CN104865256A - 一种多源信息融合的汽车机油清净分散性定量测定方法 - Google Patents

Abstract

本发明公开了一种多源信息融合的汽车机油清净分散性定量测定方法，包括如下步骤：采集油斑彩色图像；将油斑彩色图像转换至HSV颜色空间，得到油斑HSV彩色图；对油斑HSV彩色图进行油环分割，得到油环初图；对油环初图进行后处理，得到油环图；对油斑HSV彩色图进行扩散环分割，得到扩散环初图；对扩散环初图进行后处理，得到扩散环图；对油斑HSV彩色图进行沉淀环检测，得到沉淀环初图；对沉淀环初图进行后处理，得到沉淀环图；根据油环图、扩散环图和沉淀环图，计算扩散环直径比重；根据油斑HSV彩色图，计算沉淀环亮度差比重；根据扩散环直径比重和沉淀环亮度差比重计算油品的清净分散性。本发明能快速、定量地测定出高精度的机油的清静分散性。

Description

一种多源信息融合的汽车机油清净分散性定量测定方法

技术领域

本发明属于计算机图像处理技术领域，具体涉及一种融合多源图像信息的汽车机油清净分散性测定方法。

背景技术

发动机是汽车的心脏，是汽车正常工作的重要保障。发动机润滑油的清净分散性是发动机机油的重要性能指标之一，它指能抑制积炭、油膜和油泥的生成，或将已经生成的这些沉积物冲入润滑油中予以清除的性能，机油应具有良好地清净分散性。

按国家标准GB/T 7607-1987中附录A《内燃机油滤纸斑点试验方法》的要求，现场快速测定机油清净分散性的方法为滤纸斑点试验法，具体过程：在滴定台上用滴棒，滴一定质量的机油到专用滤纸上，静置数小时，形成油斑图。依据油斑图测定机油清静分散性主要有：目测法、阻光度法和直径比法三种。其中，目测法是把滴好的滤纸斑点图与标准滤纸斑点图谱对比分析，对机油品质等级作出判断，目测法简单、易行，但判定的结果具有一定的主观性。阻光度法判定机油的清净分散性的过程：获得油斑图后通过光源箱中的光线分别照射油斑图的沉淀环和扩散环，再由光电传感器分别把透过沉淀环和扩散环的光信号变成电信号送入主机，测得油斑图沉淀环阻光度和扩散环阻光度计算清净分散性系数。该方法需要在试验室环境下进行，操作也较复杂。此外，董元虎等人通过直径比法来快速测定机油的清静分散性，用直尺测量扩散环和油环的直径，扩散环直径和油环直径的比值越大，说明机油的清静分散性越好，反之亦反，该方法简单可在室外现场实施。然而，由于油斑晕环并非是标准圆且边界呈现锯齿型，使得人工直尺法测量直径时存在测量精度不高，为减少测量误差需取多次测量的平均值，多次测量又会造成时间的浪费。而且，由国标的判定方法可知，清静分散性的好坏，不仅由扩散环的直径决定，而且还和沉淀环的颜色有关，仅凭扩散环和油环的直径比值来判断，不可避免的会产生错误。然而，现行国标是在目测沉淀环颜色和测量晕环直径时均存在主观判定的误差。

发明内容

针对上述现有技术中存在的缺陷或不足,本发明的目的在于，提供一种发动机机油清净分散性测定方法，该方法首先利用照相机采集油斑的彩色图像，并将油斑图像输入计算机；接着利用计算机提取油斑图像的油环区、扩散环区和沉淀区，融合沉淀环的暗度和扩散环 的宽度信息判定机油的清静分散性。本发明的计算简单，且避免了主观因素对判定结果的影响，使得测定结果精度高，适合在实时的系统中采用。

