構(gòu)元素，取值全為1的矩陣，可 參見圖4。該例的汽車剎車盤內(nèi)部缺陷的檢測方法的具體步驟有:步驟1:對汽車剎車盤的原 始X射線圖像f(x，y)進(jìn)行大小尺寸結(jié)構(gòu)元素的數(shù)學(xué)形態(tài)學(xué)頂帽變換運算，得到模板圖像Μ (x，y)。其中結(jié)構(gòu)元素尺寸的定義取決于剎車盤的X射線成像系統(tǒng)，如線陣或面陣的不同成 像系統(tǒng)，總體原則是能覆蓋所有可能的缺陷，同時要略小于剎車盤本身的幾何結(jié)構(gòu)。對于本 實施案例，基于常見的40萬像素(768X576)分辨率的X射線成像系統(tǒng)，根據(jù)40萬像素分辨率 的X射線成像系統(tǒng)，優(yōu)選尺寸為17X17的方形結(jié)構(gòu)元素 B，矩陣元素全部選擇1，具體結(jié)構(gòu)詳 見附圖4。圖4是17X17的方形結(jié)構(gòu)元素 B的示意圖，用此結(jié)構(gòu)元素 B對原始圖像做開運算之 后，不能容納17X17大小的亮細(xì)節(jié)被全部去除，能容納17X17大小的亮區(qū)域，如剎車盤本身 的中心鏤空區(qū)域6、螺栓孔7等幾何結(jié)構(gòu)，受開運算影響被去掉一部分，原始圖像的其他灰度 不受影響。原始圖像f(x，y)經(jīng)過結(jié)構(gòu)元素 B的頂帽變換后得到模板圖像M(x，y)，如圖5所示， 圖5為用圖4之結(jié)構(gòu)元素 B對原始圖像經(jīng)過步驟1處理后的結(jié)果示意圖，在步驟1中的原始X射 線圖像記為f(x，y)，模板圖像記為1(^7)汀(1， 7)經(jīng)過數(shù)學(xué)形態(tài)學(xué)頂帽變換得到1(^7)，用 數(shù)學(xué)公式表示為：Μ (X，y) (X，y) -[f (X，y) ΘΒ:] ?B,其中：Θ表示數(shù)學(xué)形態(tài)學(xué)運算中 的腐蝕運算，?表示數(shù)學(xué)形態(tài)學(xué)運算中的膨脹運算，B為數(shù)學(xué)形態(tài)學(xué)運算中的結(jié)構(gòu)元素。該 例的待處理圖像為f(x，y)，結(jié)構(gòu)元素為B，技術(shù)方案中涉及到的數(shù)學(xué)形態(tài)學(xué)運算的情況如 下：關(guān)于數(shù)學(xué)形態(tài)學(xué)的腐蝕運算定義如下：f(X，y) =f (X，y) ΘΒ，其中，符號Θ表示腐 蝕運算，f_de(X，y)為腐蝕運算后的結(jié)果。腐蝕運算的過程是結(jié)構(gòu)元素 B在圖像中遍歷時，每 次選擇取值為1的位置上所有像素的灰度最小值賦給原點對應(yīng)的像素，去掉了比B小的亮細(xì) 節(jié)，收縮了比B大的亮區(qū)域，使圖像亮度整體變暗，相當(dāng)于一個局部最小值算子。關(guān)于數(shù)學(xué)形 態(tài)學(xué)的膨脹運算定義如下：y)=f (X，y)十B，其中，符號95表示膨脹運算，fdllate (x，y)為膨脹運算后的結(jié)果。膨脹運算的過程是結(jié)構(gòu)元素 B在圖像中遍歷時，每次選擇取值 為1的位置上所有像素的灰度最大值賦給原點對應(yīng)的像素，去掉了比B小的暗細(xì)節(jié)，擴(kuò)展了 比B大的亮區(qū)域，使圖像亮度整體變亮，相當(dāng)于一個局部最大值算子。在圖5中：中心鏤空區(qū) 域6和螺栓安裝孔部位7,以及缺陷區(qū)域10和11清晰可見。圖5的圖面主要由2種灰度構(gòu)成:一 種灰度受開運算影響取值較大，由缺陷區(qū)域1〇、11和中心鏤空區(qū)域6、安裝孔部位7不能容納 結(jié)構(gòu)元素 B的細(xì)小部分組成，另一種灰度取值較小由不受開運算影響的其它剩余區(qū)域組成。 