CN102737246B - 基于Canny算子的泡沫边界识别和粒度分析方法 - Google Patents
基于Canny算子的泡沫边界识别和粒度分析方法 Download PDFInfo
- Publication number
- CN102737246B CN102737246B CN201210195198.4A CN201210195198A CN102737246B CN 102737246 B CN102737246 B CN 102737246B CN 201210195198 A CN201210195198 A CN 201210195198A CN 102737246 B CN102737246 B CN 102737246B
- Authority
- CN
- China
- Prior art keywords
- foam
- lines
- identification
- bus
- circular
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
一种基于Canny算子的泡沫边界识别和粒度分析方法。特征是调入图像后,根据泡沫的状态在“圆形泡沫识别”和“非圆形泡沫识别”之间作出选择;在“圆形泡沫识别”中首先灰度化原图,然后一方面对灰度图进行对数增强和临界二值化处理,另一方面引入Canny算子识别灰度图中的泡沫边界并进行膨胀处理,最后叠加二图并连接泡沫边界线条;在“非圆形泡沫识别”中首先对原图进行Laplace增强处理,然后引入Canny算子提取泡沫的边界,反复使用“腐蚀、扫描、分割、填充”逐步识别标记泡沫,最后连接泡沫边界线条;最终得到粒度分析报告。本发明能够识别边界和背景对比度小的泡沫,计算复杂度低、速度快,适用于灭火泡沫、浮选泡沫、钻井泡沫等对象。
Description
技术领域
本发明属于计算机图像识别领域,具体涉及一种边界和背景对比度小的泡沫边界识别及其粒度分析方法,适用于分析灭火泡沫、浮选泡沫和钻井泡沫等对象。
背景技术
泡沫始终处于一种流动、变化的过程,泡沫的结构影响着泡沫的稳定性,因此泡沫的表征对于泡沫性能的发挥十分重要。近年来,有研究人员基于液体导电、气体不导电的原理研究泡沫的结构,但是这种电导率的方法只能获得液相泡沫的总体信息,而不能精确观察微观泡沫的结构;也有研究人员利用数字相机记录泡沫的微观结构,并研究泡沫渗流的传播规律,但是研究的对象仅为一维的泡沫;也有研究人员采用数学模拟的方法研究二维泡沫的结构,但该方法和直接观察泡沫的实际状况区别很大,同时也未能深入研究泡沫的柏拉图通道变化;也有研究人员使用图像分析泡沫的结构轮廓并得到泡沫的平均粒径,但是研究的对象仅仅为分散的、圆形泡沫,没有对紧贴在一起的、非圆形的泡沫进行分析。
引入新技术研究灭火泡沫的微观结构是当前研究的一种趋势。Canny算子是一种最优边界识别算子,在边界的识别检测中具有低误判率、高定位精度、抑制虚假边界等特点,广泛用于如人脸识别、大米边界识别、焊缝识别等。但是使用该算子得到的检测点信息较少,难以精确提取图像轮廓。虽然有Canny算子和其他算子(如Sobel算子、Laplace算子)结合使用的报道,但是在Canny算子中引入“母线”和“拟合圆”等概念、多次应用“腐蚀、扫描、分割、填充”的研究鲜有报道。
发明内容
本发明的目的是克服现有技术存在上述不足,提供一种基于Canny算子的泡沫边界识别和粒度分析方法。本发明利用体视显微镜直接观察采集灭火泡沫的图像信息,引入Canny算子识别泡沫的边界,并最终实现泡沫的粒度分析。
本发明提供的基于Canny算子的泡沫边界识别和粒度分析方法,包括以下步骤:
步骤(1)调入图像
采集泡沫图像时,调整光源的亮度,辅以调节软件的对比度、曝光度、亮度,得到边界明显的泡沫图像;
步骤(2)判断图像
根据图像中泡沫的整体状态判断泡沫的类型,在“圆形泡沫识别”和“非圆形泡沫识别”之间做出选择,对于“圆形泡沫识别”转步骤(3),对于“非圆形泡沫识别”转步骤(4);
步骤(3)圆形泡沫的边界识别
