一种射线数字图像调制度确定方法及应用与流程

本发明涉及一种射线数字图像调制度的确定方法及应用，属于射线数字图像评价领域。

背景技术

射线检测技术对缺陷的检验，依靠的是获得的检测图像所给出的信息。此外，还与检测图像的现实条件、检验人员识别检测图像信息的能力和经验有关。因此，射线检测技术对缺陷的检验能力基本决定与获得的检测图像质量。射线图像分辨率是评定射线图像质量的重要参数。传统的图像分辨率是通过人工观察、测量、与图样进行比对等方式完成，存在时间长、效率低、评价偏差大、对操作人员经验要求高等缺点，利用计算机图像处理技术对射线系统分辨率进行识别与判定，从而大大提高工作效率与准确性，保证检测结果的准确可靠。射线系统分辨率检测系统的研发将替代传统的检测方法，随着射线检测技术在印制板组装件检验领域的广泛应用，该系统的应用前景广泛。

印制板组装件的特点是变截面变化不规则，组装涉及多种元器件，印制板其材料多种多样，射线吸收系数不同，因此，射线图像灰度变化大，同一张图像图不同位置的识别缺陷的能力是不一样的。缺陷不易被辨识或者易被辨识错误。射线检测的特点现有设备的尺度定量测量有很大人为的主观因素，比如测量一对线的间距，需要人工判断并标记出需要测量的边缘位置才能得到像素级的测量结果，但是如果成像图像不清晰或接近分辨率极限再或者由于叠加层数较多ct分层成像结果不锐利都会造成人工判断和标记误差变大且可重复性不佳。

技术实现要素：

本发明的技术解决问题是：克服现有技术的不足，提供了一种射线数字图像调制度的确定方法及应用，准确识别局部图像质量，测量图像综合指数，评判图像质量。

本发明的技术解决方案是：

一种射线数字图像调制度的确定方法，步骤如下：

(1)使用射线检测仪对待测样品成像，得到数字图像；

(2)在所述数字图像中，选取要测量的线状区域；

(3)从所述线状区域中读取像素灰度数据；

(4)根据预设的背景阈值对步骤(3)读取的像素灰度数据进行分类，形成背景点集g，和前景点集ng；

(5)根据预设的灰度判定阈值，对步骤(4)得到的前景点集ng按照像素灰度数据进行分类，形成点集h0和点集l0；

(6)计算步骤(3)读取的像素灰度数据的数据变化率，即亮度导数；

(7)根据预设的亮度导数分割阈值，刨除步骤(5)中得到的点集h0中亮度导数绝对值大于所述亮度导数分割阈值的点，得到点集h1；l0中亮度导数绝对值大于所述亮度导数分割阈值的点，得到点集l1；

(8)根据得到的点集g、点集h1以及点集l1，计算得到图像调制度y。

所述步骤(2)选取要测量的线状区域，具体为：该线状区域的像素灰度变化最大。

所述步骤(4)根据预设的背景阈值对步骤(3)读取的像素灰度数据进行分类，形成点集g和ng，具体为：

当所述数字图像为阴图像时，像素灰度数据大于等于背景阈值的像素灰度数据分类到点集g中，像素灰度数据小于背景阈值的像素灰度数据分类到前景点集ng中；

当所述数字图像为阳图像时，像素灰度数据小于背景阈值的像素灰度数据分类到点集g中,像素灰度数据大于等于背景阈值的像素灰度数据分类到前景点集ng中。

所述步骤(5)根据预设的灰度判定阈值，对前景点集ng按照像素灰度数据进行分类，形成点集h0和点集l0，具体为：

当所述数字图像为阴图像时，前景点集ng中像素灰度数据小于灰度判定阈值的像素灰度数据分类到点集h0中，前景点集ng中像素灰度数据大于等于灰度判定阈值的像素灰度数据分类到点集l0中；

当所述数字图像为阳图像时，前景点集ng中像素灰度数据大于等于灰度判定阈值的像素灰度数据分类到点集h0中，前景点集ng中像素灰度数据小于灰度判定阈值的像素灰度数据分类到点集l0中。

所述阳图像是指射线吸收量小于背景的射线吸收量时形成的图像；所述阴图像是指射线吸收量大于背景的射线吸收量时形成的图像。

所述步骤(6)对读取的像素灰度数据计算数据变化率，具体为：

di(n)＝i(n+1)-i(n-1)

