(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211241929.4 (22)申请日 2022.10.11 (71)申请人 江苏华维光电科技有限公司 地址 226000 江苏省南 通市开发区新景路 18号1幢 (72)发明人 汤维银　孙亚林　 (74)专利代理 机构 南京桦森专利代理事务所 (普通合伙) 32652 专利代理师 叶昕 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/10(2017.01) G06T 7/90(2017.01) G06V 10/762(2022.01) (54)发明名称 基于机器视觉的铁谱图像智能分割方法 (57)摘要 本发明涉及机器视觉领域， 具体涉及一种基 于机器视觉的铁谱图像智能分割方法， 该方法包 括： 将铁谱 图像中的所有像素点转换为Lab颜色 空间中的颜色点； 根据初始聚类中心和第一色差 值， 获得所有颜色点的所有初始类别； 获得每个 初始类别中每个目标颜色点的合适程度， 根据合 适程度预测公 式， 获得每个初始 类别的所有颜色 点的合适程度， 进而获得新的聚类中心； 通过多 次迭代， 获得所有颜色点的最终类别； 根据所有 颜色点的最终类别， 获得铁谱图像的分割结果。 本发明的方法使铁谱图像的分割结果更加的符 合人眼视觉预期分割效果， 为设备的磨损工况监 测和故障诊断提供 更好的依据。 权利要求书2页 说明书7页 附图1页 CN 115311276 A 2022.11.08 CN 115311276 A 1.基于机器视觉的铁谱图像智能分割方法， 其特 征在于， 所述方法包括： 通过显微模组， 获得油 液样本中磨屑的铁谱图像； 将铁谱图像中的所有像素点转换为 Lab颜色空间中的颜色点； 从Lab颜色空间中的所有颜色点中， 随机 选择第一数量个颜色点， 记为初始聚类中心； S1： 根据所有初始聚类中心， 获得 所有颜色点的所有初始类别， 包括： 计算所有初始聚类中心和Lab颜色空间中的所有颜色点的所有第一色差值； 根据所述 所有第一色差值和初始聚类中心， 利用K均值聚类算法对所有颜色点进 行聚类， 获得所有颜 色点的所有初始类别； S2:根据所有初始类别， 获得 所有新的聚类中心， 包括： 对于任意一个初始类别， 从初始类别的所有颜色点中随机抽样出多个颜色点， 记为目 标颜色点； 计算所有目标颜色点和初始类别中所有其他颜色点的所有第二色差值， 根据所 述所有第二色差值获得目标颜色点的合适程度； 根据所有目标颜色点的合适程度， 计算初 始类别的每个颜色点的合适程度； 将初始类别的所有颜色点中， 合适程度最大 的颜色点记 为新的聚类中心； 对于所有初始类别， 获得 所有新的聚类中心； 将新的聚类中心作为初始聚类中心， 重复执行S1、 S2， 直至初始聚类中心不再改变时， 将获得的初始类别作为 最终类别； 根据最终类别所对应的所有颜色点， 对铁谱图像中的所有像素点进行聚类， 得到铁谱 图像中所有像素点的分割结果。 2.根据权利要求1所述的基于机器视觉的铁谱图像智能分割方法， 其特征在于， 所述第 一色差值和第二色差值的步骤 包括： 获取初始聚类中心的宽容度， 判断Lab颜色空间中的颜色点是否在初始聚类中心的宽 容度内， 如果Lab颜色空间中的颜色点在初始聚类中心的宽容度内， 则第一色差值为 ； 否则第一色差值 为： 其中， 为初始聚类中心的亮度值， 为Lab颜色空间中的颜色点的亮度值， 为初 始聚类中心的颜色值, 为Lab颜色空间中的颜色点的颜色值， 为第一色差值； 获取目标颜色点的宽容度， 判断初始类别中的其他颜色点是否在目标颜色点的宽容度 内， 如果初始类别中的其他颜色点在目标颜色点的宽容度内， 则第二色差值为 ； 否则 第二色差值 为： 其中， 为目标颜色点的亮度值， 为初始类别中的其他颜色点的亮度值， 为目 标颜色点的颜色值, 为初始类别中的其 他颜色点的颜色值， 为第二色差值。 3.根据权利要求1所述的基于机器视觉的铁谱图像智能分割方法， 其特征在于， 所述根 据所述所有第一色差值和初始聚类中心， 利用K均值聚类算法对所有颜色点进 行聚类， 获得 所有颜色点的所有初始类别的步骤 包括：权　利　要　求　书 1/2 页 2 CN 115311276 A 2根据颜色点与每个初始聚类中心 的第一色差值， 基于K均值聚类算法的最小色差值原 则， 将颜色点划分给最小第一色差值对应的初始聚类中心， 将每个初始聚类中心对应的所 有颜色点组成的集 合记为一个初始类别， 获得 所有颜色点的所有初始类别。 4.据权利要求1所述的基于机器视觉的铁谱图像智能分割方法， 其特征在于， 所述根据 所述所有第二色差值获得目标颜色点的合 适程度的步骤 包括： 将目标颜色点和初始类别中所有其他颜色点的所有第 二色差值， 组成的序列记为目标 颜色点的色差值序列， 根据目标颜色点的色差值序列获得目标颜色点的合适程度， 目标颜 色点的合 适程度的计算公式为： 其中， 表示以自然常数为底的指数函数， 为第 个类别中第 个目标颜色点的色 差值序列中的所有色差值的方差， 为第 个类别中第 个目标颜色点的色差值序列中的所 有色差值的最大值与最小值的差值， 为第 个类别中第 个目标颜色点的色差值序列中的 所有色差值的均值， 为第 个类别中第 个目标颜色点的合 适程度。 5.根据权利要求1所述的基于机器视觉的铁谱图像智能分割方法， 其特征在于， 所述根 据所有目标颜色点的合 适程度， 计算初始类别的每 个颜色点的合 适程度的步骤 包括： 根据每个初始类别中所有目标颜色点的色差值序列， 获得所有目标颜色点的合适程 度； 通过最小二乘法对所有目标颜色点和所有目标颜色点的合适程度进行拟合， 获得合适 程度预测公 式， 所述合适程度预测公式为三元三次多项式； 根据颜色点的亮度值和颜色值， 通过合适程度预测公式， 获得每 个初始类别的所有颜色点的合 适程度。 6.根据权利要求1所述的基于机器视觉的铁谱图像智能分割方法， 其特征在于， 所述根 据最终类别所对应的所有颜色点， 对铁谱图像中的所有像素点进行聚类， 得到铁谱图像中 所有像素点的分割结果的步骤 包括: 获得每个最终类别所包含的每个颜色点， 获得每个颜色点在铁谱图像中对应的所有像 素点， 即获得每个最终类别所包含所有颜色点对应的所有像素点； 将一个最终类别对应的 所有像素点组成的集合， 记为铁谱图像的一个类别， 获得铁谱图像的所有类别， 作为铁谱图 像中所有像素点的分割结果。权　利　要　求　书 2/2 页 3 CN 115311276 A 3