CN105223114A - 一种集料级配自动检测方法 - Google Patents
一种集料级配自动检测方法 Download PDFInfo
- Publication number
- CN105223114A CN105223114A CN201510547711.5A CN201510547711A CN105223114A CN 105223114 A CN105223114 A CN 105223114A CN 201510547711 A CN201510547711 A CN 201510547711A CN 105223114 A CN105223114 A CN 105223114A
- Authority
- CN
- China
- Prior art keywords
- particle
- image
- binary image
- testing method
- ferret
- 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
- Image Analysis (AREA)
Abstract
本发明公开了一种集料级配自动检测方法,包括如下步骤:一种集料级配自动检测方法,包括如下步骤:计算机依次读取集料图像中每个颗粒的图像数据矩阵,对每个颗粒的图像数据矩阵进行二值化处理,得到该颗粒的二值化图像;根据所述颗粒的二值化图像的质心位置,确定对应颗粒的轴向角度;在所述颗粒的轴向角度上运用多个Ferret径,获得对应颗粒的粒径;将所述颗粒粒径进行计算得到最终颗粒粒径;统计集料图像中所有的颗粒图像的最终颗粒粒径,得到集料级配结果。本发明在实现对集料颗粒级配的自动检测的基础上,提高了检测准确度,并能够同时对多个颗粒进行检测,解决了检测过程复杂、效率低等问题。
Description
技术领域
本发明属于图像处理领域,具体涉及一种集料级配自动检测方法,该方法基于集料图像处理自动检测集料级配。
背景技术
现行的沥青混合料级配检测方法是经验性的方法,其理论基础不完善,评价和检测技术落后,沥青路面材料检测方法存在诸多缺陷,因此,近年来出现了基于数字图像处理的集料颗粒检测的技术,实现沥青混合料级配的自动检测,这一类方法检测效率以及精度都有较大提高。
在利用数字图像处理技术进行集料级配检测中,使用了不同的颗粒粒径表示方法。哈尔滨工程大学的苗春卫等基于数字图像处理的煤粉颗粒检测的研究和系统设计,利用数码相机采集的数据,运用数字图像处理技术,对采集到的图像进行去噪、二值化、区域分割,通过对颗粒的纵向、横向扫描得到颗粒的平均粒径,但是检测结果不具有普遍性。
此外,颗粒粒径的表示方法常见的如傅里叶和分形的算法,只能使用表征单一例子的大小和形状,不能进行多个颗粒的统计分析。此外,颗粒的表示方法还有用和弦、等效圆直径、等效椭圆短轴、Ferret径测量等的表示方法。但是这些粒径的表示方法所表示的颗粒粒径随着扫描方向的变化而不同,具有旋转不确定性。也就是说,由于集料图像中各颗粒的轴向并不一致,因此,上述现有方法表示的颗粒粒径的旋转不确定性使得粒径的提取结果并不是在统一轴向下的粒径尺寸,从而使得基于图像处理技术的集料级配检测结果准确度较低。
发明内容
针对上述现有的基于图像的集料继配检测技术的级配检测结果不准确的缺陷,本发明的目的在于,提供一种集料级配自动检测方法。
为了达到上述目的,本发明采用如下的技术方案:
一种集料级配自动检测方法,包括如下步骤:计算机依次读取集料图像中每个颗粒的图像数据矩阵,对每个颗粒的图像数据矩阵进行二值化处理,得到该颗粒的二值化图像;根据所述颗粒的二值化图像f(x,y)的质心位置,确定对应颗粒的轴向角度;在所述颗粒的轴向角度上运用多个Ferret径,获得对应颗粒的粒径D;将所述颗粒粒径D代入下式进行计算,得到最终颗粒粒径d:
d≈0.8d。
统计集料图像中所有的颗粒图像的最终颗粒粒径,得到集料级配结果。
进一步的,在所述对每个颗粒的图像数据矩阵进行二值化处理之前,还包括对每个颗粒的图像数据矩阵进行滤波处理以及将滤波后的颗粒图像转换为灰度图像的步骤。
进一步的,所述对每个颗粒的图像数据矩阵进行滤波处理是指使用中值滤波算法进行滤波处理。
进一步的,所述根据所述颗粒的二值化图像的质心位置,确定对应颗粒的轴向角度包括:
计算颗粒的二值化图像的质心位置;
根据颗粒的二值化图像的质心位置,确定颗粒的轴向角度是指:在颗粒的二值化图像上确定一条满足如下条件的直线:该直线通过颗粒的二值化图像的质心位置且利用下式计算得到的结果E最小;确定的直线与颗粒的二值化图像的水平方向的夹角即为颗粒的轴向角度θ;
