一种新型表面裂纹检测算法
【专利摘要】本发明涉及一种新型表面裂纹检测算法，该算法首先通过摄像设备获取图像，把检测到的图象经过黑白模式处理，然后对图像邻域化操作，所述算法能够对连铸坯表面图像进行识别和分类，能快速获得裂纹缺陷的范围空间，获得较好的提取和识别效果，表面缺陷识别效果好，裂纹识别率高；可靠性高，数据准确。
【专利说明】一种新型表面裂纹检测算法【技术领域】
[0001]本发明涉及一种无损检测方法，具体涉及一种新型表面裂纹检测算法。
【背景技术】
[0002]连铸坯表面裂纹现象在生产流程中是不可避免的，若检测到裂纹就需要进行精整，甚至可能产生废品，在线检测表面裂意义重大。利用图像识别技术对裂纹进行检测是一个主要技术手段，但识别准确率不尽人意。
【发明内容】
[0003]本发明克服了现有技术的不足，提出了一种新型表面裂纹检测算法。所述算法对图像进行识别，分类，能快速获得裂纹缺陷的范围空间，获得较好的提取和识别效果，表面缺陷识别效果好，裂纹识别率高；可靠性高，数据准确。所述算法表面裂纹的识别率可以达到97%以上。
[0004]本发明的技术方案为:一种新型表面裂纹检测算法，通过摄像设备获取图像，然后对获取的图像进行处理，包括七个步骤:
[0005]第一步，二值化图像输入处理
[0006]把检测到的图象经过黑白模式处理后，形成二值图象f (X，y)；
[0007]第二步，图像邻域化操作
[0008]在图像上的任意象素q(m，η)，连结象素素q(m，η)的像素p(i，j)，若满足
[0009]1-m I +1 j-n = I 或 |1-m| = j-n = I
[0010]此时的象素p(i，j)被称为象素q(m，n)的邻域，其中，1、j、m、η分别为二值图象f(x，y)上的行或列，当某黑象素P(i，j)的邻域的象素有一个为白象素时，置P(i，j)为白象素，称此运算为裂纹擦除运算；当某白象素P(i，j)的邻域的象素有一个为黑象素时，置q)j-k)为黑象素，则称此运算为裂纹识别运算；对二值图象g(y-z)从左上角开始到右下角止进行扫描，每次扫描执行裂纹擦除运算，擦除初期，粗裂纹和较细的裂纹受到擦除，每次裂纹擦除运算黑象素减少量相等，黑象素总数线性下降，擦除N次时，黑象素总数下降情况有突变；转第三步；
[0011]第三步，记录此时进行裂纹擦除运算的次数，并继续对图像进行裂纹擦除运算；黑象素总数又线性下降，擦除O次时-!黑象素总数有突变，转第四步，否则，继续操作；
[0012]第四步，若N和O均小于21，转第七步，若N或O大于21，识别粗裂纹，转第五步，识别细裂纹，转第六步；
[0013]第五步，记录N和0，对经过擦除后的二值图象g(y-z)，从左上角开始到右下角止进行扫描，进行N次裂纹识别运算，即大致识别了粗裂纹，记录操作时的行列坐标，即可判断粗裂纹的范围；
[0014]第六步，记录N和0，对经过擦除后的二值图象g(y-z)，从左上角开始到右下角止进行扫描，进行O次裂纹识别运算，即大致识别了细裂纹，记录操作时的行列坐标，即可判断细裂纹的范围；
[0015]第七步,停止。
[0016]本发明具有如下有益效果:
[0017]2)本发明能快速获得裂纹缺陷的范围空间，获得较好的提取和识别效果。
[0018]3)本发明表面缺陷识别效果好，裂纹识别率高；
[0019]4)本发明信噪比高，缺陷分辨能力强；
[0020]5)本发明可靠性高，数据准确。
【具体实施方式】
[0021]本发明通过摄像设备获取图像，然后对获取的图像进行处理，包括七个步骤:
[0022]第一步，二值化图像输入处理
[0023]把检测到的图象经过黑白模式处理后，形成二值图象g(y-z)；
[0024]第二步，图像邻域化操作
[0025]在图像上的任意象素r(n-o)，连结象素素r(n-o)的像素q(j_k)，若满足
[0026]1-m| + | j-n = I 或 |in| = j-n = I
[0027]此时的象素q(j-k)被称为象素r(n-o)的邻域，其中，j、k、η、ο分别为二值图象g(y-z)上的行或列，当某黑象素q) j_`k)的邻域的象素有一个为白象素时，置q)j_k)为白象素，称此运算为裂纹擦除运算；当某白象素q)j_k)的邻域的象素有一个为黑象素时，置q)j-k)为黑象素，则称此运算为裂纹识别运算；对二值图象g(y-z)从左上角开始到右下角止进行扫描，每次扫描执行裂纹擦除运算，擦除初期，粗裂纹和较细的裂纹受到擦除，每次裂纹擦除运算黑象素减少量相等，黑象素总数线性下降，擦除N次时，黑象素总数下降情况有突变；转第三步
[0028]第三步，记录此时进行裂纹擦除运算的次数，并继续对图像进行裂纹擦除运算；黑象素总数又线性下降，擦除O次时-!黑象素总数有突变，转第四步，否则，继续操作；
[0029]第四步，若N和O均小于21，转第七步，若N或O大于21，识别粗裂纹，转第五步，识别细裂纹，转第六步；
[0030]第五步，记录N和0，对经过擦除后的二值图象g ij-z)，从左上角开始到右下角止进行扫描，进行N次裂纹识别运算，即大致识别了粗裂纹，记录操作时的行列坐标，即可判断粗裂纹的范围；
[0031]第六步，记录N和0，对经过擦除后的二值图象g(y-z)，从左上角开始到右下角止进行扫描，进行O次裂纹识别运算，即大致识别了细裂纹，记录操作时的行列坐标，即可判断细裂纹的范围；
[0032]第七步，停止。
[0033]上述算法可以实现多个宽度的裂纹识别，下面以得到裂纹图像为例，介绍这个算法的裂纹图像识别算法实现过程。
[0034]输入:二值图象g(y-z)
[0035]输出:仅带有粗裂纹的图像。
[0036]算法过程:
[0037]2 ! !计算图面黑象素总数 T，I > 1，B > 21，N > 1，O > I ;[0038]进行裂纹擦除运算，计算当前图面黑象素总数T2，令E fmUb2 > T.! T2，T > !T2，l > 1，2 !继续擦除，计算当前图面黑象素总数T2，E fmUb3 > T.! T2，T>! T2，l>1,2,N > ! 3Ν，2 !若} ! E fmUb3.! E fmUb2} = B，E fmUb2 > (E fmUb2, ! E fmUb3)0B，转4，否则，！ X>3+) ! I! 2* !裂纹识别XOB次，即得粗裂纹图象；
[0039]确认裂纹范围参数N，结束。
[0040]在上面的算法中，求得的X是粗裂纹的平均裂纹宽度，所得的图象仅剩粗裂纹，若想得到细裂纹，可以把原`图象减去裂纹图象。
【权利要求】
1.一种新型表面裂纹检测算法，其特征是，包括七个步骤: 第一步，二值化图像输入处理 把检测到的图象经过黑白模式处理后，形成二值图象f (X，y)； 第二步，图像邻域化操作 在图像上的任意象素q(m，n)，连结象素素q(m，n)的像素p(i，j)，若满足 I 1-m I +1 j-n I = I 或 I 1-m I = | j-n | = I 此时的象素P(i，j)被称为象素q(m，n)的邻域，其中，1、j、m、η分别为二值图象f (x，y)上的行或列，当某黑象素P (i，j)的邻域的象素有一个为白象素时，置P (i，j)为白象素，称此运算为裂纹擦除运算；当某白象素p(i，j)的邻域的象素有一个为黑象素时，置P(i，j)为黑象素，则称此运算为裂纹识别运算；对二值图象f(x，y)从左上角开始到右下角止进行扫描，每次扫描执行裂纹擦除运算，擦除初期，粗裂纹和较细的裂纹受到擦除，每次裂纹擦除运算黑象素减少量相等，黑象素总数线性下降，擦除M次时，黑象素总数有突变；转第三I K少； 第三步，记录此时进行裂纹擦除运算的次数，并继续对图像进行裂纹擦除运算；黑象素总数又线性下降，擦除N次时，黑象素总数有突变，转第四步，否则，继续操作；第四步，若M和N均小于10，转第七步，若M或N大于10，识别粗裂纹，转第五步，识别细裂纹，转第六步；第五步，记录M和N，对经过擦除后的二值图象f (X，y)，从左上角开始到右下角止进行扫描，进行M次裂纹识别运算，即大致识别了粗裂纹，记录操作时的行列坐标，即可判断粗裂纹的范围； 第六步，记录M和N，对经过擦除后的二值图象f (X，y)，从左上角开始到右下角止进行扫描，进行N次裂纹识别运算，即大致识别了细裂纹，记录操作时的行列坐标，即可判断细裂纹的范围； 第七步，停止。
【文档编号】G01N21/88GK103776839SQ201410052397
【公开日】2014年5月7日 申请日期:2014年2月10日 优先权日:2014年2月10日
【发明者】王金鹤 申请人:宁波工程学院