[发明专利]一种基于图像处理的熔喷布厚度一致性检测方法

权利要求书

1.一种基于图像处理的熔喷布厚度一致性检测方法，其特征在于，包括以下步骤：

S1、粗定位图像中对应熔喷布过厚或过薄的区域，包括如下步骤：

S11、图像灰度处理：对采集到的图像进行灰度化处理，对RGB三个色彩分量加权平均得到灰度图像，Gray_(i,j)＝0.299*R_(i,j)+0.578*G_(i,j)+0.114*B_(i,j)，其中，Gray_(i,j)代表灰度图像中(i,j)像素点的灰度值，R_(i,j)、G_(i,j)、B_(i,j)代表彩色图像中(i,j)像素点的各色彩分量的值；

S12、图像二值化处理：图像灰度化处理后，基于图像的灰度值，计算整张图像的灰度平均值h₀，设定阈值ω，认定灰度值区间[h₀-ω,h₀+ω]为厚度标准区域；计算图像中灰度值高于h₀+ω的所有像素点的灰度值的平均值为h₁，以h₁为阈值将将图像二值化，大于h₁为过厚区域；计算图像中灰度值低于h₀-ω的所有像素点的灰度值的平均值为h₂，以h₂为阈值将图像二值化，小于h₂为过薄区域；

S13、过滤孤立点：对得到的二值化图像进行邻域滤波，判断二值化图像中所有的白色像素点8邻域中黑色像素点的个数，若黑色像素点个数超过m个，则将该白色像素点的像素值改为0，变成黑色像素点；将孤立点过滤掉，得到有效的过厚或过薄的区域；

S2、精定位图像中对应熔喷布过厚或过薄的区域；

S3、基于所述步骤S2的精定位图像找出熔喷布过厚或过薄区域的轮廓；

所述步骤S2包括：

S21、对得到的二值化图像找出核心对象：二值化图像中有n个白色像素点，对这些白色像素点中的任一像素点A，其ε-邻域表示所有与点A距离小于ε的白色像素点的集合；若点A的ε-邻域中至少包含MinPts个白色像素点，则认为点A为一个核心对象；假定一组邻域参数(ε,MinPts)，遍历图像中的白色像素点，找出所有的核心对象，构成集合Ω₀；

S22、对得到的所有核心对象的集合Ω₀生成聚类簇：从集合Ω₀中任取一个核心对象B，找出由其密度可达的所有白色像素点，这些像素点则构成了一个聚类簇；其中密度可达指一组核心对象序列中，核心对象C和D密度直达，那么核心对象C的ε-邻域中的所有像素点由核心对象D密度可达；将这个聚类簇中包含的核心对象从Ω₀中去除，得到更新的核心对象集合Ω₁，再从更新的核心对象集合Ω₁中任取一个核心对象，生成下一个聚类簇；重复上述过程，直至核心对象集合为空，生成全部的聚类簇；

S23、对得到的全部的聚类簇计算评估系数：计算任一点i的轮廓系数其中，a(i)指簇内不相似度，b(i)指簇间不相似度，将所有点的轮廓系数求平均值，得到聚类结果的总轮廓系数，即得到评估系数；

S24、利用评估系数找出最优解：通过对使用不同组邻域参数的聚类结果的评估系数进行比较，评估系数的值越大，表明聚类效果越好，选取评估系数最大的那组邻域参数作为最优解，通过步骤S21、S22得到最终的聚类簇结果。

2.如权利要求1所述的基于图像处理的熔喷布厚度一致性检测方法，其特征在于，所述步骤S3包括：

S31、对得到的每个所述聚类簇结果寻找其凸包进行轮廓搜索，凸包通过搜索每个聚类簇的点集，将最外层的点连接起来构成凸多边形，能够包含点集中的所有的点，即由聚类得到的过厚或过薄区域的点集得到区域的最大轮廓；

S32、对得到的过厚或过薄区域的最大轮廓优化：在像素坐标系下，利用逼近多边形曲线的方法，所述逼近多边形曲线的方法包括如下步骤：

S321、对于任意两点P₁(x₁,y₁)、P₂(x₂,y₂)，利用计算P₁、P₂之间的距离，找出轮廓中两个距离最远的点A(x_a,y_a)和B(x_b,y_b)，将两点相连，得到线段AB，其方程式为(y_a-y_b)x+(x_b-x_a)y+(y_bx_a-x_by_a)＝0；

S322、利用点P₀(x₀,y₀)到直线AB的距离公式在原来轮廓上找到一个离线段AB距离最远的点C，将该点加入逼近后的新轮廓中；

S323、重复步骤S321和S322，不断迭代，在原轮廓上找到离线段AB最远的点，将这个点添加到新轮廓中，直到所有的点到多边形的最短距离小于预设的精度值e，即可得到过厚或过薄区域的优化轮廓。