浅议三维编织复合材料预制件表面编织均匀性的研究 59页

天津工业大学硕士学位论文三维编织复合材料预制件表面编织均匀性的研究姓名：尹慧申请学位级别：硕士专业：计算机应用技术指导教师：李兰友;万振凯20021201 摘饕摘要本文论述了用数字图像技术及数理统计知识对编织复合材料预制件表面图像进行编织均匀性检测的方法：详细阐述了检测系统的硬件结构、软件结构及其实现方法。系统通过对复合材料预制件表面编织花节中特征顶点的提取，实现编织花节的定位，并根据提取的顶点信息求得编织花节的花节长度和编织角信息，进而根据这些特征建立特征模型，根据特征模型对预制件表面编织均匀性进行检测。系统通过对采集得到的图像进行滤波处理、二值化处理、细化处理等一系列图像处理工作，以获得图像的压缩信息，为图像的特征提取做准备。本文提出了一种可行的，并且计算复杂度小的角点提取的方法以完成图像中编织花节顶点信息的提取。之后通过预制件特有信息的约束条件实现编织花节的定位，进而求得每个编织花节的特征模型参量。最后采用数理统计中的变异系数这一统计量对预制件表面图像中的每个编织单元进行分析，分别对特征模型中的花节长度量和编织角量进行均匀性统计，进而完成复合材料预制件表面编织均匀性的测量。系统的整个过程由计算机自动完成，解决了以往需要人机交互的检测问题。关键词：细化、角点提取、编织均匀性、花节长度、编织角、变异系数 ABSTRACTThispaperdiscussestheapplicationofimageprocessingandmathematicalstatisticonthebraidinghomogeneitymeasuringofBraidedCompositesMaterialPreform，lnwhichexpoundsthehardware，softwarearchitecturesandrealizingmethodsaswell．1nordertocompletebraidinghomogeneitymeasuring。positioninformationofeverybraidedunitmustbeacquired．Thispaperexpoundscomerdetectionmethodtogetthepositioninformationofeverybreidedunit’Sclimaxes．Andthenthebraidedunits’locatizationcanberealizedwiththeseclimaxesinformation．Whenrealizedthebraidedunits’Jocalization。featuremodeIcanbecons专itutedb～everyunit"sinfO∽ation。Thefeaturemodel{ndudestwocharacters：thebraidedunit’Sbraidingdistanceandbraidingangle．Processingtheclimaxesinformationcangetthetwocharacters．Thispaperusesmathematicalstatistictechnologytorealizethebraidinghomogeneitymeasudng，Usingthecoefficientvariationsofbraidingdistanceandbraidingangle，theBBidedCompositesMaterialPreform’sbraidinghomogeneitycanbegotten．KeyWords：Thinning，cornerdetection，braidinghomogeneity,braidingdistance，braidingangle，coefficientvariations．2． 第一章前言第一章前言1。1谍瑟瀚基戆与意义复合秘料是20世纪材料辩学颁域中发矮十分迅速翡一类耨耪糕，是应现代稿学按术菱震豹器求两涌现交静其有极大生余力的糖籽。它怒自强秘或两种以上的材料组成的～种有用的多相材料【l41，其各组分材料在化举性能或物理性能上是不同的，且各缀分材料之间具有明显的晃武。复合材料的各组傍在往缝圭起耱嚣佟蕊，{§戮攀一糖精无法磁羧豹优越豹综合毪麓，这一点使得复合材料在很多领域得到了广泛的疲用。根据不同组份的不阍性能，复合鸯砉瓣蔻乎渗透裂疑毒熬羧零领域，这蒺中毽揍靛空靛天王魏、黪熬工整、汽车工她、军事工业、医疗卫生等领域。复合材料根据不同盼技术指标有着不同的分类【”】。按性能离低可分为：鬻弼复合李窖精、先逡爱台榜瓣；按基髂枣孝精豹耱裳可分魏：聚合耪蒸复合薅料、金属藻复合材料、陶瓷基复合材料、石墨綦复合材料、混凝±纂复合材糕；按蠲途哥分鸯：缝穗复合耪辩、凌簸复会糖辩、智戆簸含耪辩；按增强材料的种炎可分为：颗粒增强复合材料、晶须增强复合材料、纤维增强复合材料：按增强材料的形状可分为：零维(颗粒状)复合材料、一维(纤维状)复合毒孝糕、二维(冀状或乎瑟织物)复合榜鼗以及三维(三囊编织髂)复合辛才料。本渫繇中瑟薅谂熬三缝缡缓复合褪精楚兰缨壤织按求鞫琵我囊会奉砉辩技术相结合的产物，臼上个馓纪80年代以来，豳内外对三维编织缩构复合材料已经避行了大量的研究工作。它与传统复合树料具有较大的区别【1“。传绫复合李考誊毒是逶过撼纱线按～定兹热爱秘⋯意戆蹶摩进行镳层或缝绕悉裁成的。两三维编织复合材料突破了这一檄念，它是具有多轴纤维般向的高度整体纯鼹连续纤维鬃仑体，毙服了层台援复合税辩在厚度方囱麴潮度窍强度毪能低、露内剪韬；麓瑟闻翦甥强度{羲、筋分联、冲击韧性濑攒伤签鞭水平低等致命的弱点。三缝缡织复合耪精《激凑三维绽织笈合毒李辩鞭懿绎增强瑟生戏f"l。在筵鞭铡件中，纱线和纤维柬按不同的取向耦互交织在一起，形成一个不分层的三维翻鞠黥攘体结稳。由三绫缡织复合枣芎糕该戮终灌强生成的三缀貔织复合率芎辩其霄伉越酌抗湾蠢瞧憨，并且魄强度离，院模量高，综合力举瞧能麦}，是制作结构件的理想材料，在很多高科拽领域中照到高度重视。覆兰绫编织复合毒手辩鞭铡臀懿缍构参数不阌，襞形成戆笈会毒芎瓣爨整蒺第l!憩 第章前言就不同。为了满足复合材料的性能要求，就必须对预制件的参数进行测量和控制。在三维编织复合材料预制件中，有很多参数的测量并没有现成的标准和通用的测量方法，目前还大多采用手工测量的方法，存在着测量速度慢、人为因素影响重、测量不准确等缺点，这样势必造成误差大，效率低的后果，这也给制成的复合材料的质量评定造成了不确定性和人为的主观误差较大的后果。本论文中的实验方法就是针对三维编织复合材料预制件参数的测定而提出的。在三维编织复合材料预制件中，表面编织均匀性是一项重要的性能指标，不同的编织结构会生成不同的复合材料，而编织的均匀程度又直接影响了由此增强产生的复合材料的质量，所以对三维编织复合材料预制件表面编织均匀性进行检测是一项重要的工作。编织均匀性测量包括编织角的均匀性测量和花节长度的均匀性测量。编织角和花节长度是三维编织复合材料预制件的两项重要的性能参数，通过对这两项参数进行均匀性检测，即可以实现对编织复合材料预制件表面编织均匀性的检测。图1．1显示了编织角和花节长度的定义，其中h为花节长度，a为编织角””：图1-1编织角和花节长度的定义目前对这两项参数的测量还处于半自动阶段，在实际检测中，需要通过目视检验来判定编织物经、纬密度的均匀性‘”】。在本次课题实验中，使用数字图像技术完成了自动的编织花节的花节长度和编织角的计算机测量和统计均匀性分析，这样可以消除人为参与而引起的误差，使得测量精度得到提高，并且把实验人从繁重的目视检验中解脱出来。