E=∫∫R2f(x,y)dxdy
式中,R为颗粒图像边缘上的点(x,y)到这条直线的距离;f(x,y)为颗粒的二值化图像。
进一步的,所述计算颗粒的二值化图像的质心位置是使用一阶矩方法进行计算得到。
进一步的,所述在颗粒的轴向角度上运用多个Ferret径组合,获得颗粒的粒径D包括:
在颗粒的轴向上使用一个Ferret径,将所述Ferret径与颗粒图像边缘的两个交点的坐标,作为颗粒的轴向上的最大坐标与最小坐标,所述最大坐标与最小坐标之间的距离作为最佳外接矩形的长;
然后在垂直于颗粒的轴向方向上计算一个Ferret径,得到该Ferret径对应的最大坐标与最小坐标,该两个坐标之间的连线作为最佳外接矩形的宽,将该宽度作为当前颗粒的粒径。
本发明在颗粒的二值化图像中将一阶矩、最小二阶矩方法与Ferret径结合,获得颗粒的最佳矩形并获得粒径。本发明基于集料颗粒的轴向来计算颗粒粒径,使其具有旋转不变性。克服了现有技术中不能在统一轴向下的粒径尺寸,从而使得基于图像处理技术的集料级配检测结果准确度较低的缺陷。同时,通过找到方孔筛与圆孔筛的近似的转换关系,更加精确地进行集料级配检测。综上,本发明在实现对集料颗粒级配的自动检测的基础上,提高了检测准确度,并能够同时对多个颗粒进行检测,解决了检测过程复杂、效率低等问题。
附图说明
图1是使用1.18mm到9.5mm标准筛的传统的机械筛分级配结果曲线与本发明得到的图像级配结果曲线的对比。
图2是使用2.36mm到13.2mm标准筛的传统的机械筛分级配结果曲线与本发明得到的图像级配结果曲线的对比。
图3是使用4,75mm到16mm标准筛的传统的机械筛分级配结果曲线与本发明得到的图像级配结果曲线的对比。
图4是使用13.2mm到26.5mm标准筛的传统的机械筛分级配结果曲线与本发明得到的图像级配结果曲线的对比。
以下结合附图和具体实施例对本发明进一步解释说明。
具体实施方式
本发明的原理分析如下:
当物体的边界已知的时候,用其外接矩形的尺寸来刻画它的长宽是最简单的方法,对任意朝向的物体,水平和垂直并非是我们感兴趣的方向。这时,就有必要确定物体的主轴,然后计算反映物体形状特征的主轴方向上的长度和与之垂直方向上的宽度,这样的外接矩形是物体的最小外接矩形。将一阶矩与最小二阶矩同时应用于颗粒图像中,可以确定颗粒图像的主轴的方向,具有旋转不变性。
实施例:
如图1所示,本实施例提供一种集料级配自动检测方法,具体包括如下步骤:
步骤1:计算机依次读取集料图像中每个颗粒的图像数据矩阵,对于每个颗粒的图像数据矩阵,执行步骤2-4,得到集料图像中每个颗粒的粒径;
步骤2:使用中值滤波算法对颗粒的图像数据矩阵进行滤波处理,得到滤波后的颗粒图像;
步骤3:将滤波后的颗粒图像转换成灰度图像,并对灰度图像使用Otsu算法进行二值化处理,获得颗粒的二值化图像f(x,y);
步骤4:计算颗粒的二值化图像f(x,y)的质心位置;根据颗粒的二值化图像f(x,y)的质心位置,确定颗粒的轴向角度;在颗粒的轴向角度上运用多个Ferret径,获得颗粒的最佳外接矩形;执行步骤5;
可选的,步骤41:采用一阶矩方法计算颗粒的二值化图像f(x,y)的质心位置;
可选的,步骤42:根据颗粒的二值化图像f(x,y)的质心位置,确定颗粒的轴向角度是指:在颗粒的二值化图像上确定一条满足如下条件的直线:该直线通过颗粒的二值化图像的质心位置且利用下式计算得到的结果E最小;确定的直线与颗粒的二值化图像的水平方向的夹角即为颗粒的轴向角度θ;
E=∫∫R2f(x,y)dxdy
式中,R为颗粒图像边缘上的点(x,y)到这条直线的距离;f(x,y)为颗粒的二值化图像;
步骤43:在颗粒的轴向上使用一个Ferret径,将所述Ferret径与颗粒图像边缘的两个交点的坐标,作为颗粒的轴向上的最大坐标与最小坐标,所述最大坐标与最小坐标之间的距离作为最佳外接矩形的长;
然后在垂直于颗粒的轴向方向上计算一个Ferret径,得到该Ferret径对应的最大坐标与最小坐标,该两个坐标之间的连线作为最佳外接矩形的宽,将该宽度作为当前颗粒的粒径。
现有技术中,利用机械筛分来配置集料级配时,筛孔形状通常为方孔筛,在利用数字图像手段测量集料颗粒的尺寸时,按步骤4得到的最佳外接矩形的宽进行图像筛分,其筛孔的面积相当于圆孔筛。由于筛孔的尺寸相同时,圆孔筛的集料通过能力比方孔筛要小,因此需找到方孔筛与圆孔筛的转换关系,使圆孔筛与方孔筛通过能力保持一致。采用筛孔的实际通过率相同为标准,根据经验,此时圆孔筛的直径D等效于方孔筛边长d的一半加上一半对角线长。
