CN111986175A - 工业喷嘴所喷液滴的粒径测量方法 - Google Patents
工业喷嘴所喷液滴的粒径测量方法 Download PDFInfo
- Publication number
- CN111986175A CN111986175A CN202010839814.XA CN202010839814A CN111986175A CN 111986175 A CN111986175 A CN 111986175A CN 202010839814 A CN202010839814 A CN 202010839814A CN 111986175 A CN111986175 A CN 111986175A
- Authority
- CN
- China
- Prior art keywords
- image
- gray
- tophat
- pixel
- value
- 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
- 239000007788 liquid Substances 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims abstract description 23
- 239000002245 particle Substances 0.000 title claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 32
- 238000005259 measurement Methods 0.000 claims abstract description 28
- 238000001514 detection method Methods 0.000 claims abstract description 21
- 239000007921 spray Substances 0.000 claims abstract description 5
- 238000005260 corrosion Methods 0.000 claims description 7
- 230000007797 corrosion Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 238000003708 edge detection Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 230000009977 dual effect Effects 0.000 claims description 2
- 230000007547 defect Effects 0.000 abstract description 9
- 230000003044 adaptive effect Effects 0.000 abstract description 4
- 230000000877 morphologic effect Effects 0.000 description 3
- 238000003064 k means clustering Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000005507 spraying Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000035899 viability Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供一种工业喷嘴所喷液滴的粒径测量方法，其包括：使用工业喷嘴在一个平面上均匀的喷下液滴，使用像机对平面上的液滴进行拍摄得到拍摄图像I，在拍摄图像I中测量给定度量单位的像素数；对拍摄图像I进行分割以获得液滴集中区域图像Icut；对液滴集中区域图像Icut进行顶帽操作处理得到顶帽图像ITopHat；对顶帽图像ITopHat进行二值化处理；检测二值化图像IThresh中的所有轮廓得到轮廓图像IContours，计算轮廓图像IContours中每个轮廓所包含区域的面积areai，以计算液滴的半径ri。本发明考虑了液滴半径过小以及液滴过于集中对半径检测的影响，且考虑了图像形态学处理的顶帽操作对半径检测的影响的缺陷，并使用分层方式处理来解决这一缺陷，提高了液滴测量的准确度及适应范围。
Description
技术领域
本发明涉及工业测量技术领域，特别涉及一种工业喷嘴所喷液滴的粒径测 量方法。
背景技术
液滴粒径检测一般指通过检测液滴的半径以及每个半径范围内半径数量或 者百分比来判断喷射器的性能及商业性。工业喷嘴所喷液滴的粒径检测方法目 前还不成熟，很少有文献提及该技术，需要从所拍摄图像的特征开始研究，找 到最适合其的图像处理方法，使得可以准确检测到液滴轮廓，从而求得所需的 粒径并进行分析。
