CN113436163A - 一种叶轮机械叶栅试验纹影图像流场特征识别处理方法 - Google Patents

Abstract

本发明公开了一种叶轮机械叶栅试验纹影图像流场特征识别处理方法，步骤一：基于加权L₀梯度最小化的图像平滑；步骤二：伪彩色转化增强；步骤三：叶栅位置提取。本发明针对叶栅纹影试验图像的特点，提出了一套通过图像处理提高叶栅试验流场特征识别度的方法。其中，采用L₀梯度最小化算法能有效去除叶栅纹影图像中的背景噪声，并很好的保留了叶栅流场中的弱压缩波/膨胀波、边界层流体聚集等流场细节信息，显示出了良好的去噪效果；进一步经过伪彩色转化增强后，叶栅流场结构特征信息更为突出，可识别出激波的强弱，尾迹的耗散，以及激波与边界层流体的相互作用；叶栅位置的提取则有助于分辨叶栅所在的相对位置，提高流场结构特征的可判读性。

Description

一种叶轮机械叶栅试验纹影图像流场特征识别处理方法

技术领域

本发明属于叶轮机械研究技术领域，特别是涉及一种叶轮机械叶栅试验纹影图像流场特征识别处理方法。

背景技术

在航空发动机和燃气轮机等动力装置的叶轮机械研究设计中，通过叶栅试验可以对气动新设计理论的正确性进行验证，对设计叶型的性能校核和优化提供详实的试验数据参考。大量且成系列的叶栅试验数据为科研人员认识叶轮机械内部流动现象的本质和规律，进而建立和完善气动设计体系发挥了重要的作用。作为航空技术的延伸，叶栅试验也为民用燃气轮机、汽轮机、风机等设计提供了强有力的技术支持，现已成为叶轮机械气动设计和研究中必不可少的试验内容。

研究叶栅通道内的流场结构是揭示气动损失机理，掌握气动损失规律的重要手段。纹影法是一种表征流场结构特征的常用光学测量技术。但在实际应用中，由于光源强度不均、试验件光线反射、污渍沉积等原因，纹影法所获得的图像质量不高。光学器件的畸变误差、流场紊流干扰、相机相对试验件的抖动也会影响到图像对关键流场结构的显示精度。另一方面，由于纹影法所获得的图像为灰度图像，人的肉眼对其识别能力有限，难以获得流场中的准确定量信息。

发明内容

为了克服上述问题，本发明提供了一种叶轮机械叶栅试验纹影图像流场特征识别处理方法，采用该方法能提高对叶栅试验流场结构的识别精度。

本发明所采用的技术方案是：

一种叶轮机械叶栅试验纹影图像流场特征识别处理方法，包括以下步骤：

步骤一：基于加权L₀梯度最小化的图像平滑：

约定I为原图像，S为待求解的平滑图像，

和

分别表示求解出的S沿着水平和竖直方向的偏导数，图像中任一点p处的导数记为

分别约束水平和竖直方向L₀梯度来平滑图像；

水平方向的L₀梯度定义为：

竖直方向的L₀梯度定义为：

其中，“#{·}”表示对大括号内满足条件的像素p计数；假设I为原图像，S为满足约束的目标，建立目标函数为：

将其转化为非约束形式：

λ和γ是非负参数，分别控制I在水平和竖直方向被平滑的权重；由于C_x(S)和C_y(S)非凸非可导函数，直接求解(4)式困难，为此引入辅助变量h_p和v_p，以h_p表示原图沿着水平方向的梯度估计值

v_p表示原图沿着竖直方向的梯度估计值

使用交替最小化法求解，求解目标变换为：

其中α,β是超参数，分别约束h_p和v_p与对应原图像梯度

和

的相似性；

步骤二：伪彩色转化增强：对纹影图像进行伪彩色转化增强，即将图像灰度信息转换为色彩信息，可获得更好的视觉效果和更为直观的图像信息；

图像上任意点p处的像素值记为X_p，对彩色图像而言，X_p是一个三元向量，伪彩色处理过程描述为Y_p＝f(X_p)；伪彩色处理算法的核心是f(·)的设计；

通过将图像灰度级分为K个等级l_i(i＝1,2,...,k)，为每一个等级指定颜色C_i；本文采用灰度分割法设计f(·)，取灰度级为256级，最大可获取256种颜色；为此需借助HSV颜色模型实现伪彩色处理，HSV颜色模型使用色调(H)、饱和度(S)、亮度(V)三个分量来表示彩色图像；其中H分量是一个在0～360的角度，表征颜色的种类；S分量表示颜色鲜艳程度，取值范围是0到1；V分量表示亮暗程度，取值为RGB三个分量中最大者与灰度最大值(255)的比值，取值范围也在0到1；由HSV图像计算RGB值的公式为：

C＝V×S (6)

X＝C×(1-|(H÷60°)mod2-1|) (7)