因此,执行步骤5:将步骤4得到的颗粒粒径D代入下式进行计算,得到最终颗粒粒径d。
得到:
d≈0.8d。
步骤6:统计由步骤5得到的集料图像中所有的颗粒图像的粒径,从而得到级配结果。
为了验证本发明的可行性与有效性,申请人进行了如下实验:
如表1-4所示,是集料经过不同档的标准筛的通过率与本发明的方法计算得到通过率之差。表1为集料经过1.18mm到9.5mm的标准筛的通过率与本发明得到的通过率之差;表2为集料经过2.36mm到13.2mm标准筛的通过率与本发明得到的通过率之差,表3集料经过4.75mm到16mm的标准筛的通过率与本发明的方法计算得到的通过率之差;表4为集料经过13.2mm到26.5mm的标准筛的通过率与本发明得到的通过率之差。可以看出,二者存在一定的差但是总体来说相差不大。
图1是使用1.18mm到9.5mm标准筛的传统的机械筛分级配结果曲线与本发明步骤6得到的图像级配结果曲线的对比;图2使用2.36mm到13.2mm标准筛的传统的机械筛分级配结果曲线与本发明步骤6得到的图像级配结果曲线的对比;图3使用4,75mm到16mm标准筛的传统的机械筛分级配结果曲线与本发明步骤6得到的图像级配结果曲线的对比;图4使用13.2mm到26.5mm标准筛的传统的机械筛分级配结果曲线与本发明步骤6得到的图像级配结果曲线的对比。实线为机械筛分后获得的集料的通过率,机械筛分通过测量集料的质量计算通过率,比较准确,虚线为利用本发明得到的最佳外接矩形的宽即颗粒的粒径,并且将筛孔尺寸按转换后的当量圆孔筛进行取值进行修正后的集料的通过率。从图可以看出,运用本发明的方法进行集料颗粒级配检测与机械筛分结果有很好的一致性,曲线之间相差不大。
表1
表2
表3
表4
Claims (6)
1.一种集料级配自动检测方法,包括如下步骤:计算机依次读取集料图像中每个颗粒的图像数据矩阵,对每个颗粒的图像数据矩阵进行二值化处理,得到该颗粒的二值化图像;其特征在于,根据所述颗粒的二值化图像的质心位置,确定对应颗粒的轴向角度;在所述颗粒的轴向角度上运用多个Ferret径,获得对应颗粒的粒径D;将所述颗粒粒径D代入下式进行计算,得到最终颗粒粒径d:
d≈0.8d。
统计集料图像中所有的颗粒图像的最终颗粒粒径,得到集料级配结果。
2.如权利要求1所述的集料级配自动检测方法,其特征在于,在所述对每个颗粒的图像数据矩阵进行二值化处理之前,还包括对每个颗粒的图像数据矩阵进行滤波处理以及将滤波后的颗粒图像转换为灰度图像的步骤。
3.如权利要求2所述的集料级配自动检测方法,其特征在于,所述对每个颗粒的图像数据矩阵进行滤波处理是指使用中值滤波算法进行滤波处理。
4.如权利要求1所述的集料级配自动检测方法,其特征在于,所述根据所述颗粒的二值化图像的质心位置,确定对应颗粒的轴向角度包括:
计算颗粒的二值化图像的质心位置;
根据颗粒的二值化图像的质心位置,确定颗粒的轴向角度是指:在颗粒的二值化图像上确定一条满足如下条件的直线:该直线通过颗粒的二值化图像的质心位置且利用下式计算得到的结果E最小;确定的直线与颗粒的二值化图像的水平方向的夹角即为颗粒的轴向角度θ;
E=∫∫R2f(x,y)dxdy
式中,R为颗粒图像边缘上的点(x,y)到这条直线的距离;f(x,y)为颗粒的二值化图像。
5.如权利要求4所述的集料级配自动检测方法,其特征在于,所述计算颗粒的二值化图像的质心位置是使用一阶矩方法进行计算得到。
6.如权利要求1所述的集料级配自动检测方法,其特征在于,所述在颗粒的轴向角度上运用多个Ferret径,获得颗粒的粒径D包括:
在颗粒的轴向上使用一个Ferret径,将所述Ferret径与颗粒图像边缘的两个交点的坐标,作为颗粒的轴向上的最大坐标与最小坐标,所述最大坐标与最小坐标之间的距离作为最佳外接矩形的长;
然后在垂直于颗粒的轴向方向上计算一个Ferret径,得到该Ferret径对应的最大坐标与最小坐标,该两个坐标之间的连线作为最佳外接矩形的宽,将该宽度作为当前颗粒的粒径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510547711.5A CN105223114A (zh) | 2015-08-31 | 2015-08-31 | 一种集料级配自动检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510547711.5A CN105223114A (zh) | 2015-08-31 | 2015-08-31 | 一种集料级配自动检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105223114A true CN105223114A (zh) | 2016-01-06 |
