[发明专利]基于形态学处理的自适应钣金图像增强方法

说明书

本发明涉及基于形态学处理的自适应钣金图像增强方法，涉及图像处理技术领域，该方法包括：获取钣金的打磨前灰度图像和打磨后灰度图像；获取打磨后异常对应区域和打磨后正常对应区域；计算打磨后异常对应区域的自适应必要性；获取自适应区域中每个像素点的自适应必要性；根据每个自适应像素点所在自适应区域的像素点总数量、自适应像素点数量得到该自适应像素点的结构元初始尺寸；根据自适应像素点的结构元初始尺寸、邻域内像素点的灰度值确定该自适应像素点的结构元；根据自适应像素点的结构元和统一结构元对打磨后灰度图像进行增强，本发明方法提高了图像的增强效果。

技术领域

本发明涉及图像处理领域，具体涉及基于形态学处理的自适应钣金图像增强方法。

背景技术

钣金工艺一般来说是对金属进行剪、冲或切、折或卷、焊接、表面处理得到合格的金属工件，目前对于钣金图像增强的方法有直方图均衡化，直方图均衡化对于图像的增强太宏观，可能对噪声的影响也进行了增强；因此还有一种形态学领域的图像增强方法，形态学领域的图像增强方法主要为膨胀、腐蚀、开闭运算，能够较好的对噪声和缺陷进行不同的处理。

但是利用形态学邻域的图像增强方法对图像腐蚀或膨胀运算时，结构元的尺寸和形状对图像处理效果影响很大，目前选取结构元通常做法是依据经验和估算，采用这种方法需要经验和人工干预，人工干预需要花费大量时间不断调整，而且人工干预可能出现错误，从而难以取得较好的处理效果，因此，本发明提出一种基于形态学处理的自适应钣金图像增强方法。

发明内容

本发明提供基于形态学处理的自适应钣金图像增强方法，以解决现有的问题。

本发明的基于形态学处理的自适应钣金图像增强方法采用如下技术方案：该方法包括：

获取钣金的打磨前灰度图像和打磨后灰度图像；

根据打磨前灰度图像中每个像素点的灰度值得到打磨前正常区域和打磨前异常区域；获取打磨前异常区域、打磨前正常区域在打磨后灰度图像中对应位置的打磨后异常对应区域、打磨后正常对应区域；

根据每个打磨后异常对应区域、打磨后正常对应区域中像素点的灰度值计算每个打磨后异常对应区域的自适应必要性；根据打磨后异常对应区域的自适应必要性和预设的自适应区域阈值从打磨后异常对应区域中选取自适应区域；

根据自适应区域中每个像素点的灰度值、该像素点邻域内其它像素点的灰度值、该像素点所在自适应区域的自适应必要性计算每个像素点的自适应必要性；利用每个像素点的自适应必要性得到自适应像素点；

根据自适应区域中像素点总数量、自适应像素点数量得到该自适应区域中每个自适应像素点的结构元初始尺寸；

根据每个自适应像素点的结构元初始尺寸获取该自适应像素点的邻域，根据自适应像素点邻域内像素点的灰度值确定该自适应像素点的结构元；利用每个自适应像素点的结构元、其它像素点的统一结构元对打磨后灰度图像中的自适应像素点和其它像素点进行增强，得到增强后的打磨后灰度图像。

进一步，根据打磨前灰度图像中每个像素点的灰度值得到打磨前正常区域和打磨前异常区域的步骤包括：

选取打磨前灰度图像中灰度值最小的像素点作为种子点；

获取种子点邻域内与该种子点的灰度值差值在预设的差值程度阈值范围内的像素点；

将该像素点作为新种子点，并将新种子点与种子点连通形成初始连通域；

根据得到初始连通域的方法处理新种子点扩大初始连通域得到连通域；

获取打磨前灰度图像中未形成连通域的像素点中灰度值最小的像素点作为二次种子点；根据获得连通域的方法获取下一连通域，根据获取下一连通域的方法得到多个连通域；

包含像素点最多的连通域为打磨前正常区域，其他连通域为打磨前异常区域。

进一步，根据每个打磨后异常对应区域、打磨后正常对应区域中像素点的灰度值计算每个打磨后异常对应区域的自适应必要性的步骤包括：

获取打磨后正常对应区域中像素点的灰度值均值；