To solve the problems of noise coverage defect and low contrast between the defect and the background of ZrO2 ceramic bearing balls, a surface defect extraction algorithm based on shearlet transform image enhancement for ZrO2 ceramic bearing balls is proposed. According to the shape characteristics of ceramic bearing balls, the surface defect image acquisition platform is built to collect and analyze surface defect images. Gaussian filtering weakens the scatter-particle noise in the image, and the threshold corrects the coefficient generated by the shearlet transform. After shearlet transform, the relatively low-frequency and high-frequency parts appear. The low-frequency part reflects the edge information of defects, and the high-frequency part reflects the edge and texture information of defects. Thus, the integrity of the defect is ensured, and an enhanced surface defect image is obtained. The gray histogram of the enhanced image is observed. The optimal threshold is selected by the histogram threshold segmentation method, and the process of defects being completely extracted from the background is realized. Experimental results showed that the extraction rates of pits, scratches, and cracks in ZrO2 ceramic bearing balls’ surface images are 95.00%, 92.50%, and 92.50%, respectively.

Abstract This study addresses the issue of the existence of a considerable number of ancient ceramic fragments within the gene pool of ancient ceramics in Jingdezhen, as well as the limited efficacy of manual restoration techniques. To this end, an ancient ceramic restoration method based on the stitching of ancient ceramic textures through image processing is proposed. By employing the optimal single responsiveness matrix and state transfer equation, coupled with a random sampling strategy to ascertain the precise matching points and a consistency checking mechanism to preclude erroneous matching, the optimal single responsiveness matrix is devised to meticulously transform and stitch ancient ceramic textures. The dynamic programming idea is employed to identify the optimal stitching path, thereby enhancing the quality of the stitching and facilitating the precise, seamless, and natural integration of the ancient ceramic texture. The average peak signal-to-noise ratio of the stitched image of ancient ceramics is 58.7554, and the mean square error is 0.0866, which demonstrates the efficacy of image processing technology in the restoration of ancient ceramics and facilitates the intelligent advancement of cultural protection.

To address missing features and reflections in the extraction process of ancient ceramic patterns, a pattern extraction method combining sharpening-smoothing and the whale-type k-means algorithm is proposed. By analyzing the reflection phenomenon of ancient ceramic images, a sharpening-smoothing image enhancement method is designed. It effectively improves image detail and texture expression. In addition, by analyzing the characteristics of missing graphic features in ancient ceramics, a whale-type k-means algorithm is constructed to achieve accurate extraction. The experimental results show that the accuracy of this method in ancient ceramic pattern extraction reaches 99.319%. F1 Score, MIoU, and Recall are 93.13%, 93.84%, and 87.15%, respectively. This method demonstrates superior performance in the accuracy and robustness of ancient ceramic pattern extraction. Meanwhile, it provides reliable technical support for the digital protection of cultural heritage and academic research.