蜂窝规整度检测的相邻点胞元重构方法

摘要

本发明公开了一种蜂窝规整度检测的相邻点胞元重构方法，所述方法是对指定蜂窝产品的图像进行识别和分析，最后对该蜂窝产品的质量水平作出判断；所述方法顺序包括以下步骤：获取图像、图像处理、顶点提取、形态分析；所述步骤“获取图像”包括拍摄图像和计算机读取图像；所述步骤“图像处理”即对图像进行降噪滤波，得到降噪图像；所述步骤“顶点提取”是在“图像处理”的基础上，寻找出胞元的顶点并记录；所述步骤“形态分析”是在“顶点提取”的基础上，分析计算被测蜂窝产品的变形程度；所述步骤“顶点提取”和步骤“形态分析”之间设置步骤“重构胞元”；所述步骤“重构胞元”顺序包括以下步骤：计算胞元边长、确定连接点和胞元连线。

权利要求

1.一种蜂窝规整度检测的相邻点胞元重构方法，所述方法是对指定蜂窝产品的图像进行识别和分析，最后对该蜂窝产品的质量水平作出判断；所述方法顺序包括以下步骤：步骤“获取图像”、步骤“图像处理”、步骤“顶点提取”、步骤“形态分析”；所述步骤“获取图像”包括拍摄图像和计算机读取图像；所述步骤“图像处理”即对图像进行降噪滤波，得到降噪图像；所述步骤“顶点提取”是在“图像处理”的基础上，寻找出胞元的顶点并记录；所述步骤“形态分析”是在“顶点提取”的基础上，分析计算被测蜂窝产品的变形程度；其特征在于：所述步骤“顶点提取”和步骤“形态分析”之间设置步骤“重构胞元”；

所述步骤“重构胞元”顺序包括以下步骤：计算胞元边长、确定连接点和胞元连线；

所述步骤“计算胞元边长”是以降噪图像为基础，顺序执行二值化、形态学滤波，得到形态图像，再在形态图像的中央位置，任意选择4至6个顶点为基准点，在每个基准点处找到与其邻近的顶点为相邻点，计算出基准点与相邻点的距离，保留其中距离最短的三条记录，然后求12至18条记录的距离平均数为胞元边长A；

所述步骤“确定连接点”是先将骨架图分为两个区，一个是边缘区，即骨架图周边宽度为1A～2A的区域；另一个是中央区，即形态图像的中央部位；然后将获得的顶点分为主动连接点和被动连接点两大类；位于中央区的顶点为主动连接点，位于边缘区的顶点为被动连接点；

所述步骤“胞元连线”是将所有主动连接点与最接近的三个顶点用线段连接起来，即：每个主动连接点必须且只能保留三条最短的线段，胞元连线完成后形成胞元重构图；

所述步骤“顶点提取”选用以下方式之一：第一方式：所述步骤“顶点提取”是以降噪图像为基础，顺序执行二值化、形态学滤波，得到形态图像，再执行步骤“确定壁厚”、步骤“像素赋值”、步骤“确定胞元边长”和步骤“像素湮灭”；

所述步骤“确定壁厚”是以形态图像为对象，设置一个边长能够从小变大变化的正方形窗口，当某一边长的窗口遍历形态图像后，如果窗口内的像素值＝0的像素数的最小值首次为非零时，将该正方形窗口的边长定义为壁厚L；

所述步骤“像素赋值”是以形态图像为对象，设置一个边长为壁厚L的正方形的赋值窗口，用赋值窗口遍历形态图像中像素值＝1的像素点，然后将该窗口内的像素值＝1的像素个数的总和赋值给该赋值窗口的中心点的像素点上；

所述步骤“确定胞元边长”是以形态图像为对象，在完成“像素赋值”之后，找到最大赋值的像素点，以该点为中心建立一个正方形区域，其初始边长E＝壁厚L，计算出该区域四个边界上各像素点的赋值与该中心点的赋值的差值绝对值Z，遍历整个形态图像，记录本轮中最小的差值绝对值Z及其坐标；以E＝E+2个像素建立新的正方形区域，重复上述过程，直到最小的差值绝对值Z有明显的反向增大的趋势为止，以此时取出最小的差值绝对值Z的像素点坐标与对应的区域中心点的坐标，通过两者的坐标值求解得到蜂窝胞元边长A；