首先对原图进行灰度化处理,然后一方面对灰度图进行对数增强和临界二值化处理,得到了代表边界信息的、突出的点或线条,另一方面引入Canny算子识别灰度图中的泡沫边界,并对代表边界信息的点或线条进行膨胀处理,然后叠加两图中的点或线条,将连在一起的点或线条连接成新的线条,并进行线条的预处理,最后连接线条并形成完整的泡沫边界,完成所有泡沫的边界识别;
步骤(4)非圆形泡沫的识别
首先对原图进行Laplace增强,得到了代表边界信息的、突出的点或线条,然后引入Canny算子识别点或线条,反复使用“腐蚀、扫描、分割、填充”逐步识别标记泡沫,连接线条并形成完整的泡沫边界,完成所有泡沫的边界识别;
步骤(5)在“圆形泡沫识别”或“非圆形泡沫识别”的基础上进行泡沫的粒度分析,得到单位面积泡沫数目、泡沫粒度分布曲线、泡沫面积百分比这些数据。
在所述步骤(2)进行的处理过程中,泡沫左右边界的距离与泡沫上下边界的距离小于边界间平均距离(即泡沫的直径)的15%,则该泡沫为圆形泡沫,如果所分析的图像中圆形泡沫占全体泡沫的比例大于90%,则选择“圆形泡沫识别”,否则选择“非圆形泡沫识别”;
在所述步骤(3)进行的处理过程中,引入的Canny算子的阙值为100,该算子的卷积核为
-1 | -1 | -1 |
-1 | 9 | -1 |
-1 | -1 | -1 |
两图叠加后将连在一起的点或线条连接成新的线条,线条所在的圆为该泡沫的拟合圆;定义长度大于所在拟合圆1/3的线条为“母线”,作为主动连接的对象,定义长度大于所在拟合圆1/6、小于等于所在拟合圆1/3的线条为“脊线”,只作为被动连接的对象,定义长度小于等于所在拟合圆周长1/6的线条为“弧段”,在连接时被忽略;
在所述步骤(3)进行的处理过程中,在线条的预处理时,检查所有母线和脊线拟合圆的相对位置,当出现拟合圆相交且相交部分面积大于小拟合圆或同等面积拟合圆的面积的3/4时,则从长度最长的母线两端开始延伸线段,如果有多个长度相等的母线,则按照先上后下、先左后右的顺序进行,将延伸的线段连接至未连接的点或线条成为新的母线,延伸的线段长度不超过该母线所在拟合圆周长的1/8,延伸的线段与母线端点的切线夹角不超过30°,最终实现母线长度的增加与母线数量的减少,这对于下一步的颗粒连接是十分有利的。
在所述步骤(3)进行的处理过程中,在线条预处理后、连接线条并形成完整的泡沫边界时,从母线的两个端点开始延伸线段,从长度最长的母线开始进行连接,如果出现多个长度相同的母线时则按照先左后右、先上后下的顺序进行,将延伸的线段连接至母线或脊线的端点,并以所连接线条的另外一个端点为开始继续延伸线段,直至母线封闭,延伸的线段长度不超过母线所在拟合圆周长的1/4,延伸的线段与母线端点的切线夹角不超过60°,如果有多个满足要求的待连接的线条端点,那么选择夹角最小的线段进行连接,如果不能实现母线封闭则放弃该母线的处理;
在所述步骤(3)进行的处理过程中,对于自动识别出来但有误差的泡沫,可以进行手动修改;对于未能自动识别、而人眼能够识别的泡沫,则通过手动添加的形式实现。
在所述步骤(4)进行的处理过程中,使用Laplace算子进行图像的增强处理,引入的Canny算子阙值为100,该算子的卷积核为
-1 | -1 | -1 |
-1 | 9 | -1 |
-1 | -1 | -1 |
在所述步骤(4)进行的处理过程中,引入Canny算子识别出代表边界信息的点或线条后,首先通过“腐蚀”去除干扰的点或线条以消除图像的噪声,“扫描”图像得到能够识别出具有完整泡沫边界的部分,然后“分割”该部分,针对该部分保存信息并“填充”该处泡沫,在下一轮的“腐蚀、扫描、分割、填充”过程中则不再分析此处;反复进行“腐蚀、扫描、分割、填充”,连接线条并形成完整的泡沫边界,完成所有泡沫的边界识别,如果没有搜索到新的泡沫,则认为已经识别完整体图片的泡沫边界,并自动结束扫描搜索。
在所述步骤(4)进行的处理过程中,对于自动识别出来但有误差的泡沫,可以进行手动修改;对于未能自动识别、而人眼能够识别的泡沫,则通过手动添加的形式实现。
在所述步骤(5)进行的处理过程中,泡沫粒度指的是圆形泡沫的直径和非圆形泡沫的平均直径,泡沫面积百分比指的是图片中泡沫面积所占的比例。
本发明的优点和积极效果:
