CN112419347A - 一种非对称入水空泡边缘特征及运动参数提取方法 - Google Patents
一种非对称入水空泡边缘特征及运动参数提取方法 Download PDFInfo
- Publication number
- CN112419347A CN112419347A CN202011225337.4A CN202011225337A CN112419347A CN 112419347 A CN112419347 A CN 112419347A CN 202011225337 A CN202011225337 A CN 202011225337A CN 112419347 A CN112419347 A CN 112419347A
- Authority
- CN
- China
- Prior art keywords
- edge
- water
- entering
- vacuole
- image
- 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.)
- Granted
Links
- 210000003934 vacuole Anatomy 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 27
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 24
- 230000009466 transformation Effects 0.000 claims abstract description 12
- 238000003708 edge detection Methods 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000000605 extraction Methods 0.000 claims abstract description 7
- 238000007405 data analysis Methods 0.000 claims abstract description 4
- 238000012216 screening Methods 0.000 claims abstract description 4
- 235000002566 Capsicum Nutrition 0.000 claims description 3
- 239000006002 Pepper Substances 0.000 claims description 3
- 235000016761 Piper aduncum Nutrition 0.000 claims description 3
- 235000017804 Piper guineense Nutrition 0.000 claims description 3
- 235000008184 Piper nigrum Nutrition 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 150000003839 salts Chemical class 0.000 claims description 3
- 230000009977 dual effect Effects 0.000 claims description 2
- 244000203593 Piper nigrum Species 0.000 claims 1
- 230000002708 enhancing effect Effects 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 7
- 238000006073 displacement reaction Methods 0.000 abstract description 4
- 238000002474 experimental method Methods 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 241000722363 Piper Species 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 201000009310 astigmatism Diseases 0.000 description 1
- 238000010923 batch production Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000008188 pellet Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000011426 transformation method Methods 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
