System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种改进的区域生长砂轮磨粒图像分割方法技术_技高网

一种改进的区域生长砂轮磨粒图像分割方法技术

技术编号:43762887 阅读:4 留言:0更新日期:2024-12-24 16:05
本发明专利技术公开了一种改进的区域生长砂轮磨粒图像分割方法,包括:对砂轮目标区域的图像进行采集,将图像进行灰度转换;用于磨粒图像进行预处理;利用交互式函数依据图像大小设置初始种子点及种子点数目;利用大津法获取全局阈值,确定目标区域的最佳分割灰度阈值;将灰度阈值作为区域生长算法的生长准则,从磨粒图像中的种子点开始遍历整个目标区域图像,得到砂轮磨粒初分割图像;对砂轮磨粒初分割图像进行形态学处理获得理想的砂轮磨粒分割图像。本发明专利技术基于区域生长算法,使用人机交互式函数使种子点的选取更加灵活,解决在不受砂轮基体区域以及环境所带来噪声干扰的影响情况下提高砂轮磨粒分割的准确度,减少了计算工作量,提高了运行速度。

【技术实现步骤摘要】

本专利技术属于数字图像分割,具体地说,涉及一种改进的区域生长砂轮磨粒图像分割方法


技术介绍

1、磨削加工是精密加工的主要方式,砂轮作为磨削加工过程中广泛使用的磨具,是由磨粒、结合剂和砂轮基体三个部分构成,通过砂轮表面离散分布的磨粒在微观上对工件进行材料去除,以获得较高的工件表面质量。其表面形貌分布对磨削方式和加工质量有着显著的影响,因此对于砂轮磨粒图像的检测及为重要。

2、目前砂轮磨粒图像的分割属于机器视觉方向,陈河军等人(cn104376551a)提出选用阈值计算确定种子点,能够有效划分区域进行图像分割,但是对于阈值的选取没有考虑到到目标区域和背景区域的空间关系,会将本该划分在同一区域的部分排除在外;刘光宇等人(cn114387247a)将frfcm算法与区域生长法相结合,一定程度改善了图像目标与背景区域对比度低且受噪声干扰等问题,但是由于算法所确定的初始种子点过于主观且操作性不强;张珣等人(cn112396607a)基于神经网络提出了一种可变形卷积融合增强的图像分割方法,但是该算法需要预先对大量图片进行训练且对计算机的计算性能要求较高。因此为了能够得到真正的磨粒区域,需要对区域生长算法进行改进。

3、有鉴于此特提出本专利技术。


技术实现思路

1、本专利技术要解决的技术问题在于克服现有技术的不足,提供一种改进的区域生长砂轮磨粒图像分割方法,为解决上述技术问题,本专利技术采用技术方案的基本构思是:

2、一种改进的区域生长砂轮磨粒图像分割方法,包括以下步骤:

3、步骤1:对砂轮目标区域的图像进行采集,将目标区域的砂轮磨粒图像进行灰度转换;

4、步骤2:用于对砂轮目标区域的磨粒图像进行预处理,得到目标区域的可处理磨粒图像;

5、步骤3:利用交互式函数依据图像大小设置初始种子点及种子点数目;

6、步骤4:利用大津法获取全局阈值,确定目标区域的最佳分割灰度阈值;

7、步骤5:将根据大津法计算的灰度阈值作为区域生长算法的生长准则,从目标区域的磨粒图像中的种子点开始遍历整个目标区域图像,得到砂轮磨粒初分割图像;

8、步骤6:对砂轮磨粒初分割图像进行形态学处理获得理想的砂轮磨粒分割图像。

9、优选的,所述对砂轮目标区域的图像进行采集,将目标区域的砂轮磨粒图像进行灰度转换的具体表述为:图像灰度化,将采集到的rgb彩色图像转换为灰度图像。

10、优选的,所述用于对砂轮目标区域的磨粒图像进行预处理,得到目标区域的可处理磨粒图像的具体表述为:

11、步骤2.1:通过均值滤波方法按照设定的窗口模板大小,在图像中逐行逐列的对每个像素点进行处理,取模板内所有像素点的加权平均值作为当前像素点的像素值。模板大小为3*3,均值滤波的算法表达式为:

12、

13、式中,g(i,j)为滤波后图像的像素点,n是滤波模板内像素的总数,即模板大小;m是像素点(0,0)为中心的模板像素点的集合,f(i,j)为原图像像素点;

14、步骤2.2:采用基于msrcr与直方图均衡化相结合的图像增强方法,其算法表达式为:

15、f(i,j)=λimg1(i,j)+(1-λ)img2(i,j)

16、式中,λ为加权系数,取值为[0,1],img1(i,j)为直方图均衡化后的图像,img2(i,j)为msrcr处理后的图像,通过调节相应参数获得增强效果。

17、优选的,所述利用交互式函数依据图像大小设置初始种子点及种子点数目的具体表述为:

