CN104318564A - 一种矿物颗粒分相的方法 - Google Patents
一种矿物颗粒分相的方法 Download PDFInfo
- Publication number
- CN104318564A CN104318564A CN201410575703.7A CN201410575703A CN104318564A CN 104318564 A CN104318564 A CN 104318564A CN 201410575703 A CN201410575703 A CN 201410575703A CN 104318564 A CN104318564 A CN 104318564A
- Authority
- CN
- China
- Prior art keywords
- shoulder
- mineral
- image
- pixel
- region
- 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.)
- Pending
Links
Landscapes
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明公开了一种矿物颗粒分相的方法,包括:查找出矿物颗粒图像中的平缓区域和亮点区域,获得所述矿物颗粒图像中的平缓区域及亮点区域的标记;其中,所述平缓区域是指图像中区域内的像素点的灰度变化小于预定的值,所述亮点区域是指图像中灰度值达到预定灰度值要求的区域;根据获得的所述平缓区域及亮点区域的标记对矿物颗粒图像进行分相处理。从而可以有效避免现有技术中的分水岭分割算法存在的过度分割的问题。同时,还可以降低矿物相分割过程的复杂程度,从而可以准确有效的完成矿石颗粒的矿物相分割,提高矿物相分割的运算效率,进而提高工艺矿物学自动测量过程的处理效率。
Description
技术领域
本发明涉及工艺矿物学自动测量技术领域,尤其涉及一种矿物颗粒分相的方法。
背景技术
在目前的工艺矿物学自动测量系统中,测量矿石样本的工艺矿物学参数的方式包括:首先,利用扫描电子显微镜采集由矿石样本磨碎后制成的矿石光片的背散射电子图像;之后,对背散射电子图像进行图像处理,计算出每一个矿石颗粒及矿物相的边长、面积等参数,并指导能谱仪打点确认矿物名称。
具体地,当电子扫描电镜(即扫描电子显微镜)发射电子束至矿石光片进行扫描的过程中,待检测样品(即矿石光片)会反射一部分的电子、特征X射线等。其中:
(1)特征X射线光子由能级跃迁产生,其能量与产生该光子的原子结构直接相关,各光子间能量差异大,故能更精确地反映扫描点处矿物的元素组成及含量。
(2)被反射的电子被扫描电子显微镜的工作镜腔里的背散射电子探头接收后,根据不同的原子核反射的电子的计数率,在检测器上形成图像。计数率反映矿物的平均原子序数,平均原子序数越高,计数率越大,反映在图像上灰度值越高。
通过上述处理过程可以对矿石颗粒中的矿物成分及不同矿物成分间的共生关系进行统计分析,以对磨矿过程的当前工况进行整体评估,从而指导工艺流程的调整。在工艺矿物学自动测量的过程中,还可以通过矿物相分割确定不同的矿物相区域从而寻找打点位置,可以对矿物样品的打点实现自动化布点,减少打点密度,提高作业效率。
综上,目前对于工艺矿物学测量系统,图像处理部分起着至关重要的作用,可以说所有工艺矿物学参数的计算都依赖于图像处理的结果。并且在自动测量过程中,较大部分的耗时都在图像处理部分。因此,提高图像处理结果的准确性和快速性是工艺矿物学测量系统的关键技术。
目前,QEMSCAN(Quantitative Evaluation of Minerals by Scanning ElectronicMicroscopy,扫描电镜矿物定量评价)技术采用的图像处理方式中,仅利用光片中作为背景的环氧树脂的灰度接近0(其与矿石颗粒的灰度差较大)将背散射电子图像中的矿石颗粒从背景中提取出来,但处理过程中并未进行分相处理,从而导致其利用X射线鉴定矿物时布点复杂。
为此,在现有的矿物图像处理过程中较多地采用了矿物分相的处理方式。目前通常采用的一种矿物相的分割技术为分水岭分割算法,另一种为自动矿物分析仪(MineralLiberation Analyser,MLA)中采用的基于多参数的矿物相分割手段。下面将对两种矿物相分割处理方式分别进行描述。
(一)分水岭分割算法
