CN106018198B - 一种气泡粒径的反演计算方法 - Google Patents
一种气泡粒径的反演计算方法 Download PDFInfo
- Publication number
- CN106018198B CN106018198B CN201610305252.4A CN201610305252A CN106018198B CN 106018198 B CN106018198 B CN 106018198B CN 201610305252 A CN201610305252 A CN 201610305252A CN 106018198 B CN106018198 B CN 106018198B
- Authority
- CN
- China
- Prior art keywords
- striped
- bubble
- target
- width
- pixels
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means, e.g. by light scattering, diffraction, holography or imaging
- G01N15/0227—Investigating particle size or size distribution by optical means, e.g. by light scattering, diffraction, holography or imaging using imaging, e.g. a projected image of suspension; using holography
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N2015/0007—Investigating dispersion of gas
- G01N2015/0011—Investigating dispersion of gas in liquids, e.g. bubbles
Abstract
本发明公开了一种气泡粒径的反演计算方法,包括:将具有不同宽度等级的条纹组的分辨率板浸入到水体中;拍摄所述分辨率板上的所述条纹组,形成目标条纹图像;根据所述目标条纹图像计算出目标条纹的宽度所对应的像素个数;针对每一个宽度等级的条纹组,建立目标条纹的宽度与像素个数的对应关系,形成关系模型;计算待测气泡的粒径所对应的像素个数;根据所述的关系模型计算出待测气泡的粒径。本发明的气泡粒径反演计算方法采用图像标定与反演计算相结合的方式,来生成气泡粒径的物理尺寸,精度高、实时性好,可以实现对气泡物理参数的原位、实时测量,适合在科研、教学、海水监测等领域中广泛应用,尤其适合对海水气泡的原位检测。
Description
技术领域
本发明属于水体检测技术领域,具体地说,是涉及一种针对溶解在水体样品中的气泡所提出的气泡粒径反演计算方法。
背景技术
我国城市湖泊存在富营养化的问题,根据调查资料和评价指标,我国的37个主要湖泊中,中营养型和中富养型的比例已经超过了一半,其中,富营养型的占14.7%,重富营养型的占8.8%。现有的研究成果表明,适宜的温度,缓慢的水流流态,相对充足的总磷、总氮等营养盐,都会导致浮游藻类爆发性增殖,从而产生了富营养化现象。气浮技术是现有较好的除藻净水技术,在条件合适的情况下藻类去除率可以达到95%以上。因此,气浮净水技术在气泡产生方式以及反应器结构等方面都得到了突破性的进步。但是,由于测试技术的限制,对于各种气泡特征的研究进展得比较缓慢,从而导致两者之间形成了巨大的差距。
现有的气泡分析方法大致分为声学和光学两类方法。其中,照相/摄像方法是光学分析方法中最直接的气泡测量方法,可以同时测量定量和非定量的水体。只要待测水体接近测量系统的观测端,无论气泡浓度高低,光学系统都能够透射,进而在成像设备中形成气泡图像。在采用照相/摄像方法对溶解在海水中的气泡进行分析时,首先需要从拍摄到的图像中提取出其中的气泡图像,即对图像中的气泡进行识别,提取出气泡的轮廓;然后,根据提取出的气泡轮廓计算出气泡粒径等参数,以分析出气泡粒径的分布状况。
目前,国内外各大专院校和科研机构提出的方法主要侧重于通过图像处理的技术研究气泡的形状,较少涉及对气泡粒径的反演。而且,正在使用的气泡粒径反演装置多为静态显微测试装置,该装置操作相对复杂、反馈速度相对较慢、部分数据需要人工测量进行整理与统计,耗时长,负荷大,精度低,累计误差大,无法对富营养化水体处理状况进行客观详实的评价。
发明内容
本发明的目的在于提供一种气泡粒径的反演方法,以实现对气泡粒径参数的准确计算。
为解决上述技术问题,本发明采用以下技术方案予以实现:
