一种钢材晶粒的自动晶界提取方法技术

本发明专利技术公开了一种钢材晶粒的自动晶界提取方法，包括1、晶粒图像预处理，包括灰度转换、中值滤波去噪、二值化处理；2、晶粒特征点提取与特征距离的计算，包括距离变换、生成尺度空间、构造高斯差分尺度空间、寻找尺度空间特征点以及计算特征距离；3、晶界自动提取，包括画出初始轮廓、水平集演化提取晶界、最终确定晶界。通过运用sift算法求取距离变换后图像特征点和计算对应的特征距离，并以此构造初始轮廓，使水平集算法演化效率和精度提高，有效地实现了高精度晶界提取和晶粒测量的要求，克服了以往晶界提取和晶粒测量精度低、效果差的缺陷。此方法具有通俗易懂、适用性强、准确性高的特点。

【技术实现步骤摘要】

本专利技术涉及钢铁材料微观晶粒组织的金相定量智能分析领域，具体涉及一种钢材晶粒的自动晶界提取方法。
技术介绍
随着钢铁材料技术的迅猛发展，如今对各种钢材的研发己经逐渐建立在组成成分、金相组织和性能定量关系的基础上，意即对于钢材可以通过制备和各种后续工艺控制其显微组织从而获得所需的性能。金相定量智能分析正是研究金属材料组成成分、金相组织、制备工艺及性能定量之间关系的重要方法，通过对各种钢材金相组织的定量分析，在其微观组织和宏观性能间构建定量关系。为探明钢中晶粒的组织形态及几何尺寸对钢的力学性能影响规律，就必需对金相组织中晶粒进行精确的边界提取及尺寸测量，以确保其金相组织及性能的可控性。但是这项工作尚处于初步探索阶段，只能依靠人工或半人工测量进行，其效果主要取决于人的主观因素，故必然产生各种主观误差、效率低、提取结果精度低以及大量占用人力成本的问题，从而造成钢材成分、结构、组织和性能的定量关系难以准确建立的后果，这已成为严重影响钢材研发、改良等工作进程的“瓶颈”问题。现有的晶界提取方法有：边缘提取法、阈值分割法和数学形态学等。这些方法均有对噪声敏感，对图像亮度敏感等缺点，往往需要经验丰富的技术人员进行判断之后进行处理分析。因此，提供一种能够应用于金相图像精确提取晶粒边界和晶粒测量的算法是十分必要的。
技术实现思路
为了解决上述问题，本专利技术首先根据sift算法原理设计了一种初始轮廓提取方法，该方法采用对距离变换后的blob图像进行特征点提取，计算特征距离，实现初始轮廓的提取，可以克服水平集算法对初始轮廓的敏感；在确定晶界图像时，提出了对晶粒面积与阈值的比较的方法，结合区域描述子等算法，实现了去除伪晶界，提高提取晶界的准确度等问题。实现本专利技术的技术方案如下：一种钢材晶粒的自动晶界提取方法，包括如下步骤：S1，读入钢材晶粒图像；S2，对晶粒图像预处理；所述预处理包括：S2.1，灰度转换：将钢材晶粒图像利用灰度转换公式转换为灰度图像；S2.2，中值滤波去噪：将滤波模板在图像中漫游，并将模板中心与图中每个像素位置重合，读取模板中各对应像素的灰度值，将这些灰度值从小到大排列，取这一列数据的中间数据，将其赋给对应模板中心位置的像素；S2.3，二值化处理：对步骤S2.2中经过处理得到的目标图像进行二值化分割处理，得到二值图像；S3，对预处理后的晶粒图像进行特征点提取与特征距离的计算；具体包括：S3.1，距离变换：利用距离变换算法对二值化图像进行处理，得到一幅含有大量光斑的blob图像；S3.2，生成尺度空间：将blob图像I(x,y)与不同尺度的高斯函数卷积，得到不同尺度的图像，组合生成尺度空间，来模拟图像数据的多尺度特征；S3.3，构造高斯差分尺度空间：将步骤S3.2生成的不同尺度空间中的各个尺度图像进行依次相减，形成高斯差分尺度空间；高斯差分尺度空间由多层差分图像组成，对每一层差分图像进行采样；S3.4，寻找尺度空间特征点：设定采样点的比较邻域，对每个采样点进行和它所有比较邻域内的点进行比较，如果一个点在其比较邻域中是最大或最小值时，则该采样点是图像在该尺度下的一个特征点；S3.5，计算特征点的特征距离：根据特征点的旋转不变性，计算各个特征点的特征距离；S4，晶界自动提取；具体包括：S4.1，画出初始轮廓：以特征点为圆心，各个特征点的特征距离为半径，画出圆形作为初始轮廓；S4.2，水平集演化提取晶界：将步骤S4.1中得到的初始轮廓作为水平集算法的初始输入量，利用水平集算法对步骤S2.2中值滤波去噪得到的目标图像进行迭代演化，提取出完整晶界；S4.3，确定晶界：将S4.2提取到的晶界区域面积小于一定的阈值范围时，去除这个晶界，直到得到最终的晶界。进一步，所述步骤S2.1中的灰度转换公式为：Gray＝(R×30+G×59+B×11+50)/10。进一步，所述步骤S2.2中的滤波模板设为即g＝median[f(x-1,y-1)+f(x,y-1)+f(x+1,y-1)+f(x-1,y)+f(x,y)+f(x+1,y)+f(x-1,y+1)+f(x,y+1)+f(x+1,y+1)]；其中，median指中值。进一步，所述步骤S2.3中二值化的具体步骤为：S2.3.1，为目标图像的全局阈值选择一个初始估计值T，其中T为目标图像的平均灰度；S2.3.2，用T分割图像，产生两组像素：G1由灰度值大于T的像素组成，G2由小于等于T的像素组成；S2.3.3，分别计算G1和G2像素的平均灰度值m1和m2；S2.3.4，计算一个新的阈值：T＝(m1+m2)/2；S2.3.5，重复步骤S2.3.2到S2.3.4，直到连续迭代中的T值间的差小于一个预定义阈值为止。进一步，所述步骤S3.1的距离变换的实现包括：对二值化后的图像进行扫描，将一幅M×N的图像可以表示为一个二维数组A[i][j](i∈M,j∈N)，其中A[i][j]＝1(i∈M,j∈N)表示目标点，A[i][j]＝0(i∈M,j∈N)表示背景点；设B＝{(x,y)|A[i][j]＝1本文档来自技高网...

