复杂纤维图像的识别方法

摘要

本发明涉及图像处理技术领域，公开了一种复杂纤维图像的识别方法。为了能自动化对图像进行正确识别，提出了技术方案。其特征是：将彩色纤维数字图像转化为灰度数字图像；定义一个空白的二值图像；计算灰度数字图像中所有像素的方差；计算并标记全部的峰值点和谷值点；峰值点是边界点的，对二值图像中相同位置的像素值标记为1；特别认定同时满足a、b、c的峰值点是边界点：a.与该峰值点同样位置的二值图像中的像素，其像素值为0；b.该峰值点的大方差差值大于当前阈值；c.在该峰值点的8邻域点中，至少存在一个邻域点，在二值图像中，与此邻域点同样位置的像素，其像素值为1。有益效果：能快速、准确地进行纤维图像识别。

主权项

一种复杂纤维图像的识别方法，其特征是：包括：准备步骤，二值化步骤，以及结束步骤；所述的准备步骤包括2点：第1点，拍摄彩色纤维数字图像，再将该图像转化为256级灰度数字图像，然后把灰度数字图像输入到计算机待处理；第2点，定义一个与灰度数字图像大小一致的二值图像，该二值图像所有像素的初始值记为0，并将该二值图像存储在计算机内待用；所述的二值化步骤包括以下的第一操作步骤、第二操作步骤、第三操作步骤和第四操作步骤：第一操作步骤，计算灰度数字图像中所有像素的方差；第二操作步骤，根据像素的方差情况，计算并标记全部的峰值点和谷值点；第三操作步骤，对每一个峰值点进行是不是边界点的判断，如果是边界点，则依据灰度数字图像边界点的位置，对二值图像中相同位置的像素值标记为1；所述的判断，其内容包括：1.设定用于进行比较的比较阈值，比较阈值的初始值为大于零的正整数；2.命名峰值点左方向最近的谷值点为左侧谷值点，命名峰值点右方向最近的谷值点为右侧谷值点；3.峰值点的方差减去左侧谷值点的方差得到左方差差值，峰值点的方差减去右侧谷值点的方差得到右方差差值，左方差差值和右方差差值相比较，其大者特别命名为大方差差值；4.如果大方差差值大于比较阈值的，峰值点是边界点，否则，峰值点不是边界点；第四操作步骤，包括以下的第一分步、第二分步、第三分步和第四分步；第一分步，设定步长和设定最小阈值；所述的步长，其设定为大于零的正整数且小于比较阈值的初始值；所述的最小阈值设定为大于零的正整数，并且，最小阈值加步长得到的和，其和小于或等于比较阈值的初始阈值；第二分步，将比较阈值减步长得到当前阈值；第三分步，寻找同时满足以下a、b、c三者的峰值点：a.与该峰值点同样位置的二值图像中的像素，其像素值为0；b.该峰值点的大方差差值大于当前阈值；c.在该峰值点的8邻域点中，至少存在一个邻域点，在二值图像中，与此邻域点同样位置的像素，其像素值为1；找到同时满足以上a、b、c三者的峰值点，将二值图像中同样位置的像素， 其像素值标记为1；第四分步，判别当前阈值大于或等于最小阈值吗 如果判别结果为是，则返回第四操作步骤中的第二分步；如果判别结果为否，则第四操作步骤结束，同时也是二值化步骤结束；当上述的二值化步骤结束后，所述的方法进入结束步骤；结束步骤的工作内容包括输出二值图像。