CN112241970B - 基于纹影成像的气液两相中气流场速度测量方法和系统 - Google Patents
基于纹影成像的气液两相中气流场速度测量方法和系统 Download PDFInfo
- Publication number
- CN112241970B CN112241970B CN202010967185.9A CN202010967185A CN112241970B CN 112241970 B CN112241970 B CN 112241970B CN 202010967185 A CN202010967185 A CN 202010967185A CN 112241970 B CN112241970 B CN 112241970B
- Authority
- CN
- China
- Prior art keywords
- image
- gas
- liquid
- subarea
- connected domain
- 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
- 239000007788 liquid Substances 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000003384 imaging method Methods 0.000 title claims abstract description 20
- 239000012071 phase Substances 0.000 claims abstract description 51
- 239000013598 vector Substances 0.000 claims abstract description 43
- 238000010586 diagram Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 14
- 239000007791 liquid phase Substances 0.000 claims abstract description 9
- 230000002159 abnormal effect Effects 0.000 claims abstract description 8
- 230000005484 gravity Effects 0.000 claims description 16
- 238000005259 measurement Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 6
- 206010040925 Skin striae Diseases 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 239000003344 environmental pollutant Substances 0.000 description 4
- 238000000691 measurement method Methods 0.000 description 4
- 238000000917 particle-image velocimetry Methods 0.000 description 4
- 231100000719 pollutant Toxicity 0.000 description 4
- 238000012546 transfer Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 239000003054 catalyst Substances 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000000037 particle-tracking velocimetry Methods 0.000 description 2
- 239000011541 reaction mixture Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000005514 two-phase flow Effects 0.000 description 2
