CN101509870B - 橡胶制品中碳黑含量等级分析方法 - Google Patents

Abstract

本发明提供一种用于橡胶制品中碳黑含量等级分析方法，其测量的不可靠性较目前的工艺方法要小，更准确地测定样品的性质，增强碳黑样品性质的确定性。本发明把橡胶样本经过刀片裁切后，通过分析仪扫描获得碳黑原始影像，进而减掉平均像素值，以标准影像为基准之碳黑分级，进而判断原始影像碳黑等级。本发明的碳黑自动识别方法，图形显示方便，具有丰富的图像处理能力，通过分析橡胶中碳黑徽粒图像，并进行碳黑含量等级统计分析，保障胶料质量和预侧成品性能，提高橡胶翻品的强度，改进胶料的工艺性能。

Description

橡胶制品中碳黑含量等级分析方法

技术领域

本发明涉及一种测定制品中碳黑含量的方法，尤其涉及一种测定橡胶制品中碳黑含量等级的分析方法。

背景技术

碳黑是橡胶工业不可缺少的原料，是一种无定形的碳，它有各种用途，包括作为颜料和许多橡胶制品最有效的、被广泛应用的的补强剂与增强剂，碳黑能提高胶料的硬度、模量、断裂能量、抗张强度、抗撕裂、耐疲劳和耐磨耗性能。碳黑的另外一大作用是有效降低橡胶制品的成本，特别是用在硅橡胶、氟橡胶和丙烯酸酯橡胶等特种橡胶制品中。对后者来说，碳黑用量越多越好，但过量的碳黑无助于增强、补强效果，反而影响制品的光洁度和拉伸性能，增加制品的加工难度，因此合理的碳黑用量是橡胶工业的研究课题。由于碳黑的物理性质彼此有差异，碳黑的物理性质变化无常，目前测定法和分析方法的精确度有限，需要改进准确测定制品中碳黑的含量的测定方法。

发明内容

针对现有技术存在的问题，本发明的目的在于克服上述现有技术的不足之处，提供一种用于橡胶制品中碳黑含量等级分析方法，本发明测定碳黑等级的方法，其测量的不可靠性较目前的工艺方法要小，更准确地测定样品的性质，增强碳黑样品性质的确定性。

为达上述目的，本发明的橡胶制品中碳黑含量等级分析方法，采用以下的技术方案：

一种橡胶制品中碳黑含量等级分析方法，其特征在于，包括下述步骤：

①、把橡胶样本经过刀片裁切后，通过分析仪扫描获得碳黑原始影像，开启碳黑粒子影像，观察橡胶样本裁切外表切面产生高低起伏的波动情况，其中波峰及波谷皆为团块的碳黑粒子，而藉由光源反射，便可利用波峰、波谷和水平面的高度差关系分辨出碳黑颗粒，进而减掉平均像素值；

②、以标准影像为基准之碳黑分级，将高度差关系以像素差关系取代，先找出似为水平面的像素，将原始影像之总像素值和除以总像素数目而推导出一平均像素值，接着将影像中每一坐标上之原始像素值减去平均像素值，将结果取绝对值得到新灰阶值如，使得每一原始像素值与平均像素值的差值作为碳黑颗粒高度差衡量的标准；

③、经过步骤②的计算可获得一新灰阶影像，提供后续影像分析使用，此时进行动态二值化，二值化区分碳黑粒子与非碳黑粒子，利用熵的概念，设T为最佳门坎值，即可利用T将影像分为C1(背景)和C2(前景)，在C1区的任一像素其灰阶值f(x，y)必满足0≤f(x，y)≤T，且C2区内的任一像素，其灰阶值f(x，y)必满足T+1≤f(x，y)≤MAX_G，令C1区的百分比为W1，而C2区的百分比为W2，此处需满足1＝W1+W2

而C2区的熵为：

$E\left(C_2\right)=-\underset{i=T+1}{\overset{{\mathrm{MAX}}_G}{\mathrm{\Σ}}}\frac{P\left(i\right)}{W_2}\×\log \left(\frac{P\left(i\right)}{W_2}\right)---\left(1\right)$

