固體發(fā)動機(jī)體空間邊緣檢測單體素化方法①

朱 敏，于光輝，盧洪義，李 朋

(海軍航空工程學(xué)院，煙臺 264001)

0 引言

利用Roberts[1]、Prewitt[2]、Sobel[3]、Canny[4]、Zerocross和Log[5]等邊緣檢測算子檢測出的固體發(fā)動機(jī)邊緣檢測結(jié)果通常大于1個體素，無法準(zhǔn)確定位出固體發(fā)動機(jī)各組成部分的實(shí)際邊緣，這將限制后繼缺陷最大直徑、截面周長、表面積、體積等特征參數(shù)的精確測量。

二維空間中，單像素化正是一種求取寬度不為1的連續(xù)區(qū)域的連續(xù)中心線的處理方法，通常使用的處理方法包括Hilditch算法[6]、Rosenfeld算法[7]、Zhang并行算法[8]和Deutch算法[9]。本文利用這4種算法對固體發(fā)動機(jī)斷層圖像邊緣檢測結(jié)果實(shí)施單像素化處理，比較分析得出適用于固體發(fā)動機(jī)的單像素化方法，并將此方法拓展，提出一種三維空間中的固體發(fā)動機(jī)邊緣檢測結(jié)果單體素化方法。

1 固體發(fā)動機(jī)斷層圖像邊緣檢測單像素化方法分析

1.1 Hilditch單像素化算法

Hilditch單像素化算法的步驟如下：對圖像從左向右從上向下按條件處理每個像素，視為一個迭代周期。在每個迭代周期中，對于每一個像素P，如果它同時滿足下述6個條件，則標(biāo)記它。在當(dāng)前迭代周期結(jié)束時，把所有標(biāo)記的像素的值設(shè)為0(背景)。如果某次迭代周期中不存在標(biāo)記點(diǎn)(即圖像中所有點(diǎn)都不同時滿足6個條件)，則算法結(jié)束，原始待單像素化圖像去掉所有標(biāo)記點(diǎn)即為單像素化后的結(jié)果圖像。迭代過程中需同時滿足的6個條件詳見參考文獻(xiàn)[6]。

1.2 Rosenfeld單像素化算法

Rosenfeld單像素化算法的步驟如下：對圖像從左向右從上向下按條件處理每個像素，視為一個迭代周期。在每個迭代周期中，對于每一個像素P，進(jìn)行以下6步處理。如果某次迭代周期中不存在需要處理的點(diǎn)，則算法結(jié)束，原始待單像素化圖像去掉所有被處理點(diǎn)即為單像素化后的結(jié)果圖像。迭代中6步處理過程詳見文獻(xiàn)[7]。

1.3 Zhang并行單像素化算法

Zhang并行單像素化算法的步驟如下：對圖像從左向右從上向下按條件處理每個像素，視為一個迭代周期。在每個迭代周期中，對于每一個像素P，進(jìn)行以下4個條件的判斷，如果4個條件都滿足，則將P置0。如果某次迭代周期中不存在需要處理的點(diǎn)，則算法結(jié)束，原始待單像素化圖像去掉所有被處理點(diǎn)即為單像素化后的結(jié)果圖像。迭代中4個判斷條件詳見文獻(xiàn)[8]。

1.4 Deutsch單像素化算法

Deutsch單像素化算法的步驟如下：對圖像從左向右從上向下迭代每個像素，視為一個迭代周期。在每個迭代周期中，對于每一個像素P，進(jìn)行以下5個判斷，如果5個條件都滿足，則將P置0。如果某次迭代周期中不存在需要處理的點(diǎn)，則算法結(jié)束，原始待單像素化圖像去掉所有被處理點(diǎn)即為單像素化后結(jié)果圖像。迭代中的5個判斷條件詳見文獻(xiàn)[9]。

1.5 邊緣單像素化結(jié)果比較

1.5.1 實(shí)驗(yàn)條件

固體發(fā)動機(jī)斷層圖像獲取設(shè)備為我國自主研制的HICT-X450型固體發(fā)動機(jī)無損檢測自動化系統(tǒng)[10-11]，斷層圖像經(jīng)邊緣檢測處理后如圖1所示，處理前原始圖像及邊緣檢測算法見文獻(xiàn)[12-13]。

單像素化方法運(yùn)行計(jì)算機(jī)配置如下：CPU為酷睿2、主頻1.8 GHZ、內(nèi)存2 G。

1.5.2 實(shí)驗(yàn)結(jié)果分析

分別采用Hilditch算法、Rosenfeld算法、Zhang并行算法和Deutch算法對圖1進(jìn)行單像素化處理，處理結(jié)果如圖2所示。

通過比較可得出：Hilditch算法得到的邊緣在轉(zhuǎn)折處非常尖銳，Rosenfeld算法得到的邊緣在轉(zhuǎn)折處也較為尖銳，Zhang算法和Deutsch算法得到的邊緣在轉(zhuǎn)折處較為平滑。

4種不同的單像素化方法所用的循環(huán)迭代次數(shù)和總處理時間如表1所示。

圖1 邊緣檢測后的固體發(fā)動機(jī)斷層圖像

(a)Hilditch (b)Rosenfeld

(c)Zhang (d)Deutsch

方法HilditchRosenfeldZhangDeutsch循環(huán)迭代次數(shù)48576處理總時間/s5.271.2195.253.789

Hilditch算法用時最長，迭代次數(shù)最多，Zhang算法用時和迭代次數(shù)次之，不作為單體素化算法的選擇。Rosenfeld算法用時最短，迭代次數(shù)最少，Deutsch算法迭代次數(shù)比Rosenfeld算法多1次，用時大約是Rosenfeld算法的3倍，但Deutsch算法的單像素化效果較Rosenfeld算法的單像素化效果平滑，因此以Deutsch單像素化算法為基礎(chǔ)，提出一種固體火箭發(fā)動機(jī)三維數(shù)據(jù)場邊緣檢測結(jié)果的單體素化方法。

