基于腐蚀产物颜色分析的材料腐蚀程度评定方法

2012-07-06彭丽丽

重庆理工大学学报(自然科学) 2012年7期

纪钢，彭丽丽，王平

(重庆理工大学计算机科学与工程学院，重庆 400054)

在材料环境试验中，由于受到各种环境因素的影响，材料表面会发生腐蚀，并产生腐蚀产物。材料腐蚀产物是判断材料在环境适应性下腐蚀程度大小的一个重要指标，也是评价材料腐蚀等级的重要数据来源［1］。因此，准确检测、评价材料表面腐蚀产物颜色是一个重要的基础技术。目前，在材料外观腐蚀产物检测方面仍然是以人工观测腐蚀产物外观颜色为主。由于人的知识差异以及经验等因素，对材料外观腐蚀产物颜色评定标准的理解与具体检测执行的结果往往不一致。人工检测的结果是以定性数据为主，给进一步的数据分析和数据挖掘带来一定困扰，从而给准确评价材料的腐蚀程度带来困难。另外，人工检测的劳动强度高、效率低。腐蚀产物在材料中的形貌通常是不规则的，用常规的检测工具及肉眼很难描述腐蚀特征的大小、面积及外观腐蚀特征颜色。图像作为一种信息记录，已经在各个应用领域中发挥着重要的作用。近年来，随着机器视觉技术和图像处理技术的发展，大量的材料外观腐蚀信息通常可由图像来记录。如何将这些图像转变为计算机能够处理、识别的信息，并且从这些信息中解决材料外观腐蚀特征［2-4］的处理，对腐蚀产物进行颜色评定，是图像处理技术、材料腐蚀技术需要解决的问题，也是本文的主要研究内容。

1 材料腐蚀产物颜色分析及处理

1.1 材料腐蚀产物图像获取方式

可通过建立图像采集系统获取材料外观腐蚀产物图像。该采集系统主要由工业数字相机、镜头、照明光源、样品放置平台、接口和计算机系统构成，各部分的主要作用为:

1)样品放置平台，为检测试样提供稳定的放置平台;

2)工业数字相机和镜头，通过光电转换直接将模拟信号采集成数字信号;

3)照明光源，均匀照亮试样表面，使材料腐蚀特征形貌与背景有较大的反差;

4)接口，作为摄像头与计算机之间信息的传输通道;

5)计算机系统，用于图像采集、存储、处理及信息管理的主机。

采集到的图像信息，以“* .BMP”或“* .jpg”图形文件格式存储在计算机系统中。在采集腐蚀图像的过程中，考虑到随机噪声以及光照不均匀等因素的影响，可采用Gamma校正对图像进行前期的预处理。Gamma校正补偿了不同输出设备存在的颜色显示差异，使图像在不同的监视器上显示出相同的效果。采用非线性函数互相叠加的修正模式对采集到的腐蚀产物的图像进行校正。考虑到实际光照强度下，图像中会存在高光和阴影之间的过度区域，可采用不同的Gamma值对图像的不同区域进行校正，即对高光、过渡和阴影区域采用不同校正强度，这样很好地保证了图像颜色的真实性。

1.2 材料腐蚀产物图像特征分割处理

图像分割［5-11］是指按照区域一致性准则将图像分成若干个特定的、具有独特性质的区域，这些区域是互相不交叉的，每一个区域都满足特定区域的一致性。图像分割是由图像处理到图像分析的关键步骤。利用集合的概念，可以进行图像分割形式化定义［12］:令集合S代表整个图像区域，对S的分割可以看作将S分割成n个满足以下5个条件的非空子集(子区域):

2)对于任意 i和 j，i≠j，Si∩Sj= Ø;

3)对于 i=1，2，…，n，P(Si)=TRUE;

4)对于任意相邻区域Si和Sj，P(Si∪ Sj)=FALSE;

5)对于 i=1，2，…，n，Si是连通区域。

以上条件中，Ø是空集，区域一致性定义为逻辑谓词 P(.)。

条件1)指出:1幅图像分割后，其结果中的全部子区域的并集应该能包括图像中的全部像素，或者说图像中的每一个像素必定属于某个子区域。条件2)指出:分割后，各个子区域是互不重叠的，或者说在分割后1个像素不能同时属于2个子区域。条件3)和4)指出:分割后，不同的子区域具有不同的特性，它们没有公共元素，或者说属于同一个区域中的像素应该具有相同的性质，不同区域的像素具有不同的特性。条件5)指出:分割后，同一个子区域内的像素是连通的，即同一个子区域内的任意2个像素在该子区域内连通。

