一种地下岩体管道探伤CT图像去噪方法

一种地下岩体管道探伤ct图像去噪方法
技术领域
1.本发明属于地下岩体管道结构探伤图像处理领域，涉及一种地下岩体管道探伤ct图像去噪方法。


背景技术：

2.地下岩体管道是城市基础设施系统的重要组成部分，承担着能源供给、泄洪排污的重要功能。随着管道运营时间的推移，地下高压、高腐蚀环境下的管道容易出现开裂损伤，进而带来水管爆裂、雨水倒灌等灾害，为人民生活带来巨大影响，因此，对地下岩体管道开展定期无损检测具有重要工程意义和现实需求。
3.ct扫描是一种应用广泛的管道无损探伤方法，由于岩体管道壁存在许多杂质和孔洞，此种分布特性造成ct探伤图像上存在许多细微颗粒，进而干扰人员对细小开裂损伤程度和走势的判断，对此需要对ct探伤图像进行去噪。当前常规的图像滤噪方法虽然能去除部分噪声，但同时也会丢失部分裂纹特征，由于裂纹面积也较小，此种影响会对裂纹评估产生巨大影响。如文献“煤岩ct图像二值化阀值选取及三维重构技术研究”，针对不同的灰度级别分别设置阈值，以此进行图像二值化和重构；此种方法需要对灰度等级进行细致划分，而岩体材质管道的各向异性明显，且表面细微颗粒众多，此方法难以权衡处理复杂的灰度等级分布。专利申请cn11482689a基于深度学习方法开展了去噪研究，此类方法虽然能保留裂纹特征，但算法训练过程需要大量的计算资源和数据资源，且会耗费很多时间，不适宜长距离、大范围的地下岩体管道工程应用场景。相比于裂纹，岩体管道表面颗粒在ct图像中聚集面积小，且较为分散。当前并没有应用此种ct探伤图像的颗粒噪声特征，且耗费少量计算资源的岩体管道去噪算法。