粒径检测方法有很强的特殊性，适用于某一工程的检测方法可能在另一个 工程中完全不适用，针对工业喷嘴所喷液滴的粒径检测方法，需要考虑极小的 粒子半径和极密的粒子分布，大多数半径检测方法并没有涉及到。
现有技术中，一般直接对拍摄的液滴图像进行处理后计算液滴的半径，其 没有考虑到液滴分布密集区域的情况，导致可能检测到小半径液滴就检测不到 大半径的误差或者检测到大液滴的半径就检测不到小液滴的半径，导致现有技 术中液滴测量的准确性差。
发明内容
本发明针对上述现有技术中的缺陷，提出一种对工业喷嘴所喷液滴的大直 径和小直径均进行准确粒径的测量方法。基于参照物并通过整幅图像计算出给 定度量单位的像素数，随后使用目标检测算法得出感兴趣区域并分割图像，从 而得到液滴分布密集的区域，对分割后的图像做形态学处理的顶帽操作，对图 像进行分层处理，每一层检测到的轮廓都会在下一层处理之前在原图对应的区 域设置为与背景相同的颜色，之后，对图像做二值化处理，最后检测轮廓，并 通过轮廓面积求得粒径，解决了现有技术中检测到小半径就检测不到大半径的 技术问题。
本发明的具体方案如下：
本发明的工业喷嘴所喷液滴的粒径测量方法，其包括以下步骤：
步骤S1，针对所述工业喷嘴在一个平面上均匀的喷下液滴，利用像机对所 述平面上的液滴进行拍摄得到拍摄图像I，在所述拍摄图像I中测量给定度量单 位的像素数，所述度量单位是长度单位；所述步骤S1具体包括：
步骤S11，使用IR＝IG＝IB＝(IR+IG+IB)/3对所述拍摄图像I进行灰度处理得 到灰度图像IGray，其中，IR、IG、IB为所述拍摄图像I的RGB三个颜色通道像素 值；
步骤S12，对所述灰度图像IGray使用高斯滤波器进行高斯滤波得到滤波后灰 度图像IGray；
步骤S13，利用边缘检测算法提取算子提取滤波后灰度图像IGray的边缘，首 先使用一阶有限差分对滤波后灰度图像IGray的像素求取偏导，获得水平方向上梯 度变化大小Gx和竖直方向上梯度变化大小Gy，其中，
其中，I(m,n)表示滤波后灰度图像IGray在(m,n)处像素的灰度值，m＝x或 x+1，n＝y或y+1，则对应像素总的梯度模值G(x，y)为：
使用边缘检测算法沿梯度方向在邻域空间内搜索相邻位置的梯度值，如果 发现存在一个相邻像素的梯度值大于中心像素，即该像素在邻域空间内不具有 最大梯度模值，则令其梯度大小为0，以抑制非极大值；最后采用双阈值算法 检测和连接边缘，生成边缘图像ICanny；
步骤S13，对边缘图像ICanny中的边缘先进行膨胀操作，使用一个7×7的卷 积核与图像ICanny进行卷积，计算卷积核所覆盖图像区域中的像素最大值和像素 最小值，将像素最大值赋值给参考点，使得边缘图像ICanny中的高亮区域逐渐增 长；再进行腐蚀操作，将像素最小值赋值给参考点，使边缘图像ICanny中的高亮 区域逐渐减小；
步骤S14，检测经膨胀操作和腐蚀操作后的边缘图像ICanny的最外围轮廓，求 出覆盖最外围轮廓的最小矩形以及所述最小矩形的四条边的中点，通过计算四 条边的中点之间的欧氏距离求出给定度量单位的像素数；
步骤S2，对所述拍摄图像I进行分割以获得液滴集中区域图像Icut；
步骤S3，对所述液滴集中区域图像Icut进行顶帽操作处理得到顶帽图像ITopHat；
步骤S4，对所述顶帽图像ITopHat进行二值化处理得到二值化图像IThresh；
步骤S5，检测所述二值化图像IThresh中的所有轮廓得到轮廓图像IContours，其 中，所述轮廓包括外层轮廓和内层轮廓；
步骤S6，基于所述给定度量单位的像素数计算所述轮廓图像IContours中每个 轮廓所包含区域面积areai，其中i是当前轮廓在所有轮廓中的排列顺序，则半 径ri通过下式计算得：
计算得到每个轮廓的半径后，忽略直径小于0.0001mm的轮廓，从而得到工 业喷嘴所喷液滴的半径。
可优选的是，在采用双阈值算法检测和连接边缘的过程中，设置两个阈值 T1和T2且T1<T2，T1＝0.4×T2，将原始图像I中大于T1的点置为1，其余点置为0， 得到二值图像I1，又将原始图像中大于T2的点置为1，其余点置为0，得到二值 图像I2；以I2边缘为基础，并从这些边缘的两端开始在I1中的对应区域搜寻是 否有被忽略的区段，如果有，则将这些区段在I2恢复连接，最终输出修复后的 I2中的边缘为提取的边缘。
可优选的是，所述步骤S3的操作为：所述顶帽操作处理为：
ITopHat＝Icut-open(Icut)；
其中，ITopHat是进行顶帽操作处理后得到的顶帽图像，open(Icut)为对液滴 集中区域图像Icut进行开运算。
可优选的是，所述步骤S4的二值化处理操作为：对所述图像ITopHat进行灰度 处理得到灰度图像ITopHat-Gray，所述灰度图像ITopHat-Gray的RGB三个颜色通道像素值 分别是ITopHat-Gray-R、ITopHat-Gray-G、ITopHat-Gray-B，根据图像特征，计算背景和前景的最大 类间方差，把最大类间方差的像素值作为二值化的阈值，对于像素值小于该阈 值的点，ITopHat-Gray-R＝ITopHat-Gray-G＝ITopHat-Gray-B＝0，对于像素值大于该阈值的点， ITopHat-Gray-R＝ITopHat-Gray-G＝ITopHat-Gray-B＝255，得到二值化图像IThresh。
