CN107024416A - 结合相似性和不连续性的准圆形颗粒平均尺寸检测方法 - Google Patents
结合相似性和不连续性的准圆形颗粒平均尺寸检测方法 Download PDFInfo
- Publication number
- CN107024416A CN107024416A CN201710223808.XA CN201710223808A CN107024416A CN 107024416 A CN107024416 A CN 107024416A CN 201710223808 A CN201710223808 A CN 201710223808A CN 107024416 A CN107024416 A CN 107024416A
- Authority
- CN
- China
- Prior art keywords
- image
- particle mean
- size
- mean size
- discontinuity
- 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
- 239000002245 particle Substances 0.000 title claims abstract description 34
- 238000001514 detection method Methods 0.000 title claims abstract description 14
- 239000008187 granular material Substances 0.000 claims abstract description 15
- 238000001914 filtration Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 11
- 238000009499 grossing Methods 0.000 claims description 5
- 230000007935 neutral effect Effects 0.000 claims description 3
- 239000004575 stone Substances 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000005422 blasting Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000005065 mining Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 102000016938 Catalase Human genes 0.000 description 1
- 108010053835 Catalase Proteins 0.000 description 1
- 235000002595 Solanum tuberosum Nutrition 0.000 description 1
- 244000061456 Solanum tuberosum Species 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 244000144977 poultry Species 0.000 description 1
- 238000010298 pulverizing process Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
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
- G01N15/0227—Investigating particle size or size distribution by optical means using imaging; using holography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Landscapes
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种结合相似性和不连续性的准圆形颗粒平均尺寸检测方法：步骤S1：获取原始颗粒图像；步骤S2：对所述原始颗粒图像进行平滑滤波；步骤S3：对步骤S2得到的图像进行Canny边界扫描；步骤S4：对步骤S2得到的图像进行动态阈值处理；步骤S5：对所述步骤S3和步骤S4得到的图像做“与”操作，然后进行细线化；步骤S6：利用边界密度估算颗粒平均尺寸，并进一步估算颗粒数目，平均尺寸和数目。本发明有利于快速准确地检测出图像中目标的平均尺寸和数量。
Description
技术领域
本发明涉及一种结合相似性和不连续性的准圆形颗粒平均尺寸检测方法。
背景技术
