一种基于灰度图像的加工区域提取方法与流程

本发明涉及一种分层铣削和3d打印的加工区域提取方法，尤其涉及一种基于灰度图像的加工区域提取方法。

背景技术：

随着计算机图形学、cad/cam等技术的不断发展，分层铣削和3d打印作为最重要的自由曲面加工方式，在生物医学修复体制备、航空航天、造船、汽车等领域的应用越来越广泛。而加工区域边界是分层铣削和3d打印扫描路径的基础，所以研究自由曲面的加工区域提取技术具有重要的理论和现实意义。

加工区域即分层加工时每一层的加工范围，通常由加工内边界和外边界来确定。内边界是指当前加工层所在平面与加工模型的交线。外边界是指模型最大轮廓线在当前切削层的投影轮廓向外偏置后得到的轮廓线。对分层铣削而言加工区域是指分层加工时，每一层加工内、外边界之间的平面区域。加工内边界是指当前加工层所在平面与加工模型的交线；加工外边界是指“掏洞”加工的加工边界轮廓。对于3d打印区域是即当前切片层所在平面与加工模型的交线。如图10所示为加工区域与加工区域边界示意图。

自由曲面形态特征复杂，局部细节特征多，直接在原始曲面模型上计算加工区域相对简化模型上计算复杂、费时，不符合高效加工编程的要求。在现有的自由曲面加工区域提取算法可以分为两类：基于原始模型的算法和基于z-map模型的算法。

基于原始模型的算法，在分层铣削中使用等截面法来生成刀具轨迹以及加工区域；在3d打印领域主要使用网格切片法来计算加工区域。基于原始模型的算法虽然也解决了求解加工区域的目的，但是由于与原始模型求交计算非常复杂，尤其是在曲面为组合曲面时计算难度将进一步加大。

为了简化加工区域提取过程，z-map模型这种特殊规则的离散模型被引入。z-map模型可以看做一个矩阵，矩阵元素是z-map模型中对应的z坐标，这种模型鲁棒性好，表达、计算简单，被广泛用于数控加工编程、仿真。通过用平面与z-map模型而不是原始曲面模型求交的方法大大简化了加工区域提取的难度。

z-map模型存储在矩阵里面，通过判断结点对应的矩阵元素与截面的z坐标的位置关系，可以将当前层的z-map模型转化为二值图像。在截面之上的点对应的像素值为“1”，否则为“0”。由于使用二值图像不能正确提取加工边界，之后又提出了对z-map二值图像进行膨胀处理，然后提取加工区域，提高了加工区域提取精度，算法在二值图像膨胀时会产生膨胀像素重合而丢失边界信息的现象。

综上所述可知现有的自由曲面加工区域提取算法可以分为两类：基于原始模型的算法和基于z-map模型的算法。基于原始模型的算法对自由曲面、组合曲面等复杂模型提取困难，z-map方法是一种可行的方法，但该类方法还存在边界信息丢失、提取精度不足等问题。

本发明为了解决自由曲面加工区域提取困难，提取精度不足的问题提出了一种基于灰度图像的加工区域提取方法。

技术实现要素：

为了克服上述现有技术的不足，本发明提供了一种基于灰度图像的加工区域提取方法。

该方法主要解决了自由曲面加工区域提取困难，二值图像在膨胀之后导致提取精度不足的问题。

本发明所采用的技术方案是：

一种基于灰度图像的加工区域提取方法，该方法内容包括以下步骤：

步骤1：将自由曲面的原始模型进行离散得到z-map模型；

步骤2：将垂直于z轴的每一个平面作为所述z-map模型的每一个截面；

步骤3：使用灰度图像膨胀技术，利用带灰度值的膨胀操作结构元素处理步骤2中通过转化得到的z-map模型的二值图像，从而得到带边界像素值的z-map灰度图像；

步骤4：将步骤3所述的带边界像素值的z-map灰度图像提取出只带有边界的灰度像素，得到z-map灰度边界像素图像；

步骤5：将步骤4所述的z-map灰度边界像素图像的灰度像素进行细分得到z-map灰度像素边界细分图像；

步骤6：将步骤5所述的z-map灰度像素边界细分图像进行边界像素编码得到带有边界像素编码的z-map灰度像素边界细分图像；

步骤7：根据z-map模型的特征以及步骤6所述带有边界像素编码的z-map灰度像素边界细分图像，得到相应的加工区域边界的图像。

与现有技术相比，本发明的有益效果是：本发明解决了自由曲面加工区域提取困难的问题，以及二值图像在膨胀之后导致提取的精度不足的问题；而且提高了自由曲面加工过程中的加工区域边界的提取精度，从而增加了加工过程中的精度，也增加了分层铣削和3d打印的加工精度。

