چکیده فارسی :

در مقاله حاضر، یک روش جدید برای تجزیه و تحلیل و اندازه گیری ابعاد شکاف در مواد جامد از قبیل ابزار مکانیکی و آجر، معرفی شده است. از آنجا که شکاف‌ها یک شکل منظم و یا قابل پیش بینی ندارند، به منظور دستیابی به ابعاد دقیق شکاف، فرمول‌های ریاضی معمولی به هیچ وجه قابل اجرا نمی باشند. از این رو، در حین مطالعه‌ی روش‌های مختلف تجزیه و تحلیل شکاف، ما روی خطاها و محدودیت های آن بحث می‌کنیم و روش خودمان را پیشنهاد می دهیم که با هدف اندازه گیری ابعاد شکاف در یک ماده جامد با استفاده از بینایی ماشین، تکنیک های ضبط تصویر و پردازش تصویر، می‌باشد. ما الگوریتم‌های جدیدی را تعریف می کنیم و مقیاس تصویر را در ابعاد واقعی انجام می‌دهیم و اطلاعات بدست آمده را برای به دست آوردن نتایج دقیق تر، تجزیه و تحلیل می‌کنیم. این روش مطلوب بینایی ماشین در دو روش مختلف انجام می شود. روش اول مبتنی بر اندازه‌گیری طول اسکلت تصویر می‌باشد، در حالی که روش دوم بر اندازه گیری نصف محیط تصویر شکاف مبتنی می‌باشد. پس از بدست آوردن اندازه گیری‌ها، ما نتایج را با کمک برخی از الگوریتم های از پیش تعریف شده، بهینه سازی می‌کنیم. نشان داده شده است که الگوریتم پیشنهادی ما یک روش قابل اعتماد را ارائه می‌کند که می تواند برای اندازه گیری ابعاد هر شکافی، مورد استفاده قرار گیرد. همچنین، ما این تکنیک ها را روی آجر نمونه با شکاف های تصادفی، اعمال کردیم. پس از به دست آوردن تصاویر باینری، فیلترها برای به دست آوردن بهترین نتیجه در میان همه‌ی تصاویر، استفاده شده‌اند.

کلمات کلیدی: اندازه‌گیری شکاف ، پردازش تصویر ، اسکلت ، هرس‌کردن

چکیده انگلیسی:

In the current paper a new method is introduced to analyze and measure the cracks dimensions in solid materials such as mechanical tools and bricks. Since the cracks do not have a regular or predictable shape, in order to achieve the exact dimensions of such cracks, the conventional mathematical formulas are by no means applicable. Hence, while studying different crack analyzing methods, we argue on their faults and limits and propose our method which aims to measure the crack dimensions in a solid object by utilizing machine vision, image capturing and image processing techniques. We define new algorithms and perform picture scaling in real dimensions and analyze the acquired data to obtain the most precise results. This optimal machine vision technique is performed in two different ways. The first method is based on the measurement of the length of the image skeleton, while the second technique is based on measuring the half of the perimeter of the crack’s image. After obtaining the measurements, we optimize the results with the help of some pre-defined algorithms. It is shown that our proposed algorithms provide a reliable method which can be used to measure any crack dimensions. Also, we apply these techniques on a sample brick with some random cracks on it. After gaining the binary images, filters are applied to gain the best results among all images.

Keywords : Measurement of Crack ; Image Processing ; Skeleton ; Pruning