一个基于光学和计算机技术的机器视觉系统常常是生产控制线的一个部分，它可以提高生产速度和质量，统一规则和标准。近年来，利用计算机视觉进行工业检测已经被运用到了许多不同的领域，例如，集成电路，钢铁生产，家禽加工，道路建设，岩石破碎等。
在采石工业中，对石料的质量进行评估是非常重要的。石料就是自然岩块和爆破及机械破碎的岩块的混合体。为了判断石料的质量，对石料颗粒的尺寸和形状参数进行估算是必要的。石料的平均尺寸不但是用来评估产品质量的一个数据，而且还是调整破碎机的重要信息，例如：调节它的孔径等。破碎机通常被设定用来生产某个严格指定的相对较窄尺寸范围内的石料，比如从16mm到30mm。通常破碎机操作的一个主要指标就是平均尺寸。在自动破碎控制系统中，从实时系统发回的包括平均石料尺寸的反馈信号，就显示了流水线上破碎过程的实际进展。在实际应用中，从破碎机出来的破碎颗粒在一条传送带上传输，在其上方放置一个CCD摄像头向下拍摄，然后用图像处理、分割和分析对获取的图像中的颗粒进行测量。
在采矿业和选矿生产中，平均尺寸，又称作k50值，是保证有半数样品可以通过的筛选尺寸。如果k50取值过低，岩石爆破的成本就会提高；相反地，如果取值过高，货车装载、运输和二次爆破的费用都会增高。因此，岩石爆破的平均尺寸是使矿业生产达到最优化的一个重要因素，是控制整个采矿生产过程的重要信息。
发明内容
有鉴于此，本发明的目的在于提供一种结合相似性和不连续性的准圆形颗粒平均尺寸检测方法，有利于快速准确地检测出图像中目标的平均尺寸和数量。
为实现上述目的，本发明采用如下技术方案：一种结合相似性和不连续性的准圆形颗粒平均尺寸检测方法，其特征在于，包括以下步骤：
步骤S1：获取原始颗粒图像；
步骤S2：对所述原始颗粒图像进行平滑滤波，去除噪声；
步骤S3：对步骤S2得到的图像进行Canny边界扫描，得到二值边界图像，边界为白色；
步骤S4：对步骤S2得到的图像进行动态阈值处理，背景为非目标；
步骤S5：对所述步骤S3和步骤S4得到的图像做“与”操作，然后进行细线化，边界为单边界和单像素宽度；
步骤S6：利用边界密度估算颗粒平均尺寸，并进一步估算颗粒数目，平均尺寸和数目：
其中，xsize和ysize分别为图像的x方向及y方向上的尺寸，为颗粒平均尺寸，为实际检测的颗粒边缘密度，为图像中边缘像素的个数ne除以图像的总像素数ntot的值，β是形状因子且β＞1，为颗粒数目，rm的值取决于空档面积大小且rm≥1。
进一步的，所述步骤S2中平滑滤波的过程为：
g(x,y)＝f(x,y)*h(x,y)
其中，g(x,y)为平滑滤波后的图像，f(x,y)为原始颗粒图像，h(x,y)为平滑滤波器。
进一步的，所述平滑滤波器采用高斯滤波器：
本发明与现有技术相比具有以下有益效果：本发明基于图像中目标边界密度来计算颗粒平均尺寸，在某种程度上，本发明不需要进行精细的图像分割而可以快速准确的检测出图像中目标颗粒的数量和平均尺寸，检测速度快，精度高，非常适用于实时在线的多目标统计测量，同时也可用于复杂目标图像的预分割。
附图说明
图1是本发明的流程图。
图2A是本发明一实施例的原始颗粒图像。
图2B是图2A的动态阈值处理结果。
图2C是图2A的Canny边界扫描结果。
图2D是图2B结合图2C的最终图像处理结果。
图3A是本发明另一实施例的原始颗粒图像。
图3B是图3A的动态阈值处理结果。
图3C是图3A的Canny边界扫描结果。
图3D是图3B结合图3C的最终图像处理结果。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
请参照图1，本发明提供一种结合相似性和不连续性的准圆形颗粒平均尺寸检测方法，其特征在于，包括以下步骤：
步骤S1：获取原始颗粒图像f(x,y)；
步骤S2：对所述原始颗粒图像进行平滑滤波，去除噪声，过程如下：
g(x,y)＝f(x,y)*h(x,y)
其中，g(x,y)为平滑滤波后的图像，f(x,y)为原始颗粒图像，h(x,y)为平滑滤波器。优选的，所述平滑滤波器采用高斯滤波器：
步骤S3：对步骤S2得到的图像进行Canny边界扫描，通过自动确定高低阈值来得到二值边界图像，边界为白色；
Canny边界扫描后的梯度图像，高低阈值采取最大熵值得方法求得。这里使用类之间的最大信息交叉熵来获得双阈值，最后通过一个粗略道路追踪程序跟踪目标边缘。使用贝叶斯和交叉熵理论确定梯度幅值图像的阈值。图像被划分成两大类：目标(o)及背景(b)，一幅图像应该有两个正态分布，其中的参数可以从原始图像的直方图得到：
其中，p(g/i)为i条件下的概率密度，t是阈值，g是灰度值，μ和σ分别为正太分布的均值和方差。
两个类别的方差估计如下(h为直方图，P为概率)：
其中，目标类的先验概率是背景类的先验概率是因此它们的类间平均值分别是和其中，t是阈值，g是灰度值，L为灰度上界。后验概率由贝叶斯概率公式获得：
通过不同区域中的像素的最大后验概率获得最优阈值。基于单个像素后验概率的类间交叉熵为：
