本發(fā)明涉及機械系統(tǒng)狀態(tài)監(jiān)測技術領域，涉及鐵譜圖像的自動分析技術，特別涉及一種面向在線鐵譜圖像自動識別的磨粒鏈自適應分割方法。

背景技術：
磨粒分析是通過分析被檢測機器的潤滑介質和攜帶的磨損微粒情況，獲得機器的磨損狀態(tài)信息的關鍵技術，對磨損故障的診斷、預測、維護決策都起著至關重要的做作用。作為一種重要的磨粒分析手段，傳統(tǒng)的離線鐵譜圖像分析已經成功應用于工業(yè)裝備的磨損狀態(tài)監(jiān)測，形成了標準化的磨損狀態(tài)評價體系。但是這種技術具有明顯的缺陷：1）取樣和分析周期長，效率低；2）分析結果的經驗依賴性強，重復度低。隨著實情維護技術的發(fā)展需求，實時性和自動化監(jiān)測成為狀態(tài)監(jiān)測的發(fā)展方向，傳統(tǒng)的離線分析技術面臨著新的挑戰(zhàn)。在線鐵譜技術于上世紀30年代提出，近10年來獲得快速的發(fā)展，隨著在線傳感器的出現(xiàn)，將這種傳統(tǒng)的鐵譜分析技術延伸到實時監(jiān)測和自動分析領域。在線磨粒圖像將鐵譜分析技術的獨特優(yōu)勢呈現(xiàn)在在線監(jiān)測領域，但是新的技術瓶頸限制了該技術優(yōu)勢：磨粒粘連成鏈、團簇極大地增加了獲取單個磨粒特征信息的難度。雖然在線鐵譜傳感器及采集方法不斷改進，依然沒有找到有效的磨粒鏈分割方法，而只能給出宏觀濃度統(tǒng)計指標（IPCA：百分比面積覆蓋率），使其在諸多在線磨粒傳感器中無法體現(xiàn)獨特優(yōu)勢。顯然，智能化的磨粒鏈分割已經成為在線鐵譜技術的發(fā)展瓶頸。在線磨粒分析是近10年來快速發(fā)展的油液監(jiān)測技術，各種傳感器成為該技術的主要進展技術，從原理角度可大致分為：電學、光學、磁感應和圖像4種：1）電學傳感器：Itomi等人研制的基于電阻測量的“Oilchecksensor”（公開號：JP2002286697）；MuraliS基于電容原理開發(fā)的基于微流道結構的電容磨粒計數(shù)器；英國Kittiwake公司采用電感原理開發(fā)的MetallicparticleSensor和TotalFerrousDebrisSensor。2）光學傳感器：美國海軍研究的LaserNetFines磨粒監(jiān)測儀；AllisonM.Toms等人開發(fā)的在線油液監(jiān)測的傅里葉紅外光譜監(jiān)測裝置。3）磁感應傳感器：加拿大Gastop公司的MetalScan傳感器。采用上述3種原理的傳感器的共性缺點是無法提供磨損機理信息，而鐵譜圖像是分析磨損機理的重要途徑。由于鐵譜圖像一直采用離線鐵譜儀器獲取，在線鐵譜傳感器技術成為新的技術方向。2001年西安交通大學開發(fā)了第一代可在線提供鐵譜圖像的傳感器（專利號：01240347.4）。2005年，通過混合勵磁方式和CMOS圖像傳感器的使用，該課題組提出第二代在線數(shù)字圖像鐵譜傳感器”（公開號：CN1673733A），并于2008年發(fā)明了第三代短沉積距離的圖像型在線鐵譜傳感器（公開號:CN100365413C），使用電磁場主動沉積磨粒，可以分別提供大、小磨粒的圖像。在線鐵譜圖像的獲取為在線磨粒分析提供技術基礎。由于采用磁場沉積原理，磨粒在鐵譜圖像中不可避免的產生成鏈、堆積現(xiàn)象，如圖1所示，極大影響了后續(xù)磨粒特征分析的準確性，雖然通過改變沉積參數(shù)可以消除磨粒圖像中的堆積現(xiàn)象，磨粒成鏈卻仍然無法避免，因此磨粒鏈分割已經成為在線磨粒分析的技術瓶頸。