基于图像处理的焊管腐蚀状态检测方法与流程

本发明涉及图像数据处理，具体涉及基于图像处理的焊管腐蚀状态检测方法。

背景技术：

1、在各个行业的发展中，制造业的发展是较为重要的一部分。其中的钢管产业的发展是制造业较为重要的一部分，在钢管生产过程中，由于生产工艺以及焊接环境的不规范，钢管焊接过程中极易存在多种类型的缺陷，例如咬边、焊瘤、凹坑、腐蚀、成形不良等，焊接质量的优劣关系着钢管的生产质量和安全性。

2、对于钢管缺陷的检测精度较低会使存在缺陷的焊接钢管进入到后续加工生产的工艺中，而在后续的使用过程中钢管表面会由于缺陷的存在导致钢管的损坏程度进一步增大。现阶段对钢管焊接处的缺陷检测主要通过图像处理的方式完成，在钢管的检测中加入机器视觉的检测手段，实现钢管缺陷的自动化识别。但是由于场景的复杂性，导致采集的钢管图像的质量受到光照以及其它噪声的影响，导致对钢管的缺陷的检测不准确，因此需要对采集的钢管表面图像的质量进行增强，提高钢管缺陷检测准确性。目前常用的图像增强算法包括暗通道增强算法、视网膜增强算法、伽马变换等，其中暗通道增强算法需要根据先验知识进行参数设置；伽马变换只能实现线性增强；视网膜增强算法需要对图像进行卷积滤波的处理，存在造成图像信息丢失的问题。

技术实现思路

1、本发明提供基于图像处理的焊管腐蚀状态检测方法，以解决限制对比度增强算法单一阈值导致钢管焊接处出现腐蚀缺陷检测误差的问题，所采用的技术方案具体如下：

2、本发明一个实施例基于图像处理的焊管腐蚀状态检测方法，该方法包括以下步骤：

3、获取钢管表面灰度图，将钢管表面灰度图分割成预设数量个图像块；

4、采用区域生长算法基于每个图像块内边缘点的图像特征获取每个图像块内的连通域提取结果；根据每个连通域上边界点八邻域内的腐蚀特征获取每个连通域的腐蚀边界曲折度；

5、根据每个连通域内每个角点邻域内图像信息的复杂程度以及每个连通域的腐蚀边界曲折度获取每个连通域的腐蚀缺陷影响系数；

6、根据每个图像块内所有连通域的腐蚀缺陷影响系数获取每个图像块的分割阈值；采用限制对比度直方图增强算法基于所述分割阈值得到钢管焊接增强图；利用图像分割算法基于所述钢管焊接增强图得到钢管焊接处腐蚀状态检测结果。

7、优选的，所述采用区域生长算法基于每个图像块内边缘点的图像特征获取每个图像块内的连通域提取结果的方法为：

8、分别获取每个图像块内每个边缘点的梯度幅值和梯度角度，将任意两个边缘点的梯度幅值之间差值绝对值的平方作为第一度量值；将任意两个边缘点的梯度角度之间差值绝对值的平方作为第二度量值，将第一度量值与第二度量值之和的平方根作为两个边缘点之间的度量距离，将所述度量距离小于预设阈值作为生长准则；

