CN103267498B - 铁矿石粗糙度自动数字量化测量方法 - Google Patents

Abstract

本发明为一种铁矿石粗糙度自动数字量化测量方法，采用扫描电子显微镜和计算机图像处理系统进行铁矿石粗糙度自动数字化测量。本发明的方法通过计算机系统对图像进行处理得到的数据完全符合人的量化特征，表明粗糙度的量化完全可以用数字代替，避免了人为的将铁矿石粗糙度粗分为有限的几个量化等级；并且避免了人工判断的主观性，测量准确、快速，操作简便，为烧结制粒提供配料依据；实现了测量过程的自动化，无须专业人员操作。

Description

铁矿石粗糙度自动数字量化测量方法

技术领域

本发明涉及冶金领域中对铁矿石粗糙度自动数字量化测量方法，具体涉及一种使用扫描电子显微镜和计算机图像处理系统，可以对不同种类铁矿石的粗糙度进行定量化计算。

背景技术

铁矿石造块是为高炉炼铁提供原料的重要工序，不同种类铁矿石的造块性能直接影响到含铁原料在高炉中的使用性。影响铁矿石成球性的因素有：原料粒度、湿容量、石英含量、颗粒形貌、表面粗糙度、矿相、孔隙率等。其中，原料粒度、湿容量、石英含量、孔隙率可通过相应检测得到量化结果；而颗粒形貌和表面粗糙度等难以用数值进行量化。

对于表面粗糙度的概念，国标GB/3505—83中对其定义如下：是指加工表面上具有的较小间距和峰谷所组成的微观几何形状特性。一般由所采用的加工方法和其它因素组成。多应用于机械材料等相关领域。在已公开的专利中，CN200910055374.2公开了一种晶圆表面粗糙度检测方法，该检测方法能够对晶圆表面的粗糙度进行实时的检测，有利于提高晶圆的质量。CN200810034944.5公开了一种冷轧薄带钢表面粗糙度在线预测和控制方法。对于表面粗糙度的测量属于长度计量技术中对工件加工表面的微观几何形状特性的测量。常用的测量方法基本上可分为接触式测量和非接触式测量两类：在接触式测量中主要有比较法、印模法、触针法等；非接触测量方式中常用的有光切法、实时全息法、散斑法、像散测定法、光外差法、AFM、光学传感器法等。

目前，对于铁矿石的粗糙度的观察测量，主要是根据铁矿石种类靠人工来区别评价制粒性能的好坏。主要方法为目测法。对于铁矿石粗糙度的判定主要是为了评价铁矿石本身的制粒性好坏，而人为的目测观察只是局部的、片面的取样分析，不具有代表性，且已公开的专利对于粗糙度的测量也只限制在观察样品表面的光滑程度，是为了使表面更加光滑才对其进行粗糙度测量，并且已经掌握的其他测量粗糙度的方法均不能应用于铁矿石粗糙度的测量。

铁矿石粗糙度的目测法是观察者结合已有的经验和铁矿石的种类对实际观察得到的图像进行粗糙度评估。此种方法对观察者要求很高，且具有人工判断的主观性，得到的只是一个人为的将铁矿石粗糙度粗分为有限的几个量化等级，并没有数字量化的标准。特别当两种铁矿粉粗糙度基本相同的情况下，人工判定将会失效。同时铁矿石的粒度分布不均，不同粒度的铁矿石的造块制粒性能明显不同，光靠人工区分，不仅浪费时间，并且对于日常的生产的烧结矿产质量带来巨大的影响，导致烧结矿产质量波动性过大，对烧结过程中配水配碳都带来影响。

发明内容

针对现有技术存在的上述不足，本发明的目的在于提供一种采用计算机系统进行自动数字量化测量，对铁矿石粗糙度进行定量化测量，在对图像处理时避免采用灰度直方图和灰度均一化等传统图像处理技术，而是采用灰度分段拉升和图像背景滤除对图像进行处理，对图像中灰度像素平滑点进行提取，利用公式进行铁矿石粗糙度计算，具有测量快速准确、结果真实可靠的铁矿石粗糙度测量方法。

