CN113870237B - 一种基于水平扩散的复合材料图像阴影检测方法 - Google Patents
一种基于水平扩散的复合材料图像阴影检测方法 Download PDFInfo
- Publication number
- CN113870237B CN113870237B CN202111176275.7A CN202111176275A CN113870237B CN 113870237 B CN113870237 B CN 113870237B CN 202111176275 A CN202111176275 A CN 202111176275A CN 113870237 B CN113870237 B CN 113870237B
- Authority
- CN
- China
- Prior art keywords
- diffusion
- shadow
- point
- points
- gray
- 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
- 238000009792 diffusion process Methods 0.000 title claims abstract description 126
- 239000002131 composite material Substances 0.000 title claims abstract description 22
- 238000001514 detection method Methods 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 11
- 238000010586 diagram Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 abstract description 4
- 230000007547 defect Effects 0.000 abstract description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10004—Still image; Photographic 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Probability & Statistics with Applications (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于水平扩散的复合材料图像阴影检测方法,首先获取目标图像并转换为灰度图像;然后将灰度图像中小于灰度阈值的像素点标记为扩散点;再从扩散点中随机选择一点作为起始扩散点;计算起始扩散点在不同方向的梯度值,确定扩散方向,直到得到扩散完成点,将扩散完成点标记为阴影点,其它点标记为非阴影点;所有阴影点组成阴影区域,所有非阴影点组成非阴影区域,将阴影区域与非阴影区域二值化,生成二值图像,完成阴影检测。本发明解决了常用阈值分割算法判断阴影区域杂而不准的缺陷,降低阴影检测中的误判率,使其适用于检测不同特征的阴影图像。
Description
技术领域
本发明属于图像处理技术领域,具体涉及一种复合材料图像阴影检测方法。
背景技术
在复合材料工业领域中,复合材料图像是指在复合材料生产流程中,使用X光或者其他拍照设备对复合材料的外形进行拍摄,得到的材料外观的灰度图像。而在复合材料图像中,阴影是一种比较常见的特征。一般情况下,阴影表现为图像拍摄过程中的背景区域、部件结构因素(如环形部件)等情况造成的暗色区域。
对于阴影区域的识别,在复合材料的生产流程参数分析、复合材料有无缺陷判定等方面有很大的辅助作用。阴影区域是否分布正常能够帮助完成复合材料部件的质量分析等。因此,如何完成复合材料图像的阴影检测,成为了一个重要的问题。
现有的技术方案主要是通过阈值分割的方法对阴影区进行检测,其主要原理是通过对一副复合材料灰度图像的像素值总体进行分析,确定若干个固定的阈值,然后通过阈值逐步判断图像每一个像素点的像素值,判断是否满足阴影区域的条件,最后将所有判断为是阴影的点和不是阴影的点分开,输出二值图像来可视化阴影检测的结果。
由于现有的方法只是针对像素而不是针对像素的区域块进行判断,发生误判的概率较高。且现有的阈值分割算法只能通过确定阈值,对每一个像素进行分析,忽略了像素之间的联系,不能很好的契合阴影的区域性。导致不属于阴影区的且像素值较小的点被误检测出来,被判断出来的区域比较多且杂。针对不同特征的图像还需要调整计算阈值的方法,导致判断的准确度不统一,差异较大。
发明内容
为了克服现有技术的不足,本发明提供了一种基于水平扩散的复合材料图像阴影检测方法,首先获取目标图像并转换为灰度图像;然后将灰度图像中小于灰度阈值的像素点标记为扩散点;再从扩散点中随机选择一点作为起始扩散点;计算起始扩散点在不同方向的梯度值,确定扩散方向,直到得到扩散完成点,将扩散完成点标记为阴影点,其它点标记为非阴影点;所有阴影点组成阴影区域,所有非阴影点组成非阴影区域,将阴影区域与非阴影区域二值化,生成二值图像,完成阴影检测。本发明解决了常用阈值分割算法判断阴影区域杂而不准的缺陷,降低阴影检测中的误判率,使其适用于检测不同特征的阴影图像。
