薄壁焊缝X射线图像缺陷的自动提取与分割

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (33): 237-239.

薄壁焊缝X射线图像缺陷的自动提取与分割

王明泉^1,2,杨静²,李志刚¹,王玉¹

1.中北大学仪器科学与动态测试教育部重点实验室,太原 030051
2.清华大学工程物理系,北京 100084

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-11-21 发布日期:2007-11-21
通讯作者: 王明泉

Automatic defect extraction and segmentation in X-ray images of welding seam

WANG Ming-quan^1,2,YANG Jing²,LI Zhi-gang¹,WANG Yu¹

1.The Ministry Education Key Lab for Instrumentation Science and Dynamic Test,North University of China,Taiyuan 030051,China
2.Department of Engineering Physics,Tsinghua University,Beijing 100084,China

Received:1900-01-01 Revised:1900-01-01 Online:2007-11-21 Published:2007-11-21
Contact: WANG Ming-quan

摘要/Abstract

摘要： 根据薄壁焊缝X射线图像的特点,针对基于数学形态法的图像分割技术进行了改进。首先利用数学形态学选取适当的结构元素模拟图像背景,然后利用数字剪影法提取缺陷目标。文章将使用较好的几种阈值化方法进行分析,比较各种方法的基本思想、优缺点及使用范围,最终提出选择迭代分割方法得到图像最佳阈值将图像二值化。实验结果表明,针对不同的缺陷均能得到轮廓清晰的分割效果,为缺陷特征参数的提取和识别的实现打下坚实的基础。

关键词: 图像分割, 数学形态学, 迭代阈值

Abstract: Regarding the characteristic of X—ray detection images of thin welding,image segmentation was improved based on mathematical morphology in this paper.First of all,background can be simulated by proper element in mathematical morphology,and then defect region were extracted successfully using arithmetic of digital subtraction.The present paper analyses a few methods for threshold selection.And the basis ideas of various methods as well as their advantages and defects are critically reviewed.The experimental results indicate that both of methods can accomplish defect extraction and segmentation automatically,which will lay a good foundation for flaw feature parameter extraction and recognition．

Key words: image segmentation, mathematical morphology, iterative threshold

王明泉^1,2,杨静²,李志刚¹,王玉¹. 薄壁焊缝X射线图像缺陷的自动提取与分割[J]. 计算机工程与应用, 2007, 43(33): 237-239.

WANG Ming-quan^1,2,YANG Jing²,LI Zhi-gang¹,WANG Yu¹. Automatic defect extraction and segmentation in X-ray images of welding seam[J]. Computer Engineering and Applications, 2007, 43(33): 237-239.

[1]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[2]	赵阳，张俊华. 多尺度特征融合的脊柱X线图像分割方法[J]. 计算机工程与应用, 2021, 57(8): 214-219.
[3]	潘沛鑫，潘中良. 结合显著性的主动轮廓图像分割[J]. 计算机工程与应用, 2021, 57(8): 225-230.
[4]	董鹏，周烽，赵悰悰，王亚飞，米泽田，付先平. 基于双目视觉的水下海参尺寸自动测量方法[J]. 计算机工程与应用, 2021, 57(8): 271-278.
[5]	彭璟，罗浩宇，赵淦森，林成创，易序晟，陈少洁. 深度学习下的医学影像分割算法综述[J]. 计算机工程与应用, 2021, 57(3): 44-57.
[6]	刘锐，丁辉，尚媛园，邵珠宏，刘铁. COVID-19医学影像数据集及研究进展[J]. 计算机工程与应用, 2021, 57(22): 15-27.
[7]	周绍光，吴昊，赵婵娟，陈仁喜. 利用同质区特性的高光谱图像迁移学习分类[J]. 计算机工程与应用, 2021, 57(21): 224-233.
[8]	丁成，翁理国，夏旻，崔逸尘，钱俊豪，刘佳. 多注意力机制网络卫星图像分割算法[J]. 计算机工程与应用, 2021, 57(2): 223-229.
[9]	李振强，王树才，赵世达，白宇. 改进DeepLabv3+和XGBoost的羊骨架切割方法[J]. 计算机工程与应用, 2021, 57(18): 263-269.
[10]	孙玮婕，杨军. 改进的简单非迭代聚类的遥感影像分割研究[J]. 计算机工程与应用, 2021, 57(13): 185-192.
[11]	杨勇，郭玲，叶阳东. 全变分流边与M2GGD相结合的自然图像分割方法[J]. 计算机工程与应用, 2021, 57(11): 202-210.
[12]	鲁圆圆，冯浩，李靖. 结合分布度量统计建模的主动轮廓图像分割[J]. 计算机工程与应用, 2020, 56(7): 228-233.
[13]	张姝洁，郑利平，韩清，张晗. 从图片到衣服：快速虚拟角色服饰生成方法[J]. 计算机工程与应用, 2020, 56(7): 234-239.
[14]	李超超，张远东，王昌龙. 圆形植物识别定位的HSV模型研究[J]. 计算机工程与应用, 2020, 56(6): 220-223.
[15]	王燕，亓祥惠，段亚西. 基于马尔科夫随机场的改进FCM图像分割算法[J]. 计算机工程与应用, 2020, 56(4): 197-201.