(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211268883.5 (22)申请日 2022.10.17 (65)同一申请的已公布的文献号 申请公布号 CN 115345894 A (43)申请公布日 2022.11.15 (73)专利权人 南通通力油泵 有限公司 地址 226300 江苏省南 通市通州区东社镇 杨港居12组通发创业园 (72)发明人 吴志刚　李建国　 (74)专利代理 机构 南通一恒专利商标代理事务 所(普通合伙) 32553 专利代理师 梅家祺 (51)Int.Cl. G06T 7/11(2017.01) G06T 7/12(2017.01)G06T 7/136(2017.01) G06T 7/187(2017.01) G06V 10/25(2022.01) G06V 10/26(2022.01) G06V 10/762(2022.01) G06V 10/82(2022.01) 审查员 张李一 (54)发明名称 一种焊缝射线检测图像分割方法 (57)摘要 本发明涉及数据处理技术领域， 具体涉及一 种焊缝射线检测图像分割方法， 该方法采集焊接 之后的焊缝区域的射线检测图像； 将射线检测图 像转换为三维灰度分布图， 将射线检测图像中的 离散点映射到图像横轴得到散点图； 获取感兴趣 区域并划分为内部区域和外部区域； 评估外部区 域中每个像素点的离群程度， 以及内部区域中每 个像素点的离群程度； 筛选异常点； 获取每个异 常点的聚集程度； 根据聚集程度和离群程度获取 异常程度， 获取所有像素点的整体异常程度设置 对应的聚类 K值， 然后进行K ‑means聚类完成对 不 同区域的划分。 对于焊缝图像中的图像 分割可以 实现K值的自适应判断， 将图像进行分割。 权利要求书1页 说明书9页 附图6页 CN 115345894 B 2022.12.27 CN 115345894 B 1.一种焊缝射线检测图像分割方法， 其特 征在于， 该 方法包括以下步骤： 采集焊接之后的焊缝区域的射线检测图像； 将所述射线检测图像转换为三维灰度分布 图， 将所述 射线检测图像中的离 散点映射到图像横轴得到 散点图； 根据所述散点图中像素点的灰度值的变化情况获取感兴趣区域， 并将所述感兴趣区域 划分为内部区域和外 部区域； 根据外部区域中像素点的灰度值与非感兴趣区域的灰度均值的大小关系评估外部区 域中每个像素点的离群程度； 基于内部区域中每个像素点的灰度值和内部区域的灰度均值 评估内部区域中每 个像素点的离群程度； 根据预设的离群阈值筛 选异常点； 将异常点映射到 图像横轴和图像纵轴形成的平面上， 并获取连通域， 根据每个连通域 中的像素点数量获取对应的聚集程度； 根据所述聚集程度和所述离群程度获取异常程度， 获取所有像素点的整体异常程度设置对应的聚类K值， 然后进 行K‑means聚类完成对不同区 域的划分； 所述感兴趣区域的获取 方法为： 获取所述散点图中每一列像素点的列均值， 构成列均值序列， 并拟合成满足正态分布 的序列， 然后通过标准差原则获取标准化序列， 依据正态分布的三西格玛准则得到所述感 兴趣区域 ， 其中 表示标准 化序列的均值， 表示标准 化序列的标准差； 所述将所述感兴趣区域划分为内部区域和外 部区域， 包括： 内部区域 为 ， 外部区域为 ； 所述评估外 部区域中每 个像素点的离群程度， 包括： 将所述外部区域中灰度值小于非感兴趣区域的灰度均值的像素点提取出来构成第一 离群集合， 通过将所述第一离群集合中每个像素点的灰度值归一化， 得到归一化结果作为 对应的所述离群程度； 所述评估内部区域中每 个像素点的离群程度， 包括： 获取内部区域中所有像素点的灰度均值作为参考值， 将内部区域中灰度值小于所述参 考值的像素点提取出来构成第二离群集合， 通过将所述第二离群集合中每个像素点的灰度 值归一化， 得到归一 化结果作为对应的所述离群程度； 对于每个连通域都将其中所有像素点赋予相同的聚集 程度： 其中， 表示第t个连通域中的聚集程度， 表示第 个连通域的像素点数量， e表示 自 然常数， n表示连通 域的数量； 异常程度 的计算方法为： ， 其中， e表示自然常数， 表示第k个像素点 的离群程度， 表示第k个 像素点的聚集 程度； 以所有像素点的异常程度的平均值作为整体异常程度， 当整体异常程度超出给定阈 值， 将K值设置为3； 当整体异常程度低于给定阈值， 将K值设置为2。权　利　要　求　书 1/1 页 2 CN 115345894 B 2一种焊缝射线检测图像分割方 法 技术领域 [0001]本发明涉及数据处 理技术领域， 具体涉及一种焊缝射线检测图像分割方法。 背景技术 [0002]焊接在工业领域是一个常见的加工技术， 在物体经过焊接之后需要通过焊缝检测 以确定焊接质量。 因为焊接过程中会有 各种缺陷的产生， 这些缺陷会导致焊接质量不达标， 如果不在焊接之后对焊缝进行检测就无法及时判断焊接质量， 会对产品的质量产生严重影 响。 在焊缝检测中X射线检测可以从图像中找出焊缝内部的多种缺陷， 如咬边， 气孔， 夹渣等 等。 [0003]现有技术中使用K ‑means聚类的方法找到缺陷的区域则需要根据一些优化函数给 出K值， 需要较为复杂且人为主观性大 的构建目标函数。 而无论K值给出的是否合适聚类都 会将图像按照K值分割出若干类。 这种情况就会导 致K值的选取 是尤其重要的。 发明内容 [0004]为了解决上述技术问题， 本发明提供一种焊缝射线检测图像分割方法， 所采用的 技术方案具体如下： [0005]本发明一个实施例提供了一种焊缝射线检测图像分割方法， 该方法包括以下步 骤： [0006]采集焊接之后的焊缝区域的射线检测图像； 将所述射线检测图像转换为三维灰度 分布图， 将所述 射线检测图像中的离 散点映射到图像横轴得到 散点图； [0007]根据所述散点图中像素点的灰度值的变化情况获取感兴趣区域， 并将所述感兴趣 区域划分为内部区域和外 部区域； [0008]根据外部区域中像素点的灰度值与非感兴趣区域的灰度均值的大小关系评估外 部区域中每个像素点的离群程度； 基于内部区域中每个像素点的灰度值和内部区域的灰度 均值评估内部区域中每 个像素点的离群程度； 根据预设的离群阈值筛 选异常点； [0009]将异常点 映射到图像横轴和图像纵轴形成的平面上， 并获取连通域， 根据每个连 通域中的像素点数量 获取对应的聚集程度； 根据所述聚集程度和所述离群程度获取异常程 度， 获取所有像素点的整体异常程度设置对应的聚类K值， 然后进行K ‑means聚类完成对不 同区域的划分。 [0010]优选的， 所述感兴趣区域的获取 方法为： [0011]获取所述散点图中每一列像素点的列均值， 构成列均值序列， 并拟合成满足正态 分布的序列， 然后通过标准差原则获取标准化序列， 依据正态分布的三西格玛准则得到所 述感兴趣区域 ， 其中 表示标准化序列的均值， 表示标准化序列的标准 差。 [0012]优选的， 所述将所述感兴趣区域划分为内部区域和外 部区域， 包括：说　明　书 1/9 页 3 CN 115345894 B 3