1．2数字图像技术从1946年世界上第一台电子计算机诞生时，数字图像技术就开始了自己的发展。随着计算机硬件及软件的不断升级，图像技术在近年来也得到极大的发展，出现了许多的新理论、新方法、新算法、新手段、新设备。第2页 第一章前高图像技术在广义上是指各种与图像有关的技术的总称【8]。从它的研究方法来看，它与数学、电子学、计算机科学等许多学科可以相互借鉴；从它的研究范围来看，它与模式识别、计算机视觉、计算机图形学等多个专业又相互交叉。它的内容非常丰富，根据抽象程度和研究方法等的不同可分为三个层次：图像处理、图像分析和图像理解。换句话说，图像技术是既有联系又有区别的图像处理、图像分析及图像理解三者的有机结合，另外还包括对它们的工程应用。图1-2图像技术结构框架图符‘，目标象素小蓁l鎏I●大从图1-2可以看出，图像处理指比较低层的操作，主要在图像像素级上进行处理，着重强调在图像之间进行的变换。虽然人们常用图像处理泛指各种图像技术，但比较狭义的图像处理主要指对图像进行各种加工以改善图像的视觉效果，并为自动识别打基础。图像分析则进入了中层，主要是对图像中感兴趣的目标进行检测和测量，以获得它们的客观信息，从而建立对图像的描述。如果说图像处理是一个从图像到图像的过程，那么图像分析是一个从图像到数据的过程。这里数据可以是对目标特征测量的结果，或是基于测量的符号表示。它们描述了图像中目标的特点和性质。图像理解主要是高层操作，对从描述抽象出来的符号进行运算，通过研究目标的性质和它们之间的相互关系，得到对图像内容含义的理解以及对原来客观场景的解释，从而指导和规划行动。如果说图像分析主要是以观察者为中心研究客观世界，那么图像理解在一定程度上是以客观世界为中一11,，借助知识、经验等来把握整个客观世界(包括没有直接观察到的事物)。原始图像数据经过三个层次的加工，将被逐步转化为更有组织和用途的第3页层高中低r●●●●●●●吒●●●●●●L语义 第一章前言信息。在这个过程中，操作对象发生变化，语义不断引入，抽象程度提高数据量得到压缩。1．3实验中图像技术的应用在三维编织复合材料预制件表面编织均匀性的编织花节长度均匀性测量和编织角均匀性检测中，几乎涉及到了图像技术的每一个层次。图像处理及图像分析在编织复合材料表面图像预处理过程中得到了充分的利用。在进行均匀性检测时用到了图像理解的知识。图1．3系统说明了本课题中应用的数字图像技术：图像采集和获取(包括成像方法、摄像机校正等)图像处理图像滤波、增强边缘检测、图像分割图像分析目标表达、描述(包括二值图像处理、数学形态学等)目标识别和提取(渗透模式识别领域)图像理解图像特征模型匹配图1-3图像技术应用列表通过这些数字图像技术协同模式识别等领域内的相关理论，以及计算机软件系统设计的知识，可以很好的完成课题的研究任务，后期的实验也证明了这一点。1．4课题研究路线和结果课题的最终目的是完成三维编织复合材料预制件表面编织均匀性的节测。实验的输入是三维编织复合材料预制件的表面图像，要求的输出是对于编织均匀性的一个均匀性统计。实验的流程如图1+4所示：图1-4实验流程图第4页 第一章前言Hl于空间采样及幅度分层等影响，实验图像与模版图像之间会存在细节上的不同，如果直接采用模板匹配的方法进行均匀性检测，在进行匹配过程中匹配精度会受到这些因素的影响。所以可以通过提取图像中物体的特征点，并建立特征模型，以进行特征模型匹配，这样就可以避免噪声和成像因素对匹配结果的影响。1．图像处理：对采集的图像进行噪声处理、二值化、细化处理都是为了便于后期的特征提取。提取什么样的特征是由三维编织复合材料预制件表面图像的特征决定的。2．通过对编织复合材料预制件表面图像进行分析发现，可以采用图像识别技术来识别图像中的每一个编织单元，然后通过检测每一个单元的编织情况来检测整体的编织情况。识别每一个编织单元的工作可以通过提取表面图像中编织花节的四个顶点信息来实现。这些顶点信息能全面的反映出编织花节的信息，编织花节的长度信息和编织角信息也可以非常方便的由这四个顶点信息的组合运算而得出。3．在后期的实验当中，可以通过选择的特征的组合对全图进行特征模型匹配，以完成均匀性的检测，即可以检测出每个编织花节的花节长度和编织角信息，通过对这些信息进行数理统计，以得出编织复合材料预制件表面编织的均匀性。图l一4基本上概括了课题实验的工作，在以后的章节中，将分别对其中的每个部分进行详细的介绍。第5页 第一二章编织复台材料预制件表面图像的采集第二章编织复合材料预制件表面图像的采集由于计算机只能处理数字图像，而自然界提供的图像却是其他形式的，所以数字图像处理的一个先决条件就是将图像转化为数字形式。人们曾使用多种结构不同的装置完成图像的数字化，在本章中将详细介绍在采集编织复合材料预制件表面图像时采用的装置及方法。2．1图像数字化器简介2．1．1图像数字化器的组成一个图像数字化器必须能够把图像划分为若干图像元素并给出它们的地址，能够度量每一象素的灰度，并把连续的度量结果量化为整数，以及能够将这些整数结果写入存储设备【1们。为完成这些功能，该设备必须包含以下五个组成部分：1．采样孔：采样就是把时间和空间上连续的图像变成离散点(抽样点即象素)的集合的一种操作。采样孔使得数字化设备能够单独观测特定的图像元素而不受图像其它部分的影响：2．图像扫描机构：图像是二维平面上分布的信息形式，要把它输入到计算机，必须在图像平面上按一定间隔、顺序扫描图像。图像扫描机构就使得采样孔按照预先确定的方式在图像上移动，从而按顺序观测每一个象素：3．光传感器：它通常是一个将光强转换为电压或电流的变换器，通过采样孔测量图像的每一个象素的亮度；4．量化器：经过采样，图像被分解为时间和空间离散的象素，但是象素的值还是连续的。把连续的灰度数值变换成离散值的操作就是量化。而将传感器输出的连续量转化为整数值就是量化器所要做的工作。典型的量化器是一种被称为“模数(A／D)转换器”的电路，它产生一个与输入电压或电流成比例的数值；5输出存储体：其任务是将量化器产生的灰度值按照适当格式存储起来，以用于后续的计算机处理。它可以是固态存储器，也可以是磁盘或其它合适的设备。第6页 第二章编织复合材料预制件表面图像的采集从上面图像数字化器的组成可以看出，图像数字化最为主要的两个方面是对图像的采样和量化。在实际数字化过程中，在每个象素位置，图像的亮度被采样和量化，从而得到图像对应点上表示其亮暗程度的一个整数值。具体的实现流程可以通过图2-1来表示。甜开萌一密度瓣鬟虚图2一l数字化流程图当对所有的象素都完成上述转化后，图像就被表示成一个整数矩阵。每个象素具有两个属性，即位置和灰度属性。位置，也可以称为象素的地址，是由扫描线内的采样点的两个坐标决定，它们又被称为行和列。而表示该象素位置上亮暗程度的整数称为灰度。在生成的整数矩阵中，就包含有位置和灰度两个信息，所以，此数字矩阵被作为计算机处理的对象，也是图像处理的数字输入形式。2．1．2数字化器的性能在不同场合使用的数字化器的组成也许不同，但其基本性能可以由下面的几个参数进行定性分析。1象素大小：决定象素大小的依据是采样孔的大小和相邻两个采样点之间的距离。当确定了这两个重要的性能指标后，象素的大小也就确定下来；2．图像大小：这是另一个重要参数，即仪器允许输入的图像的大小。最大输入的图像尺寸取决于扫描设备的类型，而对于输出而言，图像大小是由最大行数和每行最大象素数确定的：3．线性度：数字化的线性程度也是一个重要的方面。例如，对光强进行数字化时，应当知道灰度正比于图像亮度的实际精确程度如何，非线性的数字化器会影响后续过程的有效性。