根据分割处理的特点，对材料腐蚀产物颜色图像的分割就是要把材料腐蚀特征的各个颜色区域分割出来。由于每一个试验样品材料腐蚀区域的腐蚀程度不一样，因此在采集到的图像上将呈现出多个腐蚀特征，如图1所示。所以，应将图像分割成多个目标与背景的区域，在各区域中利用自适应阈值的方法对腐蚀产物的图像进行分割，从而提取不同的腐蚀特征信息，并且对这些腐蚀区域进行统一编号。具体操作过程为:将图像细分为N×N的子图像，使每个子图像内的亮度近似于均匀，然后在每个子图像内确定各自的阈值［13］，进行局部二值化。子图像i的阈值Ti可以采用全局阈值方法，根据阈值Ti对该子图像i进行分割。以这种多阈值［14］的变化方法代替传统的固定阈值对图像进行分割，在分割的同时充分考虑每个像素点的局部特性，以便得到更准确的分割信息。图2为二值化分割处理的图像。

图1 特征原始图像

图2 特征二值化图像

对材料腐蚀特征颜色的获取，实际上就是对腐蚀特征颜色的分割。在腐蚀特征二值化分割后，进行腐蚀特征区域的处理，确定各个腐蚀特征颜色区域边界，如图3所示。最后，将各个特征腐蚀区域与原图像作相与运算，在原图像中分割出各个特征腐蚀区域，以便对各个腐蚀区域的颜色值进行处理。

图3 特征颜色区域边界图像

1.3 材料腐蚀产物图像特征颜色的处理

在材料腐蚀产物图像特征颜色的处理中，采用RGB空间对颜色进行描述，便于机器的处理与识别，同时，也方便提取各腐蚀区域颜色中的R、G、B值。通过对材料各个腐蚀特征图像分割后，腐蚀产物特征被分割成多个特征区域，并进行统一编号。由于在材料腐蚀特征区域中，每个腐蚀区域都由多个像素点组成，通过统计封闭腐蚀区域像素点的个数n来表示腐蚀区域的面积，用Si表示，其中i为腐蚀区域的编号。各个腐蚀区域的面积百分比

其中S表示整个图像的面积。由于每一个腐蚀区域都包含若干个像素，每个像素都有不同的R、G、B值，则每个腐蚀区域中的R、G、B的平均颜色值可定义为

2 材料腐蚀产物颜色与腐蚀程度评定处理

2.1 腐蚀等级标准颜色图谱信息表设计

对于腐蚀材料的每一个腐蚀区域的颜色，都有平均的 R、G、B颜色值［15］，该颜色值可作为材料样品试验腐蚀等级状况的评定依据。然而，为了确定材料腐蚀等级状况，必须建立一个标准的图谱信息表，与腐蚀产物的颜色进行对照比较，从而确定材料腐蚀产物的腐蚀等级。

根据RGB空间对颜色的定义，每一种颜色由红、绿、蓝3个颜色通道组成。以整体颜色为标准建立标准颜色信息表，该信息表主要字段包括:颜色图谱，颜色名称，颜色的R、G、B值，对应的腐蚀等级，如表1所示。

表1 标准颜色图谱信息

2.2 材料腐蚀产物颜色与信息表相似度处理

在RGB模型中，每种颜色出现在红、绿、蓝的原色光谱分量中。这个模型基于笛卡尔坐标系统，所考虑的彩色子空间是一个立方体，黑色在原点处，白色位于离远点最远的角上。在该模型中，不同的颜色处在立方体上或其内部，因此，颜色可以用从原点分布的向量来定义，即颜色可以看成是一个三维列向量。分析RGB模型可以得到，相似的颜色具有相近的R、G、B值，因此，采用相似度的方法作为评定材料外观腐蚀产物颜色的准则。

在相似度处理中，可通过式(5)计算2种颜色的相似度。

式中:X是待判别的腐蚀产物颜色向量;G是存储在标准产物图谱信息表中的某个标准产物颜色向量;m代表向量维数;X、G都是m维向量。相似度的比较过程为:遍历标准信息表中的颜色向量，将待识别的腐蚀产物颜色分别与标准信息表中的颜色向量作相似度比较，可以得到该腐蚀产物颜色与各标准颜色的相似度，根据R(X，G)的最小值，判别待识别腐蚀产物颜色属于哪一标准产物颜色。当2个向量近似相等时，即表明2种颜色完全相同。