Family
ID=54992189
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510547711.5A Pending CN105223114A (zh) | 2015-08-31 | 2015-08-31 | 一种集料级配自动检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105223114A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106228536A (zh) * | 2016-07-12 | 2016-12-14 | 四川大学 | 基于数字图像处理的土石坝筑坝材料颗粒级配检验方法 |
CN107909584A (zh) * | 2017-11-09 | 2018-04-13 | 东南大学 | 一种通过冷料监控的沥青混合料级配预估方法 |
CN108375529A (zh) * | 2018-02-12 | 2018-08-07 | 中国水利水电科学研究院 | 土石料级配自动检测方法及检测系统 |
CN110470560A (zh) * | 2019-08-08 | 2019-11-19 | 河南省第二公路工程有限公司 | 水泥稳定碎石混合料配合比设计自动筛分仪和逆推设计方法 |
CN112132885A (zh) * | 2019-06-25 | 2020-12-25 | 北京京东尚科信息技术有限公司 | 图像处理方法、图像处理装置、计算机设备和介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001077611A1 (en) * | 2000-04-11 | 2001-10-18 | Martin Marietta Materials, Inc. | Evaluating aggregate particle shapes through multiple ratio analysis |
CN101793664A (zh) * | 2010-03-18 | 2010-08-04 | 长安大学 | 一种集料级配实时检测方法和图像采集系统 |
CN103149131A (zh) * | 2013-01-31 | 2013-06-12 | 长安大学 | 生产现场集料三维检测的实时数据采集方法及采集系统 |
-
2015
- 2015-08-31 CN CN201510547711.5A patent/CN105223114A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001077611A1 (en) * | 2000-04-11 | 2001-10-18 | Martin Marietta Materials, Inc. | Evaluating aggregate particle shapes through multiple ratio analysis |
CN101793664A (zh) * | 2010-03-18 | 2010-08-04 | 长安大学 | 一种集料级配实时检测方法和图像采集系统 |
CN103149131A (zh) * | 2013-01-31 | 2013-06-12 | 长安大学 | 生产现场集料三维检测的实时数据采集方法及采集系统 |
Non-Patent Citations (2)
Title |
---|
何锐等: "基于数字图像技术的混凝土粗集料空间分布特征", 《长安大学学报(自然科学版)》 * |
莫德举等: "《数字图像处理》", 31 January 2010, 北京邮电大学出版社 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106228536A (zh) * | 2016-07-12 | 2016-12-14 | 四川大学 | 基于数字图像处理的土石坝筑坝材料颗粒级配检验方法 |
