【正文】 割出來(lái)加以分析。 圖43 銅合金磨粒彩色原圖 下面采用matlab對(duì)圖43進(jìn)行圖像處理，相關(guān)程序流程圖見(jiàn)圖44。圖44 鐵譜圖像處理流程 k均值聚類(lèi)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(lèi)pixel_labels = reshape(cluster_idx,nrows,ncols)。figure。 imshow(pixel_labels,[]), %顯示聚類(lèi)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(hào)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(gè)聚類(lèi)區(qū)域title(39。第一個(gè)聚類(lèi)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(gè)聚類(lèi)區(qū)域title(39。第二個(gè)聚類(lèi)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(gè)聚類(lèi)區(qū)域title(39。第三個(gè)聚類(lèi)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(jiàn)圖45：圖45 聚類(lèi)分割后結(jié)果 結(jié)果顯示通過(guò)k均值聚類(lèi)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(lái)。接下來(lái)進(jìn)一步對(duì)包含銅合金特征區(qū)域的圖像進(jìn)行計(jì)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。灰度均衡后的銅合金灰度圖像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(kāi)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€(gè)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(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)。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(guò)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(duì)區(qū)域添加白色邊界線endtitle(39。對(duì)各區(qū)域添加顏色進(jìn)行顯示39。)。%%%%%%%%%%%%%%%%%%%%%%對(duì)區(qū)域添加最小外接矩形%%%%%%%%%%%%%status=regionprops(BW,39。BoundingBox39。)。figure,imshow(BW)。 title(39。對(duì)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)程序運(yùn)行結(jié)果的圖像以及參數(shù)信息如下： 圖 47 轉(zhuǎn)化為二值圖像 圖 48 特征區(qū)域進(jìn)行顏色標(biāo)記 圖49 最小外界矩形方法分析二值圖像 圖 410 圖像邊緣輪廓檢測(cè)結(jié)果表41是以圖47中的顏色標(biāo)記區(qū)域?qū)Ω魈卣鲄^(qū)域的相關(guān)特征參數(shù)進(jìn)行描述，通過(guò)提取這些參數(shù)，有利于鐵譜分析檢測(cè)中對(duì)磨粒的大小、形狀檢測(cè)，并進(jìn)一步評(píng)估機(jī)械零件中所存在的故障嚴(yán)重程度，以及是否這些磨粒的參數(shù)性質(zhì)滿足正常工作的條件等等。表41 圖像形狀描述%%%%%%%%%%%%%%%%%%%%%%對(duì)某個(gè)特征區(qū)域進(jìn)行形狀描述%%%%%%%%%%%%%%%%%%%%%%[m,n]=size(BW)。for i =1:mfor j=1:4*n/5if BW(i,j)0BW(i,j)=0。endendendBW1=BWfigure,imshow(BW1)。chaincode4=chaincode4(BW1)chaincode8=chaincode8(BW1)圖411是運(yùn)行程序后從幾塊區(qū)域中作提取出來(lái)靠近右上方的一小塊特征區(qū)域。 圖 411 提取某個(gè)特征區(qū)域?yàn)樘崛∧繕?biāo)形狀的Freemam鏈碼，在此在matlab中創(chuàng)建了4方向鏈碼和8方向鏈碼的M文件，,，具體相關(guān)程序見(jiàn)附錄1。由上面的程序運(yùn)行得到的兩個(gè)方向碼的具體編碼如下:Chaincode4= [3 2 3 2 3 0 3 0 0 1 0 1 1 2 1 2]Chaincode8= [5 5 6 7 0 0 1 2 2 3 4] 下面采用7*7的邊長(zhǎng)為1cm的正方形方格分別來(lái)表述兩種方向碼情況下的圖像形狀。其中s為鏈碼起點(diǎn)。圖 412 4方向碼標(biāo)記下的圖形處理形狀結(jié)果圖413 8方向碼標(biāo)記下的圖形處理形狀結(jié)果 通過(guò)比較分析采用8方向碼所描述的輪廓形狀更加接近原圖像的實(shí)際形狀。選擇圖片 本章小結(jié) 本章通過(guò)采用圖像處理技術(shù)中的k均值聚類(lèi)分割對(duì)鐵譜圖像中的感興趣的特征區(qū)域進(jìn)行了有效的劃分出來(lái)，得到帶有彩色的特征區(qū)域，然后通過(guò)轉(zhuǎn)化成灰度圖像進(jìn)行了進(jìn)一步的圖像處理，提取出了特征區(qū)域的相關(guān)特征值，為鐵譜圖像中磨粒的大小、形狀對(duì)機(jī)械零件磨損的反映情況提供了有效地信息。同時(shí)探討了采用方向碼的手段來(lái)表達(dá)區(qū)域的輪廓形狀，從而對(duì)特征區(qū)域的形狀描述做了很好的詮釋。第5章 Matlab GUI圖像處理界面設(shè)計(jì) Matlab GUI簡(jiǎn)介隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展人與機(jī)器的通信方式也發(fā)生了深刻的變化，從傳統(tǒng)的命令行通信方式演變成了圖形界面下的交互通信方式。GUI圖形用戶(hù)界面即是一種通過(guò)鼠標(biāo)等輸入設(shè)備與計(jì)算機(jī)進(jìn)行信息交流的平臺(tái)，通過(guò)選擇需要運(yùn)行的計(jì)算機(jī)程序，就可以控制程序的運(yùn)行。在matlab GUI初始界面中含有多個(gè)可選擇的圖形界面設(shè)置對(duì)象，如按鈕（pushbutton）、單選按鈕（Radio button）、靜態(tài)文本框（static text）、按鈕組（button group）等等。在設(shè)計(jì)界面的過(guò)程中，我們通過(guò)選擇這些對(duì)象，并對(duì)這些對(duì)象加以命令編程就可以很好的完成人與計(jì)算機(jī)的信息交流。圖51為GUI的初始界面顯示。圖51 Matlab GUI初始界面 GUI界面設(shè)計(jì)應(yīng)用 X射線無(wú)損檢測(cè)GUI界面圖52為X射線無(wú)損檢測(cè)GUI界面的總體設(shè)計(jì)構(gòu)思圖：圖52 X射線無(wú)損檢測(cè)GUI總體界面效果 通過(guò)總體界面設(shè)計(jì)可以一目了然的明確所需要做的界面設(shè)計(jì)任務(wù)，接下來(lái)通過(guò)在GUI所生成的M文件中進(jìn)行相關(guān)命令的導(dǎo)入，以完成圖像處理X射線無(wú)損檢測(cè)的GUI界面設(shè)計(jì)。通過(guò)在新創(chuàng)建的GUI生成的M文件中找到各控制對(duì)象的回調(diào)函數(shù)callback然后在該函數(shù)指令下編程輸入相關(guān)執(zhí)行命令，具體編程情況見(jiàn)附錄2 鐵譜圖像處理GUI界面圖53為鐵譜分析圖像處理GUI界面的總體設(shè)計(jì)構(gòu)思圖：圖53 鐵譜圖像處理GUI界面總體設(shè)計(jì)效果，GUI界面的最后顯示結(jié)果見(jiàn)圖54：圖54 GUI界面操作后顯示結(jié)果圖 本章小結(jié) 本章通過(guò)對(duì)圖像處理進(jìn)行GUI界面設(shè)計(jì)，能夠使圖像處理工作者能夠高效地完成對(duì)相關(guān)圖像的處理過(guò)程，省去了繁復(fù)的編程工作，使圖像處理過(guò)程更加便捷。圖52和圖53中是對(duì)前面兩章的圖像處理應(yīng)用情況進(jìn)行了GUI界面設(shè)計(jì)，從而通過(guò)按下各個(gè)功能按鈕即可完成相關(guān)圖像處理操作。結(jié) 論本文通過(guò)將數(shù)字圖像處理技術(shù)很好的融合于無(wú)損檢測(cè)領(lǐng)域，并結(jié)合matlab軟件編程來(lái)具體對(duì)無(wú)損檢測(cè)圖像進(jìn)行圖像處理和分析。文中在后兩章?lián)裰匮芯苛藞D像處理技術(shù)在無(wú)損檢測(cè)和鐵譜分析中的應(yīng)用情況，將圖像處理技術(shù)結(jié)合計(jì)算機(jī)編程實(shí)現(xiàn)了對(duì)X射線無(wú)損檢測(cè)圖像的圖像增強(qiáng)、圖像邊緣檢測(cè)，使圖像顯示效果更加清晰，同時(shí)也實(shí)現(xiàn)了準(zhǔn)確檢測(cè)出特征區(qū)域的線輪廓效果；另外將圖像處理技術(shù)同樣結(jié)合計(jì)算機(jī)編程處理鐵譜檢測(cè)彩色圖像，運(yùn)用了聚類(lèi)分割方法將彩色圖像中的銅合金區(qū)域從圖像中很好的提取出來(lái)，從而進(jìn)一步結(jié)合圖像處理技術(shù)對(duì)提取后的特征區(qū)域進(jìn)行圖像增強(qiáng)、圖像濾波、圖像特征提取、邊緣檢測(cè)以及鏈碼形狀描述，通過(guò)這些從特征區(qū)域提取出來(lái)的信息便于對(duì)機(jī)械故障做進(jìn)一步評(píng)估，達(dá)到了對(duì)機(jī)械設(shè)備故障檢測(cè)的智能化、數(shù)字化效果。通過(guò)采用無(wú)損檢測(cè)技術(shù)對(duì)機(jī)械設(shè)備進(jìn)行故障診斷檢測(cè)，為機(jī)械設(shè)備的運(yùn)行提供了寶貴的信息資料，并給各大機(jī)械行業(yè)的設(shè)備正常運(yùn)行帶來(lái)了巨大的經(jīng)濟(jì)效益，但由于無(wú)損檢測(cè)技術(shù)在處理過(guò)程中仍存在有欠缺的地方如X射線無(wú)損檢測(cè)圖像存在灰度區(qū)間比較窄、缺陷邊緣模糊、圖像噪聲多等特征必須結(jié)合其他處理技術(shù)加以完善。而數(shù)字圖像處理技術(shù)在對(duì)圖像處理的方面通過(guò)五六十年的技術(shù)革新取得了較好的發(fā)展，能夠彌補(bǔ)無(wú)損檢測(cè)圖像中存在的不足，因而我覺(jué)得將圖像技術(shù)運(yùn)用到無(wú)損檢測(cè)中為無(wú)損檢測(cè)提供了更好的技術(shù)支持，無(wú)損檢測(cè)技術(shù)在圖像檢測(cè)分析過(guò)程中將會(huì)進(jìn)一步的向前發(fā)展，所以將這兩方面的技術(shù)交合將為我國(guó)機(jī)械行業(yè)的故障檢測(cè)診斷帶來(lái)更加實(shí)際有效的檢測(cè)結(jié)果以及巨大的經(jīng)濟(jì)效益。數(shù)字圖像處理技術(shù)在圖像處理中具有重要的意義，本文僅對(duì)圖像處理技術(shù)中的一些方法和技術(shù)加以了運(yùn)用，需要我們進(jìn)一步的探索和發(fā)掘圖像處理技術(shù)中優(yōu)點(diǎn)將其進(jìn)一步較深的與無(wú)損檢測(cè)技術(shù)融合起來(lái)，這也是我今后繼續(xù)深造的目標(biāo)。致 謝 本文是在導(dǎo)師郭世偉老師的悉心指導(dǎo)和熱情關(guān)懷下順利完成的。不僅如此，為了我以后的進(jìn)一步深造學(xué)習(xí)，在郭老師的建議下選擇了合適的論文題目作為將來(lái)繼續(xù)深造學(xué)習(xí)的基石，在此，非常感謝導(dǎo)師的悉心指導(dǎo)。同時(shí)，在論文寫(xiě)作工作中也遇到過(guò)不少問(wèn)題，也非常感謝對(duì)我論文提出指導(dǎo)性思想和幫助的同學(xué)。在今后的學(xué)習(xí)中我將以此為支點(diǎn)，更加認(rèn)真的學(xué)好圖像處理技術(shù)的相關(guān)理論知識(shí)，擴(kuò)展其運(yùn)用范圍。參