一种基于数学形态学的金相图像边缘检测方法技术

本发明专利技术公开了一种基于数学形态学的金相图像边缘检测方法。该方法为：首先将金相图像转换为对比度均衡的灰度图像，减少噪声，加强边缘信息；然后计算出图像的直方图，直方图归一化，计算直方图的积分，以直方图的积分作为查询表进行图像变换；接着通过自定义的基于迭代法改良的算法，生成两个分割图像的阈值；分别用这两个阈值分割图像的前景图像和背景图像；将两个图像进行与非运算，去除图像中与晶粒体无关的结构；最后通过自定义的多尺度多结构算法，获得晶粒体的边缘图像。本发明专利技术减少了漏检、多检以及误检的边界，提取出来的边缘连续性和光滑性更好，边界的定位更加准确，并且充分考虑了金相图像的特点，针对性更强。

【技术实现步骤摘要】
一种基于数学形态学的金相图像边缘检测方法
本专利技术属于图像处理或者计算机视觉
，特别是一种基于数学形态学的金相图像边缘检测方法。
技术介绍
金相学作为一门综合性学科，研究主要包括以下三个内容：基础理论研究：主要涉及到体视学原理，几何学，拓扑学，概率论和数理统计等数学方法的应用；测试方法和设备仪器的研究：主要包括图像处理与测试技术计算程序和误差分析等；应用研究：主要包括材料学中理论研究的各个方面和材料生产过程的自动检验和控制等。目前定量金相学中，国内外学者对于金相图像处理技术研究比较多，取得的成果比较显著，其中的重点研究的内容包括图像的滤波增强、边缘检测、边界的恢复与重建工作。常用的传统边缘检测算法有：一阶微分边缘检测算子有Robert梯度算子，Sobel算子，Prewitt算子等，这些算子对于噪声比较敏感，抵抗噪声能力比较差，并且在检测边缘的时会加强噪声，计算量也比较大。二阶微分边缘检测的算子有拉普拉斯算子，Kirsh算子和Walks算子等非线性算子，这一类算子类似于高通滤波，有增强高频分量的作用，因而对于噪声更加敏感；尤其是拉普拉斯算子，对于金相图像中的噪声非常敏感，不能正本文档来自技高网...

【技术保护点】
1.一种基于数学形态学的金相图像边缘检测方法，其特征在于，包括以下步骤：步骤1，金相图像的采集和预处理：将金相图像转换为灰度图像，并对该灰度图进行滤波及锐化处理；步骤2，直方图均衡化：计算出图像的直方图，进行直方图归一化，然后计算直方图的积分，最后以直方图的积分作为查询表进行图像变换，得到均衡化后的图像；步骤3，分割金相图像：采用迭代法生成两个分割图像的阈值，分别用这两个阈值分割图像的前景图像和背景图像；步骤4，去除与晶粒体无关的结构：将前景图像和背景图像进行与非运算，去除图像中与晶粒体无关的结构；步骤5，标识图像的晶粒体边界：通过多尺度多结构算法，获得晶粒体的边缘图像。

【技术特征摘要】
1.一种基于数学形态学的金相图像边缘检测方法，其特征在于，包括以下步骤：步骤1，金相图像的采集和预处理：将金相图像转换为灰度图像，并对该灰度图进行滤波及锐化处理；步骤2，直方图均衡化：计算出图像的直方图，进行直方图归一化，然后计算直方图的积分，最后以直方图的积分作为查询表进行图像变换，得到均衡化后的图像；步骤3，分割金相图像：采用迭代法生成两个分割图像的阈值，分别用这两个阈值分割图像的前景图像和背景图像；步骤4，去除与晶粒体无关的结构：将前景图像和背景图像进行与非运算，去除图像中与晶粒体无关的结构；步骤5，标识图像的晶粒体边界：通过多尺度多结构算法，获得晶粒体的边缘图像。2.根据权利要求1所述的基于数学形态学的金相图像边缘检测方法，其特征在于，步骤1所述的金相图像的采集和预处理，具体如下：步骤1.1、图像的采集：首先通过光学显微镜和数码相机采集到金相图像，然后将金相图像输入到计算机中；步骤1.2、图像的预处理：首先将图像进行颜色空间的转换，将彩色图像转换为单通道的灰度图像，对该灰度图进行均值滤波及锐化处理。3.根据权利要求1所述的基于数学形态学的金相图像边缘检测方法，其特征在于，步骤2所述的直方图均衡化，具体如下：首先计算出图像的直方图：其中，n(i)为灰度值为i的像素个数，N为图像的像素总数；然后进行直方图归一化，直方图的组距和是255，接着计算直方图的积分：其中，i和j为图像的灰度值，H'(i)是对于直方图H(i)的积分；最后以H'作为查询表进行图像变换：dst(x,y)＝H'(src(x,y))其中，dst(x,y)为位于(x,y)坐标的目的图像的灰度值，src(x,y)为位于(x,y)坐标的原始图像的灰度值。4.根据权利要求1所述的基于数学形态学的金相图像边缘检测方法，其特征在于，步骤3所述的分割金相图像，具体如下：步骤3.1、针对均衡化后的图像，计算出图像的灰度值最大值δmax和最小值δmin...

【专利技术属性】
技术研发人员：甄海洋，李军，钱世豪，马佶辰，邹奉天，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏,32