基于FCM聚类的示温漆图像分割算法

根据示温漆(TIP)图像特征及相关实验结果,提出了一种基于模糊C均值(FCM)聚类的示温漆图像分割算法。该算法以FCM聚类算法为核心,应用双边滤波器平滑图像,提高图像分割质量。通过颜色空间转换,提高图像聚类的迭代效率。实验表明:该算法增强了示温漆温度判读需要的特征信息,可以提取人眼无法识别的等温线,同时消除了等温线崎岖等现象,测温误差为±10℃。算法应用效果良好,满足工程要求,已用于示温漆自动判读软件开发。      

示温漆图像等温线提取算法

分析示温漆（TIP）图像特征，根据等温线附近产生局部梯度极值的特点，实验对比了4种边缘提取算法效果。根据实验结果，选用Canny算子提取等温线。提出在边缘提取前进行K means聚类处理，并对K means聚类算法和Canny算子进行了改进。提出了两种K means初始聚类中心的选择方法，更适于示温漆图像的分割。改进了Canny算子的内核，提升了等温线的质量。结果表明:该算法能够快速提取清晰、连续的等温线，效果良好，满足工程应用要求，已用于示温漆自动判读软件开发。