分水岭分割算法是一种基于拓扑理论的分割方法,将图像看作拓扑地貌即三维的地形图,图像上每一个像素的灰度值对应地形图上的海拔高度,区域生长的过程可以看成是从地形图上各个区域的海拔极小值处开始灌水,灌水的区域称为集水盆,如图1所示,当两两集水盆汇合时,形成分水岭。在图像上即从各区域的极小值点开始区域生长,到两个区域相接时形成分水岭。
分水岭分割算法是一个迭代标注的计算过程。一般用像素的梯度值为标准对待分割的灰度图像进行区域划分,梯度越小,灰度变化越小,代表地形图上越平坦。从各区域中的梯度极小值开始,集水盆慢慢扩大,当两两集水盆交汇时的边界其梯度在区域内最大即灰度变化最大,形成分水岭,完成图像分割。基于梯度的分水岭算法是将两两区域间的梯度最大值对应的像素点作为分割边界进行图像分割的。
分水岭算法的优势在于其获取的边界一定是连续且封闭的。对于灰度图像中的噪声及物体表面的细微变化引起的灰度变化都有可能形成分水岭,这种特征对微弱的边缘会具有良好的效果,但是,分水岭分割算法存在以下缺点:
在自动完成矿物相分割的过程中,初始区域的自动标记是需要解决的关键问题,因为初始区域的选取严重影响分水岭算法的效果。
将灰度图像中的局部梯度极小值点作为分水岭算法的初始标记,如图2所示,这可能会导致严重的过分割,图2中的黑色线条即为过分割形成的分割线。
(二)自动矿物分析仪分割法
自动矿物分析仪(Mineral Liberation Analyser,MLA)矿物自动分析系统用于对矿物、材料样品进行矿物成份自动定量分析。MLA矿物自动分析系统的矿物分析利用扫描电镜,X-Ray(X射线)能谱分析仪进行,其包含9个可运行软件:MLASystemManager(系统管理软件)、MLAMonitor、MLAMeasurement(测量软件)、XSTD_NEW(标准管理软件)、ParticleX(矿物分类软件图形处理)、ProcessTool(图形处理软件)、MineralDbMaker(数据库模板软件)、MLADataview(数据显示软件)、MLAImageView。其中,MLAMeasurement及ProcessTool中均包含图像处理功能。处理的目的是将如图3所示的每一帧原始光片灰度图中的矿石颗粒提取出来,并根据灰度对每个颗粒进行分相,每个相代表一个灰度区域,每个灰度区域代表一种矿物。其图像分割的参数及软件给出的默认参数值如表1所示,其中,Shadow(阴影)类参数存在高低两种默认设置,在表中以斜线分割。
表1
从上述表1中可以看到,MLA方法中应用到的图像分割参数个数较多,且各参数对图像分割的作用效果互相关联,在无法了解内部算法的情况下,很难理解各参数的意义及作用,导致实际应用过程中的参数调整十分困难。而且,在实际应用过程中,MLA分相处理耗时较长,严重影响自动测量系统的工作效率。
发明内容
本发明的目的是提供一种矿物颗粒分相的方法,可以有效避免过度分割的问题,并可以降低矿物相分割过程的复杂程度。
本发明的目的是通过以下技术方案实现的:
一种矿物颗粒分相的方法,包括:
查找出矿物颗粒图像中的平缓区域和亮点区域,获得所述矿物颗粒图像中的平缓区域及亮点区域的标记;其中,所述平缓区域是指图像中区域内的像素点的灰度变化小于预定的值,所述亮点区域是指图像中灰度值达到预定灰度值要求的区域;
根据获得的所述平缓区域及亮点区域的标记对矿物颗粒图像进行分相处理。
所述平缓区域包括:矿物平缓区域和大孔洞区域,所述矿物平缓区域是指矿物颗粒图像中某矿物所处于的平缓区域,所述大孔洞区域是指矿物颗粒图像中大于预定面积的孔洞所处于的平缓区域。
所述平缓区域的查找过程包括:根据各个区域在图像灰度直方图上的分布特征,选取预定的主峰区间作为平缓区域的灰度分布区间;
获得所述平缓区域的标记的方式包括:根据不同平缓区域所处的灰度区间的不同对所平缓区域进行标记,作为平缓区域区域生长的初始区域标记;其中,所述灰度区间为所述选取的预定的主峰区间。
所述亮点区域的查找过程包括:从所述平缓区域的标记处开始,以区域生长的方式缩小亮点区域的范围,确定符合预定灰度值要求的亮点区域的范围;
所述亮点区域的标记方式包括:从所述亮点区域中选择灰度值最大的像素点作为该区域的代表点,为所述代表点赋予对应的代表点标号作为该亮点区域的标记。
根据所述平缓区域及亮点区域的标记对矿物颗粒图像进行分相处理的步骤包括:
根据所述矿物颗粒中的平缓区域及亮点区域的标记,采用分水岭分割算法对矿物颗粒的图像进行矿物相分割;在分割的过程中,若两个矿物相区域仅由带状区域隔开,则将所述带状区域并入其中一个矿物相区域。
将所述带状区域并入其中一个矿物相区域的步骤包括:
遍历平缓区域中的各像素点,若当前像素点的像素标号小于其八邻域中的最大标号,则去除该像素点,否则,保留该像素点;其中,在之前对像素点标号的过程中,所述亮点区域的像素点的像素标号最大;