本发明针对泡沫边界和背景对比度小的特点,引入Canny算子对泡沫图像中的泡沫边界进行识别,能够较快、较准地识别出泡沫的边界。在“圆形颗粒的识别”过程中,采用对数增强和Canny边界识别相结合的方法处理图像,从低对比度的原始试样图像上获取了足够清晰和连续的颗粒边界信息;并引入了“母线”、“脊线”、“弧段”这些概念,研制了专用的图像分析和边界重建算法,处理信息并搜索出母线和脊线,完成颗粒的搜索。在“非圆形颗粒的检验”过程中,采用Laplace算子对低对比度的原始试样图像进行增强处理,然后引入Canny算子识别从处理图上获取清晰、连续的泡沫边界信息;并得出多次扫描的算法,即反复使用“腐蚀、扫描、分割、填充”直到识别所有的泡沫边界并连线为止。
本发明方法根据泡沫的状态选择“圆形泡沫的识别”或“非圆形泡沫的识别”,具有良好的针对性;该方法较好的屏蔽了图片的背景噪声,同时减少处理对象,具有较高的分析效率;该方法在自动分析的基础上添加了手动分析和修改,具有良好的开放性;该方法在对目标泡沫进行分析统计时,可以得到单位面积泡沫数目、泡沫粒度分布曲线、泡沫面积百分比等数据,具有丰富的数据内容。因此,该方法能够分析边界和背景对比度小的对象,可用于消防泡沫、浮选泡沫、钻井泡沫等目标的识别分析,具有一定的应用范围。
附图说明
图1是基于Canny算子的泡沫边界识别和粒度分析方法的流程图。
图2是圆形泡沫图灰度化处理后的所得图。
图3是图2进行对数增强和临界二值化处理的所得图。
图4是引入Canny算子识别图2中的泡沫边界并对代表边界信息的点或线条进行膨胀处理的所得图。
图5是图3和图4叠加之后的所得图。
图6是将图5中连在一起的点和线条连接成新线条的所得图。
图7是图6进行线条预处理的所得图。
图8是图2进行“圆形泡沫识别”、不需辅以手动识别的所得图。
图9是图2经过“圆形泡沫识别”后最终得到的泡沫粒度分布图。
图10是体视显微镜采集的非圆形泡沫所得图。
图11是对图10进行Laplace增强处理的所得图。
图12是引入Canny算子识别图11中的泡沫边界所得图。
图13是图12经过“腐蚀”之后的所得图。
图14是图13进行“扫描”之后的所得图。
图15是图14进行“分割、填充”之后的所得图。
图16是图12经过第一次“腐蚀、扫描、分割、填充”后,连接所识别部分的线条并形成完整的泡沫边界所得图。
图17是图16经过“腐蚀”之后的所得图。
图18是图17进行“扫描”之后的所得图。
图19是图18进行“分割、填充”之后的所得图。
图20是图16经过第二次“腐蚀、扫描、分割、填充”后,连接所识别部分的线条并形成完整的泡沫边界所得图。
图21是图20经过“腐蚀”之后的所得图。
图22是图21进行“扫描”之后的所得图。
图23是图22进行“分割、填充”之后的所得图。
图24是图20经过第三次“腐蚀、扫描、分割、填充”后,连接所识别部分的线条并形成完整的泡沫边界所得图,也是图10进行“非圆形泡沫识别”后的所得图。
图25是图10进行“非圆形泡沫识别”、并辅以手动识别的所得图。
图26是图10经过“非圆形泡沫识别”后最终得到的泡沫粒度分布图。
下面结合附图及实施实例进一步说明本发明。
具体实施方式
如图1所示,本发明提供的基于Canny算子的泡沫边界识别方法主要包括如下步骤:
步骤(1)调入图像,图像通过采集得到,采集泡沫图像时,调整光源的亮度,辅以调节软件的对比度、曝光度、亮度,得到边界明显的泡沫图像;
步骤(2)判断图像,根据图像中泡沫的整体状态判断泡沫的类型,在“圆形泡沫识别”和“非圆形泡沫识别”之间做出选择,泡沫左右边界的距离与泡沫上下边界的距离小于边界间平均距离(即泡沫的直径)的15%,则该泡沫为圆形泡沫,如果所分析的图像中圆形泡沫占全体泡沫的比例大于90%,则选择“圆形泡沫识别”转步骤(3),否则选择“非圆形泡沫识别”转步骤(4);
步骤(3)使用“圆形泡沫识别”,首先对原图进行灰度化处理,然后一方面对灰度图进行对数增强和临界二值化处理,得到了代表边界信息的、突出的点或线条,另一方面引入阙值为100的Canny算子识别灰度图中的泡沫边界,该算子的卷积核为
-1 | -1 | -1 |
-1 | 9 | -1 |
-1 | -1 | -1 |
