的最大灰度值Zmax和最小灰度值Z min，令
59、 分割图像，这样生成两组像素 A由所有灰度值大于T的像素组成，而62由所有灰 度值小于或等于T的像素组成； S10、根据区域匕和62中的所有像素计算平均灰度值μ JP μ 2; SI 1、计算新的阈值：
512、 右T = Tnew，中止运算，否则令T = Tnew。
4. 根据权利要求1所述的钢材韧窝图像深度均匀度的自动测量、分类方法，其特征在 于，所述步骤S4采用淬熄函数法控制的极限腐蚀，步骤如下： 513、 计算准备：建立一个数据点栈存储腐蚀点，再建立一个数据点队存储临时处理点； 分割图背景设定为〇,目标标记为其像素灰度值b ij; 514、 对目标图进行一次整图扫描，用八邻域法判断像素点是否为目标边缘点，若是该 点进队，同时将其灰度设置成255 ; 515、 边缘点出队，搜索数据点队，判断此队点是否为最终连通成份，若是，则出队点不 予腐蚀；否，则出队点腐蚀掉，存进数据点栈； 516、 判断腐蚀层数是否达到给定极限腐蚀层数并且数据点队点数是否达到给定极限 腐蚀点数，若是，则停止腐蚀；否，则转步骤（4. 2)继续腐蚀； 517、 求最终连通成份的集合，获得极限腐蚀。
5. 根据权利要求1所述的钢材韧窝图像深度均匀度的自动测量、分类方法，其特征在 于，所述步骤S4逐层膨胀法为：对韧窝核进行膨胀处理，膨胀时各域保持同位增长，各位生 长到相遇时形成韧窝分界线。
6. 根据权利要求1所述的钢材韧窝图像深度均匀度的自动测量、分类方法，其特征在 于，所述步骤S5对韧窝进行区域标定的方法为：采用递归标记算法将二值图像中的所有待 测韧窝以平面坐标进行编码排序，使得所有待测韧窝均获得一组唯一的坐标编码，再将此 编码对待测图像中的相应韧窝逐个进行区域标定。
7. 根据权利要求1所述的钢材韧窝图像深度均匀度的自动测量、分类方法，其特征在 于，所述步骤S6韧窝当量深度均匀度计算方法为：
式中，gi-一各韧窝区域灰度极值； η一一图像中的韧窝总数； 0g--各韧窝区域灰度极值的标准差； μ8一一各韧窝区域灰度极值的期望值； 上式公式计算表明，DDE值越接近于1，说明韧窝深度分布的均匀性越好，为了与人们 的惯性思维定势相吻合，将上述公式修正为：
使DDE值越接近于1，韧窝深度 分布的均匀性越低。
8. 根据权利要求1所述的钢材韧窝图像深度均匀度的自动测量、分类方法，其特征在 于，所述步骤S6若得到真实韧窝最大深度数据h max，则可将所述灰度极值gi及其分布换算 为真实韧窝深度匕及其分布，继而可得韧窝真实深度均匀度DDE μ 韧窝灰度-真实深度映射关系如下：
式中，Iii一一各韧窝的真实深度； hmax 真实韧窝最大深度； Snin--各韧窝区域灰度极值中的最小值； 对于待测图像中所有韧窝真实深度的分布，定义其韧窝真实深度均匀度DDEtlS各韧窝 真实深度的标准差与各韧窝真实深度的期望值的比值：
式中，0h 各韧窝真实深度的标准差； Uh一一各韧窝真实深度的期望值； η 图像中的韧窝总数； 上式公式计算表明，DDEtl值越接近于1，说明韧窝深度分布的均匀性越好，这里，为了与 人们的惯性思维定势相吻合，特将上述公式修正为
使DDEtl值越接近于1，韧 窝深度分布的均匀性越低。
9. 根据权利要求1或7或8所述的钢材韧窝图像深度均匀度的自动测量、分类方法，其 特征在于，对所述韧窝当量深度均匀度DDE或所述真实深度均匀度DDE tl按三级最佳阈值进 行自动分类，当DDE彡0. 10或DDEtl彡0. 10时，视为均匀度极高；当0. 10 < DDE彡0. 21或 0· 10 < DDEtl彡 0· 21 时，视为均匀度较高；当 0· 21 < DDE 彡 0· 29 或 0· 21 < DDE。彡 0· 29 时，视为均匀度较低；当DDE > 0. 29或DDEtl) 0. 29时，视为均匀度极低。
10. 实现权利要求1所述钢材韧窝图像深度均匀度的自动测量、分类方法的系统，其特 征在于，包括图像采集装置和处理器； 所述图像采集装置包括扫描电镜（2)、摄像头（3)和图像采集卡，所述图像采集卡安装 在计算机（4)内，所述摄像设备（3)与所述图像采集卡相连，采集到的原始图像通过所述图 像采集卡输入到所述图片预处理模块中进行处理； 所述处理器包括图片预处理模块、自动测量模块、自动分类模块和输出模块； 所述图片预处理模块：用于将钢材待测韧窝原始图像进行中值滤波去噪后，采用局部 自适应阈值分割算法进行二值分割，再对二值图像采用淬熄函数法控制的极限腐蚀、逐层 膨胀法修复韧窝缺陷边界； 所述自动测量模块：用于对图像进行区域标定，获得待测韧窝图像，提取所得待测韧窝 图像的韧窝灰度参数，采用基于韧窝图像灰度极值以及灰度-深度映射关系的韧窝深度均 匀度特征参数及其计算方法得出待测韧窝心部灰度的均匀度； 所述自动分类模块：用于对韧窝深度均匀度最佳阀值进行自动分类； 所述输出模块：用于将韧窝深度分布及韧窝深度均匀度分类结果以图表文件的形式显 示输出。
【专利摘要】本发明属于钢铁材料的断裂失效分析领域的钢材韧窝图像深度均匀度的自动测量、分类方法及系统，首先图像采集装置获取钢材待测韧窝原始图像，图片预处理模块对原始图像进行中值滤波去噪、二值分割、韧窝缺陷边界修复；自动测量模块对预处理后的图像进行区域标定，获得待测韧窝图像，提取所得待测韧窝图像的韧窝灰度参数，采用基于韧窝图像灰度极值以及灰度-深度映射关系的韧窝深度均匀度特征参数及其计算方法得出待测韧窝心部灰度的均匀度；自动分类模块对韧窝深度均匀度按最佳阀值进行自动分类；填补了过去人工模式无法处理的钢材韧窝深度分布均匀度的测量、分类工作的空白，钢材韧窝图像的表征精度高达±0.001μm，为目前钢材韧窝分析中的最高表征精度。
【IPC分类】G06K9-62, G06K9-00
【公开号】CN104751137
【申请号】CN201510122349
【发明人】李新城, 唐永春, 朱伟兴, 刘杰, 王晓莉, 许金堡, 陈亮, 于慧慧
【申请人】江苏大学
【公开日】2015年7月1日
【申请日】2015年3月19日