与现有技术相比，本发明具有如下有益效果：
本发明的工业喷嘴所喷液滴的粒径测量方法，包括：步骤S1，使用所述工 业喷嘴在一个平面上均匀的喷下液滴，使用像机对所述平面上的液滴进行拍摄 得到图像I，在所述图像I中测量给定度量单位的像素数，所述度量单位是长度 单位；步骤S2，对所述图像I进行分割以获得液滴集中区域图像Icut；步骤S3， 对所述图像Icut进行顶帽操作处理得到图像ITopHat；步骤S4，对所述图像ITopHat进 行二值化处理；步骤S5，检测所述二值化图像IThresh中的所有轮廓得到轮廓图像 IContours，其中，所述轮廓包括外层轮廓和内层轮廓；步骤S6，计算所述轮廓图像 IContours中每个轮廓所包含区域的面积areai，以计算液滴的半径ri。
本发明通过模拟喷嘴喷射液滴所得到的图像或者实时拍摄的图像计算液滴 半径，工程适用性强；本发明考虑了液滴半径过小以及液滴过于集中对半径检 测的影响，且考虑了图像形态学处理的顶帽操作对半径检测的影响的缺陷，并 使用分层方式处理来解决这一缺陷，提高了液滴测量的准确度及适应范围。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请 的其它特征、目的和优点将会变得更明显。
图1为本发明工业喷嘴所喷液滴的粒径测量方法的流程图；
图2(a)-图2(e)为本发明实施例中的对原始图像进行一系列处理后的图 像；
图3(a)-图3(e)为本发明实施例中的对分割图像进行分层处理后的图像； 以及
图4(a)-图4(c)本发明实施例中的对分割图像的一层进行一系列处理后 的图像。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此 处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还 需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征 可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
本发明旨在提供一种工业喷嘴所喷液滴的粒径测量方法，其测量流程如图1 所示，该方法包括以下步骤：
步骤S1，使用工业喷嘴在一个平面上均匀的喷下液滴，使用像机对平面上 的液滴进行拍摄得到图像I，如图2(a)，在图像I中测量给定度量单位的像素 数，度量单位是长度单位；本发明中的拍摄得到图像I可以是模拟喷嘴喷射液 滴所得到的图像或者实时拍摄的图像，图像拍摄一般都采用工业摄像头进行， 或者高速相机进行。
在一个实施例中，步骤S1包括：
步骤S11，使用IR＝IG＝IB＝(IR+IG+IB)/3对图像I进行灰度处理得到灰度图 像IGray，如图2(b)所示，其中，IR、IG、IB为图像I的RGB三个颜色通道像素 值。这是因为，测量给定度量单位的像素数的原因是测量粒径时，会对图像进 行分割，需要保证分割前后有一致的度量单位。测量基于拍摄得到的整幅图像I， 并选取图像中大小固定不变的物体作为测量参照物，从而得出毫米级液滴半径， 比如在图像中放置固定长度的参照物，比如，喷嘴或者提前放置的1元硬币等 等，长度单位一般使用mm。
步骤S12，对灰度图像IGray使用卷积核为5×5的高斯滤波器进行高斯滤波 得到滤波后的灰度图像IGray；所采用的高斯滤波器如下表所描述，它在减少虚假 轮廓与平滑图像的同时，还更多的保留了图像的总体灰度分布特征。
步骤S13，利用Canny边缘提取算子提取滤波后灰度图像IGray的边缘，首先 使用一阶有限差分对滤波后灰度图像IGray的像素求取偏导，获得水平与竖直方向 上的梯度变化大小Gx和Gy，其中，
其中，I(m,n)表示滤波后灰度图像IGray在(m,n)处像素的灰度值，m＝x或 x+1，n＝y或y+1，则对应像素总的梯度模值G(x，y)为：
使用Canny算法沿梯度方向在八邻域空间内搜索其他位置的梯度值，如果 发现存在一个相邻像素的梯度值大于中心像素，即该像素在邻域空间内不具有 最大梯度模值，则令其梯度大小为0，以抑制非极大值；最后采用双阈值算法 检测和连接边缘，设置两个阈值T1和T2(T1<T2)，T1＝0.4×T2，将原始图像I中 大于T1的点置为1，其余点置为0，得到二值图像I1，又将原始图像中大于T2的点置为1，其余点置为0，得到二值图像I2；以I2边缘为基础，并从这些边缘 的两端开始在I1中的对应区域搜寻是否有被忽略的区段，如果有，则将这些区 段在I2恢复连接，最终输出修复后的I2中的边缘为提取的边缘，生成边缘图像ICanny；由于T2比T1更加严苛，所以可以去除许多产生的虚假边缘，但同时会忽 略掉一些有效的边缘。为此，以I2边缘为基础，并从这些边缘的两端开始在I1中的对应区域搜寻是否有被忽略的区段，如果有则将这些区段在I2恢复连接， 最终输出修复后的I2中的边缘为提取的边缘，生成边缘图像ICanny，如图2(c) 所示。本发明创造性的采用双阈值算法检测和连接边缘，对被忽略的区段进行 修补，从而避免了有的区段被忽略，提高了液滴检测的准确性，这是本发明的 一个重要发明点。
