渗透算法和自适应Canny算法相融合的表面裂纹纹理的提取方法与流程

技术特征：

1.一种渗透算法和自适应Canny算法相融合的表面裂纹纹理的提取方法，包括以下步骤：

S1，获取表面裂纹图像，对该表面裂纹图像进行预处理，该预处理包括对图像的平滑和去噪处理；

S2，采用自适应Canny算子对预处理后的表面裂纹图像进行边缘检测得到裂纹的边缘图像，对该裂纹的边缘图像进行二值化操作得到裂纹区域的二值图，将该裂纹区域的二值图标记为第一个裂纹图像；

S3，采用渗透算法对经预处理后的表面裂纹图像进行处理，得到裂纹区域的二值图，将该裂纹区域的二值图标记为第二个裂纹图像；

S4，通过小波变换提取第一个裂纹图像的低频分量和高频分量，以及第二个裂纹图像的低频分量和高频分量；

S5，将提取到的第一个裂纹图像的低频分量和第二个裂纹图像的低频分量叠加，获得融合后的低频部分，将提取到的第一个裂纹图像的高频分量和第二个裂纹图像的高频分量叠加，获得融合后的高频部分；

S6，根据融合后的低频部分和高频部分，经过小波逆变换得到重构图像，该重构图像即为融合后的裂纹图像。

2.根据权利要求1所述的渗透算法和自适应Canny算法相融合的表面裂纹纹理的提取方法，其特征在于，将第一个裂纹图像的低频和高频分量分别标记为g_LA[f(x,y)]和g_HA[f(x,y)]，将第二个裂纹图像的低频和高频分量分别标记为g_LB[f(x,y)]和g_HB[f(x,y)]，其中f(x,y)为裂纹图像，(x,y)表示数字图像点坐标；

按照以下融合公式进行高频分量和低频分量的融合：

3.根据权利要求2所述的渗透算法和自适应Canny算法相融合的表面裂纹纹理的提取方法，其特征在于，

所述步骤S2中利用自适应Canny算子对表面裂纹图像处理时先通过高斯滤波器进行处理，该高斯滤波器为：

上式中，高斯平滑函数G(x,y)表示对图像平滑后的结果x表示像素点的横坐标，y表示像素点的纵坐标，参数σ按照以下方法进行选取；

S2.1，将高斯滤波器的窗口设定为3×3大小，当前像素点灰度值为f(i,j)，高斯滤波器窗口内灰度均值为表面裂纹图像中的像素点划分为：裂纹边缘点、平滑区域内的点和孤立噪声点；

S2.2，对于平滑区域内的点，采用公式计算得到σ值；

S2.3，对于裂纹边缘点，设定f(i-1,j-1)为非边缘点，则按照以下公式

计算得到σ值；

S2.4，对于孤立噪声点，根据以下公式计算得到σ值，

S2.5，将计算得到的σ值代入高斯滤波器中，实现高斯滤波器的自适应性；

然后再进行裂纹边缘连接处理，具体为：

S2.6，设定边缘连接高阈值T₁和低阈值T₂，经过非极大值抑制后，统计疑似边缘点，得到梯度直方图H(k,l)，

S2.7，将梯度直方图H(k,l)中梯度值大于T₁的点定义为绝对边缘点，并将该绝对边缘点作为边缘连接的起始点；

S2.8，选择其中一个绝对边缘点作为当前绝对边缘点，在当前绝对边缘点的8邻域范围内判断是否存在其他绝对边缘点，若存在其他绝对边缘点，则将其他绝对边缘点作为边缘点连接；如果没有其他绝对边缘点存在，则判断当前绝对边缘点的8邻域内是否存在梯度值大于T₂的点，若存在，则将该梯度值大于T₂的点标记为边缘点连接；

S2.9，当前绝对边缘点的8邻域内所有的点处理完之后，继续选择另外一个绝对边缘点，转到步骤S2.8，直到所有绝对边缘点处理完毕，结束裂纹边缘连接过程。

4.根据权利要求3所述的渗透算法和自适应Canny算法相融合的表面裂纹纹理的提取方法，其特征在于，所述高阈值T₁和低阈值T₂采用最大类间方差法获取，具体为：

设梯度直方图H(k,l)的梯度级为S，则H(k,l)取值为[0,S-1]，用阈值f将梯度直方图H(k,l)分为绝对边缘与非绝对边缘，其中梯度直方图H(k,l)中大于f的部分为绝对边缘，梯度直方图H(k,l)中小于等于f的部分为非绝对边缘，设非绝对边缘占梯度直方图比例为ω₁，非绝对边缘的梯度直方图均值为μ₁，绝对边缘占梯度直方图的比例为ω₂，绝对边缘的梯度直方图均值为μ₂，梯度直方图均值为μ，令

τ为类间方差值，当τ取最大值时图像中裂纹与背景的分离效果最好，设梯度直方图在区间[0,S-1]内m＝a时，τ最大，此时高阈值T₁＝a，然后以该T₁为界，取梯度直方图H(k,l)的前T₁-1级，令该部分的梯度直方图为H₁(k,l)，设该梯度直方图H₁(k,l)在区间[0,T₁-1]内m＝b时，τ取最大值，此时低阈值T₂＝b。

5.根据权利要求1所述的渗透算法和自适应Canny算法相融合的表面裂纹纹理的提取方法，其特征在于，所述步骤S3采用渗透算法处理时具体包括：

S3.1，首先，初始窗口设置为N×N大小，最大窗口设置为M×M大小，设置初始窗口的中心像素点为渗透开始的种子点，并且该点属于D_p，该点的亮度设置为初始亮度阈值T，D_p为渗透区域；

S3.2，亮度阈值由以下公式更新：

其中，I(p)为p_s的亮度，p_s为当前窗口的中心像素点，T为亮度阈值，w为渗透速度参数，D_p为渗透区域，D_c为渗透区域的邻域；

S3.3，设D_c为D_p的8邻域，逐次判断D_c内的像素点的I(p)与当前亮度阈值T之间的关系，若I(p)小于当前亮度阈值T，则该点像素值设为255，否则该点像素值设为0，D_c为渗透区域D_p的邻域；

S3.4，当D_p检索到当前窗口N×N的边界，渗透过程转向步骤S3.5，并且N递增为N+2，否则，渗透过程返回步骤S3.2；

S3.5，采用由步骤S3.2中的公式对当前亮度阈值T进行更新；

S3.6，在渗透区域D_p的邻域D_c内，亮度小于当前亮度阈值T的像素点归属到渗透区域D_p；如果D_c内亮度没有小于当前亮度阈值T的点，渗透过程终止；

S3.7，若渗透区域D_p到达当前窗口N×N的边界，N递增为N+2；若渗透区域D_p未到达当前窗口N×N的边界，则返回S3.5；

S3.8，如果N>M，结束渗透过程；如果N小于或者等于M，则返回S3.5。