一种气泡粒径的反演计算方法,包括:将具有不同宽度等级的条纹组的分辨率板浸入到水体中;拍摄所述分辨率板上的所述条纹组,形成目标条纹图像;根据所述目标条纹图像计算出目标条纹的宽度所对应的像素个数;针对每一个宽度等级的条纹组,建立目标条纹的宽度与像素个数的对应关系,形成关系模型:其中,i是条纹组编号,di是第i个条纹组中的目标条纹的宽度,是宽度为di的目标条纹所对应的像素个数,是宽度为di的目标条纹所对应的比例因子;拍摄待测水体,获取气泡图像,并提取出气泡轮廓,计算出气泡粒径所对应的像素个数p';找出像素个数与所述p'接近的目标条纹所在的条纹组j,利用第j个条纹组所对应的关系模型计算出所述气泡粒径的物理尺寸
优选的,在所述分辨率板上设置有N个不同宽度等级的条纹组,在每一个条纹组中设置有多条等宽度的直线条纹,所述N为大于1的正整数;在所述拍摄所述分辨率板上的所述条纹组,形成目标条纹图像的过程中,首先调节分辨率板的位置,将其中一个条纹组中的多条等宽度的直线条纹置于拍摄的视场范围内,形成该条纹组所对应的目标条纹图像;然后,改变所述分辨率板的位置,依次将其余各个条纹组中的多条等宽度的直线条纹置于拍摄的视场范围内,最终针对N个所述的条纹组形成与之一一对应的N个目标条纹图像。
优选的,优选将N个所述的条纹组自下而上平行排布在所述的分辨率板上;在每一个条纹组中,优选将多条等宽度的直线条纹设计成竖线条纹,且平行排成一行。
为了提高拍摄精度和度量计算的准确性,优选采用工业相机配合远心镜头拍摄所述分辨率板上的所述条纹组,形成所述的目标条纹图像;在所述调节分辨率板的位置的过程中,保持分辨率板与所述远心镜头之间的距离不变,以确保成像的放大倍数相同。
同时,在所述拍摄待测水体中的气泡图像的过程中,也最好采用同一台工业相机配合所述远心镜头进行拍摄,并且保持所述工业相机和远心镜头的设置参数不变,以提高气泡粒径计算的准确度。
为了获得精度更高的像素个数,在所述根据所述目标条纹图像计算出目标条纹的宽度所对应的像素个数的过程中,针对每一个目标条纹图像中的M条等宽度的直线条纹分别计算出其宽度所对应的像素个数,并采用对获得的M个像素个数求取平均值的方式,生成该目标条纹的宽度所对应的像素个数。
为了提高气泡粒径参数计算的准确性,将所述N个不同宽度等级的条纹组按照其条纹宽度所对应的像素个数以从小到大的顺序依次排列,形成N+1个区间;其中,宽度最小的条纹所对应的像素个数与0形成首区间宽度最大的条纹所对应的像素个数与+∞形成尾区间中间的N-1个区间由相邻的两个像素个数形成,即i=1、2、……、N-1;在所述找出像素个数与所述p'接近的目标条纹所在的条纹组j,利用第j个条纹组所对应的关系模型计算出所述气泡粒径的物理尺寸的过程中,首先判断所述p'落入所述N+1个区间中的哪一个区间内;若所述p'落入首区间内,则利用第1个条纹组所对应的关系模型计算出所述气泡粒径的物理尺寸若所述p'落入尾区间内,则利用第N个条纹组所对应的关系模型计算出所述气泡粒径的物理尺寸若所述p'落入中间的某个区间内,则分别计算所述p'与该区间的两个端点的像素个数的相对误差,并选取相对误差较小的一个像素个数所对应的关系模型计算出所述气泡粒径的物理尺寸。
优选的,采用光学系统配合成像设备的方式拍摄待测水体中的气泡图像,所述光学系统与成像设备之间的距离最好限制在10cm-15cm之间,且所述分辨率板到所述成像设备之间的距离限制在9cm-14cm之间,以确保拍摄到的气泡图像与目标条纹图像的放大倍数基本相等。
与现有技术相比,本发明的优点和积极效果是:本发明的气泡粒径反演计算方法采用图像标定与反演计算相结合的方式,来生成气泡粒径的物理尺寸,精度高、实时性好,可以实现对气泡物理参数的原位、实时测量,适合在科研、教学、海水监测等领域中广泛应用。
结合附图阅读本发明实施方式的详细描述后,本发明的其他特点和优点将变得更加清楚。
附图说明
图1是本发明所提出的气泡粒径反演计算方法的一种实施例的整体流程图;
图2是图1中标定建模方法的一种实施例的流程图;
图3是分辨率板上条纹组的一种实施例的排布示意图;
图4是气泡图像采集设备的一种实施例的结构示意图;
图5是目标条纹图像的一种实施例的示意图;
图6是图1中气泡轮廓的识别与提取方法的一种实施例的总体流程图;
图7是图6中气泡建模方法的一种实施例的流程图;
图8是图6中轮廓识别方法的一种实施例的流程图;
图9是图6中气泡判别方法的一种实施例的流程图;
图10是判别方向的一种实施例的方向示意图;
图11是气泡粒径采集图像示意图;
图12是图1中气泡粒径反演方法的一种实施例的流程图。
具体实施方式
下面结合附图对本发明的具体实施方式进行详细地描述。
参见图1所示,本实施例采用照相/摄像的气泡光学分析方法反演计算气泡粒径的物理尺寸,主要包括标定建模S101、气泡图像识别与气泡轮廓提取S102以及气泡粒径反演S103三个阶段。其中,在标定建模S101阶段,主要通过对分辨率板上的条纹组进行拍摄,利用宽度已知的条纹组建立起条纹宽度与像素个数之间的对应关系,形成关系模型,进而为后续气泡粒径的反演计算提供基准。在气泡图像识别与气泡轮廓提取S102阶段,通过对待测水体进行拍摄,以获取溶解在待测水体中的气泡的图像,通过对气泡图像进行识别,以提取出气泡轮廓,用于后续的粒径计算。在气泡粒径反演S103阶段,根据提取出的气泡轮廓计算气泡粒径所对应的像素个数,进而结合在标定建模S101阶段所建立的关系模型,即可反演计算出气泡粒径的物理尺寸。