磨粒鏈分割在離線圖像鐵譜分析中同樣存在，由于一直采用人工分析，自動分割僅僅限于單個特征磨粒的背景分割，而極少涉及磨粒鏈分割的報道?；凇皐atershed”數(shù)學形態(tài)學方法雖然在離線鐵譜圖像中獲得了精確的磨粒分割效果，但是由于在分割過程中需要人為的設定分割參數(shù)，因此無法應用于在線自動分割。更多的基于數(shù)學形態(tài)學自動分割方法在粘連顆粒的分割領域應用，如細胞和谷物的圖像分割，主要包括：1）基于邊緣檢測與凹點分配的分離方法；2）基于分水嶺分割的分離方法；3）基于分離搜索點算法的分離方法。上述各種顆粒圖像分離算法針對具有類圓性、尺寸相近的顆粒對象，因此難以應用于形狀不規(guī)則、邊緣粗糙、尺寸分布寬的磨粒分割。在線鐵譜技術的現(xiàn)狀表明：磨粒鏈的智能分割方法已經成為在線鐵譜技術發(fā)揮其磨粒分析優(yōu)勢的技術瓶頸，而現(xiàn)有的分割算法無法應用于磨粒鏈圖像分割。

技術實現(xiàn)要素：
針對現(xiàn)有技術的缺陷，本發(fā)明提供面向在線鐵譜圖像自動識別的磨粒鏈自適應分割方法，結合灰度和形態(tài)學信息的磨粒鏈圖像分割方法，實現(xiàn)了在線鐵譜圖像中粘連磨粒的分割；本發(fā)明不但可以解決在線磨粒鏈圖像的分割問題，還可應用于傳統(tǒng)離線鐵譜圖像中的磨粒鏈自動分割，對實現(xiàn)鐵譜圖像分析技術的智能化和自動化具有重要意義。為了達到上述目的，本發(fā)明的技術方案為:面向在線鐵譜圖像自動識別的磨粒鏈自適應分割方法，步驟如下：步驟一、將鐵譜傳感器所提供的透射光圖像和反射光圖像分別經過預處理轉換為二值化圖像和灰度化圖像。步驟二、采用反射光圖像Imgf進行基于灰度形態(tài)學的粗分割：識別灰度化圖像中的每條磨粒鏈，并采用內部標記和外部標記兩種控制標記符標記磨粒鏈中的可分割磨粒，進一步采用分水嶺變換獲得上述可分割磨粒的灰度分割線，并將此分割線疊加到對應的二值化圖像中實現(xiàn)粗分割；步驟三、針對上述粗分割后的二值化圖像進行精細——多尺度二值形態(tài)學分割：針對每條磨粒鏈采用變尺度的腐蝕-膨脹算法實現(xiàn)對大小磨粒的分割，獲得二值分割線；步驟四、將二值分割線疊加到原始的透射光圖像和反射光圖像即可獲得分割后的磨粒圖像。步驟一所述的反射光圖像灰度化是將圖像中每個像素點（x,y）的RGB值按照公式（1）計算獲得該點的灰度值，最終處理結果為灰度化圖像：公式（1）：步驟一所述的透射光圖像二值化預處理包括灰度化、二值化、和形態(tài)學去噪3個步驟，所述的灰度化參照公式（1）：將圖像中每個像素點（x,y）的RGB值按照公式（1）計算獲得該點的灰度值；所述的二值化是通過設定一個閾值，并通過公式（2）將整個圖像的像素值分成兩個部分，從而將圖像轉換為二值化圖像：公式（2）：T.]]>形態(tài)學去噪使用數(shù)學形態(tài)學里面的“腐蝕”與“膨脹”算子所構成的“開運算”和“閉運算”對二值圖像進行形態(tài)學濾波，去除無關的噪點。步驟二所述的灰度形態(tài)學的粗分割是以反射光灰度化圖像中的磨粒鏈灰度值為處理對象，通過提取灰度特征進行磨粒分割的方法，具體方法為：以透射光圖片二值化結果為參考，采用標記連通域方法獲取圖像中的每條磨粒鏈作為處理對象，計算磨粒鏈圖像的灰度梯度，繪制灰度梯度圖；應用最小強制方法進行局部極小值融合，從而獲得改進的極小值區(qū)域，即為所求內部標記符；對已經做了內部標記的圖像分別進行距離變換和分水嶺變換，獲得的分割線作為外部標記符；將所獲得的內外標記符疊加到梯度幅度圖像中對原梯度幅度圖像進行修改，使局部最小區(qū)域僅僅出現(xiàn)在標記的位置，即以標記符所處位置為新的極小值位置，同時其他局部最小區(qū)域將被增亮并刪除；以修改過的梯度幅度圖像為對象進行分水嶺分割獲得灰度形態(tài)學下的分割線；將所獲得分割線疊加至原始的透射光圖像的預處理結果中，獲得粗分割結果。