毕业论文-基于数字图像的机车配件缺陷识别与分类研究

基于数字图像的机车配件缺陷识别与分类研究
摘要
近年来随着机车服役时间的增加和铁路向高速重载方向发展，铁路交通高速发展和人们出行次数增多，机车各个配件的质量程度倍受关注，因而检测出机车配件的缺陷程度具有非常重要的意义。

用电子学的检测方法来识别机车配件的缺陷，与传统的人工检测识别方法完全不同，具有更高的准确性、可靠性、和有效性。

本文应用数字图像处理方法和识别技术对机车配件的缺陷进行了分类研究。

根据相应的数字图像处理算法完成对实验软件系统的设计，实现所用的工具为MATLAB编程工具，完成了对机车配件静态图像的处理与缺陷的特征提取，并且给出了机车配件缺陷识别和分类研究的评价体系。

本文对机车配件缺陷识别和分类研究的具体内容如下：第一，亲自到机车厂采集图像；第二，学习对图像的转换和处理方法,利用图像的灰度处理、增强、平滑和锐化、图像的二值化处理、二值图像的形态处理以及特征提取等与数字图像相关的方法；第三，在MATLAB编程软件上进行图像处理，提取机车配件的缺陷特征值，根据数值进行分类，进而识别不同程度的机车配件缺陷。

关键词: 机车配件，数字图像，缺陷识别，分类研究
Abstract
In recent years, as locomotive service time increased and the railway to high speed heavy direction developed, railway traffic has been developing rapidly and people’s travel times has been increasing greatly so that the quality of locomotive parts has been pained more attention. Thus detecting the defective degree of locomotive parts has very important significance. The electronics detection method for identifying the defective locomotive parts is completely different from the traditional manual detection method and has higher accuracy, reliability and validity. In this paper, the defects of locomotive parts are classified by using digital image processing and recognition technology. Designing experimental software system according to the corresponding digital image processing algorithms which using MATLAB programming tools. This paper achieves the locomotive parts static image processing and defect feature extraction and gives the evaluation system of the locomotive part s’ defect s recognition and classification.
In this paper, the specific content of recognition and classification of defects of locomotive parts are as follows. Firstly, obtaining images from locomotive factory by personally. Secondly, learning the image conversion and processing methods and using ima ge’s gray processing, enhancement, smoothing and sharpening and image’s binarization processing, binary image’s operation processing, feature extraction and other digital image related methods for image processing.Finally, accomplishing the image processing with the MATLAB programming software, thus extracting features of locomotive parts’defects and classifying the defects according to values to recognize the different categories of defects of locomotive parts.
Keywords:locomotive parts, digital image, defect recognition, classification research
目录
摘要 (I)
Abstract (II)
1. 绪论 (1)
1.1 课题研究的背景 (1)
1.2 图像处理技术的发展与研究现状 (2)
1.3 识别图像过程 (2)
1.4 论文的组织内容 (4)
2. 图像特点和预处理 (5)
2.1 图像处理及特点 (5)
2.1.1数字图像 (5)
2.1.2数字图像处理 (5)
2.2 图像的预处理 (7)
2.2.1 图像噪声的抑制 (7)
2.2.2 图像增强 (8)
2.2.3 形态学图像处理 (8)
3.图像分割和特征提取 (10)
3.1图像分割 (10)
3.1.1 图像处理的意义和应用 (10)
3.1.2 阈值分割 (11)
3.1.3 迭代阈值分割 (11)
3.2 图像的特征提取 (12)
3.3 基本统计特征 (13)
3.4 模式识别 (14)
4. 需求分析 (15)
4.1 用户需求 (15)
4.2 功能需求 (16)
4.3 性能需求 (16)
5. 机车配件缺陷识别和分类系统的实现 (17)
5.1 MATLAB工具简介 (17)
5.2 机车配件缺陷识别和分类的系统实现 (17)
5.2.1 算法流程 (17)
5.2.2 系统界面 (18)
5.3 核心算法的实现 (22)
5.4 系统设计的经历 (25)
结论 (25)
致谢 (26)
参考文献 (27)
1. 绪论
1.1 课题研究的背景
随着人们生活水平的提高和运输行业的快速发展，在运输行业中作为最主要动力设备的铁路机车在社会生活中的地位也是与日俱增。

铁路机车是铁路运输中综合能力最为主要的组成部分，它为中国内陆发展起到了不可忽视的作用。

自从1958年到现在，铁路内燃机车已经有了50年的历史，铁路机车的各种技术和性能在各个铁路机车部门的不断努力下有了非常大的改善和提高，为提高中国内陆的铁路运输发展事业做出了重大表率。