并对代表边界信息的点或线条进行膨胀处理,然后叠加两图中的点或线条,将连在一起的点或线条连接成新的线条,线条所在的圆为该泡沫的拟合圆,定义长度大于所在拟合圆1/3的线条为“母线”,作为主动连接的对象,定义长度大于所在拟合圆1/6、小于等于所在拟合圆1/3的线条为“脊线”,只作为被动连接的对象,定义长度小于等于所在拟合圆周长1/6的线条为“弧段”,在连接时被忽略;进行线条的预处理时,检查所有母线和脊线拟合圆的相对位置,当出现拟合圆相交且相交部分面积大于小拟合圆或同等面积拟合圆的面积的3/4时,则从拟合圆上未相交部分的母线两端开始延伸线段,从长度最长的母线开始处理,如果有多个长度相等的母线,则按照先上后下、先左后右的顺序进行,将延伸的线段连接至未连接的点或线条,延伸的线段长度不超过该母线所在拟合圆周长的1/8,延伸的线段与母线端点的切线夹角不超过30°,最终实现母线长度的增加与母线数量的减少,这对于下一步连接线条并形成完整的泡沫边界是十分有利的;
在连接线条并形成完整的泡沫边界时,从母线的两个端点开始延伸线段,从长度最长的母线开始进行连接,如果出现多个长度相同的母线时则按照先左后右、先上后下的顺序进行,将延伸的线段连接至母线或脊线的端点,并以所连接线条的另外一个端点为开始继续延伸线段,直至母线封闭,延伸的线段长度不超过母线所在拟合圆周长的1/4,延伸的线段与母线端点的切线夹角不超过60°,如果有多个满足要求的待连接的线条端点,那么选择夹角最小的线段进行连接,如果不能实现母线封闭则放弃该母线的处理;对于自动识别出来但有误差的泡沫,可以进行手动修改;对于未能自动识别、而人眼能够识别的泡沫,则通过手动添加的形式实现。
步骤(4)使用“非圆形泡沫识别”,首先对原图进行Laplace增强,得到了代表边界信息的、突出的点或线条,然后引入阙值为100的Canny算子识别出代表边界信息的点或线条;然后使用“腐蚀、扫描、分割、填充”识别泡沫边界,首先通过“腐蚀”去除干扰的点或线条、消除图像的噪声,“扫描”图像得到能够识别出具有完整泡沫边界的部分,然后“分割”该部分,针对该部分保存信息并“填充”该处泡沫,在下一轮的“腐蚀、扫描、分割、填充”过程中则不再分析此处;反复进行“腐蚀、扫描、分割、填充”,连接线条并形成完整的泡沫边界,完成所有泡沫的边界识别,如果没有搜索到新的泡沫,则认为已经识别完整体图片的泡沫边界,并自动结束扫描搜索;对于自动识别出来但有误差的泡沫,可以进行手动修改;对于未能自动识别、而人眼能够识别的泡沫,则通过手动添加的形式实现。
步骤(5)完成粒度分析,在“圆形泡沫识别”或者“非圆形泡沫识别”结束后,对泡沫的粒径进行统计,得到单位面积泡沫数目、泡沫粒度分布曲线、泡沫面积百分比等数据,其中泡沫粒度指的是圆形泡沫的直径和非圆形泡沫的平均直径,泡沫面积百分比指的是图片中泡沫面积所占的比例。
实施例1
步骤(1)调入图像,泡沫图像通过体视显微镜进行采集,采集过程中调节体视显微镜的侧光源和环形冷光源的亮度,辅以调节软件的对比度、曝光度、亮度,得到边界明显的泡沫图像;
步骤(2)判断图像,根据图像中泡沫的整体状态判断泡沫的类型,泡沫左右边界的距离与泡沫上下边界的距离小于边界间平均距离(即泡沫的直径)的15%,则该泡沫为圆形泡沫,本例分析的图像中圆形泡沫占全体泡沫的比例大于90%,所以选择“圆形泡沫识别”;
步骤(3)使用“圆形泡沫识别”,首先对原图进行灰度化处理,得到图2,然后一方面对灰度图进行对数增强和临界二值化处理,得到的图3中有代表边界信息的、突出的点或线条,另一方面引入阙值为100的Canny算子识别灰度图中的泡沫边界,并对代表边界信息的点或线条进行膨胀处理,得到了图4;然后叠加两图中的点或线条,得到图5,将连在一起的点或线条连接成新的线条,得到图6,线条所在的圆为该泡沫的拟合圆,定义长度大于所在拟合圆1/3的线条为“母线”,作为主动连接的对象,定义长度大于所在拟合圆1/6、小于等于所在拟合圆1/3的线条为“脊线”,只作为被动连接的对象,定义长度小于等于所在拟合圆周长1/6的线条为“弧段”,在连接时被忽略;进行线条的预处理得到图7,检查所有母线和脊线拟合圆的相对位置,当出现拟合圆相交且相交部分面积大于小拟合圆或同等面积拟合圆的面积的3/4时,则从拟合圆上未相交部分的母线两端开始延伸线段,从长度最长的母线开始处理,如果有多个长度相等的母线,则按照先上后下、先左后右的顺序进行,将延伸的线段连接至未连接的点或线条,延伸的线段长度不超过该母线所在拟合圆周长的1/8,延伸的线段与母线端点的切线夹角不超过30°,最终实现母线长度的增加与母线数量的减少,这对于下一步连接线条并形成完整的泡沫边界是十分有利的;
