【技术实现步骤摘要】
本专利技术涉及图像处理，具体涉及一种钢结构锈蚀图像区域快速分割方法。
技术介绍
1、钢结构长时间暴露在空气中，受到空气中水、氧气、污染物和化学物质的影响，会导致钢结构发生锈蚀；若钢结构出现锈蚀会导致钢结构的截面积减小，从而降低钢结构的强度和刚度，严重影响钢结构的性能；因此需要对钢结构进行定期的锈蚀检查。
2、随着计算机视觉技术的发展，计算机视觉技术被广泛应用，通过计算机视觉对钢结构进行锈蚀检查时，通过区域生长算法对钢结构图像进行分割，区域生长算法随机选择种子点，根据种子点进行区域生长，获得钢结构的锈蚀区域，由于钢结构中的锈蚀区域相较于正常区域的面积较小，随机选择的种子点中属于正常区域的种子点较多，而属于锈蚀区域的种子点较少，导致进行分割时，不能快速将锈蚀区域分割出来。
技术实现思路
1、为了解决上述问题，本专利技术提供一种钢结构锈蚀图像区域快速分割方法，所述方法包括：
2、采集钢结构图像；
3、根据灰度值在钢结构图像中对应的像素点的数量，确定多个备选灰度值；根据备选灰度值与相邻灰度值对应的像素点数量的差异，计算每个备选灰度值是锈蚀区域对应的灰度值的可能性；根据备选灰度值是锈蚀区域对应的灰度值的可能性，确定备选像素点；
4、根据备选像素点的局部窗口内所有像素点的灰度值的差异、梯度方向的差异和备选像素点的局部窗口中备选像素点的数量，确定备选像素点的局部窗口属于锈蚀区域的可能性；
5、根据备选像素点的局部窗口属于锈蚀区域的可能性
6、根据备选像素点属于锈蚀区域的可能性与备选像素点的局部窗口中所有备选像素点属于锈蚀区域的可能性的均值的差异，对备选像素点属于锈蚀区域的可能性进行修正；
7、根据备选像素点修正后的属于锈蚀区域的可能性，确定种子点，将种子点输入区域生长算法，通过区域生长算法对钢结构图像进行区域生长，将钢结构图像划分为多个区域。
8、进一步地，所述根据灰度值在钢结构图像中对应的像素点的数量，确定多个备选灰度值，包括：
9、统计获得钢结构图像的灰度直方图，根据预设灰度值范围f内灰度值的频率获得多个极大值，将极大值对应的灰度值作为备选灰度值。
10、进一步地，所述根据备选灰度值与相邻灰度值对应的像素点数量的差异，计算每个备选灰度值是锈蚀区域对应的灰度值的可能性，包括：
11、
12、式中，表示备选灰度值k是锈蚀区域对应的灰度值的可能性，、分别表示灰度值i和灰度值i+1对应的像素点的数量，表示备选灰度值k的局部范围内所有灰度值对应的像素点的数量的平均值，表示备选灰度值k的局部范围内所有灰度值对应的像素点的数量的极差，f表示预设数量。
13、进一步地，所述根据备选灰度值是锈蚀区域对应的灰度值的可能性，确定备选像素点，包括：
14、对所有备选灰度值是锈蚀区域对应的灰度值的可能性进行线性归一化，将归一化的结果作为备选灰度值是锈蚀区域对应的灰度值的可能性，如果备选灰度值是锈蚀区域对应的灰度值的可能性大于第一阈值，则将该备选灰度值对应的像素点作为备选像素点。
15、进一步地，所述根据备选像素点的局部窗口内所有像素点的灰度值的差异、梯度方向的差异和备选像素点的局部窗口中备选像素点的数量，确定备选像素点的局部窗口属于锈蚀区域的可能性，包括：
16、
17、式中，p表示备选像素点的局部窗口属于锈蚀区域的可能性，表示备选像素点的灰度值，表示备选像素点的局部窗口中的第j个像素点的灰度值，，分别表示备选像素点的局部窗口中的第j个像素点和第t个像素点的梯度方向，n表示备选像素点的局部窗口中备选像素点的数量，n表示备选像素点的局部窗口中像素点的数量。
18、进一步地，所述根据备选像素点的局部窗口属于锈蚀区域的可能性，以及备选像素点的灰度值是锈蚀区域对应的灰度值的可能性，确定备选像素点属于锈蚀区域的可能性，包括：
19、
20、式中，p表示备选像素点属于锈蚀区域的可能性，p表示备选像素点的局部窗口属于锈蚀区域的可能性，h表示备选像素点的灰度值是锈蚀区域对应的灰度值的可能性。
21、进一步地，所述根据备选像素点属于锈蚀区域的可能性与备选像素点的局部窗口中所有备选像素点属于锈蚀区域的可能性的均值的差异，对备选像素点属于锈蚀区域的可能性进行修正，包括：
22、
23、式中，表示备选像素点修正后的属于锈蚀区域的可能性，p表示备选像素点属于锈蚀区域的可能性，表示备选像素点的局部窗口中所有备选像素点属于锈蚀区域的可能性的均值，表示以自然常数为底的指数函数。
24、进一步地，所述根据备选像素点修正后的属于锈蚀区域的可能性，确定种子点，包括：
25、对所有备选像素点修正后的属于锈蚀区域的可能性进行最大值-最小值归一化，对于归一化后的结果，将修正后的属于锈蚀区域的可能性大于第二阈值的备选像素点作为种子点。