2.3 材料腐蚀颜色等级评定处理

在材料腐蚀特征颜色确定后，根据相似度计算公式，计算出材料腐蚀区域的颜色相似度，再根据材料腐蚀特征颜色信息表，得到每个腐蚀区域的腐蚀等级。由于一个样品的腐蚀特征区域有多个，每个腐蚀区域的腐蚀等级以及它们所占腐蚀面积的百分比不相同，因此在得到每个腐蚀区域的腐蚀等级后，可按式(6)计算整个材料的腐蚀程度。

其中:Pi表示第i个腐蚀区域的面积百分比;Di表示第i个腐蚀区域的腐蚀等级。这种方法充分考虑了每个腐蚀区域腐蚀等级的差异性，也考虑了每个腐蚀区域的面积对整个腐蚀材料腐蚀程度的贡献。

2.4 实验验证与结果分析

在材料腐蚀研究实验站，用一片材料腐蚀样品(如图1所示)进行实验处理。首先对样品进行图像处理及图像分割，得到6个腐蚀区域，通过式(1)计算出各腐蚀区域面积百分比，式(2)～(4)计算出各腐蚀区域的平均RGB值。通过式(5)计算，并且与标准颜色图谱信息表1进行比较，计算出腐蚀区域与标准颜色信息表中各种颜色的相似度，并比较相似度的大小，通过机器处理，选择相似度最小的标准颜色，最后得到每个腐蚀区域的腐蚀等级。结果如表2所示。

根据表2中的实验数据，用式(6)进行计算，得到用于该实验中的整个材料的腐蚀等级Degreen=3。

表2 材料样品腐蚀颜色腐蚀等级

3 结束语

本文提出通过利用腐蚀产物的颜色来实现腐蚀区域的等级评价，实现评价结果的定量化处理。另外，在各个腐蚀特征区域中，由于腐蚀产物的颜色有可能不完全一致，可在该特征区域内部中进行进一步划分，即在求每个特征区域腐蚀产物的平均颜色时，将该腐蚀区域划分成若干个小的腐蚀区域，分别计算每个小区域的颜色。如果每个小区域的颜色相近，则将这几个小区域划为同一个腐蚀等级;反之，如果各个区域的颜色值相差比较大，则分别对这几个小区域作出等级评价，再计算整个区域的平均腐蚀等级，从而计算出整个腐蚀材料的腐蚀等级。

［1］纪钢，韩逢庆，张伦武，等.材料腐蚀特征的图像模式识别处理［J］.合肥工业大学学报:自然科学版，2002，25(2):312-316.

［2］纪钢，朱烨华.材料外观腐蚀特征处理评价系统研究［J］.重庆工学院学报:自然科学版，2007(1):91-95.

［3］纪钢，朱孝成，张菲.基于LSB二次嵌入隐藏算法在材料腐蚀图像中的应用［J］.重庆理工大学学报:自然科学版，2010(7):81-85.

［4］纪钢，张菲，王平.基于本体的材料腐蚀图像标注方法［J］.重庆理工大学学报:自然科学版，2011(4):70-73.

［5］刘文静，贾振红，杨杰，等.一种新的含噪遥感图像Otsu分割算法研究［J］.激光杂志，2010(6):28-30.

［6］黄宁宁，贾振红，何迪，等.改进的模糊熵与图像局部信息相结合的遥感图像分割新算法［J］.激光杂志，2010(6):20-22.

［7］刘瑞琪，曹乃文.杂草图像分割中分割特征的研究［J］.安徽农业科学，2011(30):18978-18992.

［8］文江平，胡岩峰，王无敌，等.一种有效的SAR图像水陆分割方法［J］.四川兵工学报，2010(2):108-110.

［9］程丽，王聪丽，侯著荣，等.基于Matlab环境的JPEG图像压缩算法［J］.四川兵工学报，2011(5):100-102.

［10］张雪飞.基于GVF模型的蔬果图像快速分割方法［J］.安徽农业科学，2010(5):2427-2428.

［11］章毓晋.图像分割［M］.北京:科学出版社，2001.

［12］陈强.图像分割若干理论方法及应用研究［D］.重庆:重庆大学，2007.