在连接线条并形成完整的泡沫边界时,从母线的两个端点开始延伸线段,从长度最长的母线开始进行连接,如果出现多个长度相同的母线时则按照先左后右、先上后下的顺序进行,将延伸的线段连接至母线或脊线的端点,并以所连接线条的另外一个端点为开始继续延伸线段,直至母线封闭,延伸的线段长度不超过母线所在拟合圆周长的1/4,延伸的线段与母线端点的切线夹角不超过60°,如果有多个满足要求的待连接的线条端点,那么选择夹角最小的线段进行连接,如果不能实现母线封闭则放弃该母线的处理,得到图8;由于本例中自动识别的泡沫没有误差,而不需要手动修改,同时圆形泡沫均已自动识别,所以不需要手动添加。
步骤(4)完成粒度分析,在圆形泡沫识别结束后进行粒度分析,得到如下数据:分析区域总面积6.54mm2,分析目标总面积4.90mm2,泡沫面积百分比为74.92%,泡沫密度为24.31个/mm2,泡沫颗粒的平均直径为189.86μm,粒度分布图详见图9,其中泡沫粒度指的是圆形泡沫的直径和非圆形泡沫的平均直径,泡沫面积百分比指的是图片中泡沫面积所占的比例。
实施例2
步骤(1)调入图像,泡沫图像通过体视显微镜进行采集,采集过程中调节体视显微镜的侧光源和环形冷光源的亮度,辅以调节软件的对比度、曝光度、亮度,得到边界明显的泡沫图片;
步骤(2)判断图像,根据图像中泡沫的整体状态判断泡沫的类型,泡沫左右边界的距离与泡沫上下边界的距离小于边界间平均距离(即泡沫的直径)的15%,则该泡沫为圆形泡沫,本例分析的图像中圆形泡沫占全体泡沫的比例远小于90%,所以选择“非圆形泡沫识别”;
步骤(3)使用“非圆形泡沫识别”,首先对原图10进行Laplace增强得到图11,得到了代表边界信息的、突出的点或线条,然后引入阙值为100的Canny算子识别出代表边界信息的点或线条,得到图12;然后使用“腐蚀、扫描、分割、填充”识别泡沫边界,首先通过“腐蚀”去除干扰的点或线条、消除图像的噪声,得到图13,“扫描”图像得到能够识别出具有完整泡沫边界的部分,得到图14,然后“分割”该部分,针对该部分保存信息并“填充”该处泡沫,得到图15,在下一轮的“腐蚀、扫描、分割、填充”过程中则不再分析此处,第一次的“腐蚀、扫描、分割、填充”后,连接所识别部分的线条并形成完整的泡沫边界,得到图16;然后进行第二次的“腐蚀、扫描、分割、填充”,首先通过“腐蚀”去除干扰的点或线条、消除图像的噪声,得到图17,“扫描”图像得到能够识别出具有完整泡沫边界的部分,得到图18,然后“分割”该部分,针对该部分保存信息并“填充”该处泡沫,得到图19,在下一轮的“腐蚀、扫描、分割、填充”过程中则不再分析此处,第二次的“腐蚀、扫描、分割、填充”后,连接所识别部分的线条并形成完整的泡沫边界,得到图20;然后进行第三次的“腐蚀、扫描、分割、填充”,首先通过“腐蚀”去除干扰的点或线条、消除图像的噪声,得到图21,“扫描”图像得到能够识别出具有完整泡沫边界的部分,得到图22,然后“分割”该部分,针对该部分保存信息并“填充”该处泡沫,得到图23,在下一轮的“腐蚀、扫描、分割、填充”过程中则不再分析此处,第三次的“腐蚀、扫描、分割、填充”后,连接所识别部分的线条并形成完整的泡沫边界,得到图24;由于搜索不到新的泡沫,则认为已经识别完整体图片的泡沫边界,并自动结束扫描搜索;由于自动识别出来的泡沫有误差,所以进行手动修改,对于未能自动识别、而人眼能够识别的泡沫,则通过手动添加的形式实现,得到图25。
步骤(4)完成粒度分析,在非圆形泡沫识别识别结束后进行粒度分析,得到如下数据:分析区域总面积15.55mm2,分析目标总面积10.37mm2,泡沫面积百分比为66.69%,泡沫密度为8.88个/mm2,泡沫颗粒的平均直径为310.30μm,粒度分布图详见图26,其中泡沫粒度指的是圆形泡沫的直径和非圆形泡沫的平均直径,泡沫面积百分比指的是图片中泡沫面积所占的比例。
Claims (5)
1.基于Canny算子的泡沫边界识别和粒度分析方法,其特征在于该方法包括以下步骤:
步骤(1)调入图像
采集泡沫图像时,调整光源的亮度,辅以调节软件的对比度、曝光度、亮度,得到边界明显的泡沫图像;