2 固體發(fā)動機(jī)體空間邊緣檢測單體素化方法

2.1 算法原理

與二維邊緣提取類似，三維邊緣提取寬度也較大，因此也需要對提取的發(fā)動機(jī)三維邊緣進(jìn)行單體素化。假設(shè)體素P的鄰域結(jié)構(gòu)和體素編碼如圖3所示。圖像的邊緣用1表示，背景用0表示。

圖3 P鄰域的結(jié)構(gòu)及編碼

算法的步驟如下：對固體發(fā)動機(jī)邊緣三維數(shù)據(jù)場從左向右、從上向下、從前向后迭代每個像素，視為一個迭代周期。在每個迭代周期中，對于每一個像素P，進(jìn)行以下13個條件的判斷，如果13個條件都滿足，則將P置0。如果某次迭代周期中不存在需要處理的點(diǎn)，則算法結(jié)束，原始待細(xì)化三維數(shù)據(jù)場去掉所有被處理點(diǎn)即為細(xì)化后的結(jié)果。進(jìn)行判斷的13個條件如下：

(1)2≤x1+x2+x3+x4+x5+x6+x7+x8≤6;

(2)Sx(P)=1;

(3)x1×x3×x5=0或者Sx(x3)≠1;

(4)x7×x3×x5=0或者Sx(x5)≠1;

(5)2≤x1+x9+x13+x11+x5+x16+x18+x14≤6;

(6)Sy(P)=1;

(7)x1×x13×x5=0或者Sy(x13)≠1;

(8)x18×x13×x5=0或者Sy(x5)≠1;

(9)2≤x3+x10+x13+x12+x7+x17+x18+x15≤6;

(10)Sz(P)=1;

(11)x3×x13×x7=0或者Sz(x13)≠1;

(12)x18×x13×x7=0或者Sz(x7)≠1;

(13)P=1。

Sx(P)的含義是圖3中P的鄰域，排成序列x1,x2,x3,x4,x5,x6,x7,x8,x1，序列從0變化到1的次數(shù)。

Sy(P)的含義是圖3中P的鄰域，排成序列x1,x9,x13,x11,x5,x16,x18,x14,x1，序列從0變化到1的次數(shù)。

Sz(P)的含義是圖3中P的鄰域，排成序列x3,x10,x13,x12,x7,x17,x18,x15,x3，序列從0變化到1的次數(shù)。

2.2 實(shí)驗(yàn)驗(yàn)證

實(shí)驗(yàn)條件同1.5.1節(jié)中所述。圖4為單體素化前后的三維邊緣檢測結(jié)果?？梢姡疚乃龇椒軌驕?zhǔn)確單體素化固體發(fā)動機(jī)的三維邊緣。

(a)未單體素化 (b)單體素化后

3 結(jié)論

單體素化的邊緣是固體發(fā)動機(jī)體空間缺陷特征參數(shù)精確測量的基礎(chǔ)。通過對Hilditch算法、Rosenfeld算法、Zhang并行算法和Deutch算法等經(jīng)典二維單像素化方法比較分析，得出Deutsch算法是最適用于固體發(fā)動機(jī)斷層圖像的單像素化方法，并以此方法為基礎(chǔ)，向三維空間拓展，提出一種固體發(fā)動機(jī)體空間邊緣檢測結(jié)果單體素化方法，經(jīng)實(shí)驗(yàn)驗(yàn)證，此方法單體素化結(jié)果滿足精確測量的需求。

參考文獻(xiàn)：

[1] Roberts L G.Machine perception of three-dimensional solids[M].Cambridge:MIT Press,1965:159-197.

[2] Prewitt J.Object enhancement and extraction[M].New York: Academic Press,1970:30-45.

[3] Davi L S.A survey of edge detection techniques[J].CGIP,1975,4:248-270.

[4] Canny John.A computational approach to edge detection[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,1986,PAMI-8(6):679-698.

[5] Robinson G S.Edge detection by compass gradient masks[J].CGIP,1975,6(5):753-763.

[6] http://wk.baidu.com/view/78ef110dba1aa8114431d93e.html

[7] 孫燮華.數(shù)字圖像處理-Visual C #.NET編程與實(shí)驗(yàn)[M].北京：機(jī)械工業(yè)出版社,2010:224.

[8] Zhang T Y,Suen C Y.A fast parallel algorithm for thinning digital patterns[J].Comm. ACM,1984,27(3): 236-239.

[9] 孫燮華.數(shù)字圖像處理[M].北京:機(jī)械工業(yè)出版社,2010:175.

[10] 楊興根,侯本學(xué),張存厚. 固體火箭發(fā)動機(jī)無損檢測自動化系統(tǒng)設(shè)計(jì)思想[J].飛航導(dǎo)彈,2001,31 (10):41-43.

[11] 楊興根,陳宇杰.固體火箭發(fā)動機(jī)專用ICT機(jī)械掃描系統(tǒng)[J].推進(jìn)技術(shù),1999,20(6):106-108.

[12] 于光輝,盧洪義,朱敏,等.基于引力模型的固體火箭發(fā)動機(jī)CT圖像邊緣檢測[J].核電子學(xué)與探測技術(shù),2012,32(2):184-187.

[13] 于光輝,盧洪義,朱敏,等.基于引力模型的固體火箭發(fā)動機(jī)三維數(shù)據(jù)場邊緣提取[C]//第四屆固體導(dǎo)彈技術(shù)學(xué)術(shù)交流會文集.2012.