为了达到上述目的，本发明采用如下技术方案予以解决：

一种多源信息融合的汽车机油清净分散性定量测定方法，包括如下步骤：

步骤1：采集油斑彩色图像；

步骤2：将油斑彩色图像转换至HSV颜色空间，得到油斑HSV彩色图；

其特征在于，所述方法还包括如下步骤：

步骤3：对油斑HSV彩色图进行油环分割，得到油环初图；

步骤4：对油环初图进行后处理，得到油环图；

步骤5：对油斑HSV彩色图进行扩散环分割，得到扩散环初图；

步骤6：对扩散环初图进行后处理，得到扩散环图；

步骤7：对油斑HSV彩色图进行沉淀环检测，得到沉淀环初图；

步骤8：对沉淀环初图进行后处理，得到沉淀环图；

步骤9：根据油环图、扩散环图和沉淀环图，计算扩散环直径比重；

步骤10：根据油斑HSV彩色图，计算沉淀环亮度差比重；

步骤11：根据扩散环直径比重和沉淀环亮度差比重计算油品的清净分散性。

进一步的，所述的步骤3具体过程为：

其中，I为油环初图，为0和1的二值图，I(x,y)＝1表示像素(x,y)为可能的油环区；H(x,y)为油斑HSV彩色图中像素(x,y)的色度值；B_h为非油环色度均值；Y_h为油环色度均值。

进一步的，所述步骤4具体过程如下：

步骤41：去除油环初图I中的噪声区域；

步骤42：对步骤41得到的图进行形态学闭运算；

步骤43：对步骤42得到的图进行填充空洞处理。

进一步的，所述步骤5具体过程如下：

其中，J为扩散环初图，为0和1二值图，J(x,y)＝1表示像素(x,y)为可能的扩散区；S(x,y)为油斑HSV彩色图fa中像素(x,y)的饱和度值；B_s为非扩散环饱和度均值；Y_s为扩散环饱和度均值。

进一步的，所述步骤6的具体过程如下：

步骤61：去除扩散环初图中的噪声区域；

步骤62：对步骤61得到的图进行形态学闭运算；

步骤63：对步骤62得到的图进行填充空洞处理。

进一步的，所述步骤7的具体过程如下：

利用下式对扩散环区域进行分割，提取沉淀环初图O：

其中，V(x,y)为油斑HSV彩色图fa中像素(x,y)的亮度值；T_V为V分量的自适应阈值；O(x,y)＝1表示像素(x,y)为沉淀环区；FJ(x,y)＝1表示步骤6得到的扩散环图FJ中像素(x,y)值为1，即像素(x,y)属于扩散环区。

进一步的，所述步骤8的具体过程如下：

步骤81：去除沉淀环初图中的噪声区域；

步骤82：对步骤81得到的图进行形态学闭运算；

步骤83：对步骤82得到的图进行填充空洞处理。

进一步的，所述步骤9的具体过程如下：

统计步骤4得到的油环图中像素值为1的像素数目得到油环像素数，统计步骤6得到的扩散环图中像素值为1的像素数目得到扩散环像素数，统计步骤8得到的沉淀环图中像素值为1的像素数目得到沉淀环像素数，分别利用式(9)和式(10)计算扩散环直径比和沉淀环直径比：

$K=\frac{D_k}{D_y}=\sqrt{\frac{N_k}{N_y}}---\left(7\right)$

$d=\frac{D_c}{D_y}=\sqrt{\frac{N_c}{N_y}}---\left(8\right)$

式中，D_k为扩散环直径；D_y为油环直径；D_c为沉淀环直径；N_k为扩散环像素数；N_y 为油环像素数；N_c为沉淀环像素数；d为沉淀环直径比；K为扩散环直径比；

扩散环直径比重E_k计算式如下：

$E_k=\left\{\begin{array}{ccc}1& ,& K\&GreaterEqual;\mathrm{\&delta;}\\ \frac{K-d}{\mathrm{\&delta;}-d}& ,& d<K<\mathrm{\&delta;}\\ 0& ,& K\&le;d\end{array}\right.---\left(9\right)$

其中，δ为1级机油的扩散环直径比阈值，取0.9～0.98。

进一步的，所述步骤10的具体过程如下：

沉淀环区和背景区的在V分量的平均亮度值计算式如下所示：

$H_b=\frac{1}{N_b}\underset{(x,y)\&Element;W_b}{\&Sigma;}V(x,y)---\left(10\right)$

$H_c=\frac{1}{N_c}\underset{(x,y)\&Element;W_c}{\&Sigma;}V(x,y)---\left(11\right)$

其中，N_b为背景区的像素数；H_b和H_c分别表示背景区和沉淀环区的V分量的平均亮度值；步骤2得到的油斑HSV彩色图的V分量是油斑的亮度信息，步骤4得到的油环图FI中像素值为0的连通区域为背景区W_b，步骤8得到的沉淀环图中像素值为1的连通区域为沉淀环区W_c。

沉淀环亮度差A表示如下式所示：

A＝H_b-H_c             (12) 

