基于天牛须算法和数学形态学的射线图像焊缝提取方法技术

本发明专利技术公开了一种基于天牛须算法和数学形态学的射线图像焊缝提取方法，首先对射线图像预处理，将其灰度化得到灰度图像，同时进行二维自适应维纳滤波处理；然后对灰度图像进行阈值分割，利用天牛须优化算法与聚类思想寻找射线图像二值化处理的最佳阈值，并根据搜寻的最佳阈值对待分割的射线灰度图像进行阈值分割得到二值化图像；最后提取出射线图像的焊缝边缘，对二值化图像进行去噪、对象删除和边界提取，从而获得射线图像的焊缝边缘。本发明专利技术将天牛须优化算法与聚类思想相结合，能够快速、有效的获得射线焊缝二值化图像，同时将多种二值形态学的基本运算有机的结合起来，适用于焊缝图像的边缘提取，能够提取出光滑、连续、不受缺陷区域干扰的焊缝边缘。

【技术实现步骤摘要】
基于天牛须算法和数学形态学的射线图像焊缝提取方法
本专利技术属于射线检测图像缺陷类型识别
，具体涉及一种基于天牛须算法和数学形态学的射线图像焊缝提取方法。
技术介绍
射线检测是检测焊缝内部缺陷的重要无损检测手段，通常利用射线照射被检测的工件，获得与工件内部缺陷和结构对应的射线底片进行缺陷检测。传统的射线底片评价主要依靠人工，但人工评片方式主观性大，一致性差，劳动强度大，因此，利用射线检测焊接缺陷的自动识别技术辅助评片人员完成缺陷识别成为当前研究的重点。由于焊缝缺陷只存在于射线图像的焊缝区域，有效地提取焊缝区域，有利于去除射线图像大量的背景区域，降低计算复杂度。同时，实现缺陷分类的重要特征，如缺陷位置、焊缝区域的纹理特征等都存在于焊缝区域中，因此需要对连续的焊缝边界进行提取，从而得到准确的焊缝区域。然而，大部分焊缝边界提取方法没有考虑焊缝存在缺陷的情况，而由于缺陷也存在边缘且其灰度值较低，当进行焊缝边缘提取时，缺陷边缘也会被不同程度地提取出来，影响了焊缝边缘提取的结果。同时，焊缝提取只是射线检测焊接缺陷类型识别技术体系中的一部分，其提取过程应该迅速、高效，否则将降低缺陷类型识别的效率。因此，迫切需要一种方法在考虑焊缝存在缺陷的同时，快速、有效的提取出具有连续边界的焊缝边缘。
技术实现思路
本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于天牛须算法和数学形态学的射线图像焊缝提取方法，以实现在射线图像焊缝区域缺陷类型识别技术中的应用。本专利技术采用以下技术方案：基于天牛须算法和数学形态学的射线图像焊缝提取方法，首先对射线图像进行预处理，读入射线图像将其灰度化，得到灰度图像，同时进行二维自适应维纳滤波处理；然后对灰度图像进行阈值分割，利用天牛须优化算法与聚类思想寻找射线图像二值化处理的最佳阈值，并根据搜寻的最佳阈值对待分割的射线灰度图像进行阈值分割，得到分割后的二值化图像；最后提取出射线图像的焊缝边缘，采用数学形态学对二值化图像进行去噪、对象删除和边界提取，从而获得射线图像的焊缝边缘。具体的，射线图像的预处理具体为对灰度图像进行二维自适应维纳滤波处理，得到去除噪声后的射线灰度图像f(x，y)。进一步的，利用图像灰度值与聚类中心的误差平方和，构建天牛须优化算法中的目标函数，从而分析并确定射线图像二值化处理的最佳阈值，并根据搜寻的最佳阈值对待分割的射线灰度图像进行阈值分割，得到分割后的二值化图像，具体步骤如下：S201、选取图像灰度值与聚类中心误差平方和作为目标函数；S202、取天牛须优化算法的最大迭代次数为n，天牛的两条须之间的距离为d0，每次迭代完成后步长的缩小倍数为eta；S203、初始化参数；S204、随机选取天牛右须指向左须的归一化方向向量dir；S205、更新天牛的质心坐标x；S206、确定质心坐标的适应度函数值；S207、更新天牛飞行步长step＝eta*step；S208、更新适应度函数最小值Ebest和对应的天牛质心坐标值Xbest，若E(x)＜Ebest，则Xbest＝x，Ebest＝E(x)，反之不变，然后回到步骤S204进行反复迭代，直至达到最大迭代次数；S209、求取灰度图像的最佳分割阈值T，并进行图像分割得到二值化图像。