所述步骤“像素湮灭”是找到最大赋值的像素点，并确定该像素点为顶点并记录，再以该像素点为中心，建立一个以蜂窝胞元边长A为边长的正方形的湮灭窗口，将湮灭窗口内所有像素值＝1的像素点上的赋值全部清零，在此基础上，再在剩余的赋值中再找到最大赋值的像素点确定为顶点并记录，重复湮灭窗口的操作，直到像素值＝1的像素点上的赋值小于给定阈值为止，顶点提取完毕；

第二方式：所述步骤“顶点提取”的第一步是以降噪图像为基础，顺序执行二值化、形态学滤波，得到形态图像，再以形态图像为基础，将像素值为1的线条采用线宽为1个像素的线段绘制成骨架图；第二步是以具有k个像素点的骨架图为基础，遍历像素点1至像素点k，每当遇到像素值＝1的像素点时，以顺时针或逆时针方向绕该像素点的八邻域搜寻一周，得到一个像素值变化次数；若像素值变化次数为4，显示过该像素点存在两根直线，通过坐标计算得知这两根直线存在合理的夹角时，则确定该像素点为边缘顶点并记录；若像素值变化次数为6，显示过该像素点存在三根直线，则确定该像素点为中间顶点并记录；

第三方式：所述步骤“顶点提取”的第一步是以降噪图像为基础，顺序执行二值化、形态学滤波，得到形态图像，再以形态图像为基础，将像素值为1的线条采用线宽为1个像素的线段绘制骨架图；第二步是在骨架图的基础上，以像素值＝1的像素点处为中心点建立尺寸为

5×5个像素的窗口，如果该窗口的部分区域溢出骨架图时，先将溢出区域的像素点的像素值全部赋值为0，然后采用Harris算法计算出该中心点对应的角点响应函数值R；在同一窗口内的全部的R值中，将小于最大的R值的1％的像素点处的R值置为零，重复以上操作遍历整个骨架图；下一步，以像素值＝1且R值大于零的像素点处为中心点建立尺寸为3×3个像素的窗口，若该中心点的R值为本窗口内的最大值，则记录该点为顶点，重复以上操作遍历整个骨架图；

第四方式：所述步骤“顶点提取”采用SUSAN算法，即以降噪图像为基础，通过统计圆形窗口内与中心像素灰度值相近的像素数量来提取顶点。

2.根据权利要求1所述方法，其特征在于：所述步骤“形态分析”包括规整度评估；所述步骤“规整度评估”是根据胞元重构图，计算其几何规整度。

说明书

蜂窝规整度检测的相邻点胞元重构方法

技术领域

[0001] 本发明涉及交通、机械、航空航天、船舶等装备的轻质结构产品设计、制造及应用等领域，特别是涉及一种蜂窝规整度检测的相邻点胞元重构方法。

背景技术

[0002] 轻质蜂窝产品以其优异的承载能力和良好的吸能特性而被广泛应用，比如，高速列车也广泛采用了轻质蜂窝产品。但蜂窝产品在生产、运输及使用过程中易产生胞孔的变
形，而该变形会对蜂窝产品的性能产生重要的影响。因此需要对蜂窝产品的胞孔变形即几
何规整度进行评估，从而对蜂窝产品的质量作出判断。