步骤S13，对边缘图像ICanny中的边缘先进行膨胀操作，使用一个7×7的卷 积核与图像ICanny进行卷积，计算卷积核所覆盖图像区域中的像素最大值和最小 值，将这个最大值赋值给参考点，使得边缘图像ICanny中的高亮区域逐渐增长， 膨胀后的图像如图2(d)所示；再进行腐蚀操作，将这个最小值赋值给参考点， 使边缘图像ICanny中的高亮区域逐渐减小，腐蚀后的图像如图2(e)所示；通过 以上操作可以填充边缘细小空洞，连接邻近边缘并平滑边界。
步骤S14，检测经膨胀腐蚀后的边缘图像ICanny的最外围轮廓，求出覆盖最外 围轮廓的最小矩形以及该最小矩形四条边的中点，通过计算各个中点之间的欧 几里得距离求出给定度量单位的像素数。最后检测最外围轮廓并将其从左到右 进行排序，求出覆盖轮廓的最小矩形以及矩形四条边的中点，通过计算各个中 点之间的欧几里得距离最终求出给定度量单位的像素数，比如一个计算值为 pixelsPerMetric＝18.39。
步骤S2，对图像I进行分割以获得液滴集中区域图像Icut；对拍摄得到的图 像I进行分割，所使用的是基于区域的分割方法，即使用目标检测算法得出液滴 集中区域，再进行分割，在该实施例中是整幅图像I的左下角，所以分别在h/2、 h*4/5以及w/2三处分割，得到左下角分割图像Icut，如图3(a)所示，即液滴 相对集中的区域。本发明将液滴集中的区域分割出来处理，解决了现有技术中 的不分割图像直接处理的噪声问题，提高了测量精度。
步骤S3，对图像Icut进行顶帽操作处理得到图像ITopHat；顶帽操作即原图像 与开运算结果图之差，其中，开运算是对图像先腐蚀后膨胀的结果，在一个实 施例中，步骤S3的操作为：顶帽操作处理为：
ITopHat＝Icut-open(Icut)；
其中，ITopHat是进行顶帽操作处理后得到的图像，open(Icut)即对Icut进行 开运算。
考虑到以毫米为单位的液滴半径在数值上有较大差距，体现在图像上，会 对图像形态学处理产生影响，即可能检测到了较小的液滴半径，就无法检测到 较大的液滴半径。所以需要对图像进行分层处理，即设置不同的顶帽操作阈值， 提取不同半径范围的轮廓，提取之后将原图像I中对应的部位设置为与背景相同 的颜色，以防影响后续检测。其中，各个顶帽操作的阈值是基于大量实验数据 并通过K-Means聚类方法获得的，可以准确、有效的区分不同尺寸的液滴半径。
本实施例中将图像分为四层，通过K-Means聚类方法与大量数据集得到的 阈值分别为4、6、8、10，按顺序使用得到的4个阈值，可以得到四个半径范围 不同的轮廓检测图像，例如，若使用的阈值是4，则得到的半径范围为0-4，如 图3(b)所示；若使用的阈值是6，则得到的半径范围为4-6，如图3(c)所示。 使用的阈值是8、10的检测结果分别如图3(d)、3(e)所示。本发明考虑了图 像形态学处理——顶帽操作对半径检测的影响的缺陷，从而提出了使用分层方 式处理来解决这一缺陷，提高了液滴测量的准确度及适应范围，这是本发明的另一重要发明点。
步骤S4，对图像ITopHat进行二值化处理得到二值化图像IThresh，其中，ITopHat如图4(a)所示，IThresh如图4(b)所示；该步骤对其中一层顶帽操作后得到的 图像进行处理，比如对图3(b)，在一个实施例中，步骤S4的操作为：对图像 ITopHat进行灰度处理得到灰度图像ITopHat-Gray，该灰度图像ITopHat-Gray的RGB三个颜色 通道像素值分别是ITopHat-Gray-R、ITopHat-Gray-G、ITopHat-Gray-B，根据图像特征，选择Otsu 算法计算背景和前景的最大类间方差，把类间方差最大的像素值作为二值化的 阈值，对于像素值小于该阈值的点，ITopHat-Gray-R＝ITopHat-Gray-G＝ITopHat-Gray-B＝0，对 于像素值大于该阈值的点，ITopHat-Gray-R＝ITopHat-Gray-G＝ITopHat-Gray-B＝255，得到二值 化图像IThresh。
比如，举一个具体的实施例，根据图像特征，选择Otsu算法计算背景和前 景的最大类间方差，本实验的该图像得到的阈值是25，把类间方差最大的像素 值作为二值化的阈值，对于像素值小于该阈值的点，有：ITopHat-Gray-R＝ITopHat-Gray-G＝ITopHat-Gray-B＝0；对于像素值大于25的点，有：ITopHat-Gray-R＝ITopHat-Gray-G＝ ITopHat-Gray-B＝255，处理之后得到二值化图像IThresh，如图4(c)所示。
步骤S5，检测二值化图像IThresh中的所有轮廓得到轮廓图像IContours，如图4 (c)所示，其中，轮廓包括外层轮廓和内层轮廓。
步骤S6，基于给定度量单位的像素数计算轮廓图像IContours中每个轮廓所包 含区域面积areai，其中i是当前轮廓在所有轮廓中的排列顺序，则半径ri通过 下式计算得：