最佳门坎值T的决定需满足

$\underset{T}{\mathrm{MAX}}E\left(C_1\right)+E\left(C_2\right)---\left(2\right)$

因此在[0，255]区间内，检查所有的灰阶值直到被满足，此时必会找到一个T，即为最佳门坎值；

④、接着由所决定的动态门坎值对新灰阶影像作二值化，利用门坎值区隔出波峰以及波谷对水平面的像素差，以求得二值化后白色部分为碳黑粒子；

⑤、进行计算碳黑粒子信息：针对步骤④处理后影像，推导各碳黑粒子之总像素数目、碳黑粒子个数、平均像素数目、平均直径、最大碳黑粒子像素数目、最大碳黑粒子直径及h值，目的为求出碳黑粒子的平均像素值差；

进行分散度计算：即橡胶样本中碳黑粒子的分散情况，其中定义100为分散度百分之百，分散度愈高表碳黑粒子分布愈分散，分级度愈高；反之，分散度愈低碳黑分级愈低；

⑥、依分散度及预设标准影像据以决定二值化门坎值：步骤③所算出的动态门坎值无法使灰阶影像二值化达到与碳黑分析仪分析之相似二值化影像，以预设多组标准影像代入此样本所推导之动态门坎值，据以计算分散度，由多组标准影像所求得之每一组分散度与此样本分散度比较选取出分散度最接近此样本的标准影像，而套用由标准影像调校出的最终门坎值；

⑦、利用最终门坎值作二值化：据求得最终门坎值后，将原始碳黑粒子影像以此门坎值作二值化的标准，此步骤即为递归执行步骤②～步骤⑥，唯一改变的是将动态(最初)门坎值改成调校(最终)门坎值；

⑧、藉由分散度值及碳黑粒子信息判断碳黑分级：计算出分散度以及碳黑粒子信息后，判断碳黑分级需由分散度为主以及碳黑粒子信息来调校，首先依照求出的分散度，以预设n组标准影像为参考，定义出1～n(n＝10)组分级范围，即分散度落于何组范围即为何组分级，由步骤⑤求出的碳黑粒子信息统计分析而得，针对每一项因子皆与其分级范围内的标准影像每一项粒子信息因子作相减求差值与原值的比例关系，再将此六项比例关系分别乘以不同的权重；

⑨、最后将所求得的值相加除以总组数，再与预设的标准影像分级值作加减即求出最终的碳黑分级值，进而判断原始影像之ISO碳黑等级为1～n(n＝10)中的等级落点。

本发明的碳黑自动识别方法，其功能强大，图形显示方便，具有丰富的图像处理函数库，可以澄免萦琐的计算，通过分析橡胶中碳黑徽粒图像，并进行碳黑含量等级统计分析，确定橡胶中碳黑分散度，测定碳黑在胶料中分散的均匀程度，保障胶料质量和预侧成品性能，提高橡胶翻品的强度，改进胶料的工艺性能。

附图说明

图1是本发明的系统处理流程图；

图2是碳黑粒子切面示意图；

图3是碳黑粒子反射光源示意图。

具体实施方式

为能进一步了解本发明的特征、技术手段以及所达到的具体目的、功能，下面结合附图与具体实施方式对本发明作进一步详细描述。

1、采用GT-505CBD碳黑分析仪，获得碳黑影像规格格式：BITMAP(BMP)、Compress BITMAP(XMB)，影像维度：800x583像素，实际分析范围：721x537像素；

开启碳黑原始影像，影像由GT-505CBD碳黑分析仪扫描获得，影像维度：800x583像素，实际分析范围：721x537像素；

2、减掉平均像素值：由于橡胶样本经过刀片裁切后，会使得外表切面产生高低起伏的波动情况，如附图2，图中斜线颗粒表碳黑粒子。

其中波峰及波谷皆为团块的碳黑粒子，而藉由光源反射，便可利用波峰、波谷和水平面的高度差关系分辨出碳黑颗粒，如附图3。

利用此观念，发展以标准影像为基准之碳黑分级技术(以下称CBCBM：carbon black classification based on model templates)，中将高度差关系以像素差关系取代，因此需先找出似为水平面的像素，将原始影像(721x537)之总像素值和除以总像素数目而推导出一平均像素值，其中x、y为碳黑影像的长及宽。