本发明解决其技术问题所采用的技术方案包括如下步骤:
步骤1:获取目标图像并转换为灰度图像;
步骤2:预设灰度阈值,将灰度图像中小于灰度阈值的像素点标记为扩散点,所有扩散点构成扩散点集合;
步骤3:从扩散点集合中随机选择扩散点作为起始扩散点;
步骤4:计算起始扩散点上下左右四个方向的梯度值,将四个方向的梯度值中小于设定梯度阈值的方向作为起始扩散点的扩散方向,如果有多个扩散方向则对每个扩散方向都进行扩散,并将该方向与起始扩散点相邻的点标记为初始正在扩散点;如果起始扩散点上下左右四个方向的梯度值都大于等于设定梯度阈值,则不进行扩散,从扩散点集合中去掉该起始扩散点,并返回步骤3;
步骤5:计算初始正在扩散点上下左右四个方向中未与其它扩散点相邻的方向的梯度值;将计算出的梯度值中小于设定梯度阈值的方向作为初始正在扩散点的扩散方向,并将此方向与初始正在扩散点相邻的点标记为第二正在扩散点;
步骤6:将第二正在扩散点作为新的初始正在扩散点,重复步骤5,直到计算出的梯度值均大于等于设定梯度阈值,则结束扩散,将新的初始正在扩散点标记为扩散完成点;
步骤7:从扩散点集合中去除从起始扩散点到扩散完成点路径上的所有扩散点,返回步骤3,若步骤3为空,则进行步骤8;
步骤8:将扩散完成点标记为阴影点,没有被标记为扩散完成点的其它点标记为非阴影点;
检测阴影点上下左右四个方向是否存在相邻的其它阴影点,若不存在,则将被检测阴影点设定为孤立阴影点,再将孤立阴影点标记为非阴影点;
所有阴影点组成阴影区域,所有非阴影点组成非阴影区域,将阴影区域与非阴影区域二值化,生成二值图像,完成阴影检测。
进一步地,所述灰度阈值的设定方法为:
统计目标图像中每个像素点的灰度值出现的频率,生成频率分布图,将出现频率最高的灰度值记为M,从出现频率最低的灰度值开始从低到高依次取N个灰度值低于M的灰度值,将这N个灰度值中的最大值设定为灰度阈值。
进一步地,所述步骤7中的二值图像中阴影区为黑色,非阴影区为白色。
本发明的有益效果如下:
本发明提出的一种基于水平扩散的图像阴影检测方法,通过模拟水滴水平方向扩散的思想,模拟阴影区域在图像中的扩散,根据扩散区分阴影区和非阴影区,生成二值图像,完成阴影检测,本发明解决了常用阈值分割算法判断阴影区域杂而不准的缺陷,降低阴影检测中的误判率,使其适用于检测不同特征的阴影图像。
附图说明
图1为本发明方法流程示意图。
图2为本发明实施例提供的梯度算子示意图。
图3为本发明实施例梯度计算示意图。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
在工业领域的复合材料图像处理中,阴影检测对复合材料的分析有重大的辅助作用,参照图1,本发明提供了一种基于水平扩散的复合材料图像阴影检测方法,包括以下步骤:
步骤1:获取目标图像并转换为灰度图像;
步骤2:统计目标图像中每个像素点的灰度值出现的频率,生成频率分布图,将出现频率最高的灰度值记为M,从出现频率最低的灰度值开始从低到高依次取N个灰度值低于M的灰度值,将这N个灰度值中的最大值设定为灰度阈值。
将灰度图像中小于灰度阈值的像素点标记为扩散点;
步骤3:从扩散点集合中随机选择扩散点作为起始扩散点;
步骤4:计算起始扩散点上下左右四个方向的梯度值,将四个方向的梯度值中小于设定梯度阈值的方向作为起始扩散点的扩散方向,如果有多个扩散方向则对每个扩散方向都进行扩散,并将该方向与起始扩散点相邻的点标记为初始正在扩散点;如果起始扩散点上下左右四个方向的梯度值都大于等于设定梯度阈值,则不进行扩散,从扩散点集合中去掉该起始扩散点,并返回步骤3;
步骤5:计算初始正在扩散点上下左右四个方向中未与其它扩散点相邻的方向的梯度值;将计算出的梯度值中小于设定梯度阈值的方向作为初始正在扩散点的扩散方向,并将此方向与初始正在扩散点相邻的点标记为第二正在扩散点;
步骤6:将第二正在扩散点作为新的初始正在扩散点,重复步骤5,直到计算出的梯度值均大于等于设定梯度阈值,则结束扩散,将新的初始正在扩散点标记为扩散完成点;
步骤7:从扩散点集合中去除从起始扩散点到扩散完成点路径上的所有扩散点,返回步骤3,若步骤3为空,则进行步骤8;
步骤8:将扩散完成点标记为阴影点,没有被标记为扩散完成点的其它点标记为非阴影点;
检测阴影点上下左右四个方向是否存在相邻的其它阴影点,若不存在,则将被检测阴影点设定为孤立阴影点,再将孤立阴影点标记为非阴影点;
所有阴影点组成阴影区域,所有非阴影点组成非阴影区域,将阴影区域与非阴影区域二值化,阴影区为黑色,非阴影区为白色,生成二值图像,完成阴影检测。
本发明中梯度值的计算与判断:
梯度的算子有很多种,在本方法的判断中主要关注像素点的上下左右四个方向,因此梯度的算子如图2所示。
在3*3的方格中,中间位置为需要计算梯度的像素点的位置,其余位置上的数代表计算的权值,通过所述梯度算子计算得到像素点在一个方向上的梯度值,对比梯度值与梯度阈值,判断该方向是否发生扩散。
如图3所示,为在图像中以中间像素值为8的某个像素,计算水平向右方向的梯度算子,直到得到水平向右方向的梯度值。
Claims (3)
1.一种基于水平扩散的复合材料图像阴影检测方法,其特征在于,包括以下步骤:
步骤1:获取目标图像并转换为灰度图像;
步骤2:预设灰度阈值,将灰度图像中小于灰度阈值的像素点标记为扩散点,所有扩散点构成扩散点集合;
步骤3:从扩散点集合中随机选择扩散点作为起始扩散点;
