CN111462152A - 一种利用Matlab测量球形火焰半径的方法 - Google Patents

Abstract

本发明公开了一种利用Matlab测量球形火焰半径的方法，该方法实现了准确、快速、批量的处理球形火焰图片。首先确定图片标尺大小，然后利用imread函数读取背景图片和目标图片；rgb2gray函数将两张彩色图像转为灰度图像；imsubtract函数作图像减法；graythresh函数找到基准阈值；im2bw函数将灰度图像转为二值化图像；medfilt2函数消除图像斑点噪声；imdilate函数实现图像膨胀；imfill函数实现空洞区域填补；imerode函数进行图像边界腐蚀；canny边缘检测算法获得球形火焰边界；for函数筛选处边界线最外侧点；nlinfit函数进行多元非线性回归，求得拟合圆半径；利用for循环函数批量处理目标图片，并利用xlswrite函数将批量处理得到的目标图片的拟合圆半径写入excel表中。

Description

一种利用Matlab测量球形火焰半径的方法

技术领域

本发明属于层流火焰研究技术领域，具体为一种利用Matlab测量球形火焰半径的方法。

背景技术

了解可燃混合气的层流预混火焰燃烧特性对于发动机的研发有重要意义。火焰定义为一个以亚音速、自维持传播的局部燃烧区域。火焰也称为燃烧波，而以亚音速传播的不连续的燃烧波称为缓燃波，为简化分析，通常用一维平面预混火焰来研究缓燃波。层流火焰速度定义为一维平面预混火焰的火焰面相对于未燃混合气的运动速度，是混合气的基本参数，其大小取决于当量比、压力和温度。在标准条件下(即大气压和初始温度298k)下的燃烧速度对于描述给定燃料的燃烧特性、理解化学反应动力学和验证模型都是非常重要的。通常用于测量层流燃烧速度的方法包括弯曲(Bunsen火焰)、拉伸(对冲火焰)或球形火焰等，这里我们研究球形火焰的层流燃烧速度。研究球形火焰的实验装置通常为定容或定压燃烧室，静止的可燃混合气单点点火后将形成球形扩散火焰。层流燃烧速度的计算过程为：①根据火焰图片计算出拉伸火焰传播速度；②选取合适的数据范围并对数据进行光顺；③利用非线性公式计算出无拉伸火焰传播速度；④根据密度比求出层流火焰传播速度。因此，计算层流火焰传播速度必须首先求出拉伸火焰传播速度。首先利用高速相机的纹影技术或阴影技术可拍摄到球形火焰的发展过程，进而利用得到的球形火焰图片计算出拉伸火焰传播速度。

层流火焰速度的计算过程：选出有效的火焰图片，量取图片的球形火焰半径，进而可计算出已燃气拉伸火焰传播速度，即：

以往量取球形火焰半径的方法是利用Photoshop等图片处理软件手动测量球形火焰半径。具体操作过程如下：选取某次实验的两张图片，图17(a)是初始火核形成，图17(b)是初始火核逐渐发展形成的球形火焰。根据图17(a)中的初始火核大致确定球形火焰中心点的位置坐标(547，473)(中心点位置的偏差不会影响后期拉伸火焰传播速度的值，因为拉伸火焰传播速度是根据微分计算的)，图17(b)为量取火焰半径的示意图，当前位置y方向球形火焰上边界的坐标为(547，332)。因此根据图片中目标物的实际尺寸与图片像素大小的比例尺，可计算出实际球形火焰半径的大小。利用此方法，可得到所有有效范围内图片球形火焰半径的大小。某时刻t，经过dt时间后球形火焰半径的变化值可根据相邻两张图片中球形火焰半径的差值得到，进而利用微分公式(1)可得到拉伸火焰传播速度随时间的变化曲线。图18是利用某次实验工况所得纹影照片计算的拉伸火焰传播速度随时间的变化趋势图，其中空心点是利用公式(1)计算所得，实线是对这些点进行FFT光顺后所得。可以发现：通过微分计算的速度点存在分层现象，从理论上来说，这是不应该存在的，因为实际球形火焰传播是均匀变化的，拉伸火焰传播速度不存在这种震荡突变。这种现象的原因主要是图片放大至像素点级别后会发现实际的火焰边界是有厚度的并且厚度值很难确定，这就造成边界像素点坐标的选取具有随机性。而由于这种随机性导致的误差一般为1个像素点大小(即火焰半径变化值的误差为1个像素点)，而火焰后期稳态传播时其半径的变化值为4个像素点左右，这就导致微分算出来的速度波动在±25％左右，如图18所示。由于这些空心点随时间的变化是无规则的，我们无法得到实际球形火焰传播趋势的有效信息。因此，这类数据通常的处理方法是将这些数据点进行FFT光顺拟合，如图18中实线所示，而我们最终需要的是光顺后所得到的速度数据。