接着将影像中每一坐标上之原始像素值减去平均像素值，将结果取绝对值得到新灰阶值如。目的是使得每一原始像素值与平均像素值的差值作为碳黑颗粒高度差(像素差)衡量的标准。

由以上计算可获得一新灰阶影像，提供后续影像分析使用。

3、动态二值化：动机为藉由二值化区分碳黑粒子与非碳黑粒子，而二值化门坎值随着灰阶影像的不同而有所变化，因此必须使用动态二值化判断适当的门坎值。CBCBM利用Kapur统计方式(Kapur，J.N.，Sahoo，P.K.and Wong，A.K.C.，″A new method for gray-levelpicture thresholding using the entropy of the histogram，″ComputerVision，Graphics and Image Processing 29：273-285，1985.)，方法为利用熵(Entropy)的概念，假设T为最佳门坎值，即可利用T将影像分为C1(背景)和C2(前景)，在C1区的任一像素其灰阶值f(x，y)必满足0≤f(x，y)≤T，且C2区内的任一像素，其灰阶值f(x，y)必满足T+1≤f(x，y)≤MAX_G。令C1区的百分比为W1，而C2区的百分比为W2，此处需满足1＝W1+W2

而C2区的熵为：

$E\left(C_2\right)=-\underset{i=T+1}{\overset{{\mathrm{MAX}}_G}{\mathrm{\Σ}}}\frac{P\left(i\right)}{W_2}\×\log \left(\frac{P\left(i\right)}{W_2}\right)---\left(1\right)$

最佳门坎值T的决定需满足

$\underset{T}{\mathrm{MAX}}E\left(C_1\right)+E\left(C_2\right)---\left(2\right)$

因此在[0，255]区间内，一一检查所有的灰阶值直到被满足，此时必会找到一个T，即为最佳门坎值。之所以选取两个熵和之最大值，为若选定的门坎值很不错的话，那么C1区的分布和C2区的分布将呈现较平滑的情形。机率分布愈平滑的事件集所表现出来的熵会愈大；反之，机率分布愈不均匀，所表现出来的熵会愈小，即为Kapur的概念。接着由所决定的动态门坎值对新灰阶影像作二值化的动作，动机是利用门坎值区隔出波峰以及波谷对水平面的像素差，以求得二值化后白色部分为碳黑粒子。此外，在此处需使用递归方式作处理，即若已二值化处理后影像之黑色部分(非碳黑粒子)新平均像素值与之前于步骤2中所推导之平均像素值不同时，则认为步骤2推导的并非理想之平均像素值，必须递归至步骤2重行执行。重新将原始影像每一坐标像素值减掉新平均像素值而得的新灰阶影像，继续执行步骤3动态二值化操作，直至新平均像素值与平均像素值一致。

4、去除噪声颗粒：动机为使二值化后过小及过大之碳黑粒子(白色部分)加以滤除及分解，判断粒子大小之准则为：

像素数目小于拟定之n碳黑粒子将予滤除；

像素数目大于拟定m之碳黑粒子先对粒子亮度进行判读，若属于较亮粒子，则将此粒子中小于此粒子平均像素值之像素加以滤除，即为分解例子动作，递归处理直至像素数目小于m为止。反之，若判读属于较暗粒子，则将此粒子完全滤除。

5、计算碳黑粒子信息：针对步骤4处理后影像，推导各碳黑粒子之总像素数目、碳黑粒子个数、平均像素数目、平均直径、最大碳黑粒子像素数目、最大碳黑粒子直径及h值，其中h值定义如下，目的为求出碳黑粒子的平均像素值差。