技术实现要素：

4.为解决上述技术问题，本发明提供了一种地下岩体管道探伤ct图像去噪方法，可有效降低计算，得到清晰的裂纹图像。
5.本发明所述的一种地下岩体管道探伤ct图像去噪方法，包括以下步骤为：
6.步骤1、获取岩体管道结构ct图像，计算灰度门槛值，将图像二值化；
7.步骤2、对二值图像开展粗扫描和精扫描，以划分同像素区域；
8.步骤3、计算像素累加值阈值，将小于阈值的同像素区域判定为噪声，将该像素区域内的像素点的灰度值设为0，实现去噪。
9.进一步的，步骤1中，遍历所有像素点，得到各个像素点灰度值；采用otsu算法确定灰度门槛值，具体步骤为：设裂纹像素点占总像素点的比例为w0，背景像素点占总像素点的比例为w1，小于灰度门槛值的像素数即裂纹为n0，大于或等于灰度门槛值的像素数即背景为n1，裂纹的平均灰度值为u0，背景的平均灰度值为u1，则计算类间方差指标g为：
10.g＝w0×
w1×
(u
0-u1)^2,
11.其中
12.u0＝∑n0/n0,
13.u1＝∑n1/n1,
14.遍历0-255每一个灰度值，当某一灰度值使得计算得到的类间方差指标最大，则将此灰度值设为灰度门槛值；将小于灰度门槛值的像素点的灰度值设为0，大于灰度门槛值的像素点的灰度值设为255，得到二值图像。
15.进一步的，步骤2中对二值图像开展粗扫描，具体步骤为：
16.从左到右逐行扫描，设每个像素点的位置为l(xi,yj)，同像素区域编号为ak，其中k∈(0,n0+n1)；
17.a.若l(xi,yj)＝255(即当前位置灰度值为255)，且l(xi,yj)的上下左右像素点的灰度值都为0，则将此坐标点赋为一个新的同像素区域a
k+1
；
18.b.若l(xi,yj)＝255(即当前位置灰度值为255)，且l(xi,yj)的上下左右存在灰度值为255的像素点，则此像素点属于ak；
19.c.扫描全部像素点，为每一个灰度值为255的像素点都赋予一个同像素区域编号。
20.进一步的，步骤2中对二值图像开展精扫描，以划分最终的同像素区域，具体步骤为：
21.遍历所有像素点，将每个点的同像素区域编号更新为其所在集合中编号最小的同像素区域，即其中l∈[1,8]。将更新后的ak作为最终的同像素区域编号，将编号相同的像素点归为同像素区域。
[0022]
进一步的，步骤3中去噪具体步骤为：对第i个同像素区域，将此同像素区域内每个像素点的灰度值进行累加，作为此同像素区域的面积指标si，即si＝255
×
a，其中a为此同像素区域内的像素点的数量；计算图像内所有同像素区域面积指标，并计算面积指标的平均值：其中m为图像中同像素区域的数量；由于裂纹的同像素区域的面积指标会比噪声大很多，故设置面积指标阈值：
[0023][0024]
其中e为精度系数，具体值依据实际工程中对去噪的精度要求设置。将面积指标小于阈值sd的同像素区域作为噪声，将其像素点的灰度值设为0，实现去噪。
[0025]
本发明的有益效果为：对于岩体管道ct探伤图像，噪声和裂纹在二值图像中的灰度值是相同的，二者的区别主要是噪声主要以小面积、分散的像素点出现，裂纹主要以连续、大面积的像素点出现；基于此特征，本发明提出一种岩体管道ct探伤图像去噪方法，首先将ct图像转为二值图像，然后扫描同像素区域，设置面积指标阈值，将小于阈值的同像素区域视为噪声，将此区域内的像素点的灰度值设为0，这样便可在ct图像中凸显裂纹，达到去噪效果。本发明不需要消耗大量的计算资源和算法训练时间，能得到清晰的管道ct探伤图像，为管道损伤状态评估提供参考。
附图说明
[0026]
图1是岩体管道样本原始图像；
[0027]
图2是二值图像；
[0028]
图3是标记的各个同像素区域；
[0029]
图4是去噪后的图像；
[0030]
图5是本发明所述方法的流程图。
具体实施方式
[0031]
为了使本发明的内容更容易被清楚地理解，下面根据具体实施例并结合附图，对本发明作进一步详细的说明。
[0032]
如图5所示，本发明所述的一种地下岩体管道探伤ct图像去噪方法，包括以下步骤：
[0033]
步骤1、获取岩体管道结构ct图像，计算灰度门槛值，将图像二值化；具体为：
[0034]
遍历所有像素点，得到各个像素点灰度值；采用otsu算法确定灰度门槛值，具体步骤为：设裂纹像素点占总像素点的比例为w0，背景像素点占总像素点的比例为w1，小于门槛值的像素数即裂纹为n0，大于或等于门槛值的像素数即背景为n1，裂纹的平均灰度值为u0，背景的平均灰度值为u1，则计算类间方差指标g为：
[0035]
g＝w0×
w1×
(u
0-u1)^2,
[0036]
其中
[0037]
u0＝∑n0/n0,
[0038]
u1＝∑n1/n1,
[0039]
遍历0-255每一个灰度值，当某一灰度值使得计算得到的类间方差指标最大，则将此灰度值设为灰度门槛值。将小于灰度门槛值的像素点的灰度值设为0，大于灰度门槛值的像素点的灰度值设为255，得到二值图像。
[0040]
步骤2、对二值图像开展粗扫描和精扫描，以划分同像素区域；
[0041]
其中，对二值图像开展粗扫描，具体为：
[0042]
从左到右逐行扫描，设每个像素点的位置为l(xi,yj)，同像素区域编号为ak；其中k∈(0,n0+n1)；
[0043]
a.若l(xi,yj)＝255(即当前位置灰度值为255)，且l(xi,yj)的上下左右像素点的灰度值都为0，则将此坐标点赋为一个新的同像素区域a
k+1
；
[0044]
b.若l(xi,yj)＝255(即当前位置灰度值为255)，且l(xi,yj)的上下左右存在灰度值为255的像素点，则此像素点属于ak；
[0045]
c.扫描全部像素点，为每一个灰度值为255的像素点都赋予一个同像素区域编号。
[0046]
对二值图像开展精扫描，以划分同像素区域，具体为：
[0047]
遍历所有像素点，将每个点的同像素区域编号更新为其所在集合中编号最小的同像素区域，即其中l∈[1,8]；将更新后的ak作为最终的同像素区域编号，将编号相同的像素点归为同像素区域。
[0048]
步骤3、计算像素累加值阈值，将小于阈值的同像素区域作为噪声，将该像素区域内的像素点的灰度值设为0，实现去噪；具体为：
[0049]
对第i个同像素区域，将此同像素区域内每个像素点的灰度值进行累加，作为此同像素区域的面积指标si，即
[0050]
si＝255
×a[0051]
其中a为此同像素区域内的像素点的数量；计算图像内所有同像素区域面积指标，并计算面积指标的平均值：其中m为图像中同像素区域的数量；由于裂纹的同像素区域的面积指标会比噪声大很多，故设置面积指标阈值：
[0052][0053]
其中e为精度系数，具体值依据实际工程中对去噪的精度要求设置。将面积指标小于阈值sd的同像素区域作为噪声，将其像素点的灰度值设为0，实现去噪。
[0054]
以一块破损的地下岩体管道部件样本为例，对其开展ct扫描探伤，得到的原始ct探伤图像如图1所示。采用otsu算法将此图像转换为二值图像，如图2所示。扫描同像素区域，结果如图3所示。可以看出，经过此步骤，不管是裂纹还是噪声都得到了明显的增强。裂纹和噪声都被划分在各自的同像素区域内，且噪声的同像素区域面积明显小于裂纹。计算面积指标阈值，将低于阈值的同像素区域视为噪声，将其内部像素点的灰度值设为0，得到去噪后的裂纹图像，如图4所示。以上结果可知，与原始图像相比，滤噪后的图像更为清晰，裂纹形态更易于评估。
[0055]
以上所述仅为本发明的优选方案，并非作为对本发明的进一步限定，凡是利用本发明说明书及附图内容所作的各种等效变化均在本发明的保护范围之内。