步驟三所述多尺度二值形態(tài)學分割通過分析像素點之間的邏輯位置關系來實現(xiàn)粘連磨粒的分割，其分析對象為經過初步分割的磨粒圖像，或者是未經過分割的粘連磨粒圖像，二值形態(tài)學多尺度分割過程分解為針對不同尺寸的粘連顆粒的分割過程，對于一條待分割磨粒鏈，對磨粒鏈中尺寸較小的粘連顆粒實行小尺度分割，分別經過“腐蝕”、“條件膨脹”、“獲得分割線結果”過程將所得到的分割線存儲至“分割結果”集合中；對尺寸較大的粘連顆粒實行大尺度分割，分別經過“腐蝕”、“條件膨脹”、“獲得分割線結果”過程將所得到的分割線存儲至“分割結果”集合中，不同尺度之間的分割過程互不影響，分割尺度通過腐蝕與膨脹次數(shù)來控制，在獲得每一個尺度下的分割結果后，疊加至原圖即可獲得最終的二值分割結果。多尺度二值形態(tài)學分割的具體流程為：首先需要初始化用于控制流程的變量NUMdis,NUMtotal-0的值；接下來在讀入分割對象之后即開始多尺度分割循環(huán)；在分割循環(huán)中，首先進行小尺度磨粒的分割，通過使用設定的較小的結構因子，設定次數(shù)的形態(tài)學“腐蝕”操作，獲得條件膨脹的“核”，然后基于這些“核”進行“條件膨脹”操作，所設定的兩個膨脹條件為：（1）不超過原圖區(qū)域，（2）不同的區(qū)域互不接觸；通過膨脹獲得磨粒分割線并存儲；然后進行大尺度磨粒分割，采用較大的結構因子，更多次數(shù)的形態(tài)學腐蝕操作，獲得條件膨脹的“核”，然后基于這些“核”進行與小尺度下相同條件的膨脹操作并最終獲得該尺度下的分割線并存儲；反復進行多尺度分割循環(huán)，經過多次迭代，滿足終止準則停止分割，獲得所有的分割線疊加至目標圖像即為分割結果。所述的終止準則為：為了滿足在線圖片處理的自適應條件，在某一個尺度下，在分割操作開始之前，需要標記當前帶分割圖像中總的連通區(qū)域數(shù)量NUMtotal-0,以及在該尺度下由于第一次腐蝕操作會消失的區(qū)域數(shù)量NUMdis；在該次腐蝕操作之后，統(tǒng)計腐蝕結果中總的連通區(qū)域數(shù)量NUMtotal-1；則在該分割操作下新增的區(qū)域數(shù)量NUMadd可以通過公式（3）求得：公式（3）：NUMadd=NUMtotal-1-NUMtotal-0+NUMdis若NUMadd>0,則說明有新的區(qū)域產生，此時停止腐蝕，開始條件膨脹并獲得分割線保存，此尺度分割結束，開始下一個尺度的腐蝕循環(huán)；若NUMadd=0，則說明未有新的分割區(qū)域產生，則繼續(xù)進行腐蝕操作，直到有新的分離區(qū)域產生；若NUMadd<0，說明總的區(qū)域數(shù)量在減少，這時候已不會再有新的區(qū)域產生，整個分割過程應該自動終止。本發(fā)明提供了一種精度可靠的在線鐵譜圖像中磨粒鏈智能化分割方法及分割流程，整個流程包括圖像預處理，灰度形態(tài)學分割，二值形態(tài)學多尺度分割3個主要步驟。