【正文】 mage segmentation目 錄第1章 緒論 1 無(wú)損檢測(cè)技術(shù)簡(jiǎn)介 1 油樣鐵譜分析簡(jiǎn)介 1 數(shù)字圖像處理技術(shù)簡(jiǎn)介 2 3第2章 圖像處理的基本原理及方法 5 圖像預(yù)處理 5 5 圖像的平滑化 7 圖像分析 12 灰度閾值法分割 13 邊緣檢測(cè) 14 基于彩色圖像的K均值聚類分割 16 圖像的特征描述 16 形狀描述 17第3章 數(shù)字圖像處理技術(shù)應(yīng)用于X射線檢測(cè) 20 X射線無(wú)損檢測(cè)技術(shù)簡(jiǎn)介 20 X射線檢測(cè)原理 20 圖像預(yù)處理 21 21 焊縫圖像濾波 24 圖像分析 30 31 33 本章小結(jié) 34第4章 數(shù)字圖像處理技術(shù)應(yīng)用于油樣鐵譜分析 36 鐵譜分析技術(shù)的基本原理 36 36 數(shù)字圖像技術(shù)應(yīng)用于磨粒檢測(cè)和分析 37 38 本章小結(jié) 46第5章 Matlab GUI圖像處理界面設(shè)計(jì) 47 Matlab GUI簡(jiǎn)介 47 GUI界面設(shè)計(jì)應(yīng)用 47 X射線無(wú)損檢測(cè)GUI界面 47 鐵譜圖像處理GUI界面 48 本章小結(jié) 49結(jié) 論 50致 謝 51參考文獻(xiàn) 52附 錄 54第1章 緒論 無(wú)損檢測(cè)技術(shù)簡(jiǎn)介隨著科學(xué)和工業(yè)技術(shù)的飛速發(fā)展，許多現(xiàn)代化工業(yè)都是工作在工作條件相當(dāng)惡劣如高溫、高壓、高荷載的條件下，但為了使材料在其使用壽命期限內(nèi)不出現(xiàn)失效損壞，以確保其在工作年限內(nèi)正常工作。第二階段稱為無(wú)損檢測(cè)，它不但檢驗(yàn)最終產(chǎn)品，而且要檢測(cè)加工過(guò)程的工藝參數(shù)。 無(wú)損檢測(cè)技術(shù)的方法很多，常用的無(wú)損檢測(cè)技術(shù)有五種：超聲檢測(cè)、射線檢測(cè)、渦流檢測(cè)、磁粉檢測(cè)和滲透檢測(cè)。油液在機(jī)器設(shè)備中的油液通道中循環(huán)流動(dòng)時(shí)，油液中所蘊(yùn)含的各項(xiàng)信息能夠反映機(jī)械設(shè)備的運(yùn)行情況，因而通過(guò)對(duì)工作油液進(jìn)過(guò)合理的采樣后進(jìn)行分析處理后，即可取得機(jī)械設(shè)備中各摩擦副的磨損狀況、磨損發(fā)生部位以及磨損程度等方面的信息。通過(guò)這項(xiàng)技術(shù)的不斷創(chuàng)新，鐵譜分析技術(shù)已經(jīng)成為機(jī)器狀態(tài)監(jiān)測(cè)和故障診斷的一項(xiàng)重要工具。模擬圖像中，圖像的信息顏色、亮度和空間位置是連續(xù)的，而數(shù)字圖像中信息是離散的。 數(shù)字圖像在計(jì)算機(jī)中以兩種方式存儲(chǔ)，即矢量圖和位圖。位圖圖像在將圖像轉(zhuǎn)化為數(shù)字圖像時(shí)，將圖像分割為一個(gè)個(gè)像素，每個(gè)像素由一定的數(shù)值來(lái)表述其顏色和亮度。因此，對(duì)無(wú)損檢測(cè)技術(shù)的繼續(xù)深入研究是符合我國(guó)旨在建設(shè)一個(gè)環(huán)境友好性，資源節(jié)約型國(guó)家的核心要求的。而Matlab軟件作為國(guó)際上公認(rèn)的最優(yōu)秀的科學(xué)計(jì)算與數(shù)學(xué)應(yīng)用軟件之一，也是最近幾年來(lái)在國(guó)內(nèi)外廣泛流行的一種可視化科學(xué)計(jì)算軟件，它集數(shù)值分析、矩陣運(yùn)算、信號(hào)處理和圖像顯示為一體，構(gòu)成了一個(gè)方便的、界面友好的用戶環(huán)境。鐵譜分析作為油樣分析技術(shù)的一種重要檢測(cè)和分析方法，也正是依托上述故障檢測(cè)意義通過(guò)鐵譜顯微鏡對(duì)油樣中的油質(zhì)進(jìn)行分析和檢測(cè)。