【正文】 像閾值分割的T值進(jìn)行合理的選取來達(dá)到在不嚴(yán)重失真的情況下達(dá)到對圖像的合理分割。%%%%%%%%%%%%對原圖進(jìn)行T=20的閾值分割%%%%%%%%%%%%f=imread(39。F:39。)。f1=double(f)。T1=40。T2=60。T3=80。s=size(f1)。for i=1:s(1)。for j=1:s(2)if f1(i,j)T1f1(i,j)=0。endif f1(i,j)=T1f1(i,j)=255。endendend%%%%%%%%%%%%對原圖進(jìn)行T=60的閾值分割%%%%%%%%%%%%f=imread(39。F:39。)。f2=double(f)。s=size(f2)。for i=1:s(1)。for j=1:s(2)if f2(i,j)T2f2(i,j)=0。endif f2(i,j)=T2f2(i,j)=255。endendend%%%%%%%%%%%%對原圖進(jìn)行T=80的閾值分割%%%%%%%%%%%%f=imread(39。F:39。)。f3=double(f)。s=size(f3)。for i=1:s(1)。for j=1:s(2)if f3(i,j)T3f3(i,j)=0。endif f3(i,j)=T3f3(i,j)=255。endendend%%%%%%%%%%%%對原圖最大方差閾值分割%%%%%%%%%%%%f=imread(39。F:39。)。level=graythresh(f)。%應(yīng)用最大方差閾值法原理進(jìn)行圖像灰度分割BW=im2bw(f,level)。Subplot(231),imshow(f)。title(39。原圖像39。)。Subplot(232),imshow(f1)。title(39。T=4039。)Subplot(233),imshow(f2)。title(39。T=6039。)Subplot(234),imshow(f3)。title(39。T=8039。)Subplot(235),imshow(BW)。title(39。最大方差閾值法39。)imwrite(BW,’’) 圖 314 不同閾值條件下分割圖像結(jié)果 選用Canny 算子邊緣檢測對最大方差閾值分割后的圖像進(jìn)行邊緣檢測，可以很好的凸顯焊縫缺陷情況。：f=imread(39。F:39。)。level=graythresh(f)。BW=im2bw(f,level)。BW1=~BW。f1=edge(BW1,39。canny39。,)。imwrite(f1,39。39。)。Subplot(121),imshow(f)。title(39。原圖像39。)Subplot(122),imshow(f1)。title(39。邊緣檢測圖像39。)。f2= imread(39。F:39。)。K=imadd(f,f2)。figure,imshow(K)。title(39。添加檢測邊界39。)imwrite(K,39。39。)圖 315 原圖像與其檢測邊緣輪廓結(jié)果圖316 顯示檢測邊緣結(jié)果 通過對圖像進(jìn)行邊緣檢測后可以很好的凸顯焊縫缺陷的缺陷信息，如上圖的邊緣檢測圖像，很好的顯示出焊接邊緣以及焊接中出現(xiàn)的氣孔情況。 本章小結(jié) 本章主要是通過把X射線無損檢測圖樣做計算機(jī)圖像處理，對原始圖像中固有的顯示缺陷通過灰度調(diào)整的方法更加清晰的顯示出焊縫的實(shí)際焊接情況，并通過圖像濾波的手段來消除由于偶然因素在原圖像獲取過程中所帶來的高頻噪聲造成對實(shí)際圖像品質(zhì)的影響，并分析了比較了不同濾波方法對圖像處理情況的結(jié)果，為了達(dá)到進(jìn)一步較好的檢測出焊接邊緣，然后對平滑后的圖像采用最大方差閾值分割出包含圖像原始特征的二值圖像，通過對二值圖像做進(jìn)一步的邊緣檢測可以更好的提取出焊接邊緣輪廓，實(shí)現(xiàn)了對X無損檢測圖樣的自動化檢測。第4章 數(shù)字圖像處理技術(shù)應(yīng)用于油樣鐵譜分析 鐵譜分析技術(shù)的基本原理 鐵譜分析技術(shù)的原理即是利用強(qiáng)磁場的作用將機(jī)器設(shè)備摩擦副所產(chǎn)生的磨粒從油液中分離提取出來，并按磨粒尺寸大小比例沉積在鐵譜片上，然后置于鐵譜顯微鏡下進(jìn)行相應(yīng)的觀察。鐵譜分析技術(shù)對磨粒的識別和分析劃分為兩大類，一是定性鐵譜分析，即對磨損顆粒的表面形態(tài)、尺寸大小進(jìn)行觀測，通過對磨粒的形狀特征、尺寸大小、顏色特質(zhì)等來判斷機(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確定其相對含量，從而可以定量的評估機(jī)器設(shè)備的磨損速度。 