通过以上分析可以发现，以往的球形火焰半径量取方法存在工作量大、费时费力等问题(通常一组工况实验图片在200张左右，手动测量约需要1个小时)，而且手动量取的半径误差较大，导致计算的速度波动较大，必须通过FFT拟合光顺后才能得可用的速度数据。

发明内容

本发明的目的在于提供一种利用Matlab测量球形火焰半径的方法，以提高实验数据处理速度，同时提高数据的准确性。Matlab作为一个强大的图像处理软件，可以实现图像的边缘提取，利用该功能可以实现图片的快速批量处理。

为实现上述目的，本发明采用如下技术方案来实现的：

一种利用Matlab测量球形火焰半径的方法，包括以下步骤：

1)将背景图片和目标图片导入Matlab程序中；

2)初步提取球形火焰边缘轮廓有效信息，包括：

a)确定图片标尺；

b)使用imread语句读取背景图片和目标图片；

c)利用Matlab中的图像处理函数rgb2gray将彩色的背景图片和目标图片转换为灰度图像；

d)利用imsubtract函数作图像减法，目标图片减去背景图片；

3)确定球形火焰的精细化边缘轮廓和边界位置信息，包括：

a)利用graythresh函数即最大类间方差法找到基准阈值，作为接下来调整阈值的参考基准；

b)利用im2bw函数将灰度图像转化为二值化图像，根据graythresh函数得到的基准阈值来手动调整阈值大小，在保留更多有效信息的同时降低图像噪声；

c)利用中值滤波器medfilt2函数消除图像中的噪声，通过不断调整medfilt2函数中阈值来消除噪声，尤其是斑点噪声；

d)利用imdilate函数进行图像膨胀，实现与物体接触的所有背景点合并到该物体中，使边界向外部扩张；

e)利用imfill函数将填补膨胀后图像中的所有的空洞区域；

f)通过imerode函数对填补后的图像边界进行腐蚀处理，以得到精细化的轮廓；

g)Canny边缘检测算法获取经腐蚀处理的图像中目标物的边界线，并将边界像素点的位置信息存储在数组中；

4)拟合边界有效信息点得到球形火焰拟合半径，包括：

a)利用for循环函数筛选出边界线的最外侧点，使得拟合图形更加准确；

b)利用inline语句定义圆的函数即0＝x²+y²+a·x+b·y+c，然后通过nlinfit函数对这些筛选出来的有效信息点进行多元非线性回归，求得a、b、c的值，进而求得球形火焰拟合半径

本发明进一步的改进在于，所属步骤1具体过程包括：

a)利用高速摄像机将球形火焰发展过程记录下来，然后导出背景图片和球形火焰图片；

b)将背景图片和球形火焰图片即目标图片加载至Matlab球形火焰半径处理程序的路径中。

本发明进一步的改进在于，该方法还包括：

5)球形火焰图片半径测量的批量处理，包括：

a)首先通过步骤1)至步骤4)任意处理一张目标图片，不断调整im2bw函数的阈值和medfilt2函数的阈值，直至得到与球形火焰轮廓拟合较好的拟合圆；

b)保持im2bw函数和medfilt函数阈值不变，利用for循环函数批量处理目标图片；

6)利用xlswrite语句将得到的所有球形火焰图片的半径值写入excel表中。

相较于现有技术，本发明至少具有如下有益的技术效果：

本发明通过在Matlab软件上编写程序可以显著提高数据处理速度和数据的准确性。

Matlab作为商业数学软件，具有强大的图像处理和数据处理功能，代码运行时间极短，实际测试结果表明：本发明通过编写的球形火焰半径测量程序，处理一组200张左右实验图片用时约为24.3秒。而根据实际经验，手动测量一张图片并将结果记录下来所需时间约为20秒，则完成一组图片的测量工作用时约为1.1个小时。这表明利用Matlab软件编写的程序来处理图片能显著降低图片处理时间，提高工作效率。

实际的球形火焰面本身有一定厚度，这就导致现有的手动测量球形火焰半径的技术手段即凭借人的视觉判定球形火焰面边界位置的方法存在极大误差，手动测量的实际结果也表明计算的微分速度波动较大。而本发明编写的程序通过图像二值化、边缘检测算法提取边界信息等步骤可以得到球形火焰的精确边界数据信息，之后利用得到的球形火焰边界数据点，通过确定函数模型、求解函数模型的待定系数、求得拟合函数的具体形式等步骤可以求得拟合圆的半径。即利用边缘检测算法和多元非线性回归函数实现球形火焰面位置的精确定位并得到球形火焰半径的平均值，也就是拟合圆半径。这表明利用Matlab软件编写的程序来处理图片能提高数据的准确性，减小火焰半径的量取误差。

