工业电子内窥镜缺陷尺寸自动测量方法
1、图像边缘扫描
为了准确识别缺陷的位置和提高自动测量的精确度，在自动测量之前需要对检测出来的边缘图像作进一步的处理，去掉图像中由噪声引起的伪边缘，保留真实的轮廓边缘，从而达到“去伪存真”的目的．本文提出图像边缘扫描算法来自动分析和处理图像中的边缘信息
。其具体实现步骤如下：
(1)读取孔探图像。以矩阵A表示读取的图像数据，图像中黑色的像素点在用0表示，白色的像素点用l表示．
(2)删除短分叉。叶片的边缘线一般都是较长的主线，主线上可能含有少量短分叉线，其上的短分叉线可能会影响对缺陷的准确识别，必须对图像作进一步处理，除去曲线上的短分叉线，得到连续单一的边缘主线．具体方法是对图上的每个黑像素点都采用八方向搜索，如果曲线在某黑点有分叉，即此点的8．邻域内存在3个以上黑像素点，选择最长的线条作为主线的一部分，其它方向上的线条被认为是短分叉线并予以删除．
(3)用方向链码表示曲线．对于离散的数字图像而言，区域的边缘可以理解为相邻边缘像素点之间的单元连线逐段相连而成．对图像中某像素点8．邻域的各像素点连线方向按图4．3所示进行编码，用0，l，2，3，4，5，6，7表示8个方向，这种代码称为方向码．其中偶数码为水平或垂直方向的链码。码长为l；奇数码为对角线方向的链码，码长为√2．边缘曲线的方向链码表示便于计算曲线的长度，快速而且节省存储空间．
其中右边数据点上的小方框表示经过自动测量方法计算后找到的缺陷起始点和终止点，小圆圈表示缺陷顶点．左边实线是三次样条插值函数的一阶导数，其上的小圆圈表示局部极值点。Ca)是含单个缺陷的边缘图像，利用该方法准确的找到了缺陷的三个特征点如图(b)所示．图(c)是在图Ca)的下端人为添加了一个缺陷，以此来检验该方法对多个缺陷的识别效果，缺陷特征点提取结果如图(d)所示，特征点提取结果也很准确．由于图(e)所示的缺陷下端是以较小的倾斜度开始的，三次样条函数在这些点处的一阶导数值很小，并且小于设定的阈值．导致缺陷在下端的特征点提取有误。
关注微信公众号
