基于K-Means聚类与凸包检测的金刚石磨粒分割与评价

金刚石工具广泛应用于磨削、线锯、研磨等领域,其表面的磨粒特征是影响加工结果与工具性能的重要因素。针对具有复杂背景信息的磨粒图像,提出一种基于K-means聚类与凸包检测的磨粒分割方法,结合二值化、形态学处理、主轮廓提取等相关操作实现磨粒的提取与分割;最终提出磨粒轮廓面积精度η_(CAA)、磨粒位置误差θ_(PE)和磨粒数量召回率σ_(QR) 3个相关指标来评价分割效果。结果表明:金刚石磨粒的平均轮廓面积精度为95.01%,平均位置误差仅为2.93%,平均数量召回率为98.30%,证明了该方法的准确性。

用阈值法自动分割某内燃机铁谱磨粒图像

利用计算机图像处理技术实现铁谱图像诊断自动化是铁谱技术发展的目标。铁谱原始图像需要平滑、滤波、磨粒分割等预处理,才能有效地减少噪声污染并简化数据处理。探讨了铁谱图像的预处理技术,采用自动阈值分割法对某内燃机铁谱图像进行处理,验证了该方法的有效性。

气泡高干扰在线铁谱视频图像的磨粒快速分割算法研究

针对在线铁谱视频图像气泡高干扰所面临的磨粒分割困难问题,提出一种气泡高干扰在线铁谱视频图像的磨粒快速分割算法。首先运用运动检测的方法确定视频中气泡的位置,并用相邻帧相同位置的图像信息对气泡区域进行处理,再使用双边滤波对处理后的图像进行平滑去噪,实现气泡干扰的初步抑制;最后基于抑制气泡图像的灰度直方图,对每一帧图像选取其自适应的阈值,实现在线铁谱视频图像中磨粒的快速分割。该研究为在线铁谱的磨粒分割与后续对磨粒特征的智能提取和分析奠定了基础。

基于分形特征的磨粒图像分割

磨粒图像分割是磨粒图像分析的关键一步,分割结果的准确性将直接影响磨粒的最终识别和分类。分形理论在表征磨粒的轮廓特征和表面特征方面得到了广泛应用。结合磨粒图像的分形特征和自组织特征映射神经网络,提出基于分形特征的磨粒图像分割方法。首先,计算磨粒图像的分形维数,多重分形维数,结合图像的灰度信息,共得到图像的8个特征;然后,利用自组织特征映射神经网络的自组织、自学习特性,实现磨粒图像的分割。磨粒图像分割的结果表明,该算法是可行的、有效的。

基于图像增强的OLVF反射光磨粒图像分割算法

针对反射光磨粒图像中亮度过高和过暗部分难以识别的问题,提出一种基于图像增强的OLVF(On-Line Visual Ferrograph)反射光磨粒图像分割算法。对原始图像进行背景减操作,大致区分出磨粒部分;利用形态黑帽操作增强反射光磨粒图像,使图像总体亮度均衡。对增强后的图像应用Canny边缘检测操作分割出磨粒,利用Otsu算法获取H-minima校正图像的阈值以消除局部极值干扰。最后,运用膨胀腐蚀开闭操作填充孔洞,实现了OLVF反射光磨粒图像分割,获得了准确、连续的磨粒图像。与其他同类算法相比,该算法有效抑制了反射光影响,更好地保留磨粒图像信息。