圖像預(yù)處理的主要目的是消除圖像中無(wú)用的信息，而恢復(fù)圖像有用的信息，顯現(xiàn)圖像的真實(shí)情況，以增強(qiáng)有關(guān)信息的可檢測(cè)性和簡(jiǎn)化處理數(shù)據(jù)，從而提高后續(xù)處理過(guò)程中包括特征提取、圖像分割、識(shí)別過(guò)程的操作可靠性。圖像增強(qiáng)分為兩大部分即狹義上的圖像增強(qiáng)和廣義上的圖像增強(qiáng)。 灰度變換的處理方法也叫做點(diǎn)運(yùn)算方法，點(diǎn)運(yùn)算是一種既簡(jiǎn)單又重要的技術(shù)，它的主要特點(diǎn)是輸入像素點(diǎn)的灰度值決定輸出像素點(diǎn)的灰度值，同時(shí)不改變圖像的空間關(guān)系。 直方圖修正 直方圖修正是灰度變換的一種方法，它指通過(guò)增加圖像像素值分布來(lái)對(duì)圖像進(jìn)行增強(qiáng)處理，經(jīng)過(guò)直方圖修正后，圖像像素值在各個(gè)級(jí)別上都有分布，從而也更容易表現(xiàn)圖像細(xì)節(jié)，使圖像的視覺(jué)效果得到改善。 （，k=0,1,2,L1） （22）其中為輸出圖像中的亮度值，L為灰度級(jí)的總數(shù)。通過(guò)濾波處理后的圖像看起來(lái)圖像效果比較的平滑。如過(guò)將所在位置與圖（a）中灰度值為的像素重合，則模板卷積的輸出響應(yīng)R為： （23）通過(guò)把響應(yīng)值賦給增強(qiáng)圖，覆蓋原來(lái)灰度值為的像素。領(lǐng)域平均法的基本思想是用幾個(gè)像素灰度的平均值來(lái)代替每個(gè)像素的灰度。圖 23 領(lǐng)域平均法選取領(lǐng)域 通過(guò)這種方法對(duì)圖像進(jìn)行濾波處理對(duì)抑制噪聲是有效的，但是隨著領(lǐng)域半徑r的增大，圖像的模糊程度就愈加嚴(yán)重。傳統(tǒng)的中值濾波一般采用含有奇數(shù)個(gè)點(diǎn)的滑動(dòng)窗口，用窗口中各點(diǎn)灰度值的中值來(lái)代替指定點(diǎn)的灰度值。W表示以（x,y）為中心的模板區(qū)域。 低通濾波 圖像從空間域變換到頻域后，其低頻分量對(duì)應(yīng)圖像中灰度值變化比較緩慢的區(qū)域，而高頻分量則表示了圖像中物體的邊緣和隨機(jī)噪聲信息。指數(shù)低通濾波器傳遞函數(shù)為： （28）高通濾波 圖像中物體的邊緣及其他灰度變化較快的區(qū)域與圖像的高頻信息有關(guān)，因而可利用高通濾波器對(duì)圖像的邊緣信息進(jìn)行增強(qiáng)，起到銳化邊緣的作用。這樣同態(tài)濾波函數(shù)就可以分別作用在這兩個(gè)分量上。 圖像分析 圖像分析可以看作是一種描述的過(guò)程，主要是從圖像中提取有用的數(shù)據(jù)和信息，生成非圖的描述和表示。其一般對(duì)應(yīng)著圖像中特定的、具有特殊性質(zhì)的區(qū)域，這些特殊性質(zhì)包括像素的灰度值、物體輪廓曲線、顏色等。 數(shù)字圖像的邊緣檢測(cè)是圖像分割、目標(biāo)區(qū)域識(shí)別、區(qū)域形狀提取等圖像分析領(lǐng)域的基礎(chǔ)部分，也是圖像識(shí)別中提取圖像特征的一個(gè)重要屬性，在對(duì)圖像進(jìn)行圖像理解和分析時(shí)，第一步操作即是邊緣提取，目前邊緣提取技術(shù)已成為機(jī)器視覺(jué)研究領(lǐng)域最活躍的課題之一，在工程上的應(yīng)用也占有十分重要的地位。圖像的二值化可根據(jù)式218的閾值處理來(lái)進(jìn)行。 常用的閾值法處理就是圖像的二值化處理，設(shè)定不同的閾值T對(duì)圖像進(jìn)行二值化處理效果有明顯的差異。 把直方圖在某一閾值處分割成兩組，當(dāng)被分割的兩組間方差為最大時(shí)，確定閾值。圖像邊緣具有方向和幅度兩個(gè)特性，通常沿邊緣的走向灰度變化平滑，垂直于邊緣走向的像素灰度變化劇烈。衡量這種變化最有效的兩個(gè)特征值就是灰度的變化率和變化方向，它們分別以梯度向量的幅值和方向來(lái)表示。