Foto 6
Определяем для полученного изображения компоненты связности. Их 7. Используя эти данные, рассчитаем для 7 объектов диаметры. Объект, с наименьшим диаметром, можно удалить.
Далее, взглянув на Foto 6 и Foto 2, можно сделать вывод, о том что два левых объекта на Foto 6 не являются результатом сварочных работ (отверстие и грани фланца). Поэтому они не учитываются при выработке решения о наличии дефектов во фланце.
Заключение
В результате работы представленного алгоритма, специалист получает информацию, на основание которой он делает вывод о наличии дефектов в исследуемом изделии. В рассмотренном примере видно, что линии (объекты справа) непрерывны и не имеют резкой смены направлений. Поэтому можно сделать вывод об отсутствии нарушений сплошности (дефектов) в изделии.
В дополнении можно сказать, что бинарные изображения можно инвертировать по желанию исследователя.
Инструментарий, применяемый при обработке изображений, может быть совершенно различным [20]. Авторы в ходе представленных исследований, использовали MATLAB [21, 22].
И в заключении необходимо отметить, что данная процедура является открытой. То есть к ней можно (и даже нужно) подключать различные методы для работы с цифровыми изображениями. Например, для реконструкции смазанных изображений. В этом случае необходимо решать интегральное уравнение Фредгольма I рода, решение которого является достаточно сложной задачей. Поэтому привлечение различных методов, например, Тихоновской регуляризации, является необходимым условием.
Библиография
1. Соснин Ф. Р., Неразрушающий контроль Т1. Кн1. Визуальный и измерительный контроль. Под общ. ред. В. В. Клюева// М: Машиностроение, 2008, 323 с. ISBN: 978-5-94275-410-5
2. Исаев М. А., Круглов И. А. Дефекты сварных соединений. Фотоальбом. ПРАКТИЧЕСКОЕ ПОСО-БИЕ. // Издательский дом «СПЕКТР», 2013, 84 стр. ISВN 978-5-4442-0037-7
3. «Non-destructive testing-Magnetic particle testing-Part 1: General principles»
4. Шелихов Г. С., Глазков Ю. А. -Магнитопорошковый контроль. Учебное пособие.
5. Шелихов Г. С. Магнитопорошковая дефектоскопия. Издательский дом «СПЕКТР» 2010г., 336 стр.
6. Gonzalez R. C., Woods R. E. Digital Image Processing, 3rd Edition//Pearson International Edition prepared by Pearson Education, 2008, 954 p. ISBN 9780131687288
7. Конушин А., Баринова О., Конушин В., Якубенко А., Велижев А. Введение в компьютерное зрение//МГУ ВМК, Graphics&Mtdia Lab. - 2013. http: //courses. graphicon. ru. (Последнее обращение 20. 06. 2015 г).
8. Фисенко В. Т., Фисенко Т. Ю. Компьютерная обработка и распознавание изо¬бражений: Учеб. посо-бие. - СПб. : СПбГУ ИТМО, 2008. - 192 с.
9. Gatchin, Y. A., Zharinov, I. O., Korobeynikov, A. G., Zharinov, O. O. Theoretical estimation of Grassmann's transformation resolution in avionics color coding systems // Modern Applied Science. -2015. -Vol. 9. -N 5. -P. 197-210. -ISSN 1913-1844.
10. Грузман И. С., Киричук В. С., Косых В. П., Перетягин Г. И., Спектор А. А. Цифровая обработка изобра-жений в информационных системах: Учебное пособие. -Новосибирск: Изд-во НГТУ, 2000. - с. 69-73
11. Коробейников А. Г., Сидоркина И. Г., Кудрин П. А. Алгоритм распознавания трехмерных изображе-ний с высокой детализацией. -Йошкар-Ола: Марийский государственный технический университет, 2010. -Вып. 2. -№ 9. -С. 91-98. - (Серия «Радиотехнические и инфокоммуникационные системы»).
12. Гришенцев А. Ю., Коробейников А. Г. Методы и модели цифровой обработки изображений. -Санкт-Петербург: Политехнический университет, 2014. -190 с. -ISBN 978-5-7422-4892-7.
13. Красильников Н. Н. Реставрация изображений с учетом их структуры//Оптический журнал. - Т. 76 (2009). - № 2. - С. 7-12.
14. Красильников Н. И. Цифровая обработка 2D-и ЗD-изображений: учеб. пособие. - СПб. : БХВ-Петербург, 2011. - 608 с. : ил. - (Учебная литература для вузов) ISBN 978-5-9775-0700-4
15. Jahne B., Digital Image Processing. 6th revised and extended edition// Springer Science & Business Me-dia, 2005. -608 p. -ISBN 3-540-24035-7
16. Tschumperle D. Fast anisotropic smoothing of multi-valued images using curvature-preserving // PDE's Init'l Journal on Computer Vision. - 2006. - №68 (1). - P. 65-82.
17. Ce Liu, Richard Szeliski, Sing Bing Kang, C. Lawrence Zitnick, William T. Freeman Automatic Estima-tion and Removal of Noise from a Single Image//LEEI Transactions on Pattern Analysis and Machine In-telligence, 2008. - Vol. 30. 1 № 2 (February). - P. 299-314.
18. Voskoboinikov Yu. E. A Combined Nonlinear Contrast Image Reconstruction Algorithm under Inexact Point-Spread Function//Optoelectronics, Instrumentation and Data Processing. 2007, №6. 489-499 p. ISSN: 1934-7944
19. Кирьянов К. А. Инструментальная реализация алгоритмов реконструкции ис¬каженных изображе-ний//Труды 20-й Междунар. конф. “GraphiCon-2010”. - СПб. : Изд-во СПбГУ ИТМО, 2010. С. 188-191.
20. Визильтер Ю. В, Желтов С. Ю., Князь В. А. и др. Обработка и анализ цифровых изображений с при-мерами на LabVIEW IMAQ Vision-М. ДМК Пресс. 2007. -464 с.
21. Gonzalez R. C., Woods R. E., Steven L. Eddins. Digital Image Processing Using MATLAB, 2 nd ed. // Gatesmark Publishing A Division of Gatesmark, LLC, 2009, 827 p. ISBN 978-0-9820854-0-0
22. Коробейников А. Г., Гришенцев А. Ю. Увеличение скорости сходимости метода конечных разностей на основе использования промежуточного решения // Кибернетика и программирование. - 2012. - 2. - C. 38 - 46. URL: http: //www. e-notabene. ru/kp/article_13864. html