下面首先对第一阶段的标定建模S101过程所涉及的具体方法进行详细阐述,结合图2所示,具体包括以下步骤:
S201、制作分辨率板。
结合图3所示,设计一块分辨率板1,在分辨率板1上刻蚀多个不同宽度等级的条纹组,如宽度分别为2μm、3μm、4μm、5μm、7μm、10μm、20μm、50μm、100μm等的条纹组。图3中列举了宽度为10μm的条纹组d1、宽度为20μm的条纹组d2、宽度为50μm的条纹组d3以及宽度为100μm的条纹组d4。
作为本实施例的一种优选设计方案,优选将所述的多个条纹组按照条纹宽度由小渐大的顺序、沿自下而上的方向依次排布在分辨率板1上,如图3所示,并且在每一个条纹组中,最好设置多条等宽度的条纹,且将所述多条等宽度的条纹竖向设置,相互平行地排成一行,以方便获取所需的目标条纹图像。
S202、将分辨率板1浸入到水体中。
所述水体可以是待测水体,也可以是具有较高透明度的其他液体。作为本实施例的一种优选设计方案,由于在对待测水体进行气泡检测的过程中,需要使用专门的气泡检测装置对待测水体进行气泡图像的摄取,如图4所示的气泡检测装置,主要包括成像设备2和光学系统3。所述成像设备2和光学系统3均与待测水体5隔离,并分置于待测水体5的相对两侧,利用光学系统3发出的光线照射待测水体5,使待测水体5的亮度足以满足成像设备2的拍摄要求。利用成像设备2拍摄待测水体5,形成气泡图像,以用于对待测水体5中所溶解的气泡特性的分析。
为了实现成像设备2和光学系统3与待测水体5的隔离,对于适用于实验室环境下的气泡检测装置,可以在成像设备2与光学系统3之间设置透明水槽,将待测水体5注入到透明水槽中,然后启动成像设备2和光学系统3拍摄待测水体5,以形成气泡图像。采用这种气泡检测装置,可以将分辨率板1放入到透明水槽中,并浸入到水槽内部的水体中,将分辨率板1上刻蚀有条纹组的一面正对成像设备2,以便于形成所需的目标条纹图像。
对于适用于现场环境的气泡检测装置,可以将成像设备2和光学系统3分置于一个独立的密封舱内,在两个密封舱彼此相对的一侧安装透明玻璃4,以便于光线的射出以及气泡图像的摄取。采用这种气泡检测装置,可以首先将所述气泡检测装置投入到待测水体5中,然后将分辨率板1浸入到所述待测水体5中,并位于成像设备2与光学系统3之间,且将分辨率板1上刻蚀有条纹组的一面正对所述成像设备2,以便于形成所需的目标条纹图像。
在本实施例中,无论采用何种气泡检测装置,所述成像设备2和光学系统3之间的距离应尽量短,优选限制在10cm-15cm之间,且所述分辨率板1到所述成像设备2之间的距离限制在9cm-14cm之间,以提高气泡粒径的反演精度。
S203、启动成像设备2,拍摄所述分辨率板1上的条纹组,以形成目标条纹图像。
在本实施例中,所述成像设备2优选采用工业相机配合远心镜头设计而成。选用工业相机比选用普通相机的优势主要体现在:(1)工业相机的快门时间非常短,可以抓拍快速运动的物体;(2)工业相机的图像传感器是逐行扫描的,而普通相机的图像传感器是隔行扫描的,甚至是隔三行扫描的;(3)工业相机的拍摄速度远高于普通相机;(4)工业相机输出的是裸数据,其光谱范围也往往比较宽,比较适合进行高质量的图像处理算法;(5)工业相机可以长时间工作;(6)工业相机可以工作在比较恶劣的环境中。
远心镜头是一种高端的工业镜头,通常有比较出众的像质,特别适合于尺寸测量的应用。而普通工业镜头拍摄目标物体的工作距离越短,所成的像就越大。在使用普通镜头进行尺寸测量时,会存在5个问题:1)由于被测量物体不在同一个测量平面,而造成放大倍率的不同;2)镜头畸变大;3)当物距变大时,对物体的放大倍数也改变;4)镜头的解析度不高;5)由于视觉光源的几何特性,而造成的图像边缘位置的不确定性。而远心镜头就可以有效解决普通镜头存在的上述问题,而且没有此性质的判断误差,因此适合应用在高精度测量、度量计量等方面。
因此,本实施例优选采用工业相机配合远心镜头拍摄浸入水体中的分辨率板1,以有助于提高气泡粒径的计算精度。
调节工业相机与远心镜头的位置,使工业相机置于工作距离。然后,调整分辨率板1的位置,使待测的条纹组位于工业相机的视场范围内。
在本实施例中,优选通过调节分辨率板1的位置,首先让分辨率板1上的其中一个条纹组中的多条等宽度的直线条纹置于工业相机的视场范围内,形成该条纹组所对应的目标条纹图像。如图5所示,图5列举了宽度为20μm的条纹组所对应的目标条纹图像,在所述目标条纹图像中包括4条宽度d=20μm的竖线条纹。
然后,改变所述分辨率板1的位置,依次将其余各个条纹组中的多条等宽度的直线条纹置于工业相机的视场范围内,对于具有N(N为大于1的正整数)个条纹组的分辨率板1来说,将剩余的N-1个条纹组依次置于工业相机的视场范围内,最终即可针对N个所述的条纹组形成与之一一对应的N个目标条纹图像。
