上阈值的自适应选择的原理

书名：数字图像处理实战
作者：杨坦 张良均
出版社：人民邮电出版社有限公司
出版时间：2023-11-01
ISBN：9787115623850

第9章　钢轨表面缺陷检测

9.4 基于区域生长算法的钢轨表面缺陷检测

9.4.2 上阈值的自适应选择

• 经过9.3节中的预处理及9.4.1小节中的种子点提取，得到包含于缺陷区域内部的种子点集合。
  但代码9-6中所得到的连通区域本质上是行扫描中远离灰度中值的“波动”像素的集合，并不能简单地根据它们是否包含种子点而得出这些连通区域就对应某个钢轨表面缺陷。
  通常连通区域的范围会比缺陷区域的更大一些，这就需要在算法中设置合适的上阈值，也就是在区域生长过程中并入区域的像素的最大灰度值，以便对区域生长的过程进行一定的限制。

1.上阈值的自适应选择的原理

• 回顾9.2.1小节中对I型RSDDs数据集的分析，疤痕类缺陷的实质是钢轨表面上的坑洞，坑洞内部由于没有光线直射而拥有比周边区域更低的灰度值。
  从种子点开始进行区域生长，也就是不断地把与当前区域相邻且灰度值小于上阈值的像素合并到区域中的过程。
  假设坑洞内壁相对底部与坑洞周边更为陡峭，疤痕类缺陷的径向剖面示意如图9-12所示。

  
  图9-12 疤痕类缺陷的径向剖面示意

• 计算使用区域生长算法取不同上阈值时所得到的对应连通区域的面积，并绘制上阈值—面积曲线，该曲线应该具有类似Sigmoid函数曲线的形状，如图9-13所示。
  一开始的较为平坦的曲线对应坑洞内部较小的面积，由于内壁相对陡峭，这一段曲线对应的面积变化较小。
  当上阈值继续增加接近于坑洞边缘像素的灰度值时，上阈值—面积曲线会有一个明显的跳跃。
  当上阈值大于坑洞周边像素的灰度值时，由于连通区域面积已经扩大到极限，上阈值—面积曲线便进入第二个平坦区域。
  根据以上的分析，本小节对上阈值—面积曲线使用Sigmoid函数进行拟合，并利用Sigmoid函数的连续性与阶跃特性来选取最终的上阈值。

  
  图9-13 上阈值—面积曲线示意