[发明专利]灰度缺陷图像提取方法

说明书

【技术领域】

本发明涉及一种缺陷提取方法，具体涉及一种灰度缺陷图像提取方法。

【背景技术】

灰度缺陷图像提取是将图像中的缺陷部位从背景中提取出来，方便后续的利用，无论什么产品，涉及到检测、缺陷位置的确定、缺陷信息的获取，都是在灰度缺陷图像提取的基础上才可以实现。现有的灰度缺陷图像提取方法，一般是将原有图像转换为灰度图像，之后进行图像缺陷的提取，此种方法不能保证缺陷部位形状、结构信息不变，也不能保证缺陷部位灰度不变，不能完全提取出缺陷部位。

【发明内容】

针对上述问题，本发明提供一种灰度缺陷图像提取方法，该灰度缺陷图像提取方法在保证缺陷部位形状和结构都不发生变化的同时，保留了缺陷部位的全部信息。

本发明提供的灰度缺陷图像提取方法，包括以下步骤：

S10：采集图像；

S20：将采集到的图像转变为灰度图像；

S30：将步骤S20所得图像进行二值化处理；

S40：将步骤S30所得图像进行反转；

S50：将步骤S40所得图像的二值图像数组转换为uint8类数组；

S60：将步骤S50所得的图像与所得灰度图像相对应的像素点相加提取出缺陷部位。

特别的，所述步骤S20具体包括以下步骤：

S21：将采集到的图像转变为灰度图像；

S22：将上述获得的灰度图像进行增强处理。

特别的，所述灰度图像的灰度值为0-255。

相较于现有技术，本发明提供的灰度缺陷图像提取方法，首先将需进行缺陷提取的图像转化为灰度图像，然后对灰度图像进行处理之后得到反转图像，最后将反转图像与未处理的灰度图像相对应的像素点相加提取出缺陷部位，采用本发明所述的灰度缺陷图像提取方法，使得缺陷部位与非缺陷部位完全区分开来，提取后的缺陷部位的形状和结构都不会发生变化，保留了缺陷部位的全部信息，可以更精准的实现检测、缺陷位置的确定、缺陷信息的获取，具有方便、快捷的优点。

【附图说明】

图1为本发明的流程示意图；

图2为本发明一实施例灰度缺陷图像；

图3为图2增强处理后的灰度缺陷图像；

图4为图3二值化处理后的灰度缺陷图像；

图5为采用本发明提供方法提取后的灰度缺陷图像。

【具体实施方式】

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进一步详细说明。

本发明以确定木材腐朽缺陷部位的位置、形状、灰度等信息为例，进行解释说明，本发明采用Matlab对灰度缺陷图像进行处理，请参阅图1，具体包括以下步骤：

S10：对需要确定缺陷部位的木材进行均匀采集，得到木材缺陷图像；

S20：

S21：将采集到的木材缺陷图像转化为灰度图像，并进行保存，所得灰度图像的灰度值为0-255，经过转化后得到的灰度图像如图2所示；

S22：将步骤S21所得的灰度图像进行增强处理，增强处理后的图像如图3所示，由图3可知：通过对灰度图像的增强处理，去除了缺陷部位边缘的毛刺，使得缺陷部位与非缺陷部位的交界更加明显，便于后续处理；

S30：将增强后的灰度图像进行二值化处理得到二值图像，经过二值化处理的图像灰度值为0和1两个值，其中非缺陷部位的灰度值为0，显示为黑色，缺陷部位的灰度值为1，显示为白色，经过二值化处理的灰度图像如图4所示；

S40：将二值化处理的灰度图像进行反转，此时非缺陷部位的灰度值由0转化为1，缺陷部位的灰度值由1的转化为0，经过反转后，使得非缺陷部位显示为白色，缺陷部位显示为黑色；

S50：将上述经过反转处理图像的二值图像数组转化为uint8类数组，经过转化后，使得步骤S40所得灰度图像的灰度值转化为255和0(本发明实施例以缺陷部位灰度值为0进行解释说明)，其中非缺陷部位的灰度值由1转化为255，显示为白色，缺陷部位的灰度值仍为0，显示为黑色；