计算得到每个轮廓的半径后，忽略直径小于0.0001mm的轮廓，因为其大概 率不是液滴，而是噪声，从而得到工业喷嘴所喷液滴的半径。
而且可优选的是，还可以对顶帽操作分层得出的各个半径范围内的液滴进 行汇总，得出每个半径范围内的半径占全部半径的百分比以及累计百分比，并 可以据此生成液滴半径分布图像。
本发明通过模拟喷嘴喷射液滴所得到的图像或者实时拍摄的图像计算液滴 半径，工程适用性强；本发明考虑了液滴半径过小以及液滴过于集中对半径检 测的影响，且考虑了图像形态学处理——顶帽操作对半径检测的影响的缺陷， 并使用分层方式处理来解决这一缺陷，提高了液滴测量的准确度及适应范围， 且在图像边缘提取时，采用双阈值算法检测和连接边缘，对被忽略的区段进行 修补，从而避免了有的区段被忽略，提高了液滴检测的准确性。
最后所应说明的是：以上实施例仅以说明而非限制本发明的技术方案，尽 管参照上述实施例对本发明进行了详细说明，本领域的普通技术人员应当理解： 依然可以对本发明进行修改或者等同替换，而不脱离本发明的精神和范围的任 何修改或局部替换，其均应涵盖在本发明的权利要求范围当中。
Claims (4)
1.一种工业喷嘴所喷液滴的粒径测量方法，其特征在于，该方法包括以下步骤：
步骤S1，针对所述工业喷嘴在一个平面上均匀的喷下液滴，利用像机对所述平面上的液滴进行拍摄得到拍摄图像I，在所述拍摄图像I中测量给定度量单位的像素数，所述度量单位是长度单位；所述步骤S1具体包括：
步骤S11，使用IR＝IG＝IB＝(IR+IG+IB)/3对所述拍摄图像I进行灰度处理得到灰度图像IGray，其中，IR、IG、IB为所述拍摄图像I的RGB三个颜色通道像素值；
步骤S12，对所述灰度图像IGray使用高斯滤波器进行高斯滤波得到滤波后灰度图像IGray；
步骤S13，利用边缘检测算法提取算子提取滤波后灰度图像IGray的边缘，首先使用一阶有限差分对滤波后灰度图像IGray的像素求取偏导，获得水平方向上梯度变化大小Gx和竖直方向上梯度变化大小Gy，其中，
其中，I(m,n)表示滤波后灰度图像IGray在(m,n)处像素的灰度值，m＝x或x+1，n＝y或y+1，则对应像素总的梯度模值G(x，y)为：
使用边缘检测算法沿梯度方向在邻域空间内搜索相邻位置的梯度值，如果发现存在一个相邻像素的梯度值大于中心像素，即该像素在邻域空间内不具有最大梯度模值，则令其梯度大小为0，以抑制非极大值；最后采用双阈值算法检测和连接边缘，生成边缘图像ICanny；
步骤S13，对边缘图像ICanny中的边缘先进行膨胀操作，使用一个7×7的卷积核与图像ICanny进行卷积，计算卷积核所覆盖图像区域中的像素最大值和像素最小值，将像素最大值赋值给参考点，使得边缘图像ICanny中的高亮区域逐渐增长；再进行腐蚀操作，将像素最小值赋值给参考点，使边缘图像ICanny中的高亮区域逐渐减小；
步骤S14，检测经膨胀操作和腐蚀操作后的边缘图像ICanny的最外围轮廓，求出覆盖最外围轮廓的最小矩形以及所述最小矩形的四条边的中点，通过计算四条边的中点之间的欧氏距离求出给定度量单位的像素数；
步骤S2，对所述拍摄图像I进行分割以获得液滴集中区域图像Icut；
步骤S3，对所述液滴集中区域图像Icut进行顶帽操作处理得到顶帽图像ITopHat；
步骤S4，对所述顶帽图像ITopHat进行二值化处理得到二值化图像IThresh；
步骤S5，检测所述二值化图像IThresh中的所有轮廓得到轮廓图像IContours，其中，所述轮廓包括外层轮廓和内层轮廓；
步骤S6，基于所述给定度量单位的像素数计算所述轮廓图像IContours中每个轮廓所包含区域面积areai，其中i是当前轮廓在所有轮廓中的排列顺序，则半径ri通过下式计算得：
计算得到每个轮廓的半径后，忽略直径小于0.0001mm的轮廓，从而得到工业喷嘴所喷液滴的半径。
2.根据权利要求1所述的工业喷嘴所喷液滴的粒径测量方法，其特征在于，在采用双阈值算法检测和连接边缘的过程中，设置两个阈值T1和T2且T1<T2，T1＝0.4×T2，将原始图像I中大于T1的点置为1，其余点置为0，得到二值图像I1，又将原始图像中大于T2的点置为1，其余点置为0，得到二值图像I2；以I2边缘为基础，并从这些边缘的两端开始在I1中的对应区域搜寻是否有被忽略的区段，如果有，则将这些区段在I2恢复连接，最终输出修复后的I2中的边缘为提取的边缘。
3.根据权利要求2所述的工业喷嘴所喷液滴的粒径测量方法，其特征在于，所述步骤S3的操作为：所述顶帽操作处理为：
ITopHat＝Icut-open(Icut)；
其中，ITopHat是进行顶帽操作处理后得到的顶帽图像，open(Icut)为对液滴集中区域图像Icut进行开运算。