根据数字化器的这几项性能参数就可以对具体的应用选择具体的数字化器，这样会提高图像数字化的质量，也为后期的图像处理工作提供最有力第7页}窖班0上l≠啼斗啼同⋯U稀一 第一二章编织复合材料预制件表面图像的采集的支持。2．2图像采集系统的构成在实验中，图像采集系统负责原始编织复合材料预制件表面图像的采集，它负责把预制件的影像从视频模拟信号变换为数字图像并录入计算机中，以备对图像进行后续处理。系统构成如下图2—2所示：图2-2图像采集系统模块2．2．1CCl)摄像机在实验中，我们使用CCD摄像机以得到编织复合材料预制件的视频图像。CCD(电荷耦合器件阵列)是近来获得发展的图像传感器一一电子自扫描固态传感器阵列的一种。在电荷耦合器件中存在位于单个集成电路芯片上的一组线性(线扫描CCD)或矩形(平面扫描CCD)光传感器阵列，并包含用于读出由入射图像产生的充电电荷的必要电路。下面对线扫描CCD传感器和平面扫描CCD传感器的工作原理进行简单的介绍：线扫描CCD传感器是由一个行感光基元，两个定时的将感光基元中的内容传给传输寄存器的传输门，以及一个定时的将传输寄存器中的内容传给放大器的输出门构成。放大器输出的电压信号与感光基元行的内容成比例。下图2-3是其逻辑结构示意图。图2—3线扫描传感器平面扫描的工作原理与线扫描相似，但感光基元是按照矩阵形式进行排第8页 第二章编织复台材料预制件表面图像的采集列。感光基元列由传输门和传输寄存器隔开，先将奇数列感光基元的内容顺序送进垂直传输寄存器，然后再送进水平传输寄存器。把水平传输寄存器的内容送进放大器就得到1帧隔行的视频信号。对偶数列感光基元重复以上过程就可得到另1帧隔行的视频信号。将2帧合起来就得到隔行扫描的1场。平面扫描CCD传感器的逻辑结构图如图2-4。图2-4平面扫描传感器实际中常用的线性扫描CCD一般有512到4096个象素或更多。在实验中采用的是512"512的面CCD传感器。采用CCD对原始图像进行采集的原因是由于CCD具有光电转换，信息存储和延时等功能，而且集成度高，功耗小，故在固体图像传感、信息存储和处理等方面得到了广泛的应用；再者，CCD摄像机没有几何畸变，而且对光的响应是高度线性的。根据后期的实验可以看出，用此摄像机摄取的图像已经完全达到了技术要求。2．2．2图像采集卡在实验中采用的是V512A图像卡，它是具有一路A／D、D／A和一个512+512+8位的帧存体的黑白图像采集卡。对V512A图像卡的工作原理可以进行如下的概括：当视频信号输入图像卡后，卡上的A／D转换电路按11M一14M的采样频率分别把R、G、B三路视频模拟信号转换为8位的数字信号，数字信号的值在0到255之间变化，对应图像从暗到亮变化。这些值被存入帧存体中，直到被计算机捕获为止。V512A图像卡的基本结构可用图2．5表示：第9页 第一章编织复合材料预制件表面图像的采集图2．5V512A图像卡结构示意图从性能上讲，Y512A卡的基本性能参数可以总结如下1)图像采集速度：每帧(1／25)s：2)帧存容量：512*512*8bit；3)采样频率：14MHz1：l比例；4)A／D、D／A：14MHz8bit；5)象素分辨率：256灰度级；6)扫描制式：625行／50Hz顺序扫描。在这～章中，对编织复合材料预制件表面图像的采集系统进行了简单介绍。通过采集系统对图像进行采集和数字化，可以得到预制件表面图像的数字形式，这样在后期处理中，可以使用高级编程语言对数字图像进行处理。在实验中采用的是Vc++编程软件，这在运算速度上给处理提供了方便。这样利用软件编程和数字图像技术的理论知识及数理统计的知识即可以完成对三维编织复合材料预制件表面图像的处理。第10页 豁二=錾编织蔓台瓣瓣致翻{睾袅露萤豫技术辩醵究第三章编织复合材料预制件褒面图像技术的研究3。1表嚣蓬豫嚣羲簸疆不论是在图像识别中还是在数字图像技术的其他领域中，对图像进行预处理是一个必需的过程。通过对图像的预处理可以去除图像中的噪声，并且可以缩减实验中不需要的网像信息，即冗余信息。农实验孛，对编织复合耪耱囊裁l串褒瑟瑟像送行颈鲶理鼢主要遥程瓴括：灰度图滤波、二值纯等处理。图像经过预处理瓣，将得到一幅只包含编织花节边缘信息的二值化图像。其工作流程如图3．1所示。潮3-1蘑豫预憝联流程囝3，1．1图像预除噪柱图像的采集、获取、编码和传输过程中，所有的图像均不同程度的被可见或不可见的噪声“污染”。噤声源包括电子噪磐、光子噪声、囊赢臻声秘量恁獠声[11。魏栗整噪毙德予一定承平，襟垮逐溪交残可见的颗粒形状，就会簿致图像质量的下降。从三维编织复合材料预制件的原始采集图像中我们可以很明显的着到原始图片上有很多噪声，这就是因为图像在采集中受到各种噪声源的予我秘影响藤使图像质量变差。及应在蚕像上，噪声使原本均匀秘建续变纯熬灰度突然交大凌交夺，表现秀一鏊蠹稷豹逸缘或轮褰，所以在进行以后图像处理的工作之前必须去除噪声，这熬噪声也来自摄取的环境和光线等熊他因素的影响。下面对图像进行平化处理以去除图像中的噪声。霆像的乎瀑是～静蜜震的图像处瑷技术，主要蘑的怒为了减少匿豫戆噪声。在空鬻域肉霹以矮镁壤乎均謇减少噪声；在菝率域，壶予噪声频谱多在高频段，因此可以采用各种形式的低通滤波的办法来减少噪声。同时⋯噪声滤波有线性和非线性之分。线性滤波包括线性平移不变(LSI)滤波器、加权平均滤波器和线性最小均方误藏(LMMSE)苯11炎 第二章编织复合村料预制件表面图像技术的研究以及维纳(Wiener)滤波器等。在数字信号处理和数字图像处理的早期研究中，线性滤波器是主要处理手段。非线性滤波器，包括如中值滤波器、次序统计滤波器等。下面将介绍几种常用的图像平滑滤波的方法。1．线性滤波器：是一种低通滤波器。【21在概率论中我们知道，若随机变量xi(i=l，2，⋯，N)的前二阶矩为E{Xi)=m，D{xi}=盯20=1,2⋯．，Ⅳ)那么它们的均值i=万1善Nt的前二阶矩为E斜=m，D斟=盯2／N也就是说N个随机变量序列的均值的方差比每一个方差倍。利用这一结果，对图像沙(工，J，)；z，Y=0,1，．．，N—l}的每一象素邻域S，以(x，y)为中心，作空间平均：办川2万1。磊∥)Ix批1，2，⋯N-1(3～1)(3—2)缩小N取处理(3—3)其中M为S中包含的坐标点总数。用公式3-3对图像进行平滑处理，输出图像的方差将减少M倍。‘31常用的线性滤波都是采用模板操作的方法，通过一点和周围几点的运算来去除突然变化的点，从而滤掉一定的噪声。一般情况下，通过选择不同的模板来消除不同的噪声。常用的线性模板如图3—2所示：F1111土Il2．1101111jr111]!I1o．181111Jrl21]土I24．2161121j第12页rl11]!f11．191111J1●●●●，，●●J01O1IO10—．．．．．，．．．．．．．．．．．．．．．．L，一4 辩二=+章犏舞复台稚辩鞭露《姊表蠢鹫像按术曲醭究图3—2线性滤波模板在平滑过程中，根据噪声的不同，可以选取不同的模板。2．中僮平瀵滤波(median)：是一耱非线性平游滤波器。它可以筏淄豫噪声又绦持謦像的绥节。14]它首先确定一个奇数像元的窗口W，窗口内各像元按灰度大小排队后，用其中间位鬣的灰度值代替原图像f(x，y)灰度慎，成为增强图像g(x，y)。g(x，y)=median{联x—k，Y—1)，(1【，1)gW；w为选定窗口大小。其中w窗口的形状和尺寸对滤波器效果影响很大。不同图像内容和不同应用要求税镪选用不同的窗闻形状和尺寸。常嗣的二维中值滤波窿口形状有线状、方形、圆形、十字形等。