[发明专利]基于机器视觉的混凝土3D打印构件精细检测方法

权利要求书

1.基于机器视觉的混凝土3D打印构件精细检测方法，其特征在于，包括以下步骤；

1)图像预处理，先进行Gamma灰度变换，在进行直方图均衡化；

2)层间边缘检测；

3)层间信息熵的目标优化建模；

4)增强边缘细节；

5)开闭运算；

6)输出图像；

所述步骤2)具体为：在完成构件图像的分割的同时保留图像的边缘信息，首先对构件图像进行层间边缘检测，并根据梯度信息检测构件图像边缘细节，再使用目标优化模型完成构件图像的分割，使用Laplacian算子对图像进行锐化提高边缘定位能力，增强目标对象的边缘细节完成精细分割，计算处理后的图像K(x,y)的梯度幅值和方向，采用一阶偏导的有限差分计算的梯度幅值M(x,y)和梯度方向H(x,y)，即：

H(x,y)＝arctan(K_x(x,y),K_y(x,y)) (4)

其中：K_x和K_y分别是处理后图像K(x,y)被滤波器沿行和列分别作用的结果；

紧接着对K(x,y)内所有像素点用2×2窗口在8个方向的领域对M(i,j)的所有元素沿梯度方向进行梯度幅值的插值，对于每个点，将邻域中心元素M(i,j)比梯度方向上相邻两个点的幅值都大，则将当前邻域的中心点记为边缘点的可能点，否则当前邻域的中心点为非边缘点，赋值为0，利用非极大值抑制找到最佳的目标边界框，消除冗余的边界框，根据梯度幅值矩阵判断可能边缘点去除伪边缘，找到图像中所有可能的边缘点，保留幅值局部变化最大的点；

所述步骤3)具体为：混凝土3D打印构件图像表面结构复杂具有台阶效应，当固化或挤出的材料线条数量多或线条粒度大时，这种台阶效应将会变得明显，针对目标对象进行优化建模，根据梯度信息计算层间信息熵，求解阈值使目标和背景的信息熵之和最大，得到最佳的目标和背景均匀程度，将前景和背景图像很好的分割，图像信息熵为：

其中，t为分割阈值；p_i为第i个像素灰度特征显示的几率；n_i为数字图像中灰度值为i的像素个数；

将图像分为前景和背景时，前景的图像信息熵H_f(t)与背景的图像信息熵H_b(t)分别为：

整体图像的层间信息熵值为：

其中，

最优阈值t^*划分整体图像层间信息熵并取得最大值，则

由公式(10)找出最大图像层间信息熵值对应的阈值，该阈值需要满足H_f(t)≥H_b(t)，则该阈值就是最佳低阈值T_l和高阈值T_h＝αT_l，出现断点时在低阈值边缘8邻点域搜寻边缘点并连接边缘完成图像的分割，分割后的图像为H(x,y)，取α＝2；

所述步骤4)具体为：混凝土3D打印图像分割后存在一部分边缘细节信息模糊，存在一些伪边缘信息，使用Laplacian算子进行边缘锐化，将检测出的轮廓信息和输入图像进行边缘信息融合，实现图像边缘轮廓信息的增强；

对于二维图像f(x,y)，Laplacian算子定义：

其中，为图像f(x,y)的二阶偏微分；x,y是图像像素点的坐标，Laplacian算子边缘细节增强的计算公式为：

其中，e为输出图像，f为输入图像，c为系数。