激光增材制造扩压器裂纹缺陷DR检测图像处理方法.pdf

《激光增材制造扩压器裂纹缺陷DR检测图像处理方法.pdf》由会员分享，可在线阅读，更多相关《激光增材制造扩压器裂纹缺陷DR检测图像处理方法.pdf（9页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202011012967.3 (22)申请日 2020.09.23 (71)申请人 南昌航空大学 地址 330063 江西省南昌市丰和南大道696 号 申请人 中国航发上海商用航空发动机制造 有限责任公司 (72)发明人 宋艳艳朱倩朱建伟李泽 吴伟张尤傅伟成李世奇 冯雄博 (74)专利代理机构 成都方圆聿联专利代理事务 所(普通合伙) 51241 代理人 宋红宾 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/136(2017.01) G06T 5/0。

2、0(2006.01) G06T 5/40(2006.01) (54)发明名称 激光增材制造扩压器裂纹缺陷DR检测图像 处理方法 (57)摘要 本发明提供一种激光增材制造扩压器裂纹 缺陷DR检测图像处理方法， 包括： 使用DR检测系 统， 获取镍基高温合金增材制造扩压器裂纹DR检 测图像； 计算DR检测图像的灰度分布直方图， 并 根据直方图的分布特征确定相关算法参数； 利用 确定的参数， 对DR图像进行处理， 初步提升图像 对比度； 对处理后的图像进行gaussian掩模循环 多次处理， 进一步提升图像的对比度； 再次对掩 模处理后的图像进行基于空间线性滤波器 imfilter的unsharp反。

3、锐化边缘滤波算子处理。 本发明基于限制对比度自适应直方图均衡化算 法并进行优化， 进行对比度增强和图像细节信息 增强的效果， 达到图像缺陷处理的效果。 权利要求书1页 说明书4页 附图3页 CN 112150437 A 2020.12.29 CN 112150437 A 1.激光增材制造扩压器裂纹缺陷DR检测图像处理方法， 其特征在于， 包括以下步骤： S1、 使用DR检测系统， 获取镍基高温合金增材制造扩压器裂纹DR检测图像； S2、 计算DR检测图像的灰度分布直方图， 并根据直方图的分布特征确定相关算法参数； S3、 利用确定的参数， 对DR图像进行处理， 初步提升图像对比度； S4、 对。

4、处理后的图像进行gaussian掩模循环多次处理， 进一步提升图像的对比度； S5、 再次对掩模处理后的图像进行基于空间线性滤波器imfilter的unsharp反锐化边 缘滤波算子处理， 突出图像边缘信息， 增强图像细节， 获得增强图像。 2.根据权利要求1所述的激光增材制造扩压器裂纹缺陷DR检测图像处理方法， 其特征 在于， 步骤S2中确定相关算法参数， 包括： 图像分割方式， 灰度映射阶数范围， 切割阈值。 3.根据权利要求1所述的激光增材制造扩压器裂纹缺陷DR检测图像处理方法， 其特征 在于， 步骤S3中采用基于限制对比度直方图均衡化的对比度增强算法对DR图像进行处理。 4.根据权利要。

5、求1所述的激光增材制造扩压器裂纹缺陷DR检测图像处理方法， 其特征 在于， 步骤S4中对处理后的图像进行gaussian掩模循环多次处理， gaussian掩模循环次数 为3次， gaussian掩模循环处理过程如下: Gray12Gray(CEImage)-Gray(g-CEImage) Gray22Gray1-Grayg-1 Gray32Gray2-Grayg-2 其中， Gray(CEImage)为限制对比度自适应直方图均衡化算法处理之后的图像灰度矩阵， Gray(g-CEImage)为gaussian滤波处理Gray(CEImage)之后的图像灰度矩阵， Gray1为第一次 gauss。

6、ian掩模处理之后的图像灰度矩阵， Grayg-1为gaussian滤波处理Gray1的图像灰度矩 阵， 同理， Gray2为第二次gaussian掩模处理之后的图像灰度矩阵， Gray3为第三次gaussian 掩模处理之后的图像灰度矩阵。 5.根据权利要求1所述的激光增材制造扩压器裂纹缺陷DR检测图像处理方法， 其特征 在于， 步骤S5中反锐化边缘滤波算子处理， 滤波算子3*3模板和对应的卷积运算公式如下： -1-1-1 -18-1 -1-1-1 卷积运算公式如下： g(x,y)f(x,y)+f(x,y)-f(x-1,y-1)+f(x,y)-f(x-1,y)+f(x,y)-f(x-1,y+。

