本发明属于电缆接头分割，特别涉及基于显著性的部件分割方法。
背景技术：
1、电缆中间接头是保障电能正常传输的重要组成；高压电缆中间接头各部件的安装对施工环境和工艺质量有较高的要求。工人在施工过程易对中间接头产生主绝缘划痕及污渍、尺寸不达标、半导电层剥离不齐、主绝缘切割不齐和压接管存在毛刺类缺陷；现有技术中，可采用图像识别来进行缺陷的检查，由于电缆各部件缺陷类型不一样，采用基于显著性的分割，分割出不同的部件，有利于缺陷的精准识别，目前的方式在分割的过程中，容易出现部件分割不完整、不准确的问题；针对这种情况，需要提出一种基于显著性的部件分割方法来解决上述问题。
技术实现思路
1、本发明所要解决的技术问题是提供一种基于显著性的部件分割方法，该方法解决了现有技术在进行电缆接头分割的过程中，容易出现部件分割不完整、不准确，从而导致在后续图像的缺陷识别过程中容易出错的问题，具有可通过反变换从原图中分割出不同部件，避免分割过程中出现分割不完整的特点。
2、为实现上述技术效果，本发明所采用的技术方案是：
3、基于显著性的部件分割方法，包括以下步骤：
4、s1，基于显著性hc算法，生成显著图；
5、s2，对显著图进行预分割，将其变为二值图；
6、s3，寻找分割图像的最大连通域，去除一些小面积区域，保留分割图中面积最大的区域得到所需要的目标；
7、s4，由于光照、重叠和遮挡的影响，会产生孔洞，采用膨胀操作填充，填充相应的孔洞；
8、s5，筛选出各有效面积区域的二值图，通过反代换从原图像中分割出目标区域。
9、优选地，步骤s1的具体方法如下：
10、s101，基于直方图计算像素与图像其它像素在lab空间中的颜色距离为度量，生成显著图；
11、s102，通过每个像素点的显著性值和剩余像素点的对比度生成该像素的显著性值；显著性值的计算公式如下：
12、
13、其中cl是像素ik的颜色值，n是不同像素颜色的数量，fj是图像i中像素颜色cj的概率，d表示对比度计算。
14、优选地，步骤s2中的具体方法如下：
15、采用最大类间方差法对显著图进行预分割，将其变为二值图，具体公式如下：
16、w0＝n0/(m×n)；
17、w1＝n1/(m×n)；
18、n0+n1＝m×n；
19、1＝w0+w1；
20、μ＝w0×μ0+w1×μ1；
21、maximum＝w0×(μ0-μ)2+w1×(μ1-μ)2；
22、maximum＝w0×w1×(μ0-μ1)2；
23、式中，m*n表示将图像看作一个m*n的矩阵；属于前景的像素点数占整幅图像的比例记为w0，前景平均灰度记为μ0；背景像素点数占整幅图像的比例记为w1，其平均灰度记为μ1；图像的总平均灰度记为μ，类间方差记为maximum；图像中像素的灰度值小于阈值threshold的像素个数记作n0，像素灰度大于等于阈值threshold的像素个数记作n1，采用遍历的方法得到使类间方差最大的阈值。
24、优选地，步骤s3中的具体方法如下：
25、s301，将图像进行腐蚀，使一些与目标区域相连的背景与其断开，不再连通；
26、s302，将所有连通区域标记为不同颜色；
27、s303，统计每种颜色的数量，找到最大值；
28、s304，遍历所有像素点，像素点属于最大连通区域则赋值255为目标区域，其余的像素赋值0为背景。
29、优选地，步骤s4中的具体方法如下：运用数学形态学膨胀操作进行孔洞的填充，具体公式为：
30、
31、式中，x是目标图像，s是结构元素。
32、优选地，步骤s5中的具体方法如下：
33、s501，通过灰度阈值筛选出不同部件的区域二值图，利用代数反变换从原图中分割目标部件；
34、s502，将分割出的目标部件从区域二值图像中剔除，再次通过灰度阈值筛选出不同部件的区域二值图，利用代数反变换从原图中分割目标部件，重复该操作直至所有部件被单独分割出来。
35、优选地，存储器中存储有计算机程序，处理器调用所述存储器中的计算机程序时，实现上述的基于显著性hc算法，生成显著图的算法。