[0003] 中国专利申请号为201910503383.7，其申请日为2019年9月13日，公开了一种从蜂窝芯表面测量数据中识别蜂窝边的方法。包括如下步骤：将采集到的蜂窝芯表面三维数据
进行二维坐标变换，通过角点检测算法识别蜂窝芯的二维平面投影图像中的角点，所述角
点包括人形顶点、Y形顶点、伪顶点，还包括未识别出的缺失角点；基于所提出的角点类型判
断算法，对蜂窝边的两个端点依次识别，其中一个端点是在相邻边识别时确定，另一个端点
是通过对该识别顶点的局部分析确定；在蜂窝边的实现过程中能有效地对伪顶点进行排
除，同时补充缺失的顶点，实现稳定高精度的蜂窝边识别。识别蜂窝边后可以对蜂窝产品的
几何规整度做出评估，并依此对蜂窝产品的质量做出判断。该方法具有精度高、鲁棒性好的
优点，但该方法需要对蜂窝芯表面做逐点扫描，费时较长，步骤繁琐。

发明内容

[0004] 本发明的目的在于克服现有技术的不足，提供一种工作效率高，角度高的蜂窝规整度检测的相邻点胞元重构方法。

[0005] 本发明的目的通过以下技术方案予以实现：

[0006] 一种蜂窝规整度检测的相邻点胞元重构方法，所述方法是对指定蜂窝产品的图像进行识别和分析，最后对该蜂窝产品的质量水平作出判断；所述方法顺序包括以下步骤：获
取图像、图像处理、顶点提取、形态分析；所述步骤“获取图像”包括拍摄图像和计算机读取
图像；所述步骤“图像处理”即对图像进行降噪滤波，得到降噪图像；所述步骤“顶点提取”是
在“图像处理”的基础上，寻找出胞元的顶点并记录；所述步骤“形态分析”是在“顶点提取”
的基础上，分析计算被测蜂窝产品的变形程度；

[0007] 所述步骤“顶点提取”和步骤“形态分析”之间设置步骤“重构胞元”；

[0008] 所述步骤“重构胞元”顺序包括以下步骤：计算胞元边长、确定连接点和胞元连线；

[0009] 所述步骤“计算胞元边长”是以降噪图像为基础，顺序执行二值化、形态学滤波，得到形态图像，再在形态图像的中央位置，任意选择4至6个顶点为基准点，在每个基准点处找
到与其邻近的顶点为相邻点，计算出基准点与相邻点的距离，保留其中距离最短的三条记
录，然后求12至18条记录的距离平均数为胞元边长A；

[0010] 所述步骤“确定连接点”是先将骨架图分为两个区，一个是边缘区，即骨架图周边宽度为1A～2A的区域；另一个是中央区，即形态图像的中央部位；然后将获得的顶点分为主
动连接点和被动连接点两大类；位于中央区的顶点为主动连接点，位于边缘区的顶点为被
动连接点；

[0011] 所述步骤“胞元连线”是将所有主动连接点与最接近的三个顶点用线段连接起来，即：每个主动连接点必须且只能保留三条最短的线段，胞元连线完成后形成胞元重构图。

[0012] 所述步骤“顶点提取”是以降噪图像为基础，顺序执行二值化、形态学滤波，得到形态图像，再执行确定壁厚、像素赋值、确定胞元边长和像素湮灭；

[0013] 所述步骤“确定壁厚”是以形态图像为对象，设置一个边长能够从小变大变化的正方形窗口，当某一边长的窗口遍历形态图像后，如果窗口内的像素值＝0的像素数的最小值
首次为非零时，将该正方形窗口的边长定义为壁厚L；

[0014] 所述步骤“像素赋值”是以形态图像为对象，设置一个边长为壁厚L的正方形的赋值窗口，用赋值窗口遍历形态图像中像素值＝1的像素点，然后将该窗口内的像素值＝1的
像素个数的总和赋值给该赋值窗口的中心点的像素点上；

[0015] 所述步骤“确定胞元边长”是以形态图像为对象，在完成“像素赋值”之后，找到最大赋值的像素点，以该点为中心建立一个正方形区域，其初始边长E＝壁厚L，计算出该区域
四个边界上各像素点的赋值与该中心点的赋值的差值绝对值Z，遍历整个形态图像，记录本
轮中最小的差值绝对值Z及其坐标；以E＝E+2个像素建立新的正方形区域，重复上述过程，
直到最小的差值绝对值Z有明显的反向增大的趋势为止，以此时取出最小的差值绝对值Z的
像素点坐标与对应的区域中心点的坐标，通过两者的坐标值求解得到蜂窝胞元边长A；

