[发明专利]基于图像分割的船舶涂装轮廓检测方法

说明书

技术领域

本发明涉及图像处理技术领域，具体指一种基于图像分割的船舶涂装轮廓检测方法。

背景技术

在造船工业中，船体框架一般由若干块加工后的钢板焊接而成，为了防止钢板被腐蚀，提高船体的外观质量，在焊接之前会对钢板进行喷涂作业，涂层数量根据需要，通常会有2-5层。在焊接过程中，焊接产生的高温会损毁焊接区域周围的涂装，在焊接完成后，损坏的涂装要被打磨掉并重新喷涂。目前，在国内造船厂中，这些工作仍采用人工完成:工人们首先把损坏的涂装全部打磨掉，然后沿着上一次打磨的区域一层一层地向外开坡口，直到把所有的涂层显示出来为止。

实现涂装修补的自动化，同时加强涂装作业无人化的开发研究是提高造船行业生产力、降低成本的有效手段。使用非结构自动化设备(如爬壁机器人)代替人工在船舶表面工作，自动搜寻涂装缺陷位置，自动修补涂装，看起来是一种非常理想的解决方案，但现有的自动化设备缺乏一些核心算法的支持，常用的轮廓检测算法所检测出的轮廓点重复度高、准确性差、断裂，无法满足准确定位的要求，也就无法使自动化设备准确的找到需要修补涂装的精确轮廓，无法实现涂装修补的自动化与无人化。进一步，在船舶涂装轮廓检测中，检测到的轮廓点必须是连续的，轮廓的数量必须是既定的，这些是实现涂装修补自动化的前提条件之一。目前常见的轮廓检测方法一般基于图像灰度的变化来判断图像中的点是否属于轮廓点，使用这些方法检测到的点可能不连续，包含大量非轮廓点，轮廓的数量也是不能设定的。

发明内容

本发明的目的在于克服现有技术存在的缺失和不足，提出一种用于船舶涂装的多阀值轮廓检测方法，考虑到涂装图像的区域性明显，适合图像分割，本发明设计了一种基于图像分割的轮廓检测算法，把各层涂装区域分别提取到一个涂装二值图像中，再从中检测并筛选轮廓，最后验证了该方法的效果。

一种基于图像分割的船舶涂装轮廓检测方法，包括步骤：

图像输入；图像预处理；图像分割；提取涂装二值图像；图像形态学滤波；提取涂装二值图像轮廓；筛选轮廓；输出以像素坐标表示的轮廓点。

图像预处理

图像预处理分为两步:首先把输入图像转为单通道的灰度图像；然后对灰度图像中值滤波。中值滤波器对图像进行着像素处理，当处理每个像素时，会考虑该像素周围一定区域内的像素，把它们按照灰度值的大小排序，选取灰度值的中值来代替当前像素的灰度值。中值滤波可以起到图像平滑的作用，而且对消除椒盐噪声等图像噪声十分有效。

图像分割和提取涂装二值图像

以附图2为例，这是一幅典型的船舶涂装轮廓灰度图像，根据灰度可以把图像分为6个区域，中间的圆形区域1为钢板，区域2-6分别为洋红涂层、灰色涂层、白色涂层、红色涂层、紫红涂层，所有涂层都以灰度方式呈现，这样就可以用5个阈值把图像分割为6个区域，每个区域中的像素具有相同的灰度值。目前已有很多学者通过研究得到了一些多阈值图像分割的算法，它们的基本思路都是给定一个目标函数f(t₁，t₂，…，t_N)。其中t₁，t₂，…，t_N为阈值，N为阈值数量，在区间[0，L－1](L为图像的灰度级)选取t₁，t₂，…，t_N，使f取最大值或最小值。

Otsu方法是一种常用的图像分割方法，它把图像的最大类间方差对应的阈值作为图像分割的最佳阈值。Otsu方法适用于单阈值图像分割，但也可以推广到多阈值，Otsu方法所使用的最大类间方差对分割附图2所示这类区域性明显的图像有着良好的效果。

多阈值Otsu方法的计算式为

式中，f_otsu为最大类间方差，即Otsu方法的目标函数；K＝N+1为图像被N个阈值分割的区域的个数；C_k为第k个分割区域中灰度值的集合；p_i为灰度值i在图像中出现的概率；m_G为图像灰度平均值。f_otsu是以分割阈值t₁，t₂，…，t_N为自变量的函数，把各函数在灰度值区间[0，L－1]的最大值对应的阈值作为最优分割阈值。