为了使机车能够正常的运行并在此基础上提高机车运用率，让作为运输生产基础的铁路机车维修水平得到提高有着非常重要的意义。

按照我国当前内燃机车的各种性能需求和结构特色，并根据铁路机车的生产质量和维修技术水平来制定了我国当前正在使用的机车维修制度。

这种铁路机车维修制度的主要特点表现在是以铁路机车的各个配件的质量和寿命来订制计划对机车配件进行定期的维修检测。

随着科学技术的快速发展和人们对运输业的重视，这种效率不高以预防为主的检修制度已经不能满足如今铁路机车运输与运营的现状，为确保铁路机车满足当前甚至将来铁路运输生产的需求，快速提高机车配件的使用率和质量已经是一件刻不容缓的事情。

这种维修制度的不足主要是维修周期次数少、维修时间过长、维修成本高、机车运用效率低、获取的经济效益不能满足对于机车各个配件的维修费用。

这样使机车配件在使用之前不能有效地进行缺陷识别检测和分类研究，造成不能正确地判断机车配件磨损程度和能够正常使用的寿命是一件不可避免的事，而使用这样的机车配件已经存在了相当严重的行车安全隐患，是对机车上的群众和国家财产不负责任的一种行为。

在以上所述的中国内陆铁路机车发展与维修的背景下，为了提高行车安全的保障与机车维修的水平，修改正在沿用的铁路机车配件缺陷维修制度已经是一件不可忽视的事情。

经过我国多次派出的考察铁路机车车辆维修制度的代表团所得到的各种数据，对于国外的铁路机车维修制度已经有了比较全面的认识。

针对外国的铁路机车维修制度，我国已统一了认识，明确指出了在未来的铁路机车的维修制度、思想和方针。

对铁路机车配件进行缺陷识别与分类研究有着重大意义，不仅能够满足高速度、高密度旅客运输安全的需要，而且还能够提高机车设备的可靠性和实用性。

同时，机车配件缺陷识别还可以减少失修次数，大大提高了机车设备维修的效率，并且有效节省了维修管理的费用，增加了设备的使用寿命，是对以后铁路运输扭亏增盈的状况提供了有力保证。

经过铁道部机关多年对机车设备的试验和研讨，现如今的国内人士应尽基本统一
了认识：即通过对机车主要配件进行缺陷识别、检测和分类使用，以及根据众多经验人士的实践经验积累，计算和记录机车配件的使用状况，有计划适时地对机车的配件进行检测和替换。

1.2 图像处理技术的发展与研究现状
随着人类生活水平的提高，我们越来越希望实现生活中的各种智能化。

近年来计算机科学技术和图像处理技术得到了快速发展，数字图像处理技术已经被广泛应用于医学、军事、工业、通信以及航天等众多领域，并且在这些领域中获得了广大群众的认可。

数字图像处理的广泛应用使它的实用性日趋增强，对其研究也越来越深。

但是，由于数字图像处理技术还不是很成熟，在应用中同样存在着很多问题。

对于比较精准的测量还不能够达到人们所期望的程度。

图像处理技术对于所获取的图像要求相对比较严格，我们在生活中一般使用单反相机或数码相机来获取我们所需要的机车配件缺陷图像。

但是由于相机的分辨率问题以及拍摄环境等因素的影响，使我们所获取的图像不能满足我们的程序系统需求。

对于这种获取的图像很容易存在严重的失真问题。

为了使我们所获取的图像能够在不降低分辨率的条件下进行缺陷识别，对其进行各种图像处理是十分重要的。

在我国的学术界中已经对缺陷识别技术有了飞速发展，很多有实力的科研机构在缺陷识别这一领域研究中投入了大量的人力、物力、财力，对提高缺陷识别技术的发展提供了有力保障。

