關于圖像分割技術在機械測量中的應用

于宏洲 唐衛 陳浩

摘 要：計算機技術在各個行業內得到了廣泛的應用，計算機視覺測量是在一幅圖像中，對被測物體進行全面檢測，被測對象一般會占據一定的圖像區域，其特征與周圍的物體有著較大的差別。在機械行業內，產品的測量中圖像分割技術得到了廣泛應用，本文從圖像分割技術的概述入手，接著闡述了圖像分割技術的算法，最后總結了圖像分割技術在機械測量中的應用，旨在為機械行業測量數據精準性提供參考意見。

關鍵詞：圖像分割技術 機械測量 應用 算法

中圖分類號：TP391.41 文獻標識碼：A 文章編號：1672-3791（2018）04（c）-0110-02

在機械行業的生產中，其測量主要分為接觸式測量、非接觸式測量，其中接觸式測量主要包括：手工測量、接觸式測量機等，在其測量中會受到環境、場地等因素的影響，且設備運輸難度較大，測量數據的精準性也無法確保。非接觸式測量包括：光學測量、電磁測量等，非接觸式測量具有測量速度快的優勢，但由于難以實現精準定位，因此，最終測量的數據精準性不強。在這類背景下，圖像分割技術應然而生，且得到了廣泛應用。

1 圖像分割技術的概述

隨著計算機的迅速發展，將計算機的視覺功能應用在機械產品測量中，屬于一種簡單且高效的測量方式，在測量過程中不會受到被測物形狀的限制，且采集工具較為簡單，在采集中對所需光源沒有任何限制。計算機視覺測量是在一幅圖像中，對被測物體進行全面檢測，被測對象一般會占據一定的圖像區域，其特征與周圍的物體有著較大的差別。部分特征會比較明顯，也可能屬于細微的特征，肉眼是無法精準查找出來。

圖像分割技術先將一幅圖進行分解，將圖像劃分為若干相互不交疊、且意義、性質相同的圖像。就不同人物采用的圖像分割技術，在其使用中也各不相同，一般主要包括：（1）分割出來的各個區域，在對象上具備很大的相似性，且各個區域的內部是相互聯通。（2）相鄰區域內對分割所依據的性質有著明顯的變化。（3）區域邊界比較明確清晰。目前，被廣泛應用的圖像分割技術主要包括：區域生長、分裂合并、閾值法、聚類分割法等。

2 圖像分割技術的算法

2.1 定義

圖像分割技術從廣義上講，指的是依據圖像的特征，集合灰度、顏色、紋理等方面的相似性，并對圖像像素進行分組類聚，將圖像平面劃分為若干個不同的、且具有一致性的不重疊區域。分割出來的區域需要滿足均勻性、連通性的條件。

假設集合S為整個圖像區域，則區域S分割需要滿足以下5個條件的子區域。

2.2 算法

2.2.1 閾值算法

閾值算法在其應用中，需要依據某個準則，將最優閾值求解出來。依據閾值將圖像劃分為幾不同的區域。閾值算法主要包括：單閾值算法分割、雙閾值算法分割兩種。單閾值分割主要依據閾值將圖像映射到0、255灰度級上。多閾值分割能夠將圖像映射到幾個不同的灰度級上。閾值算法在其應用中具有很多的優點，但在其應用中，閾值確定難度較大。

2.2.2 區域種子

需要依據給出的種子值，在相似性的基礎上將所有種子值中具有相似性質的像素組合在一起，并不斷增加種子區域內的大小。在分裂合并中，先將區域劃分為n個相互不交互的區域，在相關準則的基礎上進行合并。區域生長、分裂合并在其應用中具有一定的優勢，能夠將噪音消除。需要注意的是在區域種子的應用中，相似準則設置的好壞、將直接影響著算法效率與最終的執行效果。

