本技术涉及图像处理,尤其涉及一种图像分割方法、装置、设备和介质。
背景技术:
1、在工业缺陷检测技术领域,输入图像大多为高分辨率的灰度图,但在输入图像中所含的缺陷区域通常较小。因此,为了保证缺陷检测精度,一般需要对图像中的特征像素进行分割处理。
2、但目前的图像分割方法为了将输入尺寸降低,会忽视分割后图像的像素信息的完整性,这也就导致了分割处理后的图像成像质量较差,进而影响后续缺陷检测的精确度。
技术实现思路
1、本技术实施例提供了一种图像分割方法、装置、设备和介质,解决了现有技术对输入图像进行图像分割处理时,分割质量较差的技术问题。
2、一方面,本技术实施例提供了一种图像分割方法,包括以下步骤:
3、获取第一输入图像;其中,所述第一输入图像为待缺陷检测的扩散板图像;
4、对所述第一输入图像采用间隔采样处理,获得第二输入图像;
5、将所述第二输入图像进行形态学重建处理后,获得子图像;
6、将所述子图像和所述第二输入图像进行多通道拼接处理,获得目标图像。
7、作为本技术一些可选实施方式,所述将所述第二输入图像进行形态学重建处理后,获得子图像,包括:
8、基于高斯平滑算法和微分求导的离散微分算子,计算所述第二输入图像的灰度函数近似梯度值;
9、基于所述灰度函数近似梯度值,获得所述第二输入图像的边缘特征信息;
10、基于所述边缘特征信息,对所述第二输入图像进行形态学重建处理后,获得子图像。
11、通过上述步骤处理后,相较于处理前,可以获得噪声更低且边缘更清晰的子图像。
12、作为本技术一些可选实施方式,所述将所述第二输入图像进行形态学重建处理后,获得子图像,包括:
13、将所述第二输入图像进行空间域滤波处理,获得第一子图像;
14、将所述第二输入图像进行频域滤波处理,获得第二子图像;
15、将所述第二输入图像进行灰度变换处理,获得第三子图像。
16、可以看出,本技术通过上述三种处理方式,获得了三种特性子图像,分别降低了图像噪声的第一子图像、增强边缘信息使得缺陷区域更为突出的第二子图像以及有效对图像中条带进行了保真处理的第三子图像。
17、具体来说,所述将所述第二输入图像进行空间域滤波处理,获得第一子图像,包括:
18、将所述第二输入图像进行空间域滤波处理后,通过滤波反投影重建图像,获得第一子图。
19、在经过空间域滤波处理后获得的第一子图像,与原图相比,可以很明显看出其降低了除特征信息以外的噪音,如高斯噪音或其他噪声信息等,从而加快了模型的收敛速度和预测速度。
20、作为本技术一些可选实施方式,所述将所述第二输入图像进行频域滤波处理,获得第二子图像,包括:
21、将所述第二输入图像进行频域滤波处理后,通过滤波反投影重建图像,获得第二子图像。
22、在经过频域滤波处理后获得的第二子图像,与原图相比,可以很明显看出其特征区域更明显,即缺陷区域更为突出,更便于被模型所识别。
23、作为本技术一些可选实施方式,所述将所述第二输入图像进行频域滤波处理后,通过滤波反投影重建图像,获得第二子图像,包括:
24、将所述第二输入图像进行傅里叶变换后,采用掩膜处理方式将图像中的低频信息滤掉,获得第一频滤图像;
25、将所述第一频滤图像进行傅里叶逆变换后,将图像中的矢量值转换为标量值,并将标量值反投影重建图像,获得第二子图像。
26、具体来说,所述将所述第二输入图像进行灰度变换处理,获得第三子图像,包括:
27、将所述第二输入图像进行灰度变换处理后,进行空间变换处理,获得第三子图像。
28、在经过灰度变换处理和空间变换处理后获得的第三子图像,与原图相比,可以很明显看出其有效避免了图像条带失真。
29、作为本技术一些可选实施方式,所述第二输入图像的每一行像素值小于所述第一输入图像的每一行像素值,所述第二输入图像的每一列像素值小于所述第一输入图像的每一列像素值,所述第二输入图像的每一个通道的像素值大于所述第一输入图像的每一个通道的像素值。
30、通过上述处理步骤,本技术保证了在对图像进行下采样时不丢失信息,同时也能缩小图像输入,加快模型训练和预测速度。
31、作为本技术一些可选实施方式,在所述将所述子图像和所述第二输入图像进行多通道拼接处理,获得目标图像之后,还包括:
32、将所述目标图像输入至目标检测模型中进行目标检测,以获得目标检测信息;其中,所述目标检测信息包括目标缺陷位置、目标缺陷尺寸和目标缺陷类型;其中,所述目标检测模型为基于扩散板样本图像训练获得的yolo v5模型,所述扩散板样本图像中包含目标缺陷区域。
33、通过上述步骤,可以有效提高缺陷区域的检测效率。
34、作为本技术一些可选实施方式,所述图像分割方法应用于yolo v5模型中的focus模块。
35、通过将本技术实施例所述方法整合到yolo v5模型中的focus模块。因此避免了在cpu模块上进行计算,在整合在focus模块上后,则可以将计算过程转移到计算能力更强的gtu模块上,从而加快了计算速度。
36、再一方面,本技术实施例提供了一种图像分割装置,包括:
37、获取图像模块,用于获取第一输入图像;其中,所述第一输入图像为待缺陷检测的扩散板图像;
38、重采样模块,用于对所述第一输入图像采用间隔采样处理,获得第二输入图像;
39、图像重建模块,用于将所述第二输入图像进行形态学重建处理后,获得子图像;
40、图像融合模块,用于将所述子图像和所述第二输入图像进行多通道拼接处理,获得目标图像。
41、再一方面,本技术实施例提供了一种电子设备,包括:存储器和处理器,所述存储器中存储有获取机程序,所述处理器执行所述获取机程序,实现前述方法。
42、再一方面,本技术实施例提供了一种获取机可读存储介质,所述获取机可读存储介质上存储有获取机程序,所述处理器执行所述获取机程序,实现前述方法。
43、与现有技术相比,本技术实施例所述方案提供了一种图像分割方法,在获取待缺陷检测的扩散板图像后,如果对其直接进行下采样,或损失部分微弱信息,因此本技术通过对所述待缺陷检测的扩散板图像进行间隔采样的方式,将原图像转换为宽高均减半的同时,将信息存储在通道上,以此保证下采样时不丢失信息,且缩小了图像的输入尺寸,从而加快模型训练或推理的速度。但在通过间隔采样后获得的第二输入图像会存在较多冗余信息,因此在通道上拼接会造成部分权值用于提取保存相同输入的信息,因此本技术实施例通过将所述第二输入图像进行形态学重建处理后,获得子图像;再将所述子图像和所述第二输入图像进行多通道拼接处理,获得目标图像。可以看出上述方法在对图像进行分割时,能提高分割质量,从而在后续训练过程中,减少了网络迭代次数,加快了模型的收敛速度,进而在后续实际应用时,提高了模型的检测速度。