6、计算分散度：即橡胶样本中碳黑粒子的分散情况，其中定义100为分散度百分之百，分散度愈高表碳黑粒子分布愈分散，分级度愈高；反之，分散度愈低碳黑分级愈低。

7、依分散度及预设标准影像据以决定二值化门坎值：动机为步骤3所算出的动态门坎值无法使灰阶影像二值化达到与碳黑分析仪分析之相似二值化影像，因此需以动态门坎值为辅，藉由算出的分散度及预设标准影像为主来决定最终的门坎值。以预设多组标准影像代入此样本所推导之动态门坎值，据以计算分散度，由多组标准影像所求得之每一组分散度与此样本分散度比较选取出分散度最接近此样本的标准影像，而套用由标准影像调校出的最终门坎值。其最终门坎值的求法为将此样本的动态门坎值与平均像素值和标准影像的动态门坎值与平均像素值之差距总和除以4再加上标准影像其理想门坎值计算调校而得。而标准影像其理想门坎值为最近似于GT-505CBD碳黑分析仪二值化结果的门坎值(已在初始定义)，因此可由计算调校出最终门坎值以进行二值化操作。令样本影像动态门坎值为Sample_Threshold，平均像素值为Sample_Mean，而标准影像动态门坎值为Standard_Threshold，平均像素值Standard_Mean，标准影像理想门坎值为Standard_Ideal_Threshold，而最终门坎值为Final_Threshold。

8、利用最终门坎值作二值化：据求得最终门坎值后，将原始碳黑粒子影像以此门坎值作二值化的标准。方法为先将原始影像每一坐标上之原始像素值减去平均像素值先求得新灰阶影像，再将此影像以最终门坎值作二值化工作，同时也需检查二值化处理后影像之黑色部分(非碳黑粒子)新平均像素值与之前所推导之平均像素值不同时，必须递归重行执行，直到两者一致时，对二值化影像进行去除噪声颗粒以及计算碳黑粒子信息步骤，直至求出最终的分散度以及最终的碳黑粒子信息(即为理想分散度及碳黑粒子信息)。简言之，此步骤即为递归执行步骤2～6，唯一改变的是将动态(最初)门坎值改成调校(最终)门坎值。

9、藉由分散度值及碳黑粒子信息判断碳黑分级：计算出分散度以及碳黑粒子信息后，接着就是判断分级的工作。判断碳黑分级需由分散度为主以及碳黑粒子信息来调校，首先依照求出的分散度，以预设n组标准影像为参考，定义出1～n组分级范围，即分散度落于何组范围即为何组分级，但以上步骤只能判断出样本为何组分级范围，必须再细分决定出更详细的分级信息。方法为由步骤5求出的碳黑粒子信息统计分析而得，信息包括各碳黑粒子之总像素数目、碳黑粒子个数、最大碳黑粒子像素数目、最大碳黑粒子直径为主，平均像素数目、平均直径为辅。其中以预设10组标准影像的碳黑粒子信息为基准，给予各碳黑粒子之总像素数目、碳黑粒子个数、最大碳黑粒子像素数目、最大碳黑粒子直径四项因子较高的权重，平均像素数目、平均直径两项因子较低的权重，针对每一项因子皆与其分级范围内的标准影像每一项粒子信息因子作相减求差值与原值的比例关系。再将此六项比例关系分别乘以不同的权重。

(9)：令样本碳黑粒子之总像素数目为Sample_Total。

(10)：令样本碳黑粒子个数为Sample_Num，标准影像碳黑粒子个数为Standard_Num。

(11)：令样本最大碳黑粒子像素数目为Sample_Biggest，标准影像最大碳黑粒子像素数目为Standard_Biggest。

(12)：令样本最大碳黑粒子直径为Sample_Longest，标准影像最大碳黑粒子直径为Standard_Longest。

(13)：令样本碳黑粒子平均像素数目为Sample_Avg_Pixel，标准影像碳黑粒子平均像素数目为Standard_Avg_Pixel。

(14)：令样本碳黑粒子平均直径为Sample_Avg_Diameter，标准影像碳黑粒子平均直径为Standard_Avg_Diameter。

最后将式(9)～(14)所求得的值相加除以总组数，再与预设的标准影像分级值作加减即求出最终的分级值(分级值为小数点第三位四舍五入至小数点第二位)。

10、碳黑分级值：将碳黑分级值四舍五入至整数后，进而判断原始影像之ISO碳黑等级为1～n(n＝10)中的等级落点。

以上所举实施例仅用为方便举例说明本发明，并非对本发明作任何形式上的限制，任何所属技术领域中具有通常知识者，若在不脱离本发明所提技术特征的范围内，利用本发明所揭示技术内容所作出局部更动或修饰的等效实施例，并且未脱离本发明的技术特征内容，均仍属于本发明技术特征的范围内。

Claims (1)