18、步骤3.1:用户可在图像目标区域不同位置单击鼠标左键选取不同数量的像素点,交互式函数命令返回选中点的坐标[x,y],对选取的坐标进行四舍五入处理,将它们转换为整数坐标[x0,y0];

19、x0=round(x)

20、y0=round(y)

21、步骤3.2:使用四舍五入后的坐标[x0,y0]从灰度图像中提取对应坐标灰度值并将该点作为种子点seed;

22、

23、优选的,所述利用大津法获取全局阈值,确定目标区域的最佳分割灰度阈值的具体表述为:

24、步骤4.1:用大津法计算图像的灰度分布直方图,计算图像所有可能的灰度阈值对应的类间方差,得到各个灰度级的像素数量分布;

25、步骤a:将图像灰度值分成两类,设t为灰度阈值,图片灰度值低于t归为c0类,灰度值大于t归为c1类;

26、步骤b:计算c0,c1所占整张图像的概率q0t,q1t;

27、

28、q1t=1-q0t

29、步骤c:计算c0,c1的灰度平均值;

30、

31、步骤4.2:在所有可能的阈值中,找出使得类间方差取最大值时所对应的最佳分割阈值ft,并将此值代表区域生长法对应的灰度阈值,包括以下步骤:

32、步骤a:对于图像的每个可能的灰度级别(0到255),计算使用该灰度级别作为阈值进行分割时的类间方差;

33、

34、其中,是关于阈值变量t的函数;

35、步骤b:取类间方差最大的灰度级别作为最佳分割阈值;

36、

37、其中,l为灰度级长度,ft为最佳分割阈值。

38、优选的,所述将根据大津法计算的灰度阈值作为区域生长算法的生长准则,从目标区域的磨粒图像中的种子点开始遍历整个目标区域图像,得到砂轮磨粒初分割图像的具体表述为:

39、步骤5.1:种子点选取位置分别在磨粒图像目标区域左端、中心和右端,选取种子点数目范围设为1到3,计算不同种子点位置和数目的区域生长分割图像;

40、步骤5.2:基于区域生长准则,遍历整幅预分割图像,判断种子点与其邻域像素的灰度值的差值大小,其中为邻域像素点的灰度值,若将像素点加入生长区域;

41、步骤5.3:重复子步骤5.2,将满足条件的像素不断添加到当前区域中,停止对大于等于灰度差值像素点的生长,直到找不到符合条件的新像素点为止。

42、优选的,所述对砂轮磨粒初分割图像进行形态学处理获得理想的砂轮磨粒分割图像的具体表述为:

43、步骤6.1:对图像中的边缘进行细化,避免出现坏点或者像素块不均匀的现象;

44、]步骤6.2:孔洞填充方法利用形态学的膨胀操作来扩张图像中的目标区域,可以通过将目标区域与其周围的背景区域膨胀,来填充孔洞;

45、

46、其中,为膨胀算子,f为待处理的二值图像,s为运算中所需的结构元素。

47、步骤6.3:无关边界处理的方法是利用形态学的腐蚀操作来收缩图像中的目标区域,从而可以去除边界部分;

48、

49、其中,为腐蚀算子,f为待处理的二值图像,s为运算中所需的结构元素。

50、采用上述技术方案后,本专利技术与现有技术相比具有本文档来自技高网...

【技术保护点】

1.一种改进的区域生长砂轮磨粒图像分割方法,其特征在于,包括如下步骤:

2.根据权利要求1所述的一种改进的区域生长砂轮磨粒图像分割方法,其特征在于,所述步骤1中,将采集到的RGB彩色图像转换为灰度图像,其算法表达式为:

3.根据权利要求1所述的一种改进的区域生长砂轮磨粒图像分割方法,其特征在于,所述步骤2具体包括:

4.根据权利要求1所述的一种改进的区域生长砂轮磨粒图像分割方法,其特征在于,所述步骤3具体包括:

5.根据权利要求1所述的一种改进的区域生长砂轮磨粒图像分割方法,其特征在于,所述步骤4具体包括:

6.根据权利要求1所述的一种改进的区域生长砂轮磨粒图像分割方法,其特征在于,所述步骤5具体包括:

7.根据权利要求1所述的一种改进的区域生长砂轮磨粒图像分割方法,其特征在于,所述步骤6具体包括:

【技术特征摘要】

1.一种改进的区域生长砂轮磨粒图像分割方法,其特征在于,包括如下步骤:

2.根据权利要求1所述的一种改进的区域生长砂轮磨粒图像分割方法,其特征在于,所述步骤1中,将采集到的rgb彩色图像转换为灰度图像,其算法表达式为:

3.根据权利要求1所述的一种改进的区域生长砂轮磨粒图像分割方法,其特征在于,所述步骤2具体包括:

4.根据权利要求1所述的一种改进的区...

【专利技术属性】
技术研发人员:陈海锋李佳宾付翰林杨媛廖东日
申请(专利权)人:湖南科技大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1