[发明专利]一种铸造缩孔缺陷图像生成方法

摘要

本发明公开的一种基于diamond‑square算法的铸造缩孔缺陷图像生成方法，包括缺陷图像生成、缺陷图像变换处理、融合产品结构背景三个阶段，所述缺陷图像生成阶段包括二维数组的构建，高程数据的生成与存储，高程数据的归一化处理；所述缺陷图像变换处理阶段包括缺陷图像的直方图均衡化处理、阈值化处理、高斯滤波、灰度拉伸；所述融合产品结构背景阶段包括缺陷图像的归一化处理，背景图像与缺陷图像的点乘。本发明的方法，在生成铸造缩孔缺陷图像的过程中具有很好的随机性和仿真性，生成的缺陷可用于示教、增加样本以及测试缺陷检测算法。

主权项

1.一种铸造缩孔缺陷图像生成方法，其特征在于，包括缺陷图像生成、缺陷图像变换处理、融合产品结构背景三个阶段，具体为：S1.缺陷图像生成阶段：S101.构建一个(2n+1)×(2n+1)的二维数组，该二维数组为空二维数组，n的取值范围为(1,10)；S102.利用diamond‑square算法生成(2n+1)×(2n+1)大小的高程数据，并将其对应地存储在步骤S101建立的二维数组中；具体包括以下步骤：S102‑1.步骤S101生成的(2ⁿ+1)×(2ⁿ+1)二维数组即(2ⁿ+1)×(2ⁿ+1)个像素的正方形，以5*5的正方形作为diamond‑square算法即正方形迭代分形示意图，用范围(‑1,1)的随机值初始化正方形四个角点A、B、C、D的高程值，分别设定为h_A、h_B、h_C、h_D，并根据h_A、h_B、h_C、h_D总和的平均值加上一范围在(‑1,1)的随机值来确定该正方形中心点M的高程值，则中心点M的高程值为S102‑2.将正方形划分为4个子正方形，并根据角点A、B、C、D的高程值与中心点M的高程值与范围(‑1,1)的随机值分别确定这4个子正方形边界中点E、F、G、H的高程值，则其高程值分别为S102‑3.重复步骤S102‑2，递归划分各子正方形，直到确定正方形所有高程点的高程值，并将其一一对应地存储到步骤S101建立的二维数组中；S103.对二维数组中的高程数据进行归一化处理；S104.将归一化处理后的高程数据与8位灰度值图像的最大灰度值即255相乘，并将其作为所生成的缺陷图像；S2.缺陷图像变换处理阶段：S201.对经步骤S104处理得到的缺陷图像进行直方图均衡化；S202.对经步骤S201处理得到的缺陷图像进行相应的阈值化；S203.对经步骤S202处理得到的图像进行高斯滤波；S204.对经步骤S203处理得到的图像进行灰度拉伸；S205.重复步骤S201～S204，得到变换处理后的缺陷图像；S3.融合产品结构背景阶段：S301.截取部分真实铸件中带缺陷的图像；S302.经纹理合成处理后，将步骤S301的图像除去缺陷后作为背景图像I；S303.对背景图像I计算检测出其最大灰度值Imax、最小灰度值Imin，计算H＝255/Imax的值；S304.将步骤S303中的H值作为缺陷图像的归一化上限，并对由步骤S205得到的缺陷图像进行归一化得到缺陷图像D；S305.将背景图像I和缺陷图像D进行点乘，得到最终的缺陷图像M＝I*D。