CN103512883A - 基于数字图像处理检测聚烯烃材料的杂质几何特征的方法 - Google Patents

Abstract

本发明公开了一种检测聚烯烃材料中的杂质几何特征的方法。该方法包括如下步骤：S1、对聚烯烃材料的样品切片进行显微拍摄，得到该样品切片的原始显微图像；S2、利用带标记的分水岭分割方法对步骤S1所得到的原始显微图像进行分割，得到可能的杂质颗粒区域；S3、根据杂质的几何特征对步骤S2得到的可能的杂质颗粒区域确定最终的杂质颗粒区域；S4、对步骤S3确定的杂质颗粒区域进行标记，统计各个杂质区域的几何特征参数。本发明能有效地识别杂质颗粒的存在与否并能够准确地计算出存在杂质颗粒的尺寸、个数、面积等几何特征。

Description

基于数字图像处理检测聚烯烃材料的杂质几何特征的方法

技术领域

本发明涉及数字图像处理技术领域，特别是一种基于数字图像处理检测聚烯烃材料的杂质几何特征的方法，本发明适用于检测各种聚烯烃材料的杂质几何特征，特别是聚乙烯等高分子材料中的杂质几何特征。

背景技术

聚烯烃类绝缘材料因其具有优异的介电、物理机械性能而被电工制造业广泛使用，特别是越来越多地被用于强电场的绝缘，如聚乙烯高压电缆。然而外来杂质颗粒会引起聚乙烯绝缘电缆中局部电场的集中，导致树枝化破坏，直接限制了工作场强的提高和产品的运行寿命，随着电缆中电场强度增加，将会对其产生严重危害。因此对电缆材料进行抽样检测，评估其杂质几何特征是十分有意义的。至今为止，还没有能自动化精确检测聚乙烯电缆材料杂质尺寸、形状、密度等的工具，必须依靠人眼识别与判断，几乎没有以先进的数据分析技术为基础，针对聚乙烯材料表面结构，对原始数据进行几何形貌提取，如材料表面杂质的自动提取和大小测量，分布密度的自动测量等方面的系统研究。而人眼目视观测依赖于测量者的经验，速度慢，影响检测效果，存在诸多产生错误结果的可能性。因此，我们需要更准确可靠的测量杂质检测方法。

图像检测技术的出现为解决杂质的检测提供了一个很好的手段，有着广泛的应用前景。目前，观测聚乙烯电缆表面杂质形貌最常用的工具是电子显微镜。电子显微镜作为观察微观领域的重要工具广泛应用，其数据中包含了材料表面结构的主要信息，为我们进行材料表面杂质几何形貌测量提供了可能。在此基础上，有可能结合数字图像处理的相关理论，研究出一套快速、有效的适合显微图像的处理方法。

数学形态学是一种用于数字图像处理和图像识别的新理论和新方法，其基本理论和方法在视觉检测，机器人视觉，材料图像分析等诸多领域都取得了非常成功的应用。作为一种面向形状的非线性信号处理方法，数学形态学着重研究图像的几何结构，跟一般的线性信号处理方法相比，具有更好的直观性、简洁性和有效性。数学形态学由一组形态学的代数运算子组成的，基于这些基本运算还可推导和组合成各种数学形态学实用算法，用它们可以进行图像形状和结构的分析及处理，包括图像滤波、图像增强和恢复、特征抽取、边界检测、图像分割、区域标记和面积计算等。

发明内容

(一)解决的技术问题

本发明所要解决的技术问题是现有的检测聚烯烃材料的方法不能够自动化处理，以至于效率低下，准确度不高的问题。

(二)技术方案

为解决上述技术问题，本发明提出一种检测聚烯烃材料的杂质几何特征的方法，该方法包括如下步骤：S1、对聚烯烃材料的样品切片进行显微拍摄，得到该样品切片的原始显微图像；S2、利用带标记的分水岭分割方法对步骤S1所得到的原始显微图像进行分割，得到可能的杂质颗粒区域；S3、根据杂质的几何特征对步骤S2得到的可能的杂质颗粒区域确定最终的杂质颗粒区域；S4、对步骤S3确定的杂质颗粒区域进行标记，统计各个杂质区域的几何特征参数。

