一種鑄造縮孔缺陷圖像生成方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及計(jì)算機(jī)圖像處理領(lǐng)域，特別涉及一種鑄造縮孔缺陷圖像生成方法。
【背景技術(shù)】
[0002] 無論是鑄造缺陷培訓(xùn)過程中的示教，還是設(shè)計(jì)自動(dòng)檢測缺陷系統(tǒng)，以及測試缺陷 檢測算法，都需要大量的缺陷樣本。從實(shí)際生產(chǎn)中采集缺陷樣本最為理想，但鑄造技術(shù)水平 的提高已大大降低次品率，甚至有些類型的缺陷較為罕見，使得大量獲取同類樣本非常困 難。
[0003] 計(jì)算機(jī)生成圖像的方法目前主要有基于參數(shù)的CAD法和基于非參數(shù)的圖像疊加 法。
[0004] 基于CAD模型的缺陷圖像生成法和缺陷疊加法已成為生成鑄造缺陷的兩種主要 方法。射線跟蹤以及X射線衰減，是CAD模型產(chǎn)生3-D鑄造缺陷的基礎(chǔ)。其過程是設(shè)想從X 射線源朝檢測器發(fā)射一組射線，射線與設(shè)想的X射線檢測工件的表面以及缺陷的表面均有 交點(diǎn)，通過射線衰減公式計(jì)算到達(dá)探測器每一像素點(diǎn)的射線能量強(qiáng)度，生成缺陷圖像，變換 擬定交點(diǎn)的位置，即得到不同的圖像。該方法不足在于：1)由于需首先手工設(shè)計(jì)設(shè)想的工 件，確定缺陷的空間形狀，因而手工繪制過程極大地限制了缺陷自然呈現(xiàn)的多樣性和隨機(jī) 性；2)三維數(shù)據(jù)的表達(dá)和射線衰減計(jì)算，運(yùn)算量極大，不利于大量的缺陷生成。
[0005] 缺陷疊加法是另一種鑄造缺陷技術(shù)。它與CAD法的不同在于，缺陷創(chuàng)建過程中使 用2-D圖像技術(shù)將鑄件缺陷疊加到真實(shí)射線圖像上。它既不需要復(fù)雜的三維軟件包，也不 需要實(shí)測鑄件模型。然而，早期的研究結(jié)果表明，使用的方法不同，產(chǎn)生的缺陷類型迥異，有 些方法無法使生成的缺陷接近真實(shí)缺陷的特征，達(dá)不到實(shí)用的目的。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)的缺點(diǎn)與不足，提供一種鑄造縮孔缺陷圖像生成 方法，該方法基于diamond-square算法，用于生成鑄件中常見的縮孔疏松缺陷圖像。其中， diamond-square算法也叫正方形-正方形細(xì)分法，是將隨機(jī)中點(diǎn)位移法用于正方形平面而 生成的地面特征。
[0007] 本發(fā)明的目的通過以下的技術(shù)方案實(shí)現(xiàn)：
[0008] -種鑄造縮孔缺陷圖像生成方法，包括缺陷圖像生成、缺陷圖像變換處理、融合產(chǎn) 品結(jié)構(gòu)背景三個(gè)階段，具體為：
[0009] SI.缺陷圖像生成階段：
[0010] SlOL構(gòu)建一個(gè)（2n+l) X (2n+l)的二維數(shù)組，該二維數(shù)組為空二維數(shù)組，η的取值 范圍為（1，10);
[0011] S102.利用diamond-square算法生成（2η+1) X (2η+1)大小的高程數(shù)據(jù)，并將其對(duì) 應(yīng)地存儲(chǔ)在步驟SlOl建立的二維數(shù)組中；
[0012] S103.對(duì)二維數(shù)組中的高程數(shù)據(jù)進(jìn)行歸一化處理；
[0013] S104.將歸一化處理后的高程數(shù)據(jù)與8位灰度值圖像的最大灰度值即255相乘，并 將其作為所生成的缺陷圖像；
[0014] S2.缺陷圖像變換處理階段：
[0015] S201.對(duì)經(jīng)步驟S104處理得到的缺陷圖像進(jìn)行直方圖均衡化；
[0016] S202.對(duì)經(jīng)步驟S201處理得到的缺陷圖像進(jìn)行相應(yīng)的閾值化；
[0017] S203.對(duì)經(jīng)步驟S202處理得到的圖像進(jìn)行高斯濾波；