[0016] 所述步骤“像素湮灭”是找到最大赋值的像素点，并确定该像素点为顶点并记录，再以该像素点为中心，建立一个以蜂窝胞元边长A为边长的正方形的湮灭窗口，将湮灭窗口
内所有像素值＝1的像素点上的赋值全部清零，在此基础上，再在剩余的赋值中再找到最大
赋值的像素点确定为顶点并记录，重复湮灭窗口的操作，直到像素值＝1的像素点上的赋值
小于给定阈值为止，顶点提取完毕；

[0017] 所述的“计算胞元长度”即本步骤的“确定胞元边长”。

[0018] 所述步骤“顶点提取”的第一步是以降噪图像为基础，顺序执行二值化、形态学滤波，得到形态图像，再以形态图像为基础，将像素值为1的线条采用线宽为1个像素的线段绘
制成骨架图；第二步是以具有k个像素点的骨架图为基础，遍历像素点1至像素点k，每当遇
到像素值＝1的像素点时，以顺时针或逆时针方向绕该像素点的八邻域搜寻一周，得到一个
像素值变化次数；若像素值变化次数为4，显示过该像素点存在两根直线，通过坐标计算得
知这两根直线存在合理的夹角时，则确定该像素点为边缘顶点并记录；若像素值变化次数
为6，显示过该像素点存在三根直线，则确定该像素点为中间顶点并记录。

[0019] 所述步骤“顶点提取”的第一步是以降噪图像为基础，顺序执行二值化、形态学滤波，得到形态图像，再以形态图像为基础，将像素值为1的线条采用线宽为1个像素的线段绘
制骨架图；第二步是在骨架图的基础上，以像素值＝1的像素点处为中心点建立尺寸为5×5
个像素的窗口，如果该窗口的部分区域溢出骨架图时，先将溢出区域的像素点的像素值全
部赋值为0，然后采用Harris算法计算出该中心点对应的角点响应函数值R；在同一窗口内
的全部的R值中，将小于最大的R值的1％的像素点处的R值置为零，重复以上操作遍历整个
骨架图；下一步，以像素值＝1且R值大于零的像素点处为中心点建立尺寸为3×3个像素的
窗口，若该中心点的R值为本窗口内的最大值，则记录该点为顶点，重复以上操作遍历整个
骨架图。

[0020] 所述步骤“顶点提取”采用SUSAN算法，即以降噪图像为基础，通过统计圆形窗口内与中心像素灰度值相近的像素数量来提取顶点。

[0021] 所述步骤“形态分析”包括重构胞元和规整度评估；所述步骤“重构胞元”是将提取的顶点依据胞元与顶点的映射关系连线形成蜂窝结构图；所述步骤“规整度评估”是根据蜂
窝结构图，计算其几何规整度。

[0022] 与现有技术相比较，本发明具有方法科学合理，简单易行，工作效率高，分析精度高等优点。

附图说明

[0023] 图1为本发明方法的流程框图；

[0024] 图2为本发明方法步骤“重构胞元”的流程框图；

[0025] 图3为本发明一实施例的胞元重构结果图。

具体实施方式

[0026] 以下结合附图和实施例，对本发明作进一步的说明：

[0027] 参考附图1‑3：

[0028] 一种蜂窝规整度检测的相邻点胞元重构方法，所述方法是对指定蜂窝产品的图像进行识别和分析，最后对该蜂窝产品的质量水平作出判断；所述方法顺序包括以下步骤：获
取图像、图像处理、顶点提取、形态分析；所述步骤“获取图像”包括拍摄图像和计算机读取
图像；所述步骤“图像处理”即对图像进行降噪滤波，得到降噪图像；所述步骤“顶点提取”是
在“图像处理”的基础上，寻找出胞元的顶点并记录；所述步骤“形态分析”是在“顶点提取”
的基础上，分析计算被测蜂窝产品的变形程度；