根据本发明的一种具体实施方式，所述步骤S1还包括对所述原始显微图像进行预处理的步骤。

根据本发明的一种具体实施方式，对所述原始显微图像进行预处理的步骤包括：步骤S11：对所述原始显微图像进行灰度化；步骤S12：利用形态学Top-Hat变换对所述显微图像进行增强；步骤S13：对所述显微图像进行形态学滤波。

根据本发明的一种具体实施方式，所述步骤S2包括：步骤S21：对步骤S1得到的原始显微图像进行形态学重构，获取每个连通域的局部极大值，并将局部极大值叠加到原始图像，实现前景标记；步骤S22：修改带标记的分水岭方法中的分割函数，使分割函数在前景标记位置有极小值。将图像的梯度幅值作为分割函数，使用形态学梯度对图像进行水平和垂直方向的滤波，然后求取模值；步骤S23：对修改后的分割函数做分水岭变换，对图像进行分割，得到一系列可能的杂质颗粒区域。

根据本发明的一种具体实施方式，所述步骤S21中，对预处理后的显微图像进行形态学重构，获取每个连通域的局部极大值具体步骤为：步骤S211：将设值为1的区域代表原始显微图像I上的局部最大区域，令12=I-1，即对图像I中所有像素的灰度值减去1，得到图像12；步骤S212：以图像12为标记图像，通过不断对12在原始图像I内进行条件膨胀，最终得到12对I的重构图像13；步骤S213：将原始图像I与重构后的图像13相减，得到原始图像I的局部最大值区域。

根据本发明的一种具体实施方式，所述步骤S3包括：步骤S31、对分割出的每个连通域进行区域标记，并统计各个连通域的面积和圆度；步骤S32、提取圆率大于阈值且面积满足一定条件的连通区域，即为杂质颗粒区域。

根据本发明的一种具体实施方式，所述步骤S31中，各个连通域的面积为连通域区域像素的个数，连通域圆度的计算方法为：设PI为圆周率，计算封闭连通域的面积，记为S，计算周长C，则定义该连通域的圆度R为：

$R=\frac{4*\mathrm{PI}*S}{C*C}$

(三)有益效果

1、本发明提供的基于数字图像处理来检测聚烯烃材料的杂质几何特征的方法，对显微图像采集过程中及存储、运输过程中产生的多种干扰信息有较强的容错性和抗干扰性，测量准确度较高。

2、本发明提供的基于数字图像处理来检测聚烯烃材料的杂质几何特征的方法，针对显微图像对比度低的特点，有效矫正图像灰度，滤除噪声，提高原始图像质量，对对比度较低的显微图像仍能准确提取杂质颗粒。