为了使缺陷识别技术以及其他识别技术的研究和应用得到促进，我国信息处理技术的众多权威人士已经有过多次的研讨经历。

从现在国内对缺陷识别的重视程度以及发展以及应用水平上来看，我国对缺陷识别这一领域的研究和使用已经能够与其他国家在同一线上，并且有了属于我国自身的研究方法和方向。

从当前国内外所有权威人士对缺陷识别技术研究现状的重视程度，可以很明确的了解到缺陷识别技术对于国家各个事业领域的发展以及人类生活水平的提高的重要性。

所以对于缺陷识别这一领域的研究前景是多么宽广的。

数字图像处理技术包含了信号处理、信息处理计算机技术等众多学科的处理技术，具有分厂广阔的应用前景和市场。

从研究缺陷图像识别这项技术的意义上来说，它的研究具有重要的学术、经济和军事价值，为提高国民经济起到了重要作用。

因为它能够提高对各项事业中缺陷问题的解决效率，有助于缺陷分类相对模糊此项问题的解决。

1.3 识别图像过程
本次实验是对机车配件的缺陷进行识别，而机车配件缺陷识别技术是以模式识别为理论基础。

模式识别就是人类的一项基本智能，在我们的平时生活中，我们经常对各种遇见的事物进行模式识别。

模式识别是指对各种事物或现象的所得到的信息进行各种处理与分析，简单地说就是利用计算机来对事物进行分类。

识别的对象是图像时这种识别模式就是图像识别。

模式识别有两种基本方法，分别为统计模式识别方法和句法模式识别方法。

在本次机车配件缺陷识别与分类系统的试验中，我们所应用的识别方法是统计识别方法，如图1.1所示的是基于统计方法的模式识别系统的基本结构顺序：
图1.1模式识别的基本流程
在这个基本流程中我们可以看出其中组成部分，在本次机车配件缺陷识别与分类系统的设计实现所采用的统计识别方法也是由这四部分组成:
(1)获取信息，对于机车配件缺陷识别与分类系统来说，需要获取的信息就是机车配件缺陷图像，为后续的信息处理即缺陷图像处理提供了处理对象。

其中我们所使用的图像是亲自去机车厂调研获取的机车配件缺陷图像，并且把这些图像存储在计算机中以便于对图像的提取和处理。

这就是获取信息的过程。

(2)对获取的信息进行预处理，本次设计的系统中即对机车配件缺陷图像进行预处理。

对缺陷图像中的有效信息进行增强，去除图像中的噪声，并且对进行二值化以及二值图像的各种形态学处。

只有对图像进行一次准确和有效的预处理，才可以对后来的特征提取提供有利的保障。

这就是对信息预处理的过程。

(3)对预处理后的信息进行特征提取和选择，对于图像中的特征进行提取是使计算机
能够像人类一样读取图像最为重要的一步。

在我们获取的机车配件缺陷图像中存在着大量的信息，而这些信息并不全都是我们所需要的，为了使系统能够更加准确的读取图像中缺陷信息，对其进行提取和选择是必须实施的一步。

而对特征提取和选择以及分类就是整个模式识别过程中最主要的部分。

只有得到缺陷图像中能够反映缺陷最本质的特征，才能够对缺陷有效地实现分类识别，这个就是特征提取和选择的过程。

这就是本次机车配件缺陷识别与分类系统对缺陷图像进行特征提取和选择的过程。

(4)分类决策，在上一步骤中得到的特征值和一些数据，我们需要对其确定一个判断缺陷程度的规则，而在本次机车配件缺陷识别系统中我们所采取的是权重规则。

我们在系统中按照我们确定的权重规则，对计算机中存取的缺陷图像进行分类。

而我们所确定的权重规则是特征提取中的缺陷面积和缺陷的长宽比这两个特征值。

经过大量缺陷图像的试验检测，我们确定了缺陷面积的权限是0.6，而长宽比的权重是0.4。

而选取这两个特征值的原因就是因为缺陷面积可以更直观的显示配件的破损程度，长宽比是因为越长的缺陷对配件来说越容易断裂。

1.4 论文的组织内容
本论文以图像处理技术为基础，以机车配件缺陷识别为对象，主要介绍了机车配件缺陷识别和分类研究相关方面的基本知识。

对从机车厂获取的机车配件缺陷图像进行分析研究，主要分析步骤为图片的预处理分析，特征提取和分类。

利用MATLAB开发工具对缺陷识别和分类系统进行实现。

通过该系统可以实现对机车配件的缺陷进行识别，并把识别出的缺陷特征进行分类。

该论文的组织内容如下：
第一章：绪论，主要介绍了本次课题的研究背景、图像处理技术的发展与研究现状、图像识别过程和本论文的组织结构；
第二章：图像特点和预处理，主要是对数字图像和数字图像处理进行了详细介绍，了解图像预处理和图像噪声，并针对本次论文采用的中值滤波去噪的方法、图像的增强和形态学进行了简单介绍；
第三章：图像分割和特征提取，对已经预处理好的图片进行图像分割特征提取，介绍了图像分割的内容和意义，并针对本系统的阈值选择方法进行了简单介绍，而图像提取的特征包括：图像中缺陷的个数，面积以及长宽比等；
第四章：需求分析，对于本系统设计的用户需求、功能需求和性能需求的简介
第五章：系统实现，主要介绍了MATLAB开发工具以及模拟软件的实现和系统设计的界面介绍。