本发明的目的是这样实现的：通过扫描电子显微镜对不同种类铁矿石进行图像采集，将采集后的图像通过计算机系统进行自动数字量化测量，其特征在于包括如下步骤：

1、不同种类铁矿石图像采集

利用扫描电子显微镜对不同种类的铁矿石进行图像采集；

2、图像预处理

对不同种类的铁矿石分别进行图像预处理，首先对给定图像进行分段灰度拉升，在灰度拉升的基础上，对图像背景进行滤除；

3、局部灰度面平滑特征处理

对预处理后的图像进行局部灰度面平滑特征处理，得到的灰度平滑像素点用红色标记，计算总红色像素点占总有效像素点的比值作为量化铁矿石的粗糙度的指标，比值越小，说明铁矿石的粗糙度越大。

对于获取的不同种类铁矿石的图像信息，通过计算机系统进行自动处理最终获得铁矿石粗糙度数字量化数据，图像处理中包括的方法有：

1)分段灰度拉升

在灰度拉升操作中，通过对原始图像中每个像素点赋予一个新的灰度值来增强图像的视觉效果，如公式(1)所示：

t＝f(s)(1)

其中，s为原始图像某一位置的灰度值，t为增强后输出图像同一位置的灰度值，对于目标区域灰度动态范围偏窄的图像，则采用分段线性变换如公式(2)所示：

$f=\left\{\begin{array}{cc}0& 0<s\&le;b\\ \frac{255}{c-b}(s-b)& b<s\&le;c\\ 255& c<s\&le;255\end{array}\right.---\left(2\right)$

其中b和c是整个映射规则的分段点，通过灰度归一化算法进行处理取值b＝0，c＝255；

2)背景滤除

利用公式(3)对图像中低灰度的黑色部分滤除；

其中g(x，y)为某点的灰度值，T为阈值，小于T的黑色背景区域将被滤除；

3)灰度平滑像素点提取，粗糙度计算

对于图像中有效灰度像素点g(x,y)，扫描其周围的以正方形区(x-r,y-r)到(x+r,y+r)的所有点，并把其周围所有点的灰度像素值与g(x,y)相减，求差值的绝对平均，如公式(4)所示：

$s(x,y)=\frac{1}{k}\&CenterDot;\underset{n=-r}{\overset{r}{\&Sigma;}}\underset{m=-r}{\overset{r}{\&Sigma;}}|g(x+m,y+n)-g(x,y)|---\left(4\right)$

其中g(x+m，y+n)为正方形区域(x-r,y-r)到(x+r,y+r)的一个有效点，m、n分别为行数和列数，k为区域(x-r,y-r)到(x+r,y+r)有效像素点的总数，s(x，y)为差值的绝对平均；平滑点的的识别则由公式(5)给出：

其中T₀为给定的特定灰度值。在图像上用红色进行标记平滑点，计算总红色像素点占总有效像素点的比值，比值越大表示平滑度越高，粗糙度越小。

相对现有技术，本发明具有如下优点：

1、由于采用计算机系统进行自动数字量化测量，避免了人为的将铁矿石粗糙度粗分为有限的几个量化等级，并且得到的数据化测量结果更有利于直观的区分不同矿粉的粗糙度，便于直接比较不同铁矿粉的基础性能，根据获得的数字化测量结果直接分析该种铁矿粉的烧结制粒性能，对于提高铁矿粉烧结有很大的帮助；

2、在利用分段灰度拉升和背景滤除两种图像处理方法的基础上，提取灰度像素平滑点，进行铁矿石粗糙度的数值计算，制定了一个客观的数值评价标准来判定铁矿石粗糙度的好坏；

3、测量结果避免了人工判断的主观性，测量准确、快速，操作简便；

4、实现了测量过程的自动化，劳动强度低。

附图说明

图1是图像采集处理系统结构示意图；

图2(a)至图2(f)是6种铁矿石原始采集图像按照A—F顺序排列；

图3是根据平滑度参数对铁矿石粗糙度进行人工标定；

图4(a)至图4(f)是6种铁矿石图像预处理之后按照A—F顺序排列；

图5(a)至图5(f)是6种铁矿石局部灰度面平滑特征处理后按照A—F顺序排列。

具体实施方式

采用本发明对6种有代表性的铁矿石A、B、C、D、E、F的粗糙度进行测量，其中四种为来自澳大利亚、巴西、印度、南非的铁矿石，剩下两种为国内自产的铁矿石，具体实施步骤如下：