通过这皴不同窗口实现浆审毽滤波效果院线髅低逶滤波消除噪声豹效果更鲟，因为噪声多为灸蜂羧干魏，若髑线经滤波盈麓去除嗓声，毽陡峭的边缘将被模糊：丽中值滤波的主要功能就是让与周围象素灰度值的差比较大的像素改取与周围象素值接避的值，从而可以消除孤立的噪声点。由于它不是简聃的取均值，所以产生的模糊比较少。上覆篾单分绥了A秘平潺赊嗓弱方法。不同戆方法逶矮子不蘑懿漾声图像，霞我对予～旗噪声强像要戆知道哪一种方法凝适合，必须对图像中的噪声做定性分析；另外一点蒙考虑的是不同的图像有着自身的特性，选择滤波器时应把图像的自身特性考虑进去，以选择最为合邋的滤波方式。芦l噪声熬舞类霹叛熟续懿下：1)尾叠加自礤声；2)叠加白高斯噪声：3)长尾叠加自噪声；4)正向脉冲噪声；5)受囱熬诤嗓声；6)教盐噪声：7)积性噪声；8)与信号相关的噪声；9)混合噪声(1、6、8类噪声共存)。第13嚣 第二章编织复合材料预制件表面图像技术的研究而实际上噪声滤波器性能完全取决于应用场合，常用的一些滤波器性能测量项目有：1)对不同类型的滤波特性；2)边缘保护；3)细节信息保护；4)无偏性：5)计算复杂性。在实验的开始阶段，考虑到图像的噪声多为在图像采集阶段引入的，根据扫描噪声的特点，并以尽可能的保留图像中的边缘信息为准绳，本课题采用了线性滤波的方法对编织复合材料表面图像进行平滑处理。考虑到编织复合材料的表面编织周期特性，采用了图3—3的平滑模板，这样对保留图像中的边缘信息有很好的效果，实验结果也证实了这一点。私朝(a)平滑前图像(b)平滑后图像图3—4平滑处理效果比较图通过与原始图像对比，滤波后图像已经消除了大部分的噪声而变的更加光滑。3．1．2图像二值化处理‘61图像二值化是图像处理的一项基本技术，可以看作是对图像的压缩，压缩后的图像每像素只占1位，所以在图像存储上节省了可观的存储空间。在模式识别等工程应用中，图像二值化是它们进行数据第14页 第三章编织复合材料预制件表面目像技术的研究预处理的重要技术。在很多图像处理应用中，图像的几何特征对于最终的目标识别结果常常起着关键的作用。因此在进行二值化预处理过程中，能否保留图像的边缘特征是很关键的。经典二值化处理方法包括从简单的灰度阈值方法、频域和空间分割方法到复杂的连接元素分析方法。其中阈值法中又存在着很多成熟的处理方法。这些方法基本上可以分为三类：1)整体阈值法；2)局部阈值法；3)动态阈值法。整体阈值法是指在二值化过程中只使用一个固定阈值T进行分割的方法。二值化过程可以用下式表示：伽，=恬麓搿㈣a，整体阈值法对于质量较好的图像较为有效，特别是对具有双峰直方图的图像而言。而阈值T的选取又有几种方法：i)平均灰度值法：该方法以图像中所有象素的灰度值的平均作为阈值r。计算公式如下：255／r=∑f+UfS(3-5)扛o／式中以是图像中灰度级为i的像素个数；S是图像的面积。ii)最大方差法：该方法取阈值T，它把双峰直方图一分为二，并使被分开的两部分方差最大。iii)基于直方图的方法：该方法通过对图像的直方图进行分析，以获得合适的阈值。由于整体二值化法对图像的质量要求非常严格，而且对图像的明暗度非常的敏感，这会给后期的图像处理带来困难，所以一般情况下并不采用整体二值化方法。第15页 第二一章编织复台材料预锥4饽褒彝醚像技术的研究局部阂值法是崮像素灰度德和此像豢邻域的局部灰度特性来确定像索的阈值的，此方法能适应较为复杂的情况，同时可以去除由于明暗的关系而给图像带来的质量问题，其处理结果也令人满意。但它的时间开销大，而且在某些情况下会产生一些失真。动态阙蓬法熬阂稳不纹取决予该像素旋凄蓬及箕邻城内豫素静获度德，而且还和此像索的坐标位置有关。图3．5是对图像进行平均阈值全局二值化和局部=值化的实验效粜阁。缀皴(a)全鼹二篷纯(b)蜀部二馕稳图3-5二值化图像在实验研究中，需要研究一种既能很好的保留图像的边缘特征，运算起来又快速的二傻化方法。局部：德化可以得到很好的处理效果，但怒它豹运算量是缀弼褒懿，藤且在逑缘傈整方瑟也蠢所欠缺。本谍瑟考虑虱了这殛点，分剃采蔫不同豹熬瑷方法来弥釜这秘患缺陷。为了在二值化精能得到尽可能准确的边缘信息，程对图像进行二值化前，可以考虑先对图像进行边缘检测；而为了减少遮算量，可以把全局二值化法和局部二值化法结合起来。实验证明，用这种二值化方浚对蚕豫进行二餐化篾缝褥裂满意的处理续果，又熊蒂省霹阕。二餐仡鹣其钵步骤翔下猕速p1：i)确定输入图像f(x，y)的整体闭值To；ii)将输入拭度图像f(x，y)进行边缘检测，提取边界特征，得到边雾辫像e(x，y)；并对辫像e进行全局二德他处理，褥委二篷纯强缳b(x，y)。iii)判断b(i，j)的值。当(i，j)为边界像素，则对图像e中的相关像素点e(i，j)作局部闽值=假化处理；否则用To作为阈值第16囊 第三拳编织复台瓣辩攥制搏裘囊鹜像技术黪联巍进行二值化。经过上述处理后，就会得到满意的二二值化输出图像e(x，Y)。需要说明的是，由于图像边缘检测的方法很多，应根据不同的图像特征对图像逸敬稷适应涎逮缘检{羹||篓子。下嚣褥套绥蔑耱经典静边缘捡溅算子，并裰掇编织复合毒手料袭面图豫的特征进行边缘检溺算子的选择。3．1．3边缘检测131物体的边缘是嗽灰度不连续性所反映的。经典的边缘检测方法楚考察蚕像豹每一令像素在莱个邻域瘫灰瘦我交化，剃震逑缘邻近一除藏二除方蠢导数斡燹纯蕊律，弱麓肇豹方法裣灏透缘。【81常见的边缘剖丽有3种：阶梯状(网3-6(a)、(b))、脉冲(图3-6(c))、屋顶状(图(d))。阶梯状的边缘处于图像中两个具有不同灰度值的相邻区域之间；脉冲状主鼗对应细条状的灰度值突变区域；黼屋顶状的边缘～匕秀下蹲沿都毙较缓漫。图像剖颟町阻Ⅱ口—厂—L—U／＼一数止]厂十吧功导数++十V(a)(b)(c)(d)图3-6边缘糯导数边缘检测的方法多种多样，比较常用的方法可以归纳为；微分方法、拟合方法、统计方法、混合方法以及小波变换方法簿[11】。在这里，第{7贾 第三章编织复合材料预制件表面图像技术的研究我们根据三维编织复合材料表面图像的规律性及相对简单性，只对微分法检测边缘进行介绍。对于一类图像，在特征区域边界处，灰度要发生较大的变化，如果以灰度作为边界检测的依据，可以运用微分的方法提取边界，微分的输出值作为该边界的强度。在此基础上，可以根据某一阂值确定其是否为边界点，将边界点连接起来就形成边界。设“x，y)是可微函数，o．f、a．f分别给出了灰度f在x,y方向上的∞oy变化率，而方向口上的灰度变化率为望：笪COS口+笪si-n口(3—6)‘=o口+‘口LJ—bJOaax砂偏导数算子巩=瓦≤≥是一个线性算予，不同。。(k=1，2．～)的线性组合也是一个线性算子。同时D。又是一个局部算子，Dk[“x，y)】只和点(x，y)处的f值有关，而与坐标无关，因此是位移不变的。由于待检测的边界可能是任意走向的，因此希望所构造的微分算子是各向同性的。可以证明，偶阶导数或奇阶导数的偶次幂的线性组合是各向同性的。在空域中，可以借助微分算子通过卷积完成边缘的检测。卷积相当于将原图像向各个空间投影，根据投影的数值可以确定原图像中边缘点、直线点或孤立点的多少，或哪类点占优势。实际上数字图像中求导数是利用差分近似微分来进行的。下面是几种常用的微分算子。1．梯度算子梯度对应一阶导数，梯度算子是一阶导数算予。对一个连续函数f(x，Y)，它在位置(x，y)的梯度可表示为一个矢量：Vk加[G，G，】7=匮暂这个矢量的幅度(梯度模)和方向角分别为第18页(3—7) 第三章编织复台褪辩矮剃{譬表囊鳖像技术赫研究w=mag(Vf)一陋+G∥，㈡G=协丽一历面而f妒(工，y)=arctan(G。