4.根据权利要求3所述的工业喷嘴所喷液滴的粒径测量方法，其特征在于，所述步骤S4的二值化处理操作为：对所述图像ITopHat进行灰度处理得到灰度图像ITopHat-Gray，所述灰度图像ITopHat-Gray的RGB三个颜色通道像素值分别是ITopHat-Gray-R、ITopHat-Gray-G、ITopHat-Gray-B，根据图像特征，计算背景和前景的最大类间方差，把最大类间方差的像素值作为二值化的阈值，对于像素值小于该阈值的点，ITopHat-Gray-R＝ITopHat-Gray-G＝ITopHat-Gray-B＝0，对于像素值大于该阈值的点，ITopHat-Gray-R＝ITopHat-Gray-G＝ITopHat-Gray-B＝255，得到二值化图像IThresh。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010839814.XA CN111986175A (zh) | 2020-08-19 | 2020-08-19 | 工业喷嘴所喷液滴的粒径测量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010839814.XA CN111986175A (zh) | 2020-08-19 | 2020-08-19 | 工业喷嘴所喷液滴的粒径测量方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111986175A true CN111986175A (zh) | 2020-11-24 |
Family
ID=73435143
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010839814.XA Pending CN111986175A (zh) | 2020-08-19 | 2020-08-19 | 工业喷嘴所喷液滴的粒径测量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111986175A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112381819A (zh) * | 2020-12-07 | 2021-02-19 | 云南省烟草公司昆明市公司 | 基于hsv颜色模型的植保雾滴检测方法 |
| CN112504160A (zh) * | 2020-11-25 | 2021-03-16 | 贵州兴达兴建材股份有限公司 | 混凝土用粗骨料的圆度测定仪以及检测方法 |
| CN113312986A (zh) * | 2021-05-10 | 2021-08-27 | 浙江科技学院 | 一种基于视觉处理的喷雾控制系统及其控制方法 |
| CN113706566A (zh) * | 2021-09-01 | 2021-11-26 | 四川中烟工业有限责任公司 | 一种基于边缘检测的加香喷雾性能检测方法 |
| CN114663740A (zh) * | 2022-02-28 | 2022-06-24 | 中国民航大学 | 一种基于视频分析的燃油喷嘴多特征状态评估方法、设备及介质 |
| CN114757889A (zh) * | 2022-03-22 | 2022-07-15 | 中铁工程装备集团有限公司 | 一种盾构机气垫仓及其液位检测方法 |
| CN117723452A (zh) * | 2024-02-07 | 2024-03-19 | 北京纳米能源与系统研究所 | 发动机燃油喷嘴喷射信息自动检测方法及装置 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004069483A (ja) * | 2002-08-06 | 2004-03-04 | Canon Inc | 液体吐出ヘッドの液滴量測定方法及び液滴量測定装置 |
| JP2004069484A (ja) * | 2002-08-06 | 2004-03-04 | Canon Inc | 液体吐出ヘッドとその液滴量測定方法、検査システム、液体吐出装置、製造システム及び液滴量測定装置 |
| CN102288522A (zh) * | 2011-06-30 | 2011-12-21 | 河海大学 | 基于数字图像技术的泥沙颗粒分析装置及分析方法 |
| CN102405402A (zh) * | 2008-09-23 | 2012-04-04 | 阔达生命有限公司 | 基于液滴的测定系统 |
| CN103673872A (zh) * | 2012-09-10 | 2014-03-26 | 中国科学院空间科学与应用研究中心 | 液滴体积的测量方法和测量系统 |
| KR20160102757A (ko) * | 2015-02-23 | 2016-08-31 | 서울대학교산학협력단 | 액적 크기 분포 측정 방법 |
| CN105928847A (zh) * | 2016-04-19 | 2016-09-07 | 中国科学院过程工程研究所 | 一种多相体系中颗粒浓度和粒径的在线测量方法 |
| CN106407928A (zh) * | 2016-09-13 | 2017-02-15 | 武汉大学 | 基于雨滴识别的变压器复合绝缘子套管监测方法及系统 |