36、优选地，存储介质中存储有计算机可执行指令，计算机可执行指令被处理器加载并执行时，实现上述基于显著性hc算法，生成显著图的算法。
37、优选地，存储器中存储有计算机程序，处理器调用所述存储器中的计算机程序时，实现上述对显著图进行预分割，将其变为二值图的算法。
38、优选地，存储介质中存储有计算机可执行指令，计算机可执行指令被处理器加载并执行时，实现上述对显著图进行预分割，将其变为二值图的算法。
39、优选地，存储器中存储有计算机程序，处理器调用所述存储器中的计算机程序时，实现上述寻找分割图像的最大连通域，去除一些小面积区域，保留分割图中面积最大的区域得到所需要的目标区域的算法。
40、优选地，存储介质中存储有计算机可执行指令，计算机可执行指令被处理器加载并执行时，实现上述寻找分割图像的最大连通域，去除一些小面积区域，保留分割图中面积最大的区域得到所需要的目标区域的算法。
41、优选地，存储器中存储有计算机程序，处理器调用所述存储器中的计算机程序时，实现上述采用膨胀操作填充相应的孔洞的算法。
42、优选地，存储介质中存储有计算机可执行指令，计算机可执行指令被处理器加载并执行时，实现上述采用膨胀操作填充相应的孔洞的算法。
43、优选地，存储器中存储有计算机程序，处理器调用所述存储器中的计算机程序时，实现上述筛选出各有效面积区域的二值图，通过反代换从原图像中分割出目标区域的算法。
44、优选地，存储介质中存储有计算机可执行指令，计算机可执行指令被处理器加载并执行时，实现上述筛选出各有效面积区域的二值图，通过反代换从原图像中分割出目标区域的算法。
45、优选地，存储器中存储有计算机程序，处理器调用所述存储器中的计算机程序时，实现上述的基于显著性的部件分割方法的步骤。
46、优选地，存储介质中存储有计算机可执行指令，计算机可执行指令被处理器加载并执行时，实现上述的基于显著性的部件分割方法的步骤。
47、本发明的有益效果为：
48、本发明通过显著性算法生成显著图，经过预分割后将其变为二值图，之后采用形态学处理的方法，去除小面积区域，保留完整目标区域，最后筛选有效面积区域的二值图，通过反变换从原图中分割出不同部件，参考图像与第一预拼接部分构建预拼接虚影，利用预拼接虚影对第二预拼接部分进行调整，以进行最后的拼接，可以准确地进行拼接尺寸的调整以及部位的对应，避免拼接分割过程中出现分割不完整、不准确的错误或拼接痕迹明显的问题。
1.基于显著性的部件分割方法，其特征在于，包括：
2.根据权利要求1所述的基于显著性的部件分割方法，其特征在于：基于显著性hc算法，生成显著图，包括：
3.根据权利要求1所述的基于显著性的部件分割方法，其特征在于：对显著图进行预分割，将其变为二值图的方法如下：
4.根据权利要求1所述的基于显著性的部件分割方法，其特征在于：寻找分割图像的最大连通域，去除一些小面积区域，保留分割图中面积最大的区域得到所需要的目标区域的方法如下：
5.根据权利要求1所述的基于显著性的部件分割方法，其特征在于：采用膨胀操作填充相应的孔洞的方法如下：运用数学形态学膨胀操作进行孔洞的填充，具体公式为：
6.根据权利要求1所述的基于显著性的部件分割方法，其特征在于：筛选出各有效面积区域的二值图，通过反代换从原图像中分割出目标区域的具体方法如下：
7.一种电子设备，包括存储器和处理器；其特征在于：所述存储器中存储有计算机程序，处理器调用所述存储器中的计算机程序时，实现权利要求2所述的基于显著性hc算法，生成显著图的算法。
8.一种存储介质，其特征在于：所述存储介质中存储有计算机可执行指令，计算机可执行指令被处理器加载并执行时，实现权利要求2所述的基于显著性hc算法，生成显著图的算法。
9.一种电子设备，包括存储器和处理器；其特征在于：所述存储器中存储有计算机程序，处理器调用所述存储器中的计算机程序时，实现权利要求1～6所述的基于显著性的部件分割方法的步骤。
10.一种存储介质，其特征在于：所述存储介质中存储有计算机可执行指令，计算机可执行指令被处理器加载并执行时，实现权利要求1～6所述的基于显著性的部件分割方法的步骤。