經(jīng)過步驟1的運算后，原始圖像f(x，y)的多種灰度變成了主要是2種灰度的模板圖像M(x， y)。步驟2采用與步驟1相同的結(jié)構(gòu)元素，對圖像f(x，y)進(jìn)行數(shù)學(xué)形態(tài)學(xué)頂帽變換重建運算， 得到標(biāo)記圖像m(x，y)。開重建運算是頂帽變換重建運算的核心，使用17X17的方形結(jié)構(gòu)元 素 B腐蝕后的結(jié)果做為模板對f(x，y)進(jìn)行重建，去除了被腐蝕完全去掉的亮細(xì)節(jié)，恢復(fù)了受 腐蝕影響的亮區(qū)域。f (x，y)進(jìn)行頂帽變換重建運算得到標(biāo)記圖像m(x，y)，也即f (x，y)減去 其開重建運算結(jié)果后的差值圖像，如圖6所示，圖6是用圖4之結(jié)構(gòu)元素 B對原始圖像經(jīng)過步 驟2處理后的結(jié)果示意圖，在該例的步驟2中的原始X射線圖像記為f(x，y)，標(biāo)記圖像記為m (x，y);f(X，y)經(jīng)過數(shù)學(xué)形態(tài)學(xué)頂帽變換重建運算得到m(x，y)，用數(shù)學(xué)公式表示為： 1? (X，_y): =-f (X，y) -R_t(x,y) [f (X, y) ΘΒ]，其中R表示數(shù)學(xué)形態(tài)學(xué)運算中的重建運算，重建運 算涉及模板圖像和標(biāo)記圖像，R的下標(biāo)f(x，y)為本次重建運算中的模板圖像，f(x，y) ΘΒ 得到的結(jié)果為本次重建運算中的標(biāo)記圖像，Θ:表示數(shù)學(xué)形態(tài)學(xué)運算中的腐蝕運算， [f (X，y) 6B]稱為開重建運算，重建的結(jié)果是標(biāo)記圖像f (X，y) ΘΒ上完全消失的 亮區(qū)域重建后完全消失，f (X，y) ΘΒ上存在的亮區(qū)域重建后全部恢復(fù)，f (X，y) ΘΒ上的 暗區(qū)域和其它灰度不受重建影響。頂帽變換重建運算的結(jié)果圖像m(x，y)由f(x，y)減去其開 重建運算后得到，結(jié)果是開重建運算中去掉的亮點細(xì)節(jié)相減的過程中被保留，如圖6中的較 小的缺陷區(qū)域11和較大的缺陷區(qū)域10的一部分構(gòu)成，開重建運算中恢復(fù)的其它亮區(qū)域在相 減的過程中被去除，如圖5中的中心鏤空區(qū)域6、安裝孔部位7不能容納結(jié)構(gòu)元素 B的細(xì)小部 分。在圖6中也主要由兩種灰度構(gòu)成:較小的缺陷區(qū)域11和較大的缺陷區(qū)域10的一部分構(gòu)成 較大的灰度，其它區(qū)域構(gòu)成較小的灰度。步驟3:以步驟2得到的標(biāo)記圖像為標(biāo)記，步驟1得到 的模板圖像為模板，進(jìn)行數(shù)學(xué)形態(tài)學(xué)重建運算，得到剎車盤的重建圖像;步驟3以圖像m(x， y)為標(biāo)記圖像，M(x，y)為模板圖像，進(jìn)行數(shù)學(xué)形態(tài)學(xué)重建運算，得到圖像F(x，y)，如圖7所 示。圖7是根據(jù)標(biāo)記圖像m(x，y)和模板圖像M(x，y)進(jìn)行數(shù)學(xué)形態(tài)學(xué)重建運算，得到圖像F(x， 7)。該例的步驟3中的標(biāo)記圖像為步驟2得到的!11(^ 7)，模板圖像為步驟1得到的姒^7)，剎 車盤的重建圖像記為？(^7)^(^ 7)由!11(^7)和1(^7)經(jīng)數(shù)學(xué)形態(tài)學(xué)重建運算得到，用數(shù) 學(xué)公式表示為？(1，7)=1^^,\：|[111(1，7)]。其中，符號1?表示重建運算，111(1，7)為標(biāo)記圖像，]/[ (x，y)為模板圖像，F(xiàn)(x，y)為重建運算的結(jié)果，標(biāo)記圖像m(x，y)與模板圖像M(x，y)大小相 同，每一點灰度值小于等于對應(yīng)M(x，y)的灰度值，M(x，y)起著限制標(biāo)記圖像膨脹的作用。