构元素，取值全为1的矩阵，可 参见图4。该例的汽车刹车盘内部缺陷的检测方法的具体步骤有:步骤1:对汽车刹车盘的原 始X射线图像f(x，y)进行大小尺寸结构元素的数学形态学頂帽变换运算，得到模板图像Μ (x，y)。其中结构元素尺寸的定义取决于刹车盘的X射线成像系统，如线阵或面阵的不同成 像系统，总体原则是能覆盖所有可能的缺陷，同时要略小于刹车盘本身的几何结构。对于本 实施案例，基于常见的40万像素(768X576)分辨率的X射线成像系统，根据40万像素分辨率 的X射线成像系统，优选尺寸为17X17的方形结构元素 B，矩阵元素全部选择1，具体结构详 见附图4。图4是17X17的方形结构元素 B的示意图，用此结构元素 B对原始图像做开运算之 后，不能容纳17X17大小的亮细节被全部去除，能容纳17X17大小的亮区域，如刹车盘本身 的中心镂空区域6、螺栓孔7等几何结构，受开运算影响被去掉一部分，原始图像的其他灰度 不受影响。原始图像f(x，y)经过结构元素 B的頂帽变换后得到模板图像M(x，y)，如图5所示， 图5为用图4之结构元素 B对原始图像经过步骤1处理后的结果示意图，在步骤1中的原始X射 线图像记为f(x，y)，模板图像记为1(^7)汀(1， 7)经过数学形态学頂帽变换得到1(^7)，用 数学公式表示为：Μ (X，y) (X，y) -[f (X，y) ΘΒ:] ?B,其中：Θ表示数学形态学运算中 的腐蚀运算，?表示数学形态学运算中的膨胀运算，B为数学形态学运算中的结构元素。该 例的待处理图像为f(x，y)，结构元素为B，技术方案中涉及到的数学形态学运算的情况如 下：关于数学形态学的腐蚀运算定义如下：f(X，y) =f (X，y) ΘΒ，其中，符号Θ表示腐 蚀运算，f_de(X，y)为腐蚀运算后的结果。腐蚀运算的过程是结构元素 B在图像中遍历时，每 次选择取值为1的位置上所有像素的灰度最小值赋给原点对应的像素，去掉了比B小的亮细 节，收缩了比B大的亮区域，使图像亮度整体变暗，相当于一个局部最小值算子。关于数学形 态学的膨胀运算定义如下：y)=f (X，y)十B，其中，符号95表示膨胀运算，fdllate (x，y)为膨胀运算后的结果。膨胀运算的过程是结构元素 B在图像中遍历时，每次选择取值 为1的位置上所有像素的灰度最大值赋给原点对应的像素，去掉了比B小的暗细节，扩展了 比B大的亮区域，使图像亮度整体变亮，相当于一个局部最大值算子。在图5中：中心镂空区 域6和螺栓安装孔部位7,以及缺陷区域10和11清晰可见。图5的图面主要由2种灰度构成:一 种灰度受开运算影响取值较大，由缺陷区域1〇、11和中心镂空区域6、安装孔部位7不能容纳 结构元素 B的细小部分组成，另一种灰度取值较小由不受开运算影响的其它剩余区域组成。 经过步骤1的运算后，原始图像f(x，y)的多种灰度变成了主要是2种灰度的模板图像M(x， y)。步骤2采用与步骤1相同的结构元素，对图像f(x，y)进行数学形态学頂帽变换重建运算， 得到标记图像m(x，y)。开重建运算是頂帽变换重建运算的核心，使用17X17的方形结构元 素 B腐蚀后的结果做为模板对f(x，y)进行重建，去除了被腐蚀完全去掉的亮细节，恢复了受 腐蚀影响的亮区域。f (x，y)进行頂帽变换重建运算得到标记图像m(x，y)，也即f (x，y)减去 其开重建运算结果后的差值图像，如图6所示，图6是用图4之结构元素 B对原始图像经过步 骤2处理后的结果示意图，在该例的步骤2中的原始X射线图像记为f(x，y)，标记图像记为m (x，y);f(X，y)经过数学形态学頂帽变换重建运算得到m(x，y)，用数学公式表示为： 1? (X，_y): =-f (X，y) -R_t(x,y) [f (X, y) ΘΒ]，其中R表示数学形态学运算中的重建运算，重建运 算涉及模板图像和标记图像，R的下标f(x，y)为本次重建运算中的模板图像，f(x，y) ΘΒ 得到的结果为本次重建运算中的标记图像，Θ:表示数学形态学运算中的腐蚀运算， [f (X，y) 6B]称为开重建运算，重建的结果是标记图像f (X，y) ΘΒ上完全消失的 亮区域重建后完全消失，f (X，y) ΘΒ上存在的亮区域重建后全部恢复，f (X，y) ΘΒ上的 暗区域和其它灰度不受重建影响。