【正文】 值、符號或圖是按照一定的概念和公式產(chǎn)生，反映了圖像或圖像區(qū)域的基本信息和主要特征。 圖像的特征描述圖像描述是圖像處理的核心內(nèi)容。實際上，K均值聚類分割是通過將抽象對象的集合分成由多個相似的對象組成的多個子類的過程，從而可以根據(jù)不同的顏色塊進行聚類，最終可以將具有同種顏色的圖像區(qū)域從整個彩色圖像中劃分出來，以利于后續(xù)的計算機圖像處理。Canny算子與其他邊緣檢測方法的不同之處在于它使用了兩種不同的閾值分別檢測強邊緣和弱邊緣，并且僅當強弱邊緣相連時才將弱邊緣包含在輸出圖像中，因而這種方法容易檢查出真正的弱邊緣。 Canny算子是一類最優(yōu)邊緣算子，它在許多圖像處理領(lǐng)域得到了廣泛運用。最簡單的梯度算子是羅伯特交叉算子（Roberts cross）、普瑞維特算子（Prewitt）和索貝爾算子（Sobel）。 （226）這個矢量的幅度和方向角分別為： （227） （228）在實際中常用小區(qū)域模板卷積來近似計算上式中的偏導數(shù)，對、各用一個模板，則需要兩個模板構(gòu)成一個梯度算子。 梯度對應(yīng)為一階導數(shù)，梯度算子是一階導數(shù)算子，對一個連續(xù)函數(shù)。總之，邊緣檢測就是使用數(shù)學方法提取圖像像元中具有亮度值（灰度）空間方向梯度大的邊、線特征的過程。圖像中某物體邊界上的像素點，其領(lǐng)域?qū)⑹且粋€灰度級變化帶。 利用邊緣檢測來分割圖像，其基本思想就是先檢測出圖像中的邊緣點，再按照某種策略方式將邊沿點連接成輪廓，從而構(gòu)成分割區(qū)域。 邊緣檢測 物體邊緣是以圖像的局部特征不連續(xù)的形式出現(xiàn)的，即指圖像局部亮度變化最顯著的部分，如灰度值的突變、顏色的突變等同時物體的邊緣也是不同區(qū)域的分界處。設(shè)一幅圖像的灰度級為1~m級，灰度值i的像素數(shù)為，則有：像素總數(shù)為： （219）各灰度級的概率為： （220） 通過閾值T將圖像的灰度級劃分為兩組即和則各組產(chǎn)生的概率為：第一組產(chǎn)生的概率： （221）第二組產(chǎn)生的概率： （222）第一組的灰度平均值為： （223）第二組的灰度平均值為： （224）其中是整體圖像的灰度平均值，是閾值為T時的灰度平均值。 最大方差閾值也叫大津閾值，是1980年由日本學者大津展之提出來的，它是在差別與最小二乘法原理的基礎(chǔ)上推導出來的，可得到較好的閾值結(jié)果。常用的閾值確定方法有最小誤差閾值法、最大方差閾值法、最佳閾值法等等。通過對圖像進行二值化操作后可以從圖中提取所需處理圖形的邊緣。 （218） 其中T是輸入圖像中灰度級范圍內(nèi)的一個值。為了分析圖像的相關(guān)特性，常常從圖像中分離出對象物，提取出圖形和背景而進行二值化處理。 灰度閾值法分割 對于只有黑和白的圖像，由于其像素值只取0和1兩個數(shù)值，因而稱為二值圖像。簡而言之，圖像分割就是指將圖像分成各具特征區(qū)域并提取出其中感興趣目標的技術(shù)和過程。為了計算機進一步識別和分析圖像中的目標。在對圖像的研究和應(yīng)用中，我們往往僅對圖像中的某些部分感興趣，這些部分稱為目標或背景。圖像分析的主要內(nèi)容分為二值化圖像處理、圖像的分割和圖像的邊緣檢測等。