缺陷图像提取方法、装置及电子设备与流程

本发明涉及图像处理，尤其是涉及一种缺陷图像提取方法、装置及电子设备。

背景技术：

1、目前，针对排水管道内部情况检测方法主要包括以下几种：1）管道潜望镜检测（qv检测）：使用管道潜望镜在检查井内观测管道运行情况及缺陷分布。适用于管道内部杂物较多或常规机器人无法使用的情况；2）电视检测（cctv检测）：携带摄像头的机器人沿管道内部爬行，对管道进行全方位摄像检测，可查明管道内部漏水、腐蚀、错口、断裂、异物穿入等各类缺陷的具体位置；3）声呐检测：利用声波对水下物体进行探测和定位识别的技术，适用于满管或半满管水的排水管道的在线检测，可探测水下环境结构；4）潜水检查：潜水员进入管道内部，直观判断管道存在的堵塞和错位等缺陷等等。对于管道内部是否存在缺陷一般采用人工判读法，通过经验丰富的作业人员对检测设备所拍摄的视频进行读取，并对存在缺陷的画面一帧一帧的截取，对所截图的图像一般采用人工或者智能的算法进行读取，人工判读法效率低下，工作量极大，缺点明显。目前一般较多采用智能算法对图像的特征进行提取进而判读。

2、目前图像提取方法主要包括以下几种：1）基于纹理特征提取的方法：如灰度共生矩阵法、纹理谱分析和gabor滤波器等；2）基于颜色特征提取的方法：主要有使用加权欧几里的距离测度（颜色分布的匹配）、颜色直方图的交叉法和距离比较；3）基于形状特征提取的方法：使用形状属性集合的欧几里的距离来描述图像内容，形状特征集通常包括矩、面积等等。处理器方法也存在一些缺陷，如：①纹理特征提取的效果很大程度上依赖于图像中纹理的一致性和可区分性。如果图像中的纹理变化不大或者纹理特征不明显，这种方法可能难以准确提取有用的信息；②光照和阴影的影响：光照条件的变化，如阴影和光照不均，可能会影响纹理特征的提取，导致特征失真或提取不准确；③形状特征的提取往往依赖于清晰的图像边界和轮廓信息；④图像质量差，如模糊、噪声或遮挡，会影响形状特征的准确性。

3、因此，需要研发一种针对排水管道缺陷边界识别并提取的方法，不但需要锁定图像边界，而且准确率要高，对存在缺陷的图像进行图像优化，以便于获取到清晰的图像。

技术实现思路

1、本发明的目的在于提供一种缺陷图像提取方法，以缓解现有技术存在的缺陷图像质量差以及效率低的技术问题，提升缺陷图像质量以及提取效率。

2、第一方面，本发明实施例提供了一种缺陷图像提取方法，包括：通过图像采集设备在预设图像采集视角，采集缺陷管道的第一预设位置的初始缺陷管道图像以及正常管道的第二预设位置的初始无缺陷管道图像；上述第一预设位置与上述第二预设位置的距离小于预设的距离阈值；上述缺陷管道与上述正常管道为相同类型的管材；对上述初始缺陷管道图像以及初始无缺陷管道图像进行预处理、灰度化处理以及预设参数的图像分割，得到多个第一子图像以及多个第二子图像；将上述多个第一子图像的符合预设的第一缺陷参数的第一目标子图像进行标记，得到标记图像；将上述标记图像以及上述标记图像中心位置的第一灰度值以及上述标记图像对应的上述第二子图像中心位置的第二目标图像的第二灰度值相减，得到多个差值；将上述多个差值进行加权平均，得到平均偏差度；并计算每个上述标记图像的偏差度；计算每个上述标记图像的偏差度与上述平均偏差度的距离，得到多个距离度；判断每个距离度与预设缺陷阈值区间的包含关系；根据上述包含关系，输出上述标记图像的目标缺陷图像；根据上述多个距离度，输出上述标记图像的目标无缺陷图像；基于预设的第二缺陷参数，确定上述目标缺陷图像的第一准确度以及上述目标无缺陷图像的第二准确度；根据上述第一准确度以及上述第二准确度，计算整体准确度；判断上述整体准确度与预设准确度阈值的大小关系；根据上述大小关系，调整上述缺陷阈值区间。

3、在本发明实施例较佳的实施方式中，根据上述包含关系，输出上述标记图像的目标缺陷图像的步骤，包括：当包含关系为上述缺陷阈值区间包含上述距离度，输出上述标记图像的上述距离度对应的上述目标缺陷图像。

4、在本发明实施例较佳的实施方式中，将上述多个差值进行加权平均，得到平均偏差度的步骤，包括：通过下述公式计算上述平均偏差度：，其中，为上述平均偏差度，、……为1至第m个上述差值。