步骤(2)判断图像
根据图像中泡沫的整体状态判断泡沫的类型,在“圆形泡沫识别”和“非圆形泡沫识别”之间做出选择,对于“圆形泡沫识别”转步骤(3),对于“非圆形泡沫识别”转步骤(4);
步骤(3)圆形泡沫识别
首先对原图进行灰度化处理,然后,一方面对灰度图进行对数增强和临界二值化处理,得到了第一张图,图中含有代表边界信息的、突出的点或线条,另一方面引入Canny算子识别灰度图中的泡沫边界,并对代表边界信息的点或线条进行膨胀处理,得到了第二张图;其中,引入的Canny算子的阙值为100,该算子的卷积核为
然后叠加第一张图和第二张图中的点或线条,将连在一起的点或线条连接成新的线条,并进行线条的预处理;其中,两图叠加后将连在一起的点或线条连接成新的线条,线条所在的圆为该泡沫的拟合圆;定义长度大于所在拟合圆1/3的线条为“母线”,作为主动连接的对象,定义长度大于所在拟合圆1/6、小于等于所在拟合圆1/3的线条为“脊线”,只作为被动连接的对象,定义长度小于等于所在拟合圆周长1/6的线条为“弧段”,在连接时被忽略;在线条的预处理时,检查所有母线和脊线拟合圆的相对位置,当出现拟合圆相交且相交部分面积大于小拟合圆或同等面积拟合圆的面积的3/4时,则从长度最长的母线两端开始延伸线段,如果有多个长度相等的母线,则按照先上后下、先左后右的顺序进行,将延伸的线段连接至未连接的点或线条成为新的母线,延伸的线段长度不超过该母线所在拟合圆周长的1/8,延伸的线段与母线端点的切线夹角不超过30°,最终实现母线长度的增加与母线数量的减少,这对于下一步连接线条并形成完整的泡沫边界是十分有利的;最后,连接线条并形成完整的泡沫边界,完成所有泡沫的边界识别;其中,在连接线条并形成完整的泡沫边界时,从母线的两个端点开始延伸线段,从长度最长的母线开始进行连接,如果出现多个长度相同的母线时则按照先左后右、先上后下的顺序进行,将延伸的线段连接至另外一条母线或脊线的端点,并以所连接线条的另外一个端点为开始继续延伸线段,直至母线封闭,延伸的线段长度不超过母线所在拟合圆周长的1/4,延伸的线段与母线端点的切线夹角不超过60°,如果有多个满足要求的待连接的线条端点,那么选择夹角最小的线段进行连接,如果不能实现母线封闭则放弃该母线的处理;
步骤(4)非圆形泡沫识别
首先,对原图进行Laplace增强,得到了代表边界信息的、突出的点或线条,然后,引入Canny算子识别点或线条;反复使用“腐蚀、扫描、分割、填充”逐步识别标记泡沫,通过“腐蚀”去除干扰的点或线条以消除图像的噪声,“扫描”图像得到能够识别出具有完整泡沫边界的部分,然后“分割”该部分,针对该部分保存信息并“填充”该处泡沫,在下一轮的“腐蚀、扫描、分割、填充”过程中则不再分析此处;反复进行“腐蚀、扫描、分割、填充”,连接线条并形成完整的泡沫边界,完成所有泡沫的边界识别,最后,如果没有识别出新的泡沫,则认为已经识别完了整体图片的泡沫边界,并自动结束扫描搜索;
步骤(5)在“圆形泡沫识别”或“非圆形泡沫识别”的基础上进行泡沫的粒度分析,得到单位面积泡沫数目、泡沫粒度分布曲线、泡沫面积百分比这些数据;其中,泡沫粒度指的是圆形泡沫的直径和非圆形泡沫的平均直径,泡沫面积百分比指的是图片中泡沫面积所占的比例。
2.根据权利要求1所述的方法,其特征在于步骤(2)进行的处理过程中,泡沫左右边界的距离与泡沫上下边界的距离小于边界间平均距离的15%,则该泡沫为圆形泡沫,如果所分析的图像中圆形泡沫占全体泡沫的比例大于90%,则选择“圆形泡沫识别”,否则选择“非圆形泡沫识别”。
3.根据权利要求1所述的方法,其特征在于步骤(3)进行的处理过程中,对于自动识别出来但有误差的泡沫,可以进行手动修改;对于未能自动识别、而人眼能够识别的泡沫,则通过手动添加的形式实现。
4.根据权利要求1所述的方法,其特征在于步骤(4)进行的处理过程中,使用Laplace算子进行图像的增强处理,引入的Canny算子阙值为100,该算子的卷积核为
。