CN106228536B (zh) * | 2016-07-12 | 2018-12-18 | 四川大学 | 基于数字图像处理的土石坝筑坝材料颗粒级配检验方法 |
CN107909584A (zh) * | 2017-11-09 | 2018-04-13 | 东南大学 | 一种通过冷料监控的沥青混合料级配预估方法 |
CN108375529A (zh) * | 2018-02-12 | 2018-08-07 | 中国水利水电科学研究院 | 土石料级配自动检测方法及检测系统 |
CN112132885A (zh) * | 2019-06-25 | 2020-12-25 | 北京京东尚科信息技术有限公司 | 图像处理方法、图像处理装置、计算机设备和介质 |
CN110470560A (zh) * | 2019-08-08 | 2019-11-19 | 河南省第二公路工程有限公司 | 水泥稳定碎石混合料配合比设计自动筛分仪和逆推设计方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105223114A (zh) | 一种集料级配自动检测方法 | |
CN104502245B (zh) | 一种利用图像分析技术测定砂子细度模数的方法 | |
CN106969706A (zh) | 基于双目立体视觉的工件检测与三维测量系统及检测方法 | |
CN110033516A (zh) | 基于双目相机图像采集识别的针片状颗粒含量检测方法 | |
RU2015134095A (ru) | Способ и устройство для обнаружения прямой линии | |
CN101957178A (zh) | 一种隧道衬砌裂缝测量方法及其测量装置 | |
CN103928363B (zh) | 一种硅片晶向检测方法及检测装置 | |
CN108765433A (zh) | 一种用于提高精度的多叶面积测量方法 | |
CN107631782B (zh) | 一种基于Harris角点检测的水位检测方法 | |
CN103808263A (zh) | 谷粒粒形参数的高通量检测方法 | |
CN104197866B (zh) | 玉米籽粒剖面角质与粉质百分比的定量测定方法 | |
CN104019772B (zh) | 一种桥梁结构砼表面蜂窝麻面面积检测方法 | |
CN108195736A (zh) | 一种三维激光点云提取植被冠层间隙率的方法 | |
CN115272349A (zh) | 一种计算机pcb主板焊接缺陷检测方法 | |
CN108844469B (zh) | 一种基于激光测试工件台阶高度的方法及系统 | |
CN111060922B (zh) | 基于机载激光雷达点云空间分布特征的树木点云提取方法 | |
CN104406537A (zh) | 测量部件凹坑微米级深度的方法 | |
Chen et al. | Sub-pixel edge detection of led probes based on canny edge detection and iterative curve fitting | |
CN104881652B (zh) | 一种基于玉米穗凸性特征的行数自动检测方法 | |
Ziqiang et al. | Research of the algorithm calculating the length of bridge crack based on stereo vision | |
CN108645865A (zh) | 一种基于ccd的埋弧焊钢管焊缝焊偏量参数的测量方法 | |
CN108846839A (zh) | 一种基于扇形邻域差异直方图的匣钵裂纹检测方法 | |
CN104217424A (zh) | 冰湖终碛垄颗粒的分析方法 | |
CN105136622A (zh) | 一种批量测试粗集料扁平率的方法 | |
CN113628155A (zh) | 一种圆盘造球机的生球粒径检测方法及系统 |
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 |
Application publication date: 20160106 |
|
RJ01 | Rejection of invention patent application after publication |