基于腐蝕產(chǎn)物顏色分析的材料腐蝕程度評定方法

紀(jì) 鋼，彭麗麗，王 平

(重慶理工大學(xué)計算機(jī)科學(xué)與工程學(xué)院，重慶 400054)

在材料環(huán)境試驗中，由于受到各種環(huán)境因素的影響，材料表面會發(fā)生腐蝕，并產(chǎn)生腐蝕產(chǎn)物。材料腐蝕產(chǎn)物是判斷材料在環(huán)境適應(yīng)性下腐蝕程度大小的一個重要指標(biāo)，也是評價材料腐蝕等級的重要數(shù)據(jù)來源［1］。因此，準(zhǔn)確檢測、評價材料表面腐蝕產(chǎn)物顏色是一個重要的基礎(chǔ)技術(shù)。目前，在材料外觀腐蝕產(chǎn)物檢測方面仍然是以人工觀測腐蝕產(chǎn)物外觀顏色為主。由于人的知識差異以及經(jīng)驗等因素，對材料外觀腐蝕產(chǎn)物顏色評定標(biāo)準(zhǔn)的理解與具體檢測執(zhí)行的結(jié)果往往不一致。人工檢測的結(jié)果是以定性數(shù)據(jù)為主，給進(jìn)一步的數(shù)據(jù)分析和數(shù)據(jù)挖掘帶來一定困擾，從而給準(zhǔn)確評價材料的腐蝕程度帶來困難。另外，人工檢測的勞動強度高、效率低。腐蝕產(chǎn)物在材料中的形貌通常是不規(guī)則的，用常規(guī)的檢測工具及肉眼很難描述腐蝕特征的大小、面積及外觀腐蝕特征顏色。圖像作為一種信息記錄，已經(jīng)在各個應(yīng)用領(lǐng)域中發(fā)揮著重要的作用。近年來，隨著機(jī)器視覺技術(shù)和圖像處理技術(shù)的發(fā)展，大量的材料外觀腐蝕信息通?？捎蓤D像來記錄。如何將這些圖像轉(zhuǎn)變?yōu)橛嬎銠C(jī)能夠處理、識別的信息，并且從這些信息中解決材料外觀腐蝕特征［2-4］的處理，對腐蝕產(chǎn)物進(jìn)行顏色評定，是圖像處理技術(shù)、材料腐蝕技術(shù)需要解決的問題，也是本文的主要研究內(nèi)容。

1 材料腐蝕產(chǎn)物顏色分析及處理

1.1 材料腐蝕產(chǎn)物圖像獲取方式

可通過建立圖像采集系統(tǒng)獲取材料外觀腐蝕產(chǎn)物圖像。該采集系統(tǒng)主要由工業(yè)數(shù)字相機(jī)、鏡頭、照明光源、樣品放置平臺、接口和計算機(jī)系統(tǒng)構(gòu)成，各部分的主要作用為:

1)樣品放置平臺，為檢測試樣提供穩(wěn)定的放置平臺;

2)工業(yè)數(shù)字相機(jī)和鏡頭，通過光電轉(zhuǎn)換直接將模擬信號采集成數(shù)字信號;

3)照明光源，均勻照亮試樣表面，使材料腐蝕特征形貌與背景有較大的反差;

4)接口，作為攝像頭與計算機(jī)之間信息的傳輸通道;

5)計算機(jī)系統(tǒng)，用于圖像采集、存儲、處理及信息管理的主機(jī)。

采集到的圖像信息，以“* .BMP”或“* .jpg”圖形文件格式存儲在計算機(jī)系統(tǒng)中。在采集腐蝕圖像的過程中，考慮到隨機(jī)噪聲以及光照不均勻等因素的影響，可采用Gamma校正對圖像進(jìn)行前期的預(yù)處理。Gamma校正補償了不同輸出設(shè)備存在的顏色顯示差異，使圖像在不同的監(jiān)視器上顯示出相同的效果。采用非線性函數(shù)互相疊加的修正模式對采集到的腐蝕產(chǎn)物的圖像進(jìn)行校正?？紤]到實際光照強度下，圖像中會存在高光和陰影之間的過度區(qū)域，可采用不同的Gamma值對圖像的不同區(qū)域進(jìn)行校正，即對高光、過渡和陰影區(qū)域采用不同校正強度，這樣很好地保證了圖像顏色的真實性。