3、本发明提供的基于数字图像处理来检测聚烯烃材料的杂质几何特征的方法，采用数学形态学方法提取杂质颗粒，过程简单，计算速度快。

附图说明

为进一步说明本发明的技术内容，以下结合附图及实施例对本发明详细说明如后，其中：

图1是本发明提供的一种基于数字图像处理的检测聚烯烃材料的杂质几何特征的方法的流程图；

图2是本发明提供的对原始样品切片显微图像做预处理的流程图；

图3是本发明提供的利用带标记的分水岭分割方法对杂质图像进行分割算法的具体实施步骤；

图4是本发明实施例中的灰度化后的图像；

图5是本发明实施例中增强处理后的图像；

图6是本发明实施例中形态学滤波后的结果；

图7是本发明实施例中杂质颗粒分割结果；

图8是本发明实施例中对分割出的每个连通域进行区域标记，并统计各个连通域的面积和圆度结果；

图9是本发明实施例中满足条件的杂质颗粒提取结果。

图10是本发明实施例中将提取的杂质颗粒轮廓叠加至原始显微图像上的结果。

具体实施方式

本发明适用于对各种聚烯烃材料进行杂质几何特征的检测，包括聚乙烯、聚丙烯、聚1-丁烯等材料的杂质几何特征的检测，应用范围广泛。

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明作进一步的详细说明。

图1是本发明提供的基于数字图像处理的聚烯烃材料的杂质几何特征的检测方法的流程图。如图1所示，本发明的方法包括如下步骤：

步骤S1：对聚烯烃材料的样品切片进行显微拍摄，得到该样品切片的原始显微图像。

对样品切片进行显微拍摄可使用GSM-C289A型的电脑型金相显微镜，其主要包括显微镜，适配镜，摄像器，图像采集器，计算机等设备。根据观测样品切片所需的放大倍数要求，正确选配物镜和目镜。

优选的，步骤S1还包括对所得到的原始显微图像进行预处理的步骤。图2显示了预处理步骤的流程图，如图2所示，预处理步骤包括：

步骤S11：对所述原始显微图像进行灰度化。

为使后续的图像计算量变得少一些，可以先将显微拍摄得到的各种格式的原始显微图像转变成灰度图像。例如，对于RGB颜色空间的显微图像，可将先将其转换到YUV的颜色空间中，其中Y分量的物理意义是像素点的亮度，该值可反映亮度等级，由此，可以以这个亮度值Y表达图像的灰度值。

步骤S12：利用形态学Top-Hat变换对所述显微图像进行增强。

Top-Hat变换定义为原始图像与其开运算之差，设A为原始图像，B为选定的结构元素：

f_cth=A-A°B

或者还可以定义为其闭运算和原图像之差：

f_cth＝A·B-A

用选定的结构元素对原始图像A进行开Top-Hat变换，提取图像中较亮的部分，得到图像；用选定的结构元素对原始图像进行闭Top-Hat变换，提取图像中较暗的部分，得到图像；对开Top-Hat变换和闭Top-Hat变换的结果按公式：

F=A+f_oth-f_cth

步骤S13：对所述显微图像进行形态学滤波。

该步骤可采用基于形态学开、闭运算重构的方法对增强后的图像进行滤波操作。基于形态学开闭运算的重构方法先对图像腐蚀后进行形态学重构，得到基于开的重构图像；在基于开的重构图像上对图像膨胀后进行形态学重建并得到基于开闭运算的重构图像。基于开运算的重构滤波器能去掉图像上与结构元素不相吻合的相对亮的分布结构，保留那些吻合的部分，同时保持灰度级和较大亮区特性的相对不变；而闭运算重构滤波器则会填充图像上与结构元素不相吻合的相对暗的分布结构，保留吻合的部分而保持图像整体灰度值和大的暗区域基本不受影响。因此，采用基于开、闭运算重构的方法能有效的平滑图像，去除噪声，同时保持原始图像基本的形状特征。

步骤S2：利用带标记的分水岭分割方法对步骤S1所得到的原始显微图像进行分割，得到可能的杂质颗粒区域。

图3显示了带标记的分水岭分割方法对所述显微图像进行分割的流程图，如图3所示，其具体包括如下步骤：

步骤S21：对步骤S1得到的原始显微图像进行形态学重构，获取每个连通域的局部极大值，并将局部极大值叠加到原始图像，实现前景标记。

所述连通域是指反变换后的原始图像中区别于背景的较亮区域。连通域的局部最大值是指找出连通域中的区域最大值，返回的是指示连通域的区域最大值的位置的二进制图像BW，BW和连通域大小相同。在BW中，区域最大值的像素被设成1；所有其它的像素都设成0。将局部极大值叠加到原始图像指将得到的局部极大值图像BW与原始图像进行与运算实现前景标记。

其中对步骤S1得到的原始显微图像进行形态学重构，获取每个连通域的局部极大值具体步骤为：

步骤S211：将设值为1的区域代表原始显微图像I上的局部最大区域，令12=I-1，即对图像I中所有像素的灰度值减去1，得到图像12。则在图像12中，原始图像中局部最大区域被去除；

