【正文】 mage based on the theory of kmean clustering method. With that, in order to finish the process of image preprocessing I choose to process the image with the methods of image gray adjustment and median filter processing. Then, I obtained the binary image by using maximum variance threshold method. Besides, I made a color indication and edge testing for the image so as to obtain some relative information of the target area. At last, in order to make a shape description about the target area I have chosen to make a research about the freemam code technology and used this technology successfully described a piece of the target area. (5) Making windowsdesigning of GUI matlab for the application of digital image processing into xray nondestructive testing and iron spectrum analysis.Key words: nondestructive testing, iron spectrum analysis，image processing, edge testing, image segmentation目 錄第1章 緒論 1 無損檢測(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。無損檢測(cè)技術(shù)是在不損傷被檢測(cè)對(duì)象的條件下，利用材料內(nèi)部結(jié)構(gòu)的異?；蛘卟牧系娜毕菰跓?、聲、光、電、磁等條件下的反應(yīng)變化，來檢測(cè)材料及其零部件的內(nèi)部和表面缺陷，并能夠?qū)θ毕莸臄?shù)量、形狀、尺寸、分布等做出判斷和評(píng)價(jià)。第二階段稱為無損檢測(cè)，它不但檢驗(yàn)最終產(chǎn)品，而且要檢測(cè)加工過程的工藝參數(shù)。 20世紀(jì)70年代以來是無損檢測(cè)技術(shù)飛速發(fā)展的時(shí)期，主要原因是計(jì)算機(jī)技術(shù)不斷應(yīng)用到無損檢測(cè)領(lǐng)域，同時(shí)無損檢測(cè)本身的新方法和新技術(shù)也不斷出現(xiàn)，從而也使無損檢測(cè)儀器得到很大的提高。 無損檢測(cè)技術(shù)的方法很多，常用的無損檢測(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)。另外，還有各種新型的檢測(cè)方法，如激光全息照相、聲振檢測(cè)、紅外檢測(cè)等。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，因而通過對(duì)工作油液進(jìn)過合理的采樣后進(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。該項(xiàng)技術(shù)的提出者于1971年研制出用于分離磨損顆粒并進(jìn)行觀察分析的儀器即鐵譜儀和鐵譜顯微鏡。通過這項(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。 數(shù)字圖像處理技術(shù)簡(jiǎn)介 圖像處理技術(shù)最早出現(xiàn)于20 世紀(jì)50 年代圖像處理是利用計(jì)算機(jī)對(duì)圖像進(jìn)行圖像數(shù)字化、圖像增強(qiáng)、圖像復(fù)原、提取特征等處理的一類理論技術(shù)。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。為了讓計(jì)算機(jī)讀取照片中的信息，需要對(duì)照片進(jìn)行圖像處理。 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。但對(duì)于復(fù)雜的圖像，很難找到合適的數(shù)學(xué)表達(dá)式。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)值來表述其顏色和亮度。常見的圖片和照片在空間上是平面，一般由兩個(gè)坐標(biāo)變量來確定空間位置。因此，對(duì)無損檢測(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。而無損檢測(cè)技術(shù)作為世界上一項(xiàng)飛速發(fā)展的檢測(cè)技術(shù)，在不損傷產(chǎn)品使用情況的同時(shí)，結(jié)合產(chǎn)品材料的相關(guān)物理特性，光學(xué)特性等性質(zhì)，能夠較好的對(duì)產(chǎn)品中存在的相關(guān)缺陷進(jìn)行識(shí)別，在各個(gè)國(guó)家的工業(yè)等相關(guān)領(lǐng)域?qū)@項(xiàng)優(yōu)勢(shì)的檢測(cè)技術(shù)相當(dāng)重視，而通過使用這種檢測(cè)技術(shù)而帶來的經(jīng)濟(jì)效益也相當(dāng)可觀。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。 而作為現(xiàn)目前發(fā)展迅速的油樣分析檢測(cè)技術(shù)也是針對(duì)實(shí)時(shí)檢測(cè)機(jī)械運(yùn)行故障的一項(xiàng)重要檢測(cè)技術(shù)。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)意義通過鐵譜顯微鏡對(duì)油樣中的油質(zhì)進(jìn)行分析和檢測(cè)。從而，為進(jìn)一步圖像處理技術(shù)的深入學(xué)習(xí)打下堅(jiān)實(shí)的基礎(chǔ)。圖像預(yù)處理的主要目的是消除圖像中無用的信息，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)處理過程中包括特征提取、圖像分割、識(shí)別過程的操作可靠性。其最終目的即是為了提高圖像的綜合質(zhì)量，如去除噪聲，提高圖像顯示的清晰度等等。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)。 圖像灰度變換 圖像的灰度變換處理是圖像增強(qiáng)處理技術(shù)中一種非常基礎(chǔ)和直接的空間域處理方法。 