基于图像处理的半挂车表面焊渣优化分割方法技术

本发明专利技术涉及图像数据处理技术领域，具体涉及一种基于图像处理的半挂车表面焊渣优化分割方法，该方法包括：获取半挂车表面灰度图像中的异常高亮区域；根据每个异常高亮区域的边缘像素点以及边缘像素点的梯度方向得到对应的梯度方向变化程度，进而选取出所有异常高亮区域中的圆滑区域；根据圆滑区域中边缘像素点与最大灰度值的目标点连接的线段上每个像素点的灰度值得到渐变特征，进而选取出渐变特征区域；根据渐变特征区域中每个边缘像素点的梯度方向得到向心程度并区分出保留点和剩余点；根据所有剩余点的梯度方向得到相近程度并结合向心程度均值得到轮廓值，根据轮廓值分割出灰度图像中的焊渣区域，提高了焊渣区域检测的准确性。准确性。准确性。

【技术实现步骤摘要】
基于图像处理的半挂车表面焊渣优化分割方法


[0001]本专利技术涉及图像数据处理
，具体涉及一种基于图像处理的半挂车表面焊渣优化分割方法。

技术介绍

[0002]半挂车作为运输行业中的重要组成部分，其主要用于运输体积较大且不易拆分的大件货物或者大量长途运输某类物品，往往需要较大的承重要求。而半挂车包含梁架在内通常是通过焊接进行组合，而较大的承重量对焊接质量也有着极高的要求，而焊接处存在焊渣可能会引发焊接缺陷得到半挂车的质量不佳，严重时甚至会影响较大的安全隐患，因此需要将焊接处的焊渣清理干净。
[0003]对于焊接处的焊渣，由于其经过高温喷溅，往往会形成灰黑色小块分布于焊接处，一般是通过机器视觉进行检测，利用阈值分割得到黑色小块；但是对于半挂车部分的焊接，由于其整体结构复杂，焊接部位较多，在图像采集进行焊渣检测过程中，无法确保每个焊接部分都被分析到，即使是通过多角度进行图像采集分析，也会存在拐角处出现阴影部分，而阴影部分区域与焊渣区域的灰度特征较为接近，通过传统的阈值分割很难将焊渣区域进行准确的提取，无法保证焊渣区域检测的准确性。

技术实现思路

[0004]为了解决焊渣区域检测准确性低的问题，本专利技术的目的在于提供一种基于图像处理的半挂车表面焊渣优化分割方法，所采用的技术方案具体如下：本专利技术一个实施例提供了一种基于图像处理的半挂车表面焊渣优化分割方法，该方法包括以下步骤：获取半挂车表面的灰度图像，对所述灰度图像进行分割得到异常高亮区域；获取每个所述异常高亮区域的边缘像素点以及每个边缘像素点的梯度方向，基于所述梯度方向获取每个边缘像素点的梯度方向变化程度，并根据所述梯度方向变化程度选取出所有所述异常高亮区域中的圆滑区域；选取所述圆滑区域中最大灰度值的像素点作为目标点，获取所述圆滑区域中边缘像素点与所述目标点连接的线段，并根据所述线段上每个像素点的灰度值得到渐变特征，基于所述渐变特征得到所有所述圆滑区域中的渐变特征区域；根据所述渐变特征区域中每个边缘像素点的梯度方向得到向心程度，选取所述向心程度大于预设阈值的边缘像素点为保留点，所述向心程度不大于预设阈值的边缘像素点为剩余点；根据所有所述剩余点的梯度方向得到所述剩余点之间的相近程度，根据所述相近程度以及所有所述保留点的向心程度均值得到轮廓值；根据每个所述渐变特征区域的轮廓值分割出所述灰度图像中的焊渣区域。
[0005]优选的，所述基于所述梯度方向获取每个边缘像素点的梯度方向变化程度，并根据所述梯度方向变化程度选取出所有所述异常高亮区域中的圆滑区域的步骤，包括：
获取每个边缘像素点对应的邻域范围内的邻域边缘像素点，计算每个邻域边缘像素点的梯度方向与对应边缘像素点的梯度方向之间的差值，所述差值进行余弦运算得到邻域边缘像素点的余弦值；边缘像素点对应的所有邻域边缘像素点的余弦值的均值为所述梯度方向变化程度；预设梯度变化阈值，若所述异常高亮区域中所有边缘像素点的梯度方向变化程度均大于所述梯度变化阈值，所述异常高亮区域为圆滑区域。
[0006]优选的，所述根据所述线段上每个像素点的灰度值得到渐变特征的步骤，包括：以边缘像素点为起点，获取边缘像素点对应的所述线段上，当前像素点与其相邻前一个像素点的灰度差值和灰度差值绝对值；计算所述灰度差值绝对值与所述灰度差值的比值；将所述线段上所有像素点与其相邻前一个像素点之间的比值的平均值作为所述渐变特征。
[0007]优选的，所述根据所述渐变特征区域中每个边缘像素点的梯度方向得到向心程度的步骤，包括：获取每个边缘像素点的梯度方向的反向，梯度方向的反向为180度与所述梯度方向的差值绝对值；以每个边缘像素点指向所述目标点的方向为参考方向；获取每个边缘像素点的梯度方向的反向与所述参考方向的差值，并计算所述差值的余弦值为对应边缘像素点的向心程度。
[0008]优选的，所述根据所有所述剩余点的梯度方向得到所述剩余点之间的相近程度的步骤，包括：获取所有所述剩余点的梯度方向均值；计算每个所述剩余点的梯度方向与所述梯度方向均值的差值，并获取所述差值的余弦值，将所有所述剩余点的余弦值的平均值作为所述相近程度。
[0009]优选的，所述根据所述相近程度以及所有所述保留点的向心程度均值得到轮廓值的步骤，包括：所述轮廓值为所述相近程度与所有所述保留点的向心程度均值的求和结果。
[0010]优选的，所述对所述灰度图像进行分割得到异常高亮区域的步骤，包括：采用大津自适应阈值分割算法得到所述灰度图像中灰度值大于最佳分割阈值的像素点，和所述灰度图像中灰度值不大于最佳分割阈值的像素点；灰度值大于最佳分割阈值的像素点构成白色区域；灰度值不大于最佳分割阈值的像素点构成黑色区域；获取白色区域和黑色区域中每个连通域的面积；将黑色区域中每个连通域的面积与灰度图像的面积的比值作为连通域为阴影部分的概率，当连通域为阴影部分的概率大于设定的阴影阈值时，连通域为阴影区域；当连通域为阴影部分的概率不大于设定的阴影阈值时，连通域为黑色焊渣区域；将白色区域中每个连通域的面积与灰度图像的面积的比值作为连通域为正常部分的概率，当连通域为正常部分的概率小于设定的正常阈值，并且连通域被阴影部分包围时，连通域为异常高亮区域；其中，连通域被阴影部分包围是指连通域的所有相邻连通域均
为阴影区域。
[0011]优选的，所述根据每个所述渐变特征区域的轮廓值分割出所述灰度图像中的焊渣区域的步骤，包括：选取所述轮廓值大于设定的焊渣轮廓阈值的所述渐变特征区域；以选取出的每个所述渐变特征区域的目标点为圆心，对所述渐变特征区域的所有边缘像素点进行圆拟合得到圆形区域；所有所述圆形区域以及黑色焊渣区域为灰度图像中所有的焊渣区域。