附图说明

图1为本发明方法流程图；

图2为z-map模型图；

图3为z-map二值图像；

图4为带灰度值的膨胀操作结构元素；

图5为带边界像素值的z-map灰度图像；

图6为z-map灰度边界像素图像；

图7为z-map灰度像素边界细分图像；

图8为带有边界像素编码的z-map灰度像素边界细分图像；

图9为加工区域边界的图像；

图10为加工区域与加工区域边界示意图；

图11为像素细分示意图；

图12为主编码结构元素和子编码结构元素。

具体实施方式

下面结合附图对本发明进行进一步说明。

本发明的一种基于灰度图像的加工区域提取方法，其流程图如图1所示，该方法内容包括以下步骤：

步骤1：将自由曲面的原始模型进行离散得到z-map模型，如图2所示；

所述z-map模型是一个矩阵，该矩阵元素是z-map结点对应的z坐标；所述z-map结点为z-map模型网格中的结点；

步骤2：令垂直于z轴的任一平面作为所述z-map模型的截面；通过判断结点对应的矩阵元素与截面z坐标的位置关系,可以将当前层的z-map模型转化为二值图像；如图2所示用截面对z-map模型进行求交，在截面之上的点对应的像素为“1”，在截面之下的点对应的像素为“0”，从而将当前截面的z-map模型转化为如图3所示的z-map二值图像；

步骤3：使用灰度图像膨胀技术，利用带灰度值的膨胀操作结构元素处理如图3所示的z-map模型的二值图像，从而得到如图5所示的带边界像素值的z-map灰度图像；

所述带灰度值的膨胀操作结构元素如图4所示，它是指将边界像素的前后左右成十字形分别膨胀出一个带有灰度值为0.3的像素；进行膨胀操作时将结构元素中心像素与z-map二值图像边界像素对齐，若与结构元素其它像素对齐的z-map二值图像像素值不为“1”，则其膨胀后的像素灰度值为当前灰度值与结构元素非中心像素灰度值之和；若与结构元素其它元素对齐的z-map二值图像像素值为“1”，则灰度值不变。所述带灰度值的膨胀操作结构元素如图4所示，图中1为中心像素，2为膨胀像素。

步骤4：将如图5所示的带边界像素值的z-map灰度图像提取出只带有边界的灰度像素，得到如图5所示的z-map灰度边界像素图像；

步骤5：将如图6所示的z-map灰度边界像素图像的灰度像素进行细分得到如图7所示的z-map灰度像素边界细分图像，其实现过程如下：

由图6所示的z-map灰度边界像素图像的灰度像素，边界像素中灰度值为0.6或0.9的边界像素对应多个边界点，对这些像素点进行细分，以确保每个像素对应一个边界点；当像素值为0.6时，将像素细分为4个像素，每个像素的大小为原来像素的1/4，其中两个灰度值不为“0”；当像素值为0.9时，将像素细分为4个像素，每个像素的大小为原来像素的1/4，其中三个灰度值不为“0”，细分结果如图11所示。

步骤6：将如图7所示的z-map灰度像素边界细分图像进行边界像素编码得到如图8所示的带有边界像素编码的z-map灰度像素边界细分图像，其实现过程如下：

如图7所示的z-map灰度像素边界细分图像需要通过编码建立相邻像素的图谱关系；本发明采用freeman子编码算法对z-map灰度像素边界细分图像进行编码；所述freeman子编码算法定义两个编码结构像素：主编码结构元素和子编码结构元素，如图12所示，进行编码时首先选择像素灰度值为0.3的像素点作为起始点使用主编码结构元素进行编码，若当前像素值为0.6或0.9则启用子编码结构元素对当前像素进行编码。

步骤7：根据z-map模型的特征以及如图8所示的带有边界像素编码的z-map灰度像素边界细分图像可以得到如图9所示的相应的加工区域边界的图像。