9、任意选取每个图像块内预设数量个边缘点作为区域生长的种子点，采用区域生长算法基于所述生长准则得到每个图像块内的连通域提取结果。

10、优选的，所述根据每个连通域上边界点八邻域内的腐蚀特征获取每个连通域的腐蚀边界曲折度的方法为：

11、根据每个连通域上边界点八邻域内的腐蚀特征获取所述连通域上每个边界点的边界曲折差异系数；

12、将每个连通域上所有边界点的边界曲折差异系数的均方差作为每个连通域的腐蚀边界曲折度。

13、优选的，所述根据每个连通域上边界点八邻域内的腐蚀特征获取所述连通域上每个边界点的边界曲折差异系数的方法为：

14、将每个连通域内每个边缘像素点所取八邻域内所有像素点的lbp值组成的序列作为所述每个边缘像素点的边界特征序列；

15、利用角点检测算法获取每个连通域内的特征点；将每个连通域内所有边缘像素点按照顺时针的顺序组成的序列作为每个连通域的边界排序序列；

16、将边界排序序列中每个边界点及其相邻下一个边界点的八邻域内特征点数量之和作为第一组成因子；

17、将边界排序序列中每个边界点及其相邻下一个边界点的边界特征序列之间的度量距离作为第二组成因子；

18、每个边界点的边界曲折差异系数由第一组成因子、第二组成因子两部分组成，其中，所述边界曲折差异系数与第一组成因子、第二组成因子成正比关系。

19、优选的，所述根据每个连通域内每个角点邻域内图像信息的复杂程度以及每个连通域的腐蚀边界曲折度获取每个连通域的腐蚀缺陷影响系数的方法为：

20、获取每个连通域内任意两个角点之间的欧式距离，将每个连通域内所有所述欧式距离组成的序列作为每个连通域的腐蚀表面距离序列；

21、将每个连通域内每个角点八邻域内像素点灰度值的均值作为所述每个角点的特征点中心复杂度；

22、根据每个连通域的腐蚀表面距离序列以及所述每个角点的特征点中心复杂度获取每个连通域的腐蚀显著系数；

23、每个连通域的腐蚀缺陷影响系数由腐蚀边界曲折度、腐蚀显著系数两部分组成，其中所述腐蚀缺陷影响系数与腐蚀边界曲折度、腐蚀显著系数成正比关系。

24、优选的，所述根据每个连通域的腐蚀表面距离序列以及所述每个角点的特征点中心复杂度获取每个连通域的腐蚀显著系数的方法为：

25、将每个连通域内每个角点八邻域内的角点数量与每个角点特征点中心复杂度的乘积作为所述每个角点的腐蚀影响因子；将每个连通域内所有角点的腐蚀影响因子的均值作为第一均值；

26、将每个连通域的腐蚀表面距离序列中所有元素的均值作为第二均值；

27、每个连通域的腐蚀显著系数由第一均值、第二均值两部分组成，其中所述腐蚀显著系数与第一均值成正比关系、所述腐蚀显著系数与第二均值成反比关系。

28、优选的，所述根据每个图像块内所有连通域的腐蚀缺陷影响系数获取每个图像块的分割阈值的方法为：

29、根据每个图像块内所有连通域的腐蚀缺陷影响系数获取每个图像块的焊接腐蚀显著度，将每个图像块的焊接腐蚀显著度与预设参数的和作为分母；

30、获取每个图像块对应灰度直方图的概率分布曲线中所有峰值中的最大值作为分子；将分子与分母的比值作为每个图像块的分割阈值。

31、优选的，所述根据每个图像块内所有连通域的腐蚀缺陷影响系数获取每个图像块的焊接腐蚀显著度的方法为：

32、获取根据每个图像块内所有连通域的腐蚀缺陷影响系数组成数组的变异系数；

33、将每个图像块内每个连通域的腐蚀缺陷影响系数与每个图像块内所有连通域的腐蚀缺陷影响系数最大值的比值作为所述每个连通域的归一化贡献度；

34、将每个图像块内所有连通域的归一化贡献度的均值与所述变异系数的比值作为每个图像块的焊接腐蚀显著度。

35、优选的，所述采用限制对比度直方图增强算法基于所述分割阈值得到钢管焊接增强图的方法为：

36、分别获取钢管灰度图上每个图像块的分割阈值，将钢管灰度图作为限制对比度直方图增强算法的输入，将采用限制对比度直方图增强算法获取钢管灰度图的增强结果作为钢管焊接增强图。

37、优选的，所述利用图像分割算法基于所述钢管焊接增强图得到钢管焊接处腐蚀状态检测结果的方法为：

38、采用超像素分割算法将钢管焊接增强图分割成预设数量个超像素块，利用hog算子分别获取每个超像素块对应的梯度直方图；

39、获取任意两个超像素块的梯度直方图之间的度量距离；根据所述直方图度量距离与预设阈值的对比结果获取钢管灰度图上的腐蚀缺陷区域。

40、本发明的有益效果是：本发明通过分析每个图像块中不同连通域内的存在腐蚀缺陷的情况，根据连通域边界特征和局部图像信息构建腐蚀缺陷影响系数。腐蚀缺陷影响系数考虑了连通域内受腐蚀缺陷的影响程度，解决了传统的限制对比度的算法每个区块内切割阈值单一导致的钢管表面灰度图的增强效果较差；腐蚀缺陷影响系数能够表征每个图像块内出现腐蚀缺陷对于增强效果的影响系数，从而根据图像块内的缺陷特征自适应的调整切割阈值的大小，提高对钢管表面灰度图的增强效果，从而提高对钢管焊接处腐蚀缺陷的检测精度。