其中，n为像素在所测量的线状区域存储序号，di(n)为第n点像素灰度数据的变化率，i(n+1)是第n+1点像素灰度数据,i(n-1)是第n-1点像素灰度数据。

所述步骤(8)计算得到图像调制度y，具体为：

y＝(abs(h1avg-l1avg)/abs(gavg-h1avg))*(abs(h1avg-l1avg)/256)；

其中，y为调制度，h1avg为点集h1中数据的平均值，l1avg为点集l1中数据的平均值，gavg为点集g中数据的平均值。

一种基于所述射线数字图像调制度的确定方法实现的射线数字图像质量评价方法，根据图像调制度y进行图像质量评价，具体为：当y≥0.3时，认为图像可以辨识，否则不可辨识。

其特征在于：

a.根据图像调制度y计算得到图像综合评价指数；

b.根据图像综合评价指数进行图像质量评价。

图像综合评价指数通过如下公式计算得到：

y＝0.00000511x1-0.00802x2+0.000435x3-0.0004521x4-0.02608

其中，y为图像综合评价指数，x1为细节变量测度，x3为图片均值次数，x4为几何不清晰度，x2为图像调制度。

进行图像质量评价具体为：

当y≥0.036时，认为图像可以辨识，否则不可辨识。

本发明与现有技术相比的有益效果是：

(1)现有x射线配套软件判断工作凭借人工主观完成，测量效率低，误差及精度不可控。

(2)现有x射线评价一次测量的辩识度使用人工判读对操作人员要求较高。

(3)现有x射线人工测量其评价的量化重复性不佳。

(4)本系统能明确计算出当前测量线的图像综合评价指数，便于判断当前测量线范围内图象是否符合最低判别的需求。(y>30％)

(5)背景点集g，和前景点集ng的分割的可视化操作让人明确判断哪里是需要测量的物体哪里是背景，ng中再次分割出的h0、l0点集的可视化操作让人明确判断哪里是需要测量的物体的暗部、哪里是需要测量的物体的亮部。

在h0、l0点集中刨除的亮度导数绝对值大于亮度导数分割阈值的点保证图像综合评价指数不会被边缘亮度剧烈变化部分所影响，能稳定体现出前景图象中亮部和暗部数值稳定的部分和背景的比例关系。

附图说明

图1：本发明方法流程图；

图2：原图像中待测量的线状区域；

图3：背景点集g与前景点集ng的分割；

图4：前景点集ng中点集h0与点集l0的分割；

图5：根据灰度变化率阈值分割生成点集h1与点集l1；

图6：原始测量图像

具体实施方式

下面结合附图对本发明的具体实施方式进行进一步的详细描述。

本发明针对微焦点射线机检测印制板组装件得到的射线数字图像的主观评价和客观评价不一致的问题，提出一种采用标定被识别数字图像像素边缘，通过软件传递函数算法，准确识别局部图像质量的方法，并基于该方法给出了图像调制度y、图像综合评价指数y的应用判据。实验结果表明，该方法得到的图像综合评价指数与主观评价结果拟合度很高，能够解决主观判别与客观判决不一致的难题，有效避免人工主观判别图像质量的弊端。

如图1所示，本发明提出了一种射线数字图像调制度的确定方法，步骤如下：

(1)使用射线检测仪对待测样品成像，得到数字图像；

(2)在所述数字图像中，选取要测量的线状区域；

选取要测量的线状区域，具体为：该线状区域的像素灰度变化最大。

(3)从所述线状区域中读取像素灰度数据；

(4)根据预设的背景阈值对步骤(3)读取的像素灰度数据进行分类，形成背景点集g，和前景点集ng，具体为：

当所述数字图像为阴图像时，像素灰度数据大于等于背景阈值的像素灰度数据分类到点集g中，像素灰度数据小于背景阈值的像素灰度数据分类到前景点集ng中；

当所述数字图像为阳图像时，像素灰度数据小于背景阈值的像素灰度数据分类到点集g中,像素灰度数据大于等于背景阈值的像素灰度数据分类到前景点集ng中。

背景阈值的设置标准是能明确区分背景像素和前景要测量区域的像素。

所述阳图像是指射线吸收量小于背景的射线吸收量时形成的图像；所述阴图像是指射线吸收量大于背景的射线吸收量时形成的图像。

(5)根据预设的灰度判定阈值，对步骤(4)得到的前景点集ng按照像素灰度数据进行分类，形成点集h0和点集l0；

具体为：

当所述数字图像为阴图像时，前景点集ng中像素灰度数据小于灰度判定阈值的像素灰度数据分类到点集h0中，前景点集ng中像素灰度数据大于等于灰度判定阈值的像素灰度数据分类到点集l0中；