在遍历平缓区域中的各像素点并去除所述带状区域后,重新进行一次基于平缓区域的标记的区域生长操作,以将去除的带状区域重新标记并入相邻矿物相区域。
由上述本发明提供的技术方案可以看出,本发明实施例提供的一种矿物颗粒分相的方法可以有效避免现有技术中的分水岭分割算法存在的过度分割的问题。同时,还可以降低矿物相分割过程的复杂程度,从而可以准确有效的完成矿石颗粒的矿物相分割,提高矿物相分割的运算效率,进而提高工艺矿物学自动测量过程的处理效率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他附图。
图1为分水岭分割法的原理示意图;
图2为采用分水岭算法分割后的矿石颗粒图像示意图;
图3为一帧需要处理的原始光片灰度图;
图4为本发明实施例提供的方法的处理过程示意图;
图5为本发明实施例中原矿石颗粒图像;
图6为本发明实施例中完成平缓区域初始标记的灰度图;
图7为本发明实施例中完成亮点区域初始标记的灰度图;
图8为本发明实施例中初步的矿石颗粒分相后的灰度图;
图9为本发明实施例中嵌布紧密的矿物颗粒图像;
图10为本发明实施例中针对图9完成矿物相分割后的灰度图;
图11为本发明实施例中对图10去除带状区域后的灰度图;
图12为本发明实施例中对图11最终完成矿物相分割后的灰度图;
图13为采用现有技术中的MLA的矿物相分割结果;
图14为采用本发明实施例的矿物相分割结果。
具体实施方式
下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明的保护范围。
工艺矿物学通过对矿石颗粒中的矿物成分及不同矿物成分间的共生关系进行统计分析可以对磨矿过程的当前工况进行整体评估,并进一步指导工艺流程的调整。在工艺矿物学自动测量的过程中,需要识别矿石颗粒的不同成分区域。因此,利用图像处理技术,结合矿石颗粒不同成分对应图像上不同灰度值的特征,对矿石图像的不同灰度区域进行分割,从而得到不同的矿物相区域。
为此,本发明中首先自动标记出各个不同的矿物相区域,然后利用分水岭算法分割相区,从而区分出矿石颗粒的不同成分区域。具体可以将矿石颗粒的灰度图分为四个区域:平缓区域、边缘区域、亮点区域及孔洞区域。在对矿石颗粒图像的处理过程中,首先根据灰度直方图找到平缓区域标记,再通过区域生长找到亮点区域并标记,最后将平缓区域标记和亮点区域标记合起来成为分水岭算法的初始区域,并利用分水岭算法完成相应的矿物相分割处理。
本发明实施例提供的一种矿物颗粒分相的方法,具体可以包括:
(一)查找出矿物颗粒图像中的平缓区域(包括大孔洞区域和矿物平缓区域)和亮点区域,获得所述矿物颗粒图像中的平缓区域及亮点区域的标记;相应的平缓区域包括矿物平缓区域和大孔洞区域,该矿物平缓区域是指矿物颗粒图像中某矿物所处于的平缓区域,该大孔洞区域是指矿物颗粒图像中大于预定面积的孔洞所处于的平缓区域;
其中,所述平缓区域是指图像中区域内的像素点的灰度变化小于预定的值,所述亮点区域是指图像中灰度值达到预定灰度值要求的区域;且,
所述平缓区域的查找过程包括:根据各个区域在图像灰度直方图上的分布特征,选取预定的主峰区间作为平缓区域的灰度分布区间,具体可以根据图像灰度直方图,在直方图上寻峰,对于高于给定阈值的峰,选取一定的峰位区间,得到一组灰度区间,将图像上灰度值在灰度区间内的像素点保留,即为平缓区域;
获得所述平缓区域的标记的方式包括:根据不同平缓区域所处的灰度区间的不同对所平缓区域进行标记,作为平缓区域区域生长的初始区域标记,即平缓区域的标记;其中,所述灰度区间为根据平缓区域图像的灰度直方图的主峰区间确定,即所述灰度区域为所述选取的预定的主峰区间。
所述亮点区域的查找过程包括:从所述平缓区域的标记处开始,以区域生长的方式缩小亮点区域的范围,确定符合预定灰度值要求的亮点区域的范围,所述预定灰度值要求可以但不限于为:若某像素点与相邻像素点的灰度差大于给定阈值,则确定该像素点为亮点;
所述亮点区域的标记方式包括:从所述亮点区域中选择灰度值最大的像素点作为该区域的代表点,为所述代表点赋予对应的代表点标号作为该亮点区域的标记。
(二)根据获得的所述平缓区域及亮点区域的标记对矿物颗粒图像进行分相处理。
根据所述平缓区域及亮点区域的标记对矿物颗粒图像进行分相处理的步骤包括:
根据所述矿物颗粒中的平缓区域及亮点区域的标记,采用分水岭分割算法对矿物颗粒的图像进行矿物相分割;在分割的过程中,若两个矿物相区域仅由带状区域隔开,则将所述带状区域并入其中一个矿物相区域。
