[发明专利]一种针对缆索表面缺陷的图像检测方法

说明书

技术领域

本发明涉及一种针对缆索表面缺陷的图像检测方法，属于图像处理的技术领域。

背景技术

作为桥梁的主要受力构件之一——缆索，因在空气中长期暴露，其表面会出现不同程度的破坏。以往多是人工观察对缆索表面进行检测，但是人工检测极易造成疲劳，致使产生漏检等问题。

随着科学技术发展，图像处理技术已成为多领域的研究方向之一。其凭借速度快、精度高、永不疲劳等优点，在多行业已取得成果。利用图像处理技术对缆索表面缺陷进行检测不但可以提高检测效率、降低人力成本，而且为缆索质量评估制度客观标准打下基础。

通过爬索机器人获取的缆索表面图像通常都包含噪声成分。因为在采集和传送过程中不可避免受到噪声的干扰。因此有必要对缆索图像进行噪声去除处理。去噪可以使用图像滤波去噪技术；具体方法有图像增强、图像平滑和图像锐化等。图像增强是指根据特定的需求突出一幅图像中的部分信息，同时削减其他信息的处理方法。图像增强并不是增强原图像的信息，而是增强部分信息的辨别力，并且图像增强会损失图像的部分信息。目前，还没有统一的图像增强效果的评价标准。当然图像增强方法非常多，可以按处理域分为两类：空间域增强和频率域增强。图像增强技术也可粗略地分为直接增强和间接增强。间接增强是通过改善图像直方图，从而使图像的对比度获得增强。对比度受限的自适应直方图均衡化、全局直方图均衡化是间接增强技术中常用的方法。直接增强方法是通过应用对比度测量方法来提高图像的对比度。图像对比度是指图像中明暗区域的亮度之间不同层级的测量。其在图像直接增强中占据着非常重要地位。

在缆索表面图像的缺陷检测中，图像分割是必不可少的步骤。图像分割可以将图像中使用者感兴趣的目标区域提取出来。图像分割一般是基于图像灰度的不连续性和相似性来对图像进行处理。一般把图像分割分为阈值分割和边缘检测。边缘检测是基于图像灰度的不连续性；阈值分割是基于图像灰度的相似性。阈值分割根据一定的规则自动获取最优分割阈值，将目标从背景中分割出来。阈值分割是图像分割技术中的基础技术。阈值分割方法可以粗略地分为局部分割方法和全局分割方法。在局部分割方法中，利用像素点处的邻域动态计算每个局部区域的分割阈值。而在全局分割方法中，是使用整个图像区域获取一个固定的阈值。由于全局分割方法的简单性和有效性，其被应用在众多领域。

发明内容

技术问题：本发明针对缆索表面缺陷检测中的精确性和实用性问题，提供一种基于灰度图像，采用局部对比度增强方法和最大相关阈值分割方法，实现了对缆索表面缺陷的检测，提高了缆索表面缺陷检测的准确性和实用性的针对缆索表面缺陷的图像检测方法。

技术方案：本发明的针对缆索表面缺陷的图像检测方法，包括如下步骤：

步骤1：将待检测的缆索表面图像进行灰度化处理，得到灰度化后的图像为f(x,y)：

f(x,y)＝0.212671×c_r(x,y)+0.71516×c_g(x,y)+0.072169×c_b(x,y)

其中，待检测的缆索表面图像为彩色图像c(x,y)，其包含3个分量：红色分量c_r(x,y)、绿色分量c_g(x,y)、蓝色分量c_b(x,y)，且图像高度为H像素、宽度为W像素，(x,y)表示图像的二维坐标，且x∈[1,W],y∈[1,H]；

步骤2：对灰度化后的图像f(x,y)采用改进的局部灰度对比度方法进行增强处理，得到增强后图像z(x,y)；

步骤3：对增强后的图像z(x,y)采用改进的最大相关方法进行分割处理，得到分割后图像d(x,y)。

本发明的优选方案中，所述步骤2)的，具体过程如下：

步骤2.1：将灰度化后的图像f(x,y)分为若干不重叠的小窗口区域子图像其中i表示若干小窗口图像的编号；处理方法为：视y为常数，将高度为H像素、宽度为W像素的图像f(x,y)分为高度为H像素、宽度为1像素的子图像且i∈[1,W]；

步骤2.2：计算每个小窗口区域子图像的像素灰度值的平均值当子图像为且i∈[1,W]时：

步骤2.3：计算每个小窗口区域子图像中每个像素的局部灰度对比值v(x,y)，当子图像为且i∈(1,W)时：

步骤2.4：根据下式将所述局部灰度对比值映射到256个灰度级的增强后图像z(x,y)：

本发明的优选方案中，所述步骤3)的具体过程如下：