在调节分辨率板1的位置时,为了保证所形成的N个目标条纹图像的成像放大倍数相同,应保持分辨率板1与所述远心镜头之间的距离不变。
S204、根据目标条纹图像,计算出目标条纹的宽度所对应的像素个数。
在本实施例中,利用执行步骤S203所获得的N个目标条纹图像,分别计算N个条纹组中的目标条纹,其宽度d在目标条纹图像中所对应的像素个数p。由于在每一个目标条纹图像中均包含有多条等宽度的目标条纹,如图5所示,为了提高所述像素个数p计算的准确度,本实施例优选采用取均值的方法生成所述目标条纹的宽度d所对应的像素个数p。
具体来讲,假设在某一个目标条纹图像中包含有M条等宽度的目标条纹,则针对所述的M条目标条纹分别计算出其宽度所对应的像素个数,即获得M个像素个数;对所述的M个像素个数求取平均值,将所述平均值作为该目标条纹的宽度d所对应的像素个数p,进行记录保存。
其余的N-1个目标条纹图像均采用上述方法计算生成其目标条纹的宽度所对应的像素个数。
S205、建立目标条纹的宽度与像素个数的对应关系,形成关系模型。
在本实施例中,针对每一个宽度等级的条纹组,分别建立目标条纹的宽度(即目标条纹的实际物理尺寸)与像素个数之间的对应关系,形成关系模型:其中,i为条纹组编号;di是第i个条纹组中的目标条纹的宽度;是宽度为di的目标条纹所对应的像素个数;是宽度为di的目标条纹所对应的比例因子。由于di和已知,因此结合关系模型即可计算出每一宽度等级的目标条纹所对应的比例因子的值。
由此,完成标定建模S101过程。
拍摄待测水体,获取待测水体的气泡图像,对气泡图像进行识别并提取出其中的气泡轮廓,即执行第二阶段的气泡图像识别与气泡轮廓提取S102过程,以计算出气泡粒径的像素个数p'。
对于气泡图像的识别与气泡轮廓的提取方法,目前已有很多成熟的方法,作为本实施例的一种优选设计方案,优选采用以下气泡图像识别与气泡轮廓提取S102方法,以提高气泡轮廓提取的准确度。
下面对第二阶段的气泡图像识别与气泡轮廓提取S102过程所涉及的具体方法进行详细阐述,结合图6所示。
本实施例的气泡图像识别方法为了能够从待测水体中将气泡与悬浮物准确地区分开来,以获取准确的气泡轮廓,首先,采用气泡建模的方法,如步骤S601,利用已知的气泡图像样本生成气泡库,作为模板保存起来;其次,采用轮廓识别的方法,如步骤S602,对待测水体进行原位采集,获取待测水体的气泡悬浮物图像,并提取出其中的气泡轮廓和悬浮物轮廓;然后,利用生成的气泡库对所述气泡轮廓和悬浮物轮廓进行轮廓识别,具体可以采用相似度比较法将提取出的每一个气泡轮廓和悬浮物轮廓与所述气泡库中的气泡轮廓样本进行比较,筛选出相似度大于设定阈值的轮廓判定为疑似气泡轮廓,完成一级筛选;最后,采用气泡判别方法,对筛选出的疑似气泡轮廓进行识别,即执行气泡识别过程,如步骤S603,完成二级筛选。具体来讲,可以采用灰度统计法,对每一个疑似气泡轮廓的不同像素点的灰度值进行统计,将灰度值从轮廓的中心向边缘逐渐变小的轮廓判定为气泡轮廓,最终获取到准确的气泡轮廓。
下面首先对步骤S601的气泡建模方法的具体过程进行详细阐述,结合图7所示,具体包括以下步骤:
S701、获取已知的背景图像样本和气泡图像样本;
所述的背景图像样本和气泡图像样本可以直接从样本库中获取,也可以从大量的前期实验中获取。
S702、利用人工分割法在所述气泡图像样本中分割出完整的气泡图像;
在本实施例中,为了保证气泡图像分割的完整性,在人工分割气泡图像样本中的气泡图像时,优选根据气泡外切矩形的尺寸,沿矩形边界分割出完整的气泡图像。
S703、选择类圆形(即近似圆形的形状)和类椭圆形(即近似椭圆形的形状)的单气泡图像,作为所需的气泡图像;
针对待测水体为海水的情况,由于溶解在海水中的气泡基本上都是呈现类似圆形或者类似椭圆形的形状,因此,最好选择类圆形和类椭圆形的单气泡图像作为样本,以实现对海水中气泡图像的准确识别。
S704、结合所述的背景图像样本,采用背景减除法,从选取出的单气泡图像中去除掉其中的背景图像,从而获得所需的气泡轮廓样本。
S705、利用获取到的大量的气泡轮廓样本,生成气泡库,作为模板并保存起来。
其次,对步骤S602的轮廓识别方法的具体过程进行详细阐述,结合图8所示,具体包括以下步骤:
S801、获取待测水体的背景;
拍摄待测水体,提取待测水体的背景。在图像识别领域,对于图像中背景的提取方法有很多种。本实施例针对待测水体为海水的情况,优选采用高斯建模的方法或者差分图像的方法获取待测海水的背景模型或者背景图像。
S802、采集待测水体的气泡图像,这里的气泡图像是包含有气泡轮廓和悬浮物轮廓的图像,为与上述气泡建模方法所涉及的步骤中所出现的气泡图像进行区别,以下将这里的气泡图像称之为气泡悬浮物图像;
在本实施例中,针对待测水体为海水的情况,可以直接对待测海水进行原位采集,将采集到的海水原位图像作为所述的气泡悬浮物图像。在本实施例中,优选采用标定建模S101过程中所使用和调整后的气泡检测装置对待测水体进行拍摄,以获取待测水体的气泡悬浮物图像,进而使得所述气泡悬浮物图像与目标条纹图像的成像比例相同(即放大倍数相同)。
