CN115861326B - 基于图像处理的吊钩用钢材晶粒度检测方法 - Google Patents
基于图像处理的吊钩用钢材晶粒度检测方法 Download PDFInfo
- Publication number
- CN115861326B CN115861326B CN202310181252.8A CN202310181252A CN115861326B CN 115861326 B CN115861326 B CN 115861326B CN 202310181252 A CN202310181252 A CN 202310181252A CN 115861326 B CN115861326 B CN 115861326B
- Authority
- CN
- China
- Prior art keywords
- image
- steel sample
- preprocessing module
- pixel
- gray level
- 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
Images
Landscapes
- Image Processing (AREA)
- Control Of Heat Treatment Processes (AREA)
- Investigating And Analyzing Materials By Characteristic Methods (AREA)
Abstract
本发明涉及图像处理技术领域,尤其涉及一种基于图像处理的吊钩用钢材晶粒度检测方法,包括:步骤S1,对钢筋试样进行加热、保温及淬火以获取马氏体组织形态的钢材试样,并采用金相显微镜获取放大的钢材试样第一图像;步骤S2,对钢材试样第一图像进行区域划分,并获取钢材试样第一图像中各分区内像素点的灰度平均值以对钢材试样图像进行光照均衡处,进而对经过光照均衡处理的钢材试样第二图像进行锐化,最终得到钢材试样检测图像;步骤S3,将钢材试样检测图像划分为晶界区域、晶粒内部区域及模糊区域,并获取晶界区域与晶粒内部区域组成的各连通域面积以获取钢材晶粒级别指数,进而判定钢材晶粒度是否符合要求。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种基于图像处理的吊钩用钢材晶粒度检测方法。
背景技术
在材料领域尤其是金属材料领域,微观组织的结构特征在其性能研究中起着重要作用,尤其是在单相金属材料中,微观结构仅由晶粒组成,材料的性能受晶粒尺寸、晶粒分布和晶粒形状的控制;晶粒度现有的检测方法中,截点法和面积法准确度较高,这两种方法主要是通过人工测量、计算,这种常规操作耗时长,难以应用到批量生产中;比较法是目前应用最广泛的方法,检测效率高,但由于比较法是基于人眼同标准图谱对比,因此比较法检测受检验员和组织类型的影响大,检测波动大。
中国专利CN111680696A提供了一种识别素材晶粒度的方法以及钢材晶粒度检测方法,包括将待识别素材图片切割成多个新图片,将每一张新图片与标准素材图片进行比对,得到每一张新图片的晶粒度级别;然后按照公式计算待识别素材图片的晶粒度级别G;切割时每相邻的两个新图片在长度方向和宽度方向均有重叠;多个新图片涵盖了待识别素材图片的全部内容;每一张新图片与待识别素材图片均为等比例,解决了现有技术中对于钢材组织不均匀采用传统比较法评级偏差大的问题,但是也存在需要大量的标准素材图片作为对照,且对标准素材图片的质量要求较高的问题。
发明内容
为此,本发明提供一种基于图像处理的吊钩用钢材晶粒度检测方法,能够解决因人工检测而导致晶粒度检测结果偏差较大的技术问题。
为实现上述目的,本发明提供一种基于图像处理的吊钩用钢材晶粒度检测方法,包括:
步骤S1,对钢材试样进行加热、保温及淬火,使钢材试样呈现马氏体组织形态,待钢材试样冷却至常温后,采用金相显微镜获取放大的钢材试样光学影像,金相显微镜将放大的钢材试样光学影像转换为数字图像以获取钢材试样第一图像,并将钢材试样第一图像传输至与金相显微镜相连接的图像预处理模块;
步骤S2,所述图像预处理模块根据钢材试样的晶粒度设计值及所述金相显微镜的放大倍数对钢材试样第一图像进行区域划分,并获取钢材试样第一图像中各分区内像素点的灰度平均值,图像预处理模块根据各分区内像素点的灰度平均值对钢材试样第一图像进行光照均衡处理以获取钢材试样第二图像,并根据钢材第二试样图像内落于不同灰度区间的像素点数量比对钢材试样第二图像内像素点进行拆分处理以获取钢材试样第三图像,图像预处理模块据钢材试样第三图像内各像素点的灰度与钢材试样第三图像内像素点最大灰度和像素点最小灰度的平均值的对比结果对钢材试样第三图像进行阈值处理以获取钢材试样第四图像,并将钢材试样第四图像各像素点灰度进行还原得到钢材试样检测图像,同时,图像预处理模块将钢材试样检测图像传输至与图像预处理模块相连接的检测模块;
步骤S3,所述检测模块根据钢材试样检测图像内各像素点的灰度将钢材试样检测图像划分为晶界区域、晶粒内部区域以及模糊区域,并提取晶界区域与晶粒内部区域组成若干连通域以获取各所述连通域的平均面积,进而根据各连通域的平均面积对应的晶粒级别指数与钢材试样晶粒级别指数设计值的对比结果获取钢材试样晶粒度的检测结果。
进一步地,当所述图像预处理模块获取钢材试样第一图像时,图像预处理模块根据钢材试样的晶粒级别指数设计值A0及所述金相显微镜的放大倍数b对钢材试样第一图像进行区域划分,其中,
当A0≤6时,所述图像预处理模块获取钢材试样第一图像的区域划分数量n1=max{[2×(b0/b)0.5],2},其中,当[2×(b0/b)0.5]>4时,图像预处理模块获取n1=4;
当A0>6时,所述图像预处理模块获取钢材试样第一图像的区域划分数量n2=4+2×[|b0/b-0.5|0.5],其中,当[|b0/b-0.5|0.5]>1时,图像预处理模块获取n2=6;
其中,[2×(b0/b)0.5]表示对2×(b0/b)0.5进行取整,[|b0/b-0.5|0.5]表示对[|b0/b-0.5|0.5]进行取整,所述图像预处理模块预设b0为金相显微镜放大倍数标准值。
进一步地,当所述图像预处理模块完成对钢材试样第一图像的区域划分时,图像预处理模块获取钢材试样第一图像各分区内像素点灰度平均值Gi,i=1,2……N,N为钢材试样第一图像的区域划分数量,图像预处理模块根据钢材试样第一图像各分区内像素点灰度平均值Gi与钢材试样第一图像各分区内像素点灰度平均值的中位数Gm判定是否对钢材试样第一图像各分区进行光照均衡处理,其中,
当|Gi-Gm|≤16时,所述图像预处理模块判定不对钢材试样第一图像第i分区进行光照均衡处理;