頂帽变换重建运算的结果图像m(x，y)由f(x，y)减去其开 重建运算后得到，结果是开重建运算中去掉的亮点细节相减的过程中被保留，如图6中的较 小的缺陷区域11和较大的缺陷区域10的一部分构成，开重建运算中恢复的其它亮区域在相 减的过程中被去除，如图5中的中心镂空区域6、安装孔部位7不能容纳结构元素 B的细小部 分。在图6中也主要由两种灰度构成:较小的缺陷区域11和较大的缺陷区域10的一部分构成 较大的灰度，其它区域构成较小的灰度。步骤3:以步骤2得到的标记图像为标记，步骤1得到 的模板图像为模板，进行数学形态学重建运算，得到刹车盘的重建图像;步骤3以图像m(x， y)为标记图像，M(x，y)为模板图像，进行数学形态学重建运算，得到图像F(x，y)，如图7所 示。图7是根据标记图像m(x，y)和模板图像M(x，y)进行数学形态学重建运算，得到图像F(x， 7)。该例的步骤3中的标记图像为步骤2得到的!11(^ 7)，模板图像为步骤1得到的姒^7)，刹 车盘的重建图像记为？(^7)^(^ 7)由!11(^7)和1(^7)经数学形态学重建运算得到，用数 学公式表示为？(1，7)=1^^,\：|[111(1，7)]。其中，符号1?表示重建运算，111(1，7)为标记图像，]/[ (x，y)为模板图像，F(x，y)为重建运算的结果，标记图像m(x，y)与模板图像M(x，y)大小相 同，每一点灰度值小于等于对应M(x，y)的灰度值，M(x，y)起着限制标记图像膨胀的作用。重 建的最终结果是标记图像m(x，y)上完全消失的亮区域重建后在F(x，y)中也完全消失，m(x， y)上存在的亮区域在F(x，y)中得到全部恢复，M(x，y)中的暗区域和其它灰度不受重建影 响。根据步骤1和步骤2，m(x，y)中的高灰度部分为小缺陷11和大缺陷10的一部分;M(x，y)的 高灰度部分为缺陷11、缺陷10的全部以及中心镂空区域6和螺栓孔7的部分。以m(x，y)为标 记图像，M(x，y)为模板图像去做重建运算，m(x，y)中的亮区域会被恢复为模板图像M(x，y) 中对应的形状，这些区域是刹车盘全部的真正缺陷，如图7中的缺陷10和缺陷11，M (X，y)中 的其它区域不会得到恢复，这些区域包括刹车盘本身的几何结构和其它非缺陷区域。步骤 4:对步骤3得到的重建图像进行二值化处理，得到刹车盘的缺陷分割图像;步骤4对图像F (x，y)进行二值化处理，得到结果图像B(x，y)。由于重建图像F(x，y)包含的亮区域灰度取值 较大，其它区域灰度取值较小，因此设定固定阈值T = 20，大于T的灰度为1，小于等于T的为 0,得到结果图像8(1，7)』(1，7)的示意图为图8，该例的步骤4中的缺陷分割图像记为8(^ y)，B(x，y)由步骤3得到的重建图像F(x，y)二值化处理得到，该例二值化的处理方法是采用 设定固定阈值T法，F(x，y)中灰度值大于T的取1，为白色区域;小于T的取0,为黑色区域。图8 是图7经过二值化处理，得到结果图像B(x，y)的示意图，图中取值为1的白色区域即实际的 刹车盘缺陷10和缺陷11。步骤5:分析步骤4得到的刹车盘缺陷分割图像，得出最终检测结 果，完成本次检测。步骤5分析步骤4得到的刹车盘缺陷分割图像B(x，y)，分析对象为B(x，y) 中取1的白色区域;如果B(x，y)中没有白色区域，则得出没有检测到缺陷的检测结果。如果B (x，y)中有白色区域，则统计白色区域的个数，计算并输出每个白色区域的面积、周长、等效 直径，作为检测的最终结果。对于本实施例，一共检测到2个缺陷，在40万像素(768X576)分 辨率的X射线成像系统下，缺陷10的面积为435个像素，周长为146个像素，等效直径为32个 像素。缺陷11的面积为123个像素，周长为69个像素，等效直径为15个像素。在上述实施例中 通过步骤1大尺寸的頂帽变换提取了所有可能的缺陷区域，步骤2同样尺寸頂帽变换重建运 算提取了不包含几何结构特征的缺陷区域和部分大缺陷区域的局部，步骤3以步骤2的结果 为标记，重建恢复了步骤1中结果图像里实际的缺陷部分。步骤4通过二值化固定阈值算法 提取了步骤3得到的缺陷区域，步骤5统计缺陷区域并给出检测结果。本发明借助于数学形 态学的重建概念，通过3次运算逐步提取刹车盘上的实际缺陷，有效避免了传统图像分析方 法中刹车盘本身几何结构的干扰，较好地解决了刹车盘内部缺陷自动检测的难题。
[0028] 实施例二.汽车刹车盘内部缺陷的检测方法
[0029] 该例的汽车刹车盘内部缺陷的检测方法有图1中所示的5个步骤，汽车刹车盘如图 2所示的结构，以及类似于图3~图8等联合示