[0018] S204.對(duì)經(jīng)步驟S203處理得到的圖像進(jìn)行灰度拉伸；
[0019] S205.重復(fù)步驟S201~S204,得到變換處理后的缺陷圖像；
[0020] S3.融合產(chǎn)品結(jié)構(gòu)背景階段：
[0021] S301.截取部分真實(shí)鑄件中帶缺陷的圖像；
[0022] S302.經(jīng)紋理合成處理后，將步驟S301的圖像除去缺陷后作為背景圖像I ;
[0023] S303.對(duì)背景圖像I計(jì)算檢測出其最大灰度值Iniax、最小灰度值1_，計(jì)算H = 255/ 1_的值；
[0024] S304.將步驟S303中的H值作為缺陷圖像的歸一化上限，并對(duì)由步驟S205得到的 缺陷圖像進(jìn)行歸一化得到缺陷圖像D ;
[0025] S305.將背景圖像I和缺陷圖像D進(jìn)行點(diǎn)乘，得到最終的缺陷圖像M = I*D。
[0026] 所述步驟S102包括以下步驟：
[0027] S102-1.步驟 SlOl 生成的（2n+l) X (2n+l)二維數(shù)組即（2n+l) X (2n+l)個(gè)像素的正 方形，以5*5的正方形作為diamond-square算法即正方形迭代分形示意圖，用范圍（-1，1) 的隨機(jī)值初始化正方形四個(gè)角點(diǎn)A、B、C、D的高程值，分別設(shè)定為h A、hB、he、hD，并根據(jù)hA、 hB、he、hD總和的平均值加上一范圍在（_1，1)的隨機(jī)值心來確定該正方形中心點(diǎn)M的高程 值，則中心點(diǎn)M的高程值為
[0028]
[0029] S102-2.將正方形劃分為4個(gè)子正方形，并根據(jù)hA、hB、he、h D與h M總和 的平均值加上一范圍在（-1，I)的隨機(jī)值來確定這4個(gè)子正方形邊界中點(diǎn)E、F、 G、H的高程值，則其高程值分別為
、
[0030] S102-3.重復(fù)步驟S102-2,遞歸劃分各子正方形，直到確定正方形所有高程點(diǎn)的 高程值，并將其一一對(duì)應(yīng)地存儲(chǔ)到步驟SlOl建立的二維數(shù)組中。
[0031] 所述步驟S103包括以下步驟：
[0032] S103-1.求出二維數(shù)組中高程數(shù)據(jù)的最小值，并取其絕對(duì)值，設(shè)為h_;
[0033] S103-2.將二維數(shù)組中所有點(diǎn)的高程數(shù)據(jù)分別加上步驟S103-1得到的絕對(duì)值，即 h' A= h A+h_、h' B= h B+h_···，并作為新的高程數(shù)據(jù)即h' A、h' B···保存在二維數(shù)組中；
[0034] S103-3.求出步驟S103-2得到的二維數(shù)組中高程數(shù)據(jù)的最大值11_;
[0035] S103-4.將二維數(shù)組中所有的高程數(shù)據(jù)除以步驟S103-3得到的最大值，完成對(duì)高 程數(shù)據(jù)的歸一化處理。
[0036] 所述步驟S202包括以下步驟：
[0037] S202-1.根據(jù)Ostu最大類間方差法，求出經(jīng)步驟S201處理得到的缺陷圖像的分割 閾值；
[0038] S202-2.選出缺陷圖像中所有灰度值小于分割閾值的點(diǎn)，并將這些點(diǎn)的灰度值設(shè) 置為缺陷圖像灰度值的平均值；
[0039] S202-3.將經(jīng)步驟S202-2處理得到的缺陷圖像的灰度值--映射到（0, 255)之間 的灰度值上。
[0040] 所述步驟S204以下步驟：
[0041] S204-1.獲取經(jīng)步驟S203處理得到的缺陷圖像的尺寸與波段數(shù)；
[0042] S204-2.運(yùn)用灰度拉伸公式對(duì)缺陷圖像的每個(gè)波段依次進(jìn)行灰度拉伸；
[0043] S204-3.保存灰度拉伸結(jié)果。
[0044] 所述步驟S304以下步驟：
[0045] S304-1.獲取缺陷圖像灰度值的眾數(shù)，即圖像灰度直方圖中出現(xiàn)頻率最高的某一 灰度值，設(shè)為gn;
[0046] S304-2.選出缺陷圖像中所有灰度值小于gni的點(diǎn)，并將這些點(diǎn)的灰度值設(shè)置為 gm；
[0047] S304-3.根據(jù)歸一化上限H以及歸一化下限1，對(duì)經(jīng)步驟S304-2處理得到的缺陷 圖像進(jìn)行歸一化處理，歸一化處理后得到的缺陷圖像
[0048] D = 1+ ((I-I_) AIniax-Iniin)) * (H-I) 〇
[0049] 本發(fā)明與現(xiàn)有技術(shù)相比，具有如下優(yōu)點(diǎn)和有益效果：
[0050] 1、通過在（1，10)的范圍內(nèi)改變構(gòu)建的（2n+l) X (2n+l)二維數(shù)組中η的大小即可 生成不同尺寸的缺陷圖像。
[0051] 2、由于hA、hB、h#PhD是隨機(jī)數(shù)，因此每次生成的缺陷圖像形狀具有隨機(jī)性，符合 缺陷的形狀不確定的特征，從而達(dá)到真實(shí)感效果。
[0052] 3、本發(fā)明生成缺陷樣本效率高。
【附圖說明】
[0053] 圖1為本發(fā)明所述的一種鑄造縮孔缺陷圖像生成方法的流程圖；
[0054] 圖2是本發(fā)明的diamond-square算法流程圖；
[0055] 圖3是本發(fā)明的diamond-square算法迭代分形示意圖；
[0056] 圖4a、4b、4c分別為實(shí)測缺陷的第一、第二、第三樣本；
[0057] 圖5a、5b、5c分別為實(shí)測缺陷的第一、第二、第三樣本經(jīng)紋理合成處理后無缺陷的 產(chǎn)品背景圖像；
[0058] 圖6a、6b、6c分別為基于diamond-square算法生成的第一、第二、第三缺陷圖像；
[0059] 圖7a、7b、7c分別為第一、第二、第三仿真缺陷樣本，其中第一仿真缺陷樣本為實(shí) 測缺陷的第一樣本經(jīng)紋理合成處理后無缺陷的產(chǎn)品背景圖像與基于diamond-square算法 生成的第一缺陷圖像合成的仿真缺陷樣本，第二仿真缺陷樣本為實(shí)測缺陷的第二樣本經(jīng)紋 理合成處理后無缺陷的產(chǎn)品背景圖像與基于diamond-square算法生成的第二缺陷圖像合 成的仿真缺陷樣本，第三仿真缺陷樣本為實(shí)測缺陷的第三樣本經(jīng)紋理合成處理后無缺陷的 產(chǎn)品背景圖像與基于diamond-square算法生成的第三缺陷圖像合成的仿真缺陷樣本。
【具體實(shí)施方式】
[0060] 下面結(jié)合實(shí)施例及附圖對(duì)本發(fā)明作進(jìn)一步詳細(xì)的描述，但本發(fā)明的實(shí)施方式不限 于此。
[0061] 如圖1所示，一種基于diamond-square算法的鑄造縮孔缺陷圖像生成方法，包括 缺陷圖像生成、缺陷圖像變換處理、融合產(chǎn)品結(jié)構(gòu)背景三個(gè)階段，所述缺陷圖像生成階段包 括以下步驟：
[0062] SI.構(gòu)建一個(gè)（2n+l) X (2n+l)的二維數(shù)組，該二維數(shù)組為空二維數(shù)組，η的取值范 圍為（1，10);
[0063] S2.利用diamond-square算法生成（2η+1) X (2η+1)大小的高程數(shù)據(jù)，并將其對(duì)應(yīng) 地存儲(chǔ)在步驟Sl建立的二維數(shù)組中；
[0064] S3.對(duì)二維數(shù)組中的高程數(shù)據(jù)進(jìn)行歸一化處理；
[0065] S4.將歸一化處理后的高程數(shù)據(jù)與8位灰度值圖像的最大灰度值即255相乘，并將 其作為所生成的缺陷圖像；
[0066] 所述缺陷圖像變換處理階段包括以下步驟：
[0067] S5.對(duì)經(jīng)步驟S4處理得到的缺陷圖像進(jìn)行直方圖均衡化；
[0068] S6.對(duì)經(jīng)步驟S5處理得到的缺陷圖像進(jìn)行相應(yīng)的閾值化；
[0069] S7.對(duì)經(jīng)步驟S6處理得到的圖像進(jìn)行高斯