它在位置（x,y）的梯度可表示成一個(gè)矢量。其常用的2個(gè)模板如下：Roberts cross： H1=, H2=； Prewitt：H1= ，H2= ； Sobel：H1= ，H2= ； 將模板與原始圖像的像素矩陣進(jìn)行卷積，即可得到梯度： （229）求出梯度后，設(shè)定一個(gè)閾值T，當(dāng)，標(biāo)出該點(diǎn)為邊界點(diǎn)，其像素值設(shè)為0，否則設(shè)為255，通過(guò)適當(dāng)?shù)恼{(diào)整T的大小達(dá)到最佳效果。 基于彩色圖像的K均值聚類分割 對(duì)于給定一幅由多種顏色組成的彩色圖像，我們有時(shí)候是對(duì)彩色圖像中某個(gè)顏色所包含的區(qū)域感興趣，如果是按照先把彩色圖像轉(zhuǎn)化為灰度圖像然后提取相應(yīng)的特征邊緣相對(duì)來(lái)說(shuō)提取過(guò)程比較復(fù)雜，而如果是對(duì)這幅彩色圖像直接實(shí)行K均值聚類分割來(lái)提取圖像中某個(gè)顏色所包含的區(qū)域則能夠得到很好的解決。為了便于有效地研究和應(yīng)用，往往需要用一些簡(jiǎn)單明確的數(shù)值、符號(hào)或圖來(lái)表征所給定的圖像及已分割的圖像區(qū)域。根據(jù)鏈的斜率不同常用的有4方向和8方向的鏈碼，其方向定義如圖25所示： 圖25 4方向碼和8方向碼在4方向碼中，4方向碼的長(zhǎng)度都是一個(gè)像素單位；在8方向碼中，水平和垂直方向的方向碼的長(zhǎng)度都是一個(gè)像素單位；在對(duì)角線方向的4個(gè)方向碼為像素單位的倍。2. 鏈碼的歸一化 使用鏈碼時(shí)，起點(diǎn)的選擇是很關(guān)鍵的。如對(duì)圖26邊界進(jìn)行外接矩形描述： 圖 26 MER法求物體的長(zhǎng)軸和短軸求物體在坐標(biāo)軸上方向上的外接矩形，只需計(jì)算物體邊界點(diǎn)的最大坐標(biāo)值和最小坐標(biāo)值，即可得到物體的水平跨度和垂直跨度。長(zhǎng)寬比為最小外接矩形的寬與長(zhǎng)之比，其定義式為： （231）（4）、致密度致密度也稱復(fù)雜度，有時(shí)也稱分散度，其定義為區(qū)域周長(zhǎng)（P）的平方與面積（A）的比值。 X射線檢測(cè)原理 X射線是在X射線管中，在電場(chǎng)的作用下在陰極處的電子在電場(chǎng)力的作用下電子高速飛向陽(yáng)極靶，電子與陽(yáng)極靶的撞擊過(guò)程中產(chǎn)生。圖33是一幅經(jīng)過(guò)X射線無(wú)損檢測(cè)得到的焊縫缺陷圖樣。F:39。%求出圖像的行數(shù)和列數(shù)N=zeros(256)?；叶戎狈綀D39。)。%將圖像灰度值調(diào)整到一個(gè)合適的灰度范圍f4=floor(double(f3))。 %取出灰度圖像的（i,j）位置的灰度值N(k+1)=N(k+1)+1。 imshow (f) %顯示處理前的圖像 Subplot (1, 2, 2)。%輸入經(jīng)灰度調(diào)整后的圖像subplot(331),imshow(f)。subplot(332),imshow(J)。1 1 1]。for i=1:p(1)3+1for j=1:p(2)3+1c=f1(i:i+(31),j:j+(31)).*h。subplot(333),imshow(d)。 %取出x1中從(I,j)開(kāi)始的n行n列元素,即模板(nn的)e=c(1,:)。 %mm是中值 f3(m+(31)/2,n+(31)/2)=mm。 巴特沃斯低通濾波f1=double(J)。d0=5。for i=1:mfor j=1:nd=sqrt((in1)^2+(jn2)^2)。g2=ifft2(g1)。g4=fftshift(f4)。n1=floor(m/2)。g4(i,j)=h1*g4(i,j)。title(‘巴特沃斯高通濾波處理’) 同態(tài)濾波J=imread(‘F:’)。[m,n]=size(f3)。c=4。h3=(rhrl)*(1exp(c*(d.^2/dd0.^2)))+rl。