1.2 材料腐蝕產(chǎn)物圖像特征分割處理

圖像分割［5-11］是指按照區(qū)域一致性準(zhǔn)則將圖像分成若干個特定的、具有獨特性質(zhì)的區(qū)域，這些區(qū)域是互相不交叉的，每一個區(qū)域都滿足特定區(qū)域的一致性。圖像分割是由圖像處理到圖像分析的關(guān)鍵步驟。利用集合的概念，可以進(jìn)行圖像分割形式化定義［12］:令集合S代表整個圖像區(qū)域，對S的分割可以看作將S分割成n個滿足以下5個條件的非空子集(子區(qū)域):

2)對于任意 i和 j，i≠j，Si∩Sj= ?;

3)對于 i=1，2，…，n，P(Si)=TRUE;

4)對于任意相鄰區(qū)域Si和Sj，P(Si∪ Sj)=FALSE;

5)對于 i=1，2，…，n，Si是連通區(qū)域。

以上條件中，?是空集，區(qū)域一致性定義為邏輯謂詞 P(.)。

條件1)指出:1幅圖像分割后，其結(jié)果中的全部子區(qū)域的并集應(yīng)該能包括圖像中的全部像素，或者說圖像中的每一個像素必定屬于某個子區(qū)域。條件2)指出:分割后，各個子區(qū)域是互不重疊的，或者說在分割后1個像素不能同時屬于2個子區(qū)域。條件3)和4)指出:分割后，不同的子區(qū)域具有不同的特性，它們沒有公共元素，或者說屬于同一個區(qū)域中的像素應(yīng)該具有相同的性質(zhì)，不同區(qū)域的像素具有不同的特性。條件5)指出:分割后，同一個子區(qū)域內(nèi)的像素是連通的，即同一個子區(qū)域內(nèi)的任意2個像素在該子區(qū)域內(nèi)連通。

根據(jù)分割處理的特點，對材料腐蝕產(chǎn)物顏色圖像的分割就是要把材料腐蝕特征的各個顏色區(qū)域分割出來。由于每一個試驗樣品材料腐蝕區(qū)域的腐蝕程度不一樣，因此在采集到的圖像上將呈現(xiàn)出多個腐蝕特征，如圖1所示。所以，應(yīng)將圖像分割成多個目標(biāo)與背景的區(qū)域，在各區(qū)域中利用自適應(yīng)閾值的方法對腐蝕產(chǎn)物的圖像進(jìn)行分割，從而提取不同的腐蝕特征信息，并且對這些腐蝕區(qū)域進(jìn)行統(tǒng)一編號。具體操作過程為:將圖像細(xì)分為N×N的子圖像，使每個子圖像內(nèi)的亮度近似于均勻，然后在每個子圖像內(nèi)確定各自的閾值［13］，進(jìn)行局部二值化。子圖像i的閾值Ti可以采用全局閾值方法，根據(jù)閾值Ti對該子圖像i進(jìn)行分割。以這種多閾值［14］的變化方法代替?zhèn)鹘y(tǒng)的固定閾值對圖像進(jìn)行分割，在分割的同時充分考慮每個像素點的局部特性，以便得到更準(zhǔn)確的分割信息。圖2為二值化分割處理的圖像。

圖1 特征原始圖像

圖2 特征二值化圖像

對材料腐蝕特征顏色的獲取，實際上就是對腐蝕特征顏色的分割。在腐蝕特征二值化分割后，進(jìn)行腐蝕特征區(qū)域的處理，確定各個腐蝕特征顏色區(qū)域邊界，如圖3所示。最后，將各個特征腐蝕區(qū)域與原圖像作相與運算，在原圖像中分割出各個特征腐蝕區(qū)域，以便對各個腐蝕區(qū)域的顏色值進(jìn)行處理。

圖3 特征顏色區(qū)域邊界圖像

1.3 材料腐蝕產(chǎn)物圖像特征顏色的處理

在材料腐蝕產(chǎn)物圖像特征顏色的處理中，采用RGB空間對顏色進(jìn)行描述，便于機(jī)器的處理與識別，同時，也方便提取各腐蝕區(qū)域顏色中的R、G、B值。通過對材料各個腐蝕特征圖像分割后，腐蝕產(chǎn)物特征被分割成多個特征區(qū)域，并進(jìn)行統(tǒng)一編號。由于在材料腐蝕特征區(qū)域中，每個腐蝕區(qū)域都由多個像素點組成，通過統(tǒng)計封閉腐蝕區(qū)域像素點的個數(shù)n來表示腐蝕區(qū)域的面積，用Si表示，其中i為腐蝕區(qū)域的編號。各個腐蝕區(qū)域的面積百分比

