本發(fā)明涉及一種結(jié)合相似性和不連續(xù)性的準(zhǔn)圓形顆粒平均尺寸檢測(cè)方法。

背景技術(shù)：

一個(gè)基于光學(xué)和計(jì)算機(jī)技術(shù)的機(jī)器視覺(jué)系統(tǒng)常常是生產(chǎn)控制線的一個(gè)部分，它可以提高生產(chǎn)速度和質(zhì)量，統(tǒng)一規(guī)則和標(biāo)準(zhǔn)。近年來(lái)，利用計(jì)算機(jī)視覺(jué)進(jìn)行工業(yè)檢測(cè)已經(jīng)被運(yùn)用到了許多不同的領(lǐng)域，例如，集成電路，鋼鐵生產(chǎn)，家禽加工，道路建設(shè)，巖石破碎等。

在采石工業(yè)中，對(duì)石料的質(zhì)量進(jìn)行評(píng)估是非常重要的。石料就是自然巖塊和爆破及機(jī)械破碎的巖塊的混合體。為了判斷石料的質(zhì)量，對(duì)石料顆粒的尺寸和形狀參數(shù)進(jìn)行估算是必要的。石料的平均尺寸不但是用來(lái)評(píng)估產(chǎn)品質(zhì)量的一個(gè)數(shù)據(jù)，而且還是調(diào)整破碎機(jī)的重要信息，例如：調(diào)節(jié)它的孔徑等。破碎機(jī)通常被設(shè)定用來(lái)生產(chǎn)某個(gè)嚴(yán)格指定的相對(duì)較窄尺寸范圍內(nèi)的石料，比如從16mm到30mm。通常破碎機(jī)操作的一個(gè)主要指標(biāo)就是平均尺寸。在自動(dòng)破碎控制系統(tǒng)中，從實(shí)時(shí)系統(tǒng)發(fā)回的包括平均石料尺寸的反饋信號(hào)，就顯示了流水線上破碎過(guò)程的實(shí)際進(jìn)展。在實(shí)際應(yīng)用中，從破碎機(jī)出來(lái)的破碎顆粒在一條傳送帶上傳輸，在其上方放置一個(gè)ccd攝像頭向下拍攝，然后用圖像處理、分割和分析對(duì)獲取的圖像中的顆粒進(jìn)行測(cè)量。

在采礦業(yè)和選礦生產(chǎn)中，平均尺寸，又稱作k50值，是保證有半數(shù)樣品可以通過(guò)的篩選尺寸。如果k50取值過(guò)低，巖石爆破的成本就會(huì)提高；相反地，如果取值過(guò)高，貨車裝載、運(yùn)輸和二次爆破的費(fèi)用都會(huì)增高。因此，巖石爆破的平均尺寸是使礦業(yè)生產(chǎn)達(dá)到最優(yōu)化的一個(gè)重要因素，是控制整個(gè)采礦生產(chǎn)過(guò)程的重要信息。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，本發(fā)明的目的在于提供一種結(jié)合相似性和不連續(xù)性的準(zhǔn)圓形顆粒平均尺寸檢測(cè)方法，有利于快速準(zhǔn)確地檢測(cè)出圖像中目標(biāo)的平均尺寸和數(shù)量。

為實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：一種結(jié)合相似性和不連續(xù)性的準(zhǔn)圓形顆粒平均尺寸檢測(cè)方法，其特征在于，包括以下步驟：

步驟s1：獲取原始顆粒圖像；

步驟s2：對(duì)所述原始顆粒圖像進(jìn)行平滑濾波，去除噪聲；

步驟s3：對(duì)步驟s2得到的圖像進(jìn)行canny邊界掃描，得到二值邊界圖像，邊界為白色；

步驟s4：對(duì)步驟s2得到的圖像進(jìn)行動(dòng)態(tài)閾值處理，背景為非目標(biāo)；

步驟s5：對(duì)所述步驟s3和步驟s4得到的圖像做“與”操作，然后進(jìn)行細(xì)線化，邊界為單邊界和單像素寬度；

步驟s6：利用邊界密度估算顆粒平均尺寸，并進(jìn)一步估算顆粒數(shù)目，平均尺寸和數(shù)目：

其中，xsize和ysize分別為圖像的x方向及y方向上的尺寸，為顆粒平均尺寸，為實(shí)際檢測(cè)的顆粒邊緣密度，為圖像中邊緣像素的個(gè)數(shù)ne除以圖像的總像素?cái)?shù)ntot的值，β是形狀因子且β＞1，為顆粒數(shù)目，rm的值取決于空檔面積大小且rm≥1。

進(jìn)一步的，所述步驟s2中平滑濾波的過(guò)程為：

g(x,y)＝f(x,y)*h(x,y)