沉淀环亮度差比重的计算如式11所示：

$E_a=\left\{\begin{array}{ccc}1& ,& A\&le;\mathrm{\&sigma;}\\ \frac{(H_b-\mathrm{\&xi;})-A}{(H_b-\mathrm{\&xi;})-\mathrm{\&sigma;}}& ,& \mathrm{\&sigma;}<A<(H_b-\mathrm{\&xi;})\\ 0& ,& A\&GreaterEqual;(H_b-\mathrm{\&xi;})\end{array}\right.---\left(13\right)$

其中，σ为辨别阈值，取10～30；ξ为黑度阈值，取30～50。

进一步的，所述步骤11的具体过程如下：

C＝α·E_k+β·E_a             (14) 

其中，α为直径比重权重系数，β为沉淀环亮度差比重权重系数，α+β＝1。

本发明的方法优点如下：

(1)该方法能快速、定量地测定出机油的清静分散性。通过清静分散性系数值可定量给出机油清静分散性的好坏，从而给出合适的等级。

(2)便于作为资料长久保存。实际中常常需要保存油斑试验结果，但随着时间的增长，油品容易氧化、挥发，油斑试验结果经过1-2个月的保存后通常只能丢弃。

(3)可用于发动机润滑油的研制工作中。近年来科研院校均大力开展发动机润滑油的研制工作，该方法也可用于测定研制机油的清净分散性。

以下结合具体实施方式对本发明作进一步的详细说明。

附图说明

图1彩色图像f；

图2油斑的H分量；

图3油环图FI；

图4油斑的S分量；

图5扩散环图FJ；

图6油斑的V分量；

图7沉淀环图FO；

图8晕环轮廓图。

具体实施方式

本发明给出的多源信息融合的汽车机油清净分散性定量测定方法，具体包括如下步骤：

步骤1：油斑彩色图像采集。

采集油斑的彩色图像f，其大小为M×N，(R(x,y),G(x,y),B(x,y))分别表示像素位置(x,y)的R、G和B分量值，1≤x≤M，1≤y≤N，x和y均为整数。

步骤2：将油斑彩色图像转换至HSV颜色空间，得到油斑HSV彩色图。

通过式1-式3，将油斑的彩色图像f转换至HSV颜色模型，得到油斑HSV彩色图fa：

$H=arccos\left\{\frac{\&lsqb;(R-G)+(R-B)\&rsqb;/2}{{\&lsqb;{(R-G)}^2+(R-B)(G-B)\&rsqb;}^{1/2}}\right\}---\left(1\right)$

$S=1-\frac{3}{(R+G+B)}\&lsqb;min(R,G,B)\&rsqb;---\left(2\right)$

$V=\frac{1}{3}(R+G+B)---\left(3\right)$

其中，R、G和B分别表示采集的RGB颜色模型的红色(R，Red)分量、绿色(G，Green)分量和蓝色(B，Blue)分量；H、S和V分别表示色度(H，Hue)分量，饱和度(S，Saturation)分量和亮度(V，Value)分量。

步骤3：油环分割和油斑晕环相比，背景区(非油环区)具有显著的色调差异，利用式4对步骤2得到的油斑HSV彩色图fa进行油环分割，得到油环初图，具体如下：

其中，I为油环初图，为0和1的二值图，I(x,y)＝1表示像素(x,y)为可能的油环区；H(x,y)为油斑HSV彩色图中像素(x,y)的色度值；B_h为非油环色度均值；Y_h为油环色度均值。

非油环色度均值B_h的确定包括两步：第一步，选定非油环种子区。各晕环通常位于油斑HSV彩色图fa的中心，故选定油斑HSV彩色图fa最外围矩形环作为非油环种子区；所述的最外围矩形环是由最左边的n列像素、最右边的n列像素、最上边的n行像素以及最下边的n行像素组成的矩形环；第二步，计算所述的最外围矩形环内所有像素的色度值的平均值，即为非油环色度均值B_h，其中n取值通常为5-11。

油环色度均值Y_h的确定方法如下：首先选定位于步骤2得到的油斑HSV彩色图fa中心且大小为n×n矩形窗作为油环种子区；然后计算所述油环种子区的色度平均值作为油环色度均值Y_h，其中n取值通常为5-11。