2. 图像特点和预处理
2.1 图像处理及特点
2.1.1数字图像
图像是指能够在人类的视觉感知中产生印象的客观对象。

自然世界中的图像都是模拟量，而电视、照相机等这些图像记录和传输设备都是使用模拟信号对图像进行处理，但由于计算机只能进行数字量的处理，却不能对图像进行处理，所以我们要在图像被计算机处理之前对图像进行图像数字化。

简而言之，数字图像就是指能够利用计算机把图像变成数字显示于屏幕上。

数字图像中我们根据图像自身的特性可分为两类，一类是位图，一类是矢量图。

位图通常使用数字阵列来表示，常见格式为BMP、JPG、GIF等，矢量图由矢量数据库表示，其中最常用的是PNG图像[1]。

我们可以根据图像中的每个像素点都表示不同信息这一特性来对缺陷图像进行分类，如二值、灰度、RGB以及索引图像等。

数字图像处理在计算机科学与信息处理技术等研究领域中都有所涉及，研究人员可以从各个方面来理解和使用数字图像，从线性代数和矩阵论的角度来看，数字图像是由图像信息组成的二维矩阵，矩阵的每个元素代表对应位置上的图像亮度或色彩信息。

由于受到图像噪声和随时变化等原因，图像从本质上来说是具有统计性的。

我们可以使用相对而言比较成熟的线性理论来对图像处理进行研究。

2.1.2数字图像处理
数字图像处理指利用计算机读取图像并把图像转化成数字形式之后对其进行处理，具体地说就是通过对图像的处理来达到使图像更容易被计算机读取和识别为目的的一样处理技术，只是处理对象变成了数字图像，是对图像的修改和增强，故也称为计算机图形处理。

图像处理中的图像指我们所获取的图像或计算机内部已经存储的图像，在计算机中选取任意一张图像，这张图像就是我们所说的原始图像。

经过数字图像处理技术的处理后，会获取到相对研究人员来说比原始图像更为适合计算机观察和计算的图像。

在此，我们就可以判断出数字图像处理技术的目的是为了能够输出更加有利于研究、观察、计算的图像。

这种处理后的团徐昂才能在后续的图像分析和识别中减少很多误差和错误数字。

而数字图像处理技术是图像分析、图像识别和分类等技术的基础，它是图像处理中的一种预处理技术。

处理后的图像在后续程序应用中有着非常重要的作用，能够使整个系统更具有准确性。

在本次实验所设计的系统中，我们所需要的就是利用数字图像处理技术对机车配件缺陷图像进行预处理。

数字图像分析就是指对数字图像中有特殊意义的区域进行识别检测，从而获得这些区域中需要被使用的信息和一些特征数值。

图像分析是图像识别的基础。

在机车配件缺陷识别与分类系统中，我们所需要的图像分析，是能够在整张图像中找出缺陷区域的同时，对缺陷图像中的缺陷区域进行分析。

数字图像识别是对数字图像中已经得到相对而言有意义区域的各个数据集合进行比较，对这些数据集合比较得出的对象进行区分，达到计算机读懂图像的目的。

是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。

一般工业使用中，采用工业相机拍摄图片，然后再利用软件根据图片灰阶差做进一步识别处理，图像识别软件国外代表的有康耐视等，国内代表的有图智能等。

另外在地理学中指将遥感图像进行分类的技术。

图像识别根据在图像分析中获取的特征数值和数据集合对图像对象进行分类，并且在计算机屏幕中显示出我们所需要的特征值以及分类结果。

因此我们可以明确的了解到数字图像处理、分析和识别这三者之间的关系如图2.1所示。

小
数据量
大
大抽
象
性小
图2.1 数字图像处理、分析和识别的关系
从信息论的角度上说，图像应当是物体所包含信息的一个概括，而数字图像处理侧重于将这些概括的信息进行变换。

数字图像分析则是将这些信息抽取出来以供其他过程调用。

数字图像处理也可以兼职图像处理和分析。

如今，数字图像处理与机器视觉的应用越来越广泛，已经渗透到国家安全、航空航天、工业控制、医疗保健等各个领域乃至我们的日常生活和娱乐当中，为提高中国的国民经济发展起到了举足轻重的作用。

