示温漆区域温度判读方法与流程

本发明属于表面温度测量技术领域，具体涉及一种示温漆区域温度判读方法。

背景技术

目前示温漆的判读主要依靠人工判读、颜色温度曲线点温度法、颜色温度曲线区域温度法以及等温线温度识别方法，采用人工判读主观性强，易受环境光、个人辨色能力影响，且判读时间较长，效率低，易视觉疲劳，造成判读结果的偏差；采用颜色温度曲线点温度法易受拍摄条件影响，温度识别精度差，可靠性差；采用颜色温度曲线区域温度法温度分辨率不高，精度一般；采用等温线温度识别方法等温线检测较复杂，需要一定经验，且温度分辨率不高。

技术实现要素：

本发明的目的在于提供一种示温漆区域温度判读方法来克服或至少减轻现有技术中的至少一个上述问题。

为实现上述目的，本发明提供了一种示温漆区域温度判读方法，所述判读方法包括：采集样板图像和试验件图像；将所述样板图像进行颜色空间转换，将所述样板图像进行颜色空间转换，提取所述样板图像上多个区域的不同温度的颜色特征，建立温度判读模型；将所述试验件图像划分成若干区域，并将所述若干区域进行颜色空间转换，提取所述若干区域中每个图像区域的颜色特征；将所述若干区域中每个图像区域的颜色特征进行滤波处理；将滤波后的所述若干区域中每个图像区域的颜色特征输入所述温度判读模型，获取所述每个图像区域的温度。

在上述判读方法的优选技术方案中，所述样板图像与所述试验件图像的光照条件相同。

在上述判读方法的优选技术方案中，建立温度判读模型，包括：对所述样板图像上相同区域大小的不同温度的颜色特征进行滤波处理；将滤波后的所述样板图像上相同区域大小的不同温度的颜色特征及其对应的温度作为训练数据，直接保存并建立温度判读模型。

在上述判读方法的优选技术方案中，将所述试验件图像划分成若干区域，包括：设定所述试验件图像中需要分割的区域，并将所述区域中的每个像素点作为初始种子点；遍历每个所述初始种子点，将图像分割为多个初始区域；将多个所述初始区域进行合并，获取小尺度分割区域；将所述小尺度分割区域合并为所述若干区域。

在上述判读方法的优选技术方案中，将图像分割为多个初始区域，包括：计算每个所述区域的平均颜色特征值，为每个所述区域设定一个标签符号；在当前所述区域的邻域内寻找未处理的像素点，计算所述未处理的像素点与所述平均颜色特征值的差值，判断所述未处理的像素点是否能够合并到当前所述区域；若所述差值小于设定阈值，则将所述未处理的像素点合并到当前所述区域内；若所述差值大于等于设定阈值，则不将所述未处理的像素点合并到当前所述区域内。

在上述判读方法的优选技术方案中，将多个所述初始区域进行合并，获取小尺度分割区域，包括：获取相邻两个所述初始区域的尺度参数；计算相邻两个所述初始区域的颜色相似性；判断所述颜色相似性与第一相似度阈值的大小；若所述颜色相似性小于所述第一相似度阈值，则将相邻两个所述初始区域进行合并，得到小尺度分割区域；若所述颜色相似性大于等于所述第一相似度阈值，则不将相邻两个所述初始区域进行合并。

在上述判读方法的优选技术方案中，将所述小尺度分割区域合并为所述若干区域，包括：获取相邻两个所述小尺度分割区域的尺度参数；计算相邻两个所述小尺度分割区域的颜色相似性；判断所述颜色相似性与第二相似度阈值的大小；若所述颜色相似性小于所述第二相似度阈值，则将相邻两个所述小尺度分割区域进行合并，得到所述若干区域；若所述颜色相似性大于等于所述第二相似度阈值，则不将相邻两个所述小尺度分割区域进行合并。

在上述判读方法的优选技术方案中，所述颜色相似性的计算方法为：

其中，n1,n2是相邻两个小尺度区域的大小，δr，δg，δb分别是相邻两个小尺度区域的平均颜色的差值，d是相邻两个小尺度区域的公共边界长度，r是尺度参数。

本发明的优选技术方案提供的示温漆区域温度判读方法，采用基于颜色相似性的多尺度图像分割算法对试验件图像进行区域划分，利用基于k近邻算法的多示例学习算法识别区域温度，相比于现有技术中的依靠人工判读、颜色温度曲线点温度法、颜色温度曲线区域温度法以及等温线温度识别方法来说，本发明实施例提供的示温漆区域温度判读方法对区域温度的判读精度高，稳定性好，分辨率高，使用方便，能够有效地避免人工判读造成的判读结果的偏差。