- 229910045601 alloy Inorganic materials 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 229910001338 liquidmetal Inorganic materials 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000001052 transient effect 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
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
- G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P5/00—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft
- G01P5/18—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft by measuring the time taken to traverse a fixed distance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Aviation & Aerospace Engineering (AREA)
- Multimedia (AREA)
- Measuring Volume Flow (AREA)
- Indicating Or Recording The Presence, Absence, Or Direction Of Movement (AREA)
Abstract
本发明公开了基于纹影成像的气液两相中气流场速度测量方法和系统，采集不同时刻待检测气液两相的彩色纹影图像；提取纹影图像中的不同色块至不同分区中，得到不同的分区图像，对每个分区图像进行二值化处理，得到预处理后的分区图像；采用公式(1)计算相邻时刻连通域的关联度；剔除关联度中的异常值；计算连通域的流动速度和方法，得到流动速度矢量；将所有分区图像的流动速度矢量进行叠加，得到待检测气液两相中气相的流动速度矢量图。本发明方法可以减少错误矢量，提高了识别精度，相比于目前使用的快速傅里叶变换识别精度提升显著。
Description
技术领域
本发明属于流场测量技术领域，涉及一种基于纹影成像的气液两相中气流场速度测量方法和系统。
背景技术
在冶金铸造等领域，存在着多种形式的倾倒液态金属过程。其倾倒铁水与合金的过程中会散发气态污染物。其中，运动气液界面上气态污染物散发速度为设计捕集装置的重要参数，但是由于测速方法受限对于气态污染物的散发速度等流场运动规律不明确，工程上采用经验估算等方法来设计捕集装置。基于工程经验的设计，往往存在着排风量大和捕集效果不佳的问题。因此，需要确定此动态过程下污染气流的速度和流向，对该类气态污染物进行高效捕集进行精准设计。
目前主要的测量方式难以完成气液两相交界处气侧瞬态速度场的测量。而传统流场速度场测量方式主要为粒子图像测速PIV和粒子追踪测速PTV的这两种测速手段。由于测速范围小，需要释放示踪粒子干扰原有流场等原因。其测量速度场的方法有其局限性。特别在气液两相流领域，存在气液界面以及边界复杂情况下气流场使用PIV等方法需要使用片光源，而液柱周围发生散射会干扰测试结果。因此，有相关研究人员提出使用纹影成像的技术来测试气液两相中气流场的速度分布。其中，纹影法由Foucault和Toepler提出，是用纹影仪系统进行流场显示和测量的最常用的光学方法。纹影成像技术是一种非接触的光学测量方法，利用光在被测流场中的折射率梯度正比于流场的气流密度的原理，将流场中的密度梯度变化转变为记录平面上相对光强的变化。一直以来，纹影成像技术作重要的非均匀介质流动的重要观测手段，广泛运用到流体定性观测中。
目前，相关研究人员主要采用不同的图像图形学的后处理技术得到气流场的速度，其主要的使用手段为采用的为互关联算法以及光流算法。这两种算法各有优缺点，互关联算法主要采用的是图形匹配的过程，但是纹影图像中存在着流场的变形流动，因此使用该方法测量速度存在着相当大的误差。此外，在使用光流算法的过程中，其主要假设为一个区域内光强不变的原理，但是这样的假设存在比较大的弊端，导致识别的矢量场受限于比较小区域，精度不足。因此，需要更有效的测量方法进行更为高速和准确的识别。
发明内容
为解决现有技术中存在的不足，本发明提供了一种基于纹影成像的气液两相中气流场速度测量方法和系统，解决气液两相流中现有的气流场速度测量方法存在测量结果误差大、测量精度不高的问题。
为了解决上述技术问题，本发明采用如下技术方案予以实现：
基于纹影成像的气液两相中气流场速度测量方法，包括以下步骤：