步骤4：对步骤3得到的油环初图进行后处理，得到油环图FI，具体过程为：

步骤41：去除油环初图I中的噪声区域。由于油环初图I中存在很多小的噪声区域，需要去除这些小的噪声区域，提取出真实的扩散环。具体包括三步：第一步，采用4-连通标记待处理的油环初图I；第二步，统计标记后的油环初图I中各连通区域的像素数；第三步，保留像素数目最多的连通区域块。

步骤42：对步骤41得到的图进行形态学闭运算。利用数学形态学闭运算以消除油环初图I中存在的间隙和孔洞。

步骤43：对步骤42得到的图进行填充空洞处理。由于经过形态学闭运算处理后，还有被白色区域包围的黑色“孔洞”，直接将其值置为1，得到油环图FI。

步骤5：对步骤2得到的油斑HSV彩色图fa进行扩散环分割，得到扩散环初图，具体过程为：

扩散环具有较显著的饱和度差异，扩散环分割过程如式(5)所示。

其中，J为扩散环初图，为0和1二值图，J(x,y)＝1表示像素(x,y)为可能的扩散区；S(x,y)为油斑HSV彩色图fa中像素(x,y)的饱和度值；B_s为非扩散环饱和度均值；Y_s为扩散环饱和度均值。

非扩散环饱和度均值B_s的确定与非油环色度均值B_h的确定方法类似：选定由油斑HSV彩色图fa中最左边的n列像素、最右边的n列像素、最上边的n行像素，最下边的n行像素组成的最外围矩形环作为非扩散环种子区，计算最外围矩形环内所有像素的饱和度值的平均值，即为非扩散环饱和度均值B_s。其中n取值通常为5-11。

扩散环饱和度均值Y_s为位于油斑HSV彩色图fa中心且大小为n×n矩形窗饱和度平均值即为扩散环饱和度均值Y_s。其中n取值通常为5-11。

步骤6：对步骤5得到的扩散环初图进行后处理，得到扩散环图FJ，具体如下：

步骤61：去除扩散环初图中的噪声区域。由于扩散环初图中存在很多小的噪声区域，需要去除这些小的噪声区域。具体包括三步：第一步，采用4-连通标记待处理的扩散环图FJ；第二步，统计标记后的扩散环初图中各连通区域的像素数；第三步，保留像素数目最多的连通区域块。

步骤62：对步骤61得到的图进行形态学闭运算。利用数学形态学闭运算以消除扩散环初图中存在的间隙和孔洞。

步骤63：对步骤62得到的图进行填充空洞处理。由于经过形态学闭运算处理后，还有被白色区域包围的黑色“孔洞”，直接将其值置为1，得到扩散环图FJ。

步骤7：对步骤6得到的扩散环图FJ和油斑HSV彩色图fa进行沉淀环检测，得到沉淀环初图，具体如下：

由于沉淀环位于扩散环的内部，因而只针对扩散环区(即扩散环图FJ中像素值为1的区)进行分割，提取沉淀环初图O。

其中，V(x,y)为油斑HSV彩色图fa中像素(x,y)的亮度值；T_V为V分量的自适应阈值；O(x,y)＝1表示像素(x,y)为沉淀环区；FJ(x,y)＝1表示步骤6得到的扩散环图FJ中像素(x,y)值为1，即像素(x,y)属于扩散环区。

步骤8：对步骤7得到的沉淀环初图进行后处理，得到沉淀环图FO，具体如下：

步骤81：去除沉淀环初图中的噪声区域。由于沉淀环初图中存在很多小的噪声区域，需要去除这些小的噪声区域。具体包括三步：第一步，采用4-连通标记待处理的沉淀环图FJ；第二步，统计标记后的沉淀环初图中各连通区域的像素数；第三步，去除像素保留像素数目最多的连通区域块。

步骤82：对步骤81得到的图进行形态学闭运算。利用数学形态学闭运算以消除沉淀环初图中存在的间隙和孔洞。

步骤83：对步骤82得到的图进行填充空洞处理。由于经过形态学闭运算处理后，还有被白色区域包围的黑色“孔洞”，直接将其值置为1，得到沉淀环图FO。

步骤9：根据步骤4得到的油环图FI、步骤6得到的扩散环图FJ和步骤8得到的沉淀环图FO，计算扩散环直径比重。

扩散环的直径比等于扩散环的直径与油环直径的比值，亦等于扩散环的面积(即像素数)与油环面积(即像素数)比值开平方根。沉淀环直径比为沉淀环的直径与油环直径的比值，同理等于沉淀环的面积(即像素数)与油环面积(即像素数)比值开平方根。