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- 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
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)
Abstract
本发明公开了一种非对称入水空泡边缘特征及运动参数提取方法，包括：对入水空泡图像进行灰度变换和直方图均衡化处理获得增强图像；采用Canny边缘检测算子对增强图像进行边缘检测；对增强图像的入水空泡边缘坐标进行筛选、同时将不同工况下的边缘坐标坐标值进行统一；对入水空泡边缘特征和运动参数进行批量提取和数据分析，通过对小球的运动参数自动提取并绘制图形，获取不同水平速度入水的小球最低点水平位移随时间的变化过程，通过程序绘制的图形从而可以进行非对称入水空泡边缘特征及运动参数对比分析，证明了该方法可以为入水空泡实验提供技术支持，节省大量的时间和精力，有效推动实验的进行。
Description
技术领域
本发明涉及船舶与海洋工程领域，尤其涉及一种非对称入水空泡边缘特征及运动参数提取方法。
背景技术
当结构体以一定初速度入水之后，在其周围会形成一个空腔，这个空腔被称为入水空泡。空泡的产生和溃灭对结构体具有很大的影响。船体螺旋桨周围产生的空泡会导致严重的剥蚀作用，对螺旋桨造成损伤且螺旋桨的阻力也会受到限制。但空泡也有可以利用的一面，例如超空泡鱼雷减阻技术，就是利用自然产生的超空泡来减小沾湿面积，从而达到降低摩擦阻力的目的。因此，对于入水空泡边缘特征及运动参数的研究是非常具有现实意义的。
目前，大多采用高速摄像机对入水空泡实验进行拍摄，产生上万张入水空泡实验图像，如何高效的处理入水空泡实验图像、准确提取分析入水空泡边缘特征及运动参数是实验顺利进行必不可少的环节。
发明内容
根据现有技术存在的问题，本发明公开了一种非对称入水空泡边缘特征及运动参数提取方法，具体包括如下步骤：
对小球入水空泡图像进行灰度变换和直方图均衡化处理获得增强图像；
采用Canny边缘检测算子对增强图像进行边缘检测；
对增强图像的入水空泡边缘坐标进行筛选、同时将不同工况下的边缘坐标坐标值进行统一整理；
对入水空泡边缘特征和运动参数进行批量提取和数据分析。
进一步的，采用Canny算子中的高斯滤波器对空泡图像中存在的椒盐噪声进行去除，利用Canny算子综合分析增强图像中像素点上下左右四种不同方向的卷积结果，在四种卷积结果中寻找图像边缘锐利程度的最大负值和响应的边缘方向，从而得到梯度负值和方向结果，同时采用Canny算子双阈值相互填补的特性获得完整的空泡边缘。
进一步的，其中入水空泡边缘坐标采用如下方式获取：对增强图像中的每个像素点进行查看，每行从左到右查找该行中所有的白色像素点并依次记录在二维数组H中直到最后一行的检测，根据所有非边缘点都在边缘线之内的特性，获得每行的第一个点便为左边缘线上的点，最后一个点便为右边缘线上的点。
进一步的，对将不同工况下的边缘坐标坐标值进行统一时：
以小球的直径为基本单位，过小球球心铅垂线和水平面的交点为坐标原点，进行入水空泡边缘坐标的提取：首先设小球直径为D、球心横坐标为Ox、水平面纵坐标为Oy，基于上述三个坐标进行坐标变换：
D1＝(D-Ox)/d
C1＝(C-Oy)/d
式中D、C分别表示原空泡边缘的横纵坐标，D1、C1分别表示变换以后的横纵坐标，Ox为小球球心横坐标，Oy表示水平面纵坐标，d表示小球直径。
由于采用了上述技术方案，本发明提供的一种非对称入水空泡边缘特征及运动参数提取方法，本方法运用MATLAB程序将小球的运动参数进行自动提取和绘图分析，获得不同水平速度入水的小球最低点水平位移随时间变化过程以及运行状态，从而可以准确高效的得到入水空泡的边缘特征及运动参数，因此该方法为入水空泡实验提供技术支持，节省大量的时间和精力，有效推动实验的进行。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本方法的流程图
图2为灰度处理和直方图均衡化处理入水空泡图像
图3为Canny算子检测入水空泡图像
图4为入水空泡边缘坐标散点图及折线图
图5为坐标变换后入水空泡图像散点图及折线图
图6为同一工况下入水空泡原图像及空泡边缘图像
图7为非对称入水空泡原图像及空泡边缘图像
图8为不同水平速度入水小球最低点水平位移随时间变化曲线图
图9为本发明方法中采用的入水空泡实验图像系统示意图
1、实验水槽，2、小球，3、电磁铁开关，4、计算机，5、高速摄像机。
具体实施方式
为使本发明的技术方案和优点更加清楚，下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚完整的描述：
