chē)?個(gè) 點(diǎn)。7. 根據(jù)權(quán)利要求1所述的一種鋼材晶粒的自動(dòng)晶屆提取方法，其特征在于，所述步驟S3.5 中計(jì)算特征點(diǎn)的特征距離的公式為其中，m(x，y)指特征點(diǎn)對(duì)應(yīng)的特征距離。8. 根據(jù)權(quán)利要求1所述的一種鋼材晶粒的自動(dòng)晶界提取方法，其特征在于，所述步驟 S4.3的實(shí)現(xiàn)方法包括： S4.3.1，轉(zhuǎn)換二值圖像:對(duì)步驟S4.2提取到的晶界的圖像進(jìn)行掃描，將一幅MXN的圖像 表示為一個(gè)二維數(shù)組Amu] (ieM，j GN)，其中晶界上的像素點(diǎn)表示為Amu] = KiGMje N)，非晶界上的像素點(diǎn)表示為Aww = 0(iGM，jGN); S4.3.2，求取晶粒面積:對(duì)步驟S4.3.1得到的二值圖像使用函數(shù)regionprops進(jìn)行計(jì)算 區(qū)域描述子，對(duì)其中面積量進(jìn)行求??； 54.3.3, 去除不足要求的晶界:對(duì)步驟S4.3.2得到的面積值進(jìn)行與設(shè)定的閾值進(jìn)行比 較，若大于等于該閾值，則保留該晶界，若小于該閾值，則去除該晶界。
【文檔編號(hào)】G06T7/00GK106023134SQ201610281874
【公開(kāi)日】2016年10月12日
【申請(qǐng)日】2016年4月29日
【發(fā)明人】許楨英, 趙稼宸, 鄒榮, 王勻, 張琦, 朱建棟
【申請(qǐng)人】江蘇大學(xué)