鐵譜儀的主要用途是從油樣中有效地分離出磨粒，以及制成鐵譜片以對磨粒進(jìn)行相應(yīng)的檢測和分析。目前，常用的鐵譜分析儀主要類型有分析式、直讀式鐵譜儀。下面就其中分析式鐵譜儀的工作原理做進(jìn)一步說明。圖41是制取鐵譜基片的工作原理圖。 圖41 制取鐵譜基片（1微量空氣泵 2試管 3導(dǎo)油管 4強(qiáng)磁鐵 5鐵譜基片 6排油管 7廢油杯） 微量空氣泵將小流量的壓縮空氣壓入大試管中，試管中為從機(jī)器設(shè)備中所采取的油樣，在空氣壓力的作用下，油樣慢慢地從導(dǎo)油管中壓出，滴在以一定角度傾斜放置在強(qiáng)磁鐵上方的鐵譜基片上。油樣在其重力和磁場力作用下按照自身尺寸粒度的大小有序地沉積在鐵譜基片上。通過利用鐵譜顯微鏡觀察鐵譜片上的磨粒，就可以得到磨粒的有關(guān)特性如形態(tài)、大小、粒度分布等分析結(jié)果。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。 數(shù)字圖像技術(shù)應(yīng)用于磨粒檢測和分析 鐵譜片上的磨粒是鐵譜分析的研究對象，將數(shù)字圖像處理技術(shù)與鉄譜分析技術(shù)相結(jié)合，應(yīng)用圖像技術(shù)的相關(guān)原理和方法對鐵譜片上的磨粒圖像進(jìn)行適當(dāng)?shù)膱D像預(yù)處理、圖像分析與識別，實(shí)現(xiàn)了鐵譜診斷的智能化和自動化。圖42為磨粒圖像處理系統(tǒng)圖：鐵譜基片鐵譜顯微鏡CCD攝像頭彩色圖像采集卡（A/D）彩色圖像監(jiān)視器計算機(jī)圖像處理軟件輸出圖42 磨粒圖像處理系統(tǒng) 鐵譜顯微鏡從鐵譜片上觀察得到的磨粒圖像通過CCD攝像，然后經(jīng)彩色圖像采集卡轉(zhuǎn)換成數(shù)字信號，緊接著將該數(shù)字信號送入計算機(jī)存儲為數(shù)字圖像，最后就可以利用數(shù)字圖像技術(shù)在計算機(jī)中對磨粒圖像進(jìn)行分析和處理。 圖43是通過鐵譜顯微鏡觀察得到的一幅銅合金磨粒彩色圖像，其中銅合金很容易借助其特有的微紅黃色加以辨認(rèn)，譜片中其它常見金屬不具有這種色澤。現(xiàn)在采用k均值聚類的方法將銅合金所在圖像的區(qū)域分割出來加以分析。 圖43 銅合金磨粒彩色原圖 下面采用matlab對圖43進(jìn)行圖像處理，相關(guān)程序流程圖見圖44。圖44 鐵譜圖像處理流程 k均值聚類分割he = imread(39。39。)。figure。 imshow(he), %顯示title(39。原鐵譜圖樣39。)。cform = makecform(39。srgb2lab39。)。%rgb空間轉(zhuǎn)換成L*a*b*空間的結(jié)構(gòu)lab_he = applycform(he,cform)。%rgb空間轉(zhuǎn)換成L*a*b*空間ab = double(lab_he(:,:,2:3))。nrows = size(ab,1)。 ncols = size(ab,2)。ab = reshape(ab,nrows*ncols,2)。nColors = 3。[cluster_idx cluster_center] = kmeans(ab,nColors,39。distance39。,...39。sqEuclidean39。, 39。Replicates39。,3)。%進(jìn)行K均值聚類pixel_labels = reshape(cluster_idx,nrows,ncols)。figure。 imshow(pixel_labels,[]), %顯示聚類分割成的三部分title(39。image labeled by cluster index39。)。segmented_images = cell(1,3)。rgb_label = repmat(pixel_labels,[1 1 3])。for k = 1:nColorscolor = he。color(rgb_label ~= k) = 0。%標(biāo)號為k外的其他區(qū)域置0segmented_images{k} = color。endfigure。 subplot(131)imshow(segmented_images{1}), %顯示第一個聚類區(qū)域title(39。第一個聚類區(qū)域39。)。imwrite(segmented_images{1},39。39。)。 %保持特征圖樣subplot(132),imshow(segmented_images{2}), %顯示第二個聚類區(qū)域title(39。第二個聚類區(qū)域39。)。 imwrite(segmented_images{2},39。39。)。 %保持特征圖樣subplot(133),imshow(segmented_images{3}), %顯示第三個聚類區(qū)域title(39。第三個聚類區(qū)域39。)。imwrite(segmented_images{3},39。39。)。 %保持特征圖樣 程序運(yùn)行后的結(jié)果顯示見圖45：圖45 聚類分割后結(jié)果 結(jié)果顯示通過k均值聚類分析后即可將銅合金所在圖像中包含的區(qū)域有效的分割出來。接下來進(jìn)一步對包含銅合金特征區(qū)域的圖像進(jìn)行計算機(jī)圖像分析處理。 銅合金圖像預(yù)處理f=imread(39。39。)。f1=rgb2gray(f)。subplot(221),imshow(f)。title(39。原銅合金彩色圖像39。)。subplot(222),imshow(f1)。title(39。轉(zhuǎn)換成灰度圖像39。)。f2=stretchlim(f1)。f3=imadjust (f1, f2)。 subplot(223),imshow(f3)。title(39?；叶染夂蟮你~合金灰度圖像39。)。%%%%%%%%%%%%%%%%%%%%%%中值濾波圖像處理%%%%%%%%%%%%%%%%%%%%%%p=size(f3)。f4=double(f3)。f5=f4。for m=1:p(1)3+1for n=1:p(2)3+1c=f4(m:m+(31),n:n+(31))。 %取出x1中從(i,j)開始的n行n列元素,即模板(nn的)e=c(1,:)。 %是c矩陣的第一行for u=2:3 e=[e,c(u,:)]。 %將c矩陣變?yōu)橐粋€行矩陣end mm=median(e)。 %mm是中值 f5(m+(31)/2,n+(31)/2)=mm。 %將模板各元素的中值賦給模板中心位置的元素endend%未被賦值的元素取原值 x=uint8(f5)。subplot(224),imshow(x)。title(39。中值濾波處理后39。)。圖46即是通過上述程序執(zhí)行后的圖像顯示結(jié)果，通過將銅合金彩色區(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，為計算機(jī)圖像的下一步圖像分析處理奠定了基礎(chǔ)。圖 46 銅合金彩色圖像圖像預(yù)處理 圖像特征提取level=graythresh(x)。 %應(yīng)用最大方差閾值法原理進(jìn)行圖像灰度分割BW=im2bw(x,level)。 %通過最大方差閾值法得到合適的閾值分割點(diǎn)，分割成二值圖像figure,imshow(BW)。title(39。銅合金的二值圖像39。)。[B,L]=bwboundaries(BW,39。noholes39。)。 %尋找邊緣，不包括孔figure。imshow(label2rgb(L,@jet,[.5 .5 .5]))。%用不同顏色顯示各區(qū)域hold on for k=1:length(B)。boundary=B{k}。plot(boundary(:,2),boundary(:,1),39。w39。,39。LineWidth39。,2)。%對區(qū)域添加白色邊界線endtitle(39。對各區(qū)域添加顏色進(jìn)行顯示39。)。%%%%%%%%%%%%%%%%%%%%%%對區(qū)域添加最小外接矩形%%%%%%%%%%%%%status=regionprops(BW,39。BoundingBox39。)。figure,imshow(BW)。 title(39。對區(qū)域添加最小外接矩形39。)hold on。for i=1:5rectangle(39。position39。,status(i).BoundingBox,39。edgecolor39。,39。r39。)。endhold off%%%%%%%%%%%%%%%%%%%%%%提取邊緣輪廓%%%%%%%%%%%%%%%%%%%%%%f6=edge(BW,39。canny39。,)。figure,imshow(f6)。title(39。圖像特征邊緣輪廓39。)。%%%%%%%%%%%%%%%%%%%%%%提取區(qū)域重要參數(shù)信息%%%%%%%%%%%%%L=bwlabel(BW)。%標(biāo)記二值圖像中具有白色的區(qū)域stats=regionprops(L,39。all39。)。%提取白色區(qū)域中相應(yīng)的參數(shù)信息region1=stats(1)region2=stats(2)region3=stats(3)region4=stats(4)region5=stats(5)