本發(fā)明涉及一種用于檢測粒子流中雜色粒子的檢測方法，特別是一種自動識別雜色粒子的彩色編碼方法，屬于光電檢測領(lǐng)域。

背景技術(shù)：

高分子聚合物制品是近年來我國飛速發(fā)展的一種加工材料，被廣泛應用于各個領(lǐng)域，在機械配件、兒童玩具、工農(nóng)業(yè)、生物醫(yī)學及包裝工業(yè)中均已成為重要的材料。當以工業(yè)規(guī)模生產(chǎn)時，材料無缺陷不僅僅是一個美學問題，在多數(shù)情況下還是一個絕對的品質(zhì)要求。因此，其原材料供應商對產(chǎn)品的質(zhì)量要求不斷增長。

目前國內(nèi)還沒有一套完整的用于彩色粒子掃描并自動記錄特定缺陷顏色、出現(xiàn)頻率等相關(guān)統(tǒng)計數(shù)據(jù)的系統(tǒng)，對聚合物工業(yè)原材料的實驗室檢測主要依靠進口設備。

運用彩色ccd面陣相機記錄粒子流的圖像，對圖像進行分析，準確快速地獲得粒子流中彩色雜質(zhì)的顏色、數(shù)目、尺寸等信息，解放了勞動力，具有極大的工程應用價值。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于針對已有技術(shù)存在的不足，提供一種自動識別雜色粒子的彩色編碼方法，自動檢測粒子流中彩色雜質(zhì)顏色、對應數(shù)目和尺寸，該方法準確簡便，實用可行。

為達到上述目的，本發(fā)明采用下述技術(shù)方案：

一種自動識別雜色粒子的彩色編碼方法，其特征在于操作步驟如下：

1)利用彩色面陣相機記錄粒子流圖像，每一個像素點具有r、g、b三個值。

2)將步驟1)中獲得的圖像由rgb轉(zhuǎn)換為hsi。相機記錄的原始圖像每個像素點具有r、g、b三個值，rgb模型(如圖2所示)基于三基色原理，面向硬件，便于顏色的采集和顯示，但不便于圖像處理。所以需要將rgb模型向hsi(色度hue，飽和度saturation，亮度intensity)模型(如圖3所示)進行轉(zhuǎn)換。這實際上是一個基于笛卡爾坐標系的立方體向一個基于圓柱極坐標系的圓柱體的轉(zhuǎn)換。

hsi圓柱極坐標的定義是這樣的，亮度沿圓柱體的徑向分布，中心為黑(0％)外側(cè)為白(100％)。飽和度沿圓柱體的高分布，自下而上從0％(最弱)到100％(最強烈)。色度沿中心軸成0-360°分布。從0°(紅)開始到60°(黃)、120°(綠)、180°(青)、240°(藍色)、300°(品紅)。將hsi模型外表面，即i＝1的表面展開，如圖4所示。

將rgb值歸一化到此h-s平面(i＝1)：

歸一化后的轉(zhuǎn)換分段模型表示如下(rgb→hsi)：

s＝1-min

i＝max

hsi模型相對于傳統(tǒng)的rgb模型的優(yōu)點在于缺陷粒子雜質(zhì)塊的描述，如圖5所示。每個棕色的點代表棕色雜質(zhì)塊上的一個像素，每個白色的點代表背景的一個像素，為了簡化這里只顯示兩維。

在r/g平面，很難定義一個只包含雜質(zhì)塊(棕色的點)而不包含背景(白色的點)的區(qū)域。如果加上第3維b，描述這樣的一個顏色區(qū)域?qū)⒆兊脦缀醪豢赡?。而在hs平面，棕色點的區(qū)域可以很方便的用一個矩形框：hue＝10～50°，saturation＝20～100％去定義。加上第3維intensity，雜質(zhì)塊的區(qū)域由矩形框變?yōu)殚L方體，仍然不是一個復雜的形狀。比如深棕色可以用hue＝10～50°，saturation＝20～100％，intensity＝0～50％去表示。hsi模型的優(yōu)勢顯而易見。

3)利用hue，saturation，intensity的范圍定義要識別的雜質(zhì)類別。

4)對于hsi在步驟3)中定義范圍內(nèi)的像素點予以識別，判斷為雜質(zhì)塊，并計算出該雜質(zhì)塊的輪廓、質(zhì)心位置坐標以及尺寸。其中質(zhì)心位置坐標(x,y)和尺寸(size)存儲如下(n表示顏色類別)：

在粒子運動過程中，相機實時記錄粒子流圖像，同一個粒子會被檢測到多次，使用下列追蹤算法避免對同一粒子的重復計數(shù)。

5)將顏色、質(zhì)心位置坐標存儲于目標鏈，記為：

6)每次處理新的當前幀，重復步驟2)、步驟4)，得到當前幀圖像中缺陷粒子雜質(zhì)塊的顏色、位置坐標以及尺寸如下：

7)將步驟6)中位置坐標依次與步驟5)中目標鏈的每個元素進行比對，如果存在一個顏色相同，位置落在目標鏈中元素(i)的行進路線范圍內(nèi)，且距離超過某一門限值(min_distance)。即質(zhì)心位置坐標滿足如下關(guān)系：