附图说明

图1是本发明一实施例提供的示温漆区域温度判读方法的流程示意图；

图2是本发明另一实施例提供的温度判读模型建立方法的流程示意图；

图3是本发明又一实施例提供的试验件图像分割方法的流程示意图。

具体实施方式

为使本发明实施的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行更加详细的描述。在附图中，所描述的实施例是本发明一部分实施例，而不是全部的实施例。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。下面结合附图对本发明的实施例进行详细说明。

在本发明的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。

本发明实施例中提供一种示温漆区域温度判读方法，用于获取发动机、燃气轮机等试验件的表面温度分布，也用于化工设备表面、高温炉外壁、金属热处理表面等表面温度的测试。

图1是本发明一实施例提供的示温漆区域温度判读方法的流程示意图。如图1所示，示温漆区域温度判读方法包括以下步骤：

s101，采集样板图像和试验件图像。

其中，采集样板图像和试验件图像可以采用相机对样板和试验件进行拍照采集，也可以采用摄像机来实现样板图像和试验件图像的采集，在采集过程中，样板图像和试验件图像的光照条件必须相同，示例性的，为保证样板图像和试验件图像的光照条件相同，将样板和试验件放在同一张图像中，即样板和试验件放在一起进行拍照，使样板和试验件处于同一张照片内。

s102，将样板图像进行颜色空间转换，将所述样板图像进行颜色空间转换，提取所述样板图像上多个区域的不同温度的颜色特征，建立温度判读模型。

其中，颜色空间为rgb、hsv、luv或lab颜色空间。多个区域的大小相同，能够理解的是，大小相同可以是面积大小相同。样板包含了不同种类的温度信息，预先设定一个区域，该区域不能超过样板图像上每种温度所占的区域，提取样板上每种温度在其对应的区域内的温度特征，根据提取到的温度特征建立温度判读模型，设定区域的大小在此不作限定，只要保证该区域不超过样板图像上每种温度所占的区域即可。

s103，将试验件图像划分成若干区域，并将若干区域进行颜色空间转换，提取若干区域中每个图像区域的颜色特征。

提取试验件图像的颜色特征，与上述提取样板图像的颜色特征类似，不同的是，先将试验件图像划分成若干区域，对该若干区域进行颜色空间转换，然后提取若干区域中每个图像区域的颜色特征。

对试验件图像上若干区域进行颜色空间转换时，其颜色空间为rgb、hsv、luv或lab颜色空间，其具体转换为哪种颜色空间，应该结合样板图像的颜色空间转换来决定，无论对样板图像和试验件图像进行哪种颜色空间转换，都应当保证样板图像与试验件图像的颜色空间选择一致，也就是说，试验件图像的颜色空间转换应当根据样板图像的颜色空间转换来确定，或者是样板图像的颜色空间转换应当根据试验件图像的颜色空间转换来确定。

s104，将若干区域中每个图像区域的颜色特征进行滤波处理。

下面通过一个具体的示例来说明滤波的方法，计算每个区域中各个像素点颜色特征到平均颜色特征之间的距离di，按照该距离从小到大的对各个像素点进行排序，并按照一定的比例p1对提取的若干区域中的像素点颜色信息进行滤波，去掉距离较大的像素点。

s105，将滤波后的若干区域中每个图像区域的颜色特征输入温度判读模型，获取每个图像区域的温度。

步骤s104中滤波后得到n个像素点颜色特征，将n个像素点颜色特征输入温度判读模型，能够得到与每个像素点颜色特征最近的k个训练像素点，也就是说，总共能够得到n×k个训练像素点及其对应的温度，按不同的温度，以一个设定的权重来计算不同温度下的权重和，权重和最大值对应的温度即为区域温度。

本实施例提供的区域温度判读方法对对区域温度的判读精度高，稳定性好，分辨率高。

参见图2，图2是本发明另一实施例提供的温度判读模型建立方法的流程示意图。如图2所示，温度判读模型的建立方法包括以下步骤：

s201，对样板图像上相同区域大小的不同温度的颜色特征进行滤波处理。

s202，将滤波后的样板图像上相同区域大小的不同温度的颜色特征及其对应的温度作为训练数据，直接保存并建立温度判读模型。

样板图像的滤波方法与试验件图像的滤波方法相同，即计算各个像素点颜色特征到样板区域平均颜色特征之间的距离di，按照距离从小到大对各个像素点进行排序，并按照一定的比例p2对提取的样板颜色信息进行滤波，去掉距离较大的噪声点，得到训练数据，并将训练数据直接保存作为温度判断的模型。