其中，g(x,y)為平滑濾波后的圖像，f(x,y)為原始顆粒圖像，h(x,y)為平滑濾波器。

進(jìn)一步的，所述平滑濾波器采用高斯濾波器：

本發(fā)明與現(xiàn)有技術(shù)相比具有以下有益效果：本發(fā)明基于圖像中目標(biāo)邊界密度來(lái)計(jì)算顆粒平均尺寸，在某種程度上，本發(fā)明不需要進(jìn)行精細(xì)的圖像分割而可以快速準(zhǔn)確的檢測(cè)出圖像中目標(biāo)顆粒的數(shù)量和平均尺寸，檢測(cè)速度快，精度高，非常適用于實(shí)時(shí)在線的多目標(biāo)統(tǒng)計(jì)測(cè)量，同時(shí)也可用于復(fù)雜目標(biāo)圖像的預(yù)分割。

附圖說(shuō)明

圖1是本發(fā)明的流程圖。

圖2a是本發(fā)明一實(shí)施例的原始顆粒圖像。

圖2b是圖2a的動(dòng)態(tài)閾值處理結(jié)果。

圖2c是圖2a的canny邊界掃描結(jié)果。

圖2d是圖2b結(jié)合圖2c的最終圖像處理結(jié)果。

圖3a是本發(fā)明另一實(shí)施例的原始顆粒圖像。

圖3b是圖3a的動(dòng)態(tài)閾值處理結(jié)果。

圖3c是圖3a的canny邊界掃描結(jié)果。

圖3d是圖3b結(jié)合圖3c的最終圖像處理結(jié)果。

具體實(shí)施方式

下面結(jié)合附圖及實(shí)施例對(duì)本發(fā)明做進(jìn)一步說(shuō)明。

請(qǐng)參照?qǐng)D1，本發(fā)明提供一種結(jié)合相似性和不連續(xù)性的準(zhǔn)圓形顆粒平均尺寸檢測(cè)方法，其特征在于，包括以下步驟：

步驟s1：獲取原始顆粒圖像f(x,y)；

步驟s2：對(duì)所述原始顆粒圖像進(jìn)行平滑濾波，去除噪聲，過(guò)程如下：

g(x,y)＝f(x,y)*h(x,y)

其中，g(x,y)為平滑濾波后的圖像，f(x,y)為原始顆粒圖像，h(x,y)為平滑濾波器。優(yōu)選的，所述平滑濾波器采用高斯濾波器：

步驟s3：對(duì)步驟s2得到的圖像進(jìn)行canny邊界掃描，通過(guò)自動(dòng)確定高低閾值來(lái)得到二值邊界圖像，邊界為白色；

canny邊界掃描后的梯度圖像，高低閾值采取最大熵值得方法求得。這里使用類之間的最大信息交叉熵來(lái)獲得雙閾值，最后通過(guò)一個(gè)粗略道路追蹤程序跟蹤目標(biāo)邊緣。使用貝葉斯和交叉熵理論確定梯度幅值圖像的閾值。圖像被劃分成兩大類：目標(biāo)(o)及背景(b)，一幅圖像應(yīng)該有兩個(gè)正態(tài)分布，其中的參數(shù)可以從原始圖像的直方圖得到：

其中，p(g/i)為i條件下的概率密度，t是閾值，g是灰度值，μ和σ分別為正太分布的均值和方差。

兩個(gè)類別的方差估計(jì)如下(h為直方圖，p為概率)：

其中，目標(biāo)類的先驗(yàn)概率是背景類的先驗(yàn)概率是因此它們的類間平均值分別是和其中，t是閾值，g是灰度值，l為灰度上界。后驗(yàn)概率由貝葉斯概率公式獲得：

通過(guò)不同區(qū)域中的像素的最大后驗(yàn)概率獲得最優(yōu)閾值?；趩蝹€(gè)像素后驗(yàn)概率的類間交叉熵為：

據(jù)此,可獲得類間差。為了簡(jiǎn)化計(jì)算,以灰度值g替換像素灰度尺度s,這樣,用灰度直方圖替換了概率分布。它可以被重新寫為：

式中，l是灰度值的上限，t是一個(gè)灰度閾值。

要取得基于最大交叉熵類之間的最佳的閾值t*，可以通過(guò)一個(gè)搜索操作進(jìn)行：

是g的梯度向量，是平滑圖像g的梯度圖像。平滑參數(shù)σgauss即所謂的濾波器尺寸參數(shù)。為了避免canny的雙邊界和不連續(xù)性，這里附加了動(dòng)態(tài)閾值處理。那么在離散的柵格中，通過(guò)邊界的細(xì)線化，邊遠(yuǎn)像素為：在二值圖像中，0就表示邊緣象素，非0則表示非邊緣寬度為單象素，記邊界圖像為εg(x,y)，或者更精確地表示為εg(x,y；σgauss)。邊緣密度總是根據(jù)這個(gè)εg邊緣圖像的ne值計(jì)算出來(lái)的。