其中S表示整個圖像的面積。由于每一個腐蝕區(qū)域都包含若干個像素，每個像素都有不同的R、G、B值，則每個腐蝕區(qū)域中的R、G、B的平均顏色值可定義為

2 材料腐蝕產(chǎn)物顏色與腐蝕程度評定處理

2.1 腐蝕等級標(biāo)準(zhǔn)顏色圖譜信息表設(shè)計

對于腐蝕材料的每一個腐蝕區(qū)域的顏色，都有平均的 R、G、B顏色值［15］，該顏色值可作為材料樣品試驗腐蝕等級狀況的評定依據(jù)。然而，為了確定材料腐蝕等級狀況，必須建立一個標(biāo)準(zhǔn)的圖譜信息表，與腐蝕產(chǎn)物的顏色進(jìn)行對照比較，從而確定材料腐蝕產(chǎn)物的腐蝕等級。

根據(jù)RGB空間對顏色的定義，每一種顏色由紅、綠、藍(lán)3個顏色通道組成。以整體顏色為標(biāo)準(zhǔn)建立標(biāo)準(zhǔn)顏色信息表，該信息表主要字段包括:顏色圖譜，顏色名稱，顏色的R、G、B值，對應(yīng)的腐蝕等級，如表1所示。

表1 標(biāo)準(zhǔn)顏色圖譜信息

2.2 材料腐蝕產(chǎn)物顏色與信息表相似度處理

在RGB模型中，每種顏色出現(xiàn)在紅、綠、藍(lán)的原色光譜分量中。這個模型基于笛卡爾坐標(biāo)系統(tǒng)，所考慮的彩色子空間是一個立方體，黑色在原點處，白色位于離遠(yuǎn)點最遠(yuǎn)的角上。在該模型中，不同的顏色處在立方體上或其內(nèi)部，因此，顏色可以用從原點分布的向量來定義，即顏色可以看成是一個三維列向量。分析RGB模型可以得到，相似的顏色具有相近的R、G、B值，因此，采用相似度的方法作為評定材料外觀腐蝕產(chǎn)物顏色的準(zhǔn)則。

在相似度處理中，可通過式(5)計算2種顏色的相似度。

式中:X是待判別的腐蝕產(chǎn)物顏色向量;G是存儲在標(biāo)準(zhǔn)產(chǎn)物圖譜信息表中的某個標(biāo)準(zhǔn)產(chǎn)物顏色向量;m代表向量維數(shù);X、G都是m維向量。相似度的比較過程為:遍歷標(biāo)準(zhǔn)信息表中的顏色向量，將待識別的腐蝕產(chǎn)物顏色分別與標(biāo)準(zhǔn)信息表中的顏色向量作相似度比較，可以得到該腐蝕產(chǎn)物顏色與各標(biāo)準(zhǔn)顏色的相似度，根據(jù)R(X，G)的最小值，判別待識別腐蝕產(chǎn)物顏色屬于哪一標(biāo)準(zhǔn)產(chǎn)物顏色。當(dāng)2個向量近似相等時，即表明2種顏色完全相同。

2.3 材料腐蝕顏色等級評定處理

在材料腐蝕特征顏色確定后，根據(jù)相似度計算公式，計算出材料腐蝕區(qū)域的顏色相似度，再根據(jù)材料腐蝕特征顏色信息表，得到每個腐蝕區(qū)域的腐蝕等級。由于一個樣品的腐蝕特征區(qū)域有多個，每個腐蝕區(qū)域的腐蝕等級以及它們所占腐蝕面積的百分比不相同，因此在得到每個腐蝕區(qū)域的腐蝕等級后，可按式(6)計算整個材料的腐蝕程度。

其中:Pi表示第i個腐蝕區(qū)域的面積百分比;Di表示第i個腐蝕區(qū)域的腐蝕等級。這種方法充分考慮了每個腐蝕區(qū)域腐蝕等級的差異性，也考慮了每個腐蝕區(qū)域的面積對整個腐蝕材料腐蝕程度的貢獻(xiàn)。