S803、采用背景减除法去除所述气泡悬浮物图像中的背景,提取出其中的气泡轮廓和悬浮物轮廓;
在本实施例中,可以结合步骤S801中建立的背景模型,利用背景减除法从所述气泡悬浮物图像中提取出气泡轮廓和悬浮物轮廓。
S804、对提取出的每一个气泡轮廓和悬浮物轮廓利用相似度比较法与所述气泡库中的气泡轮廓样本进行比较,以获取每一个气泡轮廓和悬浮物轮廓的相似度阈值α;
在本实施例中,优选采用模式识别技术中的Hu不变矩相似度比较法,将提取出的每一个气泡轮廓和悬浮物轮廓分别作为一个目标特征向量,分别与气泡库中的每一个气泡轮廓样本所对应的特征向量进行比较,以获取目标特征向量与特征库向量的相似性。
S805、识别气泡轮廓;
针对每一个气泡轮廓和悬浮物轮廓的相似度阈值α,筛选出其中相似度阈值α大于设定阈值的轮廓,将其作为疑似气泡轮廓,完成一级筛选。
在本实施例中,为了提高气泡轮廓识别的准确性,优选将所述设定阈值设定在0.9以上,例如将设定阈值定义为0.93。对于相似度阈值α>0.93的轮廓,判定为疑似气泡轮廓;α≤0.93的轮廓,判定为非气泡轮廓,由此完成气泡轮廓的初级筛选。
最后,对步骤S603的气泡判别方法的具体过程进行详细阐述,结合图9所示,具体包括以下步骤:
S901、提取目标的边缘像素点;
将每一个疑似气泡轮廓作为目标,提取出每一个疑似气泡轮廓的边缘像素点。
S902、计算目标的质心;
通过质心计算公式计算出每一个疑似气泡轮廓的质心。其中,(xc,yc)是质心坐标,Nb是轮廓边界像素点的总数,(xi,yi)是轮廓边界点的坐标。
S903、划分判别方向;
在本实施例中,可以以所述质心为坐标原点,建立直角坐标系,并优选按照45°夹角在坐标系中划分出八个不同的判别方向,如图10所示。
S904、对各判别方向进行定义;
在本实施例中,优选以X轴方向为初始判别方向,定义为D0;然后,按照逆时针方向,将其余的七个判别方向依次定义为D1、D2、……、D7,如图10所示。
S905、对每一个判别方向上的灰度点的变化规律进行统计;
针对每一个疑似气泡轮廓,分别获取其在8个所述判别方向上的每一个像素点的灰度值,并统计每一个判别方向上的灰度点的变化规律。
S906、区分气泡轮廓和悬浮物轮廓;
根据步骤S905的灰度统计,对疑似气泡轮廓进行二级筛选,以筛选出其中真正的气泡轮廓。
具体来讲,对于每一个疑似气泡轮廓,若在其每一个判别方向D0、D1、……、D7上,其灰度值均是从质心向轮廓边缘逐渐变小的,即亮度从中心区域向轮廓边缘逐渐变暗,则可以判定为气泡轮廓;否则,判定为悬浮物轮廓,因为悬浮物为固体,其亮度的变化率通常会比较小。由此,便可以准确地区分开哪些是气泡轮廓,哪些是悬浮物轮廓。
根据提取出的气泡轮廓,如图11所示,即可计算出气泡粒径d'所对应的像素个数p'。结合计算出的像素个数p',采用第三阶段的气泡粒径反演S103过程,即可计算出待测气泡的粒径d'尺寸。
下面对第三阶段的气泡粒径反演S103过程所涉及的具体方法进行详细阐述,结合图12所示。
S1201、结合标定建模S101过程所计算出的不同宽度d的目标条纹所对应的像素个数p,确定出与待测气泡粒径d'所对应的像素个数p'最接近的目标条纹。
在本实施例中,首先将所述N个不同宽度等级的条纹组按照其条纹宽度d所对应的像素个数p以从小到大的顺序依次排列,形成N+1个区间。其中,宽度最小的条纹所对应的像素个数与0形成首区间宽度最大的条纹所对应的像素个数与+∞形成尾区间中间的N-1个区间由相邻的两个像素个数形成,即i=1、2、……、N-1。以图3所示的分辨率板1为例进行说明,由于在图3所示的分辨率板1上刻蚀有4个宽度等级的条纹组,即对应4个不同宽度的目标条纹,从而可以对应4个像素个数,分别为P10、P20、P50、P100,继而可以形成5个区间:(0,P10)、(P10,P20)、(P20,P50)、(P50,P100)、(P100,+∞)。
在找出像素个数p与气泡粒径d'所对应的像素个数p'最接近的目标条纹所在的条纹组j的过程中,首先判断所述p'落入所述N+1个区间中的哪一个区间内。若所述p'落入首区间内,则将第1个条纹组所对应的目标条纹确定为与待测气泡粒径d'所对应的像素个数p'最接近的目标条纹;若所述p'落入尾区间内,则将第N个条纹组所对应目标条纹确定为与待测气泡粒径d'所对应的像素个数p'最接近的目标条纹;若所述p'落入中间的N-1个区间内,则分别计算所述p'与该区间的两个端点的像素个数的相对误差,选取相对误差较小的一个像素个数作为与所述p'最接近,继而确定出与待测气泡粒径d'所对应的像素个数p'最接近的目标条纹。
S1202、利用确定出的目标条纹所对应的关系模型,反演出待测气泡的粒径d'。
在本实施例中,根据步骤S1201所最终确定出的目标条纹,确定所要使用的关系模型进而将待测气泡粒径d'所对应的像素个数p'代入所述的关系模型,由于比例因子已知,由此便可计算出待测气泡粒径d'的物理尺寸。