步骤4:计算起始扩散点上下左右四个方向的梯度值,将四个方向的梯度值中小于设定梯度阈值的方向作为起始扩散点的扩散方向,如果有多个扩散方向则对每个扩散方向都进行扩散,并将该方向与起始扩散点相邻的点标记为初始正在扩散点;如果起始扩散点上下左右四个方向的梯度值都大于等于设定梯度阈值,则不进行扩散,从扩散点集合中去掉该起始扩散点,并返回步骤3;
步骤5:计算初始正在扩散点上下左右四个方向中未与其它扩散点相邻的方向的梯度值;将计算出的梯度值中小于设定梯度阈值的方向作为初始正在扩散点的扩散方向,并将此方向与初始正在扩散点相邻的点标记为第二正在扩散点;
步骤6:将第二正在扩散点作为新的初始正在扩散点,重复步骤5,直到计算出的梯度值均大于等于设定梯度阈值,则结束扩散,将新的初始正在扩散点标记为扩散完成点;
步骤7:从扩散点集合中去除从起始扩散点到扩散完成点路径上的所有扩散点,返回步骤3,若步骤3为空,则进行步骤8;
步骤8:将扩散完成点标记为阴影点,没有被标记为扩散完成点的其它点标记为非阴影点;
检测阴影点上下左右四个方向是否存在相邻的其它阴影点,若不存在,则将被检测阴影点设定为孤立阴影点,再将孤立阴影点标记为非阴影点;
所有阴影点组成阴影区域,所有非阴影点组成非阴影区域,将阴影区域与非阴影区域二值化,生成二值图像,完成阴影检测。
2.根据权利要求1所述的一种基于水平扩散的复合材料图像阴影检测方法,其特征在于,所述灰度阈值的设定方法为:
统计目标图像中每个像素点的灰度值出现的频率,生成频率分布图,将出现频率最高的灰度值记为M,从出现频率最低的灰度值开始从低到高依次取N个灰度值低于M的灰度值,将这N个灰度值中的最大值设定为灰度阈值。
3.根据权利要求1所述的一种基于水平扩散的复合材料图像阴影检测方法,其特征在于,所述步骤7中的二值图像中阴影区为黑色,非阴影区为白色。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111176275.7A CN113870237B (zh) | 2021-10-09 | 2021-10-09 | 一种基于水平扩散的复合材料图像阴影检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111176275.7A CN113870237B (zh) | 2021-10-09 | 2021-10-09 | 一种基于水平扩散的复合材料图像阴影检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113870237A CN113870237A (zh) | 2021-12-31 |
CN113870237B true CN113870237B (zh) | 2024-03-08 |
Family
ID=79002252
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111176275.7A Active CN113870237B (zh) | 2021-10-09 | 2021-10-09 | 一种基于水平扩散的复合材料图像阴影检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113870237B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11205592A (ja) * | 1998-01-12 | 1999-07-30 | Ricoh Co Ltd | 画像処理方法、装置および記録媒体 |
US6160921A (en) * | 1998-06-15 | 2000-12-12 | Apple Computer, Inc. | Error diffusion with homogeneous distribution in highlight and shadow regions |
CN105261021A (zh) * | 2015-10-19 | 2016-01-20 | 浙江宇视科技有限公司 | 去除前景检测结果阴影的方法及装置 |
CN210954052U (zh) * | 2019-08-30 | 2020-07-07 | 重庆康巨全弘生物科技有限公司 | 免疫层析检测用除阴影装置 |
CN111915509A (zh) * | 2020-07-03 | 2020-11-10 | 三峡大学 | 基于图像处理去阴影优化的保护压板状态辨识方法 |
CN112085651A (zh) * | 2020-09-23 | 2020-12-15 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种基于图像自适应阈值与特征提取的激波自动检测跟踪算法 |
CN113222921A (zh) * | 2021-04-30 | 2021-08-06 | 汪知礼 | 一种图像处理方法及*** |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104637073B (zh) * | 2014-12-30 | 2017-09-15 | 华中科技大学 | 一种基于太阳照射阴影补偿的带状地下结构探测方法 |