1、样品制备

选取6种有代表性的用于制粒的铁矿石，分别筛分一定数量的粒度在0～30mm的铁矿石各10kg放到托盘上作为样品。

2、图像采集

图像采集使用的设备为扫描电子显微镜。扫描电子显微镜由真空系统，电子束系统以及成像系统三个基本部分组成。真空系统主要包括真空泵和真空柱两部分，其中真空柱是一个密封的柱形容器，真空本用来在真空柱内产生真空，成像系统和电子束系统均内置在真空柱中。电子束系统由电子枪和电磁透镜两部分组成，主要用于产生一束能量分布极窄的、电子能量确定的电子束用以扫描成像。电子经过一系列电磁透镜成束后，打到样品上与样品相互作用，会产生次级电子、背散射电子、欧革电子以及X射线等一系列信号，最终产生图像。采集流程图如图1所示；

对6种样品放在扫描电子显微镜下进行图像采集。铁矿石图像采集的方法为：

1)取其中1种铁矿石在放大一定倍数的前提下获取样品的全景图像；

2)通过全景图像分析获取有特征明显的局部铁矿石作为下一步图像采集的目标，进一步提高放大倍数，获取目标铁矿石的图像；

3)根据前两个步骤重复实验获取其他5种铁矿石的图像。

采集获得的6种铁矿石的原始图像如图2中所示。

对经过图像采集的6种铁矿石的数字图像经过人工判断进行粗糙度分级通过灰度颜色的不同表现出来，灰度颜色变化越大的地方，越粗糙，颜色变化越小的地方越平滑。因此找到了连续灰度值变化小的区域，也就找到了平滑的区域，在这里我们定义一个灰度颜色变化的区域的面积为平滑度参数。通过人工标定，初步得到A—F六幅铁矿石图像的粗糙度恰好是按照由高到低排序。但是人工判断有很大的主观性，并且速度慢，耗时费力，因此在这里采用本次发明技术对铁矿石的粗糙度进行自动数字量化处理来分析判断人工识别的准确性。

图3是根据平滑度参数对铁矿石粗糙度进行人工标定的结果。

3、图像预处理

铁矿石图像的预处理主要目的就是为了滤波降噪、目标增强，得到一幅干净、清晰的图像。图像预处理中滤波降噪方法可以获得更加清晰的图像，滤波降噪算法有多种，但为了防止图像平滑处理或是直方图均衡化后会因为图像产生模糊而损失许多细节。因此，本处理选择对铁矿石图像进行分段灰度拉升处理。灰度拉升是基于图像像素的点操作，通过对原始图像中每个像素赋予一个新的灰度值来增强图像的视觉效果。即如公式(1)中所示。

t＝f(s)(1)

其中，s为原始图像某一位置的灰度值，t为增强后输出图像同一位置的灰度值，f为映射规则，也称变换函数，是整个增强操作的核心部分，直接决定了图像的增强效果。对于目标区域灰度动态范围偏窄的图像，则采用分段线性变换如公式(2)所示：

$f=\left\{\begin{array}{cc}0& 0<s\&le;b\\ \frac{255}{c-b}(s-b)& b<s\&le;c\\ 255& c<s\&le;255\end{array}\right.---\left(2\right)$

其中b和c是整个映射规则的分段点，通过灰度归一化算法进行处理取值b＝0，c＝255。

通过灰度拉升，所有铁矿石的图像都处于归一化的状态，在此基础上，对图像进行背景滤除处理。

铁矿石图像的背景滤除的主要目的就是为了把无效的背景滤掉，使得进行有效信息量化的时候获取更加精确的量化数字。背景滤除的方法为：

1)把图像中文字标签的部分裁剪掉，处理内容为裁剪掉图像下方的20％；

2)设置统一的阈值T将低灰度的黑色部分背景滤除，即按照公式(3)进行背景滤除处理。

其中g(x，y)为某点的灰度值，阈值取T＝30，得到的背景滤除后的图像如图4所示。

4、局部灰度面平滑特征处理

局部灰度面平滑特征表示一个面的灰度变化特征。对于经过图像预处理之后的图像进行局部灰度面平滑特征处理，算出每张图像的灰度平滑像素点个数，在图像上用红色进行标记，进而求得总红色像素点占总有效像素点的比值。比值越大，代表粗糙度越小，愈光滑，反之亦然。处理方法如下所述：

对于图像中有效灰度像素点g(x,y)，扫描其周围的以正方形区(x-r,y-r)到(x+r,y+r)的所有点，并把其周围所有点的灰度像素值与g(x,y)相减，求差值的绝对平均，如果差值的绝对平均小于某个固定的灰度值T₀，认为该点为灰度平滑点，公式(4)(5)分别给出了灰度像素值差值的绝对平均和平滑点的识别条件。