步驟s4：對(duì)步驟s2得到的圖像進(jìn)行動(dòng)態(tài)閾值處理，背景為非目標(biāo)(白色)；

由于傳統(tǒng)的一維otsu算法中的直方圖不一定存在明顯的波峰與波谷，并且表達(dá)的是灰度分布特征信息，未能反映內(nèi)部像素各種空間關(guān)聯(lián)的有效信息，所以很難較為準(zhǔn)確識(shí)別圖像的邊緣輪廓和紋理信息，綜合考慮以上因素，本發(fā)明選用加以改進(jìn)的二維otsu算法：動(dòng)態(tài)的閾值分割方法。先做全局otsu閾值計(jì)算，然后標(biāo)號(hào)每一個(gè)目標(biāo)，檢測(cè)沒(méi)一個(gè)目標(biāo)的大小，如果尺寸大于預(yù)先得知尺寸上線的2倍，再對(duì)此目標(biāo)進(jìn)行otsu處理，一直到圖像中沒(méi)有不合格的目標(biāo)物體。

步驟s5：對(duì)所述步驟s3和步驟s4得到的圖像做“與”操作，然后進(jìn)行細(xì)線化，邊界為單邊界和單像素寬度；

邊界圖像和閾值后的二值圖像結(jié)合可以互補(bǔ)，canny沒(méi)有檢測(cè)到的地方，至少有一部分可以用二值圖像補(bǔ)充，反之亦然。為了避免過(guò)多噪聲對(duì)顆粒尺寸的正確故算，本發(fā)明增加了一個(gè)去除短線段的功能，與之相反，又增加了一個(gè)連接顆粒邊緣間隙的功能。當(dāng)然需要進(jìn)行細(xì)線化處理和端點(diǎn)檢測(cè)。在進(jìn)行細(xì)線化處理時(shí)，需要檢測(cè)交叉點(diǎn)來(lái)除掉骨架上的毛刺。

步驟s6：檢測(cè)端點(diǎn)，連接端點(diǎn)之間的間隙，一般連接空隙距離不大于平均顆粒直徑的3％長(zhǎng)度的像素個(gè)數(shù)，去除長(zhǎng)度小于平均顆粒周長(zhǎng)的10長(zhǎng)度的線段。

步驟s7：利用邊界密度估算顆粒平均尺寸，并進(jìn)一步估算顆粒數(shù)目，平均尺寸和數(shù)目：

其中，xsize和ysize分別為圖像的x方向及y方向上的尺寸，為顆粒平均尺寸，為實(shí)際檢測(cè)的顆粒邊緣密度，為圖像中邊緣像素的個(gè)數(shù)ne除以圖像的總像素?cái)?shù)ntot的值；β是形狀因子且β＞1，顆粒形狀越是遠(yuǎn)離圓形，值就越大，一般小于1.2，長(zhǎng)寬比達(dá)到1.2時(shí)β＝1.2；為顆粒數(shù)目，rm的值取決于空檔面積大小(非顆粒區(qū)間)且rm≥1，當(dāng)非顆粒區(qū)間面積達(dá)到20％的總體圖像面積時(shí)，其值為1.2。

顆粒平均尺寸的推算過(guò)程如下：

考慮近似圓的緊湊顆粒的圖像，這個(gè)近似值不是為了描述單個(gè)的顆粒形狀，而是為了建立一個(gè)從邊緣密度到平均尺寸的模型。尺寸的概念定義如下：

把圓標(biāo)識(shí)為i＝1,2,…,n，用ai和pi分別表示面積和周長(zhǎng)。定義邊緣密度如下：

再根據(jù)圓的特性，設(shè)圓的半徑為r,轉(zhuǎn)換公式為：

最后得顆粒尺寸(直徑)：加上矯正系數(shù)得：

為了讓一般技術(shù)人員更好地理解本方案，以下通過(guò)兩個(gè)實(shí)施例的附圖進(jìn)行進(jìn)一步介紹。

實(shí)施例一：土豆圖像。

圖2a是本發(fā)明一實(shí)施例的原始顆粒圖像，圖2b是圖2a的動(dòng)態(tài)閾值處理結(jié)果，圖2c是圖2a的canny邊界掃描結(jié)果，圖2d是圖2b結(jié)合圖2c的最終圖像處理結(jié)果。

實(shí)施例二：顯微鏡下的電子顆粒圖像。

圖3a是本發(fā)明另一實(shí)施例的原始顆粒圖像，圖3b是圖3a的動(dòng)態(tài)閾值處理結(jié)果，圖3c是圖3a的canny邊界掃描結(jié)果，圖3d是圖3b結(jié)合圖3c的最終圖像處理結(jié)果。

以上所述僅為本發(fā)明的較佳實(shí)施例，凡依本發(fā)明申請(qǐng)專利范圍所做的均等變化與修飾，皆應(yīng)屬本發(fā)明的涵蓋范圍。