本方法为了实现具体实施过程，搭建了入水空泡实验图像系统，如图9所示，其中高速摄像机5放在实验水槽1正前方适当距离、一端与计算机4相连接；所述计算机4与高速摄像机5相连接、用于实时显示高速摄像机5所拍摄采样的照片以及后期入水空泡的实验图像处理。下面举例说明本发明入水空泡边缘特征及运动参数提取分析的具体方法：
选取四个不同水平初速度的小球倾斜入水工况实验图像进行分析研究，其水平速度分别为0.52m/s、0.75m/s、0.99m/s和1.28m/s。各个小球入水的垂直初速度完全相同。坐标原点采用小球刚刚接触水面时接触点的位置，x轴正方向为向左为正，y轴正方向为向下为正，时间上也采用小球刚接触水面的时刻为时间零点。本次分析选取1至130毫秒的时间段进行入水空泡边缘特征和运动参数的提取分析。如图1所示的一种非对称入水空泡边缘特征及运动参数提取方法，具体包括如下步骤：
S1:对入水空泡图像进行灰度变换和直方图均衡化处理获得增强图像，具体采用如下方式：为了减小光照带来的影响，将入水空泡图像的整体灰度值降低50，运用直方图均衡化进行入水空泡图像的处理。使入水空泡图像的边缘变得更加明显和清晰，可以准确的提取完整的入水空泡边缘特征。直方图均衡化的第一步是将图像的灰度级做归一化处理，对灰度区间[0,1]内的任一r值进行如下变换：
s＝T(r)
然后以积累分布函数变换法为基础对直方图进行修正，通过变换函数来修正图像的灰度级概率密度函数pr(r)，从而得到灰度级概率密度函数为ps(r)的图像，处理后的效果如附图2所示。
S2:使用Canny边缘检测算子对增强后的入水空泡图像进行边缘检测，具体采用如下方式：Canny算子中的高斯滤波器按照正态分布曲线进行权重的分配可以进一步处理空泡图像中存在的椒盐噪声；Canny算子考虑了像素点上下左右四种不同方向的卷积结果并在四种卷积结果中寻找梯度即图像边缘锐利程度的最大负值和响应的边缘方向，从而得到梯度负值和方向结果，而且Canny算子双阈值相互填补的特性还能得到较为完整的空泡边缘。由于进行了入水空泡图像边缘的突出处理，这里Canny算子阈值设置为为0.08、0.2。使用Canny算子提取边缘的效果如附图3所示。通过提取并放大入水空泡图像，可以看出入水空泡边缘是光滑且连续的，完整的空泡边缘图像为入水空泡边缘的提取和形状对比建立了基础。
S3:入水空泡边缘坐标的筛选及坐标原点的统一，具体采用如下方式：首先采用自编写MATLAB筛选程序，将灰度图像中入水空泡边缘坐标提取出来，具体方式为：以像素为基本单位，按照从左上角的第一个像素点开始，逐行逐个地判断像素点的灰度值，黑色的灰度值为0，白色的灰度值为255，每行从左到右判断出该行中所有的黑色点，并依次记录在了二维数组H中，然后再同样地检验下一行，循环至最后一行。这样，每一行中的黑色点的纵坐标是相同的，又因为所有的非边缘点都在边缘线之内，因此每行的第一个点便为左边缘线上的点，最后一个点便为右边缘线上的点。附图4为使用空泡边缘点坐标绘制的散点图和折线图。
由于不同工况高速摄像机的位置，小球入水的位置以及液体介质的不同，入水空泡的实验图像也不相同。并且原空泡边缘坐标是以像素为基本单位，坐标原点在入水空泡图像的左下上角。为了将同一工况不同时刻及不同工况相同时刻的空泡形态进行对比，以小球的直径为基本单位，过小球球心铅垂线和水平面的交点为坐标原点，进行入水空泡边缘坐标的提取，便可以进行不同工况下入水空泡边缘特征的对比分析。取小球直径D、球心横坐标Ox和水平面纵坐标Oy，然后采用上述三个值对原坐标系进行坐标变换，变换公式如下：
D1＝(D-Ox)/d
C1＝(C-Oy)/d
式中D、C分别表示原空泡边缘的横纵坐标，D1、C1分别表示变换以后的横纵坐标，Ox为小球球心横坐标，Oy表示水平面纵坐标，d表示小球直径。附图5为经过坐标变换以后的边缘点的散点图和折线图。
S4:对入水空泡边缘特征和运动参数进行批量提取和数据分析，具体采用如下方式：为了将入水空泡图像进行批量处理。将同一工况入水空泡图像按顺序编排放入同一文件夹进行保存时有规律地将图片命名为“1.jpg”、“2.jpg”、“3.jpg”等等依次增大的阿拉伯数字，方便在MATLAB程序中加入循环的方法批量地读取照片。在程序中对中间变量进行循环处理，将二维数组H，存储边缘横纵坐标的数组C、D，存储经过坐标变换以后的横纵坐标值的数组D1、C1这些变量增加一个维度，将原来的二维数组变成三维数组，第三个维度为循环次数。这样便把各次循环的中间变量都存储了下来以便进行后续的处理。附图6为同一工况下不同时间的入水空泡图像在同一幅图中的边缘对比效果图。
在自编程序中加入导出变换后的空泡边缘横纵坐标数组D1、C1的功能，对不同工况图像进行处理，便可得到每一种工况下入水空泡边缘坐标信息及运动参数的变量文件。使用MATLAB对空泡边缘坐标及运动参数画图，就可以进行不同工况相同时刻的空泡边缘特征及运动参数的对比分析，例如不同入水速度下的位移曲线、速度衰减曲线以及加速度曲线等运动参数。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (4)