5、在本发明实施例较佳的实施方式中，，上述第一准确度包括确定上述目标缺陷图像存在缺陷的第一图像数量以及确定上述目标缺陷图像不存在缺陷的第二图像数量；上述第二准确度包括确定上述目标无缺陷图像存在缺陷的第三图像数量以及确定上述目标无缺陷图像不存在缺陷的第四图像数量；根据上述第一准确度以及上述第二准确度，计算整体准确度的步骤，包括：根据上述第一图像数量、第二图像数量、第三图像数量以及第四图像数量，计算整体准确度。

6、在本发明实施例较佳的实施方式中，根据上述第一图像数量、第二图像数量、第三图像数量以及第四图像数量，计算整体准确度的步骤包括：通过下述公式计算整体准确度：，其中，f为整体准确度，f1为上述第一图像数量，f3为上述第四图像数量，f2为上述第二图像数量，f4为上述第三图像数量。

7、在本发明实施例较佳的实施方式中，根据上述大小关系，调整上述缺陷阈值区间的步骤，包括：当上述大小关系为上述整体准确度小于或等于上述预设准确度阈值时，对上述第一图像数量的第一距离度、第二图像数量的第二距离度、第三图像数量的第三距离度、第四图像数量的第四距离度进行聚类分析，得到分析结果；根据上述分析结果，调整上述缺陷阈值区间。

8、在本发明实施例较佳的实施方式中，当上述大小关系为上述整体准确度小于或等于上述预设准确度阈值时，对上述第一图像数量的第一距离度、第二图像数量的第二距离度、第三图像数量的第三距离度、第四图像数量的第四距离度进行聚类分析，得到分析结果的步骤之前，上述方法包括：获取预设的聚类类别、上述聚类类别之间的距离阈值、模糊指数以及停止迭代阈值；当上述大小关系为上述整体准确度小于或等于上述预设准确度阈值时，对上述第一图像数量的第一距离度、第二图像数量的第二距离度、第三图像数量的第三距离度、第四图像数量的第四距离度分别进行聚类分析，得到分析结果的步骤，包括：步骤a1：将上述第一距离度、上述第二距离度、上述第三距离度以及上述第四距离度分别作为初始样本；步骤a2：分别计算每个上述初始样本之间的距离，得到多个第一距离值；步骤a3：基于上述多个第一距离值，构建第一矩阵；并从上述多个第一距离值中筛选第一最小值，并将上述第一最小值对应的第一目标样本设置为第一初始聚类中心；步骤a4：基于上述第一矩阵，计算上述初始样本中除上述第一初始聚类中心的其他样本与上述第一初始聚类中心的第二距离值；步骤a5：从上述第二距离值中，筛选大于上述距离阈值的目标其他样本；并从上述多个第二距离值中筛选第二最小值，并将上述第二最小值对应的第二目标样本设置为第二初始聚类中心；步骤a6：重复上述步骤a2至上述步骤a5，直到选取的次数达到上述聚类类别，得到多个聚类中心，并将上述多个聚类中心构建为聚类中心矩阵；步骤a7：计算上述初始样本与上述多个聚类中心的欧式距离；步骤a8：计算上述欧式距离的隶属度，得到隶属度矩阵；步骤a9：根据上述隶属度矩阵，多次更新上述聚类中心矩阵，得到目标更新态中心矩阵，直到上述目标更新态中心矩阵与上述目标更新态中心矩阵对应的上一次更新态中心矩阵的差值的绝对值小于预设参数时，输出上述目标更新态中心矩阵；步骤a10：将每个上述初始样本对应的上述目标更新态中心矩阵，确定为上述分析结果；根据上述分析结果，调整上述缺陷阈值区间的步骤，包括：步骤b1：根据每个上述初始样本对应的上述目标更新态中心矩阵，确定每个上述初始样本对应的最大聚类群落；步骤b2：将上述最大聚类群落按照上述第一距离度、上述第二距离度、上述第三距离度以及上述第四距离度对应的预设象限，划分为缺陷图像距离度数据库、非缺陷图像距离度数据库、判定为缺陷实际为非缺陷的距离度数据库以及判定为非缺陷实际为缺陷的距离度数据库；步骤b3：将上述缺陷图像距离度数据库以及上述判定为非缺陷实际为缺陷的距离度数据库合并，得到第一数据库；并，将上述非缺陷图像距离度数据库以及上述判定为缺陷实际为非缺陷的距离度数据库合并，得到第二数据库；步骤b4：将上述第一数据库映射到上述缺陷阈值区间的高斯分布中，将上述第一数据库与上述缺陷阈值区间的第一重合部分，设置为第一区间；并将上述第二数据库映射到上述高斯分布中，将上述第二数据库与上述缺陷阈值区间的第二重合部分，设置为第二区间；步骤b5：重复上述步骤b1至上述步骤b4，直到上述整体准确度大于上述预设准确度阈值。