從而，相對低通濾波和高通濾波而言，同態(tài)濾波更容易突出圖像目標區(qū)域的邊緣特征信息。圖像中的照明分量往往具有變化緩慢的特征，而反射分量則傾向劇烈變化，這使得圖像對數(shù)傅立葉變換中的低頻部分對應(yīng)照明分量，而高頻部分對應(yīng)反射分量。 一幅圖像可以用它的照明分量及反射分量來表示，即： （212）對上式去自然對數(shù)為： （213）對上式傅立葉變換為： （214） 用一個濾波器函數(shù)H來處理，可得到： （215）逆變換到空間域得： （216）對上式兩邊取指數(shù)得： （217） 同態(tài)濾波法的關(guān)鍵在于利用自然對數(shù)的傅立葉變換將圖像中的照明分量和反射分量分開。相應(yīng)地，高通濾波器分為理想高通濾波器、巴特沃斯高通濾波器，指數(shù)高通濾波器等。其相應(yīng)的傳遞函數(shù)如下：理想低通濾波器傳遞函數(shù)為： （26）式26中是理想低通濾波器的截止頻率；是從點到頻域原點的距離，即巴特沃斯低通濾波器傳遞函數(shù)為： （27）式27中n為濾波器的階次，階次越高，濾波效果越理想。低通濾波器的功能即是通過濾波器函數(shù)抑制高頻分量而保留低頻分量，從而達到消除隨機噪聲，削弱邊緣效應(yīng)，起到平滑圖像的作用。其相應(yīng)的頻域濾波框圖如圖24所示，其濾波處理過程分為一下三個步驟：圖 24 頻域濾波處理過程 如果通過增強的高頻信息，如增強圖像的邊緣信息，則為高通濾波，如是為了增強頻譜的低頻信息，如對圖像進行平滑操作，則為低通濾波。 頻域濾波 頻域濾波增強方法是將圖像從空間域變換到頻域，在圖像的頻域空間對圖像進行濾波處理，在頻域空間的濾波與空間域濾波一樣也可以通過卷積運算實現(xiàn)。 當退化圖像用 表示時，用中值濾波器得到的恢復(fù)圖像為：,其中median表示取中值操作。對于奇數(shù)個元素，中值是指按大小排序后中間的數(shù)值；對于偶數(shù)個元素，中值是指排序后中間兩個元素灰度值的平均值。中值濾波 中值濾波是一種典型的非線性濾波技術(shù)?？梢酝ㄟ^閾值法減少由于領(lǐng)域平均產(chǎn)生的模糊效應(yīng)。圖23即是一種圖像陣列選取領(lǐng)域的方法。如對于一幅NN個像素的圖像，平滑處理后得到圖像為且有： （24）式24中S是（x,y）點領(lǐng)域的集合但不包括其本身；M是集合內(nèi)坐標點的總數(shù)。 (a) (b)圖 22 原圖像素點與濾波模板線性平滑濾波 線性低通濾波器是最常用的線性平滑濾波器，實現(xiàn)這種濾波的方法稱為領(lǐng)域平均法。則可知對原圖每個像素都進行這樣的操作后可得到增強圖所有位置的新灰度值。在空域?qū)崿F(xiàn)濾波增強功能的方式都是利用模板卷積，其主要步驟是：①將模板中心與圖像中某個像素位置重合；②將模板系數(shù)與模板下對應(yīng)的像素相乘；③將所有乘積相加；④將和賦值給圖像中對應(yīng)模板中心位置的像素；如圖22（a）所示給出圖像的一部分，其中為一些像素的灰度值，設(shè)有1個的模板如圖22（b）所示，模板為模板系數(shù)。 空間域濾波 空間域濾波是在圖像空間借助模板進行卷積操作完成的。為了消除噪聲常用的空間域濾波方法有線性濾波、中值濾波、自適應(yīng)濾波等方法；頻域增強濾波方法有頻域低通濾波、頻域高通濾波以及同態(tài)濾波。