[0012]优选的，所述基于所述渐变特征得到所有所述圆滑区域中的渐变特征区域的步骤，包括：当所述圆滑区域中所有的边缘像素点均满足渐变的特征，所述圆滑区域为所述渐变特征区域；判断边缘像素点是否满足渐变的特征的方法为：设定特征阈值，当边缘像素点的渐变特征大于所述特征阈值时，边缘像素点满足渐变的特征。
[0013]本专利技术具有如下有益效果：本专利技术实施例首先通过对灰度图像进行初步分割得到其中的异常高亮区域进行分析，更加针对性的分析能够减少了分析中的计算量；获取每个异常高亮区域中的边缘像素点以及每个边缘像素点对应的梯度方向，通过所有边缘像素点的梯度方向获取梯度方向变化程度，基于梯度方向变化程度反映反光的焊渣区域具有圆滑平缓的边缘这一特征初步选取出所有异常高亮区域中的圆滑区域，对圆滑区域中各像素点的灰度值进行分析，通过圆滑区域中每个边缘像素点到最大灰度值的目标点之间的像素点灰度值进行渐变特征的获取，基于反光的焊渣区域具备的渐变特征再次从圆滑区域中选取渐变特征区域；以边缘平滑以及灰度渐变两个特征综合进行渐变特征区域的选取，得到的渐变特征区域更加准确，且更加符合反光的焊渣区域的特征；进一步的，根据渐变特征区域中边缘像素点的梯度方向这一主要指标得到渐变特征区域的轮廓值，且轮廓值是由不同类型的像素点的向心程度和相近程度结合得到，反映的轮廓信息更加合理和准确本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像处理的半挂车表面焊渣优化分割方法，其特征在于，该方法包括以下步骤：获取半挂车表面的灰度图像，对所述灰度图像进行分割得到异常高亮区域；获取每个所述异常高亮区域的边缘像素点以及每个边缘像素点的梯度方向，基于所述梯度方向获取每个边缘像素点的梯度方向变化程度，并根据所述梯度方向变化程度选取出所有所述异常高亮区域中的圆滑区域；选取所述圆滑区域中最大灰度值的像素点作为目标点，获取所述圆滑区域中边缘像素点与所述目标点连接的线段，并根据所述线段上每个像素点的灰度值得到渐变特征，基于所述渐变特征得到所有所述圆滑区域中的渐变特征区域；根据所述渐变特征区域中每个边缘像素点的梯度方向得到向心程度，选取所述向心程度大于预设阈值的边缘像素点为保留点，所述向心程度不大于预设阈值的边缘像素点为剩余点；根据所有所述剩余点的梯度方向得到所述剩余点之间的相近程度，根据所述相近程度以及所有所述保留点的向心程度均值得到轮廓值；根据每个所述渐变特征区域的轮廓值分割出所述灰度图像中的焊渣区域。2.根据权利要求1所述的一种基于图像处理的半挂车表面焊渣优化分割方法，其特征在于，所述基于所述梯度方向获取每个边缘像素点的梯度方向变化程度，并根据所述梯度方向变化程度选取出所有所述异常高亮区域中的圆滑区域的步骤，包括：获取每个边缘像素点对应的邻域范围内的邻域边缘像素点，计算每个邻域边缘像素点的梯度方向与对应边缘像素点的梯度方向之间的差值，所述差值进行余弦运算得到邻域边缘像素点的余弦值；边缘像素点对应的所有邻域边缘像素点的余弦值的均值为所述梯度方向变化程度；预设梯度变化阈值，若所述异常高亮区域中所有边缘像素点的梯度方向变化程度均大于所述梯度变化阈值，所述异常高亮区域为圆滑区域。3.根据权利要求1所述的一种基于图像处理的半挂车表面焊渣优化分割方法，其特征在于，所述根据所述线段上每个像素点的灰度值得到渐变特征的步骤，包括：以边缘像素点为起点，获取边缘像素点对应的所述线段上，当前像素点与其相邻前一个像素点的灰度差值和灰度差值绝对值；计算所述灰度差值绝对值与所述灰度差值的比值；将所述线段上所有像素点与其相邻前一个像素点之间的比值的平均值作为所述渐变特征。4.根据权利要求1所述的一种基于图像处理的半挂车表面焊渣优化分割方法，其特征在于，所述根据所述渐变特征区域中每个边缘像素点的梯度方向得到向心程度的步骤，包括：获取每个边缘像素点的梯度方向的反向，梯度方向的反向为180度与所述梯度方向的差值绝对值；以每个边缘像素点指向所述目标点的方向为参考方向；获取每个边缘像素点的梯度方向的反向与所述参考方向的差值，并计算所述...

【专利技术属性】
技术研发人员：王来均，赵秋占，
申请(专利权)人：山东恩信特种车辆制造有限公司，
类型：发明
国别省市：