9、在本发明实施例较佳的实施方式中，对上述初始缺陷管道图像以及初始无缺陷管道图像进行预处理，得到缺陷管道图像以及无缺陷管道图像的步骤，包括：将上述原始缺陷管道图像和上述原始无缺陷管道图像保存为原始图像；对原始图像分别进行亮度向量、对比度向量和饱和度向量的自适应增强，得到增强图像；其中，通过下述公式对上述原始图像分别进行对比度向量的自适应增强：，其中，bh为所述原始图像的饱和度，fs1为上述增强图像的饱和度，为上述原始图像对应像素点的最大值，为上述原始图像对应像素点的最小值；为上述原始图像对应像素点的平均值；对上述亮度向量中的高频分量进行降噪处理得到第一高频分量，对上述亮度向量中低频分量进行自适应伽马校正，得到第一低频分量；对第一高频分量和第一低频分量，通过小波重构，得到第一增强图像，将上述第一增强图像的hsv空间转化到rgb空间，最后通过非锐化掩膜技术进行增强，得到第二增强图像；其中，通过非锐化掩膜技术进行增强，得到第二增强图像的步骤包括：对上述原始图像y（x, y, z）与高斯函数gg（x，y ,z）进行卷积计算，可得到模糊函数m（x, y, z）；上述m的表达式为：将上述原始图像与模糊函数做差值运算，可得到高频图像gp（x, y,z），上述gp（x, y, z）的公式为：gp（x, y, z）= y（x, y, z）- m（x, y, z ）；对上述高频图像进行增强，得到上述第二增强图像；计算公式为：；表示高频图像的增强系数，（x，y，z）表示r、g、b颜色通道的三个像素点，取值区间在[0,255]；根据上述第二增强图像，确定上述增强图像；根据上述增强图像，确定缺陷管道图像以及无缺陷管道图像。

10、第二方面，本发明实施例还提供了一种缺陷图像提取装置，包括：数据获取模块，用于通过图像采集设备在预设图像采集视角，采集缺陷管道的第一预设位置的初始缺陷管道图像以及正常管道的第二预设位置的初始无缺陷管道图像；上述第一预设位置与上述第二预设位置的距离小于预设的距离阈值；上述缺陷管道与上述正常管道为相同类型的管材；对上述初始缺陷管道图像以及初始无缺陷管道图像进行预处理、灰度化处理以及预设参数的图像分割，得到多个第一子图像以及多个第二子图像；将上述多个第一子图像的符合预设的第一缺陷参数的第一目标子图像进行标记，得到标记图像；将上述标记图像以及上述标记图像中心位置的第一灰度值以及上述标记图像对应的上述第二子图像中心位置的第二目标图像的第二灰度值相减，得到多个差值；目标缺陷图像输出模块，用于将上述多个差值进行加权平均，得到平均偏差度；并计算每个上述标记图像的偏差度；计算每个上述标记图像的偏差度与上述平均偏差度的距离，得到多个距离度；判断每个距离度与预设缺陷阈值区间的包含关系；根据上述包含关系，输出上述标记图像的目标缺陷图像；参数调整模块，用于根据上述多个距离度，输出上述标记图像的目标无缺陷图像；基于预设的第二缺陷参数，确定上述目标缺陷图像的第一准确度以及上述目标无缺陷图像的第二准确度；根据上述第一准确度以及上述第二准确度，计算整体准确度；判断上述整体准确度与预设准确度阈值的大小关系；根据上述大小关系，调整上述缺陷阈值区间。

11、第三方面，本发明实施例还提供了一种电子设备，上述电子设备包括处理器和存储器，上述存储器存储有能够被上述处理器执行的计算机可执行质量，上述处理器执行上述计算机可执行质量以实现上述缺陷图像提取方法。

12、本发明实施例具有下述有益技术效果：

13、本发明实施例提供了一种缺陷图像提取方法、装置及电子设备，包括：通过图像采集设备在预设图像采集视角，采集缺陷管道的第一预设位置的初始缺陷管道图像以及正常管道的第二预设位置的初始无缺陷管道图像；上述第一预设位置与上述第二预设位置的距离小于预设的距离阈值；上述缺陷管道与上述正常管道为相同类型的管材；对上述初始缺陷管道图像以及初始无缺陷管道图像进行预处理、灰度化处理以及预设参数的图像分割，得到多个第一子图像以及多个第二子图像；将上述多个第一子图像的符合预设的第一缺陷参数的第一目标子图像进行标记，得到标记图像；将上述标记图像以及上述标记图像中心位置的第一灰度值以及上述标记图像对应的上述第二子图像中心位置的第二目标图像的第二灰度值相减，得到多个差值；将上述多个差值进行加权平均，得到平均偏差度；并计算每个上述标记图像的偏差度；计算每个上述标记图像的偏差度与上述平均偏差度的距离，得到多个距离度；判断每个距离度与预设缺陷阈值区间的包含关系；根据上述包含关系，输出上述标记图像的目标缺陷图像；根据上述多个距离度，输出上述标记图像的目标无缺陷图像；基于预设的第二缺陷参数，确定上述目标缺陷图像的第一准确度以及上述目标无缺陷图像的第二准确度；根据上述第一准确度以及上述第二准确度，计算整体准确度；判断上述整体准确度与预设准确度阈值的大小关系；根据上述大小关系，调整上述缺陷阈值区间。该方法可以提取图像中的缺陷图像，以提升缺陷提取效率。