1.一种非对称入水空泡边缘特征及运动参数提取方法，其特征在于包括：
对小球入水空泡图像进行灰度变换和直方图均衡化处理获得增强图像；
采用Canny边缘检测算子对增强图像进行边缘检测；
对增强图像的入水空泡边缘坐标进行筛选、同时将不同工况下的边缘坐标坐标值进行统一整理；
对入水空泡边缘特征和运动参数进行批量提取和数据分析。
2.根据权利要求1所述的方法，其特征还在于：对增强图像进行边缘检测时：采用Canny算子中的高斯滤波器对空泡图像中存在的椒盐噪声进行去除，利用Canny算子综合分析增强图像中像素点上下左右四种不同方向的卷积结果，在四种卷积结果中寻找图像边缘锐利程度的最大负值和响应的边缘方向，从而得到梯度负值和方向结果，同时采用Canny算子双阈值相互填补的特性获得完整的空泡边缘。
3.根据权利要求1所述方法，其特征还在于：其中入水空泡边缘坐标采用如下方式获取：对增强图像中的每个像素点进行查看，每行从左到右查找该行中所有的白色像素点并依次记录在二维数组H中直到最后一行的检测，根据所有非边缘点都在边缘线之内的特性，获得每行的第一个点便为左边缘线上的点，最后一个点便为右边缘线上的点。
4.根据权利要求1所述方法，其特征还在于：对将不同工况下的边缘坐标坐标值进行统一时：
以小球的直径为基本单位，过小球球心铅垂线和水平面的交点为坐标原点，进行入水空泡边缘坐标的提取：首先设小球直径为D、球心横坐标为Ox、水平面纵坐标为Oy，基于上述三个坐标进行坐标变换：
D1＝(D-Ox)/d
C1＝(C-Oy)/d
式中D、C分别表示原空泡边缘的横纵坐标，D1、C1分别表示变换以后的横纵坐标，Ox为小球球心横坐标，Oy表示水平面纵坐标，d表示小球直径。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011225337.4A CN112419347B (zh) | 2020-11-05 | 2020-11-05 | 一种非对称入水空泡边缘特征及运动参数提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011225337.4A CN112419347B (zh) | 2020-11-05 | 2020-11-05 | 一种非对称入水空泡边缘特征及运动参数提取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112419347A true CN112419347A (zh) | 2021-02-26 |
| CN112419347B CN112419347B (zh) | 2024-07-05 |
Family
ID=74828609
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011225337.4A Active CN112419347B (zh) | 2020-11-05 | 2020-11-05 | 一种非对称入水空泡边缘特征及运动参数提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112419347B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104280207A (zh) * | 2014-10-20 | 2015-01-14 | 中国运载火箭技术研究院 | 一种新型的空泡形态识别及水动力测量方法 |
| CN104729528A (zh) * | 2013-12-21 | 2015-06-24 | 郭平 | 测量对中杆圆水泡调校装置 |
| CN109410147A (zh) * | 2018-11-06 | 2019-03-01 | 哈尔滨工程大学 | 一种超空泡图像增强方法 |
-
2020
- 2020-11-05 CN CN202011225337.4A patent/CN112419347B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104729528A (zh) * | 2013-12-21 | 2015-06-24 | 郭平 | 测量对中杆圆水泡调校装置 |
| CN104280207A (zh) * | 2014-10-20 | 2015-01-14 | 中国运载火箭技术研究院 | 一种新型的空泡形态识别及水动力测量方法 |
| CN109410147A (zh) * | 2018-11-06 | 2019-03-01 | 哈尔滨工程大学 | 一种超空泡图像增强方法 |
Non-Patent Citations (6)
| Title |
|---|