步骤S212：以图像12为标记图像，通过不断对12在原始图像I内进行条件膨胀，最终得到12对I的重构图像13。膨胀操作是指得到结构元素B平移后使B包含于12的所有点构成的集合。这里，结构元素B取半径为1的disk型结构元素。条件膨胀中的条件指图像12膨胀结果始终保持在原始图像I的像素范围内。此时因为12中的局部最大区域被去除，因此13中局部最大区域无法被重构；

步骤S213：将原始图像I与重构后的图像13相减，因为13中局部最大区域无法被重构，因此减完后的图像即为原始图像I的局部最大值区域；

步骤S22：修改带标记的分水岭方法中的分割函数，使分割函数在前景标记位置有极小值。这里，我们将图像的梯度幅值作为分割函数，使用形态学梯度对图像进行水平和垂直方向的滤波，然后对滤波后的图像求取模值，得到图像的梯度幅值，即为分割函数。

其中，使用形态学梯度运算是指利用基本的形态学算子膨胀和腐蚀结合的方法。结构元素b对灰度图像I进行膨胀操作与b对灰度图像I进行腐蚀操作做差分即可得到梯度边缘。这里，膨胀操作是指得到结构元素b平移后使b包含于I的所有点构成的集合，腐蚀操作是指得到结构元素b平移后使b包含于I的所有点构成的集合。用Grad(I)表示图像I的梯度边缘，δ_b(I)代表结构元素b对灰度图像I进行膨胀操作结果，ε_b(I)代表结构元素b对灰度图像I进行腐蚀操作结果，则Grad(I)定义为：

Grad(I)=δ_b(I)-δ_b(I)

步骤S23：对修改后的分割函数做分水岭变换，对图像进行分割，得到一系列可能的杂质颗粒区域。

步骤S3：根据杂质的几何特征对步骤S2得到的可能的杂质颗粒区域确定最终的杂质颗粒区域。

该步骤具体包括：

步骤S31、对步骤S2得到的每个可能的杂质颗粒区域进行区域标记，并统计各个杂质颗粒区域的面积和圆度。

其中圆度的计算方法为：设PI为圆周率，计算封闭连通域的面积，记为S，计算周长C，则定义该连通域的圆度R为：

$R=\frac{4*\mathrm{PI}*S}{C*C}$

步骤S32、提取圆率大于阈值且面积满足一定条件的杂质颗粒区域作为最终确定的杂质颗粒区域。

所要的一定条件是指该可能的杂质颗粒区域面积明显大于其它可能的杂质颗粒区域。我们对各个可能的杂质颗粒区域面积由大至小进行排序，当出现下一个可能的杂质颗粒区域面积远远小于上一个时，则去除该可能的杂质颗粒区域及以下所有可能的杂质颗粒区域。例如当标记为1的可能的杂质颗粒区域面积为5个像素，而标记为2的可能的杂质颗粒区域面积为278个像素，则认为标记为2的连通域为杂质颗粒区域。

步骤S4：对步骤S3确定的杂质颗粒区域进行标记，统计各个杂质区域的几何特征参数。

统计各杂质颗粒区域内的像素的总数及分布，得到各个杂质区域的几何特征参数。其中统计出来的杂质颗粒的几何形貌参数主要包括杂质总数、杂质周长、面积、最大尺寸、质心(重心)、圆度、标准差、包含杂质的最小矩形、与杂质区域具有相同标准二阶中心矩的椭圆的长轴长度(像素意义下)、短轴长度、椭圆的离心率以及几何拓扑中的一个拓扑不变量——欧拉数等形状因子。

实施例

下面通过一个具体实施例来说明本发明的步骤，该实施例是对一个聚乙烯电缆样品切片进行杂质检测。该实施例对原始的电缆切片进行显微拍摄，获得RGB颜色空间的显微图像。图4所示为对该原始显示图像做灰度化处理的结果。图5显示了对其进行图像增强结果。图6显示了对增强后的图像进行形态学滤波的结果。接着，利用带标记的分水岭分割方法对聚乙烯电缆杂质进行分割，得到如图7所示图像。对分割出的每个连通域进行区域标记，并统计各个连通域的面积和圆度，结果如图8所示。提取圆度大于阈值且面积满足一定条件的连通区域，结果如图9所示。将提取的杂质颗粒轮廓叠加至原始图像上，得到图10所示结果。得到提取后的杂质颗粒，对每个杂质连通域进行标记，提取杂质的几何形貌特征参数。