将所述带状区域并入其中一个矿物相区域的步骤包括:
遍历平缓区域中的各像素点,若当前像素点的像素标号小于其八邻域中的最大标号,则去除该像素点,否则,保留该像素点;其中,在之前对像素点标号的过程中,所述亮点区域的像素点的像素标号最大,即亮点区域的像素点的像素标号大于平缓区域的像素点标号,这样便可以避免将作为亮点标记的像素点去除掉;
在遍历平缓区域中的各像素点并去除所述带状区域后,重新进行一次基于平缓区域的标记的区域生长操作,以将去除的带状区域重新标记并入相邻矿物相区域。
为便于理解,下面将结合附图对本发明实施例的具体实现过程进行详细的描述。
在实施本申请的过程中首先对大量的扫描电镜采集的矿石颗粒图像中的矿石颗粒的灰度分布进行了分析,经过分析后发现,矿石颗粒的灰度基本可以分为四个区域:平缓区域、边缘区域、亮点区域及孔洞区域。其中:
(1)矿物平缓区域
平缓区域内的像素点变化较小,灰度分布均匀,由于背散射电子图像上不同的灰度值区间代表光片上对应位置的不同矿物,因此,平缓区域内的像素点可以看作对应的是同一种矿物;
(2)边缘区域
各个平缓区域交界处灰度变化呈现一种过渡的状态,称之为边缘区域,即各个矿物相的边缘部分;
(3)亮点区域
由于平均原子序数越高,反映在图像上灰度值越高,因此金属类矿物灰度值相较于其他矿物(如脉石类矿物)的灰度值要高出许多;而且金属类矿物,尤其金、银、铂等贵金属在矿石中一般不会大面积成片的存在,通常呈小面积的散布状,因此反映在图像上为散布的面积较小的亮点区域;对于有些工艺矿物学自动测量需要针对这些贵重金属进行搜索,因而亮点区域虽然小,但显得尤为重要;
(4)孔洞区域
在磨矿过程中,可能会在平缓区域留下凹洞或者沟痕等,这些凹洞或沟痕被环氧树脂填充,因此反映在图像上呈现小区域内突然变暗的现象,针对这一类凹洞或沟痕统称为孔洞区域,孔洞区域的灰度值并不反映光片上对应位置矿物的理化属性。该孔洞区域包含大孔洞区域和小孔洞区域,相应的大孔洞区域是指在平缓区域查找过程中被确定位平缓区域的孔洞区域,其他孔洞区域则为小孔洞区域。
综上,相应的矿物平缓区域及亮点区域均对应着光片上相应位置的矿物,边缘区域则对应两两矿物相接的边界区域。因而,针对矿物相的划分即为寻找不同的平缓区域和亮点区域的处理过程,相应的边缘区域则应划分到各平缓区域或亮点区域中。对于孔洞区域,则若孔洞区域面积较小,应该将其分配到相邻或包裹的区域中,若孔洞区域面积较大,为了避免对其周围面积较小的矿物相分割的影响,应将该区域同平缓区域和亮点区域一样单独标记出来。
下面将结合附图对本发明实施例的具体实现过程进行详细描述。
如图4所示,一种矿物颗粒分相的方法的具体实现过程包括:
步骤41,寻找平缓区域(包含大孔洞区域和矿物平缓区域)和亮点区域的初始标记区域;
边缘区域和较小的孔洞区域有着共同的特点:一是非连通区域的面积都是有限的且较小的,二是区域内灰度分布不集中。根据这两个特点,寻找平缓区域(包含矿物平缓区域和大孔洞区域)和亮点区域的方法可以包括:
在图像的灰度直方图上,较为明显的峰分别对应各个平缓区域。对灰度直方图寻峰,若峰高大于给定阈值,则选取该峰位处一定宽度(即预定的主峰区域)的灰度范围作为一个平缓区域的灰度范围,得到一组平缓区域灰度范围(即得到一组灰度区间)。遍历图像像素,若灰度值不在平缓区域灰度范围内,则将其从图像上去除,若不是则保留,从而完成平缓区域的查找处理;
步骤42,查找并标记平缓区域(即包含大孔洞区域和矿物平缓区域);
由于亮点区域的区域面积一般都很小,且灰度变化较大,所以在寻找平缓区域的过程中,不仅将边缘区域和较小的孔洞区域去除了,还将亮点区域同时去除,只剩下图像的平缓区域,如图5和图6所示,将图5中的边缘区域和较小的孔洞区域去除后得到图6中的初始标记区域。因此,可以根据不同平缓区域所处的不同灰度区间对平缓区域进行标记,作为平缓区域区域生长的初始区域标记。而不同灰度区间是根据平缓区域图像的灰度直方图的主峰区间确定的,一个灰度区间对应一个主峰区间,即一个初始标记区域对应一个主峰区间。
步骤43,查找并标记亮点区域;
由于亮点区域会在寻找平缓区域的过程中不可避免地被去除,而亮点区域是需要被单独标记出来的,于是在后续的区域生长处理之前,需要先将亮点区域找出,标记出亮点区域的初始标记,即确定亮点区域的标记。
具体地,确定亮点区域的标记的方式可以包括:
首先,从平缓区域的初始区域标记开始以区域生长的方式缩小亮点区域范围,确定亮点区域的区域范围,区域生长的条件为相应的亮点区域的区域范围中的像素点的灰度值高于相邻像素点的灰度值且超过预定值;
其次,从各区域范围中选取灰度值最大的像素点作为该区域的代表点;
