[发明专利]基于背景减除和连通区域算法的焊缝缺陷分割方法

说明书

本发明涉及图像处理、计算机视觉与数字信号处理的算法，可应用于运输管道检测、生产质量监测、管道自动维修等领域，更具体地，涉及一种基于背景减除和连通区域算法的焊缝缺陷分割方法。采用了直方图均衡化和均值滤波与中值滤波相结合的算法，有效地去除了缺陷图像的噪声。在获取缺陷的前景图像时，通过自适应阈值得到前景差分图像，并利用形态学运算和面积滤波去除了不是缺陷的前景。在缺陷标记中，对每一块缺陷进行求取连通域集合，并且予以唯一的标记，以实现后续的特征提取。连通区域标记法通过标记二值图像中的前景像素，以实现查找和定位每一个单独的连通区域，进一步可以获得连通域的轮廓，面积，外接矩形等几何参数。

技术领域

本发明涉及图像处理、计算机视觉与数字信号处理的算法，可应用于运输管道检测、生产质量监测、管道自动维修等领域，更具体地，涉及一种基于背景减除和连通区域算法的焊缝缺陷分割方法。

背景技术

(1)图像去噪技术

图像本身可以视为是一种特殊的信号，在获取信号的过程中，由于信号采集设备、环境影响、采集方法等因素的存在，难免会得到掺杂噪声的信号。为了去除这些噪声数据，通常会假设这些噪声服从某些统计学中的分布，例如最常见的正态分布、二项分布、拉普拉斯分布、多元高斯分布等等，这样就可以通过数学计算得到这些噪声的模型和公式，进而找到去除它们的有效的方法。图像中常见的噪声有高斯噪声和椒盐噪声等。一般来说，对于高斯噪声，使用高斯滤波器可以有效地将其去除。高斯噪声的特点是对于不同的位置上的原始信号，增加了不同的权重，权重大小与该位置距中心的距离有关，得到加权后的信号。因此，高斯滤波器反其道而行之，仍然对周围领域中的像素进行加权平均，将被分散化的信号重新进行凝聚，不重要的信号重新进行淡化。

椒盐噪声常常由于硬件设备的不足造成，或是在传输中的数据丢失，与高斯噪声常出现在电磁干扰、温度变化干扰等情况不同，没有特定的分布函数。对于椒盐噪声，最简单有效的方法是使用中值滤波器进行滤波，也就是说，每个位置的像素值由它某个领域内的像素的中位数来代替。由于椒盐噪声常常是随机出现，表现为黑色区域中的白色像素或者白色区域中的黑色像素，因此取中值可以有效去除这些噪声。

(2)前景缺陷区域的处理技术

图像的开操作为使用同一个结构元素，先对原图进行一次膨胀运算，之后对得到的图像进行一次腐蚀运算的过程。先进行膨胀操作时，可以把图像中轻微连接或者趋近于连通的区域进行合并和连接，让目标区域扩大一圈。同时，对于噪声的区域，如果是包括在目标区域之内的，就会与目标合并到一起，相当于去除了这些噪声；而如果有些噪声没有包含于目标区域，尤其是一些聚集在一起的、包含数目较多噪声的噪声区域就会形成假的目标区域。进行完膨胀操作之后，需要进行一次腐蚀操作。对于已经扩大了边缘的图像，由于结构元素一般是方形的，膨胀过程中会使目标区域出现不光滑的情况，也就是毛刺过多。使用腐蚀操作可以对这些边缘进行平滑，让其恢复本身的平滑性。同时，由于使用的结构元素是相同的，因此腐蚀操作可以在很大程度上去除连接和边缘。一般来说，开操作会让图像的多个部分分离开，而如果图像的某些连通区域的面积过小，则会被丢弃，有去除噪声的效果。

图像的闭操作为使用同一个即够元素，先对原图进行一次腐蚀操作，再对结果进行一次膨胀操作。先进行腐蚀，可以去除大量的噪声区域，同时相对密集、区域面积较大的噪声区域和目标区域都会得以保留，但是轮廓会有明显的缩小。相当于用一条有宽度的实线将图中的目标区域的走势进行绘制，对图中连通区域之间的连接部分进行概括。之后，进行一次膨胀运算，可以把图像的细节还原。同时，由于之前那些有宽度的实线的存在，会使得膨胀后的图像显得更加凝实，让接近于连通的区域能够相连接。

发明内容