5.根据权利要求1所述的方法,其特征在于步骤(4)进行的处理过程中,对于自动识别出来但有误差的泡沫,可以进行手动修改;对于未能自动识别、而人眼能够识别的泡沫,则通过手动添加的形式实现。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210195198.4A CN102737246B (zh) | 2012-06-14 | 2012-06-14 | 基于Canny算子的泡沫边界识别和粒度分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210195198.4A CN102737246B (zh) | 2012-06-14 | 2012-06-14 | 基于Canny算子的泡沫边界识别和粒度分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102737246A CN102737246A (zh) | 2012-10-17 |
CN102737246B true CN102737246B (zh) | 2014-02-26 |
Family
ID=46992712
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210195198.4A Active CN102737246B (zh) | 2012-06-14 | 2012-06-14 | 基于Canny算子的泡沫边界识别和粒度分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102737246B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103149130B (zh) * | 2013-01-29 | 2014-10-08 | 中国石油大学(华东) | 砾岩岩心颗粒结构中粒度的分析方法 |
CN104390895B (zh) * | 2014-11-25 | 2017-02-22 | 中国科学技术大学 | 基于显微成像的图像灰度测量颗粒粒径的方法 |
CN104951782A (zh) * | 2015-07-01 | 2015-09-30 | 携程计算机技术(上海)有限公司 | 图像识别的背景过滤方法及系统 |
CN110490879B (zh) * | 2019-08-13 | 2022-03-04 | 东北大学 | 一种基于亮点距离的浮选尾矿泡沫大小判定方法 |
CN110488349B (zh) * | 2019-08-20 | 2021-11-02 | 福建省建筑设计研究院有限公司 | 基于微动三分量谱比vhsr的无损探测方法及应用 |
CN111476792B (zh) * | 2020-05-27 | 2023-05-23 | 东北大学 | 一种板带钢图像轮廓的提取方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5148375B2 (ja) * | 2008-06-10 | 2013-02-20 | 株式会社東芝 | 被対象認識装置および被対象認識方法 |
CN101620060B (zh) * | 2009-08-13 | 2010-12-29 | 上海交通大学 | 颗粒大小分布自动检测方法 |
CN102129548B (zh) * | 2011-03-15 | 2013-01-09 | 中国石油大学(华东) | 多孔介质中流动泡沫结构图像实时采集与识别方法 |
-
2012
- 2012-06-14 CN CN201210195198.4A patent/CN102737246B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN102737246A (zh) | 2012-10-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102737246B (zh) | 基于Canny算子的泡沫边界识别和粒度分析方法 | |
CN113436168B (zh) | 一种用于工业焊缝x光图中的裂纹缺陷检测方法 | |
CN104021574B (zh) | 路面病害自动识别方法 | |
CN107993488B (zh) | 一种基于鱼眼相机的车位识别方法、系统及介质 | |
CN110969166A (zh) | 一种巡检场景下小目标识别方法和系统 | |