最后,将各代表点按灰度值选取灰度范围进行分组,赋予不同的标号,完成亮点区域的标记,基于上述图6标记出亮点区域后的灰度图如图7所示。
步骤44,基于所述标记进行矿物分相处理;
在完成平缓区域及亮度区域的标记操作后,则可以进行基于所述标记的矿物分相处理,下面将描述相应的矿物分相的处理过程。
平缓区域的初始区域标记与亮点区域的标记共同构成了目标矿物相标记,由目标矿物相标记开始,通过基于矿物相标记的分水岭法即可完成矿物相分割。具体地,相应的基于矿物相标记的分水岭分割处理过程包括:
首先对初始区域按灰度范围赋予不同的标记,再进行区域生长。区域生长的策略是:从左到右从上到下扫描图像,将初始区域四邻域点中未标记的点按与其对应的标记点的灰度差从小到大存储。然后从小到大处理储存的点,将这些点标记为其四邻域中与自身灰度差最小的标记点的标记,并按灰度差存储与自身灰度差最小的未标记的点。直到图像上的所有点均标记上,区域生长结束,初步的矿石颗粒分相完成,即对上述图7进行初步的矿石颗粒分相处理后获得如图8所示的分相结果。
步骤45,去除带状区域的处理;
初步的矿石颗粒分相完成后,大部分的矿石颗粒的分割效果都较为理想。然而,光片中矿石颗粒的成分种类繁多,组成复杂,会出现矿物相互相嵌布十分密集的情况。对于这种嵌布密集的颗粒,在进行初步的矿石颗粒分相后容易出现过分割的现象。这是不希望看到的,因为分相结果中,不连通的区域越多,能谱采样点的个数也就越多。经过对矿石颗粒的分析发现,这种嵌布紧密的颗粒通常是呈带状嵌布,如图9所示,图10则显示了过分割后的矿物相灰度图,这样在带状区域打点激发出的能谱通常易受其他矿物相影响,形成混谱,很难准确的确定其矿物组成。于是,若两个矿物相区域仅由带状区域隔开,则应该将该带状区域并入到这两个矿物相其中的一个中。
在将该带状区域并入到这两个矿物相其中的一个中的处理过程包括:
首先,将相应的带状区域像素去除,带状区域像素去除的规则可以包括:从左往右遍历各像素点,若当前像素标号小于其八邻域中的最大标号,则将该像素去除,否则保留,去除带带状区域后的灰度图如图11所示。
之后,即去除带状区域后,再进行一次基于标记的区域生长,将去除的带状区域重新标记后便可以将相应的带状区域并入一个矿物相中,此时,矿物颗粒的分相过程结束,矿物颗粒分相结果如图12所示。
通过上述本发明实施例提供的技术方案避免了一般的利用梯度极小值点作为初始标记区域的分水岭算法出现的过分割问题。
进一步地,本实施例提供的技术方案的分相效果与MLA的分相效果相比较,对于嵌布紧密的颗粒,本实施例提供的分相方案的带状区域和散布情况要比MLA少,如图13和图14所示。而且,在参数设置上,本实施例提供的分相算法需要设置的参数也比MLA少:如表1所示,MLA需要10个参数,而本实施例中仅需五个参数,如表2所示。在运算时间上,本实施例在Visual Studio2010环境下采用Visual C++编写完成。MLA方法对应于MLA Suite2.9软件包中Process Tool软件的Presegmentation功能。采用12358个矿石颗粒作为测试样本,在同一台计算机上测试者两种方法的运行速度,本实施例与MLA方法的运行时间见表3,本实施例的分相方法运行时间仅为MLA方法的36%。
表2
在表2中,过渡带去除参数是指去除小孔洞区域和边缘区域的像素点后余下的像素点占总像素点的比例。矿物相标记参数是指平缓区域划分过程及亮点区域确定过程中的参数。过分割去除参数则是去除带状区域的宽度参数。
表3
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (6)
1.一种矿物颗粒分相的方法,其特征在于,包括:
查找出矿物颗粒图像中的平缓区域和亮点区域,获得所述矿物颗粒图像中的平缓区域及亮点区域的标记;其中,所述平缓区域是指图像中区域内的像素点的灰度变化小于预定的值,所述亮点区域是指图像中灰度值达到预定灰度值要求的区域;
根据获得的所述平缓区域及亮点区域的标记对矿物颗粒图像进行分相处理。
2.根据权利要求1所述的方法,其特征在于,所述平缓区域包括:矿物平缓区域和大孔洞区域,所述矿物平缓区域是指矿物颗粒图像中某矿物所处于的平缓区域,所述大孔洞区域是指矿物颗粒图像中大于预定面积的孔洞所处于的平缓区域。
3.根据权利要求1所述的方法,其特征在于,
所述平缓区域的查找过程包括:根据各个区域在图像灰度直方图上的分布特征,选取预定的主峰区间作为平缓区域的灰度分布区间;