$s(x,y)=\frac{1}{k}\&CenterDot;\underset{n=-r}{\overset{r}{\&Sigma;}}\underset{m=-r}{\overset{r}{\&Sigma;}}|g(x+m,y+n)-g(x,y)|---\left(4\right)$

其中g(x+m，y+n)为正方形区域(x-r,y-r)到(x+r,y+r)的一个有效点，m、n分别为行数和列数，k为区域(x-r,y-r)到(x+r,y+r)有效像素点的总数，s(x，y)为差值的绝对平均。在计算过程中r和T₀的取值分别为5和4。得到的平滑特征图像如图5中所示。

表1为6种铁矿石经过平滑特征处理之后的总红色像素点占总有效像素点的比值。

表16种铁矿石总红色像素点占总有效像素点的比值(％)

从以上实施例可以看出：使用本发明方法可以快速获取铁矿石粗糙度的数字量化数据特征，并且跟原始图像数据采集后的人工识别判断得出的结果保持了一致性，六种铁矿石的粗糙度的排列顺序从A—F依次降低，数字量化处理后得到的结果不仅准确，而且大大减少了测量过程中的人为干扰因素和劳动时间；不需要增加额外的设备，只需安装相应的铁矿石自动测量软件即可。可以广泛应用到各种铁矿石的表面粗糙度的检测工作中，对烧结过程中提高铁矿粉的制粒性能提供了数据支撑，对烧结配料中的配水配碳等工艺参数提供了指导依据，对于提高烧结矿产质量，减少烧结矿的产质量的波动等起到了关键作用，并且可以对于不同铁矿石烧结制粒性能进行分类评价，从而达到最优配料烧结造块。

Claims (2)

1.一种铁矿石粗糙度自动数字量化测量方法，其特征在于，所述方法采用图像采集系统和计算机图像处理系统，具体方法包括以下步骤：

1)不同种类铁矿石图像采集：

利用扫描电子显微镜对不同种类的铁矿石进行图像采集；

2)图像预处理：

对不同种类的铁矿石分别进行图像预处理，首先对得到的图像进行分段灰度拉升，在灰度拉升的基础上，对图像背景进行滤除；

3)局部灰度面平滑特征处理：

对预处理后的图像进行局部灰度面平滑特征处理，得到的灰度平滑像素点用红色标记，计算总红色像素点占总有效像素点的比值作为量化铁矿石的粗糙度的指标，比值越小，说明铁矿石的粗糙度越大；

所述步骤2)具体是：

分段灰度拉升

在灰度拉升操作中，通过对原始图像中每个像素点赋予一个新的灰度值来增强图像的视觉效果，如式(1)所示：

t＝f(s)(1)

其中，s为原始图像某一位置的灰度值，t为增强后输出图像同一位置的灰度值，对于目标区域灰度动态范围偏窄的图像，则采用分段线性变换如式(2)所示：

$t=\{\begin{array}{cc}0& 0<s\&le;b\\ \frac{255}{c-b}(s-b)& b<s\&le;c\\ 255& c<s\&le;255\end{array}---\left(2\right)$

其中b和c是整个映射规则的分段点，通过灰度归一化算法进行处理取值b＝0，c＝255；

背景滤除

利用式(3)对图像中低灰度的黑色部分滤除：

其中g(x，y)为某点的灰度值，T为阈值，小于T的黑色背景区域将被滤除；

所述步骤3)具体为：

对于图像中有效灰度像素点g(x,y)，扫描其周围的以正方形区(x-r,y-r)到(x+r,y+r)的所有点，并把其周围所有点的灰度像素值与g(x,y)相减，求差值的绝对平均，如公式(4)所示：

$s(x,y)=\frac{1}{k}\&CenterDot;\underset{n=-r}{\overset{r}{\&Sigma;}}\underset{m=-r}{\overset{r}{\&Sigma;}}|g(x+m,y+n)-g(x,y)|---\left(4\right)$

其中g(x+m，y+n)为正方形区域(x-r,y-r)到(x+r,y+r)的一个有效点，m、n分别为行数和列数，k为区域(x-r,y-r)到(x+r,y+r)有效像素点的总数，s(x，y)为差值的绝对平均，平滑点的识别则由公式(5)给出：

其中T₀为给定的特定灰度值，在图像上用红色进行标记平滑点，计算总红色像素点占总有效像素点的比值，比值越大表示平滑度越高，粗糙度越小。

2.根据权利要求1所述的铁矿石粗糙度自动数字量化测量方法，其特征在于，所述图像采集系统使用的设备为扫描电子显微镜。