2.4 實驗驗證與結(jié)果分析

在材料腐蝕研究實驗站，用一片材料腐蝕樣品(如圖1所示)進(jìn)行實驗處理。首先對樣品進(jìn)行圖像處理及圖像分割，得到6個腐蝕區(qū)域，通過式(1)計算出各腐蝕區(qū)域面積百分比，式(2)～(4)計算出各腐蝕區(qū)域的平均RGB值。通過式(5)計算，并且與標(biāo)準(zhǔn)顏色圖譜信息表1進(jìn)行比較，計算出腐蝕區(qū)域與標(biāo)準(zhǔn)顏色信息表中各種顏色的相似度，并比較相似度的大小，通過機(jī)器處理，選擇相似度最小的標(biāo)準(zhǔn)顏色，最后得到每個腐蝕區(qū)域的腐蝕等級。結(jié)果如表2所示。

根據(jù)表2中的實驗數(shù)據(jù)，用式(6)進(jìn)行計算，得到用于該實驗中的整個材料的腐蝕等級Degreen=3。

表2 材料樣品腐蝕顏色腐蝕等級

3 結(jié)束語

本文提出通過利用腐蝕產(chǎn)物的顏色來實現(xiàn)腐蝕區(qū)域的等級評價，實現(xiàn)評價結(jié)果的定量化處理。另外，在各個腐蝕特征區(qū)域中，由于腐蝕產(chǎn)物的顏色有可能不完全一致，可在該特征區(qū)域內(nèi)部中進(jìn)行進(jìn)一步劃分，即在求每個特征區(qū)域腐蝕產(chǎn)物的平均顏色時，將該腐蝕區(qū)域劃分成若干個小的腐蝕區(qū)域，分別計算每個小區(qū)域的顏色。如果每個小區(qū)域的顏色相近，則將這幾個小區(qū)域劃為同一個腐蝕等級;反之，如果各個區(qū)域的顏色值相差比較大，則分別對這幾個小區(qū)域作出等級評價，再計算整個區(qū)域的平均腐蝕等級，從而計算出整個腐蝕材料的腐蝕等級。

［1］紀(jì)鋼，韓逢慶，張倫武，等.材料腐蝕特征的圖像模式識別處理［J］.合肥工業(yè)大學(xué)學(xué)報:自然科學(xué)版，2002，25(2):312-316.

［2］紀(jì)鋼，朱燁華.材料外觀腐蝕特征處理評價系統(tǒng)研究［J］.重慶工學(xué)院學(xué)報:自然科學(xué)版，2007(1):91-95.

［3］紀(jì)鋼，朱孝成，張菲.基于LSB二次嵌入隱藏算法在材料腐蝕圖像中的應(yīng)用［J］.重慶理工大學(xué)學(xué)報:自然科學(xué)版，2010(7):81-85.

［4］紀(jì)鋼，張菲，王平.基于本體的材料腐蝕圖像標(biāo)注方法［J］.重慶理工大學(xué)學(xué)報:自然科學(xué)版，2011(4):70-73.

［5］劉文靜，賈振紅，楊杰，等.一種新的含噪遙感圖像Otsu分割算法研究［J］.激光雜志，2010(6):28-30.

［6］黃寧寧，賈振紅，何迪，等.改進(jìn)的模糊熵與圖像局部信息相結(jié)合的遙感圖像分割新算法［J］.激光雜志，2010(6):20-22.

［7］劉瑞琪，曹乃文.雜草圖像分割中分割特征的研究［J］.安徽農(nóng)業(yè)科學(xué)，2011(30):18978-18992.

［8］文江平，胡巖峰，王無敵，等.一種有效的SAR圖像水陸分割方法［J］.四川兵工學(xué)報，2010(2):108-110.

［9］程麗，王聰麗，侯著榮，等.基于Matlab環(huán)境的JPEG圖像壓縮算法［J］.四川兵工學(xué)報，2011(5):100-102.

［10］張雪飛.基于GVF模型的蔬果圖像快速分割方法［J］.安徽農(nóng)業(yè)科學(xué)，2010(5):2427-2428.

［11］章毓晉.圖像分割［M］.北京:科學(xué)出版社，2001.

［12］陳強.圖像分割若干理論方法及應(yīng)用研究［D］.重慶:重慶大學(xué)，2007.

［13］薛景浩，章毓晉.基于最大類間后驗交叉熵的閾值化分割算法［J］.中國圖像圖形學(xué)報，1999，10(6):111-114.

［14］付忠良.基于圖像差距度量的閾值選取方法［J］.計算機(jī)研究與發(fā)展，2001，38(5):563-567.

［15］張引，饒娜，張三元，等.白動采集樣本的圖像顏色傳遞算法［J］.中國圖像圖形學(xué)報，2005，10(10):1258-1263.