／G，)G户陋丽一痧丽f)为了便于计算，梯度模还可以采用下面的近似式：1)V：=tG．I+tG，|(38)2)vf=max0Gxl，h|】3)vf=max[If(i，J)|_lf(m，H)|】其中(m，n>是(i’j)的邻点，若为砖燕邻点赠嚣加投l，2“24)Roberts算予。这是一种最褥单的梯度算予，琏j于其擒取轮癣的效果优于四点的梯殿公式而被广泛采用。定义对f(x，y)求Roberts梯度为G,f=maxF眩y)一厂囊，磅}HJ式中u，v为(x，y)点的四邻域，或用麓分近似为(3—9)Grf(x,y)=max,／(工，y)一f(x+l，y+1)}，l，(x+l，y)一，(z，y+1)|}(3一lo)阉3—7是霜模教静形式实现了上鬻豹运算。在实际废厢中常角这两个小区域模板的卷积运算来进行边缘检测。经验表明，Roberts对具有隧峭的低噪声图像响应最好。图3．7Roberts模板2．Laplacian冀子第19疑 第三章编织复台孝毒辩强剜{串表蠹整豫技术抟辑究拉普拉斯算子是一种二阶导数算予，对一个连续函数f(x，Y)，它在位鬻(x,y)的拉普拉斯假定义如下：v2f：孥+孥(3-11)。玉2彝。在数字图像中，计算函数的拉普挝斯值也可以借助各种模板实现。这擐对模板的基本要求是对应中心像索的系数是正的，而对应中心像素邻近像素的系数应鼹负的，并且它们的和应该为零。常用的两种模板分别如图3-8的模投：图3-8Laplacian模叛拉普拉斯算子是线性、各向同性和位移不变的一种二阶导数舅子，它不熊提供边缘方向的信息。可以验诞，拉普拉斯算予在检测点、线端点和线时输出值分别是同样幅度变化的边界输出值的4倍、3倍和2倍，这个事实说明挝黪拉簸算子对噪声魄较敏感。由予戳上的原因，投蛰害妻戆雾子穰少鲞谈蠲予硷测透缘，露只是瑶予毫熊遍缘豫素嚣璃定该像素是在图像的精区或明区一边。在实际中，常根据二阶导数算子过零点的性质来确定边缘的位置。将图像与如下2一D高斯函数的拉普拉斯栩卷积：蜘咖exp(一剥(3一12)d是高斯分布的均方差。盎葵粜令r2=x2+y2，那么搬据拉普控矮瓣定义定义下式：鸭=Il了r2_fi2j]ex《一割㈦㈨第20贾 旃兰嚣编织复台材辩顾制件袋蛳蹦像技术曲磷究这鼹一个轴对称函数，且在r=艿(。艿)熟有过零点，在|r<艿1时为正，在lr，艿j时为负。另外，可以证明这个算子的平均值为零，如果将它与阁像避弦卷积，不会馥燹图像的整体动态藏重。僵}赶予它樽当光浸，鲡采将它与图像卷积会模糊图像，并鼠熬模糊程度与艿戚正院。因为V2A酾乎’港性质熊减少嗓声的影畹，所以当边缘模糊豉噪声较大黠，利翊v2h梭灞过零点辘援供较可靠的边缘往鬣。当然这耪方法瓣计算复杂度比较大。3。冥嚣平瀵份髑戆微分冀予下蕊几个微分算予内于对一些象索落先求和然慝再差分，因此具蠢乎溪骚声夔终簇。亵突嚣瑟像憝璞中鬻怒夺速域搂菝卷积运算遗行近似计爨，对G。和G，备用一个模板，邋两个模扳缀合起来既构成一个梯度辣子。檄攥模板靛大小，敦模扳中各像豢系数值静不阏，蜀激形成多静不同的爨子，这热彝子梭据自身的特懂霹以应用于不同图像躲边缘检测孛。1)Sobel算子【21。对于阶跃边缘，Sobel提出⋯种检测边缘点的舞子。对数字图像{《x，y)}的每个像素，考察它上、下、庄、右邻点获发的麴投羞，与之揍遁豹邻点静权大。据诧，定义SobeI葬予如下：SO,j)一t(f(i一1j-1)+2ffi-IO)+f(i一1毒+1))-(《i+lJ-1)+2f《i+l，j)+鬏i+{0+1))|+|(“i—l，j一1)+2f(i,j—1)十f(i+l，j一1))一(f(i—l，j+1)+2f(i，j+1)+f(i十l，j+1))l适当选取阈德TH，作如下判断：若S(i,j)>TH，则(i，j)为阶跃状选缘点，{S《i，j)；失逑缘踅像。在蹋模板对图像进行Sobel算予边缘羧测时，可以粥鼹个方向模裁辩黼像僚卷积楚蘧，挺备方淘上静获疫鸯霸衩差之帮僚为输掇，麸蔼达到提取边缘的目的。模投如图3-9。圈图3-9Sobel模板第2i菱 辩=二章编缓复合楗瓣弹{澍馋袤瑟鹜像技术熬碍}究2)Kirsch算子。这是一种简易而赢观的阶跃边缘点检测算子，对数字I司像{“i，j))的每一个像素(i，j)，考察它八个邻点的灰度变化，以其中兰个相邻邻点的加权和减去剩下五个邻点的加权和。令三个邻点环绕fid)不断移位，取其中差值鲍最大毽l乍为Kirsch算予镶。孽：K(i，j)=max{1，max[5Si一3Ti】)，净O一7Si=f(Ai)+f(Ai+1)十“A，+2)Ti—f(Ai+3)+f(Ai+1)十f(A，+s)+f(Ai+6)+f(A；+7)(3—14)取添篷TH，撵翅下爨薮：若K(i,j)>TH，黧(i，j)为狳获透缘患，{＆(i’j))为边缘圈像。如果采用模板完成Kitsch边缘检测，则可以通过8个模板对图像进行卷积处理而实现。根据上面的原理，设计模板如图3+10。圜圈圈圈田田园圜圈3—10Kirsch模披上瑟累述了咒耱边缘捡溺嚣算子。对于实验孛楚壤豹三维编织复合材料预制件表面图像，可以根据其巾编织单元特有的方向特性，选择如图3一11的4方向(0度、45度、90度、135度)Sobel边缘检测模板附图像进行边缘提取，以取得满意的效果。圈圜田园图3-11方向Sobel模板第22嚣 第=一章编织复合材料预制件表面图像技术的研究把边缘检测方法应用到图像二值化过程中，即可完成对图像的二值化处理，处理效果图3—12：图3—12二值化效果图3．2图像边缘均衡化处理图像边缘均衡化过程主要包括图像的细化处理以及为了提取图像信息而进行的细化均衡处理。具体的操作过程如图3一13所示：图3—13均衡化流程图3．2．1噪声处理在图像完成二值化处理后，图像的信息量得到了缩减，但是图像的质量依然很不理想，这主要是因为图像在二值化后，除了图像中的边缘信息得到了保留，还引进了由于二值化算法而产生的噪声。这种噪声主要表现为阶跃性噪声。根据前面在图像去除噪声一节中介绍的，去除阶跃性噪声的最有效、最简单的办法，就是采用中值滤波法。中值滤波实验效果图如图3—14(b)。通过实验效果图可以看出，图中的噪声基本上都被去除了，然而这种滤波方法对图像中编织花节的边缘信息也起了作用，有些地方的边缘出现了断裂。解决这一现象的一种方法就是采用加权中值滤波法。激濯(a)滤波前图像第23页(b)中值滤波 第三章编织复合材料预制件表面图像技术的石Jf究图3—14中值滤波二值化图像当图像中存在较多的细节、细线时，可以采用加权中值滤波法滤除噪声‘“。加权中值滤波的原理是：把窗口内各象元加权，某一象元加权值m，即窗口象元灰度排队时该象元重复m次。通过上面的中值滤波效果图可以发现，图像中的边界信息受到了影响，这时，可以采用如下的运算，对图像进行加权中值滤波处理：D(i，j)=mid{d(i一1，j一1)，d(i-l，j一1)，d(i一1，j)，d(i一1，j+1)，d(i一1，j+1)，d(i，j一1)d(i，j)，d(i，j+1)，d(i+1，J一1)，d(i+l，J一1)，d(i+l，j)，d(i+l，j+1)，d(i+l，j+1)}(3—15)加权中值滤波处理效果图亦如图3—15：图3—15三维编织复合材料预制件表面二值化图像3．2．2细化处理对图像进行细化处理的原因是为后期提取图像特征做准备。[8】把一个平面区域简化成图形是一种重要的结构形状表示法。利用细化技术以得到区域的骨架是常用的方法。对于三维编织复合材料预制件表面图像而言，如果把编织花节的边缘用单象素表示，那么在提取编织花节顶点信息时，就方便的多了。