閾值算法、區域生長算法、分裂合并算法等在參數設置中，會受到人工因素的干擾，在應用中還存在著一定的局限性。

2.2.3 邊緣檢測法

邊緣檢測法，由于算子差距，得到的邊緣精準也各不相同。在對象與背景信息的邊緣中，算子提取難以確保提取質量與提取效率，部分算子提取的多，部分的算子提取的少。難以依據實際情況，自動選擇最好的算子。

2.2.4 聚類檢測法

在聚類檢測法的基礎上，需要依據圖像像素之間的相似性準則，進行圖像分類，盡可能的將相似物體劃分在一起，不相似的也盡可能劃分到一類。聚類檢測法在其應用中相似性便是方式、相似度兩個標準直接決定著聚類法的執行效率。聚類檢測法操作簡單，其唯一的缺陷為在其應用中會受到人工干預。

3 圖像分割技術在機械測量中的應用

3.1 Matlab 7.0實驗檢測

本文主要以Matlab 7.0作為實驗工具，比較閾值、區域生長發、邊緣提取法三者的分割效果，邊緣提取法也采用3中不同的算子。第一，采取的是一階差作為算子，因此，提取結果較為精準，但無法從圖像中完全將所有的邊緣提取出來。第二，使用的是二階差作為算子，邊緣信息提取較多，后期計算難度較大。第三，采用的是二值閾值法，但提取區域較為單一，將對象的背景信息包含在了其中。

從上述的實驗分析能夠得知，不同的圖像分割算法在其應用中，均具有各自的特點，但還存在著很大的不足。抗噪能力、提取精度難以得到保障，且無法同時滿足兩點需求。如何結合實際情況，平衡兩者間的關系，成為圖像分割技術應用中的一大難點。

3.2 機車檢測方面的應用

（1）火車輪在車輛的形式中，會承受較大的荷載與鋼軌沖擊，一旦火車輪出現裂紋，將會影響行車安全。火車輪圖像會受到很多因素的干擾，其目標與背景兩者間的對比度不高。只有使用形態學處理，進行sobel邊緣檢測并處理其檢測結果，使用最優閾值分割技術，進行頻域濾波檢結果進行分割，對比兩個結果。開展邏輯、操作，使用模板進行空間濾波，將圖像內的噪聲點全部去除，將有效的目標提取出來。

（2）鋼軌表面一旦存在缺陷，則會導致車輪磨損加劇，使得車輪存在剝落現象，增加了列車脫軌的幾率，開展鋼軌表檢測主要是為了提升道路運營安全，使用圖像分割技術，首先針對有缺陷的鋼軌位置其圖像會呈現灰度變化。其次，使用自適應的sobel邊緣檢測法，不僅能夠簡化算法結構，還能夠在短時間內完成測量工作。最后，在邊緣測算結束之后，能夠強化灰度變化，并將非缺陷的圖像全部濾掉。邊緣測算法的信息主要包括：缺陷信息、軌道邊緣變化信息、坑洞變化等，通過深入分析發現在邊緣變化中具有直線的特點，存在缺陷的邊緣并沒有此類特點。因此，在測量中可以選擇Hough將其變換為u，以此將缺陷排除。

4 結語

綜上所述，通過本文的分析闡述能夠得知，圖像分割法在其應用中，不同的算法會受到不同因素的影響，難以確保測量精準性。在圖像分割技術后期的應用中，需要加大其研究力度，設計出一種通用、參數少、精準性強的自動圖像分割技術，更好的推動我國機械行業的發展。

參考文獻

[1] 曲霄紅，薄文彥.圖像分割技術在機械測量中的應用研究[J].微型機與應用，2013.

[2] 謝永華.數字圖像處理技術在木材表面缺陷檢測中的應用研究[D].東北林業大學，2013.

[3] 何濤.基于幾何特征的機械產品圖像測度研究[D].華中科技大學，2011.

[4] 鄭毅.特殊環境下圖像測量關鍵技術研究[D].西安電子科技大學，2008.

[5] 牛建軍.特殊環境下的光電圖像獲取與處理技術[D].西安電子科技大學，2007.