统计步骤4得到的油环图FI中像素值为1的像素数目得到油环像素数，统计步骤6得到的扩散环图FJ中像素值为1的像素数目得到扩散环像素数，统计步骤8得到的沉淀环图FO中像素值为1的像素数目得到沉淀环像素数，分别利用式(9)和式(10)计算扩散环直径比和沉淀环直径比。

$K=\frac{D_k}{D_y}=\sqrt{\frac{N_k}{N_y}}---\left(7\right)$

$d=\frac{D_c}{D_y}=\sqrt{\frac{N_c}{N_y}}---\left(8\right)$

式中，D_k为扩散环直径；D_y为油环直径；D_c为沉淀环直径；N_k为扩散环像素数；N_y 为油环像素数；N_c为沉淀环像素数；d为沉淀环直径比；K为扩散环直径比。

用E_k表示扩散环直径比重，根据试验可知，1级机油的扩散环直径比重为1，6级机油的扩散环直径比重为0，中间各级机油的扩散环直径比重与扩散环直径比呈线性变化。因此，扩散环直径比重E_k计算式如下所示：

$E_k=\left\{\begin{array}{ccc}1& ,& K\&GreaterEqual;\mathrm{\&delta;}\\ \frac{K-d}{\mathrm{\&delta;}-d}& ,& d<K<\mathrm{\&delta;}\\ 0& ,& K\&le;d\end{array}\right.---\left(9\right)$

其中，δ为1级机油的扩散环直径比阈值，取值通常为0.9～0.98。

步骤10：步骤2得到的油斑HSV彩色图fa，计算沉淀环亮度差比重。

步骤2得到的油斑HSV彩色图fa的V分量是油斑的亮度信息，步骤4得到的油环图FI中像素值为0的连通区域为背景区W_b，步骤8得到的沉淀环图FO中像素值为1的连通区域为沉淀环区W_c。沉淀环区和背景区的在V分量的平均亮度值计算式如下所示：

$H_b=\frac{1}{N_b}\underset{(x,y)\&Element;W_b}{\&Sigma;}V(x,y)---\left(10\right)$

$H_c=\frac{1}{N_c}\underset{(x,y)\&Element;W_c}{\&Sigma;}V(x,y)---\left(11\right)$

其中，N_b为背景区的像素数；H_b和H_c分别表示背景区和沉淀环区的V分量的平均亮度值。

沉淀环亮度差A定义为背景和沉淀环的亮度均值的差，沉淀环亮度差A越大说明沉淀环的亮度值越黑，清净分散性越差，反之亦反。沉淀环亮度差A表示如下式所示：

A＝H_b-H_c           (12) 

沉淀环亮度差比重E_a表示机油级别和沉淀环亮度差间的量化关系：根据试验可知，当沉淀环和油斑背景的亮度差异大于σ时，人眼视网膜上的视觉细胞刚好能分辨出沉淀环，当沉淀环和背景差异小于σ时，认为无明显的沉淀环，此时E_a＝1；当沉淀环亮度值低于ξ时，表示沉淀环呈极黑，机油清净性为6级，E_a＝0；中间各级沉淀环亮度差比重和沉淀环亮度差呈线性变化，因此，得沉淀环亮度差比重与沉淀环亮度差的转化关系如式11所示：

$E_a=\left\{\begin{array}{ccc}1& ,& A\&le;\mathrm{\&sigma;}\\ \frac{(H_b-\mathrm{\&xi;})-A}{(H_b-\mathrm{\&xi;})-\mathrm{\&sigma;}}& ,& \mathrm{\&sigma;}<A<(H_b-\mathrm{\&xi;})\\ 0& ,& A\&GreaterEqual;(H_b-\mathrm{\&xi;})\end{array}\right.---\left(13\right)$

其中，σ为辨别阈值，通常取10～30；ξ为黑度阈值，取值范围为30～50。

步骤11：油品清净分散性判定。

用C表示清净分散性系数，用于表征机油的级别,C值越大，则清净分散性越好。清净分散性系数综合考虑了扩散环直径比和沉淀环亮度差，其公式表示为：

C＝α·E_k+β·E_a          (14) 