获得所述平缓区域的标记的方式包括:根据不同平缓区域所处的灰度区间的不同对所平缓区域进行标记,作为平缓区域区域生长的初始区域标记;其中,所述灰度区间为所述选取的预定的主峰区间。
4.根据权利要求3所述的方法,其特征在于,
所述亮点区域的查找过程包括:从所述平缓区域的标记处开始,以区域生长的方式缩小亮点区域的范围,确定符合预定灰度值要求的亮点区域的范围;
所述亮点区域的标记方式包括:从所述亮点区域中选择灰度值最大的像素点作为该区域的代表点,为所述代表点赋予对应的代表点标号作为该亮点区域的标记。
5.根据权利要求1至4任一项所述的方法,其特征在于,根据所述平缓区域及亮点区域的标记对矿物颗粒图像进行分相处理的步骤包括:
根据所述矿物颗粒中的平缓区域及亮点区域的标记,采用分水岭分割算法对矿物颗粒的图像进行矿物相分割;在分割的过程中,若两个矿物相区域仅由带状区域隔开,则将所述带状区域并入其中一个矿物相区域。
6.根据权利要求5所述的方法,其特征在于,将所述带状区域并入其中一个矿物相区域的步骤包括:
遍历平缓区域中的各像素点,若当前像素点的像素标号小于其八邻域中的最大标号,则去除该像素点,否则,保留该像素点;其中,在之前对像素点标号的过程中,所述亮点区域的像素点的像素标号最大;
在遍历平缓区域中的各像素点并去除所述带状区域后,重新进行一次基于平缓区域的标记的区域生长操作,以将去除的带状区域重新标记并入相邻矿物相区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410575703.7A CN104318564A (zh) | 2014-10-24 | 2014-10-24 | 一种矿物颗粒分相的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410575703.7A CN104318564A (zh) | 2014-10-24 | 2014-10-24 | 一种矿物颗粒分相的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104318564A true CN104318564A (zh) | 2015-01-28 |
Family
ID=52373790
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410575703.7A Pending CN104318564A (zh) | 2014-10-24 | 2014-10-24 | 一种矿物颗粒分相的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104318564A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105181717A (zh) * | 2015-09-22 | 2015-12-23 | 同济大学 | 基于能量色散x射线谱的煤矸石物相分析方法 |
CN105241904A (zh) * | 2015-09-22 | 2016-01-13 | 同济大学 | 基于能量色散x射线谱的粉煤灰物相分析方法 |
CN107051713A (zh) * | 2017-04-07 | 2017-08-18 | 广州粤有研矿物资源科技有限公司 | 石英砂的提纯方法 |
JP2020034372A (ja) * | 2018-08-29 | 2020-03-05 | 住友金属鉱山株式会社 | 試料分析方法 |
CN110873722A (zh) * | 2018-09-03 | 2020-03-10 | 中国石油化工股份有限公司 | 一种岩心矿物组分鉴别方法 |
CN111047555A (zh) * | 2019-11-13 | 2020-04-21 | 鞍钢集团矿业有限公司 | 基于图像处理技术的矿石图像粒度检测算法 |
CN111060540A (zh) * | 2019-12-18 | 2020-04-24 | 汇鸿智能科技(辽宁)有限公司 | 一种夹杂物自动识别系统中夹杂物颗粒自动识别方法 |
CN111368844A (zh) * | 2020-03-10 | 2020-07-03 | 浙江中科锐晨智能科技有限公司 | 一种基于bse图的矿物颗粒自动识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101710424A (zh) * | 2009-12-22 | 2010-05-19 | 中国矿业大学(北京) | 矿石图像分割方法 |