步骤1，采集t时刻和t+1时刻待检测气液两相的彩色纹影图像；
步骤2，对于每一时刻的彩色纹影图像，提取该纹影图像中的不同色块至各自分区中，得到不同的分区图像，对每个分区图像进行二值化处理，得到预处理后的分区图像；
步骤3，采用公式(1)计算从t到t+1时刻，第i分区图像中第j个连通域在相邻时间下的关联度
式(1)中，
表示在第i个分区图像下，t时刻第j个连通域重心与t+1时刻所有n个连通域重心的像素欧式距离的集合，δ＝1,2,3,...,n；
表示t时刻第i个分区图像中第j个连通域的重心；
表示t+1时刻第i个分区图像中第δ个连通域的重心；
ξ1、ξ2均表示权重调节系数，其中ξ1>ξ2，ξ1+ξ2＝1；
最后得到t至t+1时刻第i分区图像中的所有关联度的集合
步骤4，按照3σ判断去除ηi中的异常值，在去除异常值后的每个关联度对应的两个连通域之间设置流动方向，流动方向由t时刻的连通域指向t+1时刻的连通域；
步骤5，根据步骤3和步骤4，得到所有分区图像的流动方向；
步骤6，计算每个流动方向对应的连通域的流动速度，形成连通域的流动速度矢量；最终得到所有分区图像的流动速度矢量；
步骤7，将所有分区图像进行叠加，得到待检测气液两相中气相的流动速度矢量图。
具体的，所述的步骤6中，首先计算像素速度，其中像素速度为关联度对应的两个连通域重心的像素欧式距离除以t到t+1的时间间隔；然后再根据图像中物体的像素与实际比例，得到实际流动速度。
进一步的，所述的步骤2中，预处理后的分区图像中的连通域还进行了去噪处理，具体为：将面积小于50pixel2的连通域设为噪声点，在图像中去除该连通域。
进一步的，该方法还包括步骤8：执行t＝t+1，重复步骤1至步骤7，计算连续相邻时刻下待检测气液两相中气相的流动速度矢量图。
本发明还公开了基于纹影成像的气液两相中气流场速度测量系统，该系统包括：
图像采集模块，用于采集t时刻和t+1时刻待检测气液两相的彩色纹影图像；
图像预处理模块，用于对每一时刻的彩色纹影图像，提取该纹影图像中的不同色块至各自分区中，得到不同的分区图像，对每个分区图像进行二值化处理，得到预处理后的分区图像；
关联度计算模块，用于采用公式(1)计算从t到t+1时刻，第i分区图像中第j个连通域在相邻时间下的关联度
式(1)中，
表示在第i个分区图像下，t时刻第j个连通域重心与t+1时刻所有n个连通域重心的像素欧式距离的集合，δ＝1,2,3,...,n；
表示t时刻第i个分区图像中第j个连通域的重心；
表示t+1时刻第i个分区图像中第δ个连通域的重心；
ξ1、ξ2均表示权重调节系数，其中ξ1>ξ2，ξ1+ξ2＝1；
最后得到t至t+1时刻第i分区图像中的所有关联度的集合
误差去除模块，用于按照3σ判断去除ηi中的异常值，在去除异常值后的每个关联度对应的两个连通域之间设置流动方向，流动方向由t时刻的连通域指向t+1时刻的连通域；
分区图像的流动速度矢量计算模块，用于计算误差去除模块的每个流动方向对应的连通域的流动速度，形成连通域的流动速度矢量；最终得到所有分区图像的流动速度矢量；
流动速度矢量融合模块，用于将所有分区图像的流动速度矢量进行叠加，得到待检测气液两相中气相的流动速度矢量图。
具体的，所述的分区图像的流动速度矢量计算模块中，首先计算像素速度，其中像素速度为关联度对应的像素欧式距离除以t到t+1的时间间隔；然后再根据图像中物体的像素与实际比例，得到实际流动速度。
进一步的，所述的图像预处理模块中，预处理后的分区图像中的连通域还进行了去噪处理，具体为：将面积小于50pixel2的连通域设为噪声点，在图像中去除该连通域。
进一步的，该系统还包括循环处理模块，用于执行t＝t+1，重复图像采集模块至流动速度矢量融合模块，计算连续相邻时刻下待检测气液两相中气相的流动速度矢量图。
与现有技术相比，本发明的有益效果是：
(1)本发明方法对彩色纹影图像进行色块分割，减少错误矢量；
(2)本发明构建了关联度评价函数(即公式1)，在考虑色块位移的同时考虑到色块变形的情况，提高了识别精度，相比于目前使用的快速傅里叶变换识别精度提升显著；
(3)相比于目前使用的光流算法，本发明在消耗内存以及计算时间上减少了计算机的工作量，运算速度是光流算法的5-6倍。
附图说明
图1是本发明实施例1记载的测量方法的流程图。
图2是本发明实施例1采集的彩色纹影图像。
图3是本发明实施例1采集的彩色纹影图像的四色分割后的分区图像。
图4是图3中图Y经过二值化处理后的二值图像。
图5所示为本实施例得到的整个纹影拍摄范围内的污染气流的流场速度分布图。
具体实施方式
本发明中，分区图像中的连通域是指具有相同像素值的相邻像素组成像素集合。在本发明中，特指经过二值处理过后，RGB值为(0,0,0)的相邻像素单连通区域集合。