当所述数字图像为阳图像时，前景点集ng中像素灰度数据大于等于灰度判定阈值的像素灰度数据分类到点集h0中，前景点集ng中像素灰度数据小于灰度判定阈值的像素灰度数据分类到点集l0中；

灰度判定阈值设置标准是能正确区分前景测量区域的亮部和暗部。

(6)计算步骤(3)读取的像素灰度数据的数据变化率，即亮度导数；

其具体计算方法为：

di(n)＝i(n+1)-i(n-1)

其中，n为像素在所测量的线状区域存储序号，di(n)为第n点像素灰度数据的变化率，i(n+1)是第n+1点像素灰度数据,i(n-1)是第n-1点像素灰度数据。

(7)根据预设的亮度导数分割阈值，刨除步骤(5)中得到的点集h0中亮度导数绝对值大于所述亮度导数分割阈值的点，得到点集h1；刨除点集l0中亮度导数绝对值大于所述亮度导数分割阈值的点，得到点集l1；

亮度导数分割阈值设置标准是能完整刨除前景测量区域边缘像素点。

(8)根据得到的点集g、点集h1以及点集l1，计算得到图像调制度y。

具体为：

y＝((h1avg-l1avg)/gavg)*((h1avg-l1avg)/256)

其中，y为调制度，h1avg为点集h1中数据的平均值，l1avg为点集l1中数据的平均值，gavg为点集g中数据的平均值。

得到调制度y之后，本发明还提出了两种评价图像质量的方法。

第一种，根据图像调制度y进行图像质量评价，具体为：当y≥0.3时，认为图像可以辨识，否则不可辨识。

第二种，

根据图像调制度y计算得到图像综合评价指数；

图像综合评价指数通过如下公式计算得到：

y＝0.00000511x1-0.00802x2+0.000435x3-0.0004521x4-0.02608

其中，y为图像综合评价指数，x1为细节变量测度，x3为图片均值次数，x4为几何不清晰度，x2为图像调制度。

b.根据图像综合评价指数进行图像质量评价。

当y≥0.036，认为图像可以辨识，否则不可辨识。

实施例

具体实现方法如下。

如图1所示，按照方法流程，读取被测图像；在被测图像中选取待测量的线状区域如图2所示，并读取线状区域的像素灰度数据。

根据预先设定的背景阈值，将读取出的像素灰度数据分割为背景点集g与前景点集ng，如图3所示；根据预先设定的灰度阈值，将前景点集ng分割为点集h0与点集l0，如图4所示。

逐点计算点集h0与点集l0的灰度变化率，根据预先设定的灰度变化率阈值，分别利用点集h0与点集l0，分割生成新的点集h1与l1，如图5所示。

h1点集取平均值得到高灰度平均值h1avg，l1点集取平均值得到低灰度平均值l1avg。

根据公式：y＝(abs(h1avg-l1avg)/abs(gavg-h1avg))*(abs(h1avg-l1avg)/256)得到图像调制度y。

如图6所示，计算图中测量线段区域的图像综合指数，根据公式

y＝(abs(h1avg-l1avg)/abs(gavg-h1avg))*(abs(h1avg-l1avg)/256)

计算得到：y＝0.32

将y＝0.32带入公式：

y＝0.00000511x1-0.00802y+0.000435x3-0.0004521x4-0.02608

计算得到：

gavg＝192，l1avg＝127，h1avg＝96，y＝0.039；y≥0.036分辨性良好。

其中(abs(h1avg-l1avg)/256)部分大于0.12让人眼能有90％分辨正确率。所以综合评价y＝0.039分辨性良好。

本发明说明书中未作详细描述的内容属于本领域专业技术人员的公知技术。