技术特征：
1.一种地下岩体管道探伤ct图像去噪方法，其特征在于，包括以下步骤：步骤1、获取岩体管道结构ct图像，计算灰度门槛值，将图像二值化；步骤2、对二值图像开展粗扫描和精扫描，以划分同像素区域；步骤3、计算像素累计值阈值，将小于阈值的同像素区域判定为噪声，将该像素区域内的像素点的灰度值设为0，实现去噪。2.根据权利要求1所述的一种地下岩体管道探伤ct图像去噪方法，其特征在于：步骤1中，遍历所有像素点，得到各个像素点灰度值；采用otsu算法确定灰度门槛值，具体步骤为：设裂纹像素点占总像素点的比例为w0，背景像素点占总像素点的比例为w1，小于灰度门槛值的像素数即裂纹为n0，大于或等于灰度门槛值的像素数即背景为n1，裂纹的平均灰度值为u0，背景的平均灰度值为u1，则计算类间方差指标g为：g＝w0×
w1×
(u
0-u1)^2,其中u0＝∑n0/n0,u1＝∑n1/n1,遍历0-255每一个灰度值，当某一灰度值使得计算得到的类间方差指标最大，则将此灰度值设为灰度门槛值；将小于灰度门槛值的像素点的灰度值设为0，大于灰度门槛值的像素点的灰度值设为255，得到二值图像。3.根据权利要求1所述的一种地下岩体管道探伤ct图像去噪方法，其特征在于：步骤2中对二值图像开展粗扫描，具体步骤为：从左到右逐行扫描，设每个像素点的位置为l(x
i
,y
j
)，同像素区域编号为a
k
；其中k∈(0,n0+n1)；a.若l(x
i
,y
j
)＝255，即当前位置灰度值为255，且l(x
i
,y
j
)的上下左右像素点的灰度值都为0，则将此坐标点赋为一个新的同像素区域a
k+1
；b.若l(x
i
,y
j
)＝255，即当前位置灰度值为255，且l(x
i
,y
j
)的上下左右存在灰度值为255的像素点，则此像素点属于a
k
；c.扫描全部像素点，为每一个灰度值为255的像素点都赋予一个同像素区域编号。4.根据权利要求3所述的一种地下岩体管道探伤ct图像去噪方法，其特征在于：步骤2中对二值图像开展精扫描，以划分最终的同像素区域，具体步骤为：遍历扫描所有像素点，将每个点的同像素区域编号更新为其所在集合中编号最小的同像素区域，即其中l∈[1,8]；将更新后的a
k
作为最终的同像素区域编号，将编号相同的像素点归为同像素区域。5.根据权利要求1所述的一种地下岩体管道探伤ct图像去噪方法，其特征在于：步骤3中去噪具体步骤为：对第i个同像素区域，将此同像素区域内每个像素点的灰度值进行累加，作为此同像素区域的面积指标s
i
，即s
i
＝255
×
a其中a为此同像素区域内的像素点的数量；计算图像内所有同像素区域面积指标，并计算面积指标的平均值：其中m为图像中同像素区域的数量；由于裂纹的同像素区域的面积指标会比噪声大很
多，故设置面积指标阈值：其中e为精度系数；将面积指标小于阈值s
d
的同像素区域视为噪声，将其像素点的灰度值设为0，实现去噪。

技术总结
本发明属于地下岩体管道结构探伤图像处理领域，属于一种地下岩体管道探伤CT图像去噪方法；该方法首先将CT图像二值化，然后采用两步法扫描同像素区域，然后设置面积阈值，将像素累积值小于阈值的同像素区域视为噪声，得到清晰的裂纹图像。本发明不需要消耗大量的计算资源和算法训练时间，能得到清晰的管道CT探伤图像，为管道损伤状态评估提供参考。为管道损伤状态评估提供参考。为管道损伤状态评估提供参考。


技术研发人员：陶锴 王强 岳东 窦春霞 吴国庆
受保护的技术使用者：南京邮电大学
技术研发日：2023.04.23
技术公布日：2023/7/25