CN107767390B (zh) * | 2017-10-20 | 2019-05-28 | 苏州科达科技股份有限公司 | 监控视频图像的阴影检测方法及其***、阴影去除方法 |
-
2021
- 2021-10-09 CN CN202111176275.7A patent/CN113870237B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11205592A (ja) * | 1998-01-12 | 1999-07-30 | Ricoh Co Ltd | 画像処理方法、装置および記録媒体 |
US6160921A (en) * | 1998-06-15 | 2000-12-12 | Apple Computer, Inc. | Error diffusion with homogeneous distribution in highlight and shadow regions |
CN105261021A (zh) * | 2015-10-19 | 2016-01-20 | 浙江宇视科技有限公司 | 去除前景检测结果阴影的方法及装置 |
CN210954052U (zh) * | 2019-08-30 | 2020-07-07 | 重庆康巨全弘生物科技有限公司 | 免疫层析检测用除阴影装置 |
CN111915509A (zh) * | 2020-07-03 | 2020-11-10 | 三峡大学 | 基于图像处理去阴影优化的保护压板状态辨识方法 |
CN112085651A (zh) * | 2020-09-23 | 2020-12-15 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种基于图像自适应阈值与特征提取的激波自动检测跟踪算法 |
CN113222921A (zh) * | 2021-04-30 | 2021-08-06 | 汪知礼 | 一种图像处理方法及*** |
Non-Patent Citations (2)
Title |
---|
一种基于交通视频车辆阴影去除算法的研究;朱世松;张海燕;张翠云;朱洪锦;;计算机应用与软件;20160215(02);全文 * |
基于粗糙集阴影区域的检测与分类;刘伯红;陈铁民;;计算机科学;20070325(03);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113870237A (zh) | 2021-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110148130B (zh) | 用于检测零件缺陷的方法和装置 | |
CN111383209B (zh) | 一种基于全卷积自编码器网络的无监督瑕疵检测方法 | |
CN115239704B (zh) | 一种木材表面缺陷的精准检测修复方法 | |
CN104268505A (zh) | 基于机器视觉的布匹疵点自动检测识别装置及方法 | |
CN108447050A (zh) | 一种基于超像素的工件表面缺陷分割方法 | |
CN104990925A (zh) | 一种基于梯度多阈值优化缺陷检测方法 | |
CN117635565B (zh) | 一种基于图像识别的半导体表面缺陷检测*** | |
CN102175700A (zh) | 数字x射线图像焊缝分割和缺陷检测方法 | |
CN109540925B (zh) | 基于差影法与局部方差测量算子的复杂瓷砖表面缺陷检测方法 | |
CN111060442B (zh) | 一种基于图像处理的油液颗粒检测方法 | |
CN110443278B (zh) | 一种太阳能电池片栅线粗细异常的检测方法、装置及设备 | |
CN110807763A (zh) | 一种陶瓦表面鼓包检测方法及*** | |
CN102621154A (zh) | 基于改进差分盒多重分形算法的布匹疵点在线自动检测方法及装置 | |
CN113222938A (zh) | 芯片缺陷检测方法及***与计算机可读存储介质 | |
CN110458809B (zh) | 一种基于亚像素边缘检测的纱线条干均匀度检测方法 | |
CN116337868A (zh) | 一种表面缺陷检测方法及检测*** | |
CN112561875A (zh) | 一种基于人工智能的光伏电池板粗栅检测方法 | |
CN109767426B (zh) | 一种基于图像特征识别的盾构隧道渗漏水检测方法 | |
CN113870237B (zh) | 一种基于水平扩散的复合材料图像阴影检测方法 | |
CN110728669B (zh) | 一种视频马赛克检测方法 | |
CN115830302B (zh) | 一种多尺度特征提取融合配电网设备定位识别方法 | |
CN114820611B (zh) | 基于人工智能的机械零件质量评估方法及*** | |
JP5155938B2 (ja) | パターン輪郭検出方法 | |
CN112767365A (zh) | 一种探伤方法 | |
CN114324078B (zh) | 一种颗粒粒径识别方法、装置、设备和介质 |
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 |