(R,G,B)＝[(R',G',B')+(m,m,m)]×255 (9)

首先将图像三通道平均转换为灰度图，并将该灰度图的灰度值等比例调整至0～255，记原图为I＝[R,G,B]^T(T表示转置)，max，min为灰度图Gray的最大值和最小值，Scaled为调整后的图像，则调整过程为：

Scaled＝Gray÷(max-min)×255 (11)

然后将色调H设置为255-Scaled数值大小的角度，即色谱从蓝色到红色，像素值越大红色越深，饱和度S和亮度V均设置为1，最后按照(8)至(11)式变换回RGB颜色空间即可得到颜色连续渐变的彩色图像，最大颜色数量256色即灰度级分为256级；

步骤三：叶栅位置提取：叶栅纹影图像中，叶栅本身是识别流场结构的重要参照物；整体伪彩色处理会使叶栅也被着色，影响流场结构判读，需要单独将叶栅位置提取后置为黑色；本方法使用最大类间方差算法(OTSU)寻找阈值进行阈值分割，寻找阈值的方法如下：设使用阈值T将图像I分为前景I₀和背景I₁两部分，记I₀的平均灰度为u₀，像素点数占整张图像的比例为w₀，I₁平均灰度为u₁，像素点数占整幅图的比例为w₁，则图像总平均灰度值为u_I＝u₀×w₀+u₁×w₁，按照灰度值从小到大测试阈值T，使得类间方差σ_T ²＝w₀×(u₀-u_I)²+w₁×(u₁-u_I)²最大的T即为全局最佳阈值；此方差越大，意味着构成图像的前景和背景差别越大，使用此种方法选取的阈值具有最小错误概率。

本发明的优点如下：

针对叶栅纹影试验图像的特点，提出了一套通过图像处理提高叶栅试验流场特征识别度的方法；其中，采用L₀梯度最小化算法能有效去除叶栅纹影图像中的背景噪声，并很好的保留了叶栅流场中的弱压缩波/膨胀波、边界层流体聚集等流场细节信息，显示出了良好的去噪效果；进一步经过伪彩色转化增强后，叶栅流场结构特征信息更为突出，可识别出激波的强弱，尾迹的耗散，以及激波与边界层流体的相互作用。

采用上述方法，可有效提高纹影图像的对比度，改善图像视觉质量的效果，提高叶栅纹影图像中流场结构的识别率和准确度，为进一步获取纹影图像中的流场定量信息提供了基础。

附图说明

图1是本发明所述的一种叶轮机械叶栅试验纹影图像流场特征识别处理方法的实施例1流场纹影原始图像；

图2是本发明所述的一种叶轮机械叶栅试验纹影图像流场特征识别处理方法的实施例2流场纹影原始图像；

图3是本发明所述的一种叶轮机械叶栅试验纹影图像流场特征识别处理方法的实施例3流场纹影原始图像；

图4是本发明所述的一种叶轮机械叶栅试验纹影图像流场特征识别处理方法的实施例4流场纹影原始图像；

图5是本发明所述的一种叶轮机械叶栅试验纹影图像流场特征识别处理方法的实施例1经图像平滑、伪彩色转化增强与叶栅位置提取的涡轮叶栅流场纹影图；

图6是本发明所述的一种叶轮机械叶栅试验纹影图像流场特征识别处理方法的实施例2经图像平滑、伪彩色转化增强与叶栅位置提取的涡轮叶栅流场纹影图；

图7是本发明所述的一种叶轮机械叶栅试验纹影图像流场特征识别处理方法的实施例3经图像平滑、伪彩色转化增强与叶栅位置提取的涡轮叶栅流场纹影图；

图8是本发明所述的一种叶轮机械叶栅试验纹影图像流场特征识别处理方法的实施例4经图像平滑、伪彩色转化增强与叶栅位置提取的涡轮叶栅流场纹影图。

具体实施方式

下面对本发明作进一步的说明，但本发明并不局限于这些内容。

实施例1

如图1、图5所示，图1是实施例1流场纹影原始图像，图5是实施例1经图像平滑、伪彩色转化增强与叶栅位置提取的涡轮叶栅流场纹影图。

实施例1

如图2、图6所示，图2是实施例2流场纹影原始图像，图6是实施例2经图像平滑、伪彩色转化增强与叶栅位置提取的涡轮叶栅流场纹影图。

实施例1

如图3、图7所示，图3是实施例3流场纹影原始图像，图7是实施例3经图像平滑、伪彩色转化增强与叶栅位置提取的涡轮叶栅流场纹影图。

实施例1

如图4、图8所示，图4是实施例4流场纹影原始图像，图8是实施例4经图像平滑、伪彩色转化增强与叶栅位置提取的涡轮叶栅流场纹影图。

指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims (2)