具体来讲,若所述p'落入首区间内,则利用关系模型计算出所述气泡粒径d'的物理尺寸,即
若所述p'落入尾区间内,则利用的关系模型计算出所述气泡粒径d'的物理尺寸,即
若所述p'落入中间的某个区间内,则分别计算所述p'与该区间的两个端点的像素个数的相对误差,即,
比较相对误差选取相对误差较小的一个所对应的像素个数,确定出所需使用的关系模块,进而计算出所述气泡粒径d'的物理尺寸。
找出像素个数接近的目标条纹所在的条纹组j,利用第j个条纹组所对应的关系模型计算出所述气泡粒径的物理尺寸
由此,便完成了对待测气泡的粒径参数的准确计算。
下面通过一个具体的实例,对本实施例的气泡粒径计算方法进行举例说明。
以图3所示的分辨率板1以及图5所示的目标条纹图像为例,具体举例说明如下:
(1)将分辨率板1置于水体中,调节工业相机的位置于工作距离;
(2)调节分辨率板1的位置,将宽度d2=20μm的条纹组置于工业相机的视场范围内;
(3)启动工业相机和远心镜头拍摄该组条纹,形成如图5所示的目标条纹图像;
(4)采用图像处理的方法,分别获得目标条纹图像中四条目标条纹的宽度d2所对应的像素个数p20,例如,分别为5、5、6、5;
(5)对上述的四个像素个数求取平均值,作为宽度d2=20μm的目标条纹所对应的像素个数
(6)计算宽度d2=20μm的目标条纹所对应的比例因子保存p20=5.25和a20=0.2625;
(7)调节分辨率板1的位置,将宽度为d1、d3、d4的条纹组依次置于工业相机的视场范围内,然后按照步骤(3)-(6)分别计算出宽度为d1=10μm、d3=50μm、d4=100μm的目标条纹所对应的比例因子:
并保存p10=3.33、a10=0.3333;p50=10.39、a50=0.2078;p100=22.48、a100=0.2248;
(8)根据保存的4个像素个数P10、P20、P50、P100,划分出5个区间:(0,P10)、(P10,P20)、(P20,P50)、(P50,P100)、(P100,+∞);
(9)利用所述的工业相机和远心镜头获取待测水体的气泡图像,提取出气泡轮廓,如图11所示;
(10)采用图像处理的方法计算出待测气泡I的粒径d'所对应的像素个数p';假设p'=8,则判定其所属的区间为(P20,P50),即(5.25,10.39);
(11)分别计算p'与P20、P50的相对误差:
(11)比较相对误差σ20、σ50,选取相对误差较小的像素个数P50所对应的比例因子a50;
(12)将p'=8和比例因子a50代入宽度为50μm的目标条纹所对应的关系模块,计算出所述待测气泡的粒径的物理尺寸
当然,以上所述仅是本发明的一种优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (7)
1.一种气泡粒径的反演计算方法,其特征在于,包括:
在分辨率板上设置N个不同宽度等级的条纹组,在每一个条纹组中设置多条等宽度的直线条纹,所述N为大于1的正整数;
将具有不同宽度等级的条纹组的分辨率板浸入到水体中;
调节分辨率板的位置,将其中一个条纹组中的多条等宽度的直线条纹置于拍摄的视场范围内,形成该条纹组所对应的目标条纹图像;
改变所述分辨率板的位置,依次将其余各个条纹组中的多条等宽度的直线条纹置于拍摄的视场范围内,最终针对N个所述的条纹组形成与之一一对应的N个目标条纹图像;
根据所述目标条纹图像计算出目标条纹的宽度所对应的像素个数;
针对每一个宽度等级的条纹组,建立目标条纹的宽度与像素个数的对应关系,形成关系模型:其中,i是条纹组编号,di是第i个条纹组中的目标条纹的宽度,是宽度为di的目标条纹所对应的像素个数,是宽度为di的目标条纹所对应的比例因子;
拍摄待测水体,获取气泡图像,并提取出气泡轮廓,计算出气泡粒径所对应的像素个数p′;
找出目标条纹所对应的像素个数与所述p′接近的目标条纹所在的条纹组j,利用第j个条纹组所对应的关系模型计算出所述气泡粒径的物理尺寸
2.根据权利要求1所述的气泡粒径的反演计算方法,其特征在于,N个所述的条纹组自下而上平行排布在所述的分辨率板上;在每一个条纹组中,多条等宽度的直线条纹均为竖线条纹,且平行排成一行。
3.根据权利要求1所述的气泡粒径的反演计算方法,其特征在于,采用工业相机配合远心镜头拍摄所述分辨率板上的所述条纹组,形成所述的目标条纹图像;在所述调节分辨率板的位置的过程中,保持分辨率板与所述远心镜头之间的距离不变。
4.根据权利要求3所述的气泡粒径的反演计算方法,其特征在于,在拍摄待测水体中的气泡图像的过程中,采用所述工业相机配合所述远心镜头进行拍摄,并且保持所述工业相机和远心镜头的设置参数不变。
5.根据权利要求1所述的气泡粒径的反演计算方法,其特征在于,在所述根据所述目标条纹图像计算出目标条纹的宽度所对应的像素个数的过程中,包括:
针对每一个目标条纹图像中的M条等宽度的直线条纹分别计算出其宽度所对应的像素个数,并对获得的M个像素个数求取平均值,记为该目标条纹的宽度所对应的像素个数。