本发明中的“3σ判断”为现有的正太分布判断中常用的方法，是指在一组数据中，σ代表标准差，μ代表均值，数值分布在(μ-3σ，μ+3σ)中的概率为0.9974，因此超过该范围的值认为是坏值，需要剔除。
本发明中，一个色块对应一个分区图像，本发明采集的色块有四种，分别为红色、黄色、绿色和蓝色。
以下给出本发明的具体实施例，需要说明的是，本发明并不局限于以下具体实施例，凡在本申请技术方案基础上做的等同变换均落入本发明的保护范围。
实施例1
本实施例公开了一种基于纹影成像的气液两相中气流场速度测量方法，其流程图如图1所示。该方法具体包括以下步骤：
步骤1，采集不同时刻待检测气液两相的彩色纹影图像。具体的，本实施例采用彩色纹影成像系统，该系统为市面上可以购买的产品，图像采集为CCD相机，采集频率为50fps。
本实施例为研究高温导热油在倾倒时，计算高温导热油破裂过程中，其诱导气流在室内环境的流场速度分布，如图2所示为本实施例采集的彩色纹影图像。
步骤2，对于每一时刻采集的彩色纹影图像，提取该纹影图像中的不同色块至各自分区中，得到不同的分区图像，对每个分区图像进行二值化处理，得到预处理后的分区图像。
本实施例对预处理后的分区图像中的连通域还进行了去噪处理，具体为：将面积小于50pixel2的连通域设为噪声点，在图像中去除该连通域。
如图3所示为本实施例采集的彩色纹影图像的四色分割后的分区图像，图3中R:红色分割区域、Y:黄色分割区域、B:蓝色分割区域、G:绿色分割区域。图4所示为图3中Y经过二值化处理后的二值图像。
步骤3，采用公式(1)计算从t到t+1时刻，第i分区图像中第j个连通域在相邻时间下的关联度
式(1)中，
表示在第i个分区图像下，t时刻第j个连通域重心与t+1时刻所有n个连通域重心的像素欧式距离的集合，δ＝1,2,3,...,n；
表示t时刻第i个分区图像中第j个连通域的重心；
表示t+1时刻第i个分区图像中第δ个连通域的重心；
ξ1、ξ2均表示权重调节系数，其中ξ1>ξ2，ξ1+ξ2＝1；
本实施例中，i＝4，ξ1＝0.8，ξ2＝0.2。
根据上述思路计算第i分区图像所有连通域从t到t+1时刻的关联度值，得到t至t+1时刻第i分区图像中的所有关联度的集合
步骤4，在获得关联度后，需要对关联度进行限制，流场中存在进入和出流的情况，避免给出错误的关联矢量，本实施例通过设置范围剔除关联度中的异常值。具体的，本实施例按照3σ判断去除ηi中的异常值，即在一组数据中，σ代表标准差，μ代表均值，数值分布在(μ-3σ，μ+3σ)中的概率为0.9974，超过该范围的值认为是坏值，需要剔除。
在去除异常值后，剩余的每个关联度对应的两个连通域之间设置流动方向，流动方向由t时刻的连通域指向t+1时刻的连通域。
步骤5，根据步骤3和步骤4，得到本实施例四个分区图像的流动方向；
步骤6，计算每个流动方向对应的连通域的流动速度，形成连通域的流动速度矢量；最终得到所有分区图像的流动速度矢量。
本实施例中，在计算流通域的速度时，首先计算像素速度，其中像素速度为某一关联度对应的两个连通域重心的像素欧式距离除以t到t+1的时间间隔；然后再根据图像中物体的像素与实际比例，得到实际流动速度。
步骤7，将具有流动速度的四个分区图像进行叠加，得到待检测气液两相中气相的流动速度矢量图。图5所示为本实施例得到的整个纹影拍摄范围内的导热油诱导气流的流场速度分布图。
进一步的，本发明通过执行t＝t+1，重复步骤1至步骤7，来计算连续相邻时刻下待检测气液两相中气相的流动速度矢量图。
实施例2
本实施例给出了一种基于纹影成像的气液两相中气流场速度测量系统，该系统包括以下模块：
(1)图像采集模块，用于采集不同时刻待检测气液两相的彩色纹影图像。具体图像采集为CCD相机，采集频率为50fps。
(2)图像预处理模块，用于对每一时刻的彩色纹影图像，提取该纹影图像中的不同色块至各自分区中，得到不同的分区图像，对每个分区图像进行二值化处理，得到预处理后的分区图像。
本实施例的系统还包括去噪模块，该模块用于对预处理后的分区图像中的连通域还进行了去噪处理，具体为：将面积小于50pixel2的连通域设为噪声点，在图像中去除该连通域。
(3)关联度计算模块，用于采用公式(1)计算从t到t+1时刻，第i分区图像中第j个连通域在相邻时间下的关联度
式(1)中，
表示在第i个分区图像下，t时刻第j个连通域重心与t+1时刻所有n个连通域重心的像素欧式距离的集合，δ＝1,2,3,...,n；
表示t时刻第i个分区图像中第j个连通域的重心；
表示t+1时刻第i个分区图像中第δ个连通域的重心；