1.一种叶轮机械叶栅试验纹影图像流场特征识别处理方法，其特征在于：包括以下步骤：

步骤一：基于加权L₀梯度最小化的图像平滑：

约定I为原图像，S为待求解的平滑图像，

和

分别表示求解出的S沿着水平和竖直方向的偏导数，图像中任一点p处的导数记为

分别约束水平和竖直方向L₀梯度来平滑图像；

水平方向的L₀梯度定义为：

竖直方向的L₀梯度定义为：

其中，“#{·}”表示对大括号内满足条件的像素p计数；假设I为原图像，S为满足约束的目标，建立目标函数为：

将其转化为非约束形式：

λ和γ是非负参数，分别控制I在水平和竖直方向被平滑的权重；由于C_x(S)和C_y(S)非凸非可导函数，直接求解(4)式困难，为此引入辅助变量h_p和v_p，以h_p表示原图沿着水平方向的梯度估计值

表示原图沿着竖直方向的梯度估计值

使用交替最小化法求解，求解目标变换为：

其中α,β是超参数，分别约束h_p和v_p与对应原图像梯度

和

的相似性；

步骤二：伪彩色转化增强：对纹影图像进行伪彩色转化增强，即将图像灰度信息转换为色彩信息，可获得更好的视觉效果和更为直观的图像信息；

图像上任意点p处的像素值记为X_p，对彩色图像而言，X_p是一个三元向量，伪彩色处理过程描述为Y_p＝f(X_p)；伪彩色处理算法的核心是f(·)的设计；

通过将图像灰度级分为K个等级l_i(i＝1,2,...,k)，为每一个等级指定颜色C_i；本文采用灰度分割法设计f(·)，取灰度级为256级，最大可获取256种颜色；为此需借助HSV颜色模型实现伪彩色处理，HSV颜色模型使用色调(H)、饱和度(S)、亮度(V)三个分量来表示彩色图像；其中H分量是一个在0～360的角度，表征颜色的种类；S分量表示颜色鲜艳程度，取值范围是0到1；V分量表示亮暗程度，取值为RGB三个分量中最大者与灰度最大值(255)的比值，取值范围也在0到1；由HSV图像计算RGB值的公式为：

C＝V×S (6)

X＝C×(1-|(H÷60°)mod2-1|) (7)

(R,G,B)＝[(R',G',B')+(m,m,m)]×255 (9)

首先将图像三通道平均转换为灰度图，并将该灰度图的灰度值等比例调整至0～255，记原图为I＝[R,G,B]^T(T表示转置)，max，min为灰度图Gray的最大值和最小值，Scaled为调整后的图像，则调整过程为：

Scaled＝Gray÷(max-min)×255 (11)

然后将色调H设置为255-Scaled数值大小的角度，即色谱从蓝色到红色，像素值越大红色越深，饱和度S和亮度V均设置为1，最后按照(8)至(11)式变换回RGB颜色空间即可得到颜色连续渐变的彩色图像，最大颜色数量256色即灰度级分为256级；

步骤三：叶栅位置提取：叶栅纹影图像中，叶栅本身是识别流场结构的重要参照物；整体伪彩色处理会使叶栅也被着色，影响流场结构判读，需要单独将叶栅位置提取后置为黑色；本方法使用最大类间方差算法(OTSU)寻找阈值进行阈值分割，寻找阈值的方法如下：设使用阈值T将图像I分为前景I₀和背景I₁两部分，记I₀的平均灰度为u₀，像素点数占整张图像的比例为w₀，I₁平均灰度为u₁，像素点数占整幅图的比例为w₁，则图像总平均灰度值为u_I＝u₀×w₀+u₁×w₁，按照灰度值从小到大测试阈值T，使得类间方差σ_T ²＝w₀×(u₀-u_I)²+w₁×(u₁-u_I)²最大的T即为全局最佳阈值；此方差越大，意味着构成图像的前景和背景差别越大，使用此种方法选取的阈值具有最小错误概率。

2.根据权利要求1所述的一种叶轮机械叶栅试验纹影图像流场特征识别处理方法，其特征在于：

a.在基于加权L₀梯度最小化的图像平滑过程中，分别沿着水平和竖直方向求图像灰度的的偏导数，并分别约束水平和竖直方向L₀梯度来平滑图像。这种图像平滑方法，很适用于叶栅试验纹影图像中背景噪声的去除；

b.对叶栅纹影图像进行伪彩色转化增强，即将图像灰度信息转换为色彩信息，可获得更好的视觉效果和更为直观的图像信息，增强了纹影图像的可读性。

c.叶栅位置提取：叶栅是识别流场结构的重要参照物。整体伪彩色处理会使叶栅也被着色，影响流场结构判读，需要单独将叶栅位置提取后置为黑色。

d.图像平滑，伪彩色，叶栅位置提取三个图像处理过程的共同使用，提高叶栅试验纹影图像流场特征识别精度。

Images