附图说明

图1(a)是纹影图片的背景图，图1(b)是纹影图片的目标(球形火焰)图；

图2(a)是图像作差后的灰度图，图2(b)是二值化处理后图；

图3(a)是中值滤波处理后图，图3(b)是膨胀处理后图；

图4(a)是填补处理后图，图4(b)是腐蚀处理后图；

图5(a)是边界提取后图，图5(b)是边界点筛选后图；

图6是纹影图片拟合圆半径图；

图7(a)是阴影图片的背景图，图7(b)是阴影图片的目标(球形火焰)图；

图8(a)是图像作差后的灰度图，图8(b)是二值化处理后图；

图9(a)是中值滤波处理后图，图9(b)是膨胀处理后图；

图10(a)是填补处理后图，图10(b)是腐蚀处理后图；

图11(a)是边界提取后图，图11(b)是边界点筛选后图；

图12是阴影图片拟合圆半径图；

图13是纹影图片的手动测量法与Matlab测量法的球形火焰半径随时间的变化趋势图；

图14是纹影图片的手动测量法与Matlab测量法的拉伸火焰速度随时间的变化趋势图；

图15是阴影图片的手动测量法与Matlab测量法的球形火焰半径随时间的变化趋势图；

图16是阴影图片的手动测量法与Matlab测量法的拉伸火焰速度随时间的变化趋势图；

图17定容燃烧室某次工况的球形火焰的纹影图片；

图18某次工况的纹影图片的微分速度点和FFT光顺曲线。

具体实施方式

以下给出本发明的具体实施例，遵从上述图片方案，如图1至图10所示，本实施例给出利用Matlab快速测量纹影图片和阴影图片中球形火焰半径的流程与方法。图2至图6和图7至图12展示了纹影图片和阴影图片通过Matlab处理后的效果，图6和图12分别是纹影图片和阴影图片拟合圆半径图，图片左上角是拟合圆的半径，黑色虚线圆圈是拟合圆，可以发现拟合圆能够较好地贴合球形火焰边界。

这里有两点需要说明：①对于纹影图片，对比图3(b)和图4(a)可以发现两张图片从视觉效果上来看几乎没有差别，这是因为imfill函数作用是填补空洞区域，也就是只有形成“中间黑外圈白”的圆形形状时imfill才起作用，而这个函数其实对于阴影图片更有效，即图9(b)经填补处理后变成图10(a)的效果；②对于阴影图片，对比图9(a)和图9(b)也会发现，从视觉上来说这两张形状大小几乎没有差别，实际上图9(b)中白色目标图形要比图9(a)要小。这是因为图9(a)是图8(b)经膨胀处理后得到的，而对比图8(a)和图8(b)可以发现膨胀处理后白色目标图形的外边界向外扩张了，因为本身imdilate函数就是使目标图形中的白色点以半径一定的圆以辐射形式向外均匀扩张，所以图9(a)白色目标图形最外圈不是真实的边界。但是imerode函数在对图9(a)进行腐蚀处理时考虑到该图中目标图形外边界膨胀处理过，会将目标图形等值向里收缩，所以最终不会改变原目标图形的外边界实际大小。

纹影图片和阴影图片处理过程相同，本实施例将只对纹影图片的处理过程作详细说明。单张纹影图片的详细处理过程如下：1)首先确定图片标尺len2pix(真实尺寸/像素尺寸)；2)利用imread函数读取图1(a)、(b)信息；3)利用rgb2gray函数将图1(a)、(b)转换为灰度图像；4)利用imsubtract函数作图像减法即图1(b)减去图1(a)得到灰度图像图2(a)；5)利用graythresh函数即最大类间方差法找到基准阈值，作为接下来调整阈值的参考基准；6)利用im2bw函数将灰度图像图2(a)转化为二值化图像图2(b)，根据graythresh函数得到的基准阈值来手动调整阈值大小，在保留更多有效信息的同时降低图像噪声；7)利用中值滤波器medfilt2函数可以进一步降低与目标无关的图像噪声，尤其时斑点噪声，处理后效果如图3(a)所示，对比图2(b)可以发现，图3(a)中最右侧一些分散分布的噪点被去除，虽然同时也损失了一些有效边界信息，但并不影响后期边界的识别；8)利用图像膨胀imdilate函数可以实现目标附近的散点与目标点合并，使边界向外部扩张，处理后效果如图3(b)所示；9)填补闭合空洞区域的imfill函数处理后得到的图4(a)；10)imerode函数对填补后的图像边界进行腐蚀处理，可以得到精细化的轮廓,如图4(b)所示；11)通过canny边缘检测算法可以获取图4(b)的边界线轮廓即图5(a)，并将边界点的位置信息存储在数组中；12)尽可能多地保留有效信息同时剔除无效信息，才能使拟合函数更接近于真实情况，因此这里需要用到for循环函数筛选出图5(a)边界线最外侧点，最终处理效果如图5(b)所示，图中左侧白色的点即为利用for循环函数筛选出来的边界线最外侧点，也是拟合圆所需要的有效信息点；13)最后首先利用inline语句定义圆的函数即0＝x²+y²+a·x+b·y+c，然后结合该函数利用nlinfit函数对这些筛选出来的有效信息点进行多元非线性回归，求得a、b、c的值，进而可以求得圆的半径