具有以下有益效果：1、實現(xiàn)了磨粒鏈圖像的自動分割，為在線鐵譜圖像分析解決了技術瓶頸，為后續(xù)磨粒特征提取和磨損機理判斷提供了必要基礎，從而將目前只能提供濃度輸出拓展到真正意義上的鐵譜技術，極大的推動了該技術在在線監(jiān)測中的技術優(yōu)勢；2、所提出的基于灰度形態(tài)學粗分割和變尺度二值化形態(tài)學精細分割的集成方法極大的提高了磨粒分割的精度，為后續(xù)磨粒特征提取和分析奠定了重要的基礎；3、將灰度形態(tài)學信息引入磨粒鏈分割，改變了當前只能采用透射光圖像進行分析的應用局面，實現(xiàn)了透射光和反射光圖像的綜合應用，最大限度的發(fā)揮在線鐵譜圖像技術的資源和優(yōu)勢；4、將變尺度二值化形態(tài)學分割方法引入磨粒鏈分割，實現(xiàn)了不同尺度磨粒的自適應分割，解決了過分割和欠分割問題，提高了分割精度和智能化程度。附圖說明圖1是分割素材及預處理說明；其中圖1a是在線鐵譜反射光圖片；圖1b是反射光圖片灰度化；圖1c是在線鐵譜透射光圖片；圖1d是透射光圖片二值化。圖2是本發(fā)明技術方案流程圖。圖3是灰度形態(tài)學分割技術方案圖。圖4二值形態(tài)學分割不同大小磨粒的技術原理圖。圖5是多尺度二值形態(tài)學分割流程圖。圖6是單磨粒鏈灰度形態(tài)學分割過程示例，其中圖6a是梯度幅度圖；圖6b是內部標記結果圖；圖6c是外部標記結果圖；圖6d是修改后的梯度幅度圖；圖6e是灰度分割線分布圖；圖6f是灰度形態(tài)學粗分割結果。圖7是灰度粗分割結果，其中圖7a分割線；圖7b分割線疊加至灰度圖；圖7c是分割線疊加至二值圖。圖8是單磨粒鏈的二值形態(tài)學分割示例，其中圖8a是尺度1腐蝕；圖8b是尺度1膨脹；圖8c是尺度1分割線；圖8d是尺度2腐蝕；圖8e是尺度2膨脹；圖8f是尺度3分割線；圖8g是尺度3腐蝕；圖8h是尺度3膨脹；圖8i是尺度3分割線；圖8j是原圖；圖8k是分割線集合；圖8l是分割線疊加至原圖；圖8m是后處理結果；圖8n是原圖Imgo；圖8o是圖7-c中第（4）單鏈粗分割結；圖8p是圖7-c中第（4）單鏈細分割結果Img。圖9在線鐵譜圖像全信息自動分割實例。最佳實施方式下面結合附圖對本發(fā)明的內容作進一步說明。本實施中的算法均采用商業(yè)軟件Matlab實現(xiàn)。面向在線鐵譜圖像自動識別的磨粒鏈自適應分割方法，以圖1所示圖片為素材，參照圖2，步驟如下：步驟一、分別將鐵譜傳感器所提供的透射光圖像（參見圖1-c）和反射光圖像（參見圖1-a）分別經過預處理轉換為二值化圖像和灰度化圖像。（1）對反射光圖像進行灰度化得到灰度化圖像，見圖1-b所示。將圖像中每個像素點（x,y）的RGB值按照公式（1）計算獲得該點的灰度值，最終處理結果為灰度化圖像。公式（1）：（2）對透射光圖像分別進行灰度化、二值化、形態(tài)學去噪得到二值化圖像，見圖1-d所示。所述的透射光圖像二值化預處理包括灰度化、二值化、和形態(tài)學去噪3個步驟，所述的灰度化參照公式（1）：將圖像中每個像素點（x,y）的RGB值按照公式（1）計算獲得該點的灰度值；所述的二值化是通過設定一個閾值，并通過公式（2）將整個圖像的像素值分成兩個部分，從而將圖像轉換為二值化圖像。公式（2）：T]]>形態(tài)學去噪是指使用數(shù)學形態(tài)學里面的“腐蝕”與“膨脹”算子所構成的“開運算”和“閉運算”對二值圖像進行形態(tài)學濾波，去除無關的噪點。步驟二：采用反射光圖像進行基于灰度形態(tài)學的粗分割，參照圖3，識別灰度化圖像中的每條磨粒鏈，并采用內部標記和外部標記兩種控制標記符標記磨粒鏈中的可分割磨粒，進一步采用分水嶺變換獲得上述可分割磨粒的灰度分割線，并將此分割線疊加到對應的二值化圖像中實現(xiàn)粗分割；具體為：（1）、以透射光二值結果中磨粒鏈的位置為參考，通過連通域方法識別反射光灰度化圖像（參照附圖1-b）中的磨粒鏈，識別結果為6條磨粒鏈，分別對每條磨粒鏈進行磨粒分割操作，為了簡化僅對圖1-b中4號磨粒鏈的分割過程進行說明；（2）、采用‘sobel’算子計算其梯度幅度圖像(參照附圖6-a)，圖中白亮區(qū)域為梯度幅度的極小值區(qū)域Imgmin；（3）、使用應用最小強制方法進行局部極小值融合，從而獲得改進的極小值區(qū)域，去掉無關的極小值區(qū)域獲得改進的極小值區(qū)域Imgmin’作為內部標記符Imginner(參照如圖6-b）；（4）、對Imgmin’分別進行距離變換以及分水嶺變換獲得外部標記符Imgexter(參照附圖6-c）；（5）、將內外標記符疊加至梯度幅度圖像Imggrad進行修改，使用Matlab函數(shù)imimposemin對圖像Img_exter進行修改，使局部最小區(qū)域出現(xiàn)在標記的位置，即以標記符所處位置為新的極小值位置，同時其他局部最小區(qū)域將被增亮并刪除，修改后的梯度幅度圖像NImggrad(參照圖6-d）；（6）、以修改后的梯度幅度圖像NImggrad為對象進行分水嶺分割獲得灰度形態(tài)學下的分割線Seglinegray(參照圖6-e），將分割線Seglinegray疊加至原灰度圖獲得灰度形態(tài)學粗分割結果(參照圖6-f），至此實現(xiàn)4號磨粒鏈的分割；（7）、重復上述過程，將各條鏈所獲得的灰度形態(tài)學分割線疊加在目標圖像中形成分割線集合分布圖（參照圖7-a），將分割線分布分別疊加到二值化圖和目標灰度圖像中，可以看到整幅圖像的分割效果(參照圖7-c和圖7-b)。至此實現(xiàn)了目標圖像的粗分割。步驟三：針對上述粗分割后的二值化圖像進行精細——多尺度二值形態(tài)學分割：針對每條磨粒鏈采用變尺度的腐蝕-膨脹算法實現(xiàn)對大小磨粒的分割，獲得二值分割線；二值形態(tài)學多尺度分割過程可以分解為針對不同尺寸的粘連顆粒的分割過程，如圖4中上部的小尺度分割與下部的大尺度分割。對于一條待分割磨粒鏈，對磨粒鏈中尺寸較小的粘連顆粒實行小尺度分割（圖4上部），分別經過“腐蝕”、“條件膨脹”、“獲得分割線結果”等過程將所得到的分割線存儲至“分割結果”集合中。對尺寸較大的粘連顆粒實行大尺度分割（圖4下部），分別經過“腐蝕”、“條件膨脹”、“獲得分割線結果”等過程將所得到的的分割線存儲至“分割結果”集合中。不同尺度之間的分割過程互不影響，分割尺度通過腐蝕與膨脹次數(shù)來控制。在獲得每一個尺度下的分割結果后，疊加至原圖即可獲得最終的二值分割結果。具體如下：參照圖8，對基于透射光的二值形態(tài)學多尺度分割實現(xiàn)過程做詳細的說明：（1）小尺度磨粒分割準備：確定腐蝕尺度及結構元素的大?。怀叨?：（2）標記原圖像Imgo（8-n）中的連通區(qū)域的數(shù)量NUMtotal-0(當前為1)，統(tǒng)計當前圖像中面積小于腐蝕尺度1的連通區(qū)域數(shù)量NUMdis（當前為0）（這些區(qū)域將隨著尺度1的腐蝕而消失）；（3）以腐蝕尺度1對待分割圖像Imgo進行腐蝕獲得分割尺度1下的“核”（圖8-a），判斷腐蝕后連通區(qū)域的數(shù)量NUMtotal-1（當前為2）；（4）進行終止條件判斷（參照圖5），NUMadd=2-1+0=1>0,不需要終止；（5）使用條件膨脹處理這些“核”獲得尺度1下的分割結果(8-b)；（6）對二值圖像img0與尺度1下的分割結果進行亦或運算獲得尺度1下的分割線(8-c)；尺度2：（7）標記上一尺度分割結果（8-b）中的連通區(qū)域的數(shù)量NUMtotal-0(當前為2)，統(tǒng)計當前圖像中面積小于腐蝕尺度2的連通區(qū)域數(shù)量NUMdis（當前為1）（這些區(qū)域將隨著尺度1的腐蝕而消失）；（8）以腐蝕尺度