当|Gi-Gm|>16时,所述图像预处理模块判定对钢材试样第一图像第i分区进行光照均衡处理,其中,当Gm与钢材试样第一图像某一分区的像素点灰度平均值相等时,将所述分区设为F,图像预处理模块获取分区F内像素点灰度的众数Gz0以及钢材试样第一图像第i分区内像素点灰度的众数Gzi,图像预处理模块将钢材试样第一图像第i分区内各像素点的灰度Gx调节至Gx’,使Gx’=Gx+(Gz0-Gzi);当Gm为钢材试样第一图像某一分区D内像素点灰度平均值与另一分区E内像素点灰度平均值的平均值时,图像预处理模块获取分区D内像素点灰度的众数与分区E内像素点灰度的众数的平均值Gza,图像预处理模块将钢材试样第一图像第i分区内各像素点的灰度Gx调节至Gx’’,使Gx’’=Gx+(Gz0-Gza);
其中,x=1,2,…,c,c为第i分区内像素点数量。
进一步地,当所述图像预处理模块完成对钢材试样第一图像的光照均衡处理获取钢材试样第二图像时,图像预处理模块根据灰度落在[0,127]的像素点与灰度落在[128,255]的像素点的数量比判定是否对钢材试样第二图像进行像素点拆分,其中,
当d1/d2<0.05或d1/d2>20,且d1≠0,d2≠0时,所述图像预处理模块判定不对钢材试样第二图像进行像素点拆分;
当d1/d2≥0.05,d1≠0且d2≠0时,所述图像预处理模块判定对钢材试样第二图像进行像素点拆分,其中,当0.05≤d1/d2≤0.5或2≤d1/d2≤20时,图像预处理模块将钢材试样第二图像内各像素点按照3×3拆分;当0.5<d1/d2<2时,图像预处理模块将钢材试样第二图像内各像素点按照5×5拆分;
当d1=0或d2=0时,所述图像预处理模块将钢材试样第二图像内各像素点按照5×5拆分;
其中,d1为灰度落在[0,127]的像素点数量,d2为灰度落在[128,255]的像素点数量。
进一步地,当所述图像预处理模块判定不对钢材试样第二图像进行像素点拆分时,图像预处理模块根据钢材试样第二图像内各像素点的灰度Gk与钢材试样第二图像内像素点最大灰度Gmax和像素点最小灰度Gmin的平均值的对比结果对钢材试样第二图像各像素点灰度进行调节,其中,
当Gk≤0.5×(Gmax+Gmin)时,所述图像预处理模块将第k像素点灰度调节至Gk’,使Gk’=Gmin;
当Gk>0.5×(Gmax+Gmin)时,所述图像预处理模块将第k像素点灰度调节至Gk’’,使Gk’’=Gmax;
其中,k=1,2…,N,N为钢材试样第二图像内像素点数量。
进一步地,当所述图像预处理模块对钢材试样第二图像完成像素点拆分获取钢材试样第三图像时,图像预处理模块根据钢材试样第三图像内各像素点的灰度Gp与钢材试样第三图像内像素点最大灰度Gmax与像素点最小灰度Gmin的平均值的对比结果对钢材试样第三图像各像素点灰度进行阈值处理,其中,
当Gp≤0.5×(Gmax+Gmin)时,所述图像预处理模块将第p像素点灰度调节至Gp’,使Gp’=0;
当Gp>0.5×(Gmax+Gmin)时,所述图像预处理模块将第p像素点灰度调节至Gp’’,使Gp’’=255;
其中,p=1,2…,M,M为经过像素点拆分后的钢材试样第三图像内像素点数量。
进一步地,当所述图像预处理模块完成对钢材试样第三图像的阈值处理时,图像预处理提取灰度由0跳跃至255的相邻像素点间的共用界线lu,u=1,2,…,U,U为经过阈值处理后的钢材试样第三图像内共用界限数量,图像预处理模块根据像素点拆分方式对经过阈值处理后的钢材试样第三图像灰度为0的部分像素点进行灰度反处理,其中,
当所述图像预处理模块将经过阈值处理后的钢材试样第三图像内各像素点按照3×3拆分时,图像预处理模块提取边缘落在共用界限上且灰度为255的像素点Qv,v=1,2,…,V,V为边缘为共用界限且灰度为255的像素点数量,图像预处理模块以像素点Qv为核像素点提取像素点Qv邻域3×3的像素点,并将像素点Qv邻域3×3内灰度值为0的像素点调节至255;
当所述图像预处理模块将经过阈值处理后的钢材试样第三图像内各像素点按照5×5拆分时,图像预处理模块提取边缘落在共用界限上且灰度为255的像素点Qz,z=1,2,…,V,图像预处理模块以像素点Qz为核像素点提取像素点Qz邻域5×5的像素点,并将像素点Qz邻域5×5内灰度值为0的像素点调节至255。
进一步地,当所述图像预处理模块获取钢材试样第四图像时,所述图像处理模块设定钢材试样第四图像内灰度值为0的像素点为集合H1,设定钢材试样第四图像内未经过灰度反处理且灰度值为255的像素点为集合H2,设定钢材试样第四图像内经过灰度反处理的像素点为集合H3,图像预处理模块将各集合内像素点灰度进行还原,其中,
当像素点Sy∈H1∪H2时,所述图像预处理模块将像素点Sy灰度还原至钢材试样第四图像经阈值处理前的灰度;
当像素点Sy∈H3时,所述图像预处理模块获取钢材试样第四图像经阈值处理前集合H2内各像素点灰度的众数Gw,并将集合H3内各像素点灰度设置为Gw;
其中,y=1,2,…,M,M为经过像素点拆分后的钢材试样第四图像内像素点数量。
进一步地,当所述检测模块获取经过图像预处理的钢筋试样检测图像时,检测模块获取钢筋试样检测图像内像素点最大灰度Gγmax与钢筋试样检测图像内像素点最小灰度Gγmin,检测模块获取像素点灰度第一阈值Ge1=Gγmin+1/3×(Gγmax-Gγmin),获取像素点灰度第二阈值Ge2=Gγmin+2/3×(Gγmax-Gγmin),检测模块根据钢筋试样检测图像内像素点灰度Gr划分晶界区域、晶粒内部区域及模糊区域,其中,
当Gr≤Ge1时,所述检测模块判定像素点Gr属于晶粒内部区域;
当Ge1<Gr<Ge2时,所述检测模块判定像素点Gr属于模糊区域;
当Gr≥Ge2时,所述检测模块判定像素点Gr属于晶界区域;
其中,r=1,2,…,R,R为经过图像预处理后钢筋试样检测图像内像素点数量。
进一步地,当所述检测模块完成对钢筋试样检测图像的晶界区域、晶粒内部区域及模糊区域的划分时,检测模块提取晶界区域与晶粒内部区域组成的各连通域,并获取各连通域的平均面积,检测模块根据各连通域的平均面积对应的晶粒级别指数A’与钢材试样的晶粒度设计值A0的对比结果判定钢材试样晶粒度是否合格,其中,
当A’≥A0时,所述检测模块判定钢材试样晶粒度合格;
当A’≤A0时,所述检测模块判定钢材试样晶粒度不合格。
与现有技术相比,本发明的有益效果在于,本发明通过对钢材试样第一图像进行光照均衡处理,能够一定程度还原钢材试样晶粒度的图像细节特征信息,使钢材试样第一图像信息更接近于实际的钢材试样晶粒度情况;本发明通过对钢材试样第二图像进行像素点拆分,能够在对钢材试样第三图像进行锐化处理的过程中,在保证图像的对比度与亮度满足检测要求的同时使钢材试样检测图像显示的晶粒尺寸更接近于钢材试样的实际晶粒度,减小外界客观因素造成晶粒度检测结果的误差;本发明检测模块通过将钢材试样检测图像划分为晶界区域、晶粒内部区域以及模糊区域,能够有效提取具有代表性的检测区域,避免晶粒度检测结果因受钢材试样自身结构特性的影响而导致晶粒度检测结果不具有参考意义。