6.根据权利要求1所述的气泡粒径的反演计算方法,其特征在于,
将所述N个不同宽度等级的条纹组按照其条纹宽度所对应的像素个数以从小到大的顺序依次排列,形成N+1个区间;其中,宽度最小的条纹所对应的像素个数与0形成首区间宽度最大的条纹所对应的像素个数与+∞形成尾区间中间的N-1个区间由相邻的两个像素个数形成,即i=1、2、……、N-1;
在所述找出像素个数与所述p′接近的目标条纹所在的条纹组j,利用第j个条纹组所对应的关系模型计算出所述气泡粒径的物理尺寸的过程中,包括:
判断所述p′落入所述N+1个区间中的哪一个区间内;
若所述p′落入首区间内,则利用第1个条纹组所对应的关系模型计算出所述气泡粒径的物理尺寸
若所述p′落入尾区间内,则利用第N个条纹组所对应的关系模型计算出所述气泡粒径的物理尺寸
若所述p′落入中间的某个区间内,则分别计算所述p′与该区间的两个端点的像素个数的相对误差,并选取相对误差较小的一个像素个数所对应的关系模型计算出所述气泡粒径的物理尺寸。
7.根据权利要求1至6中任一项所述的气泡粒径的反演计算方法,其特征在于,采用光学系统配合成像设备的方式拍摄待测水体中的气泡图像,所述光学系统与成像设备之间的距离限制在10cm-15cm之间,且所述分辨率板到所述成像设备之间的距离限制在9cm-14cm之间;其中,所述成像设备采用工业相机配合远心镜头设计而成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610305252.4A CN106018198B (zh) | 2016-05-09 | 2016-05-09 | 一种气泡粒径的反演计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610305252.4A CN106018198B (zh) | 2016-05-09 | 2016-05-09 | 一种气泡粒径的反演计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106018198A CN106018198A (zh) | 2016-10-12 |
CN106018198B true CN106018198B (zh) | 2018-08-31 |
Family
ID=57099063
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610305252.4A Active CN106018198B (zh) | 2016-05-09 | 2016-05-09 | 一种气泡粒径的反演计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106018198B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108613998B (zh) * | 2018-05-30 | 2020-11-17 | 广州兴森快捷电路科技有限公司 | 应用于pcb板的晶粒均匀性的评价方法及评价系统 |
CN110530765B (zh) * | 2019-09-26 | 2021-10-01 | 哈尔滨工程大学 | 基于非线性参数测量的水中气泡群尺寸分布参数反演方法 |
CN111220514B (zh) * | 2020-03-02 | 2022-12-30 | 山东建筑大学 | 一种水下微气泡及其絮体测量装置 |
CN115290697B (zh) * | 2022-09-26 | 2022-12-27 | 南通众盈材料科技有限公司 | 一种聚氨酯生产异常识别方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11237856A (ja) * | 1998-02-24 | 1999-08-31 | Totoku Electric Co Ltd | Crt用画像調整装置 |
CN1554940A (zh) * | 2003-12-24 | 2004-12-15 | 中国科学院生态环境研究中心 | 微气泡数码显微动态测量方法及装置 |
CN101393107A (zh) * | 2008-10-16 | 2009-03-25 | 同济大学 | 一种微气泡动态显微测试装置 |
CN101403610A (zh) * | 2008-11-06 | 2009-04-08 | 陕西科技大学 | 一种基于数字图像法测量皮革面积的系统及其方法 |
CN103175760A (zh) * | 2013-02-06 | 2013-06-26 | 清华大学 | 水体中微纳米气泡观测系统及方法 |
CN103439230A (zh) * | 2013-09-13 | 2013-12-11 | 山东省科学院海洋仪器仪表研究所 | 一种气泡参数测量方法及测量装置 |