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。另設(shè)和分別代表和在處的灰度值，則圖像變化表達(dá)式可另表示為：。 直方圖修正 直方圖修正是灰度變換的一種方法，它指通過增加圖像像素值分布來對(duì)圖像進(jìn)行增強(qiáng)處理，經(jīng)過直方圖修正后，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)，使圖像的視覺效果得到改善。 數(shù)字圖像中灰度級(jí)為的像素出現(xiàn)的頻率：，其中N為一幅圖像的總像素?cái)?shù)，是出現(xiàn)第k級(jí)灰度的次數(shù)，表示第k個(gè)灰度級(jí)。 （，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)。 圖像的平滑化 數(shù)字圖像中往往存在各種各樣的噪聲如在圖像數(shù)據(jù)傳輸過程中會(huì)引入噪聲，以及通過掃描得到的照片由于灰塵時(shí)噪聲源，最終也會(huì)引入噪聲從而影響圖像的質(zhì)量使獲得的圖像像素值不能真實(shí)反映真實(shí)場(chǎng)景亮度而造成的誤差。通過濾波處理后的圖像看起來圖像效果比較的平滑。其基本特點(diǎn)是讓圖像在傅立葉空間的某個(gè)范圍的分量受到抵制，而讓其他分量不受影響，達(dá)到圖像增強(qiáng)的目的。如過將所在位置與圖（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）通過把響應(yīng)值賦給增強(qiáng)圖，覆蓋原來灰度值為的像素。同時(shí)對(duì)模板系數(shù)設(shè)定不同的值將得到不同的增強(qiáng)效果。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代替每個(gè)像素的灰度。從上式表達(dá)式可得出平滑后圖像中的每個(gè)像素的灰度值均由包含在（x,y）的預(yù)定領(lǐng)域中的的幾個(gè)像素的灰度值的平均值來決定。圖 23 領(lǐng)域平均法選取領(lǐng)域 通過這種方法對(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?？赏ㄟ^式25進(jìn)行具體說明： （25） 式25表明當(dāng)一點(diǎn)及其領(lǐng)域內(nèi)點(diǎn)的灰度的平均值的差不超過規(guī)定的閾值T時(shí)，就保留其原來的灰度值，如果大于閾值T就用其平均值來代替該點(diǎn)的灰度值。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)灰度值的中值來代替指定點(diǎn)的灰度值。中值濾波也是一種典型的低通濾波器，主要用來抑制脈沖噪聲，同時(shí)又具有能較好地保護(hù)目標(biāo)圖像邊緣的特點(diǎn)。W表示以（x,y）為中心的模板區(qū)域。 假定原始圖像，經(jīng)傅立葉變換后為，頻率域平滑濾波就是選擇合適的濾波器函數(shù)對(duì)的頻譜成分進(jìn)行相應(yīng)的調(diào)整，然后在經(jīng)過傅立葉逆變換得到濾波后的圖像。 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。常用的低通濾波器包括理想低通濾波器、巴特沃斯低通濾波器、指數(shù)低通濾波器等。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。其相應(yīng)的傳遞函數(shù)如下：理想高通濾波器傳遞函數(shù)為： （29）巴特沃斯高通濾波器傳遞函數(shù)為： （210）指數(shù)高通濾波器傳遞函數(shù)為： （211）同態(tài)濾波 同態(tài)濾波法是一種將頻域過濾與灰度變換結(jié)合起來的圖像處理方法，它是把圖像的反射模型作為頻域處理的基礎(chǔ)，利用壓縮亮度范圍和增強(qiáng)對(duì)比度來改善圖像的一種處理技術(shù)。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。通過設(shè)計(jì)一個(gè)對(duì)傅立葉變化的高頻分量和低頻分量影響不同的濾波函數(shù)，如果，則濾波函數(shù)將壓縮低頻段，而增強(qiáng)高頻段，最后的結(jié)果是壓縮了圖像的動(dòng)態(tài)范圍，同時(shí)又增強(qiáng)了圖像的對(duì)比度。 圖像分析 圖像分析可以看作是一種描述的過程，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。圖像分割是一種重要的圖像分析技術(shù)。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。需要將這些帶有特殊性質(zhì)的區(qū)域分離提取出來，在此基礎(chǔ)上才能進(jìn)一步對(duì)目標(biāo)進(jìn)行測(cè)量和對(duì)圖像進(jìn)行利用。 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。二值化圖像處理在計(jì)算機(jī)圖像處理中占有很重要的地位。圖像的二值化可根據(jù)式218的閾值處理來進(jìn)行。是二值化后的輸出圖像。 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。下面介紹其中最大方差閾值法的原理。 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。則有兩組間的方差為： （225）從灰度級(jí)范圍中改變T即可求得D（T）的最大值，此時(shí)對(duì)應(yīng)的T值便是閾值。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。由于邊緣是所要提取目標(biāo)和背景的分界線，提取出邊緣才能將目標(biāo)和背景分開，因而邊緣檢測(cè)技術(shù)對(duì)于數(shù)字圖像十分重要。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表示。對(duì)于圖像中的邊緣檢測(cè)可借助空域微分算子通過卷積完成。它在位置（x,y）的梯度可表示成一個(gè)矢量。根據(jù)模板的大小、其中元素值的不同，人們已提出了許多不同的算子。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，通過適當(dāng)?shù)恼{(diào)整T的大小達(dá)到最佳效果。Canny考核邊緣檢測(cè)算子的指標(biāo)從低誤判率，高定位精度即準(zhǔn)確的把邊緣點(diǎn)定位在灰度變化最大的像素上，以及抑制虛假邊緣的考慮出發(fā)推導(dǎo)出了最佳邊緣檢測(cè)算子Canny邊緣檢測(cè)算子。 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)