ξ1、ξ2均表示权重调节系数，其中ξ1>ξ2，ξ1+ξ2＝1；
本实施例中，i＝4，ξ1＝0.8，ξ2＝0.2。
根据上述思路计算第i分区图像所有连通域从t到t+1时刻的关联度值，最后得到t至t+1时刻第i分区图像中的所有关联度的集合
误差去除模块，用于按照3σ判断去除ηi中的异常值，在去除异常值后，剩余的每个关联度对应的两个连通域之间设置流动方向，流动方向由t时刻的连通域指向t+1时刻的连通域。
分区图像的流动速度矢量计算模块，用于计算误差去除模块的每个流动方向对应的连通域的流动速度，形成连通域的流动速度矢量；最终得到所有分区图像的流动速度矢量。
在计算连通域的流动速度时，本实施例首先计算像素速度，其中像素速度为某一关联度对应的两个连通域重心的像素欧式距离除以t到t+1的时间间隔；然后再根据图像中物体的像素与实际比例，得到实际流动速度。
流动速度矢量融合模块，用于将所有分区图像进行叠加，得到待检测气液两相中气相的流动速度矢量图。如图5所示。
另外，该系统还可设置循环处理模块，该模块用于执行t＝t+1，重复图像采集模块至流动速度矢量融合模块，计算连续相邻时刻下待检测气液两相中气相的流动速度矢量图。
通过本发明方法得到了复杂边界情况下的非等温气流的流动过程，通过彩色纹影的技术定量出气液两相边界处的气流流动过程。
Claims (8)
1.基于纹影成像的气液两相中气流场速度测量方法，其特征在于，包括以下步骤：
步骤1，采集t时刻和t+1时刻待检测气液两相的彩色纹影图像；
步骤2，对于每一时刻的彩色纹影图像，提取该纹影图像中的不同色块至各自分区中，得到不同的分区图像，对每个分区图像进行二值化处理，得到预处理后的分区图像；
步骤3，采用公式(1)计算从t到t+1时刻，第i分区图像中第j个连通域在相邻时间下的关联度
公式(1)中，
表示在第i个分区图像下，t时刻第j个连通域重心与t+1时刻所有n个连通域重心的像素欧式距离的集合，δ＝1,2,3,...,n；
表示t时刻第i个分区图像中第j个连通域的重心；
表示t+1时刻第i个分区图像中第δ个连通域的重心；
ξ1、ξ2均表示权重调节系数，其中ξ1>ξ2，ξ1+ξ2＝1；
最后得到t至t+1时刻第i分区图像中的所有关联度的集合
步骤4，按照正态分布的3σ判断去除
中的异常值，在去除异常值后的每个关联度对应的两个连通域之间设置流动方向，流动方向由t时刻的连通域指向t+1时刻的连通域；
步骤5，根据步骤3和步骤4，得到所有分区图像的流动方向；
步骤6，计算每个流动方向对应的连通域的流动速度，形成连通域的流动速度矢量；最终得到所有分区图像的流动速度矢量；
步骤7，将步骤6的所有分区图像进行叠加，得到待检测气液两相中气相的流动速度矢量图。
2.如权利要求1所述的基于纹影成像的气液两相中气流场速度测量方法，其特征在于，所述的步骤6中，首先计算像素速度，其中像素速度为关联度对应的两个连通域重心的像素欧式距离除以t到t+1的时间间隔；然后再根据图像中物体的像素与实际比例，得到实际流动速度。
3.如权利要求1所述的基于纹影成像的气液两相中气流场速度测量方法，其特征在于，所述的步骤2中，预处理后的分区图像中的连通域还进行了去噪处理，具体为：将像素面积小于50pixel2的连通域设为噪声点，在图像中去除该连通域。
4.如权利要求1所述的基于纹影成像的气液两相中气流场速度测量方法，其特征在于，还包括步骤8：执行t＝t+1，重复步骤1至步骤7，计算连续相邻时刻下待检测气液两相中气相的流动速度矢量图。
5.基于纹影成像的气液两相中气流场速度测量系统，其特征在于，包括：
图像采集模块，用于采集t时刻和t+1时刻待检测气液两相的彩色纹影图像；
图像预处理模块，用于对每一时刻的彩色纹影图像，提取该纹影图像中的不同色块至各自分区中，得到不同的分区图像，对每个分区图像进行二值化处理，得到预处理后的分区图像；
关联度计算模块，用于采用公式(1)计算从t到t+1时刻，第i分区图像中第j个连通域在相邻时间下的关联度
公式(1)中，
表示在第i个分区图像下，t时刻第j个连通域重心与t+1时刻所有n个连通域重心的像素欧式距离的集合，δ＝1,2,3,...,n；
表示t时刻第i个分区图像中第j个连通域的重心；
表示t+1时刻第i个分区图像中第δ个连通域的重心；
ξ1、ξ2均表示权重调节系数，其中ξ1>ξ2，ξ1+ξ2＝1；
最后得到t至t+1时刻第i分区图像中的所有关联度的集合
误差去除模块，用于按照正态分布的3σ判断去除
中的异常值，在去除异常值后的每个关联度对应的两个连通域之间设置流动方向，流动方向由t时刻的连通域指向t+1时刻的连通域；
分区图像的流动速度矢量计算模块，用于计算误差去除模块的每个流动方向对应的连通域的流动速度，形成连通域的流动速度矢量；最终得到所有分区图像的流动速度矢量；