尤其,本发明通过对钢材第一试样图像进行分区,能够使后续的图像预处理更加有针对性,节省图像处理的时间能够在图像处理的过程中减少图像细节特征丢失量,本发明同时将钢材试样的晶粒级别指数设计值与所述金相显微镜的放大倍数作为钢材试样第一图像分区数量的关联参数,能够保证在钢材晶粒级别指数较大,即钢材晶粒尺寸较小且金相显微镜的放大倍数较小时使钢材试样第一图像的分区数量有利于后续图像预处理的精细化,使最终的钢材晶粒度检测结果更加接近实际值。
尤其,本发明将钢材试样第一图像各分区内像素点灰度平均值的中位数作为基准对照数,当钢材试样第一图像某一分区的像素点灰度平均值与各分区内像素点灰度平均值的中位数相差较小时,能够判定该分区符合图像的光照均衡标准;当钢材试样第一图像分区的像素点灰度平均值与各分区内像素点灰度平均值的中位数相差较大时,能够判定此处光照不足或光照过多,需要对其进行光照均衡处理使整个钢材试样第一图像的亮度维持在一个稳定的范围,本发明通过对钢材试样第一图像进行光照均衡处理,能够一定程度上还原由于光照不均衡而丢失的图像特征信息,有利于减小钢材晶粒度检测结果的误差。
尤其,本发明通过灰度落在[0,127]的像素点数量与灰度落在[128,255]的像素点数量的比值,对钢材试样第二图像进行对比度的判断,当所述比值较大时,可以判定钢材试样第二图像的对比度较高,容易区分图像的特征信息,当所述比值较小时,可以判定钢材试样第二图像的对比度难以区分图像的特征信息,本发明通过对像素点进行拆分使钢材试样第二图像锐化前能够有更大的可调整空间,进而使图像锐化的效果达到预期。
尤其,本发明以钢材试样第二图像内像素点最大灰度与最小灰度的平均值作为分界数值,对钢材试样第二图像内各像素点进行极值化处理,能够一定程度上简化灰度处理流程,且能够降低数据处理量,进而实现节省图像的处理时间;本发明图像预处理模块通过对各像素点进行极值化处理,能够实现钢材试样第二图像的锐化处理,且能够使各连通域与连通域之间的界限更加清晰,直接减少了后续钢材晶粒度检测时的数据处理量。
尤其,本发明将钢材试样第三图像的像素点进行拆分后,先对图像的各像素点进行阈值处理,将灰度小于等于钢材试样第三图像内像素点最大灰度与最小灰度的平均值的像素点灰度设置为0,将灰度大于等于钢材试样第三图像内像素点最大灰度与最小灰度的平均值的像素点灰度设置为255,能够将需要调整灰度的像素点与不需要调整灰度的像素点进行划分,以精确定位需要调整灰度的像素点。
尤其,本发明对钢材试样第三图像进行阈值处理后使钢材试样第三图像大致分为晶粒内部与晶界,由于原始的钢材试样第一图像会由于外界条件和仪器自身因素导致图像边缘虚化,使晶界与晶粒内部间的灰度变化呈现渐变状态,处于边缘的晶粒内部会因图像边缘虚化而被晶界假性覆盖,因此通过对钢材试样第三图像内部分灰度为0的像素点灰度进行反向调节,能够一定程度还原边缘晶粒尺寸使其接近于钢材试样晶粒的实际尺寸,有利于晶粒检测结果的准确性。
尤其,本发明在完成对钢材试样第三图像内晶粒边缘的精细化处理获取钢材试样第四图像后,需将钢材试样第四图像内经过灰度反处理的像素点灰度调节至晶粒内部像素点的灰度区间,并将未经过灰度反处理的像素点灰度还原至钢材试样第四图像经阈值处理前的灰度,能够最大程度保留钢材试样的细节特征信息,使经过图像预处理的钢材试样第四图像利于晶粒度检测的同时保证与钢材试样的实际晶粒度更加接近。
尤其,本发明检测模块设置像素点灰度第一阈值与像素点灰度第二阈值将经过图像预处理的钢材试样检测图像划分为晶界区域、晶粒内部区域及模糊区域,能够区分出因析出物而导致损坏的晶粒以及因外界因素而导致的钢材试样检测图像中无法明显区分晶粒内部区域与晶界区域的部分,进而排除不利于晶粒度检测的因素,有利于提取具有参考性的检测区域,能够减小晶粒度检测结果的误差。
尤其,本发明检测模块中设有晶粒级别指数对照表,通过与钢材试样晶粒平均面积等效的晶粒内部区域经晶界区域分割形成的各连通域平均面积获取钢材试样晶粒级别,并将钢材试样晶粒级别与钢材试样晶粒级别设计值进行对比,能够实现全自动获取钢材试样晶粒度的检测结果,有效避免人工判断失误时使晶粒度检测结果与实际不符,在节省人工的同时提高了晶粒度检测的准确率。
附图说明
图1为发明实施例基于图像处理的吊钩用钢材晶粒度评价***示意图;
图2为发明实施例基于图像处理的吊钩用钢材晶粒度检测方法流程图;
图3为发明实施例发明实施例钢材试样第一图像区域划分示意图。
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
需要说明的是,在本发明的描述中,术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系,这仅仅是为了便于描述,而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,还需要说明的是,在本发明的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域技术人员而言,可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示,其为本发明实施例基于图像处理的吊钩用钢材晶粒度评价***示意图,所述吊钩用钢材晶粒度评价***包括金相显微镜,用于获取钢材试样放大的光学影像,并将获取的钢材试样放大的光学影像转换为数字图像以得到钢材试样第一图像,金相显微镜还与图像预处理模块相连接,所述图像预处理模块用于将钢材试样第一图像进行光照均衡处理和锐化处理以得到增强的钢材试样检测图像;图像预处理模块还与检测模块相连接,所述检测模块用于提取增强的钢材试样检测图像的晶粒检测区域以获取钢材试样的晶粒度,检测模块将钢材试样的晶粒度与钢材试样的晶粒度设计值进行对比以判定钢材试样晶粒度是否合格。
具体而言,本实施例不对金相显微镜进行限定,本实施例优选型号为AFT-DC130的金相显微镜,能够将镜下图像反映在电子图像显示及输出设备上的光电设备,实现光学影像与数字图像之间的转换。
请参阅图2所示,其为本发明实施例基于图像处理的吊钩用钢材晶粒度检测方法流程图,所述基于图像处理的吊钩用钢材晶粒度检测方法包括:
步骤S1,对钢材试样进行加热、保温及淬火,使钢材试样呈现马氏体组织形态,待钢材试样冷却至常温后,采用金相显微镜获取放大的钢材试样光学影像,金相显微镜将放大的钢材试样光学影像转换为数字图像以获取钢材试样第一图像,并将钢材试样第一图像传输至与金相显微镜相连接的图像预处理模块;