CN105158124A (zh) * | 2015-10-10 | 2015-12-16 | 山东省科学院海洋仪器仪表研究所 | 气泡图像原位采集装置 |
-
2016
- 2016-05-09 CN CN201610305252.4A patent/CN106018198B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11237856A (ja) * | 1998-02-24 | 1999-08-31 | Totoku Electric Co Ltd | Crt用画像調整装置 |
CN1554940A (zh) * | 2003-12-24 | 2004-12-15 | 中国科学院生态环境研究中心 | 微气泡数码显微动态测量方法及装置 |
CN101393107A (zh) * | 2008-10-16 | 2009-03-25 | 同济大学 | 一种微气泡动态显微测试装置 |
CN101403610A (zh) * | 2008-11-06 | 2009-04-08 | 陕西科技大学 | 一种基于数字图像法测量皮革面积的系统及其方法 |
CN103175760A (zh) * | 2013-02-06 | 2013-06-26 | 清华大学 | 水体中微纳米气泡观测系统及方法 |
CN103439230A (zh) * | 2013-09-13 | 2013-12-11 | 山东省科学院海洋仪器仪表研究所 | 一种气泡参数测量方法及测量装置 |
CN105158124A (zh) * | 2015-10-10 | 2015-12-16 | 山东省科学院海洋仪器仪表研究所 | 气泡图像原位采集装置 |
Non-Patent Citations (1)
Title |
---|
基于Talbot-Moiré法测量透镜焦距的CCD亚像素标定技术;吴玲玲 等;《光子学报》;20101015;第39卷(第10期);第1896-1900页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106018198A (zh) | 2016-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106023153B (zh) | 一种测量水体中气泡的方法 | |
CN106018198B (zh) | 一种气泡粒径的反演计算方法 | |
CN108764257B (zh) | 一种多视角的指针式仪表识别方法 | |
CN102297660B (zh) | 一种盾构隧道衬砌管片接缝张开宽度的测量方法及装置 | |
CN103994724B (zh) | 基于数字图像处理技术的结构二维位移及应变监测方法 | |
CN109472822A (zh) | 基于深度图像处理的物体尺寸测量方法 | |
CN109978901B (zh) | 一种快速、精确的圆形检测和圆心定位方法 | |
CN108520274A (zh) | 基于图像处理及神经网络分类的高反光表面缺陷检测方法 | |
CN105069743B (zh) | 探测器拼接实时图像配准的方法 | |
CN108334847A (zh) | 一种真实场景下的基于深度学习的人脸识别方法 | |
CN105260710B (zh) | 基于图像处理的水表检定方法、装置及系统 | |
CN107631782B (zh) | 一种基于Harris角点检测的水位检测方法 | |
CN108470338B (zh) | 一种水位监测方法 | |
CN104880389A (zh) | 一种钢材晶粒混晶度的自动测量、精细分类方法及其系统 | |
CN104976960A (zh) | 一种雨滴物理特性观测方法及装置 | |
CN102679914A (zh) | 一种盾构隧道衬砌管片渗漏水面积的测量方法及装置 | |
CN106127205A (zh) | 一种适用于室内轨道机器人的数字仪表图像的识别方法 | |
CN115797354A (zh) | 用于检测激光焊接焊缝外观缺陷的方法 | |
CN103954334A (zh) | 一种全自动摄像式水表检定系统及其工作方法 | |
CN114998308A (zh) | 一种基于光度立体的缺陷检测方法及系统 | |
CN109408909A (zh) | 一种三维粗糙表面微凸体拟合方法 | |
CN105931250B (zh) | 一种非球形气泡的等效粒径转换方法 | |
CN114494366A (zh) | 一种影像与点云配准的道路坑槽提取方法 | |
CN107044947B (zh) | 一种基于图像特征的pm2.5污染指数的识别方法 | |
CN115984360B (zh) | 一种基于图像处理的计算干滩长度的方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |