[发明专利]一种基于图像数据的合金钢铸件气孔缺陷检测方法

说明书

本申请涉及图像处理领域，提供一种基于图像数据的合金钢铸件气孔缺陷检测方法，包括：获取合金钢铸件的灰度图像；基于灰度图像确定疑似缺陷区域的图像；基于疑似缺陷区域的图像进行形态相似性计算，确定每一疑似缺陷区域的图像对应的结构元形状；基于结构元形状对灰度图像处理，以进行气孔缺陷检测。该方法利用灰度形态学进行了图像处理，大幅度的抑制了在进行气孔缺陷检测时的图像首要非气孔信息的影响，使得检测结果更加的准确。

技术领域

本申请涉及图像处理技术领域，特别是涉及一种基于图像数据的合金钢铸件气孔缺陷检测方法。

背景技术

合金钢铸件是现代机械工程中使用广泛的高强度、高硬度、高耐磨的重要组成部分，但气孔缺陷是合金钢铸件中最常见的缺陷之一，其存在严重影响着合金钢铸件的力学性能和使用寿命。对合金钢铸件的气孔缺陷进行精准、高效的检测，对提高其质量稳定性、降低成本以及增强市场竞争力具有非常重要的意义。

传统的合金钢铸件气孔缺陷检测方法主要依靠人工目测，如锤打、听声或X射线检测等，这些方法存在人工误差大、效率低等缺陷。同时，随着图像技术的发展和成熟，越来越多的应用开始使用图像数据进行气孔缺陷检测。但是，由于合金钢铸件的复杂性，现有的基于图像数据的气孔缺陷检测方法普遍存在缺陷检测精度低、误报率高等问题。

发明内容

本发明提供一种基于图像数据的合金钢铸件气孔缺陷检测方法，该方法能够提高检测结果准确性。

第一方面，本申请提供一种基于图像数据的合金钢铸件气孔缺陷检测方法，包括：

获取合金钢铸件的灰度图像；

基于灰度图像确定疑似缺陷区域的图像；

基于疑似缺陷区域的图像进行形态相似性计算，确定每一疑似缺陷区域的图像对应的结构元形状；

基于结构元形状对灰度图像处理，以进行气孔缺陷检测。

在一可选实施例中，基于灰度图像确定疑似缺陷区域的图像，包括：

利用边缘检测算法对灰度图像进行边缘检测，获取合金钢铸件的边缘图像；

利用连通域检测算法基于边缘图像进行闭合连通域的检测，以得到疑似缺陷区域的图像。

在一可选实施例中，基于疑似缺陷区域的图像进行形态相似性计算，确定每一疑似缺陷区域的图像对应的结构元形状，包括：

提取每一疑似缺陷区域的图像中每一像素点对应的结构向量，进而得到每一疑似缺陷区域的图像对应的代表向量；其中，结构向量包括预设维度的元素，结构向量表征像素点周围邻域像素点的结构分布情况；

利用每一疑似缺陷区域的图像对应的代表向量计算疑似缺陷区域的形态与现有结构的形态相似性；

选择形态相似性最大的现有结构作为疑似缺陷区域对应的结构元形状。

在一可选实施例中，提取每一疑似缺陷区域的图像中每一像素点对应的结构向量，进而得到每一疑似缺陷区域的图像对应的代表向量，包括：

基于像素点对应的结构向量在疑似缺陷区域的图像中出现的次数，和疑似缺陷区域中边缘像素点的总个数计算像素点对应的结构向量的重要性权值；

基于结构向量的重要性权值、疑似缺陷区域中边缘像素点的总个数以及像素点对应的结构向量计算每一疑似缺陷区域的图像对应的代表向量。

在一可选实施例中，基于结构向量的重要性权值、疑似缺陷区域中边缘像素点的总个数以及像素点对应的结构向量计算每一疑似缺陷区域的图像对应的代表向量，包括：

基于结构向量的重要性权值、疑似缺陷区域中边缘像素点的总个数以及像素点对应的结构向量计算每一疑似缺陷区域的图像对应的初始代表向量；

对初始代表向量进行规范化，得到代表向量。

在一可选实施例中，对初始代表向量进行规范化，得到代表向量，包括：