[发明专利]基于图像处理的机械零件应力腐蚀检测方法及系统

权利要求书

1.一种基于图像处理的机械零件应力腐蚀检测方法，其特征在于，该方法包括以下步骤：

获取机械零件表面的初始RGB图像，根据加权平均法对所述初始RGB图像进行灰度化得到初始灰度图像，识别所述初始灰度图像中每个像素点的缺陷概率得到第一检测结果图像；根据所述缺陷概率将所述第一检测结果图像分为正常区域、缺陷区域以及不确定区域；

根据所述缺陷概率将所述不确定区域自适应划分为多个第一区域；在所述初始灰度图像中，提取所述第一区域的每个像素点的邻域特征值；

在所述初始RGB图像中提取与所述第一区域对应的第二RGB图像，根据加权平均法对所述第二RGB图像进行灰度化得到第二灰度图像；获取所述第二灰度图像中每个像素点的第一梯度，根据所述邻域特征值对所述第一梯度进行优化获取第二梯度，根据所述第二梯度获取统计特征；

获取所述缺陷区域的标准统计特征，获取与所述标准统计特征差异最小的最优统计特征，所述最优统计特征对应的所述加权平均法的系数为最优系数；

采用所述最优系数的加权平均法对所述第二RGB图像进行灰度化得到最优灰度图像，根据所述最优灰度图像获取第二检测结果图像，根据所述最优灰度图像以及所述缺陷区域中像素点的相似度获取第三检测结果图像，所述第二检测结果图像与所述第三检测结果图像的均值作为最终检测结果图像。

2.根据权利要求1所述的方法，其特征在于，所述根据所述缺陷概率将所述第一检测结果图像分为正常区域、缺陷区域以及不确定区域的步骤，包括：

设定最小概率阈值与最大概率阈值；

当所述像素点的缺陷概率小于最小概率阈值时，将该像素点标记为正常点，所述正常点形成的区域为正常区域；

当所述像素点的缺陷概率大于最大概率阈值时，将该像素点标记为缺陷点，所述缺陷点形成的区域为缺陷区域；

当所述像素点的缺陷概率处于最小概率阈值与最大概率阈值之间时，将该像素点标记为不确定点，所述不确定点形成的区域为不确定区域。

3.根据权利要求1所述的方法，其特征在于，所述根据所述缺陷概率将所述不确定区域自适应划分为多个第一区域的步骤，包括：

获取所述不确定区域中每个像素点之间的缺陷概率之差，将所述缺陷概率之差作为距离，根据所述距离自适应划分为多个子区域，将所述子区域的图像作为第一区域。

4.根据权利要求3所述的方法，其特征在于，所述根据所述距离自适应划分为多个子区域的步骤，还包括：

根据不同的聚类的类别数量对所述距离进行多次聚类，得到每次聚类的轮廓系数，所述类别数量按照预设梯度依次增加；

根据所述轮廓系数得到随类别数量变化的轮廓系数变化曲线，获取所述轮廓系数变化曲线的梯度值，在所述梯度值由大变小时对应的类别数量为最佳类别数量；

根据所述最佳类别数量对所述距离进行聚类得到所述多个子区域。

5.根据权利要求1所述的方法，其特征在于，所述在所述初始灰度图像中，提取所述第一区域的每个像素点的邻域特征值的步骤，包括：

以每个所述像素点作为目标像素点，获取所述目标像素点与其周围像素点之间的缺陷概率的平均差值，根据所述平均差值获取所述目标像素点的邻域特征值。

6.根据权利要求5所述的方法，其特征在于，所述邻域特征值与所述平均差值呈负相关关系。

7.根据权利要求1所述的方法，其特征在于，所述第二梯度与所述第一梯度呈正相关关系、与所述邻域特征值呈负相关关系。

8.根据权利要求1所述的方法，其特征在于，所述梯度包括梯度大小和方向，则根据所述第二梯度获取统计特征的步骤，包括：

将所述第二梯度的梯度方向分为多个角度范围，计算每个所述角度范围内所有梯度大小的和，由每个所述角度范围内梯度大小的和组成的序列构成统计向量，根据所述统计向量获取所述统计特征。