【技术保护点】
一种钢材晶粒的自动晶界提取方法，其特征在于，包括如下步骤：S1，读入钢材晶粒图像；S2，对晶粒图像预处理；所述预处理包括：S2.1，灰度转换：将钢材晶粒图像利用灰度转换公式转换为灰度图像；S2.2，中值滤波去噪：将滤波模板在图像中漫游，并将模板中心与图中每个像素位置重合，读取模板中各对应像素的灰度值，将这些灰度值从小到大排列，取这一列数据的中间数据，将其赋给对应模板中心位置的像素；S2.3，二值化处理：对步骤S2.2中经过处理得到的目标图像进行二值化分割处理，得到二值图像；S3，对预处理后的晶粒图像进行特征点提取与特征距离的计算；具体包括：S3.1，距离变换：利用距离变换算法对二值化图像进行处理，得到一幅含有大量光斑的blob图像；S3.2，生成尺度空间：将blob图像I(x,y)与不同尺度的高斯函数卷积，得到不同尺度的图像，组合生成尺度空间，来模拟图像数据的多尺度特征；S3.3，构造高斯差分尺度空间：将步骤S3.2生成的不同尺度空间中的各个尺度图像进行依次相减，形成高斯差分尺度空间；高斯差分尺度空间由多层差分图像组成，对每一层差分图像进行采样；S3.4，寻找尺度空间特征点：设定采样点的比较邻域，对每个采样点进行和它所有比较邻域内的点进行比较，如果一个点在其比较邻域中是最大或最小值时，则该采样点是图像在该尺度下的一个特征点；S3.5，计算特征点的特征距离：根据特征点的旋转不变性，计算各个特征点的特征距离；S4，晶届自动提取；具体包括：S4.1，画出初始轮廓：以特征点为圆心，各个特征点的特征距离为半径，画出圆形作为初始轮廓；S4.2，水平集演化提取晶界：将步骤S4.1中得到的初始轮廓作为水平集算法的初始输入量，利用水平集算法对步骤S2.2中值滤波去噪得到的目标图像进行迭代演化，提取出完整晶界；S4.3，确定晶界：将S4.2提取到的晶界区域面积小于一定的阈值范围时，去除这个晶界，直到得到最终的晶界。...

【技术特征摘要】
1.一种钢材晶粒的自动晶界提取方法，其特征在于，包括如下步骤：S1，读入钢材晶粒图像；S2，对晶粒图像预处理；所述预处理包括：S2.1，灰度转换：将钢材晶粒图像利用灰度转换公式转换为灰度图像；S2.2，中值滤波去噪：将滤波模板在图像中漫游，并将模板中心与图中每个像素位置重合，读取模板中各对应像素的灰度值，将这些灰度值从小到大排列，取这一列数据的中间数据，将其赋给对应模板中心位置的像素；S2.3，二值化处理：对步骤S2.2中经过处理得到的目标图像进行二值化分割处理，得到二值图像；S3，对预处理后的晶粒图像进行特征点提取与特征距离的计算；具体包括：S3.1，距离变换：利用距离变换算法对二值化图像进行处理，得到一幅含有大量光斑的blob图像；S3.2，生成尺度空间：将blob图像I(x,y)与不同尺度的高斯函数卷积，得到不同尺度的图像，组合生成尺度空间，来模拟图像数据的多尺度特征；S3.3，构造高斯差分尺度空间：将步骤S3.2生成的不同尺度空间中的各个尺度图像进行依次相减，形成高斯差分尺度空间；高斯差分尺度空间由多层差分图像组成，对每一层差分图像进行采样；S3.4，寻找尺度空间特征点：设定采样点的比较邻域，对每个采样点进行和它所有比较邻域内的点进行比较，如果一个点在其比较邻域中是最大或最小值时，则该采样点是图像在该尺度下的一个特征点；S3.5，计算特征点的特征距离：根据特征点的旋转不变性，计算各个特征点的特征距离；S4，晶届自动提取；具体包括：S4.1，画出初始轮廓：以特征点为圆心，各个特征点的特征距离为半径，画出圆形作为初始轮廓；S4.2，水平集演化提取晶界：将步骤S4.1中得到的初始轮廓作为水平集算法的初始输入量，利用水平集算法对步骤S2.2中值滤波去噪得到...

【专利技术属性】
技术研发人员：许桢英，赵稼宸，邹荣，王匀，张琦，朱建栋，
申请(专利权)人：江苏大学，
类型：发明
国别省市：江苏;32