| TIEZHI SUN 等: "Cavitation bubble dynamics and structural loads of high-speed water entry of a cylinder using fluid-structure interaction method", 《APPLIED OCEAN RESEARCH》, vol. 101, 31 August 2020 (2020-08-31), pages 1 - 12 * |
| 刘涛 等: "激光空泡在近自由液面运动特性的实验研究", 《光学学报》, 10 July 2012 (2012-07-10), pages 154 - 160 * |
| 周波 等: "旋转球倾斜入水空泡演变和运动特性数值模拟", 《华中科技大学学报（自然科学版）》, 11 August 2020 (2020-08-11), pages 92 - 98 * |
| 王恒 等: "球体入水空泡演变和运动特性影响试验研究", 《爆炸与冲击》, vol. 39, no. 12, 5 March 2019 (2019-03-05), pages 91 - 99 * |
| 贺雪强 等: "矩形窄流道内汽泡行为的图像自动识别与分析", 《核动力工程》, no. 2, 27 December 2019 (2019-12-27), pages 11 - 15 * |
| 郑智颖 等: "水下射弹自然超空泡形态特性和阻力特性数值模拟研究", 《中国力学大会暨钱学森诞辰100周年纪念大会论文集》, 16 November 2012 (2012-11-16), pages 1 - 14 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112419347B (zh) | 2024-07-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108121991B (zh) | 一种基于边缘候选区域提取的深度学习舰船目标检测方法 | |
| CN110570458B (zh) | 一种基于内部裁剪和多层特征信息融合的目标跟踪方法 | |
| WO2017148265A1 (zh) | 一种单词的分割方法和装置 | |
| CN109636771B (zh) | 基于图像处理的飞行目标检测方法及系统 | |
| CN108921877A (zh) | 一种基于宽度学习的长期目标跟踪算法 | |
| CN113516126A (zh) | 一种基于注意力特征融合的自适应阈值场景文本检测方法 | |
| CN113888461A (zh) | 基于深度学习的小五金件缺陷检测方法、系统及设备 | |
| CN110569844A (zh) | 基于深度学习的船舶识别方法及系统 | |
| CN112964201A (zh) | 一种碳板直线度检测方法 | |
| CN110738106A (zh) | 一种基于fpga的光学遥感图像船舶检测方法 | |
| CN112700418A (zh) | 一种基于改进编解码网络模型的裂缝检测方法 | |
| CN113344953A (zh) | 一种基于无人机的机器视觉涌潮流速测量方法 | |
| CN114926386A (zh) | 一种基于深度学习的白细胞核质自动分割方法及系统 | |
| CN109523537B (zh) | 一种基于图像处理的非定常空化流动结构精细化分析方法 | |
| CN116777905B (zh) | 基于长尾分布数据的智能工业旋转检测方法及系统 | |
| CN113610178A (zh) | 一种基于视频监控图像的内河船舶目标检测方法和装置 | |
| CN112419347B (zh) | 一种非对称入水空泡边缘特征及运动参数提取方法 | |
| CN110135382B (zh) | 一种人体检测方法和装置 | |
| CN110232314A (zh) | 一种基于改进的Hog特征结合神经网络的图像行人检测方法 | |
| CN110264488B (zh) | 一种二值图像边缘提取装置 | |
| CN111768384B (zh) | 基于三维扫描成像的细胞计数方法及系统 | |
| CN115187744A (zh) | 一种基于激光点云的机柜识别方法 | |
| CN112966788A (zh) | 基于深度学习的输电线路间隔棒故障检测方法 | |
| Zhu et al. | A moving infrared small target detection method based on optical flow-guided neural networks | |
| Cai et al. | Unfeatured weld positioning technology based on neural network and machine vision |
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 |