步骤S2,所述图像预处理模块根据钢材试样的晶粒度设计值及所述金相显微镜的放大倍数对钢材试样第一图像进行区域划分,并获取钢材试样第一图像中各分区内像素点的灰度平均值,图像预处理模块根据各分区内像素点的灰度平均值对钢材试样第一图像进行光照均衡处理以获取钢材试样第二图像,并根据钢材第二试样图像内落于不同灰度区间的像素点数量比对钢材试样第二图像内像素点进行拆分处理以获取钢材试样第三图像,图像预处理模块据钢材试样第三图像内各像素点的灰度与钢材试样第三图像内像素点最大灰度和像素点最小灰度的平均值的对比结果对钢材试样第三图像进行阈值处理以获取钢材试样第四图像,并将钢材试样第四图像各像素点灰度进行还原得到钢材试样检测图像,同时,图像预处理模块将钢材试样检测图像传输至与图像预处理模块相连接的检测模块;
步骤S3,所述检测模块根据钢材试样检测图像内各像素点的灰度将钢材试样检测图像划分为晶界区域、晶粒内部区域以及模糊区域,并提取晶界区域与晶粒内部区域组成若干连通域以获取各所述连通域的平均面积,进而根据各连通域的平均面积对应的晶粒级别指数与钢材试样晶粒级别指数设计值的对比结果获取钢材试样晶粒度的检测结果。
具体而言,本发明通过对钢材试样第一图像进行光照均衡处理,能够一定程度还原钢材试样晶粒度的图像细节特征信息,使钢材试样第一图像信息更接近于实际的钢材试样晶粒度情况;本发明通过对钢材试样第二图像进行像素点拆分,能够在对钢材试样第三图像进行锐化处理的过程中,在保证图像的对比度与亮度满足检测要求的同时使钢材试样检测图像显示的晶粒尺寸更接近于钢材试样的实际晶粒度,减小外界客观因素造成晶粒度检测结果的误差;本发明检测模块通过将钢材试样检测图像划分为晶界区域、晶粒内部区域以及模糊区域,能够有效提取具有代表性的检测区域,避免晶粒度检测结果因受钢材试样自身结构特性的影响而导致晶粒度检测结果不具有参考意义。
当所述图像预处理模块获取钢材试样第一图像时,图像预处理模块根据钢材试样的晶粒级别指数设计值A0及所述金相显微镜的放大倍数b对钢材试样第一图像进行区域划分,其中,
当A0≤6时,所述图像预处理模块获取钢材试样第一图像的区域划分数量n1=max{[2×(b0/b)0.5],2},其中,当[2×(b0/b)0.5]>4时,图像预处理模块获取n1=4;
当A0>6时,所述图像预处理模块获取钢材试样第一图像的区域划分数量n2=4+2×[|b0/b-0.5|0.5],其中,当[|b0/b-0.5|0.5]>1时,图像预处理模块获取n2=6;
其中,[2×(b0/b)0.5]表示对2×(b0/b)0.5进行取整,[|b0/b-0.5|0.5]表示对[|b0/b-0.5|0.5]进行取整,所述图像预处理模块预设b0为金相显微镜放大倍数标准值。
请参阅图3所示,其为本发明实施例钢材试样第一图像区域划分示意图,当钢材试样第一图像的区域划分数量ns=2时,图像预处理模块以钢材试样第一图像两个长边中点的连线作为分割线,将钢材试样第一图像划分为两个区域;当钢材试样第一图像的区域划分数量ns=3时,图像预处理模块以钢材试样第一图像第一长边的两个三等分点为垂足分别向钢材试样第一图像的第二长边做垂线,图像预处理模块以所述垂线作为区域划分线将钢材试样第一图像划分为三个区域;当钢材试样第一图像的区域划分数量ns=4时,图像预处理模块以钢材试样第一图像两短边的中点连线作为第一分割线,以钢材试样第一图像两长边的中点连线作为第二分割线,将钢材试样第一图像划分为四个区域;当钢材试样第一图像的区域划分数量ns=6时,图像预处理模块选取钢材试样第一图像第一长边的两个三等分点,并以两个三等分点为垂足分别向钢材试样第一图像的第二长边做垂线,图像预处理模块将所述垂线作为第一分割线和第二分割线,将钢材试样第一图像两短边的中点连线作为第三分割线,将钢材试样第一图像划分为六个区域;其中,s=1,2。
具体而言,本发明不对金相显微镜放大倍数标准值进行限定,本发明实施例优选金相显微镜放大倍数标准值b0=500,本实施例根据钢材试样的生产标准确定钢材试样的晶粒级别指数设计值。
实施例一:图像预处理模块获取钢材试样的晶粒级别指数设计值A0=6,金相显微镜放大倍数为200,则图像预处理模块获取钢材试样第一图像的区域划分数量为n1=max{[2×(500/200)0.5],2}=3。
实施例二;图像预处理模块获取钢材试样的晶粒级别指数设计值A0=8,金相显微镜放大倍数为1000,则图像预处理模块获取钢材试样第一图像的区域划分数量为n2=4+2×[|500/1000-0.5|0.5]=4。
实施例三;图像预处理模块获取钢材试样的晶粒级别指数设计值A0=8,金相显微镜放大倍数为200,由于[|500/200-0.5|0.5]>1,因此图像预处理模块获取钢材试样第一图像的区域划分数量为n2=6
具体而言,本发明通过对钢材第一试样图像进行分区,能够使后续的图像预处理更加有针对性,节省图像处理的时间能够在图像处理的过程中减少图像细节特征丢失量,本发明同时将钢材试样的晶粒级别指数设计值与所述金相显微镜的放大倍数作为钢材试样第一图像分区数量的关联参数,能够保证在钢材晶粒级别指数较大,即钢材晶粒尺寸较小且金相显微镜的放大倍数较小时使钢材试样第一图像的分区数量有利于后续图像预处理的精细化,使最终的钢材晶粒度检测结果更加接近实际值。
当所述图像预处理模块完成对钢材试样第一图像的区域划分时,图像预处理模块获取钢材试样第一图像各分区内像素点灰度平均值Gi,i=1,2……N,N为钢材试样第一图像的区域划分数量,图像预处理模块根据钢材试样第一图像各分区内像素点灰度平均值Gi与钢材试样第一图像各分区内像素点灰度平均值的中位数Gm判定是否对钢材试样第一图像各分区进行光照均衡处理,其中,
当|Gi-Gm|≤16时,所述图像预处理模块判定不对钢材试样第一图像第i分区进行光照均衡处理;
当|Gi-Gm|>16时,所述图像预处理模块判定对钢材试样第一图像第i分区进行光照均衡处理,其中,当Gm与钢材试样第一图像某一分区的像素点灰度平均值相等时,将所述分区设为F,图像预处理模块获取分区F内像素点灰度的众数Gz0以及钢材试样第一图像第i分区内像素点灰度的众数Gzi,图像预处理模块将钢材试样第一图像第i分区内各像素点的灰度Gx调节至Gx’,使Gx’=Gx+(Gz0-Gzi);当Gm为钢材试样第一图像某一分区D内像素点灰度平均值与另一分区E内像素点灰度平均值的平均值时,图像预处理模块获取分区D内像素点灰度的众数与分区E内像素点灰度的众数的平均值Gza,图像预处理模块将钢材试样第一图像第i分区内各像素点的灰度Gx调节至Gx’’,使Gx’’=Gx+(Gz0-Gza);
其中,x=1,2,…,c,c为第i分区内像素点数量。
实施例一:钢材试样第一图像划分区域数量为3,其中,第一分区像素点灰度平均值为80,第二分区像素点灰度平均值为100,第三分区像素点灰度平均值为120,图像预处理模块获取各分区灰度平均值的中位数为100,图像预处理模块根据各分区灰度平均值的中位数与各分区灰度平均值的差值对各分区像素点灰度进行调节,其中,图像预处理模块将第一分区各像素点灰度增加20,将第三分区各像素点灰度减小20。