据此,可获得类间差。为了简化计算,以灰度值g替换像素灰度尺度s,这样,用灰度直方图替换了概率分布。它可以被重新写为：
式中，L是灰度值的上限，T是一个灰度阈值。
要取得基于最大交叉熵类之间的最佳的阈值T*，可以通过一个搜索操作进行：
是g的梯度向量， 是平滑图像g的梯度图像。平滑参数σgauss即所谓的滤波器尺寸参数。为了避免Canny的双边界和不连续性，这里附加了动态阈值处理。那么在离散的栅格中，通过边界的细线化，边远像素为：在二值图像中，0就表示边缘象素，非0则表示非边缘宽度为单象素，记边界图像为εg(x,y)，或者更精确地表示为εg(x,y；σgauss)。边缘密度总是根据这个εg边缘图像的ne值计算出来的。
步骤S4：对步骤S2得到的图像进行动态阈值处理，背景为非目标(白色)；
由于传统的一维Otsu算法中的直方图不一定存在明显的波峰与波谷，并且表达的是灰度分布特征信息，未能反映内部像素各种空间关联的有效信息，所以很难较为准确识别图像的边缘轮廓和纹理信息，综合考虑以上因素，本发明选用加以改进的二维Otsu算法：动态的阈值分割方法。先做全局Otsu阈值计算，然后标号每一个目标，检测没一个目标的大小，如果尺寸大于预先得知尺寸上线的2倍，再对此目标进行Otsu处理，一直到图像中没有不合格的目标物体。
步骤S5：对所述步骤S3和步骤S4得到的图像做“与”操作，然后进行细线化，边界为单边界和单像素宽度；
边界图像和阈值后的二值图像结合可以互补，Canny没有检测到的地方，至少有一部分可以用二值图像补充，反之亦然。为了避免过多噪声对颗粒尺寸的正确故算，本发明增加了一个去除短线段的功能，与之相反，又增加了一个连接颗粒边缘间隙的功能。当然需要进行细线化处理和端点检测。在进行细线化处理时，需要检测交叉点来除掉骨架上的毛刺。
步骤S6：检测端点，连接端点之间的间隙，一般连接空隙距离不大于平均颗粒直径的3％长度的像素个数，去除长度小于平均颗粒周长的10长度的线段。
步骤S7：利用边界密度估算颗粒平均尺寸，并进一步估算颗粒数目，平均尺寸和数目：
其中，xsize和ysize分别为图像的x方向及y方向上的尺寸，为颗粒平均尺寸，为实际检测的颗粒边缘密度，为图像中边缘像素的个数ne除以图像的总像素数ntot的值；β是形状因子且β＞1，颗粒形状越是远离圆形，值就越大，一般小于1.2，长宽比达到1.2时β＝1.2；为颗粒数目，rm的值取决于空档面积大小(非颗粒区间)且rm≥1，当非颗粒区间面积达到20％的总体图像面积时，其值为1.2。
颗粒平均尺寸的推算过程如下：
考虑近似圆的紧凑颗粒的图像，这个近似值不是为了描述单个的颗粒形状，而是为了建立一个从边缘密度到平均尺寸的模型。尺寸的概念定义如下：
把圆标识为i＝1,2,…,n，用ai和pi分别表示面积和周长。定义边缘密度如下：
再根据圆的特性，设圆的半径为r,转换公式为：
最后得颗粒尺寸(直径)：加上矫正系数得：
为了让一般技术人员更好地理解本方案，以下通过两个实施例的附图进行进一步介绍。
实施例一：土豆图像。
图2A是本发明一实施例的原始颗粒图像，图2B是图2A的动态阈值处理结果，图2C是图2A的Canny边界扫描结果，图2D是图2B结合图2C的最终图像处理结果。
实施例二：显微镜下的电子颗粒图像。
图3A是本发明另一实施例的原始颗粒图像，图3B是图3A的动态阈值处理结果，图3C是图3A的Canny边界扫描结果，图3D是图3B结合图3C的最终图像处理结果。
以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。
Claims (3)
1.一种结合相似性和不连续性的准圆形颗粒平均尺寸检测方法，其特征在于，包括以下步骤：
步骤S1：获取原始颗粒图像；
步骤S2：对所述原始颗粒图像进行平滑滤波，去除噪声；
步骤S3：对步骤S2得到的图像进行Canny边界扫描，得到二值边界图像，边界为白色；
步骤S4：对步骤S2得到的图像进行动态阈值处理，背景为非目标；
步骤S5：对所述步骤S3和步骤S4得到的图像做“与”操作，然后进行细线化，边界为单边界和单像素宽度；
步骤S6：利用边界密度估算颗粒平均尺寸，并进一步估算颗粒数目，平均尺寸和数目：
其中，xsize和ysize分别为图像的x方向及y方向上的尺寸，为颗粒平均尺寸，为实际检测的颗粒边缘密度，为图像中边缘像素的个数ne除以图像的总像素数ntot的值，β是形状因子且β＞1，为颗粒数目，rm的值取决于空档面积大小且rm≥1。
2.根据权利要求1所述的结合相似性和不连续性的准圆形颗粒平均尺寸检测方法，其特征在于：所述步骤S2中平滑滤波的过程为：
g(x,y)＝f(x,y)*h(x,y)
其中，g(x,y)为平滑滤波后的图像，f(x,y)为原始颗粒图像，h(x,y)为平滑滤波器。