其中，α为直径比重权重系数，β为沉淀环亮度差比重权重系数，满足等式：α+β＝1。

令JJ表示机油清净分散性级别，则机油清净分散性级别JJ和清净分散性C的关系式表示如下：

由清净分散性系数能够快速判定发动机机油的品质，清净分散性系数越大，说明发动机机油品质较好；清净分散性系数越小，则说明发动机机油的品质低劣。

实施例1：

参照图1，本实施例给出的一种发动机机油清净分散性的测定方法，包括以下步骤：

步骤S1：照相机采集油斑的彩色图像f大小为335×320，(R(x,y),G(x,y),B(x,y))分别表示像素(x,y)的R、G和B分量值，1≤x≤335，1≤y≤320，x和y均为整数。彩色图像f如图2所示。

步骤S2：将油斑彩色图像转换至HSV颜色空间。

步骤S3：油环分割

油斑的H分量如图3所示，油环初图分割具体如下：

其中，I为油环初图，为0和1的二值图，I(x,y)＝1表示像素(x,y)为可能的油环区；H(x,y)为油斑HSV彩色图像素(x,y)的色度值；B_h为非油环色度均值；Y_h为油环色度均值。

非油环色度均值B_h的确定中，n取5。

油环色度均值Y_h的确定中，n取5。

步骤S4：油环图后处理，提取油环图FI如图4所示。

步骤S5：扩散环分割

非扩散环饱和度均值B_s的确定中，n取5。

扩散环饱和度均值Y_s为位于图像f中心，大小为n×n矩形窗饱和度平均值，n取5。

对提取的沉淀环还需要执行后处理，提取的扩散环FJ如图6所示。

步骤S6：沉淀环检测

沉淀环位于扩散环的内部，因而只针对扩散环区域进行分割，提取沉淀环O。

其中，V(x,y)为油斑HSV彩色图fa中像素(x,y)的亮度值；T_V为V分量的自适应阈值，本实施例采用最大类间法确定，T_V＝43。

对提取的沉淀环执行后处理，提取的沉淀环FO如图7所示。

步骤S7：计算扩散环直径比重。

统计沉淀环、扩散环和油环的像素数，得：N_c＝22148，N_k＝41634和N_y＝52909，计算沉淀环直径比d和扩散环直径比K为：

$K=\frac{D_k}{D_y}=\sqrt{\frac{N_k}{N_y}}=0.887---\left(7\right)$

沉淀环直径比d计算式如下式。

$d=\frac{D_c}{D_y}=\sqrt{\frac{N_c}{N_y}}=0.647---\left(8\right)$

取δ＝0.95，由0.647＝d＜K＝0.887＜δ＝0.95，得扩散环直径比重E_k为：

$E_k=\frac{K-d}{\mathrm{\&delta;}-d}=0.7921---\left(9\right)$

步骤S8：计算沉淀环亮度差比重。

计算沉淀环的平均亮度值H_c＝109，H_b＝159，沉淀环亮度差A计算如下式所示：

A＝H_b-H_c＝50          (10) 

取σ＝16和ξ＝40，由16＝σ＜A＝50＜(H_b-ξ)＝119，得沉淀环亮度差比重

$E_a=\frac{(H_b-\mathrm{\&xi;})-A}{(H_b-\mathrm{\&xi;})-\mathrm{\&sigma;}}=0.6699---\left(11\right)$

步骤9：油品清净分散性判定。

取直径比重权重系数α＝0.4，沉淀环亮度差比重权重系数β＝0.6，清净分散性系数C计算式如下：

C＝α·E_k+β·E_a＝0.71878           (12) 

根据清静分散性系数C和级别关系式，得该机油清静分散性等级JJ＝3，性能良好。

Claims (10)

1.一种多源信息融合的汽车机油清净分散性定量测定方法，包括如下步骤：

步骤1：采集油斑彩色图像；

步骤2：将油斑彩色图像转换至HSV颜色空间，得到油斑HSV彩色图；

其特征在于，所述方法还包括如下步骤：

步骤3：对油斑HSV彩色图进行油环分割，得到油环初图；

步骤4：对油环初图进行后处理，得到油环图；

步骤5：对油斑HSV彩色图进行扩散环分割，得到扩散环初图；

步骤6：对扩散环初图进行后处理，得到扩散环图；

步骤7：对油斑HSV彩色图进行沉淀环检测，得到沉淀环初图；

步骤8：对沉淀环初图进行后处理，得到沉淀环图；

步骤9：根据油环图、扩散环图和沉淀环图，计算扩散环直径比重；

步骤10：根据油斑HSV彩色图，计算沉淀环亮度差比重；

步骤11：根据扩散环直径比重和沉淀环亮度差比重计算油品的清净分散性。

2.如权利要求1所述的多源信息融合的汽车机油清净分散性定量测定方法，其特征在于，所述的步骤3具体过程为：

其中，I为油环初图，为0和1的二值图，I(x,y)＝1表示像素(x,y)为可能的油环区；H(x,y)为油斑HSV彩色图中像素(x,y)的色度值；B_h为非油环色度均值；Y_h为油环色度均值。

