工业CT图像圆精确测量

为了自动检测工业CT图像中的圆并精确地测量其参数,研究了基于Facet模型的亚像素边缘检测算法检测图像边缘,利用圆存在的概率大小识别边缘图像中的圆并测量其参数的方法。首先,利用Facet模型提取图像的亚像素边缘。接着,研究了图像圆存在概率算法特点,通过构造专用链表数据结构存储计算数据,限制计算时圆心选取范围等方法,克服了原计算方法效率低、占用内存大的缺点,并运用改进的圆存在概率计算方法对工业CT图像中的圆进行自动检测。最后,通过最小二乘法拟合圆边缘点,计算圆参数的实际尺寸。使用空间分辨力为2.0lp/mm的电子直线加速器工业CT系统,扫描重建出包含10个圆的800pixel×800pixel工业CT图像,运用该方法对图像中的圆进行了识别和测量。试验结果表明,改进的圆存在概率算法计算效率明显提高,图像中圆参数测量精度<0.5%,满足工业CT图像圆自动测量的精确、快速、可靠等要求。

基于存在概率图的工业CT图像快速圆检测算法

圆形结构特征大量存在于工业CT图像中，有效地检测出圆并获得其参数，在图像测量及逆向工程应用中具有重要意义。针对现有存在概率图的圆检测方法计算时间长、占用内存大的缺点，通过事先确定潜在圆心选择范围的方法，将存在概率数值符合设定条件的圆的参数信息存储在链表中，并根据被检测圆的数量确定圆的参数，标识其位置。该方法大大降低了计算量，由于利用链表方式存储数据，降低了内存的开支。实验表明，该方法在计算效率上比现有方法提高了36～178倍。

存在概率的工业CT图像快速圆测量

针对逆向工程中一般测量方法无法实现对封闭工件内腔进行测量,以及采用铣削层切法等传统测量法测量工件内腔具有破坏性等缺点,通过计算机层析成像测量法实现对工件的精确测量。对获得的工件CT图像,利用图像测量法测得工件内腔尺寸,并在CAD软件中进行编辑、完善并标注尺寸。首先利用基于存在概率的方法确定图像中圆的位置,并获得其像素尺寸,然后根据图像大小与视场直径得到像素的实际大小,二者的乘积即为圆的实际大小。对一具体工件进行测量,试验结果表明利用此方法测得的圆半径与实际尺寸的相对误差小于0.5%,测量时间在几秒之内。