7、1)+ f(x,y)-f(x,y-1)+f(x,y)-f(x,y+1)+f(x,y)-f(x+1,y-1)+f(x,y)-f(x+1,y)+f (x,y)-f(x+1,y+1) 其中f(x,y)为gaussian掩模循环处理的图像灰度矩阵， g(x,y)为最终输出图像的灰度 矩阵。 6.根据权利要求1所述的激光增材制造扩压器裂纹缺陷DR检测图像处理方法， 其特征 在于， 步骤S1中的DR检测系统包括数字射线系统和数字平板探测器成像系统， 通过这两个 系统， 在结合计算机上的DR图像获取软件， 获取DR检测系统产生的扩压器的DR检测图像。 权利要求书 1/1 页 2 CN 112150437 A。

8、 2 激光增材制造扩压器裂纹缺陷DR检测图像处理方法 技术领域 本发明涉及图像增强技术领域， 具体涉及一种激光增材制造扩压器裂纹缺陷DR检测图 像处理方法。 背景技术 镍基高温合金是指在基体镍中加入Cr、 W、 Mo、 Ti等强化元素以获得优越的高温耐腐蚀、 抗氧化等性能的一系列合金， 主要应用于航空发动机的工作叶片、 涡轮盘、 燃烧室、 扩压器 等关键部件。 扩压器是由离心压缩机产生， 依靠动能转换静压能的装置， 它的主要任务是有 效地转化静压能， 还发挥收集和引出气体的作用， 是航空涡轮发动机压缩机中重要的组成 部分。 对航空航天事业的发展有着重要的意义。 扩压器制造完成之后， 需要无损检。

9、测， 一般对于扩压器的微小缺陷， 经常采用超声检 测， 磁粉检测， 分析检测到的信号， 然后才能进一步得出缺陷信息。 需要直观的看到缺陷的 形状和特性， 采用DR数字射线检测系统， 获取DR缺陷图像。 DR(Digital Radiography)是一种新兴的应用于工业无损检测的成像技术， 用于产生 DR数字图像， 这些DR数字图像信息量充足。 利用数字图像处理技术可以改善和优化获取的 DR数字图像， 可以达到更好的观察效果， 方便工程师们及时发现隐藏在DR图像中的工件缺 陷。 DR图像增强的方法主要分为两大类： 针对丰富DR图像细节信息的算法和针对DR图像对 比度提高的算法。 针对低对比度和。

10、低亮度且细节信息少DR图像， 利用传统直方图增强方法 无法有效进行目标细节增强。 发明内容 针对上述背景技术内容增材制造构件微小裂纹缺陷检测过程中， 使用DR检测系统生成 的扩压器裂纹缺陷DR检测图像中缺陷难以识别的问题， 本发明的主旨在于通过激光增材制 造扩压器裂纹缺陷DR检测图像处理方法， 增强DR图像对比度和细节信息， 可清楚的识别缺 陷。 激光增材制造扩压器裂纹缺陷DR检测图像处理方法， 其步骤包括： S1、 使用DR检测系统， 获取镍基高温合金增材制造扩压器裂纹DR检测图像； S2、 计算DR检测图像的灰度分布直方图， 并根据直方图的分布特征确定相关算法参数： 图像分割方式， 灰度映。

11、射阶数范围， 切割阈值等； S3、 利用确定的参数,采用基于限制对比度直方图均衡化(CLAHE)的对比度增强算法对 DR图像进行处理， 初步提升图像对比度； S4、 对处理后的图像进行gaussian掩模循环多次处理， 进一步提升图像的对比度； 0011 S5、 再次对掩模处理后的图像进行基于空间线性滤波器imfilter的unsharp反锐 化边缘滤波算子处理， 突出图像边缘信息， 增强图像细节， 获得增强图像。 其中， 步骤S2中确定相关算法参数： 图像分割方式一般为n*n， n4,8,16,32等； 图像映 射阶数范围即目标图像最大灰度值； 切割阈值， Cliplimit2.5。 说明书。