| CN107909596A (zh) * | 2017-11-14 | 2018-04-13 | 江苏大学 | 一种基于Android的药片计数方法 |
| CN108830780A (zh) * | 2018-05-09 | 2018-11-16 | 北京京东金融科技控股有限公司 | 图像处理方法及装置、电子设备、存储介质 |
| CN109784344A (zh) * | 2019-01-24 | 2019-05-21 | 中南大学 | 一种用于地平面标识识别的图像非目标滤除方法 |
| CN109903296A (zh) * | 2019-02-15 | 2019-06-18 | 领航基因科技（杭州）有限公司 | 一种基于LBP-Adaboost算法的数字PCR液滴检测方法 |
| CN110315850A (zh) * | 2014-09-02 | 2019-10-11 | 科迪华公司 | 工业打印系统的液滴参数的快速测量 |
-
2020
- 2020-08-19 CN CN202010839814.XA patent/CN111986175A/zh active Pending
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004069484A (ja) * | 2002-08-06 | 2004-03-04 | Canon Inc | 液体吐出ヘッドとその液滴量測定方法、検査システム、液体吐出装置、製造システム及び液滴量測定装置 |
| JP2004069483A (ja) * | 2002-08-06 | 2004-03-04 | Canon Inc | 液体吐出ヘッドの液滴量測定方法及び液滴量測定装置 |
| CN102405402A (zh) * | 2008-09-23 | 2012-04-04 | 阔达生命有限公司 | 基于液滴的测定系统 |
| CN102288522A (zh) * | 2011-06-30 | 2011-12-21 | 河海大学 | 基于数字图像技术的泥沙颗粒分析装置及分析方法 |
| CN103673872A (zh) * | 2012-09-10 | 2014-03-26 | 中国科学院空间科学与应用研究中心 | 液滴体积的测量方法和测量系统 |
| CN110315850A (zh) * | 2014-09-02 | 2019-10-11 | 科迪华公司 | 工业打印系统的液滴参数的快速测量 |
| KR20160102757A (ko) * | 2015-02-23 | 2016-08-31 | 서울대학교산학협력단 | 액적 크기 분포 측정 방법 |
| CN105928847A (zh) * | 2016-04-19 | 2016-09-07 | 中国科学院过程工程研究所 | 一种多相体系中颗粒浓度和粒径的在线测量方法 |
| US20170299382A1 (en) * | 2016-04-19 | 2017-10-19 | Institute Of Process Engineering, Chinese Academy Of Sciences | Online measuring method of concentration and diameter of particles in multiphase system |
| CN106407928A (zh) * | 2016-09-13 | 2017-02-15 | 武汉大学 | 基于雨滴识别的变压器复合绝缘子套管监测方法及系统 |
| CN107909596A (zh) * | 2017-11-14 | 2018-04-13 | 江苏大学 | 一种基于Android的药片计数方法 |
| CN108830780A (zh) * | 2018-05-09 | 2018-11-16 | 北京京东金融科技控股有限公司 | 图像处理方法及装置、电子设备、存储介质 |
| CN109784344A (zh) * | 2019-01-24 | 2019-05-21 | 中南大学 | 一种用于地平面标识识别的图像非目标滤除方法 |
| CN109903296A (zh) * | 2019-02-15 | 2019-06-18 | 领航基因科技（杭州）有限公司 | 一种基于LBP-Adaboost算法的数字PCR液滴检测方法 |
Non-Patent Citations (4)
| Title |
|---|
| 朱凯: "基于形状检测的工件识别与定位系统的设计与实现", 《《中国优秀硕士学位论文全文数据库》》 * |
| 李孟歆等: "一种基于顶帽变换和Otsu阈值的轨道边缘提取方法", 《集成技术》 * |
| 花匠键盘: "数字图像处理：边缘检测(Edge detection)", 《CSDN》 * |
| 闪电侠的右手: "【图像处理】轻松搞懂形态学处理(腐蚀、膨胀、开闭运算)", 《知乎》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112504160A (zh) * | 2020-11-25 | 2021-03-16 | 贵州兴达兴建材股份有限公司 | 混凝土用粗骨料的圆度测定仪以及检测方法 |