流动速度矢量融合模块，用于将所有分区图像进行叠加，得到待检测气液两相中气相的流动速度矢量图。
6.如权利要求5所述的基于纹影成像的气液两相中气流场速度测量系统，其特征在于，所述的分区图像的流动速度矢量计算模块中，首先计算像素速度，其中像素速度为关联度对应的像素欧式距离除以t到t+1的时间间隔；然后再根据图像中物体的像素与实际比例，得到实际流动速度。
7.如权利要求5所述的基于纹影成像的气液两相中气流场速度测量系统，其特征在于，所述的图像预处理模块中，预处理后的分区图像中的连通域还进行了去噪处理，具体为：将像素面积小于50pixel2的连通域设为噪声点，在图像中去除该连通域。
8.如权利要求5所述的基于纹影成像的气液两相中气流场速度测量系统，其特征在于，还包括循环处理模块，用于执行t＝t+1，重复图像采集模块至流动速度矢量融合模块，计算连续相邻时刻下待检测气液两相中气相的流动速度矢量图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010967185.9A CN112241970B (zh) | 2020-09-15 | 2020-09-15 | 基于纹影成像的气液两相中气流场速度测量方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010967185.9A CN112241970B (zh) | 2020-09-15 | 2020-09-15 | 基于纹影成像的气液两相中气流场速度测量方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112241970A CN112241970A (zh) | 2021-01-19 |
| CN112241970B true CN112241970B (zh) | 2022-06-24 |
Family
ID=74171355
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010967185.9A Active CN112241970B (zh) | 2020-09-15 | 2020-09-15 | 基于纹影成像的气液两相中气流场速度测量方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112241970B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6937501B1 (ja) * | 2021-04-09 | 2021-09-22 | 株式会社エクサウィザーズ | 情報処理方法、情報処理システム、情報処理装置及びコンピュータプログラム |
| CN116481765B (zh) * | 2023-04-25 | 2024-03-22 | 中国科学院力学研究所 | 一种基于背景纹影测量液体自由表面高度的方法及系统 |
| CN117074717B (zh) * | 2023-08-14 | 2024-09-24 | 北京科技大学 | 一种基于粒子识别的固液两相流图像测速方法和系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102323445A (zh) * | 2011-06-14 | 2012-01-18 | 华中科技大学 | 一种测量重频激光器腔内循环气体流动速度的方法 |
| CN108593958A (zh) * | 2017-12-15 | 2018-09-28 | 北京航空航天大学 | 同步获取气固两相流速度场的方法和装置 |
| WO2019069994A1 (ja) * | 2017-10-03 | 2019-04-11 | 株式会社デンソー | 気流測定装置 |
-
2020
- 2020-09-15 CN CN202010967185.9A patent/CN112241970B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102323445A (zh) * | 2011-06-14 | 2012-01-18 | 华中科技大学 | 一种测量重频激光器腔内循环气体流动速度的方法 |
| WO2019069994A1 (ja) * | 2017-10-03 | 2019-04-11 | 株式会社デンソー | 気流測定装置 |
| CN108593958A (zh) * | 2017-12-15 | 2018-09-28 | 北京航空航天大学 | 同步获取气固两相流速度场的方法和装置 |
