技术领域本发明涉及通过超声CT实现的混凝土无损检测技术，尤其涉及一种超声CT检测的结果数据图形化处理显示方法。
背景技术：
在混凝土结构物的内部，有可能因存在空洞、裂缝或夹杂泥沙杂物而产生不密实区，以及因漏振、离析或架空而形成的蜂窝区，或者因缺少水泥而形成松散状区域，以及因受意外损伤而造成酥松状区域。这些缺陷破坏了混凝土结构物内部的连续性和完整性，并在很大程度上降低混凝土的承载强度和耐久性。有效查明混凝土结构物中上述缺陷的位置、范围及尺寸，是针对这些缺陷进行修补性技术处理的前提条件。混凝土超声CT检测是混凝土超声波无损检测和计算机层析成像(CT)相互结合后形成的一种精确、高效的定量化检测方法。在混凝土超声CT检测过程中，将发射换能器和接收换能器分别固定在混凝土结构件的两个相对表面上，由发射换能器重复发射超声波脉冲，超声波脉冲在混凝土结构件内部传播，然后由接收换能器所接收。超声波脉冲信号在混凝土结构件内部的传播过程中，遇到存在蜂窝、空洞或裂缝等缺陷部位时，只能改变路径绕过这些缺陷部位才能继续传播，因传输路径增大而导致走时增大以及声速降低；在缺陷部位的界面处会发生反射以及散射，导致超声波声能衰减，超声波信号的幅度明显下降；因超声波信号中的高频分量衰减更加显著，因而在缺陷部位的作用下超声波信号频率减小；因路径改变以及散射、反射的影响，超声波信号相互叠加而使得信号波形产生畸变。因而，通过采集接收换能器收到的超声波信号的走时、幅度、频率等参量，可以进行混凝土质量的分析。在此基础上，通过采用密集和交叉的超声波射线穿透混凝土结构件的各个剖面，测量穿透后接收到的超声波信号的走时、幅度、频率等参量，然后根据超声波信号的走时、幅度、频率等参量进行反演，重建反映各个剖面的混凝土内部结构状态图像，在结合图像处理和模式识别技术进行缺陷部位的定量测量和评价。检测超声波信号在混凝土结构件内部的走时并通过走时参量进行反演成像是混凝土超声CT检测的一个主要组成部分，这里以此为例说明根据超声波信号进行混凝土内部剖面成像的原理。超声波信号在遇到缺陷部位时因绕行延长了传输路径，造成信号通过该部位的走时增大，因而对应于缺陷部位的波速变慢。因此，通过测量超声波信号在各剖面上的走时，再利用适当的算法反演推算剖面上的波速分布状况，根据波速分布的差异可以反映出缺陷部位的位置、尺寸、分布以及类型。图1示出了走时检测以及反演成像的基本原理。在图1所示的一个超声CT的检测剖面上，S1-Sn为超声波信号的发射点(如发射换能器的发射点)，R1-Rn为超声波信号的接收点，假设超声波信号在每个发射点和每个接收点之间沿直线传播，因而如图1所示，每个发射点与接收点之间存在一条射线，共计N条射线，射线序号编为1-N。从接收点可以测得每条射线的走时t1-tN，走时即超声波信号从发射点沿射线传播到接收点的用时。并且，将该剖面分解为m个成像单元，如图1中分割了m＝8*8共计64个成像单元，编号为1-m；m的数量由成像精度决定，并且，在m的数值保证每个成像单元足够小的情况下，超声波在每个成像单元的慢度(慢度为波速的倒数)可以近似为一个固定值，表示为f1-fm。因而，对于其中第i条射线来说，其走时ti可以表示为：其中aji表示该第i条射线在第j个成像单元中经过的长度。aji根据混凝土结构件的工程施工图纸或现场测量以及射线的角度是容易获得的，因此，上式也就表征了走时ti与每个成像单元上的慢度(也即波速)之间的运算关系，为利用可测得的走时反演各个成像单元的波速打下了基础，对于测得的全部射线的走时，可以得到如下矩阵公式：由长度aji组成的系数矩阵中，由于每条射线只会通过全部m个成像单元中的一小部分，因此该矩阵中的大部分元素将会取值为0。针对系数矩阵稀疏的特点，可以利用ART等迭代算法实现基于走时测量值t1-tN对各个成像单元的波速(f1-fm的倒数)分布的反演。超声CT成像就是把反演获得的波速在每个成像单元上的分布状况以图像的形式表示出来。在成像单元足够小的情况下，其即成为了超声CT成像的一个像素点，该像素点上的信号值即代表该成像单元上的波速。例如，在彩色超声CT成像中，可以用像素点的红、黄、蓝、绿等颜色值代表波速；在灰度超声CT成像中，可以用像素点的灰度值代表波速，例如，混凝土密实的剖面区域一般具有较亮的灰度值，而混凝土空洞、裂缝、杂物、蜂窝或者疏松的坡面区域一般具有较暗甚至接近全黑的灰度值。为了满足定量精确测量、分析和显示的需要，超声CT成像需要进一步进行计算机图形化处理，图形化处理主要包括两个方面，一是去除噪声、伪象的影响，改善测量、分析及显示的精度与效果；二是实现对成像中代表混凝土缺陷区域的识别，以便实现自动的测量、分析以及加强显示。在现有的图像处理技术中，实现区域识别的方法主要是边缘检测。边缘检测的基本手段是利用梯度算子(如Sobel算子、Robert算子、Canny算子等)求取像素的梯度，区域边缘像素值发生突变，因而梯度值大于预定阈值；区域内部像素值稳定或者变化平滑，因而梯度值小于预定阈值。从而，可以利用梯度值的预定阈值筛选出边缘区域，进而根据边缘划分图像中的各个区域。然而，一般图像处理中常用的边缘检测不能良好地应用于混凝土检测获得的超声CT成像的缺陷区域识别，原因包括：检测过程中超声的散射、回波以及大量随机噪声的作用在超声CT成像中带来颗粒噪声以及伪像，边缘检测算法不能很好地区别这些噪声、伪象与缺陷区域的真实边缘，造成目标识别失真；超声CT成像中大量存在因混凝土的气泡式空洞或裂缝缝隙而造成的细小区域，针对这些细小区域的完整边缘检测存在困难，基于边缘的区域划分经常无法实现，造成获得的检测结果往往是模糊不定的。由于超声CT成像中区域的形状复杂多变，还可能出现错误识别或者边缘混淆的问题。可见，在面向超声CT检测的结果数据进行图形化处理显示过程中，需要更为有效的区域识别方法。
技术实现要素：
为了克服上述现有技术存在的缺陷，本发明旨在提供一种超声CT检测的结果数据图形化处理显示方法。本发明适应超声CT检测的结果数据的成像特点，能够准确识别出其中的缺陷区域，包括细小缺陷区域，克服噪声和伪象的影响。本发明所述的超声CT检测的结果数据图形化处理显示方法，其特征在于，根据灰度分布确定超声CT成像中缺陷区域的典型性像素点作为原点，判断其它像素点与原点的特征距，根据特征距以及其它预定需要满足的自适应限制性条件，决定其它像素点是否属于超声CT成像的缺陷区域，从而在遍历所有像素点后识别出整个超声CT成像上的各缺陷区域。优选的是，确定超声CT成像中原点的步骤具体包括：超声CT成像的全部灰度值范围为1-N，其中每个灰度值i(1≤i≤N)上的像素个数为num(i)，总像素数为NUM，确定一个灰度分界值t；确定灰度分界值t后，灰度值小于等于该分界值的像素的比例为灰度值大于该分界值的像素的比例为：其中，φ与φ’都是t的函数，表示为φ(t)和φ’(t)；灰度值小于等于该分界值的像素的灰度均值：灰度值大于该分界值的像素的灰度均值：以上灰度均值也是t的函数，故表示为μ(t)和μ’(t)；全部像素的灰度均值通过灰度分界值t的取值，使下式σ(t)最大：σ(t)＝φ(t)·(μ(t)-Ψ)2+φ’(t)·(μ’(t)-Ψ)2；根据当σ(t)最大时的灰度分界值t取值，将灰度范围t-N作为缺陷区域灰度范围；在缺陷区域灰度范围t-N的基础上，在t-N区间具有奇数个灰度值的情况下，将区间t-N中位的灰度值t’确定原点灰度值；在t-N区间具有偶数个灰度值的情况下，将区间t-N中位的两个灰度值t’，t’+1都确定为原点灰度值；在超声CT成像中具有所述原点灰度值的像素点被确定作为原点。优选的是，判断其它像素点与原点的特征距具体包括：每个像素点的灰度值与原点灰度值的差值作为特征距。优选的是，根据特征距以及其它预定需要满足的自适应限制性条件，决定其它像素点是否属于超声CT成像的缺陷区域的步骤具体包括：将原点灰度值与灰度分界值t之间的差值作为特征距阈值；当原点灰度值有两个时，将其中较大的差值作为特征距阈值；判断原点与其它像素点的特征距是否小于特征距阈值。进一步优选的是，原点与其它像素点的特征距大于特征距阈值的情况下，则排除该像素点属于缺陷区域。进一步优选的是，原点与其它像素点的特征距小于等于特征距阈值的情况下，进一步判断该其它像素点是否满足自适应限制性条件，该自适应限制性条件限制了缺陷区域中的像素点与未纳入缺陷区域的像素点之间的空间关系条件。进一步优选的是，自适应限制性条件要求像素点必须是至少一个已知缺陷区域像素点的邻近像素点；邻近像素点的满足条件可以根据已知缺陷区域当前的规模而自适应采用不同的标准。进一步优选的是，当已知缺陷区域当前的像素点总数小于规模阈值时，对于一个其中坐标(x，y)的像素点，坐标为(x+1，y)，(x-1，y)，(x，y+1)，(x，y-1)，(x-1，y-1)，(x-1，y+1)，(x+1，y-1)，(x+1，y+1)的像素点属于该像素点的邻近像素点；对于已知缺陷区域当前的像素点总数大于等于规模阈值时，对于一个其中坐标(x，y)的像素点，坐标为(x+1，y)，(x-1，y)，(x，y+1)，(x，y-1)的像素点属于该像素点的邻近像素点。从而，本发明适应超声CT检测的结果数据的成像特点，能够准确识别出其中的缺陷区域，包括细小缺陷区域，克服噪声和伪象的影响。识别的缺陷区域可以在图形化处理显示过程用作测量、分析以及显示。附图说明下面结合附图和具体实施方式对本发明作进一步详细的说明：图1示出了走时检测以及反演成像的基本原理的示意图；图2示出了原点及其邻近像素点位置关系的示意图。具体实施方式下面通过实施例，对本发明的技术方案做进一步具体的说明。本发明所述的超声CT检测的结果数据图形化处理显示方法是以超声CT成像中缺陷区域的典型性像素点为原点，判断其它像素点与原点的特征距，根据特征距以及其它预定需要满足的自适应限制性条件，决定其它像素点是否属于超声CT成像的缺陷区域，从而在遍历所有像素点后识别出整个超声CT成像上的各缺陷区域。本例以灰度超声CT成像进行说明。首先，确定原点也即缺陷区域典型性像素点的灰度值。假设超声CT成像的全部灰度值范围为1-N，其中每个灰度值i(1≤i≤N)上的像素个数为num(i)，总像素数为NUM，则可以确定一个灰度分界值t；确定灰度分界值t后，灰度值小于等于该分界值的像素的比例为灰度值大于该分界值的像素的比例为：可见，φ与φ’都是t的函数，故表示为φ(t)和φ’(t)。灰度值小于等于该分界值的像素的灰度均值：灰度值大于该分界值的像素的灰度均值：以上灰度均值也是t的函数，故表示为μ(t)和μ’(t)。全部像素的灰度均值通过灰度分界值t的取值，使下式σ(t)最大：σ(t)＝φ(t)·(μ(t)-Ψ)2+φ’(t)·(μ’(t)-Ψ)2；根据当σ(t)最大时的灰度分界值t取值，将灰度范围t-N作为缺陷区域灰度范围。在缺陷区域灰度范围t-N的基础上，在t-N区间具有奇数个灰度值的情况下，将区间t-N中位的灰度值t’确定原点灰度值；在t-N区间具有偶数个灰度值的情况下，将区间t-N中位的两个灰度值t’，t’+1都确定为原点灰度值。因而，在超声CT成像中具有所述原点灰度值的像素点将被作为原点。在原点确定的情况下，可以将每个像素点的灰度值与原点灰度值的差值作为特征距；并且，将原点灰度值与灰度分界值t之间的差值作为特征距阈值；当原点灰度值有两个时，将其中较大的差值作为特征距阈值。以原点为出发点，判断原点与其它像素点的特征距是否小于特征距阈值。如图2所示，其中O(x，y)点为在超声CT成像中确定的一个原点，计算每个像素点的灰度值与原点灰度值的差值，作为特征距；比较每个像素点与原点的特征距是否小于特征距阈值；若特征距大于特征距阈值，则排除该像素点属于缺陷区域。若特征距小于等于特征距阈值，还要判断该像素点是否满足自适应限制性条件，该自适应限制性条件限制了缺陷区域中的像素点与未纳入缺陷区域的像素点之间的空间关系条件。自适应限制性条件要求像素点必须是至少一个已知缺陷区域像素点的邻近像素点。邻近像素点的满足条件可以根据已知缺陷区域当前的规模而自适应采用不同的标准。其中，当已知缺陷区域当前的像素点总数小于规模阈值时，对于一个其中坐标(x，y)的像素点，坐标为(x+1，y)，(x-1，y)，(x，y+1)，(x，y-1)，(x-1，y-1)，(x-1，y+1)，(x+1，y-1)，(x+1，y+1)的像素点属于该像素点的邻近像素点。这样，对于比较细小的缺陷区域，识别出来的区域仍然能够比较清晰的描述其边缘轮廓。对于已知缺陷区域当前的像素点总数大于等于规模阈值时，对于一个其中坐标(x，y)的像素点，坐标为(x+1，y)，(x-1，y)，(x，y+1)，(x，y-1)的像素点才属于该像素点的邻近像素点，这样避免了伪象等因素造成的虚假边缘对缺陷区域的影响。在将一个新的像素点判定属于缺陷区域之后，继续判断未纳入缺陷区域且与原点特征距满足要求的像素点相对于该新的像素点是否满足成为邻近像素点的条件。这样，以原点为出发点，不断将新的像素点纳入缺陷区域，直至该缺陷区域自我闭合。从而，在遍历所有像素点后识别出整个超声CT成像上的各缺陷区域。本发明适应超声CT检测的结果数据的成像特点，能够准确识别出其中的缺陷区域，包括细小缺陷区域，克服噪声和伪象的影响。以上实施例仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。