根据拟合得到的函数绘制拟合圆，如图6所示。可以发现，经过上述过程处理得到的拟合圆与球形火焰边界拟合效果较好。

为了保证利用Matlab测量的球形火焰半径的准确性，本发明利用两组实验图片，分别对比了纹影图片和阴影图片下的手动测量法与Matlab测量法得到的球形火焰半径随时间的变化趋势图和拉伸火焰传播速度随时间的变化趋势图。从图13和图15中可以发现Matlab测量的球形火焰半径与手动测量的吻合较好，Matlab测量没有出现测量偏差较大的点。而图14和图16中可以发现Matlab测量法得到的拉伸火焰传播速度变化趋势符合实际真实情况(拉伸火焰传播速度先增大，后趋于平缓，最后缓慢减小)，并且速度波动远远小于手动测量法，速度数据点与FFT拟合曲线吻合较好，这说明相对于手动测量法，Matlab法测量的半径值更加准确。

综上所述，Matlab对于纹影图片和阴影图片都能实现快速、准确的半径测量。

Claims (3)

1.一种利用Matlab测量球形火焰半径的方法，其特征在于，包括以下步骤：

1)将背景图片和目标图片导入Matlab程序中；

2)初步提取球形火焰边缘轮廓有效信息，包括：

a)确定图片标尺；

b)使用imread语句读取背景图片和目标图片；

c)利用Matlab中的图像处理函数rgb2gray将彩色的背景图片和目标图片转换为灰度图像；

d)利用imsubtract函数作图像减法，目标图片减去背景图片；

3)确定球形火焰的精细化边缘轮廓和边界位置信息，包括：

a)利用graythresh函数即最大类间方差法找到基准阈值，作为接下来调整阈值的参考基准；

b)利用im2bw函数将灰度图像转化为二值化图像，根据graythresh函数得到的基准阈值来手动调整阈值大小，在保留更多有效信息的同时降低图像噪声；

c)利用中值滤波器medfilt2函数消除图像中的噪声，通过不断调整medfilt2函数中阈值来消除噪声，尤其是斑点噪声；

d)利用imdilate函数进行图像膨胀，实现与物体接触的所有背景点合并到该物体中，使边界向外部扩张；

e)利用imfill函数将填补膨胀后图像中的所有的空洞区域；

f)通过imerode函数对填补后的图像边界进行腐蚀处理，以得到精细化的轮廓；

g)Canny边缘检测算法获取经腐蚀处理的图像中目标物的边界线，并将边界像素点的位置信息存储在数组中；

4)拟合边界有效信息点得到球形火焰拟合半径，包括：

a)利用for循环函数筛选出边界线的最外侧点，使得拟合图形更加准确；

b)利用inline语句定义圆的函数即0＝x²+y²+a·x+b·y+c，然后通过nlinfit函数对这些筛选出来的有效信息点进行多元非线性回归，求得a、b、c的值，进而求得球形火焰拟合半径

2.根据权利要求1所述的一种利用Matlab测量球形火焰半径的方法，其特征在于，所属步骤1具体过程包括：

a)利用高速摄像机将球形火焰发展过程记录下来，然后导出背景图片和球形火焰图片；

b)将背景图片和球形火焰图片即目标图片加载至Matlab球形火焰半径处理程序的路径中。

3.根据权利要求1或2所述的一种利用Matlab测量球形火焰半径的方法，其特征在于，该方法还包括：

5)球形火焰图片半径测量的批量处理，包括：

a)首先通过步骤1)至步骤4)任意处理一张目标图片，不断调整im2bw函数的阈值和medfilt2函数的阈值，直至得到与球形火焰轮廓拟合较好的拟合圆；

b)保持im2bw函数和medfilt函数阈值不变，利用for循环函数批量处理目标图片；

6)利用xlswrite语句将得到的所有球形火焰图片的半径值写入excel表中。

Images