一种基于边缘检测的金刚石锯片裂纹提取方法与流程

本发明属于图像处理领域，尤其涉及一种基于边缘检测的金刚石锯片裂纹提取方法。

背景技术：

金刚石锯片在生产过程中，由于生产工艺水平不高、生产技术落后和材料质量的原因，导致生产的金刚石锯片中会夹杂微裂纹。裂纹的产生一方面影响产品质量，另一方面影响使用，同时微裂纹一旦误检在使用中会造成严重事故，故对金刚石表面裂纹的缺陷检测与分析是必要的。基于图像处理的裂纹检测技术由于经济、方便、实时和广泛的应用范围使其成为实际生产和生活中裂纹检测的关键技术。因为金刚石锯片的刀头包含分布不均匀的金刚砂，导致拍摄的图像上会显示杂点和与裂纹相似的曲线纹路，所以在边缘检测和裂纹提取上又增加了难度。单一经典算子只能检测金刚石锯片的基本轮廓边缘，无法得到具体的纹路和裂纹信息，或者检测出复杂边缘，但无法从复杂边缘中识别和分离裂纹。

本发明提出的技术方案将复杂的边缘提取问题转化为简单的边缘检测问题。将两个边缘检测算子加权融合的改进提高了检测的精度和完整性；将边缘检测算子和形态学闭运算结合提出了新的创建模板的方法；结合差分的思想得到裂纹图像。本发明提出的方法简单，裂纹提取完整，方便了后续对裂纹信息数据的统计和分析，工厂可根据精确的统计数据发现生产中的问题并进行改善，具有很好的应用前景。

技术实现要素：

本发明的主要目的在于提供一种基于边缘检测的金刚石锯片裂纹提取方法，该方法包括两个方面的内容：边缘检测算子的改进和图像模板的创建。

为达上述目的，本发明提供了如下技术方案：一种基于边缘检测的金刚石锯片裂纹提取方法，具体包括如下步骤：

（1）对采集的金刚石锯片彩色图像进行灰度化处理；

（2）对灰度图像f（x,y）分别用拉普拉斯算子和roberts算子进行边缘检测，得到两个边缘图像gl（x,y）和gr（x,y）；

（3）步骤（2）得到的两个边缘检测图像gl（x,y）和gr（x,y）按照融合规则进行加权融合。融合规则为：h（x,y）=α*gl（x,y）+（1-α）*gr（x,y），其中，h（x,y）为融合后的图像，α为加权权值，α=0,0.1,0.2……,1；

最佳权值的确定：

峰值信噪比是衡量经过处理后的图像质量的重要指标。峰值信噪比的计算公式为：

其中，k为采样点的位数，通常是8；psnr和mse指的是峰值信噪比和均方误差；m和n表示图像的大小为m×n；f(x,y)表示原图像点（x,y）的像素值；h(x,y)表示权值为α时两种算子加权融合后的图像点（x,y）的像素值。

建立直角坐标系，横坐标为α，纵坐标为psnr，取α=0,0.1,0.2……,1时求出对应的psnr值，在直角坐标系下通过对点的曲线拟合得到α和psnr的关系曲线，求出α=0,0.1,0.2……,1时全部psnr的平均值，在拟合曲线上找到对应的α值，即为最佳权值。通过加权融合得到图像h（x,y），作为带裂纹的金刚石锯片边缘图像；

（4）运用闭运算能够填充物体内细小的空洞，连接邻近的物体，平滑对象的轮廓，除去比结构元素更小的暗色细节。采用3×3圆形结构元素对灰度图像f（x,y）进行形态学闭运算，填充小裂纹，得到无裂纹图像f1（x,y）；

（5）对无裂纹图像f1（x,y）按照步骤（2）进行处理，得到无裂纹边缘图像m1（x,y）和m2（x,y）；

（6）对步骤（5）得到的两个边缘检测图像m1（x,y）和m2（x,y）按照步骤（3）得到的最佳权值进行融合，得到融合图像m（x,y），作为无裂纹的金刚石锯片边缘模板图像；

（7）将步骤（3）和（6）得到的带裂纹金刚石锯片边缘图像h（x,y）和无裂纹的金刚石锯片边缘模板图像m（x,y）进行差分融合，得到的图像即为裂纹图像，再进行去噪得到的即为最终裂纹图像f2（x,y）。

与现有的技术相比，本发明提出的技术方案将复杂的边缘提取问题转化为简单的边缘检测问题。将两个边缘检测算子加权融合的改进提高了检测的精度和完整性；将边缘检测算子和形态学闭运算结合提出了新的创建模板的方法；结合差分的思想得到裂纹图像。本发明提出的方法简单，适用性强，裂纹的提取方便了后续对裂纹信息数据的统计和分类，工厂可根据精确的统计数据发现生产中的问题并进行改善，有很好的应用前景。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是本发明的方法流程图；