它的
一些典型应用如表2.1所示。

表2.1 图像处理与识别的典型应用
2.2 图像的预处理
图像预处理主要指对图像进行噪声处理、图像增强和二值化处理等，目的是为了消除一定的干扰，增强图像信息，为后续缺陷识别过程提供较好的条件。

在机车配件缺陷图像质量不高的情况下进行缺陷识别，如果一开始不经过图像预处理，就会很容易造成一些错误的识别。

图像预处理是为了使图片更好的被应用，让图片中明显的杂质剔除，更准确的识别图像中缺陷。

2.2.1 图像噪声的抑制
图像噪声，其中的噪声是指那些能够影响人类视觉，使之出现模糊和误差或者是影响系统设计对获取的数字图像准确且有效地识别的全部因素。

同样可以认为它是我们所需要的数字图像中的杂点，图像中的噪声严重影响了系统对图像的分析结果是否准确。

图像去噪是图像预处理的重要环节，所以在进行图像学处理和图像识别的前提下，将图像去噪是势在必行的。

例如一幅黑白图片，其平面亮度分布假定为f(x,y),那么对其接受起干扰作用的亮度分布R(x,y)即可称为图像噪声[2]。

图像的噪声是没有办法预测的，只有使用概率统计方法大概确定图像噪声的误差在什么区间内波动。

因此，我们可以推断出图像噪声可以是多维随机过程的，所以对噪声的描述方法也可以是看成是对随机过程的描述，即用其本身的概率分布函数和概率密度分布函数。

但是在现实中，由于这种方法是很复杂，更有可能是不可能的，所以在实际应用中这是没必要的。

我们更多的是通过对图像急性一些处理而得到的一些图像本身的数字特征值，因为这些值从别的方面同样可以表现出噪声的特征。

而随着数字图像处理技术的不断发展，图像噪声在其中的重要性已经日趋明显，如X射线图像系统中的噪声去除和高放大倍数航片中的判读等应用中，已经成为了不可或缺的关键性技术。

在本次实验所设计的机车配件缺陷识别与分类系统中，我们对于缺陷图像去除噪声
采用了中值滤波的方法。

中值滤波是一种利用排序统计方法对图像进行除噪的有效方法。

其中的中值是指中值滤波将任意一个像素点的灰度值相同于这个像素点相邻区域所有像素点的灰度中值。

所以，中值滤波不是线性滤波器。

中值滤波针对本次实验所设计的机车配件缺陷识别与分类系统拥有着比其他方法更有效的去噪能力。

中值滤波在机车配件缺陷图像的任意一个领域内都可以更有效地去除掉一些在此领域中明显区别于其他像素的点，而这些被去除掉的像素点大部分都是图像中的噪声。

而中值滤波作为一种非线性滤波，中值滤波有可能会改变图像的性质，因而一般不适用于像军事图像处理、医学图像处理等领域。

2.2.2 图像增强
图像增强处理方法，将在本次系统程序中没有用处的图像信息进行削弱和删除，同时使对系统有特殊意义和着重检测的信息更加明显。

图像增强的主要目的是为了让处理后得到的图像比没有经过处理的图像更加适合地进行特征提取和识别。

其中，图像增强并不能增强原始图像的信息，只能增强对信息的辨别能力，而这种处理也可能会使图像损失其他的一些信息。

图像增强的目的是为了消除噪声，显示出那些我们感兴趣或者有特殊意义的特征。

由于像素和环境的外界因素导致我们采集到的图片有一些模糊的地方，对图像进行增强是一步不可或缺的步骤。

我们广泛应用的图像增强技术可以分为两类：一类是空间域增强，一类是频率域增强。

而这两种图像增强技术并不是截然不同的两种技术，它们只是在不同的领域做相同的事情。

2.2.3 形态学图像处理
形态学是数学形态学的简称，这种技术在图像处理中被广泛应用。

在本次试验中，形态学在机车配件缺陷二值图像中提取其中有特殊意义的图像特征有着重大作用，它是为了在后续的识别缺陷过程中能够准确的抓住配件缺陷最具区分能力和最本质的形态特征。

形态学的方法，一方面是对接受研究中的历史学方法的补充，另方面是对比较文学的文学性的继续关注。

他用来特指一门专门研究生物形式的本质的学科。

这门形态学同那种把有机体的生物分解成各个单元的解剖学不同，不是只注重部分的微观分析而忽略了总体上的联系，相反它要求把生命形式当作有机的系统看待。

而腐蚀和膨胀在形态学图像处理中是最基本同时也是最重要的两种形态学的基本处理运算，为以后更多的高级形态学提供了有效的运算基础。

很多高级形态学都是以这两种基本形态学为基础运算。