3.根据权利要求2所述的结合相似性和不连续性的准圆形颗粒平均尺寸检测方法，其特征在于：所述平滑滤波器采用高斯滤波器：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710223808.XA CN107024416A (zh) | 2017-04-07 | 2017-04-07 | 结合相似性和不连续性的准圆形颗粒平均尺寸检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710223808.XA CN107024416A (zh) | 2017-04-07 | 2017-04-07 | 结合相似性和不连续性的准圆形颗粒平均尺寸检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107024416A true CN107024416A (zh) | 2017-08-08 |
Family
ID=59527224
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710223808.XA Pending CN107024416A (zh) | 2017-04-07 | 2017-04-07 | 结合相似性和不连续性的准圆形颗粒平均尺寸检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107024416A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110057650A (zh) * | 2019-05-20 | 2019-07-26 | 常德力元新材料有限责任公司 | 钢带晶粒的评价方法 |
| CN110687024A (zh) * | 2019-09-18 | 2020-01-14 | 北方爆破科技有限公司 | 一种基于图像的爆破粉尘量的测量方法 |
| CN110940734A (zh) * | 2019-12-04 | 2020-03-31 | 中国科学院武汉岩土力学研究所 | 岩体内部异常结构监测与潜在地质灾害评估方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009222420A (ja) * | 2008-03-13 | 2009-10-01 | Tdk Corp | 画像処理方法、画像処理装置及び画像処理プログラム |
| CN102608016A (zh) * | 2012-04-13 | 2012-07-25 | 福州大学 | 基于Canny边界检测的复杂颗粒平均尺寸测量方法 |
| JP2014025720A (ja) * | 2012-07-24 | 2014-02-06 | Nippon Steel & Sumikin Engineering Co Ltd | 含水率粒径測定装置 |
-
2017
- 2017-04-07 CN CN201710223808.XA patent/CN107024416A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009222420A (ja) * | 2008-03-13 | 2009-10-01 | Tdk Corp | 画像処理方法、画像処理装置及び画像処理プログラム |
| CN102608016A (zh) * | 2012-04-13 | 2012-07-25 | 福州大学 | 基于Canny边界检测的复杂颗粒平均尺寸测量方法 |
| JP2014025720A (ja) * | 2012-07-24 | 2014-02-06 | Nippon Steel & Sumikin Engineering Co Ltd | 含水率粒径測定装置 |
Non-Patent Citations (2)
| Title |
|---|
| 官理 等: "基于边缘密度自动检测紧凑颗粒的平均尺寸", 《计算机工程与应用》 * |
| 官理: "基于边缘密度自动检测紧凑颗粒的尺寸", 《中国优秀博硕士学位论文全文数据库（硕士） 信息科技辑》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110057650A (zh) * | 2019-05-20 | 2019-07-26 | 常德力元新材料有限责任公司 | 钢带晶粒的评价方法 |
| CN110057650B (zh) * | 2019-05-20 | 2022-03-15 | 常德力元新材料有限责任公司 | 钢带晶粒的评价方法 |
| CN110687024A (zh) * | 2019-09-18 | 2020-01-14 | 北方爆破科技有限公司 | 一种基于图像的爆破粉尘量的测量方法 |
| CN110940734A (zh) * | 2019-12-04 | 2020-03-31 | 中国科学院武汉岩土力学研究所 | 岩体内部异常结构监测与潜在地质灾害评估方法及系统 |