26、进一步地，所述将种子点输入区域生长算法，通过区域生长算法对钢结构图像进行区域生长，将钢结构图像划分为多个区域，包括：
27、将种子点输入区域生长算法，通过区域生长算法对钢结构图像进行区域生长，将钢结构图像划分为多个区域，在区域生长的过程中，利用k2×k2大小的第二窗口进行区域生长，计算像素点的第二窗口属于锈蚀区域的可能性，如果像素点的第二窗口属于锈蚀区域的可能性大于第三阈值，继续进行区域生长；如果像素点的第二窗口属于锈蚀区域的可能性小于或者等于第三阈值，此时停止进行区域生长；k2表示预设第二边长。
28、进一步地，所述备选灰度值k的局部范围的获取方法，包括：
29、将[k-f,k+f]作为备选灰度值k的局部范围。
30、本专利技术的技术方案的有益效果是：本专利技术根据备选灰度值是锈蚀区域对应的灰度值的可能性，确定备选像素点，根据备选像素点的局部窗口属于锈蚀区域的可能性，以及备选像素点的灰度值是锈蚀区域对应的灰度值的可能性，确定备选像素点属于锈蚀区域的可能性，根据备选像素点属于锈蚀区域的可能性与备选像素点的局部窗口中所有备选像素点属于锈蚀区域的可能性的均值的差异，对备选像素点属于锈蚀区域的可能性进行修正，根据备选像素点修正后的属于锈蚀区域的可能性，确定种子点，从钢结构图像中属于锈蚀区域的像素点中确定种子点，使得通过区域生长算法对钢结构图像进行分割时，能够快速将锈蚀区域分割出来，提高分割结果的准确性。
本文档来自技高网...【技术保护点】
1.一种钢结构锈蚀图像区域快速分割方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种钢结构锈蚀图像区域快速分割方法，其特征在于，所述根据灰度值在钢结构图像中对应的像素点的数量，确定多个备选灰度值，包括：
3.根据权利要求1所述的一种钢结构锈蚀图像区域快速分割方法，其特征在于，所述根据备选灰度值与相邻灰度值对应的像素点数量的差异，计算每个备选灰度值是锈蚀区域对应的灰度值的可能性，包括：
4.根据权利要求1所述的一种钢结构锈蚀图像区域快速分割方法，其特征在于，所述根据备选灰度值是锈蚀区域对应的灰度值的可能性，确定备选像素点，包括：
5.根据权利要求1所述的一种钢结构锈蚀图像区域快速分割方法，其特征在于，所述根据备选像素点的局部窗口内所有像素点的灰度值的差异、梯度方向的差异和备选像素点的局部窗口中备选像素点的数量，确定备选像素点的局部窗口属于锈蚀区域的可能性，包括：
6.根据权利要求1所述的一种钢结构锈蚀图像区域快速分割方法，其特征在于，所述根据备选像素点的局部窗口属于锈蚀区域的可能性，以及备选像素点的灰度值是锈蚀
7.根据权利要求1所述的一种钢结构锈蚀图像区域快速分割方法，其特征在于，所述根据备选像素点属于锈蚀区域的可能性与备选像素点的局部窗口中所有备选像素点属于锈蚀区域的可能性的均值的差异，对备选像素点属于锈蚀区域的可能性进行修正，包括：
8.根据权利要求1所述的一种钢结构锈蚀图像区域快速分割方法，其特征在于，所述根据备选像素点修正后的属于锈蚀区域的可能性，确定种子点，包括：
9.根据权利要求1所述的一种钢结构锈蚀图像区域快速分割方法，其特征在于，所述将种子点输入区域生长算法，通过区域生长算法对钢结构图像进行区域生长，将钢结构图像划分为多个区域，包括：
10.根据权利要求3所述的一种钢结构锈蚀图像区域快速分割方法，其特征在于，所述备选灰度值k的局部范围的获取方法，包括：
...【技术特征摘要】
1.一种钢结构锈蚀图像区域快速分割方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种钢结构锈蚀图像区域快速分割方法，其特征在于，所述根据灰度值在钢结构图像中对应的像素点的数量，确定多个备选灰度值，包括：
3.根据权利要求1所述的一种钢结构锈蚀图像区域快速分割方法，其特征在于，所述根据备选灰度值与相邻灰度值对应的像素点数量的差异，计算每个备选灰度值是锈蚀区域对应的灰度值的可能性，包括：
4.根据权利要求1所述的一种钢结构锈蚀图像区域快速分割方法，其特征在于，所述根据备选灰度值是锈蚀区域对应的灰度值的可能性，确定备选像素点，包括：
5.根据权利要求1所述的一种钢结构锈蚀图像区域快速分割方法，其特征在于，所述根据备选像素点的局部窗口内所有像素点的灰度值的差异、梯度方向的差异和备选像素点的局部窗口中备选像素点的数量，确定备选像素点的局部窗口属于锈蚀区域的可能性，包括：
6.根据权利要求1所述的一种钢结构锈蚀图像区域快...
【专利技术属性】
技术研发人员：李青，
申请(专利权)人：山东华中重钢有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。