[0029] 所述步骤“顶点提取”和步骤“形态分析”之间设置步骤“重构胞元”；

[0030] 所述步骤“重构胞元”顺序包括以下步骤：计算胞元边长、确定连接点和胞元连线；

[0031] 所述步骤“计算胞元边长”是以降噪图像为基础，顺序执行二值化、形态学滤波，得到形态图像，再在形态图像的中央位置，任意选择4至6个顶点为基准点，在每个基准点处找
到与其邻近的顶点为相邻点，计算出基准点与相邻点的距离，保留其中距离最短的三条记
录，然后求12至18条记录的距离平均数为胞元边长A；

[0032] 所述步骤“确定连接点”是先将骨架图分为两个区，一个是边缘区，即骨架图周边宽度为1A～2A的区域；另一个是中央区，即形态图像的中央部位；然后将获得的顶点分为主
动连接点和被动连接点两大类；位于中央区的顶点为主动连接点，位于边缘区的顶点为被
动连接点；

[0033] 所述步骤“胞元连线”是将所有主动连接点与最接近的三个顶点用线段连接起来，即：每个主动连接点必须且只能保留三条最短的线段，胞元连线完成后形成胞元重构图。

[0034] 所述步骤“顶点提取”是以降噪图像为基础，顺序执行二值化、形态学滤波，得到形态图像，再执行确定壁厚、像素赋值、确定胞元边长和像素湮灭；

[0035] 所述步骤“确定壁厚”是以形态图像为对象，设置一个边长能够从小变大变化的正方形窗口，当某一边长的窗口遍历形态图像后，如果窗口内的像素值＝0的像素数的最小值
首次为非零时，将该正方形窗口的边长定义为壁厚L；

[0036] 所述步骤“像素赋值”是以形态图像为对象，设置一个边长为壁厚L的正方形的赋值窗口，用赋值窗口遍历形态图像中像素值＝1的像素点，然后将该窗口内的像素值＝1的
像素个数的总和赋值给该赋值窗口的中心点的像素点上；

[0037] 所述步骤“确定胞元边长”是以形态图像为对象，在完成“像素赋值”之后，找到最大赋值的像素点，以该点为中心建立一个正方形区域，其初始边长E＝壁厚L，计算出该区域
四个边界上各像素点的赋值与该中心点的赋值的差值绝对值Z，遍历整个形态图像，记录本
轮中最小的差值绝对值Z及其坐标；以E＝E+2个像素建立新的正方形区域，重复上述过程，
直到最小的差值绝对值Z有明显的反向增大的趋势为止，以此时取出最小的差值绝对值Z的
像素点坐标与对应的区域中心点的坐标，通过两者的坐标值求解得到蜂窝胞元边长A；

[0038] 所述步骤“像素湮灭”是找到最大赋值的像素点，并确定该像素点为顶点并记录，再以该像素点为中心，建立一个以蜂窝胞元边长A为边长的正方形的湮灭窗口，将湮灭窗口
内所有像素值＝1的像素点上的赋值全部清零，在此基础上，再在剩余的赋值中再找到最大
赋值的像素点确定为顶点并记录，重复湮灭窗口的操作，直到像素值＝1的像素点上的赋值
小于给定阈值为止，顶点提取完毕；

[0039] 所述的“计算胞元长度”即本步骤的“确定胞元边长”。

[0040] 所述步骤“顶点提取”的第一步是以降噪图像为基础，顺序执行二值化、形态学滤波，得到形态图像，再以形态图像为基础，将像素值为1的线条采用线宽为1个像素的线段绘
制成骨架图；第二步是以具有k个像素点的骨架图为基础，遍历像素点1至像素点k，每当遇
到像素值＝1的像素点时，以顺时针或逆时针方向绕该像素点的八邻域搜寻一周，得到一个
像素值变化次数；若像素值变化次数为4，显示过该像素点存在两根直线，通过坐标计算得
知这两根直线存在合理的夹角时，则确定该像素点为边缘顶点并记录；若像素值变化次数
为6，显示过该像素点存在三根直线，则确定该像素点为中间顶点并记录。

