[发明专利]基于垂直纵横线轮廓特征的复杂结构铸件潜在缺陷检测方法

权利要求书

1.一种基于垂直纵横线轮廓特征的复杂结构铸件潜在缺陷检测方法，其特征在于包括以下步骤：

1)采集复杂结构铸件的X射线图像，采用反锐化掩模算法对图像进行锐化，接着进行灰度级形态学顶帽运算，实现图像预处理；

2)采用Canny边缘检测，标记连通域，再通过连通域像素面积初步筛选获得缺陷可能区域；

3)提取感兴趣区域，求取八个方向上过感兴趣区域中心的纵横线灰度信息，筛选出两条相互垂直的纵横线；

所述的步骤3)具体为：

3.1)针对每个缺陷可能区域在原X射线图像上截取建立一个矩形的感兴趣区域，感兴趣区域的中心为缺陷可能区域的几何中心，感兴趣区域的长为感兴趣区域沿x轴方向最大尺寸的两倍，感兴趣区域的宽设为感兴趣区域沿y轴方向最大尺寸的两倍，并将感兴趣区域的尺寸调整为32×32像素；

3.2)经过感兴趣区域的中心建立八个方向，八个方向分别为与图像x轴或者y轴的正方向呈22.5°×k角度的八个直线所在方向，k取0、1、2、3、4、5、6、7；

3.3)提取感兴趣区域在各方向直线上各个像素点的灰度信息，从八个方向中选取两端点灰度相差最小的方向及与其垂直的方向，分别作为第一纵横线和第二纵横线，将沿第一纵横线和第二纵横线上感兴趣区域各个像素点的灰度信息构建获得第一灰度向量P1和第二灰度向量P2；

4)分析两条纵横线灰度图像轮廓变化特征并消除背景影响，根据轮廓变化特征判定是否为真实缺陷；

所述的步骤4)具体为：

4.1)采用以下方式针对第一灰度向量P1处理获得第一灰度值：

绘制第一纵横线的灰度-坐标图，获得第一纵横线所在方向灰度的变化斜率，表达式如下：

式中，P₁(32)和P₁(1)分别为第一纵横线的灰度-坐标图中坐标最大和最小点对应的灰度值，k₀表示第一纵横线的灰度-坐标图中坐标最大和最小点连线的斜率；

然后采用以下公式针对感兴趣区域中第一纵横线上的像素点进行计算获得各点的第一灰度值：

Q₁(j)＝P₁(j)-P₁(1)-k₀*(j-1)

式中，Q₁(j)为第一纵横线的灰度-坐标图中第j个点消除背景灰度影响后的灰度值，作为第一灰度值，P₁(j)表示第一纵横线的灰度-坐标图中第j个点的灰度值，j表示灰度-坐标图中点的序号，j取1至32的整数；

4.2)采用以下方式针对第一灰度向量P1和第二灰度向量P2处理获得第二灰度值：

取第一灰度向量P1中的第5至28个元素组成第一背景向量PP1，取第二灰度向量P2中的第5至28个元素组成第二背景向量PP2，绘制第一背景向量PP1和第二背景向量PP2的灰度-坐标图，对第一背景向量PP1和第二背景向量PP2采用以下公式计算处理，求得各自的斜率k₁和k₂，表达式如下：

式中，PP₁(24)、PP₁(1)和PP₂(24)、PP₂(1)分别为PP1和PP2灰度-坐标图中坐标最大和最小点对应的灰度值，斜率k₁和k₂分别表示第一背景向量PP1和第二背景向量PP2的两端点之间的斜率；

然后采用以下公式消除第一背景向量PP1和第二背景向量PP2背景影响，获得各点的第二灰度值和第三灰度值，表达式如下：

Q₂(i)＝PP₁(i)-PP₁(1)-k₁*(i-1)

Q₃(i)＝PP₂(i)-PP₂(1)-k₂*(i-1)

式中，PP₁(i)表示第一背景向量PP1的灰度-坐标图中第i个坐标点的灰度值，Q₂(i)为第一背景向量PP1的灰度-坐标图中第i个坐标点消除背景灰度影响后的灰度值，作为第二灰度值；PP₂(i)表示第二背景向量PP2的灰度-坐标图中第i个坐标点的灰度值，Q₃(i)为第二背景向量PP2的灰度-坐标图中第i个坐标点消除背景灰度影响后的灰度值，作为第三灰度值，i取1至24的整数；

4.3)提取轮廓特征

计算获得两条纵横线的轮廓特征，轮廓特征包括将所有第一灰度值Q₁(j)经快速傅里叶变换(FFT)得到的一次谐波幅值F0、将所有第二灰度值Q₂(i)经快速傅里叶变换(FFT)得到的一次谐波幅值F1和将所有第三灰度值Q₃(i)经快速傅里叶变换(FFT)得到的一次谐波幅值F2；

然后利用一次谐波幅值F1和一次谐波幅值F2采用以下公式计算求得所有第二灰度值Q₂(i)和所有第三灰度值Q₃(i)的一次谐波幅值之间的相似度数S0，表达式如下：

式中，F1和F2分别为所有第二灰度值Q₂(i)和所有第三灰度值Q₃(i)的快速傅里叶变换一次谐波幅值；

4.4 )然后根据幅值F0和相似度数S0各自的上下限预设阈值判断获得感兴趣区域是否为真实缺陷的结果：

若幅值F0和相似度数S0均在各自的上限预设阈值和下限预设阈值之间，则感兴趣区域为真实缺陷；否则感兴趣区域不为真实缺陷。