CN111507932A (zh) | 高特异性的糖尿病性视网膜病变特征检测方法及存储设备 | |
CN104282005A (zh) | 一种视频图像拼接方法及装置 | |
Basile et al. | A texture-based image processing approach for the description of human oocyte cytoplasm | |
CN103778627A (zh) | 一种基于sar图像的海域溢油检测方法 | |
CN104537359A (zh) | 一种车辆目标检测方法及装置 | |
CN110033458A (zh) | 一种基于像素梯度分布的图像阈值确定方法 | |
CN115019187B (zh) | 针对sar图像船舶目标的检测方法、装置、设备及介质 | |
CN112288760B (zh) | 一种粘连细胞图像筛除方法、系统及细胞图像分析方法 | |
CN105447879A (zh) | 乳房图像中检测胸肌的方法及装置 | |
KR100615047B1 (ko) | 용접부의 결함 자동 검측 방법 | |
Provencal et al. | Identification of weld geometry from ultrasound scan data using deep learning | |
Tian et al. | Automatic blastomere recognition from a single embryo image | |
Bello-Salau et al. | An examination of different vision based approaches for road anomaly detection | |
CN104680185A (zh) | 基于边界点重分类的高光谱图像分类方法 | |
Shukla et al. | A deep neural network framework for road side analysis and lane detection | |
Li et al. | Stress-Crack detection in maize kernels based on machine vision | |
Zhang et al. | Automatic detection and segmentation of lung nodules in different locations from CT images based on adaptive α‐hull algorithm and DenseNet convolutional network | |
CN113989673A (zh) | 基于国产高分数据和深度学习模型的海岸线自动提取方法 | |
CN111881748A (zh) | 一种基于vbai平台建模的车道线视觉识别方法和系统 | |
CN111414912A (zh) | 对接型焊缝特征点的识别方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CP01 | Change in the name or title of a patent holder |
Address after: 300381 Nankai District Jin Wei South Road, No. 110, Tianjin Patentee after: Tianjin Institute of Fire Protection, Ministry of Emergency Management Address before: 300381 Nankai District Jin Wei South Road, No. 110, Tianjin Patentee before: Tianjin Fire Fighting Inst., Ministry of Public Security |
|
CP01 | Change in the name or title of a patent holder |