12、 1/4 页 3 CN 112150437 A 3 其中， 步骤S4中对S3中处理后的图像进行gaussian掩模循环多次处理， 一般gaussian 掩模循环次数为3次， gaussian掩模循环处理过程如下: Gray12Gray(CEImage)-Gray(g-CEImage) Gray22Gray1-Grayg-1 Gray32Gray2-Grayg-2 式中， Gray(CEImage)为限制对比度自适应直方图均衡化算法处理之后的图像灰度矩阵， Gray(g-CEImage)为gaussian滤波处理Gray(CEImage)之后的图像灰度矩阵， Gray1为第一次 gaussian。

13、掩模处理之后的图像灰度矩阵， Grayg-1为gaussian滤波处理Gray1的图像灰度矩 阵， 同理， Gray2为第二次gaussian掩模处理之后的图像灰度矩阵， Gray3为第三次gaussian 掩模处理之后的图像灰度矩阵。 其中， 步骤S5中再次对掩模处理后的图像进行基于空间线性滤波器imfilter的 unsharp反锐化边缘滤波算子处理， 加强图像边缘效果， 增强图像细节， 滤波算子3*3模板和 对应的卷积运算公式。 滤波算子3*3模板为： -1-1-1 -18-1 -1-1-1 卷积运算公式如下： g(x,y)f(x,y)+f(x,y)-f(x-1,y-1)+f(x,y)-。

14、f(x-1,y)+ f(x,y)-f(x-1,y+1)+f(x,y)-f(x,y-1)+f(x,y)-f(x,y+1)+ f(x,y)-f(x+1,y-1)+f(x,y)-f(x+1,y)+f(x,y)-f(x+1,y+1) 式中， f(x,y)为gaussian掩模循环处理的图像灰度矩阵， g(x,y)为最终输出图像的灰 度矩阵。 其中， DR检测系统包括数字射线系统和数字平板探测器成像系统， 通过这两个系统， 在 结合计算机上的DR图像获取软件， 可以获取DR检测系统产生的扩压器的DR检测图像。 基于上述技术方案， 本发明的激光增材制造扩压器裂纹缺陷DR检测图像处理方法， 至 少具有如下有。

15、益效果之一： (1)可以灵活的精准调节限制行对比度自适应直方图均衡化算法中的参数， 达到提升 图像对比度； (2)目标图像进行限制对比度自适应直方图均衡化算法处理之后， 再进行gaussian掩 模循环多次处理。 gaussian掩模循环次数， 可以根据每次gaussian掩模处理结果， 进行选 择， 达到进一步提升图像对比度效果； (3)再次对掩模处理后的图像进行基于空间线性滤波器imfilter的unsharp反锐化边 缘滤波算子处理， 加强图像边缘效果， 增强图像细节信息。 (4)激光增材制造扩压器裂纹缺陷DR检测图像处理方法， 整个处理过程， 即达到了增加 图像对比度的效果， 又突出了。

16、图像中的细节信息缺陷轮廓。 说明书 2/4 页 4 CN 112150437 A 4 附图说明 图1为本发明的处理方法流程图。 图2为实施例DR检测原始图像。 图3为实施例DR检测原始图像的灰度直方图分布裁剪过程示意图。 图4为实施例DR检测原始图像经过CLAHE处理之后图像。 图5为实施例在CLAHE算法处理之后的基础上， 经过gaussian掩模3次循环处理的图像 结果。 图6为实施例经过gaussian掩模3次循环处理之后， 再进行基于空间线性滤波器 imfilter的unsharp反锐化边缘滤波算子处理的结果图。 具体实施方式 为使本发明的目的、 技术方案和优点更加清楚明白， 以下结合。

17、具体实施例， 并参照 附图， 对本发明作进一步的详细说明。 如图1所示， 激光增材制造扩压器裂纹缺陷DR检 测图像处理方法流程图： S1、 使用DR检测系统， 获取镍基高温合金增材制造扩压器裂纹DR检测图像； 本镍基高温合金增材制造扩压器裂纹缺陷DR检测图像处理方法， 获取镍基高温合金增 材制造扩压器裂纹DR检测图像， 如图2所示。 DR检测系统包括数字射线系统和数字平板探测 器成像系统， 通过这两个系统， 在结合计算机上的DR图像获取软件， 可以获取DR检测系统产 生的扩压器的DR检测图像。 S2、 计算DR检测图像的灰度分布直方图， 并根据直方图的分布特征确定CLAHE算法参 数： 图像分。