CN103413290A (zh) * | 2013-05-25 | 2013-11-27 | 北京工业大学 | 多特征与多层次结合的矿石粒度图像分割方法 |
US8842270B2 (en) * | 2011-02-22 | 2014-09-23 | Benq Materials Corp. | Method and inspection device for bright spot defect detection of a polarizer |
CN104063866A (zh) * | 2014-06-26 | 2014-09-24 | 中国矿业大学(北京) | 一种矿石传送过程中的粒度检测方法 |
-
2014
- 2014-10-24 CN CN201410575703.7A patent/CN104318564A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101710424A (zh) * | 2009-12-22 | 2010-05-19 | 中国矿业大学(北京) | 矿石图像分割方法 |
US8842270B2 (en) * | 2011-02-22 | 2014-09-23 | Benq Materials Corp. | Method and inspection device for bright spot defect detection of a polarizer |
CN103413290A (zh) * | 2013-05-25 | 2013-11-27 | 北京工业大学 | 多特征与多层次结合的矿石粒度图像分割方法 |
CN104063866A (zh) * | 2014-06-26 | 2014-09-24 | 中国矿业大学(北京) | 一种矿石传送过程中的粒度检测方法 |
Non-Patent Citations (2)
Title |
---|
杨广强等: "基于分层策略的矿石颗粒图像区域分割", 《分析试验室》 * |
高丽等: "一种基于标记的分水岭图像分割新算法", 《中国图象图形学报》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105181717A (zh) * | 2015-09-22 | 2015-12-23 | 同济大学 | 基于能量色散x射线谱的煤矸石物相分析方法 |
CN105241904A (zh) * | 2015-09-22 | 2016-01-13 | 同济大学 | 基于能量色散x射线谱的粉煤灰物相分析方法 |
CN105181717B (zh) * | 2015-09-22 | 2017-12-15 | 同济大学 | 基于能量色散x射线谱的煤矸石物相分析方法 |
CN105241904B (zh) * | 2015-09-22 | 2018-01-16 | 同济大学 | 基于能量色散x射线谱的粉煤灰物相分析方法 |
CN107051713A (zh) * | 2017-04-07 | 2017-08-18 | 广州粤有研矿物资源科技有限公司 | 石英砂的提纯方法 |
CN107051713B (zh) * | 2017-04-07 | 2019-05-21 | 广州粤有研矿物资源科技有限公司 | 石英砂的提纯方法 |
JP2020034372A (ja) * | 2018-08-29 | 2020-03-05 | 住友金属鉱山株式会社 | 試料分析方法 |
JP7052643B2 (ja) | 2018-08-29 | 2022-04-12 | 住友金属鉱山株式会社 | 試料分析方法 |
CN110873722A (zh) * | 2018-09-03 | 2020-03-10 | 中国石油化工股份有限公司 | 一种岩心矿物组分鉴别方法 |
CN111047555A (zh) * | 2019-11-13 | 2020-04-21 | 鞍钢集团矿业有限公司 | 基于图像处理技术的矿石图像粒度检测算法 |
CN111047555B (zh) * | 2019-11-13 | 2023-10-17 | 鞍钢集团矿业有限公司 | 基于图像处理技术的矿石图像粒度检测算法 |
CN111060540A (zh) * | 2019-12-18 | 2020-04-24 | 汇鸿智能科技(辽宁)有限公司 | 一种夹杂物自动识别系统中夹杂物颗粒自动识别方法 |