1.一种橡胶制品中碳黑含量等级分析方法，其特征在于，包括下述步骤：

①、把橡胶样本经过刀片裁切后，通过分析仪扫描获得碳黑原始影像，开启碳黑粒子影像，观察橡胶样本裁切外表切面产生高低起伏的波动情况，其中波峰及波谷皆为团块的碳黑粒子，而藉由光源反射，便可利用波峰、波谷和水平面的高度差关系分辨出碳黑颗粒，进而减掉平均像素值；

②、以标准影像为基准之碳黑分级，将高度差关系以像素差关系取代，先找出似为水平面的像素，将原始影像之总像素值和除以总像素数目而推导出一平均像素值，接着将影像中每一坐标上之原始像素值减去平均像素值，将结果取绝对值得到新灰阶值，使得每一原始像素值与平均像素值的差值作为碳黑颗粒高度差衡量的标准；

③、经过步骤②的计算可获得一新灰阶影像，提供后续影像分析使用，此时进行动态二值化，二值化区分碳黑粒子与非碳黑粒子，利用熵的概念，设T为最佳门坎值，即可利用T将影像分为C1背景和C2前景，在C1区的任一像素其灰阶值f(x，y)必满足0≤f(x，y)≤T，且C2区内的任一像素，其灰阶值f(x，y)必满足T+1≤f(x，y)≤MAX_G，令C1区的百分比为W1，而C2区的百分比为W2，此处需满足1＝W1+W2

而C2区的熵为：

$E\left(C_2\right)=-\underset{i=T+1}{\overset{{\mathrm{MAX}}_G}{\mathrm{\Σ}}}\frac{P\left(i\right)}{W_2}\×\log \left(\frac{P\left(i\right)}{W_2}\right)---\left(1\right)$

最佳门坎值T的决定需满足

$\underset{T}{\mathrm{MAX}}E\left(C_1\right)+E\left(C_2\right)---\left(2\right)$

因此在[0，255]区间内，检查所有的灰阶值直到被满足，此时必会找到一个T，即为最佳门坎值；

④、接着由所决定的动态门坎值对新灰阶影像作二值化，利用门坎值区隔出波峰以及波谷对水平面的像素差，以求得二值化后白色部分为碳黑粒子；

⑤、进行计算碳黑粒子信息：针对步骤④处理后影像，推导各碳黑粒子之总像素数目、碳黑粒子个数、平均像素数目、平均直径、最大碳黑粒子像素数目、最大碳黑粒子直径及h值，目的为求出碳黑粒子的平均像素值差；

进行分散度计算：即橡胶样本中碳黑粒子的分散情况，其中定义100为分散度百分之百，分散度愈高表示碳黑粒子分布愈分散，分级度愈高；反之，分散度愈低碳黑分级愈低；

⑥、依分散度及预设标准影像据以决定二值化门坎值：步骤③所算出的动态门坎值无法使灰阶影像二值化达到与碳黑分析仪分析之相似二值化影像，以预设多组标准影像代入此样本所推导之动态门坎值，据以计算分散度，由多组标准影像所求得之每一组分散度与此样本分散度比较选取出分散度最接近此样本的标准影像，而套用由标准影像调校出的最终门坎值；

⑦、利用最终门坎值作二值化：据求得最终门坎值后，将原始碳黑粒子影像以此门坎值作二值化的标准，此步骤即为递归执行步骤②～步骤⑥，唯一改变的是将动态门坎值改成调校门坎值；

⑧、藉由分散度值及碳黑粒子信息判断碳黑分级：计算出分散度以及碳黑粒子信息后，判断碳黑分级需由分散度为主以及碳黑粒子信息来调校，首先依照求出的分散度，以预设n组标准影像为参考，定义出1～n组分级范围，即分散度落于何组范围即为何组分级，由步骤⑤求出的碳黑粒子信息统计分析而得，针对每一项因子皆与其分级范围内的标准影像每一项粒子信息因子作相减求差值与原值的比例关系，得到六项比例关系：碳黑粒子之总像素数目、碳黑粒子个数、最大碳黑粒子像素数目、最大碳黑粒子直径、碳黑粒子平均像素数目、碳黑粒子平均直径，再将此六项比例关系分别乘以不同的权重；

⑨、最后将所求得的值相加除以总组数，再与预设的标准影像分级值作加减即求出最终的碳黑分级值，进而判断原始影像之ISO碳黑等级为1～n中的等级落点。

Images