Non-Patent Citations (1)
| Title |
|---|
| 基于光流法的气流场测量研究;苏轼鹏等;《中国测试》;20200430;第46卷(第4期);第6-11页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112241970A (zh) | 2021-01-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112241970B (zh) | 基于纹影成像的气液两相中气流场速度测量方法和系统 | |
| CN111243032B (zh) | 一种棋盘格角点全自动检测方法 | |
| CN106228161B (zh) | 一种指针式表盘自动读数方法 | |
| Peng et al. | Online wear characterisation of rolling element bearing using wear particle morphological features | |
| Schmugge et al. | Crack segmentation by leveraging multiple frames of varying illumination | |
| Wang et al. | An effective defect detection method based on improved Generative Adversarial Networks (iGAN) for machined surfaces | |
| CN105069778B (zh) | 基于目标特征显著图构建的工业产品表面缺陷检测方法 | |
| CN113240623B (zh) | 一种路面病害检测方法及装置 | |
| Cai et al. | Broken ice circumferential crack estimation via image techniques | |
| CN117474873B (zh) | 一种高铬耐磨铸件钎焊前表面处理系统 | |
| WO2021179400A1 (zh) | 一种基于计算机视觉的装配过程几何参数自适应测量系统及方法 | |
| CN115761563A (zh) | 一种基于光流测算的河流表面流速的计算方法及系统 | |
| CN111638218A (zh) | 一种涂层表面缺陷的检测方法 | |
| CN116152697A (zh) | 一种混凝土结构裂缝的三维模型测量方法及相关装置 | |
| WO2020114134A1 (zh) | 一种识别金刚砂颗粒的视觉处理方法 | |
| Berwo et al. | Automotive engine cylinder head crack detection: Canny edge detection with morphological dilation | |
| CN105374045B (zh) | 一种基于形态学的图像特定形状尺寸目标快速分割方法 | |
| CN114881952A (zh) | 一种铸件缺陷区域检测及边缘准确分割方法 | |
| CN113705564A (zh) | 一种指针式仪表识别读数方法 | |
| Liu et al. | A novel image registration-based dynamic photometric stereo method for online defect detection in aluminum alloy castings | |
| CN111798516B (zh) | 一种桥式起重机设备运行状态量的检测及误差分析方法 | |
| CN106909903B (zh) | 一种基于图像的路径识别方法及系统 | |
| Tsukamoto et al. | Application of feature matching trajectory detection algorithm for particle streak velocimetry | |
| CN108229562B (zh) | 一种得到路面具体破损分类情况的方法 | |
| Bin et al. | Research on Surface Defect Detection System of Brake Disc |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |