[发明专利]铸件的枝状缩松缺陷仿真图像的生成方法及系统

权利要求书

1.铸件的枝状缩松缺陷仿真图像的生成方法，其特征在于，包括以下步骤：

(1)骨架获取与权重赋值：

(1-1)骨架获取：读入铸件的X射线图像，利用固定阈值对缺陷进行二值化，得到互相嵌套的三层模板，分别统计三层模板的梯度及灰度信息；然后运用形态学算法细化三层模板，得到分别代表三层模板的三个骨架；

(1-2)获取骨架后，根据缺陷的形成原理对骨架上的点赋权重；

(2)反几何扩散与二值化：以步骤(1)得到骨架为输入进行反几何扩散，通过骨架上的点的权重值控制反几何扩散次数，同时根据步骤(1)二值化得到的三层模板的面积大小及骨架长度获取灰度阈值，对扩散后的骨架图像进行二值化处理；

(3)灰度赋值：根据步骤(1)统计三层模板得到的梯度及灰度信息为步骤(2)中二值化后的图像进行直方图匹配，使得生成的缺陷与真实缺陷有相似的灰度分布特征；

(4)背景融合：将步骤(3)处理后的缺陷图像与采集到的铸件的X射线图像叠加，并对缺陷边缘区域进行扩散，使得缺陷与背景有自然的过渡。

2.根据权利要求1所述的铸件的枝状缩松缺陷仿真图像的生成方法，其特征在于，步骤(1-1)所述骨架获取，还包括通过matlab绘图随机绘制需要的形状的手绘骨架。

3.根据权利要求1所述的铸件的枝状缩松缺陷仿真图像的生成方法，其特征在于，步骤(1-2)所述根据缺陷的形成原理对骨架上的点赋权重，具体为：

(1-2-1)找出已生成骨架中的最长分枝，将其看作主干：首先将骨架看作一棵N叉树数据结构，通过遍历找到骨架中离顶部最近的点，将此点看作根节点，之后以广度优先遍历算法在8连通域中遍历整个骨架，其中子节点与根节点的距离为其父节点的距离加1，遍历过程完成之后，找到分枝末梢有最大距离值的末梢点，以此末梢点按距离递减依次向上寻找，即可得到骨架的最长分支，即主干；

(1-2-2)将主干上距离根节点处的点的权重赋值为1，从该点起，递归地寻找它相邻的骨架点，每一个相邻的骨架点的比重是在上一点的基础上加1；

(1-2-3)通过遍历找出骨架中权重最大值k_max，则任意骨架点的权重值k即为k＝k_max+1-k。

4.根据权利要求1所述的铸件的枝状缩松缺陷仿真图像的生成方法，其特征在于，步骤(2)所述通过骨架上的点的权重值控制反几何扩散次数，具体为：

设扩散总次数为N，当前扩散次数为n，则对权重的点进行扩散。

5.根据权利要求1所述的铸件的枝状缩松缺陷仿真图像的生成方法，其特征在于，步骤(2)所述根据步骤(1)二值化得到的三层模板的面积大小及骨架长度获取灰度阈值，具体为：

设第i层模板P_i的面积为S_i，由P_i提取的第i层骨架长度为l_i；设经反几何扩散后的第i层骨架长度为l′_i，使用灰度阈值α生成的轮廓模板P′_i的面积为S′_i，则灰度阈值α选取的标准是使得生成模板P′_i与数据收集阶段的模板P_i之间面积误差达到最小值，即使得取值最小。

6.铸件的枝状缩松缺陷仿真图像的生成系统，其特征在于，包括

骨架获取与权重赋值模块，用于读入铸件的X射线图像，并利用固定阈值对缺陷进行二值化，得到互相嵌套的三层模板，分别统计三层模板的梯度及灰度信息；然后运用形态学算法细化三层模板，得到分别代表三层模板的三个骨架；获取骨架后，根据缺陷的形成原理对骨架上的点赋权重；

反几何扩散与二值化模块，用于以骨架为输入进行反几何扩散，通过骨架上的点的权重值控制反几何扩散次数，同时根据二值化得到的三层模板的面积大小及骨架长度获取灰度阈值，对扩散后的骨架图像进行二值化处理；

灰度赋值模块，用于根据统计三层模板得到的梯度及灰度信息为二值化后的图像进行直方图匹配，使得生成的缺陷与真实缺陷有相似的灰度分布特征；

背景融合模块，用于将缺陷图像与采集到的铸件的X射线图像叠加，并对缺陷边缘区域进行扩散，使得缺陷与背景有自然的过渡。