| CN110940734B (zh) * | 2019-12-04 | 2021-03-30 | 中国科学院武汉岩土力学研究所 | 岩体内部异常结构监测与潜在地质灾害评估方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108629775B (zh) | 一种热态高速线材表面图像处理方法 | |
| Zhang et al. | Multi-information online detection of coal quality based on machine vision | |
| CN110286124B (zh) | 基于机器视觉的耐火砖测量系统 | |
| Landstrom et al. | Morphology-based crack detection for steel slabs | |
| CN109598715B (zh) | 基于机器视觉的物料粒度在线检测方法 | |
| CN107314957B (zh) | 一种岩石块度尺寸分布的测量方法 | |
| CN102608016A (zh) | 基于Canny边界检测的复杂颗粒平均尺寸测量方法 | |
| AU2009202528A1 (en) | Method and apparatus for determining particle parameter and processor performance in a coal and mineral processing system | |
| CN108470173B (zh) | 一种矿石颗粒的分割方法 | |
| Köse et al. | Statistical methods for segmentation and quantification of minerals in ore microscopy | |
| CN110648330B (zh) | 摄像头玻璃的缺陷检测方法 | |
| CN107024416A (zh) | 结合相似性和不连续性的准圆形颗粒平均尺寸检测方法 | |
| Zhao et al. | Recognition of flooding and sinking conditions in flotation process using soft measurement of froth surface level and QTA | |
| CN114324078A (zh) | 一种颗粒粒径识别方法、装置、设备和介质 | |
| Yang et al. | Detection of size of manufactured sand particles based on digital image processing | |
| Wu et al. | Online size distribution measurement of dense iron green pellets using an efficient and multiscale nested U-net method | |
| CN107220946B (zh) | 一种岩石运输带上不良块度图像的实时剔除方法 | |
| CN107516315B (zh) | 一种基于机器视觉的掘进机出渣监测方法 | |
| Thurley et al. | Identifying, visualizing, and comparing regions in irregularly spaced 3D surface data | |
| Lu et al. | Fusion-based color and depth image segmentation method for rocks on conveyor belt | |
| Koh et al. | Improving particle size measurement using multi-flash imaging | |
| Yu et al. | Optimized self-adapting contrast enhancement algorithm for wafer contour extraction | |
| CN113628155A (zh) | 一种圆盘造球机的生球粒径检测方法及系统 | |
| Aslam et al. | An Effective Surface Defect Detection Method Using Adaptive Thresholding Fused With PSO Algorithm. | |
| CN116129365A (zh) | 输送设备上颗粒物料的检测方法和系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for 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: 20170808 |