通過變換后的s值只能選擇最靠近的一個灰度級的值，以此對s值進行修正，從而將得到不同的灰度級別，確定出輸入與輸出像素值的映射關(guān)系，將原灰度值映射到變換后圖像所對應(yīng)的灰度級別的灰度值上。 對數(shù)字圖像進行直方圖的均衡化處理時，采用式22變換形式進行灰度變換處理。直方圖修正通常有直方圖均衡化和直方圖規(guī)定化兩大類，直方圖均衡化技術(shù)是把已知灰度概率分布的圖像，經(jīng)過數(shù)學變換，使之演變成一幅具有均勻分布的新圖像，直方圖規(guī)范化是指圖像經(jīng)過處理后，直方圖的分布呈現(xiàn)出指定的形態(tài)，下面就直方圖均衡化灰度變換原理用數(shù)學符號進行直觀地闡述。 若要保持圖像的低端和高端的灰度值不變，把中間的灰度值從到拉伸到到，則可采用式21進行計算： （21） 通過變換后可將需要的圖像細節(jié)灰度拉伸，將不需要的圖像細節(jié)灰度級進行壓縮，從而使圖像細節(jié)信息更加豐富，也會便于計算機辨認進行下一步識別處理。設(shè)圖像變換表達式：，其中為輸入增強前圖像，為輸出增強后的圖像，是對圖像進行處理的操作符?；叶茸儞Q是指更具某種目標條件按一定的變換關(guān)系逐點改變原圖像中的每一個像素灰度值的方法，其主要目的是為了改善圖像質(zhì)量，使圖像的顯示效果更加清晰，灰度變換也叫對比度增強或?qū)Ρ榷壤?。狹義上的圖像增強指加強灰度圖像的明暗對比度，而廣義上的圖像增強還包括圖像模糊處理以及彩色圖像增強等。圖像處理過程流程圖21所示: 圖像輸入灰度變換處理圖像濾波 圖像輸出 圖21 圖像預(yù)處理過程 圖像增強是在對原有圖像的基礎(chǔ)上進行操作的，其目的是得到視覺效果更好或者更有用的新圖像以方便計算機進行進一步的識別處理。 對采集來的圖像進行分析，首先應(yīng)當做的即是對其進行圖像預(yù)處理操作，圖像預(yù)處理包括圖像的灰度變換、圖像的平滑處理、圖像的銳化處理等等。第2章 圖像處理的基本原理及方法 圖像預(yù)處理 圖像預(yù)處理就是在圖像分析中對輸入圖像進行特征取、分割、識別前所進行的處理過程。 本文旨在通過學習基本的matlab圖像處理原理來對無損檢測領(lǐng)域中的X射線檢測像以及油樣分析中的鐵譜分析檢測圖像進行相關(guān)編程操作，達到熟悉和基本掌握matlab圖像處理編程的方法，對檢測圖像做圖像處理、圖像分析及圖像特征提取。國外有數(shù)據(jù)統(tǒng)計機械設(shè)備有70%以上的故障與設(shè)備的磨損狀況有關(guān)，而通過對機械設(shè)備中的潤滑油進行采樣分析來評估機械運行的工作情況，對設(shè)備劣化趨勢即是得到矯正，可以有效的避免惡性事故的發(fā)生和發(fā)展，同時通過對油樣的監(jiān)測及時發(fā)現(xiàn)油質(zhì)劣變的原因和污染狀況，對此及時采取相關(guān)措施，使設(shè)備處于良好的潤滑狀態(tài)，從而減少故障發(fā)生的概率，延長設(shè)備的使用效率，在實現(xiàn)設(shè)備的主動性維護方面意義頗佳。而結(jié)合Matlab數(shù)據(jù)工具箱中的圖像處理方法目前也已廣泛應(yīng)用與無損檢測領(lǐng)域。同時隨著電子技術(shù)及計算機技術(shù)的飛速發(fā)展，計算機圖像處理技術(shù)相關(guān)理論也不斷完善，利用計算機圖像處理可對圖像進行去除噪聲、增強、復(fù)原、分割、提取特征等，該項處理技術(shù)已廣泛應(yīng)用與通信、控制、故障檢測等相關(guān)領(lǐng)域。 隨著現(xiàn)代工業(yè)的飛速發(fā)展，在滿足產(chǎn)品使用性能的基礎(chǔ)上，人們更加側(cè)重與對產(chǎn)品的使用壽命以及缺陷特性進行分析，以確保產(chǎn)品在設(shè)計壽命年限內(nèi)能夠具有較好的可靠性，可行性。因此，數(shù)字圖像一般的表述形式為二維函數(shù)的矩陣，如式11： （11） 投入無損檢測技術(shù)領(lǐng)域的研究是一項非常有意義的研究課題，目前無損檢測技術(shù)作為一種綠色檢測技術(shù)，逐漸替代了傳統(tǒng)的對環(huán)境產(chǎn)生較大的檢測方法，對材料也不會造成破壞或者對材料造成二次污染。當一張圖片轉(zhuǎn)化為數(shù)字圖片后，我們可以在每個像素上面都可得到該像素量化后的亮度值和顏色值。位圖圖像由一個個的像素組成，每一個像素代表一個特定的圖像信息。矢量圖是利用一系列數(shù)學表達式來表述圖像，優(yōu)點為隨著圖像的放大或者縮小，不會降低圖像的清晰度。在圖像處理過程中，對照片中的信息進行數(shù)字化離散，轉(zhuǎn)化為計算機可以識別的數(shù)字圖像。對于一張普通的照片，照片中的信息在空間上是連續(xù)的，計算機并不能讀取這種連續(xù)的信息。一幅真實的圖像并不能直接被計算機識別，需要以計算機圖像文件的形式存貯于計算機中圖像按照信息的連續(xù)性可以分為兩類，即模擬圖像和數(shù)字圖像。其在國民經(jīng)濟建設(shè)及國防建設(shè)的各個部門如航空、艦船、鐵路、以及汽車、液壓、機床、礦山、石油等機械設(shè)備的狀態(tài)監(jiān)測與故障診斷方面，都得到了廣泛的應(yīng)用。目前鐵譜分析儀主要有兩種類型：一種是直讀式鐵譜儀，一種是分析式鐵譜儀。鐵譜分析即是一種借助磁力將油液中的金屬顆粒分離出來，并對這些顆粒進行分析的技術(shù)。 油樣鐵譜分析簡介 油樣鐵譜分析是油樣分析技術(shù)中一項重要的油樣分析檢測技術(shù)。它們已成為生產(chǎn)中的常規(guī)無損檢測技術(shù)。目前，無損檢測技術(shù)正向快速化、標準化、數(shù)字化、程序化和規(guī)范化的方向發(fā)展。第三階段為無損評價，不但進行產(chǎn)品的最終檢驗以及過程工藝參數(shù)的測量，而且當材料中不存在致命缺陷時還要從整體上評價材料中缺陷的分散程度，以及對材料性質(zhì)、動態(tài)響應(yīng)和服役性能指標的實測值進行分析和評價，因此無損評價的內(nèi)容包含無損檢測的內(nèi)容，但比無損檢測更具綜合性。 無損檢測具有悠久的歷史，人們長期以來通過對無損檢測技術(shù)在實踐中的探索以及理論的逐步更新使無損檢測技術(shù)經(jīng)歷了三個發(fā)展階段，早期稱為無損探傷，它的作用是在不損壞產(chǎn)品的前提下，發(fā)現(xiàn)零部件中的缺陷通過人眼觀察、耳聽診斷等，以滿足制造業(yè)與使用的要求。從而產(chǎn)生了一種在不破壞材料形狀、不改變材料使用性能的檢測方法用之來保證零件或材料的可靠性和安全性，這項檢測技術(shù)即是無損檢測