2對待分割圖像Imgo進行腐蝕獲得分割尺度2下的“核”（圖8-d），判斷腐蝕后連通區(qū)域的數(shù)量NUMtotal-1（當前為2）；（9）進行終止條件判斷（參照圖5），NUMadd=2-2+1=1>0，不需要終止；（10）使用條件膨脹處理這些“核”獲得尺度2下的分割結果(8-e)；（11）對二值圖像img0與尺度2下的分割結果進行亦或運算獲得尺度2下的分割線(8-f)；尺度3：（12）標記上一尺度分割結果（8-e）中的連通區(qū)域的數(shù)量NUMtotal-0(當前為2)，統(tǒng)計當前圖像中面積小于腐蝕尺度3的連通區(qū)域數(shù)量NUMdis（當前為0）（這些區(qū)域將隨著尺度3的腐蝕而消失）；（13）以腐蝕尺度3對待分割圖像Imgo進行腐蝕獲得分割尺度3下的“核”（圖8-g），判斷腐蝕后連通區(qū)域的數(shù)量NUMtotal-1（當前為3）；（14）進行終止條件判斷（參照圖5），NUMadd=3-2+0=1>0，不需要終止；（15）使用條件膨脹處理這些“核”獲得尺度3下的分割結果(8-h)；（16）對二值圖像img0與尺度3下的分割結果進行亦或運算獲得尺度3下的分割線(8-i)尺度4：（17）標記上一尺度分割結果（8-h）中的連通區(qū)域的數(shù)量NUMtotal-0(當前為3)，統(tǒng)計當前圖像中面積小于腐蝕尺度4的連通區(qū)域數(shù)量NUMdis（當前為0）（這些區(qū)域將隨著尺度4的腐蝕而消失）；（18）以腐蝕尺度4對待分割圖像Imgo進行腐蝕獲得分割尺度4下的“核”（圖8-j），判斷腐蝕后連通區(qū)域的數(shù)量NUMtotal-1（當前為3）；（19）進行終止條件判斷（參照圖5），NUMadd=3-3+0=0，滿足終止條件，終止；（20）將各個尺度下獲得的分割線疊加（8-k）；（21）分割線疊加至原圖（8-l）；（22）使用面積閾值法獲得后處理結果（8-m）；至此，二值形態(tài)學多尺度分割過程結束。下面為該方法應用于基于灰度形態(tài)學粗分割結果的過程描述：（23）讀入步驟二中灰度形態(tài)學所獲得的粗分割線，并疊加到二值化圖像（參照圖7-c）中。通過連通域方法識別圖像中的磨粒鏈，分別對每條磨粒鏈進行磨粒分割操作，為了簡化僅對（4）號磨粒鏈的分割過程進行說明；（24）以圖7-c中的“4”號磨粒鏈為例，在讀入粗分割結果（圖8-o）之后，重復上述（2）～（22）所述的多尺度二值形態(tài)學分割，輸出最終分割結果Img(圖8-p)；（25）參照圖9,實現(xiàn)對所有的磨粒鏈的分割，對每一條磨粒鏈進行相同的操作，步驟四、將二值分割線疊加到原始的透射光圖像和反射光圖像即可獲得分割后的磨粒圖像。將二值形態(tài)學所獲得的分割結果疊加邊緣算子獲得邊緣（圖9-m），并疊加至原圖作為最終的分割結果效果圖（圖9-n），將本發(fā)明最終所獲得的二值分割結果（圖9-l）用于特征提??；讀入分割結果二值形式（圖9-l），進行單磨粒特征參數(shù)的提取，提取磨粒的數(shù)量、面積、周長和等效尺寸；具體包括以下步驟：（1）提取磨粒數(shù)量：標記聯(lián)通區(qū)域，輸出的連通區(qū)域n即為磨粒數(shù)量；（以下特征均針對某一標記過的單個磨粒展開）（2）面積：統(tǒng)計屬于標記域的像素點個數(shù)為該域的面積A；（3）周長：利用邊緣算子獲得區(qū)域輪廓，使用鏈碼追蹤獲得該域的周長C；（4）等效直徑：根據磨粒的面積和周長，計算出磨粒的等效尺寸其中，l為單位像素點所表示的實際尺寸；最后參數(shù)提取結果存儲至數(shù)據庫。