进一步的，由步骤S204～S208获得最终的则为该灰度图像的最佳分割阈值，阈值分割后的二值化图像g(x,y)如下：其中，f(x,y)为原灰度图像，T为阈值，Lmin为图像的最小灰度值。进一步的，步骤S201中，天牛的适应度函数值E(k1,k2)如下：其中，k1、k2代表随机的将灰度图像分成两部分的灰度均值,也是天牛的质心坐标值，k1＜k2；i、j表示灰度值；Lmin、Lmax为图像的最小和最大灰度值；表示每次迭代的分割阈值；Ni、Nj为第i、j个灰度值在图像中出现的次数；N表示图像像素总数。进一步的，步骤S203中，随机的将灰度图像分成两部分，其灰度均值k1、k2作为天牛的初始质心坐标初始适应度函数最小值Ebest＝E(min{k1,k2},max{k1,k2})，Ebest对应的天牛的质心坐标值Xbest＝x0，天牛的初始飞行步长step。进一步的，步骤S205具体为：首先，计算天牛的左须坐标值xl和右须坐标值xr如下：xl＝x+d0*dir/2xr＝x-d0*dir/2然后，依据天牛的适应度函数值求取左右两须的适应度值如下：Eleft＝E(xl)Eright＝E(xr)若Eleft＜Eright，为了寻找误差最小值，则天牛向着左须方向行进距离step，即x＝x+step*dir，反之向着右须方向行进距离step，即x＝x-step*dir。进一步的，利用数学形态学提取射线图像焊缝边缘的具体步骤如下：S301、采用形态学噪声滤除器消除二值化图像的噪声得到图像s(x,y)；S302、对步骤S301获得图像s(x,y)进行二值化取反，然后依据每个像素8领域确定区域的连通性，获得n个像素灰度值均为1的8连通区域s1、s2、s3、···sn；S303、计算连通区域s1、s2、s3、···sn的像素个数，对像素个数最多的两个连通区域进行保留，而将其余的连通区域全部进行二值化取反，即实现焊缝区域内部缺陷点的删除，从而获得焊缝区域内部不包含缺陷点的二值化图像；S304、对步骤S303所获得的图像再进行二值化取反，得到图像s′(x,y)；S305、利用数学形态学中的边界提取对步骤S304所得图像s′(x,y)进行处理，提取出光滑、连续、不受缺陷边缘影响、能正确反映焊缝区域的边界。进一步的，步骤S301中，去噪后的二值化图像s(x,y)如下：其中，g表示阈值分割后的二值化图像g(x,y)，B表示膨胀和腐蚀结构元素。进一步的，最终的焊缝边界Grad如下：其中，s′表示步骤S304取反所得图像s′(x,y)，C表示结构元素。与现有技术相比，本专利技术至少具有以下有益效果：本专利技术提取方法将天牛须优化算法与聚类思想相结合，提出了一种新的图像阈值分割方法并应用于射线焊缝图像中，该方法时间复杂度低，分割效果好，符合人眼视觉，利用数学形态学中的二值形态学基本运算，提出了一套包括去噪、对象删除和边界提取操作的焊缝边缘提取技术，有效的剔除了焊缝区域内部存在的缺陷点以及背景区域的噪声点，从而获得不受缺陷区域干扰且能正确反映焊缝区域的光滑、连续边界。进一步的，首先二维自适应维纳滤波器可有效去除射线灰度图像中存在的噪声点，其次本专利技术的目的是为了提取射线图像的焊缝边缘，而二维自适应维纳滤波器在去噪的同时保留图像的边缘和其他高频部分。进一步的，对射线灰度图像进行阈值分割可获得二值化图像，图像中背景区域和焊缝区域分界线符合人眼视觉，后续可利用二值形态学对二值化图像进行焊缝提取。进一步的，是通过天牛须优化算法对初始随机的聚类中心k1、k2不断优化得到的，由将射线灰度图像分成符合人眼视觉的背景区域和焊缝区域两类。通过最佳分割阈值将射线灰度图像分割成灰度值为0的背景区域以及灰度值为1的焊缝区域，方便后续二值形态学对该二值化图像进行焊缝提取。进一步的，适应度函数值E(k1,k2)是用来评价按照当前聚类中心k1、k2对灰度图像进行聚类的误差，误差越小则说明聚类效果越好，当迭代到一定次数时，适应度函数值E本文档来自技高网...

【技术保护点】
1.基于天牛须算法和数学形态学的射线图像焊缝提取方法，其特征在于，首先对射线图像进行预处理，读入射线图像将其灰度化，得到灰度图像，同时进行二维自适应维纳滤波处理；然后对灰度图像进行阈值分割，利用天牛须优化算法与聚类思想寻找射线图像二值化处理的最佳阈值，并根据搜寻的最佳阈值对待分割的射线灰度图像进行阈值分割，得到分割后的二值化图像；最后提取出射线图像的焊缝边缘，采用数学形态学对二值化图像进行去噪、对象删除和边界提取，从而获得射线图像的焊缝边缘。

【技术特征摘要】
1.基于天牛须算法和数学形态学的射线图像焊缝提取方法，其特征在于，首先对射线图像进行预处理，读入射线图像将其灰度化，得到灰度图像，同时进行二维自适应维纳滤波处理；然后对灰度图像进行阈值分割，利用天牛须优化算法与聚类思想寻找射线图像二值化处理的最佳阈值，并根据搜寻的最佳阈值对待分割的射线灰度图像进行阈值分割，得到分割后的二值化图像；最后提取出射线图像的焊缝边缘，采用数学形态学对二值化图像进行去噪、对象删除和边界提取，从而获得射线图像的焊缝边缘。2.根据权利要求1所述的一种基于天牛须算法和数学形态学的射线图像焊缝提取方法，其特征在于，射线图像的预处理具体为对灰度图像进行二维自适应维纳滤波处理，得到去除噪声后的射线灰度图像f(x，y)。3.根据权利要求1或2所述的一种基于天牛须算法和数学形态学的射线图像焊缝提取方法，其特征在于，利用图像灰度值与聚类中心的误差平方和，构建天牛须优化算法中的目标函数，从而分析并确定射线图像二值化处理的最佳阈值，并根据搜寻的最佳阈值对待分割的射线灰度图像进行阈值分割，得到分割后的二值化图像，具体步骤如下：S201、选取图像灰度值与聚类中心误差平方和作为目标函数；S202、取天牛须优化算法的最大迭代次数为n，天牛的两条须之间的距离为d0，每次迭代完成后步长的缩小倍数为eta；S203、初始化参数；S204、随机选取天牛右须指向左须的归一化方向向量dir；S205、更新天牛的质心坐标x；S206、确定质心坐标的适应度函数值；S207、更新天牛飞行步长step＝eta*step；S208、更新适应度函数最小值Ebest和对应的天牛质心坐标值Xbest，若E(x)＜Ebest，则Xbest＝x，Ebest＝E(x)，反之不变，然后回到步骤S204进行反复迭代，直至达到最大迭代次数；S209、求取灰度图像的最佳分割阈值T，并进行图像分割得到二值化图像。4.根据权利要求3所述的一种基于天牛须算法和数学形态学的射线图像焊缝提取方法，其特征在于，由步骤S204～S208获得最终的则为该灰度图像的最佳分割阈值，阈值分割后的二值化图像g(x,y)如下：其中，f(x,y)为原灰度图像，T为阈值，Lmin为图像的最小灰度值。5.根据权利要求3所述的一种基于天牛须算法和数学形态学的射线图像焊缝提取方法，其特征在于，步骤S201中，天牛的适应度函数值E(k1,k2)如下：其中，k1、k2代表随机的将灰度图像分成两部分的灰度均值,也是天牛的质心坐标值，k1＜k2；i、j表示灰度值；Lmin、Lmax为图像的最小和最...

【专利技术属性】
技术研发人员：姜洪权，高建民，高智勇，王昭，王荣喜，程雷，昌亚胜，贺帅，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西,61