[发明专利]基于区域增长算法的碳纤维表面缺陷程度估计方法

说明书

本发明公开了一种基于区域增长算法的碳纤维表面缺陷程度估计方法。首先，对碳纤维剖面图像进行图像预处理，得到预处理后的表面缺陷增强图像；然后，在预处理图像的基础上提取碳纤维剖面图像的ROI区域，以便可以更好的找出存在缺陷的区域；之后，利用区域增长算法从图像中分割出所研究碳纤维表面图片的缺陷区域；最后，利用matlab相关程序计算图像中缺陷所占整幅图像的比例，并且可以统计出图片中存在缺陷的个数。本发明不仅能有效的分割出碳纤维材料表面存在的微小缺陷，而且能够计算出微小缺陷在整幅图像中的所占有的比例，为专业人员评估该碳纤维材料的优劣提供一种可靠的衡量指标，起到辅助评估所评估碳纤维材料质量的作用。

技术领域

本发明涉及碳纤维材料表面缺陷的估计，具体涉及一种基于区域增长算法的碳纤维表面缺陷程度估计的方法。

背景技术

图像缺陷是在普通的图像中出现影响整体图像效果或者出现干扰图像信息表达的区域或者内容，使研究人员不能准确的了解图像所传达的信息，进而在研究过程中对计算机识别该图像产生干扰的部分称为图像缺陷。在对碳纤维的加工中，会对碳纤维的表面造成缺陷。碳纤维表面缺陷种类众多，形成的原因也多种多样。碳纤维复合材料加工时,由于层间结合剂强度与纤维本身强度不同以及纤维与切削刃角度不同时表现出的不同的性能,导致钻孔时容易产生撕裂、分层等缺陷。

随着计算机应用的不断发展以及图像处理分析方法的不断提高，用机器视觉的方法对表面形貌进行分割和检测，成为研究机械加工后工件表面形貌的一种新手段。视觉成像的测量，集成度高、可扩展、较稳定，提高检测的灵活性。张慧玲、肖加余等人提出了结合穿透法C扫描和反射法A扫描研究分析碳纤维复合材料制品中常见缺陷的信号特征，从而识别缺陷。郭薇等人利用傅里叶变换及小波变换等方式实现了碳纤维表面缺陷的特征提取和分割。王克奇、马晓明等人采用分形理论和数学形态学进行板材缺陷图像分割和边缘提取。邹丽晖、白雪冰等人利用微分算子边缘检测、最优迭代阔值分割及形态学方法针对具有代表性缺陷死节和虫眼进行分割处理。而基于数学形态的分割方法如分水岭算法对微弱边缘具有良好的响应，但是图像中的噪声、物体表面细微的灰度变化，都会产生过度分割的现象；基于边缘检测的分割算法不适用于多通道图像和特征值相关不大的图像，对图像中不存在明显灰度差异或各物体的灰度值范围有较大重叠的图像分割问题难以得到准确结果图像中噪声信号较多时，目标的灰度值与背景相差无几等情形下，容易丧失部分边界信息。在此基础上，本文提出了一种基于区域增长算法的碳纤维表面缺陷的分割方法，将具有相同特征的联通区域分割出来，能够克服过度分割的现象并提供很好的边界信息和分割结果。针对种子点选取，本文加入了ROI区域的提取得到其种子点的位置，再根据其位置进行区域增长分割，最终自动求得缺陷区域面积占整个图的所占比。为专业人员评估该碳纤维材料的优劣提供一种可靠的衡量指标。

发明内容

本发明针对上述背景，提供一种区域增长算法的碳纤维表面缺陷程度估计的方法，本发明不仅能有效的分割出碳纤维材料表面存在的微小缺陷，而且能够通过相关程序计算出微小缺陷在整幅图像中的所占有的比例，为专业人员评估该碳纤维材料的优劣提供一种可靠的衡量指标，起到辅助评估所评估碳纤维材料质量的作用。

本发明采用的技术方案为：

一种基于区域增长算法的碳纤维表面缺陷程度估计的方法，包括以下步骤：

A，使用电子显微镜500倍拍摄下的碳纤维复合材料表面SEM图。对一幅给定的含有缺陷区域的碳纤维表面SEM图片，对其进行初步的图像预处理，图像的预处理包括图像滤波、图像灰度变换、图像直方图均值化、图像增强，最终输出所需要的图像增强以后的预处理图片；之后的所有实验图片均来源于此处的图像预处理图片；

B,提取碳纤维材料表面ROI区域，为了更好的选取区域增长算法的种子点并进行准确有效的缺陷的提取和分割；

C，采用区域增长算法，对获得ROI区域的图片进行种子点选取及区域增长分割，提取出缺陷区域；