图2是金刚石锯片的灰度图；

图3是对图2用拉普拉斯算子边缘检测结果图；

图4是对图2用roberts算子边缘检测结果图；

图5是对图3和图4加权融合后的带裂纹图像；

图6是对图2先闭运算再用拉普拉斯算子边缘检测结果图；

图7是对图2先闭运算再用roberts算子边缘检测结果图；

图8是对图6和图7以图5所用权值加权融合后的带裂纹图像；

图9是对图5和图8差分融合后最终得到的裂纹图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，以下结合附图及具体实施例，对本发明作进一步地详细说明。所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本实施例，本领域普通技术人员在没有做出创造性劳动的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。

如图1所示，为本发明的方法流程图，主要包括灰度化、roberts边缘检测、拉普拉斯边缘检测、加权融合、形态学闭运算和差分融合。本发明方案具体包括如下步骤：

（1）对采集的金刚石锯片彩色图像进行灰度化处理；

（2）对灰度图像f（x,y）分别用拉普拉斯算子和roberts算子进行边缘检测，得到两个边缘图像gl（x,y）和gr（x,y）；

（3）步骤（2）得到的两个边缘检测图像gl（x,y）和gr（x,y）按照融合规则进行加权融合。融合规则为：h（x,y）=α*gl（x,y）+（1-α）*gr（x,y），其中，h（x,y）为融合后的图像，α为加权系数，α=0,0.1,0.2……,1；

确定最佳权值：

峰值信噪比是衡量经过处理后的图像质量的重要指标。峰值信噪比的计算公式为：

其中，k为采样点的位数，通常是8；psnr和mse指的是峰值信噪比和均方误差；m和n表示图像的大小为m*n；f(x,y)表示原图像点（x,y）的像素值；h(x,y)表示权值为α时两种算子加权融合后的图像点（x,y）的像素值。

建立直角坐标系，横坐标为α，纵坐标为psnr，取α=0,0.1,0.2……,1时求出对应的psnr值，在直角坐标系下通过对点的曲线拟合得到α和psnr的关系曲线，求出α=0,0.1,0.2……,1时全部psnr的平均值，在拟合曲线上找到对应的α值，即为最佳权值。通过加权融合得到图像h（x,y），作为带裂纹的金刚石锯片边缘图像；

（4）运用闭运算能够填充物体内细小的空洞，连接邻近的物体，平滑对象的轮廓，除去比结构元素更小的暗色细节。采用3×3圆形结构元素对灰度图像f（x,y）进行形态学闭运算，填充小裂纹，得到无裂纹图像f1（x,y）；

（5）对无裂纹图像f1（x,y）按照步骤（2）进行处理，得到无裂纹边缘图像m1（x,y）和m2（x,y）；

（6）对步骤（5）得到的两个边缘检测图像m1（x,y）和m2（x,y）按照步骤（3）得到的最佳权值进行融合，得到融合图像m（x,y），作为无裂纹的金刚石锯片边缘模板图像；

（7）将步骤（3）和（6）得到的带裂纹金刚石锯片边缘图像h（x,y）和无裂纹的金刚石锯片边缘模板图像m（x,y）进行差分融合，得到的图像即为裂纹图像，再进行去噪得到的即为最终裂纹图像f2（x,y）。

为具体说明，用一个实例进行如下说明。具体实施过程为：

1、实验对象是金刚石锯片彩色图像，黑色背景下采集获得金刚石锯片的彩色图像（图像大小为389×389，分辨率为96dpi）进行灰度处理后的图像如图2所示；

2、用两种算子对灰度图像进行边缘检测，其中，用拉普拉斯算子对灰度图像进行检测得到的边缘图像如图3所示，用roberts算子对灰度图像进行检测得到的边缘图像如图4所示；

3、按照步骤（3）的融合规则对图3和图4进行加权融合，求出权值α=0,0.1,0.2……,1时对应的psnr值，建立直角坐标系，横坐标为α，纵坐标为psnr，通过曲线拟合得到α和psnr的对应关系，求得psnr的平均值为29.48db，在曲线上找出对应的α的值为0.7，即为最佳权值，按照最佳权值加权融合图3和图4，得到带裂纹的金刚石锯片边缘图像如图5所示；

4、先对灰度图图2进行形态学闭运算填充小裂纹，闭运算采用3×3圆形结构元素，再分别用两种算子对灰度图像图2进行边缘检测，其中，先用闭运算后用拉普拉斯算子对灰度图像图2进行检测得到的边缘图像如图6所示，先用闭运算后用roberts算子对灰度图像图2进行检测得到的边缘图像如图7所示；

5、按照步骤（3）的融合规则，最佳权值为0.7，对图6和图7进行加权融合，融合后的图像为无裂纹的金刚石锯片边缘模板图像，如图8所示；

6、对图5和图8进行差分融合得到的就是裂纹图像，如图9所示。

综上所述，利用本发明的裂纹提取方法，能提取出金刚石锯片裂纹，方便后续对裂纹长度、宽度、位置、形状的定量统计和分析。本发明提出的技术方案将复杂的边缘提取问题转化为简单的边缘检测问题，解决了从金刚石锯片复杂边缘中识别和分离裂纹的难点，方法简单，适用性强，裂纹的提取方便了后续对裂纹信息数据的统计和分类，工厂可根据精确的统计数据发现生产中的问题并进行改善，有很好的应用前景。