[0041] 所述步骤“顶点提取”的第一步是以降噪图像为基础，顺序执行二值化、形态学滤波，得到形态图像，再以形态图像为基础，将像素值为1的线条采用线宽为1个像素的线段绘
制骨架图；第二步是在骨架图的基础上，以像素值＝1的像素点处为中心点建立尺寸为5×5
个像素的窗口，如果该窗口的部分区域溢出骨架图时，先将溢出区域的像素点的像素值全
部赋值为0，然后采用Harris算法计算出该中心点对应的角点响应函数值R；在同一窗口内
的全部的R值中，将小于最大的R值的1％的像素点处的R值置为零，重复以上操作遍历整个
骨架图；下一步，以像素值＝1且R值大于零的像素点处为中心点建立尺寸为3×3个像素的
窗口，若该中心点的R值为本窗口内的最大值，则记录该点为顶点，重复以上操作遍历整个
骨架图。

[0042] 所述步骤“顶点提取”采用SUSAN算法，即以降噪图像为基础，通过统计圆形窗口内与中心像素灰度值相近的像素数量来提取顶点。

[0043] 所述步骤“形态分析”包括重构胞元和规整度评估；所述步骤“重构胞元”是将提取的顶点依据胞元与顶点的映射关系连线形成蜂窝结构图；所述步骤“规整度评估”是根据蜂
窝结构图，计算其几何规整度。

[0044] 实施例1：

[0045] 一种蜂窝规整度检测的相邻点胞元重构方法，所述方法是对指定蜂窝产品的图像进行识别和分析，最后对该蜂窝产品的质量水平作出判断；所述方法顺序包括以下步骤：获
取图像、图像处理、顶点提取、形态分析；所述步骤“获取图像”包括拍摄图像和计算机读取
图像；所述步骤“图像处理”即对图像进行降噪滤波，得到降噪图像；所述步骤“顶点提取”是
在“图像处理”的基础上，寻找出胞元的顶点并记录；所述步骤“形态分析”是在“顶点提取”
的基础上，分析计算被测蜂窝产品的变形程度；

[0046] 所述步骤“顶点提取”和步骤“形态分析”之间设置步骤“重构胞元”；

[0047] 所述步骤“重构胞元”顺序包括以下步骤：计算胞元边长、确定连接点和胞元连线；

[0048] 所述步骤“计算胞元边长”是以降噪图像为基础，顺序执行二值化、形态学滤波，得到形态图像，再在形态图像的中央位置，任意选择4至6个顶点为基准点，在每个基准点处找
到与其邻近的顶点为相邻点，计算出基准点与相邻点的距离，保留其中距离最短的三条记
录，然后求12至18条记录的距离平均数为胞元边长A；

[0049] 所述步骤“确定连接点”是先将骨架图分为两个区，一个是边缘区，即骨架图周边宽度为1A～2A的区域；另一个是中央区，即形态图像的中央部位；然后将获得的顶点分为主
动连接点和被动连接点两大类；位于中央区的顶点为主动连接点，位于边缘区的顶点为被
动连接点；

[0050] 所述步骤“胞元连线”是将所有主动连接点与最接近的三个顶点用线段连接起来，即：每个主动连接点必须且只能保留三条最短的线段，胞元连线完成后形成胞元重构图。

[0051] 实施例2：

[0052] 与实施例1基本上相同，不同的是：所述步骤“顶点提取”是以降噪图像为基础，顺序执行二值化、形态学滤波，得到形态图像，再执行确定壁厚、像素赋值、确定胞元边长和像
素湮灭；

[0053] 所述步骤“确定壁厚”是以形态图像为对象，设置一个边长能够从小变大变化的正方形窗口，当某一边长的窗口遍历形态图像后，如果窗口内的像素值＝0的像素数的最小值
首次为非零时，将该正方形窗口的边长定义为壁厚L；

[0054] 所述步骤“像素赋值”是以形态图像为对象，设置一个边长为壁厚L的正方形的赋值窗口，用赋值窗口遍历形态图像中像素值＝1的像素点，然后将该窗口内的像素值＝1的
像素个数的总和赋值给该赋值窗口的中心点的像素点上；

[0055] 所述步骤“确定胞元边长”是以形态图像为对象，在完成“像素赋值”之后，找到最大赋值的像素点，以该点为中心建立一个正方形区域，其初始边长E＝壁厚L，计算出该区域
四个边界上各像素点的赋值与该中心点的赋值的差值绝对值Z，遍历整个形态图像，记录本
轮中最小的差值绝对值Z及其坐标；以E＝E+2个像素建立新的正方形区域，重复上述过程，
直到最小的差值绝对值Z有明显的反向增大的趋势为止，以此时取出最小的差值绝对值Z的
像素点坐标与对应的区域中心点的坐标，通过两者的坐标值求解得到蜂窝胞元边长A；

[0056] 所述步骤“像素湮灭”是找到最大赋值的像素点，并确定该像素点为顶点并记录，再以该像素点为中心，建立一个以蜂窝胞元边长A为边长的正方形的湮灭窗口，将湮灭窗口
内所有像素值＝1的像素点上的赋值全部清零，在此基础上，再在剩余的赋值中再找到最大
赋值的像素点确定为顶点并记录，重复湮灭窗口的操作，直到像素值＝1的像素点上的赋值
小于给定阈值为止，顶点提取完毕；

[0057] 所述的“计算胞元长度”即本步骤的“确定胞元边长”。

[0058] 实施例3：

[0059] 与实施例1基本上相同，不同的是：所述步骤“顶点提取”的第一步是以降噪图像为基础，顺序执行二值化、形态学滤波，得到形态图像，再以形态图像为基础，将像素值为1的
线条采用线宽为1个像素的线段绘制成骨架图；第二步是以具有k个像素点的骨架图为基
础，遍历像素点1至像素点k，每当遇到像素值＝1的像素点时，以顺时针或逆时针方向绕该
像素点的八邻域搜寻一周，得到一个像素值变化次数；若像素值变化次数为4，显示过该像
素点存在两根直线，通过坐标计算得知这两根直线存在合理的夹角时，则确定该像素点为
边缘顶点并记录；若像素值变化次数为6，显示过该像素点存在三根直线，则确定该像素点
为中间顶点并记录。

[0060] 实施例4：

[0061] 与实施例1基本上相同，不同的是：所述步骤“顶点提取”的第一步是以降噪图像为基础，顺序执行二值化、形态学滤波，得到形态图像，再以形态图像为基础，将像素值为1的
线条采用线宽为1个像素的线段绘制骨架图；第二步是在骨架图的基础上，以像素值＝1的
像素点处为中心点建立尺寸为5×5个像素的窗口，如果该窗口的部分区域溢出骨架图时，
先将溢出区域的像素点的像素值全部赋值为0，然后采用Harris算法计算出该中心点对应
的角点响应函数值R；在同一窗口内的全部的R值中，将小于最大的R值的1％的像素点处的R
值置为零，重复以上操作遍历整个骨架图；下一步，以像素值＝1且R值大于零的像素点处为
中心点建立尺寸为3×3个像素的窗口，若该中心点的R值为本窗口内的最大值，则记录该点
为顶点，重复以上操作遍历整个骨架图。

[0062] 实施例5：

[0063] 与实施例1基本上相同，不同的是：所述步骤“顶点提取”采用SUSAN算法，即以降噪图像为基础，通过统计圆形窗口内与中心像素灰度值相近的像素数量来提取顶点。

[0064] 实施例6‑10：

[0065] 分别与实施例1‑5基本上相同，不同的是：所述步骤“形态分析”包括重构胞元和规整度评估；所述步骤“重构胞元”是将提取的顶点依据胞元与顶点的映射关系连线形成蜂窝
结构图；所述步骤“规整度评估”是根据蜂窝结构图，计算其几何规整度。