重 建的最終結(jié)果是標(biāo)記圖像m(x，y)上完全消失的亮區(qū)域重建后在F(x，y)中也完全消失，m(x， y)上存在的亮區(qū)域在F(x，y)中得到全部恢復(fù)，M(x，y)中的暗區(qū)域和其它灰度不受重建影 響。根據(jù)步驟1和步驟2，m(x，y)中的高灰度部分為小缺陷11和大缺陷10的一部分;M(x，y)的 高灰度部分為缺陷11、缺陷10的全部以及中心鏤空區(qū)域6和螺栓孔7的部分。以m(x，y)為標(biāo) 記圖像，M(x，y)為模板圖像去做重建運算，m(x，y)中的亮區(qū)域會被恢復(fù)為模板圖像M(x，y) 中對應(yīng)的形狀，這些區(qū)域是剎車盤全部的真正缺陷，如圖7中的缺陷10和缺陷11，M (X，y)中 的其它區(qū)域不會得到恢復(fù)，這些區(qū)域包括剎車盤本身的幾何結(jié)構(gòu)和其它非缺陷區(qū)域。步驟 4:對步驟3得到的重建圖像進(jìn)行二值化處理，得到剎車盤的缺陷分割圖像;步驟4對圖像F (x，y)進(jìn)行二值化處理，得到結(jié)果圖像B(x，y)。由于重建圖像F(x，y)包含的亮區(qū)域灰度取值 較大，其它區(qū)域灰度取值較小，因此設(shè)定固定閾值T = 20，大于T的灰度為1，小于等于T的為 0,得到結(jié)果圖像8(1，7)』(1，7)的示意圖為圖8，該例的步驟4中的缺陷分割圖像記為8(^ y)，B(x，y)由步驟3得到的重建圖像F(x，y)二值化處理得到，該例二值化的處理方法是采用 設(shè)定固定閾值T法，F(xiàn)(x，y)中灰度值大于T的取1，為白色區(qū)域;小于T的取0,為黑色區(qū)域。圖8 是圖7經(jīng)過二值化處理，得到結(jié)果圖像B(x，y)的示意圖，圖中取值為1的白色區(qū)域即實際的 剎車盤缺陷10和缺陷11。步驟5:分析步驟4得到的剎車盤缺陷分割圖像，得出最終檢測結(jié) 果，完成本次檢測。步驟5分析步驟4得到的剎車盤缺陷分割圖像B(x，y)，分析對象為B(x，y) 中取1的白色區(qū)域;如果B(x，y)中沒有白色區(qū)域，則得出沒有檢測到缺陷的檢測結(jié)果。如果B (x，y)中有白色區(qū)域，則統(tǒng)計白色區(qū)域的個數(shù)，計算并輸出每個白色區(qū)域的面積、周長、等效 直徑，作為檢測的最終結(jié)果。對于本實施例，一共檢測到2個缺陷，在40萬像素(768X576)分 辨率的X射線成像系統(tǒng)下，缺陷10的面積為435個像素，周長為146個像素，等效直徑為32個 像素。缺陷11的面積為123個像素，周長為69個像素，等效直徑為15個像素。在上述實施例中 通過步驟1大尺寸的頂帽變換提取了所有可能的缺陷區(qū)域，步驟2同樣尺寸頂帽變換重建運 算提取了不包含幾何結(jié)構(gòu)特征的缺陷區(qū)域和部分大缺陷區(qū)域的局部，步驟3以步驟2的結(jié)果 為標(biāo)記，重建恢復(fù)了步驟1中結(jié)果圖像里實際的缺陷部分。步驟4通過二值化固定閾值算法 提取了步驟3得到的缺陷區(qū)域，步驟5統(tǒng)計缺陷區(qū)域并給出檢測結(jié)果。本發(fā)明借助于數(shù)學(xué)形 態(tài)學(xué)的重建概念，通過3次運算逐步提取剎車盤上的實際缺陷，有效避免了傳統(tǒng)圖像分析方 法中剎車盤本身幾何結(jié)構(gòu)的干擾，較好地解決了剎車盤內(nèi)部缺陷自動檢測的難題。
[0028] 實施例二.汽車剎車盤內(nèi)部缺陷的檢測方法
[0029] 該例的汽車剎車盤內(nèi)部缺陷的檢測方法有圖1中所示的5個步驟，汽車剎車盤如圖 2所示的結(jié)構(gòu)，以及類似于圖3~圖8等聯(lián)合示