[发明专利]一种基于灰度梯度特征实现碳纤维复合材料表面形貌三维评定的方法

说明书

本发明公开了一种基于灰度梯度特征实现碳纤维复合材料表面形貌三维评定的方法，首先，对碳纤维复合材料表面图像预处理；其次，利用LoG算子得到灰度梯度共生矩阵；然后，求得灰度梯度共生矩阵的15维特征向量；最后，根据求得灰度梯度共生矩阵的15维特征向量，通过对比实验，与仪器测量的三维幅度参数S_q建立联系，并验证得到的规律。本发明基于灰度梯度共生矩阵可以提取碳纤维表面的纹理特征值，并与三维形貌参数建立联系，发现灰度梯度特征中能量和梯度熵与仪器测量的三维幅度参数S_q分别呈递减和递增的关系，三维幅度参数S_q的值越大，碳纤维复合材料表面越粗糙，所以可以通过能量和梯度熵评定碳纤维复合材料表面的粗糙性，在保证准确性的情况下简化碳纤维复合材料表面评定的过程。

技术领域

本发明涉及碳纤维复合材料表面形貌评定，具体涉及一种基于灰度梯度特征实现碳纤维复合材料表面形貌三维评定的方法。

背景技术

碳纤维复合材料作为一种新型无机材料，被广泛的应用于先进复合材料的增强体。碳纤维复合材料表面形貌在很大程度上影响着它的许多技术性能和使用功能，通过分析碳纤维复合材料表面形貌的参数值，可以有效评定表面形貌。

较早对显微视觉测量进行的研究是基于图像的灰度直方图，发现工件表面图像灰度直方图分布的标准偏差和分布的均方根高度值之间的比例是表面粗糙度Ra的非线性增函数，但是灰度直方图只是将图像中的所有像素，按照灰度值的大小，统计其出现的频率，无法得到其空间信息和轮廓边缘信息。之后的研究认为频谱分析方法在周期特征减弱时性能变坏，引入灰度共生矩阵方法，来提取机械加工工件表面微观形貌图像的纹理特征来表征不同粗糙度，但是灰度共生矩阵只能得到图像像素的灰度分布统计信息，无法得到图像的轮廓边缘信息，但轮廓边缘信息对于碳纤维复合材料的表面评定有重要价值。随着图像分析、数据处理等相关技术的不断发展，表面形貌评定方法已从对单一的二维形状误差、波度、表面粗糙度的分离评估，逐步发展为对三维表面功能的综合评定，但三维形貌参数测量过程复杂要求条件严苛，同时使用图像处理方法与三维参数建立规律来评定碳纤维表面形貌的研究也较少。本发明提出一种基于灰度梯度特征实现碳纤维复合材料表面形貌三维评定的方法，灰度梯度反映了图像中给出的两类最重要的信息：像素灰度分布统计信息以及梯度统计信息，并给出这两者的联合统计分布，梯度信息是构成图像边缘轮廓的要素，图像的主要信息是由图像的边缘轮廓提供的。统计图像灰度分布信息和梯度信息的联合概率分布，能充分的反映图像的纹理基元及其排列的信息，可以充分评定碳纤维复合材料表面形貌，根据不同面的碳纤维复合材料测得的特征值与仪器测量所得的三维参数建立关系曲线，在保证准确性的情况下简化碳纤维复合材料表面评定的过程。

发明内容

本发明针对上述背景，提供一种基于灰度梯度特征实现碳纤维复合材料表面形貌三维评定的方法，在保证准确性的情况下简化碳纤维复合材料表面评定的过程。

本发明采用的技术方案为：

一种基于灰度梯度特征实现碳纤维复合材料表面形貌三维评定的方法，包括以下步骤：

A，对碳纤维表面图像进行巴特沃斯同态滤波，增强图像中相邻区域的对比度，为之后提取基于LoG算子的灰度梯度共生矩阵特征值，进而建立与三维形貌参数的联系做准备；

B，获取处理后图像512*512的灰度矩阵，并采用5*5窗口的LoG算子与预处理后图像进行卷积得到512*512的梯度矩阵，再对灰度矩阵与梯度矩阵进行归一化计算；

C，根据得到归一化的灰度矩阵F(m,n)和梯度矩阵G(m,n)中，统计共同具有灰度值为i和梯度值为j的总像点数，得到元素为H(i,j)的灰度梯度共生矩阵,并求得灰度梯度共生矩阵每个元素的概率p(i,j)，再计算15个特征值得到15维的特征向量；

D，根据不同表面的碳纤维复合材料测得的15个特征值与仪器测量的三维幅度参数S_q建立联系，并得到规律。