| CN112381819A (zh) * | 2020-12-07 | 2021-02-19 | 云南省烟草公司昆明市公司 | 基于hsv颜色模型的植保雾滴检测方法 |
| CN113312986A (zh) * | 2021-05-10 | 2021-08-27 | 浙江科技学院 | 一种基于视觉处理的喷雾控制系统及其控制方法 |
| CN113706566A (zh) * | 2021-09-01 | 2021-11-26 | 四川中烟工业有限责任公司 | 一种基于边缘检测的加香喷雾性能检测方法 |
| CN113706566B (zh) * | 2021-09-01 | 2024-03-12 | 四川中烟工业有限责任公司 | 一种基于边缘检测的加香喷雾性能检测方法 |
| CN114663740A (zh) * | 2022-02-28 | 2022-06-24 | 中国民航大学 | 一种基于视频分析的燃油喷嘴多特征状态评估方法、设备及介质 |
| CN114663740B (zh) * | 2022-02-28 | 2024-08-02 | 中国民航大学 | 一种基于视频分析的燃油喷嘴多特征状态评估方法、设备及介质 |
| CN114757889A (zh) * | 2022-03-22 | 2022-07-15 | 中铁工程装备集团有限公司 | 一种盾构机气垫仓及其液位检测方法 |
| CN117723452A (zh) * | 2024-02-07 | 2024-03-19 | 北京纳米能源与系统研究所 | 发动机燃油喷嘴喷射信息自动检测方法及装置 |
| CN117723452B (zh) * | 2024-02-07 | 2024-05-28 | 北京纳米能源与系统研究所 | 发动机燃油喷嘴喷射信息自动检测方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111986175A (zh) | 工业喷嘴所喷液滴的粒径测量方法 | |
| CN110163853B (zh) | 一种边缘缺陷的检测方法 | |
| CN109191459B (zh) | 连铸坯低倍组织中心偏析缺陷的自动识别与评级方法 | |
| CN113109368B (zh) | 玻璃裂纹检测方法、装置、设备及介质 | |
| US8208711B2 (en) | Method for automatic identification of defects in turbine engine blades | |
| CN115082419B (zh) | 一种吹塑箱包生产缺陷检测方法 | |
| JP7347836B2 (ja) | 深層学習に基づく２次元ｐｃｂ外観欠陥のリアルタイム自動検出方法 | |
| CN107369136B (zh) | 聚晶金刚石复合片表面裂纹视觉检测方法 | |
| CN108855988B (zh) | 基于机器视觉的核桃仁分级方法及核桃仁分级装置 | |
| CN113240623B (zh) | 一种路面病害检测方法及装置 | |
| CN111753794B (zh) | 水果品质分类方法、装置、电子设备及可读存储介质 | |
| CN101114335A (zh) | 全角度快速指纹识别方法 | |
| CN117788467B (zh) | 一种钛金属板材缺陷图像分类方法 | |
| CN115272312B (zh) | 基于机器视觉的塑料手机外壳缺陷检测方法 | |
| CN115294159A (zh) | 金属紧固件腐蚀区域分割方法 | |
| CN109087295A (zh) | 基于灰度值投影法的桥梁露筋视觉检测方法 | |
| CN112734761A (zh) | 工业品图像边界轮廓提取方法 | |
| CN111476804A (zh) | 托辊图像高效分割方法、装置、设备及存储介质 | |
| CN113706566A (zh) | 一种基于边缘检测的加香喷雾性能检测方法 | |
| US20110164129A1 (en) | Method and a system for creating a reference image using unknown quality patterns | |
| CN110705553A (zh) | 一种适用于车辆远景图像的划痕检测方法 | |
| CN111415348B (zh) | 一种汽车制动管道内气泡特征的提取方法 | |
| CN113436102A (zh) | 一种加工零件表面缺陷检测方法 | |
| CN111062912B (zh) | 一种轮胎断面关键目标的特征提取与检测定位方法 | |
| CN115375679B (zh) | 一种缺陷芯片寻边寻点定位方法及装置 |
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 |