其中：x_d＝detection[n].centre[l].x-mb[n].centre[i].x

y_d＝detection[n].centre[l].y-mb[n].centre[i].y

則認為該位置就是前一幀的元素(i)的運動區(qū)域，并用其更新替代目標鏈的元素(i)，追蹤到的次數(shù)增加1次。

當目標鏈中某一元素追蹤到的次數(shù)累計增加到一定次數(shù)，則認為該缺陷追蹤成功，缺陷個數(shù)增加1。

當步驟6)中所有位置坐標檢查完畢，存在未與目標鏈元素匹配的位置，則將其加入到目標鏈，成為新的目標元素。

如果目標鏈中存在未能匹配的元素，則該元素未追蹤到的次數(shù)增加1次。

當目標鏈中某一元素未追蹤到的次數(shù)累計增加到一定次數(shù)，則認為該目標已經(jīng)離開視野范圍，清空該目標鏈元素，下一次不再追蹤。

執(zhí)行過程如圖6所示。粒子自右向左移動，在第一幀圖像中3個粒子(紅、綠、藍)第一次被檢測到，分別在每一個粒子周圍定義一個矩形框，它規(guī)定了下一幀圖像采集時這個粒子可以移動的范圍。當下一幀圖像被采集時，粒子移動了一定的距離，所有被檢測到的粒子分別與先前定義的矩形框比對。三個粒子均成功比對，紅色和綠色的粒子移動的距離大于門限值(min_distance)，追蹤成功。藍色粒子幾乎沒有移動，被判斷為背景污點。

8)接收新的當前幀，重復以上步驟。

附圖說明

圖1是本發(fā)明的操作程序框圖。

圖2是傳統(tǒng)rgb色彩空間模型。

圖3是本發(fā)明采用的hsi柱狀色彩空間示意圖。

圖4是將rgb值歸一化到此h-s平面的結(jié)果。

圖5是本發(fā)明所利用的hsi柱狀色彩空間與rgb色彩空間相比的優(yōu)越性。

圖6是本發(fā)明所采用的追蹤算法過程示意圖。

圖7是彩色面陣相機記錄實時粒子流圖像的當前幀。

圖8是本發(fā)明所定義的兩種缺陷粒子類別的his色彩空間分布示意圖。

圖9是當前幀圖像的處理結(jié)果。

具體實施方式

本發(fā)明的優(yōu)選實施例結(jié)合附圖詳述如下：

一種自動識別雜色粒子的彩色編碼方法，快速準確的分別統(tǒng)計粒子流中黑色及彩色雜質(zhì)數(shù)目，操作步驟如下：

1)利用彩色面陣相機記錄粒子流圖像，當前幀如圖7所示。

2)將步驟1)中獲得的圖像由rgb轉(zhuǎn)換為hsi色彩空間。具體算法如下：

將rgb值歸一化到此h-s平面(i＝1)：

于是存在下列6種情形：

①r＝1，g≥b；

②r＝1，g＜b；

③g＝1，r＞b；

④g＝1，r≤b；

⑤b＝1，r＜g；

⑥b＝1，r≥g.

歸一化后的轉(zhuǎn)換分段模型表示如下(rgb→hsi)：

s＝1-min

i＝max

3)定義兩種要識別的雜質(zhì)類別：黑色和其他。如圖8所示。

黑色粒子定義為：h＝0～360°，s＝0～40％，i＝0～55％。在此顏色類別的定義中，只要亮度值不高于55％的粒子就會被識別，并不在乎它是深藍還是深紅或是深灰。

其他類別的雜質(zhì)定義為：h＝0～360°，s＝30～100％，i＝0～100％。在此顏色類別的定義中，只要飽和度值不低于40％的粒子就會被識別為其他類別的雜質(zhì)，不區(qū)別是深紅還是淺紅或是淺黃。

4)按照步驟3)中雜質(zhì)的定義，處理步驟2)中獲得圖像，獲得缺陷粒子上雜質(zhì)塊的輪廓、質(zhì)心位置以及尺寸。結(jié)果如圖9所示。

5)將顏色、質(zhì)心位置信息存儲于目標鏈。

6)每次處理新的當前幀，重復步驟2)、步驟4)，得到當前幀的顏色、質(zhì)心位置、缺陷尺寸。

7)將步驟6)中位置坐標依次與5)中目標鏈的每個元素進行比對，如果存在一個顏色相同，位置落在目標鏈中元素(i)的行進路線范圍內(nèi)，且距離超過某一門限值(min_distance)。即質(zhì)心位置坐標滿足如下關(guān)系：

其中：x_d＝detection[n].centre[l].x-mb[n].centre[i].x

y_d＝detection[n].centre[l].y-mb[n].centre[i].y

則認為該位置就是前一幀的元素(i)的運動區(qū)域，并用其更新替代目標鏈的元素(i)，追蹤到的次數(shù)增加1次。

當目標鏈中某一元素追蹤到的次數(shù)累計增加到一定次數(shù)，則認為該缺陷追蹤成功，缺陷個數(shù)增加1。

當當前幀中所有位置坐標檢查完畢，仍存在未與目標鏈元素匹配的位置，則將其加入到目標鏈，成為新的目標元素。

如果目標鏈中存在未能匹配的元素，則該元素未追蹤到的次數(shù)增加1次。

當目標鏈中某一元素未追蹤到的次數(shù)累計增加到一定次數(shù)，則認為該目標已經(jīng)離開視野范圍，清空該目標鏈元素，下一次不再追蹤。

8)接收新的當前幀，重復以上步驟。