3.如权利要求2所述的多源信息融合的汽车机油清净分散性定量测定方法，其特征在于，所述步骤4具体过程如下：

步骤41：去除油环初图I中的噪声区域；

步骤42：对步骤41得到的图进行形态学闭运算；

步骤43：对步骤42得到的图进行填充空洞处理。

4.如权利要求1所述的多源信息融合的汽车机油清净分散性定量测定方法，其特征在于，所述步骤5具体过程如下：

其中，J为扩散环初图，为0和1二值图，J(x,y)＝1表示像素(x,y)为可能的扩散区；S(x,y)为油斑HSV彩色图fa中像素(x,y)的饱和度值；B_s为非扩散环饱和度均值；Y_s为扩散环饱和度均值。

5.如权利要求1所述的多源信息融合的汽车机油清净分散性定量测定方法，其特征在于，所述步骤6的具体过程如下：

步骤61：去除扩散环初图中的噪声区域；

步骤62：对步骤61得到的图进行形态学闭运算；

步骤63：对步骤62得到的图进行填充空洞处理。

6.如权利要求1所述的多源信息融合的汽车机油清净分散性定量测定方法，其特征在于，所述步骤7的具体过程如下：

利用下式对扩散环区域进行分割，提取沉淀环初图O：

其中，V(x,y)为油斑HSV彩色图fa中像素(x,y)的亮度值；T_V为V分量的自适应阈值；O(x,y)＝1表示像素(x,y)为沉淀环区；FJ(x,y)＝1表示步骤6得到的扩散环图FJ中像素(x,y)值为1，即像素(x,y)属于扩散环区。

7.如权利要求1所述的多源信息融合的汽车机油清净分散性定量测定方法，其特征在于，所述步骤8的具体过程如下：

步骤81：去除沉淀环初图中的噪声区域；

步骤82：对步骤81得到的图进行形态学闭运算；

步骤83：对步骤82得到的图进行填充空洞处理。

8.如权利要求1所述的多源信息融合的汽车机油清净分散性定量测定方法，其特征在于，所述步骤9的具体过程如下：

统计步骤4得到的油环图中像素值为1的像素数目得到油环像素数，统计步骤6得到的扩散环图中像素值为1的像素数目得到扩散环像素数，统计步骤8得到的沉淀环图中像素值为1的像素数目得到沉淀环像素数，分别利用式(9)和式(10)计算扩散环直径比和 沉淀环直径比：

式中，D_k为扩散环直径；D_y为油环直径；D_c为沉淀环直径；N_k为扩散环像素数；N_y为油环像素数；N_c为沉淀环像素数；d为沉淀环直径比；K为扩散环直径比；

扩散环直径比重E_k计算式如下：

其中，δ为1级机油的扩散环直径比阈值，取0.9～0.98。

9.如权利要求1所述的多源信息融合的汽车机油清净分散性定量测定方法，其特征在于，所述步骤10的具体过程如下：

沉淀环区和背景区的在V分量的平均亮度值计算式如下所示：

其中，N_b为背景区的像素数；H_b和H_c分别表示背景区和沉淀环区的V分量的平均亮度值；步骤2得到的油斑HSV彩色图的V分量是油斑的亮度信息，步骤4得到的油环图FI中像素值为0的连通区域为背景区W_b，步骤8得到的沉淀环图中像素值为1的连通区域为沉淀环区W_c。

沉淀环亮度差A表示如下式所示：

A＝H_b-H_c   (12) 

沉淀环亮度差比重的计算如式11所示：

其中，σ为辨别阈值，取10～30；ξ为黑度阈值，取30～50。

10.如权利要求1所述的多源信息融合的汽车机油清净分散性定量测定方法，其特征在于，所述步骤11的具体过程如下：

C＝α·E_k+β·E_a   (14)

其中，α为直径比重权重系数，β为沉淀环亮度差比重权重系数，α+β＝1。