CN111368844A (zh) * | 2020-03-10 | 2020-07-03 | 浙江中科锐晨智能科技有限公司 | 一种基于bse图的矿物颗粒自动识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104318564A (zh) | 一种矿物颗粒分相的方法 | |
CN106651872B (zh) | 基于Prewitt算子的路面裂缝识别方法及系统 | |
CN105352873B (zh) | 页岩孔隙结构的表征方法 | |
Asmussen et al. | Semi-automatic segmentation of petrographic thin section images using a “seeded-region growing algorithm” with an application to characterize wheathered subarkose sandstone | |
EP2748793B1 (en) | Dual image method and system for generating a multi-dimensional image of a sample | |
Graham et al. | Automated sizing of coarse-grained sediments: image-processing procedures | |
CN112419250A (zh) | 路面裂缝数字图像提取、裂缝修补及裂缝参数计算方法 | |
Ouyang et al. | Pavement cracking measurements using 3D laser-scan images | |
CN103761743B (zh) | 一种基于图像融合分割的实木地板表面缺陷检测方法 | |
CN103278864B (zh) | 洞缝型储层的地质特征参数及分布的测定方法及装置 | |
US20130342694A1 (en) | Method and system for use of intrinsic images in an automotive driver-vehicle-assistance device | |
CN103940708B (zh) | 一种钢材全形态晶粒的快速测量、精细分类方法 | |
CN110956207B (zh) | 一种光学遥感影像全要素变化检测方法 | |
Köse et al. | Statistical methods for segmentation and quantification of minerals in ore microscopy | |
CN113887524B (zh) | 基于语义分割的磁铁矿显微图像分割方法 | |
CN104346437A (zh) | 使用带电粒子束的半自动粒子分析的方法和数据分析系统 | |
JP2024508688A (ja) | 岩石を特定する方法、システム、装置、端末および可読記憶媒体 | |
Holme et al. | Characterisation of pitting corrosion by white light interferometry | |
Kozakiewicz | Image analysis algorithm for detection and measurement of Martian sand grains | |
CN103149130B (zh) | 砾岩岩心颗粒结构中粒度的分析方法 | |
CN112802042A (zh) | 二维岩心数字化图像颗粒分割方法、装置及可读存储介质 | |
CN111046783B (zh) | 一种改进分水岭算法的斜坡地质灾害边界提取方法 | |
Tang et al. | Fracture extraction from smooth rock surfaces using depth image segmentation | |
Toth et al. | Automated analysis of heterogeneous carbon nanostructures by high-resolution electron microscopy and on-line image processing | |
CN114460053B (zh) | 基于量子点荧光效应的光学元件亚表面缺陷三维重构方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150128 |