科研之友
微信
新浪微博
Facebook
分享链接
摘要
金属晶粒度检测是金相检测领域判断金属质量和特性的重要指标。晶粒度检测的人工成本很高，长时间人工检测也将导致检测结果的波动。随着机器视觉技术的发展，该技术助力了很多图像处理任务的实现，也包括了晶粒度检测的自动化。本文提出一种基于机器视觉的分区梯度分割边界提取算法，用来提升在多种光学变化下，对不同金相成像效果进行晶粒度检测时的检测精度。通过将原始金相图像分割为小区域，减少光学变化的影响。通过利用灰度梯度分割，在进行两次分割后，可以得到较为完整的晶界提取结果，像素正确率在95%以上。对分割后图像进行梯度分割完成局部边界提取，随后拼接局部提取结果，可以得到原金相图像的晶界提取结果。