subplot(338),imshow(f3)title(‘同態(tài)濾波處理’)圖 37 處理前與添加噪聲后的圖像圖38 處理前與領(lǐng)域平均法濾波后的圖像圖39 處理前與中值濾波后的圖像圖310 處理前與低通濾波后的圖像圖311 處理前與高通濾波后的圖像圖312 處理前與同態(tài)濾波后的圖像，中值濾波相對(duì)于領(lǐng)域?yàn)V波法來(lái)說(shuō)可以很好的消除高頻噪聲，而巴特沃斯低通濾波后圖像能夠有效的消除高頻噪聲以及削弱邊緣效應(yīng)，起到平滑圖像的作用。%%%%%%%%%%%%對(duì)原圖進(jìn)行T=20的閾值分割%%%%%%%%%%%%f=imread(39。T1=40。for i=1:s(1)。F:39。for i=1:s(1)。F:39。for i=1:s(1)。F:39。Subplot(231),imshow(f)。Subplot(232),imshow(f1)。title(39。T=8039。)imwrite(BW,’’) 圖 314 不同閾值條件下分割圖像結(jié)果 選用Canny 算子邊緣檢測(cè)對(duì)最大方差閾值分割后的圖像進(jìn)行邊緣檢測(cè)，可以很好的凸顯焊縫缺陷情況。level=graythresh(f)。canny39。)。)Subplot(122),imshow(f1)。f2= imread(39。figure,imshow(K)。39。鐵譜分析技術(shù)對(duì)磨粒的識(shí)別和分析劃分為兩大類，一是定性鐵譜分析，即對(duì)磨損顆粒的表面形態(tài)、尺寸大小進(jìn)行觀測(cè)，通過(guò)對(duì)磨粒的形狀特征、尺寸大小、顏色特質(zhì)等來(lái)判斷機(jī)器零部件中所存在的磨損情況的類型、發(fā)生部位以及其磨損嚴(yán)重程度；二是定量鐵譜分析，即借助鐵譜片上所占不同尺寸的磨粒的百分覆蓋面積來(lái)確定其相對(duì)含量，從而可以定量的評(píng)估機(jī)器設(shè)備的磨損速度。圖41是制取鐵譜基片的工作原理圖。從而進(jìn)一步分析機(jī)器中摩擦副磨損狀況的相關(guān)信息?，F(xiàn)在采用k均值聚類的方法將銅合金所在圖像的區(qū)域分割出來(lái)加以分析。)。)。%rgb空間轉(zhuǎn)換成L*a*b*空間的結(jié)構(gòu)lab_he = applycform(he,cform)。ab = reshape(ab,nrows*ncols,2)。,...39。,3)。image labeled by cluster index39。for k = 1:nColorscolor = he。 subplot(131)imshow(segmented_images{1}), %顯示第一個(gè)聚類區(qū)域title(39。39。)。 %保持特征圖樣subplot(133),imshow(segmented_images{3}), %顯示第三個(gè)聚類區(qū)域title(39。39。 銅合金圖像預(yù)處理f=imread(39。subplot(221),imshow(f)。subplot(222),imshow(f1)。f2=stretchlim(f1)?；叶染夂蟮你~合金灰度圖像39。f5=f4。 %將c矩陣變?yōu)橐粋€(gè)行矩陣subplot(224),imshow(x)。圖46即是通過(guò)上述程序執(zhí)行后的圖像顯示結(jié)果，通過(guò)將銅合金彩色區(qū)域轉(zhuǎn)化成灰度圖像，按照灰度圖像的處理方法對(duì)圖像進(jìn)行了灰度增強(qiáng)、中值濾波，從而達(dá)到比較好的圖像預(yù)處理效果，為計(jì)算機(jī)圖像的下一步圖像分析處理奠定了基礎(chǔ)。title(39。noholes39。%用不同顏色顯示各區(qū)域hold on for k=1:length(B)。,39。對(duì)各區(qū)域添加顏色進(jìn)行顯示39。)。)hold on。edgecolor39。endhold off%%%%%%%%%%%%%%%%%%%%%%提取邊緣輪廓%%%%%%%%%%%%%%%%%%%%%%f6=edge(BW,39。title(39。%標(biāo)記二值圖像中具有白色的區(qū)域stats=regionprops(L,