参见图3，图3是本发明又一实施例提供的试验件图像分割方法的流程示意图。如图3所示，试验件图像分割方法包括以下步骤：

s310，设定试验件图像中需要分割的区域，并将区域中的每个像素点作为初始种子点。

s320，遍历每个初始种子点，将图像分割为多个初始区域。

其中，将图像分割为多个初始区域采用区域增长算法。区域增长算法是根据特定生长准则，将像素或者子区域聚合成更大区域的过程，基本方法是从一组“种子”点开始，不断将与种子点相似，也就是满足生长准则的邻域像素添加到种子点集合中，从而形成生长区域，达到终止条件就结束一个区域的生长。

具体地，将图像分割为多个初始区域包括以下步骤：计算每个区域的平均颜色特征值，为每个区域设定一个标签符号；在当前区域的邻域内寻找未处理的像素点，计算未处理的像素点与平均颜色特征值得差值，判断未处理的像素点是否合并到当前区域内；若差值小于设定阈值，则将未处理的像素点合并到当前区域内；若差值大于等于设定阈值，则不将未处理的像素点合并到当前区域内。

本实施例中，计算每个像素点与该像素点所处的图像区域的平均颜色特征值的差值，通过将该差值与设定阈值进行比较，能够将图像分割成多个初始区域。

s330，将多个初始区域进行合并，获取小尺度分割区域。

具体地，将多个初始区域进行合并，获取小尺度分割区域包括以下步骤：获取相邻两个所述初始区域的尺度参数；计算相邻两个所述初始区域的颜色相似性；判断所述颜色相似性与第一相似度阈值的大小；若所述颜色相似性小于所述第一相似度阈值，则将相邻两个所述初始区域进行合并，得到小尺度分割区域；若所述颜色相似性大于等于所述第一相似度阈值，则不将相邻两个所述初始区域进行合并。

本实施例中，颜色相似性通过以下公式计算：

式中，n1,n2是两个区域的大小，δr，δg，δb分别是两个区域平均颜色的差值，d是两个区域的公共边界长度，r是尺度参数。

通过将计算得到的颜色相似性值与第一相似度阈值进行比较，根据比较结果，能够将初始区域合并获取小尺度分割区域。

s340，将小尺度分割区域合并为若干区域。

具体地，将小尺度分割区域合并为若干区域包括以下步骤：获取相邻两个所述小尺度分割区域的尺度参数；计算相邻两个所述小尺度分割区域的颜色相似性；判断所述颜色相似性与第二相似度阈值的大小；若所述颜色相似性小于所述第二相似度阈值，则将相邻两个所述小尺度分割区域进行合并，得到所述若干区域；若所述颜色相似性大于等于所述第二相似度阈值，则不将相邻两个所述小尺度分割区域进行合并。

本实施例中，颜色相似性的算法与上述实施例中相同，也采用如下公式计算：

式中，n1,n2是两个区域的大小，δr，δg，δb分别是两个区域平均颜色的差值，d是两个区域的公共边界长度，r是尺度参数。

通过与第二相似度阈值的比较，进一步地将小尺度分割区域合并为若干区域。

将多个所述初始区域进行合并，获取小尺度分割区域还可以采用如下的方法：获取所述初始区域的区域面积；判断所述区域面积与面积阈值的大小；若所述区域面积小于所述面积阈值，则将相邻两个所述初始区域进行合并；若所述区域面积大于或者等于面积阈值，则不将相邻两个所述初始区域进行合并。

下面结合一个具体实例来说明试验件图像的分割，例如，首先设定试验件图像中需要分割的区域，然后将区域中的每个像素点作为种子点，遍历每个初始种子点，设定色差的阈值t1位10，采用区域增长算法将图像分割为多个初始区域。分析初始区域的邻接关系，在尺度参数r在1至r1(例如，r1＝5)的范围内，按步长s1＝0.2计算相邻区域的颜色相似性，对相似度小于阈值t2＝0且区域面积小于阈值t3＝16×2^r的初始区域进行合并，获得小尺度下的分割区域，然后设定尺度参数上限r2，r2可以根据分割结果进行调整，r在r1至r2范围内，按小步长s2＝0.03计算相邻区域的颜色相似性，对相似度小于阈值t2的小尺度分割区域进行合并，获得最终的区域分割结果。

以上实施例仅用以说明本发明的技术方案，而非对其限制。尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。