中轴变换(medialaxistransform，MAT)是一种最常见得用来确定物体骨架的细化技术。其原理是利用最小距离的判决方法，来决定一个点是否为骨架点，即对于一个特定的点，计算与它的距离为最短距离的点的个数，当结果唯一时，即可断定此点为一骨架点。由上述讨论可知，骨架可用1个点与1个点集的最小距离来定义。数学表达式如下：d。(p，曰)=inf{d(p,z)IzcB}(3—16)其中距离量度可以是欧氏的、城区的、或棋盘的。因为最近距离第24页 第三二霉编缓复合静猫颈巷《辞袭露嚣像技术酌珊究墩凌≯溪臻验距离爨瘦，瑟以MAT瓣结暴逮霸繇蠲熬鼯感：爨度有关。对于较细长的物体熊骨架常能提供较多的形状信息，而对较粗短的物体则骨架提供的信息较少。对于三维编织复合糕料预制件表面图像蕊蓦，点、线僖怠逶遭缎纯楚毽蜃，基本土都可戮德羽绦籍。※用中僮变羧避锤细化处理，需要诗冀嚣有边器点裂蹰有区域凑辩点瀚激离，毽{l露诗冀爨是狠大鹣。实戤中都是采蠲逐次消去透赛点的迭代细化算法。迭代辣法可以很好的保留图像中的细节倍息，并且受噪声的影响小。整具体的实骏研究中，采用的邀代算法遵循以下的处联条件：t)不瀵去线段蠛纛；2)不中断原来连邋的点；3)不过多侵蚀区域。冀体的算法擦述魏下：1。设三维编织复合誊孝辩羲剃梅表嚣二篷证匿像逑雾拣谗荛1，鹜袋点标记为0。定义边界点是本身标记为1，丽萁8．涟通邻域中至少有1个点标记为0的点。对图像进行扫描，以边界点为中心。记为P·，蒺邻域瓣8个点蹶对镑绕中心点分艇记为p2，p3，⋯，p9，横援表示如图3+16：翮IP8jPIIP4J锄P7P6P5图3-16纲化模板蓉先标记嚣辩满足下列条箨靛遮秀点：1)2≤N(p1)96；2)S(pO=l：3)P24P44段=0；4)效+P5+魏=0其中N(pO是p1的非零邻点的个数，S(pO是以p2，p3，⋯，p9为序时这黪点的值从0—1变化的次数。当对所有边界点都枪验完毕后，第25页 第二章编织复合材料预制件表面图像技术的研究将所有标记了的点去除。2．同第1步，仅将前面条件3)给为条件：P：tP。*P。=0，将条件4)改为：P：+P。+P。=0。同样对所有边界点都检验完毕后，将所有标记了的点去除。以上两步操作构成一次迭代。算法反复迭代直至没有点再满足标记条件，这时剩下的点构成区域的骨架。在第1步各标记条件中，条件1)去除了只有一个标记为1的邻点的中心点以及有七个标记为l的邻点的中心点，这表明中心点P。或者为线段的端点或者是深入区域内部的点；条件2)去除了对宽度为单个象素的线段进行操作的情况，以避免将骨架割断；条件3)和条件4)去除了P1为边界的右／下(P。=O或P。=O)端点或左上(P，=O和P。=0)角点，亦即不是骨架点的情况。类似的，在第2步中，条件3)和条件4)去除了为边界的左／上(P，=O或p。=0)端点或右下(P。=0和P。=0)角点，亦即不是骨架点的情况。最后注意到，如果Pl为边界的右上端点，则有P。=O和风=O；如果Pl为边界的左下端点，则有P。=O和P。=O；它们都同时满足1、2步的后两个条件。用上面的细化算法处理后的三维编织复合材料预制件表面图像如图3．17所示。3．2．3形态学滤波图3—17细化图像在上面一节中，介绍了图像的细化。通过实验图像可以看出，细化后的图像基本上把编织花节的边缘都清楚的提取出来。然而，图像中存在着一些小的孔洞以及细小的分支，这些细小的孔洞和分支对图像的质量并没有大的影响，而对后期要进行的交叉点的提取却有着不容忽视的影响。细小分支存在的地方，在后期的交叉点提取过程中会被当作一个交叉点而被提取出来；而每个孔洞存在的地方会提取出一个以上的交叉点。这显然使得交叉点提取变的毫无意义。所以，必须第26页 第三章编织复合材制预制件表面图像技术的研究选择一种滤波方法，把这些孔洞和小分支去除。去除孔洞和分支的最有效的方法就是采用数学形态学滤波方法。在实验中，我们可以先对二值化后的图像进行形态学滤波处理，然后再进行细化处理。【9]数学形态学是一种基于集合论的非线性理论，是格理论在空间结构上的应用，其基本思想是基于象素间的逻辑关系而非代数关系。这种处理方式有利于对图像的几何描述，不同于其它基于代数描述的线性图像处理理论，具有不模糊图像边界及细节的特点。数学形态学已构成一种新型的图像处理方法和理论，应用于数字图像技术的各个研究领域。形态滤波器是利用集合运算进行图像几何结构分析的非线形滤波器，它是20世纪70年代由Matheron和Serra等人提出来的15】。这些滤波器主要应用在形状识别、边缘检测、消除噪声以及图像增强等方面。近几年来，形态滤波器在图像处理中也己成为热门研究的课题。数学形态学的运算是由一组形态学的代数运算子组成的。最基本的形态学运算子有：腐蚀、膨胀、开和闭，可以用这些运算子及其组合来进行图像形状和结构的分析及处理。1)腐蚀简单的腐蚀(Erosion)是消除物体所有边界点的一种过程110]，其结果使剩下的物体沿其周边比原物体小一个象素的面积。如果物体是圆的，它的直径在每次腐蚀后将减少两个象素。如果物体任一点的宽度少于三个象素，那么它在该点将变为非连通的，即会成为两个物体：在任何方向的宽度不大于两个象素的物体将被去除。腐蚀对从一幅分割图像中去除小且无意义的物体来讲是很有用的。一般腐蚀定义为：E=B。S=扛，ylS。，正B}(3一17)其中B为某二值图像，S为一结构元素；两者都是定义在二维笛卡儿网格上的集合，“1”是这些集合中的元素；当一个结构元素的原点平移到点(x，y)处时，将其记做S。，。对于腐蚀操作，由S对B腐蚀所产生的二值图像E是这样的点(x，y)的集合：如果S的原点平移到点(x，y)，那么S将完全包含于B中。第27页 第三章编织复合材料预制件表面图像技术的研究简单的膨胀(Dilation)是将与某物体接触的所有背景点合并到该物体中的过程。过程的结果是使物体的面积增大了相应数量的点。如果物体是圆的，它的直径在每次膨胀后增大两个像素；如果两个物体在某一点相隔少于三个像素，它们将在该点连通起来，即合并为一个物体。膨胀在填补分割后物体中的空洞时很有用。一般膨胀定义为：D=Bos=b，YIs。，NB≠m}(3-18)也就是说：S对B膨胀产生的二值图像D是由这样的点(x，y)组成的集合：如果s的原点位移到(x，Y)，那么它与B的交集非空。3)开运算先腐蚀后膨胀的过程称为开运算。它具有消除细小物体、在纤细点处分离物体和平滑较大物体的边界时不明显改变其面积的作用。开运算的定义为：BoS=(BoS)oS4)闭运算(3—19)先膨胀后腐蚀的过程称为闭运算。它具有填充物体内细小空洞、连接邻近物体，在不明显改变物体面积的情况下平滑其边界的作用。闭运算定义如下：B·S=(BoS)oS(3～20)前面已经提到，如果把二值化处理后的图像直接进行细化处理，形成的细化图像中会存在孔洞和分支的现象。根据上面所讲的数学形态学的理论，可以看出，利用数学形态学对二值图像进行滤波，就可以很好的处理上面提到的现象。根据目标图像中存在的噪声的性质，可以通过连续、交替的使用开运算和闭运算以完成去除噪声的目的。因为编织复合材料预制件表面图像中编织花节的边缘信息在二值化后已基本上提取出来，图像中只是多了一些颗粒噪声，以及与边界相连的分支噪声，除此之外图像中并没有其他信息，所以可以先对图像进行闭运算，以连接图像中的临近物体，即边缘中的断裂区域，然后再进行开运算，以去除图像中的分支。第28页 第二：章编织复合材料预制件表面幽像技术的研究在数学形态学运算中，结构元素s选择不同的大小、形状，处理的结果就会有很大的不同。所以对于不同性质、大小的图像，应根据实际情况选择不同的结构元素。前面已经提到，结构元素本身实际上也是一个图像集合。在形态滤波中，结构元素大小的选择取决于图像中阶跃噪声的大小。在去除阶跃噪声时，结构元素的大小一定要大于噪声的大小，这样在腐蚀过程中才可以一次性的把阶跃噪声去除；同时结构元素的大小又不能大于图像中边界的宽度，这样才可以避免出现把图像中的边缘信息也滤掉的情况。选择结构元素的另一因素是形状的选择，在三维编织复合材料预制件表面二值化图像中，编织花节的边缘具有明显的方向性，所以在选择结构元素时，应把方向信息考虑进去。前面已经讲过，三维编织复合材料预制件中，编织花节的边缘大体上可以分解为四个方向(0度、45度、90度、135度)，在定义结构元素S时，可以据此进行定义，具体如图3—18：3．19结构元素SS的映像图3．18形态学结构元素对二值图像进行形态滤波后再进行细化处理，处理效果图如图瓣(a)未经形态滤波的细化图像(b)形态滤波后细化图像图3—19细化图像这里把未经过形态滤波，直接进行细化处理的细化图像也显示出来，通过两幅图像的比较，可以看出，经过形态滤波后再进行细化处第29页 第=二章编织复合材料预制件表面图像技术的研究理的细化图像(b)比图像(a)明显少了噪声的干扰，对于存在的小孔和分支都得到了有效的去除。至此，图像的预处理及细化工作已经完成。通过上面的实验效果图可以看出，预处理的效果已经很好，边缘信息的简洁明确给后期的特征提取及均匀性检测都带来了很大的方便；图像中信息量的减少也给后期工作的效率的提高提供了条件。第30页 第斟章表面圈缘的特缝挺敬与编织均匀性统计第四章表丽图像的特征提取与编织均匀性统计在上一章中，ji誊三维缓织复合秘瓣颈铡薛表瑟踅豫豹预筵瑾遂行了介绍，并对二值纯螽的图像逶行了纲忧。细化后的图像质量得到了提离，图像的信息慧得到了精减，同时图像中的边缘信息也得到了完整的保留和清晰的掇淑。在这一章中，将开始对图像中的特征进行提取及选择，并根据选择的特征进行特，证匹配，对图像中的编织花节长度帮缡缀角分别进镗均匀牲努辑。4．1图像均衡纯及特糕点的提取在前言中已经撮到过，为完成编织复合材料预制件编织均匀性的测燃，需要提取预制件的表面编织特征，即编织花节的顶点信息。后期的特征选择和均匀性统计工作，都是擞据图像中编织裢节的顶点信惠霹襞开戆。4．1．1交叉点提取摄取编织花节的顶点信息表现在图像中即为提取图像中的交叉点信息。两条边界以～定角度相交处的点称为交叉点⋯】，以交叉点为中心戆小区域内耪邻点戆撵度方囱交键较大。包括交叉煮，还舂透赛方淘发爱巨变静遗方戳殿强像获度梯瘦燮纯较大的遣方瀚点，称为角点。对于数字图像，可以兜求出它的最小二乘拟合曲面，然质求相应的导数和方向导数来提取角点。常用的抽取特征点的方法可以分为三类：(1)使用≈}线性滤波的方法，磐Smith【l那撼爨戆SUSAN焦点徐溅法。该方法憨镣令蒙素与包含它的一块蜀部区域关联起来，这块嚣域里的其它象索与该象素其有相似的强度。SUSAN角点检测法对这块区域进行极小化，然后利用统计特性决定该象素的属性，即角点、边上的点还是面上的点。(2)基于曲率的方法。需要先进行边界抽取，然后用曲率信息来找出特征点。(3)铡蠲图像的灰度变豫率来确定焦点。对于角点弦取的爨体方法，较为经典的有K—R法、Z，H法、邻点梯魔麓值法、小波变换法等。1)K—R法提取角点第31美 第叫章表面圈像的特征提取与编织均匀性统计对于图像“x，y)，可以计算在点(x，y)处的梯度：G(圳)：兽f+擎，；nj+厂t，，出ay。(4—1)梯度方向口(tan口：要／要：厂-，／厂t，=z)相对x的变化率为∽／似铲警=警塞=等筹4缸az舐(f)2+(∥)2同理有。V．．塑：塑鱼：墨互二五垒yay瑟砂(一)2+(∥)2(4—2)(4—3)由于梯度矢量G(z，力=(∥，f)’指向函数f变化率最大的方向，而矢量h=(一∥，一)7是和G垂直的，所以它反映了可能边界L的局部走向(因L是否为边界和其边界强度有关)。梯度方向0的变化率(以，8：)在可能边界走向上的投影反映了可能边界转弯的尖锐程度。从而将梯度G的方向的变化率矢量伊=(或，口：)7在L上的投影即∥·(h／Ihl)和梯度的幅值的乘积K作为角点存在性的测度：世=器叱脚删2=盟筹铲IKI越大，则角点存在的可能性就越大。在实际中常用小区域模板来近似导数运算，对于一阶导数可以用2*2的模板运算代替，二阶导数用3*3模板运算代替。2)Z—H法提取角点z—H方法是在提取了边界点后再计算该点的梯度方向的变化率第32页 第删章表面图像的特征提取与编织均匀性统计以判断其是否为角点。此前要做的一项工作是要求出图像的拟合曲面。设已经求得图像“x，y)的拟合曲面：“x，y)=kl+k2x+k3y+k4x2+k5xy+k6Y2+k7x3+k8x2y+k9xy2+k1oY3(4—5)则梯度方向角在梯度方向上的变化率表示为00一一2(k；k。二塾塾鱼±笪鱼!印(☆；+≈；)“2(4—6)P为梯度方向上的一小段距离长度，一般等于或小于一个象素间的距离。当被处理点为边界点，且被处理点处的竺的绝对值大于某一阈oo值时，则认为该点为角点。3)邻点梯度差值法这种方法是在待检测角点的边缘点Po(xo，Yo)的附近选出另外两个边界点P1，P2，它们在Po的两侧，与Po等距，且距离r很小。设这三个点的梯度方向分别为O(Pi)，i=O，l，2，若IO(P1)一O(P2)I>阈值，则认为Po为角点。4)小波变换法在角点提取中，小波变换法的实质是用多个高斯低通滤波器对曲线的方向角同时进行滤波，计算曲线的曲率，通过求局部极值，选出一些角点候选点，然后对候选点进行分类，采取不同的准则加以判断，最后得到正确的角点。小波函数是通过对小波基函数的伸缩和平移而生成的函数簇。在尺度k下，函数fix)的小波变换Wk“x)是“x)与(1／k)y(x／k)的卷积，其中∥(x)为小波基函数。在多尺度分析中，可以把信号的局部特征与小波变换的值联系起来。对某些特殊的小波变换函数，小波变换的极值点相对于信号变化的尖锐点。这样，小波变换不仅能检测出信号的尖锐变化，而且能够描述出信号的局部形状。平面曲线的角点相当于曲线切线角突变的点，所以，切线角突变的点可以作为角点的候选点。在角点检测中，小波变换的小波基可以采用高斯函数的一阶微分∥1(x)。少1(x)的积分为零，根据定义可以作为小波基函数。所以fix)第33页 第四章表面图像的特征摊取’j编织均匀性统计在尺度2。下的小波变换为：暇m)=m)州(加似)+【2“等b掣万di(厂+刚x)(”)这里取i=1。州，(x)是以尺度2。被平滑的“x)的一阶导数，其对应与厂+吼的弯曲点，这样，局部极值点的检测和角点的检测在某种意义下是等价的。理论上，在小波变换中，某点方向角的小波变换要受到所有其他各点方向角的影响，为了简化分析，可以假设某点方向角的多尺度小波变换只与它邻近点的方向角有关，其他远离点的方向角的影响忽略不计。实验证明，这个假设是合理的。具体的交点检测步骤如下：i1计算四个不同尺度下的小波变换。首先计算边界提取后得到的边缘轮廓图的方向角妒(s)。方向角的定义如下：设有一条用n个离散点描述的闭合曲线c={Pi=(xi，Yi)，i-1，⋯，n)，式中P⋯是Pi的后继点，曲线C的F链码C1C2⋯C。．1的码元Ci表示有向线段PiPm，并且c．对应于PiPj+1与x轴的夹角B=三G(c，=o，．．，7)，方向角B的分辨率为三。由于量化误差不可避免，为减小量化误差并平滑局部波动，把方向角定义为：矿(f)：arctaIl—Yi+q--—Yi-q(4—8)参数q称为平滑因子，它通常取2或3，当某点的方向角被上式平滑后，方向角值变化的区间长度为一常数d=2q+l(在非变化区间其值为一常数)。当计算出庐(s)后，在四个不同尺度下(k=O，1／2，1，3／2)把≯(J)与小波基函数yk(s)卷积，得到庐(s)在四个不同尺度下的小波变换。ii)检测候选点。寻找函数Wk庐(s)的正的局部最大值和负的局部最小值。由于尺度是离散的，因此可以用一个匹配过程去确定两个不同尺度之间的极值对应关系，这样把不同尺度下同一位置上都存在极值的点连接起来，形成极值线。存在极值线的点一部分对应于真角点，一部分对应于伪角点(比如弧)或噪声点，因为在尺度较小的情况下，噪声点的小波变换的幅值要比真角点的幅值小得多，所以可以利用一第34页 豁秘章表面鎏像鲍特钲攫取与编缀均匀牲统计阈值的设定来去出～部分噪声点，其中阂值的选取蔽赖于所要检测的最小角的角点。上面简单介绍了几种角点提取的方法，对于不同性质的图像可以采麓不圈的角点提取箨法。K—R方法逶蘧予对灰度强豫豢接避行惫点撼驭，鞠应静对获发图像豹质量要求魄较商；z，珏方法静使用兹挺是先要得到图像的三次多项式拟合曲面，在此基础上对瀚像进行角点提取；前面的这两种方法基本上都是通_i遘计算象素梯度大小及梯度方向的变化率来完成角点的抽取，这样做的优点是定位精度比较高，但是计舞却比较复杂，褥艇计算速度较慢。邻点梯度差值法掇对麓单，但冀麓壤嚣辗撵不目豹溪求送孬不嗣豹逡鼗。至于小渡交换法，萁方法的实现相对较为复杂和费时，在去除伪角点的过程中湖德的选取也是个阀题。总之，对于本课题的研究对辣：三维编制复合材料预制件表面图像而言，这些方法或多或少都存在着不适应性。预制件的表面图像经过预处理及细化履，其边界信息融经非常明显，在此基础上，可滋袋惩更隽筵蕈方爱瓣方法进行交叉点豹提取，淡淹低运算薅阕。模板簸理就是其中的一糖。这种交叉点提取的方法是在图像进行细化处理后的基础上进行的。其基本原理是通过模板处理的方式，对图像进行扫撼，根据所选择模扳的大小，对处于一个模板中的象索进行统计，确定模板中边赛象豢懿数量，逶过交叉患塞瑗嚣露漾怒瓣条终遘舒阙氆逡敬，蔽摇梵阚使判断模板中心点怒否为交叉点。程笫三章中已经对图像的缅纯处理避行了介绍，并且察验结果也令人满意。所以在此基础上进行模板处理以检测交叉点的方法是可行的，舆体的检测步骤如下(假设图像中的边缘都是等宽度的，且宽度记为k)：1)扫蘧整豫，黻边缘焘为孛心，诗髯其3k"3邻域瘸戆灰痉累黧值M；2)选取阈值T=3*k*e(e为非边界点象素值，在=使图像中表现为白点)，进行闽值判断：当M≥T时，即可认为此边缘点为交叉点；3)将标记为交叉瘫豹信惑点耋感标记出来(这羹采臻热粗的方法)，消去非交叉点(即边缘点)。如此对图像进行横向、纵向一次扫描，即可以标记出图像中的所有交叉点。篱弱菱 笫弼章表蠹鹜像瓣特挺提取每编织均匀性统}}在实验中，通邋上面的算法对细化后的二值图像游行了交叉点提舣的试验，这种算法不但简单，而且处理的效果非常好。但使用此方法谶行交叉点的提取，需要一个前提条件，即图像中的边缘必须是等宽的。要做到这一点，就需要对细化后盼图像进行均衡他处理。4．1．2圈豫均衡能处理对图像进行交叉点提取，需要一个前提条件，即图像中的边缘是等宽的。当图像完成前面一章的处理，即预处理及细化处理后，编织花带的边缘信息已经潺晰的显示出来。但通过对图像的分析可以看出，其边缘菸不满足等竟戆条l孛，魏票蠹接遴行交叉点握敬，将褥不蜀颈麓的结莱。这薅就鬟骚避行嚣橡熬稳褥化楚理。均衡化处理的目的就是调整细化网像中编织花节边缘的宽度，使得图像中边缘的宽度都相等。具体的做法总结如下：1)横向趣描图像，检测边缘横淘怒始位置(i,j。)秘缝寒位置(i,j。)；2)计算边缘的中点位譬(i,j。)，程实验孛取边缘谯农平方向上的中心：Jm=js+U。一J。l／2；3)以(i,j。)为中点，左右各扩展k单位宽度，以此作为边缘，替换原来的边缘傣怠。对予实验孛懿三缀缡织复合褥籽预裁律表露銎像，．选择扩震宽度为3，即中心点左右备扩展一个单位宽度，这时，k=3。如此对二值图像中的每一边缘处进行均衡处理，即可得到均衡化后的边缘等宽的二值化图像。此时再对图像进行交叉点掇取，将会得到满懑的效果。处理效果图如图4．2：瓣瓣图4-1均衡后图像图4-2提舣交叉点从处理效果图上W以看出，在编织花节的顶点位置，交叉点已经第36美 第四章表面幽像的特征提取与编织均匀性统计被明显的标记出来(采用加黑表示)。然而由于在图像均衡阶段，图像中编织花节的顶点处也进行了宽度扩展，这就使得在提取交叉点时，在真(：I三交叉点的左、右、上、下方向上都有可能出现满足提取交叉点条件的伪交叉点。这时，就要对进行一次提取交叉点后的图像再次进行均衡性处理。此次均衡性处理的目的是为了去除提取交叉点后图像中的伪交叉点。因为伪交叉点出现的位置都是在编织花节顶点的附近，所以可以利用这一特性取相邻交叉点的位置平均，来确定编织花节顶点的位置。在寻找满足相邻关系的交叉点时，可以把标准编织花节的长度信息h、W考虑进去。在实验中，以检测到的第一个交叉点为起始点，在其(h／2，w／2)的区域内检测交叉点，检测出的交叉点即为相邻交叉点。这时对它们取位置平均，得出的位置处即为交叉点的位置所在。通过均衡性处理，三维编织复合材料预制件表面图像中编织花节的顶点信息被成功的提取出来。4．1．3编织花节结构定义当编织复合材料预制件中编织花节的顶点信息被成功提取之后，还需要做的一项工作就是确定顶点之间的相对关系，即确定隶属于一个编织花节的四个顶点信息。这是进行后期特征选择和匹配的前提。在前期工作中已经对图像进行了充分的处理，这一步需要完成的任务是确定一个编织花节的四个顶点信息。在实验中我们采用的是距离检测的方法来实现四个顶点的定位。在前面进行顶点提取之后，可以得到图像中所有顶点的坐标位置。我们可以通过以每个顶点i为起点，进行向左、向右、向下扫描，以寻找和其相邻的点。在寻找到的点集中，与其距离最短的三个顶点即可认为是它的三个相邻顶点，即以i为上顶点的编织花节的四个顶点位置就确定了下来。同时可以通过计算找到的三个顶点的坐标相对于i的相对位置来确定其在编织花节中的位置(即为左顶点、右顶点或是下顶点)。下面通过找到的顶点信息对一个编织花节进行数据结构定义structpointmtX：第37页 第列章表趸鹭像豹特鬣挺彀与编缓均匀住统汁structcllmax{pointUdata：pointLdata；pointRdata；pointBdata：}对强豫串豹每个特征点遗孝子上述操莘筝，即可鼓实现对每个编织花节的结构定义。4．2图像特征的选择姆特征模型的建激当完成特征点的提取及编织花节的定义之后，就霹以对编织花节翡懿缓送霉箍致与逡撵，著送嚣特鬣谈整弱匹配，黻实魏jc砉缓绶筠匀健的统计。4．2．1编织花节特征的选择在前言中已经讲过，要实现对编织均匀性的检测，可以通过分别瓣缀织囊窝兹苓长壤臻惠送行缘匀壤羧铡寒实褒。在这鬃，藏霹跌鬏耀这两顼要求对编织藏节进行编织角秘稼节长度的特铤掇取。当确定了编织花节的四个顶点信息之后，上面提判的两个特征量都可以通过这些顶点信息得到。下面通过编织花节结构图4-3来分析这蹲个特征量的选择墨计算。LB第38炎 第嚣章表面圈德豹特征掇敬与编织均匀控统计淘4-3绽缓藏繁绐褥餮图中h为花节长度燃，c1为编织花节的编织角信息。编织花节的这辨个特征量都可以遵避霹个顶点u、L、歉、B的糖嚣售慰露获得。在进行编织均匀褴的测量中，可以藏攘对编织稳节的花节长度进褥溅蘩，并统诗灏豫中簌骞壤织稳繁靛筏节长度寒嶷璎编织均匀莛中花节长度的均匀憾检测。丽对于编织角的均匀性测量可以通过对图4-3中的另一个特征《2进行检测来实现。这样做的原因怒由于在标准编织l芯节臻擞中，