从上面的图像可以看到，本发明提供的一种基于图像处理技术的聚乙烯电缆杂质检测对显微图像采集过程中及存储、运输过程中产生的多种干扰信息有较强的容错性和抗干扰性；并且，能有效矫正图像灰度，滤除噪声，提高原始图像质量，对低对比度图像仍能准确提取杂质颗粒。并且方法过程简单，计算速度快，测量准确度较高。

本发明基于数学形态学方法，对显微镜采集到的样品切片图像进行灰度化、图像增强、形态学滤波、图像分割并提取轮廓，从而得到具有一定特性的杂质图像，能有效地识别杂质颗粒的存在与否并能够准确地计算出存在杂质颗粒的尺寸、个数、面积等几何特征。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种检测聚烯烃材料的杂质几何特征的方法，其特征在于：该方法包括如下步骤： 

S1、对聚烯烃材料的样品切片进行显微拍摄，得到该样品切片的原始显微图像； 

S2、利用带标记的分水岭分割方法对步骤S1所得到的原始显微图像进行分割，得到可能的杂质颗粒区域； 

S3、根据杂质的几何特征对步骤S2得到的可能的杂质颗粒区域确定最终的杂质颗粒区域； 

S4、对步骤S3确定的杂质颗粒区域进行标记，统计各个杂质区域的几何特征参数。 

2.如权利要求1所述的检测聚烯烃材料的杂质几何特征的方法，其特征在于：所述步骤S1还包括对所述原始显微图像进行预处理的步骤。 

3.如权利要求2所述的检测聚烯烃材料的杂质几何特征的方法，其特征在于：对所述原始显微图像进行预处理的步骤包括： 

步骤S11：对所述原始显微图像进行灰度化； 

步骤S12：利用形态学Top-Hat变换对所述显微图像进行增强； 

步骤S13：对所述显微图像进行形态学滤波。 

4.如权利要求1所述的检测聚烯烃材料的杂质几何特征的方法，其特征在于：所述步骤S2包括： 

步骤S21：对步骤S1得到的原始显微图像进行形态学重构，获取每个连通域的局部极大值，并将局部极大值叠加到原始图像，实现前景标记； 

步骤S22：修改带标记的分水岭方法中的分割函数，使分割函数在前景标记位置有极小值。将图像的梯度幅值作为分割函数，使用形态学梯度对图像进行水平和垂直方向的滤波，然后求取模值； 

步骤S23：对修改后的分割函数做分水岭变换，对图像进行分割，得到一系列可能的杂质颗粒区域。 

5.如权利要求4所述的检测聚烯烃材料的杂质几何特征的方法，其特征在于：所述步骤S21中，对预处理后的显微图像进行形态学重构，获取每个连通域的局部极大值具体步骤为： 

步骤S211：将设值为1的区域代表原始显微图像I上的局部最大区域，令12=I-1，即对图像I中所有像素的灰度值减去1，得到图像12； 

步骤S212：以图像12为标记图像，通过不断对12在原始图像I内进行条件膨胀，最终得到12对I的重构图像13； 

步骤S213：将原始图像I与重构后的图像13相减，得到原始图像I的局部最大值区域。 

6.如权利要求1所述的检测聚烯烃材料的杂质几何特征的方法，其特征在于：所述步骤S3包括： 

步骤S31、对分割出的每个连通域进行区域标记，并统计各个连通域的面积和圆度； 

步骤S32、提取圆率大于阈值且面积满足一定条件的连通区域，即为杂质颗粒区域。 

7.如权利要求6所述的检测聚烯烃材料的杂质几何特征的方法，其特征在于：所述步骤S31中，各个连通域的面积为连通域区域像素的个数，连通域圆度的计算方法为：设PI为圆周率，计算封闭连通域的面积，记为S，计算周长C，则定义该连通域的圆度R为： 

。

Images