18、割方式， 灰度映射灰阶范围， 裁剪阈值等； 上述步骤中， 需要计算DR检测图像的灰度分布频数直方图， 并根据直方图的分布特征 确定CLAHE算法参数： 图像分割方式一般为n*n(n4,8,16,32等)。 确定图像分割方式， 一般 要根据图像的归一化信噪比， 峰值信噪比， 均方误差等来确定具体的图像分割方式。 上述步骤中， 需要计算DR检测图像的灰度分布直方图， 灰度直方图(histogram)是灰度 级分布的函数， 并根据直方图的分布函数P(k)特征确定CLAHE算法参数： 图像映射阶数范 围， 一般8bit图像， 灰阶范围0k255， 一般16bit图像， 灰阶范围0k65535。 上述步。

19、骤中， 需要计算DR检测图像的灰度分布直方图， 并根据直方图的分布特征确定 CLAHE算法参数： 裁剪阈值一般确定为Cliplimit2.5， 整个剪切过程， 如图3。 S3、 利用确定的参数,采用基于限制对比度直方图均衡化(CLAHE)的对比度增强算法对 DR图像进行处理， 初步提升图像对比度； 上述步骤中， 对获取镍基高温合金增材制造扩压器裂纹DR检测图像， 加上使用确定下 来的参数： 图像分割方式、 图像映射阶数范围、 裁剪阈值， 使用CLAHE算法来处理目标图像， 达到初步提升图像对比度的效果， 如图4。 S4、 对S3中处理后的图像进行gaussian掩模循环多次处理， 进一步提升图。

20、像的对比度， 如图5是经过gaussian掩模循环3次处理结果图； 上述步骤中gaussian掩模循环次数， 根据你gaussian掩模循环处理过程可以做出调 整， 达到最优的图像处理结果。 具体循环处理结果如下： Gray12Gray(CEImage)-Gray(g-CEImage) 说明书 3/4 页 5 CN 112150437 A 5 Gray22Gray1-Grayg-1 Gray32Gray2-Grayg-2 上式中， Gray(CEImage)为限制对比度自适应直方图均衡化算法处理之后的图像灰度矩 阵， Gray(g-CEImage)为gaussian滤波处理Gray(CEIma。

21、ge)之后的图像灰度矩阵， Gray1为第一次 gaussian掩模处理之后的图像灰度矩阵， Grayg-1为gaussian滤波处理Gray1的图像灰度矩 阵， 同理， Gray2为第二次gaussian掩模处理之后的图像灰度矩阵， Gray3为第三次gaussian 掩模处理之后的图像灰度矩阵。 应该注意的是这个gaussian掩模循环处理次数是要根据具 体图像和需要达到的效果来决定的。 S5、 再次对掩模处理后的图像进行基于空间线性滤波器imfilter的unsharp反锐化边 缘滤波算子处理， 突出图像边缘信息， 增强图像细节， 获得增强图像， 如图6。 上述步骤中使用到滤波算子3*3。

22、模板和对应的卷积运算公式。 上述步骤中使用到滤波算子3*3模板， 如下： -1-1-1 -18-1 -1-1-1 上述步骤中使用对应的卷积运算公式， 用来增强目标图像中的细节信息， 公式如下： g(x,y)f(x,y)+f(x,y)-f(x-1,y-1)+f(x,y)-f(x-1,y)+ f(x,y)-f(x-1,y+1)+f(x,y)-f(x,y-1)+f(x,y)-f(x,y+1)+ f(x,y)-f(x+1,y-1)+f(x,y)-f(x+1,y)+f(x,y)-f(x+1,y+1) 根据图6中， 目标图像处理的最终结果， 可以确切的识别到缺陷， 方便无损检测工程师 查看， 说明本图像处。

23、理方法对镍基高温合金增材制造扩压器裂纹DR检测图像处理是有效 的， 是可行的。 应注意， 附图中各部件的形状和尺寸不反映真实大小和比例， 而仅示意本发明实施例 的内容。 以上所述的具体实施例， 对本发明的目的、 技术方案和有益效果进行了进一步详细说 明， 应理解的是， 以上所述仅为本发明的具体实施例而已， 并不用于限制本发明， 凡在本发 明的精神和原则之内， 所做的任何修改、 等同替换、 改进等， 均应包含在本发明的保护范围 之内。 说明书 4/4 页 6 CN 112150437 A 6 图1 图2 说明书附图 1/3 页 7 CN 112150437 A 7 图3 图4 图5 说明书附图 2/3 页 8 CN 112150437 A 8 图6 说明书附图 3/3 页 9 CN 112150437 A 9 。