一种纤维边缘增强图像融合的方法与流程

本发明涉及纤维横截面提取领域，具体而言，本发明涉及一种纤维边缘增强图像融合的方法。

背景技术：

纤维检测和分类与纤维的横截面形态密切相关，在采集时，纤维横截面图像的清晰度以及纤维边缘会受刀痕以及包埋介质的影响。基于这种纤维横截面图像的测量，纤维横截面形态将是不准确的，甚至会对后续处理有一定的误导性。因此，准确提取得到纤维边缘图像对纤维的检测和分类具有十分重要的意义。

技术实现要素：

为了寻找更为有效的提取高品质的纤维横截面图像的实现方案，本发明提供了一种具有高品质的纤维边缘增强图像融合的方法。

为实现上述目的，本发明一种纤维边缘增强图像融合的方法，其包括如下步骤：

采集纤维切片的第一纤维横截面图像，使用canny边缘检测算子对所述第一纤维横截面图像进行边缘提取，获得纤维边缘图像；

按照预设权重将所述第一纤维横截面图像和所述纤维边缘图像进行加权融合，获得第二纤维横截面图像并对所述第二纤维横截面图像滤波；

通过预设的阈值范围分割滤波后的所述第二纤维横截面图像，并调用形态学腐蚀算法去除所述第二纤维横截面图像的纤维边缘检测线，得到纤维横截面图像。

优选地，所述采集纤维切片的第一纤维横截面图像为通过显微成像系统在同一视角下采集纤维切片的第一纤维横截面图像。

优选地，所述预设权重为所述第一纤维横截面图像的权重为x，所述纤维边缘图像的权重为1-x，所述x的值为0.3—0.6。

优选地，所述对所述第二纤维横截面图像滤波为通过中值滤波对所述第二纤维横截面图像滤波。

优选地，所述通过预设的阈值范围分割滤波后的所述第二纤维横截面图像之前包括如下步骤：

确定预设的阈值范围。

优选地，所述确定预设的阈值范围包括如下步骤：

获得滤波后的所述第二纤维横截面图像的灰度直方图；

将阈值设定为特定阈值并使用所述特定阈值分割所述第二纤维横截面图像；

获取分割后所述第二纤维横截面图像的峰值信噪比，若所述峰值信噪比不小于20，则确定所述特定阈值属于所述预设的阈值范围。

优选地，所述预设的阈值范围为150—210。

优选地，所述调用形态学腐蚀算法去除所述第二纤维横截面图像的纤维边缘检测线，得到纤维横截面图像包括如下步骤：

获取去除纤维边缘检测线的所述第二纤维横截面图像的ssim值，判断所述ssim值是否不小于0.9，若是，则得到纤维横截面图像。

与现有技术相比，本发明一种纤维边缘增强图像融合的方法具有如下

有益效果：

本发明一种纤维边缘增强图像融合的方法通过对纤维横截面图像进行加权融合、滤波、分割等得到的新的纤维横截面图像的均方根误差小、峰值信噪比高，同时，通过评估形态学腐蚀操作前图像和形态学腐蚀操作后图像的结构相似性，说明图像边缘保持度高，信息丢失少，并且得到的信息量多，且清晰度也高，融合效果和质量也高。

本发明一种纤维边缘增强图像融合的方法的操作简单，效率高，具有较佳的稳定。

本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为本发明实施例一种纤维边缘增强图像融合的方法的流程示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

请参阅图1，本发明实施例一种纤维边缘增强图像融合的方法，其包括如下步骤：

步骤s101：采集纤维切片的第一纤维横截面图像，使用canny边缘检测算子对所述第一纤维横截面图像进行边缘提取，获得纤维边缘图像。canny边缘检测算子是johncanny在1986年发表的论文中首次提出的边缘检测算子，该算子检测性能比较好，应用广泛。

优选地，采集纤维切片的第一纤维横截面图像为通过显微成像系统在同一视角下采集纤维切片的第一纤维横截面图像。

步骤s103：按照预设权重将所述第一纤维横截面图像和所述纤维边缘图像进行加权融合，获得第二纤维横截面图像并对所述第二纤维横截面图像滤波。

在一些实施方式中，预设权重为第一纤维横截面图像的权重为x，纤维边缘图像的权重为1-x，x的值为0.3—0.6。

优选地，对第二纤维横截面图像滤波为通过中值滤波对第二纤维横截面图像滤波。

步骤s105：通过预设的阈值范围分割滤波后的所述第二纤维横截面图像，并调用形态学腐蚀算法去除所述第二纤维横截面图像的纤维边缘检测线，得到纤维横截面图像。

在一些实施方式中，通过预设的阈值范围分割滤波后的第二纤维横截面图像之前包括如下步骤：

确定预设的阈值范围。

具体地，确定预设的阈值范围包括如下步骤：

获得滤波后的第二纤维横截面图像的灰度直方图；

将阈值设定为特定阈值并使用特定阈值分割第二纤维横截面图像；

获取分割后第二纤维横截面图像的峰值信噪比，若峰值信噪比不小于20，则确定特定阈值属于预设的阈值范围。

应当理解的是，若峰值信噪比小于20时，则阈值分割图像质量较差，该阈值不合适，返回重新选取合适的阈值。

优选地，预设的阈值范围为150—210。

在一些实施方式中，调用形态学腐蚀算法去除第二纤维横截面图像的纤维边缘检测线，得到纤维横截面图像包括如下步骤：

获取去除纤维边缘检测线的第二纤维横截面图像的ssim值，判断ssim值是否不小于0.9，若是，则得到纤维横截面图像。其中，结构相似性(structuralsimilarityindex，简称ssim)值是一种衡量两幅图像相似度的指标。该指标首先由德州大学奥斯丁分校的图像和视频工程实验室提出。ssim使用的两张图像中，一张为未经压缩的无失真图像，另一张为失真后的图像。

同上，若ssim值小于0.9，则腐蚀操作对纤维边缘影响较大，对后续的参数提取会造成较大的误差，返回腐蚀操作，重新确定。

与现有技术相比，本发明实施例一种纤维边缘增强图像融合的方法具有如下有益效果：

本发明实施例一种纤维边缘增强图像融合的方法通过对纤维横截面图像进行加权融合、滤波、分割等得到的新的纤维横截面图像的均方根误差小、峰值信噪比高，同时，通过评估形态学腐蚀操作前图像和形态学腐蚀操作后图像的结构相似性，说明图像边缘保持度高，信息丢失少，并且得到的信息量多，且清晰度也高，融合效果和质量也高。

本发明实施例一种纤维边缘增强图像融合的方法的操作简单，效率高，具有较佳的稳定。

以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。