实施例二:钢材试样第一图像划分区域数量为4,其中,第一分区像素点灰度平均值为80,第二分区像素点灰度平均值为100,第三分区像素点灰度平均值为120,第四分区像素点灰度平均值为140,图像预处理模块获取各分区灰度平均值的中位数,即第二分区像素点灰度平均值与第三分区像素点灰度平均值的平均值,图像预处理模块根据各分区灰度平均值的中位数与各分区灰度平均值的差值对各分区进行调节,其中,图像预处理模块将第一分区各像素点灰度增加30,将第四分区各像素点灰度减小30。
具体而言,本发明将钢材试样第一图像各分区内像素点灰度平均值的中位数作为基准对照数,当钢材试样第一图像某一分区的像素点灰度平均值与各分区内像素点灰度平均值的中位数相差较小时,能够判定该分区符合图像的光照均衡标准;当钢材试样第一图像分区的像素点灰度平均值与各分区内像素点灰度平均值的中位数相差较大时,能够判定此处光照不足或光照过多,需要对其进行光照均衡处理使整个钢材试样第一图像的亮度维持在一个稳定的范围,本发明通过对钢材试样第一图像进行光照均衡处理,能够一定程度上还原由于光照不均衡而丢失的图像特征信息,有利于减小钢材晶粒度检测结果的误差。
当所述图像预处理模块完成对钢材试样第一图像的光照均衡处理获取钢材试样第二图像时,图像预处理模块根据灰度落在[0,127]的像素点与灰度落在[128,255]的像素点的数量比判定是否对钢材试样第二图像进行像素点拆分,其中,
当d1/d2<0.05或d1/d2>20,且d1≠0,d2≠0时,所述图像预处理模块判定不对钢材试样第二图像进行像素点拆分;
当d1/d2≥0.05,d1≠0且d2≠0时,所述图像预处理模块判定对钢材试样第二图像进行像素点拆分,其中,当0.05≤d1/d2≤0.5或2≤d1/d2≤20时,图像预处理模块将钢材试样第二图像内各像素点按照3×3拆分;当0.5<d1/d2<2时,图像预处理模块将钢材试样第二图像内各像素点按照5×5拆分;
当d1=0或d2=0时,所述图像预处理模块将钢材试样第二图像内各像素点按照5×5拆分;
其中,d1为灰度落在[0,127]的像素点数量,d2为灰度落在[128,255]的像素点数量。
具体而言,本发明通过灰度落在[0,127]的像素点数量与灰度落在[128,255]的像素点数量的比值,对钢材试样第二图像进行对比度的判断,当所述比值较大时,可以判定钢材试样第二图像的对比度较高,容易区分图像的特征信息,当所述比值较小时,可以判定钢材试样第二图像的对比度难以区分图像的特征信息,本发明通过对像素点进行拆分使钢材试样第二图像锐化前能够有更大的可调整空间,进而使图像锐化的效果达到预期。
当所述图像预处理模块判定不对钢材试样第二图像进行像素点拆分时,图像预处理模块根据钢材试样第二图像内各像素点的灰度Gk与钢材试样第二图像内像素点最大灰度Gmax与像素点最小灰度Gmin的平均值的对比结果对钢材试样第二图像各像素点灰度进行调节,其中,
当Gk≤0.5×(Gmax+Gmin)时,所述图像预处理模块将第k像素点灰度调节至Gk’,使Gk’=Gmin;
当Gk>0.5×(Gmax+Gmin)时,所述图像预处理模块将第k像素点灰度调节至Gk’’,使Gk’’=Gmax;
其中,k=1,2…,N,N为钢材试样第二图像内像素点数量。
具体而言,本发明以钢材试样第二图像内像素点最大灰度与最小灰度的平均值作为分界数值,对钢材试样第二图像内各像素点进行极值化处理,能够一定程度上简化灰度处理流程,且能够降低数据处理量,进而实现节省图像的处理时间;本发明图像预处理模块通过对各像素点进行极值化处理,能够实现钢材试样第二图像的锐化处理,且能够使各连通域与连通域之间的界限更加清晰,直接减少了后续钢材晶粒度检测时的数据处理量。
当所述图像预处理模块对钢材试样第二图像完成像素点拆分获取钢材试样第三图像时,图像预处理模块根据钢材试样第三图像内各像素点的灰度Gp与钢材试样第三图像内像素点最大灰度Gmax和像素点最小灰度Gmin的平均值的对比结果对钢材试样第三图像各像素点灰度进行阈值处理,其中,
当Gp≤0.5×(Gmax+Gmin)时,所述图像预处理模块将第p像素点灰度调节至Gp’,使Gp’=0;
当Gp>0.5×(Gmax+Gmin)时,所述图像预处理模块将第p像素点灰度调节至Gp’’,使Gp’’=255;
其中,p=1,2…,M,M为经过像素点拆分后的钢材试样第三图像内像素点数量。
具体而言,本发明将钢材试样第三图像的像素点进行拆分后,先对图像的各像素点进行阈值处理,将灰度小于等于钢材试样第三图像内像素点最大灰度与最小灰度的平均值的像素点灰度设置为0,将灰度大于等于钢材试样第三图像内像素点最大灰度与最小灰度的平均值的像素点灰度设置为255,能够将需要调整灰度的像素点与不需要调整灰度的像素点进行划分,以精确定位需要调整灰度的像素点。
当所述图像预处理模块完成对钢材试样第三图像的阈值处理时,图像预处理提取灰度由0跳跃至255的相邻像素点间的共用界线lu,u=1,2,…,U,U为经过阈值处理后的钢材试样第三图像内共用界限数量,图像预处理模块根据像素点拆分方式对经过阈值处理后的钢材试样第三图像灰度为0的部分像素点进行灰度反处理,其中,
当所述图像预处理模块将经过阈值处理后的钢材试样第三图像内各像素点按照3×3拆分时,图像预处理模块提取边缘落在共用界限上且灰度为255的像素点Qv,v=1,2,…,V,V为边缘为共用界限且灰度为255的像素点数量,图像预处理模块以像素点Qv为核像素点提取像素点Qv邻域3×3的像素点,并将像素点Qv邻域3×3内灰度值为0的像素点调节至255;
当所述图像预处理模块将经过阈值处理后的钢材试样第三图像内各像素点按照5×5拆分时,图像预处理模块提取边缘落在共用界限上且灰度为255的像素点Qz,z=1,2,…,V,图像预处理模块以像素点Qz为核像素点提取像素点Qz邻域5×5的像素点,并将像素点Qz邻域5×5内灰度值为0的像素点调节至255。
具体而言,本发明对钢材试样第三图像进行阈值处理后使钢材试样第三图像大致分为晶粒内部与晶界,由于原始的钢材试样第一图像会由于外界条件和仪器自身因素导致图像边缘虚化,使晶界与晶粒内部间的灰度变化呈现渐变状态,处于边缘的晶粒内部会因图像边缘虚化而被晶界假性覆盖,因此通过对钢材试样第三图像内部分灰度为0的像素点灰度进行反向调节,能够一定程度还原边缘晶粒尺寸使其接近于钢材试样晶粒的实际尺寸,有利于晶粒检测结果的准确性。
当所述图像预处理模块获取钢材试样第四图像时,所述图像处理模块设定钢材试样第四图像内灰度值为0的像素点为集合H1,设定钢材试样第四图像内未经过灰度反处理且灰度值为255的像素点为集合H2,设定钢材试样第四图像内经过灰度反处理的像素点为集合H3,图像预处理模块将各集合内像素点灰度进行还原,其中,
当像素点Sy∈H1∪H2时,所述图像预处理模块将像素点Sy灰度还原至钢材试样第四图像经阈值处理前的灰度;
当像素点Sy∈H3时,所述图像预处理模块获取钢材试样第四图像经阈值处理前集合H2内各像素点灰度的众数Gw,并将集合H3内各像素点灰度设置为Gw;
其中,y=1,2,…,M,M为经过像素点拆分后的钢材试样第四图像内像素点数量。
具体而言,本发明在完成对钢材试样第三图像内晶粒边缘的精细化处理获取钢材试样第四图像后,需将钢材试样第四图像内经过灰度反处理的像素点灰度调节至晶粒内部像素点的灰度区间,并将未经过灰度反处理的像素点灰度还原至钢材试样第四图像经阈值处理前的灰度,能够最大程度保留钢材试样的细节特征信息,使经过图像预处理的钢材试样第四图像利于晶粒度检测的同时保证与钢材试样的实际晶粒度更加接近。
当所述检测模块获取经过图像预处理的钢筋试样检测图像时,检测模块获取钢筋试样检测图像内像素点最大灰度Gγmax与钢筋试样检测图像内像素点最小灰度Gγmin,检测模块获取像素点灰度第一阈值Ge1=Gγmin+1/3×(Gγmax-Gγmin),获取像素点灰度第二阈值Ge2=Gγmin+2/3×(Gγmax-Gγmin),检测模块根据钢筋试样检测图像内像素点灰度Gr划分晶界区域、晶粒内部区域及模糊区域,其中,
当Gr≤Ge1时,所述检测模块判定像素点Gr属于晶粒内部区域;
当Ge1<Gr<Ge2时,所述检测模块判定像素点Gr属于模糊区域;
当Gr≥Ge2时,所述检测模块判定像素点Gr属于晶界区域;
其中,r=1,2,…,R,R为经过图像预处理后钢筋试样检测图像内像素点数量。
具体而言,本发明检测模块设置像素点灰度第一阈值与像素点灰度第二阈值将经过图像预处理的钢材试样检测图像划分为晶界区域、晶粒内部区域及模糊区域,能够区分出因析出物而导致损坏的晶粒以及因外界因素而导致的钢材试样检测图像中无法明显区分晶粒内部区域与晶界区域的部分,进而排除不利于晶粒度检测的因素,有利于提取具有参考性的检测区域,能够减小晶粒度检测结果的误差。
当所述检测模块完成对钢筋试样检测图像的晶界区域、晶粒内部区域及模糊区域的划分时,检测模块提取晶界区域与晶粒内部区域组成的各连通域,并获取各连通域的平均面积,检测模块根据各连通域的平均面积对应的晶粒级别指数A’与钢材试样的晶粒度设计值A0的对比结果判定钢材试样晶粒度是否合格,其中,
当A’≥A0时,所述检测模块判定钢材试样晶粒度合格;
当A’≤A0时,所述检测模块判定钢材试样晶粒度不合格。
具体而言,本发明设定检测模块获取的各连通域平均面积为钢材试样晶粒的平均面积,本发明实施例不对晶粒级别指数对照表的出处进行限定,本发明实施例优选出自GB/T6394-2002的晶粒级别指数对照表作为钢材试样晶粒的平均面积与晶粒级别指数的对照依据。
具体而言,本发明检测模块中设有晶粒级别指数对照表,通过与钢材试样晶粒平均面积等效的晶粒内部区域经晶界区域分割形成的各连通域平均面积获取钢材试样晶粒级别,并将钢材试样晶粒级别与钢材试样晶粒级别设计值进行对比,能够实现全自动获取钢材试样晶粒度的检测结果,有效避免人工判断失误时使晶粒度检测结果与实际不符,在节省人工的同时提高了晶粒度检测的准确率。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例,并不用于限制本发明;对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,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 (4)
1.一种基于图像处理的吊钩用钢材晶粒度检测方法,其特征在于,包括:
步骤S1,对钢材试样进行加热、保温及淬火,使钢材试样呈现马氏体组织形态,待钢材试样冷却至常温后,采用金相显微镜获取放大的钢材试样光学影像,金相显微镜将放大的钢材试样光学影像转换为数字图像以获取钢材试样第一图像,并将钢材试样第一图像传输至与金相显微镜相连接的图像预处理模块;
步骤S2,所述图像预处理模块根据钢材试样的晶粒度设计值及所述金相显微镜的放大倍数对钢材试样第一图像进行区域划分,并获取钢材试样第一图像中各分区内像素点的灰度平均值,图像预处理模块根据各分区内像素点的灰度平均值对钢材试样第一图像进行光照均衡处理以获取钢材试样第二图像,并根据钢材第二试样图像内落于不同灰度区间的像素点数量比对钢材试样第二图像内像素点进行拆分处理以获取钢材试样第三图像,图像预处理模块根据钢材试样第三图像内各像素点的灰度与钢材试样第三图像内像素点最大灰度和像素点最小灰度的平均值的对比结果对钢材试样第三图像进行阈值处理以获取钢材试样第四图像,并将钢材试样第四图像各像素点灰度进行还原得到钢材试样检测图像后,图像预处理模块将钢材试样检测图像传输至与图像预处理模块相连接的检测模块,其中,
当所述图像预处理模块获取钢材试样第一图像时,图像预处理模块根据钢材试样的晶粒级别指数设计值A0及所述金相显微镜的放大倍数b对钢材试样第一图像进行区域划分,当A0≤6时,所述图像预处理模块获取钢材试样第一图像的区域划分数量n1=max{[2×(b0/b)0.5],2},其中,当[2×(b0/b)0.5]>4时,图像预处理模块获取n1=4;当A0>6时,所述图像预处理模块获取钢材试样第一图像的区域划分数量n2=4+2×[|b0/b-0.5|0.5],其中,当[|b0/b-0.5|0.5]>1时,图像预处理模块获取n2=6;
式中,[2×(b0/b)0.5]表示对2×(b0/b)0.5进行取整,[|b0/b-0.5|0.5]表示对[|b0/b-0.5|0.5]进行取整,所述图像预处理模块预设b0为金相显微镜放大倍数标准值;
当所述图像预处理模块完成对钢材试样第一图像的光照均衡处理后获取钢材试样第二图像时,图像预处理模块根据灰度落在[0,127]的像素点与灰度落在[128,255]的像素点的数量比判定是否对钢材试样第二图像进行像素点拆分,其中,
当d1/d2<0.05或d1/d2>20,且d1≠0,d2≠0时,所述图像预处理模块判定不对钢材试样第二图像进行像素点拆分;
当d1/d2≥0.05,d1≠0且d2≠0时,所述图像预处理模块判定对钢材试样第二图像进行像素点拆分,其中,当0.05≤d1/d2≤0.5或2≤d1/d2≤20时,图像预处理模块将钢材试样第二图像内各像素点按照3×3拆分;当0.5<d1/d2<2时,图像预处理模块将钢材试样第二图像内各像素点按照5×5拆分;
当d1=0或d2=0时,所述图像预处理模块将钢材试样第二图像内各像素点按照5×5拆分;
式中,d1为灰度落在[0,127]的像素点数量,d2为灰度落在[128,255]的像素点数量;
当所述图像预处理模块判定不对钢材试样第二图像进行像素点拆分时,图像预处理模块根据钢材试样第二图像内各像素点的灰度Gk与钢材试样第二图像内像素点最大灰度Gmax和像素点最小灰度Gmin的平均值的对比结果对钢材试样第二图像各像素点灰度进行调节,其中,
当Gk≤0.5×(Gmax+Gmin)时,所述图像预处理模块将第k像素点灰度调节至Gk’,使Gk’=Gmin;
当Gk>0.5×(Gmax+Gmin)时,所述图像预处理模块将第k像素点灰度调节至Gk’’,使Gk’’=Gmax;
式中,k=1,2…,N,N为钢材试样第二图像内像素点数量;
当所述图像预处理模块对钢材试样第二图像完成像素点拆分获取钢材试样第三图像时,图像预处理模块根据钢材试样第三图像内各像素点的灰度Gp与钢材试样第三图像内像素点最大灰度Gmax与像素点最小灰度Gmin的平均值的对比结果对钢材试样第三图像各像素点灰度进行阈值处理,其中,
当Gp≤0.5×(Gmax+Gmin)时,所述图像预处理模块将第p像素点灰度调节至Gp’,使Gp’=0;
当Gp>0.5×(Gmax+Gmin)时,所述图像预处理模块将第p像素点灰度调节至Gp’’,使Gp’’=255;
式中,p=1,2…,M,M为经过像素点拆分后的钢材试样第三图像内像素点数量;
当所述图像预处理模块完成对钢材试样第三图像的阈值处理时,图像预处理提取灰度由0跳跃至255的相邻像素点间的共用界线lu,u=1,2,…,U,U为经过阈值处理后的钢材试样第三图像内共用界限数量,图像预处理模块根据像素点拆分方式对经过阈值处理后的钢材试样第三图像灰度为0的部分像素点进行灰度反处理,其中,
当所述图像预处理模块将经过阈值处理后的钢材试样第三图像内各像素点按照3×3拆分时,图像预处理模块提取边缘落在共用界限上且灰度为255的像素点Qv,v=1,2,…,V,V为边缘为共用界限且灰度为255的像素点数量,图像预处理模块以像素点Qv为核像素点提取像素点Qv邻域3×3的像素点,并将像素点Qv邻域3×3内灰度值为0的像素点调节至255;
当所述图像预处理模块将经过阈值处理后的钢材试样第三图像内各像素点按照5×5拆分时,图像预处理模块提取边缘落在共用界限上且灰度为255的像素点Qz,z=1,2,…,V,图像预处理模块以像素点Qz为核像素点提取像素点Qz邻域5×5的像素点,并将像素点Qz邻域5×5内灰度值为0的像素点调节至255;
当所述图像预处理模块获取钢材试样第四图像时,所述图像预处理模块设定钢材试样第四图像内灰度值为0的像素点为集合H1,设定钢材试样第四图像内未经过灰度反处理且灰度值为255的像素点为集合H2,设定钢材试样第四图像内经过灰度反处理的像素点为集合H3,图像预处理模块将各集合内像素点灰度进行还原,其中,
当像素点Sy∈H1∪H2时,所述图像预处理模块将像素点Sy灰度还原至钢材试样第四图像经阈值处理前的灰度;
当像素点Sy∈H3时,所述图像预处理模块获取钢材试样第四图像经阈值处理前集合H2内各像素点灰度的众数Gw,并将集合H3内各像素点灰度设置为Gw;
式中,y=1,2,…,M’,M’为经过像素点拆分后的钢材试样第四图像内像素点数量;
步骤S3,所述检测模块根据钢材试样检测图像内各像素点的灰度将钢材试样检测图像划分为晶界区域、晶粒内部区域以及模糊区域,并提取晶界区域与晶粒内部区域组成若干连通域以获取各所述连通域的平均面积,进而根据各连通域的平均面积对应的晶粒级别指数与钢材试样晶粒级别指数设计值的对比结果获取钢材试样晶粒度的检测结果。
2.根据权利要求1所述的基于图像处理的吊钩用钢材晶粒度检测方法,其特征在于,当所述图像预处理模块完成对钢材试样第一图像的区域划分时,图像预处理模块获取钢材试样第一图像各分区内像素点灰度平均值Gi,i=1,2……N’,N’为钢材试样第一图像的区域划分数量,图像预处理模块根据钢材试样第一图像各分区内像素点灰度平均值Gi与钢材试样第一图像各分区内像素点灰度平均值的中位数Gm判定是否对钢材试样第一图像各分区进行光照均衡处理,其中,
当|Gi-Gm|≤16时,所述图像预处理模块判定不对钢材试样第一图像第i分区进行光照均衡处理;
当|Gi-Gm|>16时,所述图像预处理模块判定对钢材试样第一图像第i分区进行光照均衡处理,其中,当Gm与钢材试样第一图像其中一分区的像素点灰度平均值相等时,将所述分区设为F,图像预处理模块获取分区F内像素点灰度的众数Gz0以及钢材试样第一图像第i分区内像素点灰度的众数Gzi,图像预处理模块将钢材试样第一图像第i分区内各像素点的灰度Gx调节至Gx’,使Gx’=Gx+(Gz0-Gzi);当Gm为钢材试样第一图像其中一分区D内像素点灰度平均值与另一分区E内像素点灰度平均值的平均值时,图像预处理模块获取分区D内像素点灰度的众数与分区E内像素点灰度的众数的平均值Gza,图像预处理模块将钢材试样第一图像第i分区内各像素点的灰度Gx调节至Gx’’,使Gx’’=Gx+(Gz0-Gza);
其中,x=1,2,…,c,c为第i分区内像素点数量。
3.根据权利要求2所述的基于图像处理的吊钩用钢材晶粒度检测方法,其特征在于,当所述检测模块获取经过图像预处理的钢筋试样检测图像时,检测模块获取钢筋试样检测图像内像素点最大灰度Gγmax与钢筋试样检测图像内像素点最小灰度Gγmin,检测模块获取像素点灰度第一阈值Ge1=Gγmin+1/3×(Gγmax-Gγmin),获取像素点灰度第二阈值Ge2=Gγmin+2/3×(Gγmax-Gγmin),检测模块根据钢筋试样检测图像内像素点灰度Gr划分晶界区域、晶粒内部区域及模糊区域,其中,
当Gr≤Ge1时,所述检测模块判定像素点Gr属于晶粒内部区域;
当Ge1<Gr<Ge2时,所述检测模块判定像素点Gr属于模糊区域;
当Gr≥Ge2时,所述检测模块判定像素点Gr属于晶界区域;
其中,r=1,2,…,R,R为经过图像预处理后钢筋试样检测图像内像素点数量。
4.根据权利要求3所述的基于图像处理的吊钩用钢材晶粒度检测方法,其特征在于,当所述检测模块完成对钢筋试样检测图像的晶界区域、晶粒内部区域及模糊区域的划分时,检测模块提取晶界区域与晶粒内部区域组成的各连通域,并获取各连通域的平均面积,检测模块根据各连通域的平均面积对应的晶粒级别指数A’与钢材试样的晶粒度设计值A0的对比结果判定钢材试样晶粒度是否合格,其中,
当A’≥A0时,所述检测模块判定钢材试样晶粒度合格;
当A’≤A0时,所述检测模块判定钢材试样晶粒度不合格。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310181252.8A CN115861326B (zh) | 2023-03-01 | 2023-03-01 | 基于图像处理的吊钩用钢材晶粒度检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310181252.8A CN115861326B (zh) | 2023-03-01 | 2023-03-01 | 基于图像处理的吊钩用钢材晶粒度检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115861326A CN115861326A (zh) | 2023-03-28 |
CN115861326B true CN115861326B (zh) | 2023-05-16 |
Family
ID=85659426
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310181252.8A Active CN115861326B (zh) | 2023-03-01 | 2023-03-01 | 基于图像处理的吊钩用钢材晶粒度检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115861326B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117969356B (zh) * | 2024-04-01 | 2024-06-25 | 陕西天成航空材料股份有限公司 | 一种钛合金平均晶粒度的检测方法及检测装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112712860A (zh) * | 2021-01-07 | 2021-04-27 | 昆明理工大学 | 一种基于真实金相图结构的晶粒有限元模型建模方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102494976B (zh) * | 2011-11-18 | 2014-04-09 | 江苏大学 | 一种超细晶粒钢晶粒的自动测量及其形态分类方法 |
US20160098825A1 (en) * | 2014-10-05 | 2016-04-07 | Sigma Labs, Inc. | Feature extraction method and system for additive manufacturing |
CN109544571A (zh) * | 2018-10-31 | 2019-03-29 | 南京理工大学 | 一种基于数学形态学的金相图像边缘检测方法 |
CN114324084B (zh) * | 2022-03-03 | 2022-07-12 | 天津美腾科技股份有限公司 | 一种矿浆粒度在线检测设备、方法和存储介质 |
CN114782473A (zh) * | 2022-03-25 | 2022-07-22 | 东北大学 | 一种基于像素关系的金相组织晶界提取方法 |
-
2023
- 2023-03-01 CN CN202310181252.8A patent/CN115861326B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112712860A (zh) * | 2021-01-07 | 2021-04-27 | 昆明理工大学 | 一种基于真实金相图结构的晶粒有限元模型建模方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115861326A (zh) | 2023-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10971098B2 (en) | Method and device for adjusting gray scale of display panel | |
CN116205823B (zh) | 一种基于空域滤波的超声影像去噪方法 | |
CN115861326B (zh) | 基于图像处理的吊钩用钢材晶粒度检测方法 | |
CN116843678A (zh) | 一种硬碳电极生产质量检测方法 | |
CN112950657A (zh) | 伽马值校正方法及其装置、电子装置和可读存储介质 | |
CN116612470B (zh) | 一种基于视觉特征的面包检测方法以及*** | |
CN110956581A (zh) | 一种基于双通道生成-融合网络的图像模态变换方法 | |
CN116309559A (zh) | 一种中硼硅玻璃生产瑕疵智能识别方法 | |
CN116245880A (zh) | 基于红外识别的电动车充电桩火灾风险检测方法 | |
CN104252056A (zh) | 一种基板的检测方法及装置 | |
CN109191386B (zh) | 一种基于BPNN的快速Gamma校正方法及装置 | |
CN116523913B (zh) | 一种丝杆质量智能检测方法 | |
CN114202491B (zh) | 一种增强光学图像的方法及*** | |
CN116883336A (zh) | 图像处理方法、装置、计算机设备及介质 | |
CN107133937B (zh) | 一种红外图像的自适应增强方法 | |
CN117764864A (zh) | 基于图像去噪的核磁共振肿瘤视觉检测方法 | |
CN117348831A (zh) | 液晶显示屏的画面调校方法及*** | |
CN105139345B (zh) | 一种优质非标准Gamma曲线的自动搜索方法 | |
CN109147642B (zh) | 显示屏gamma校正方法及其装置 | |
CN116740579B (zh) | 一种国土空间规划数据智能采集方法 | |
CN107527362A (zh) | 一种基于图像纹理特征指标的苹果口感定性鉴别方法 | |
CN116597029A (zh) | 一种针对色盲的图像重着色方法 | |
CN107610101B (zh) | 一种测量数字图像视觉平衡质量的方法 | |
CN112950479B (zh) | 一种图像灰度区域拉伸算法 | |
CN115546131A (zh) | 一种带钢表面黑灰的定量评价方法及相关设备 |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Image processing based method for detecting grain size of steel used for lifting hooks Effective date of registration: 20230821 Granted publication date: 20230516 Pledgee: The Bank of Jining Limited by Share Ltd. Guang River Road Branch Pledgor: SHANDONG SHENLI RIGGING Co.,Ltd. Registration number: Y2023980053027 |
|
PE01 | Entry into force of the registration of the contract for pledge of patent right |