CN114943833A - 一种气液反应器中气泡流的气泡识别图像处理方法 - Google Patents
一种气液反应器中气泡流的气泡识别图像处理方法 Download PDFInfo
- Publication number
- CN114943833A CN114943833A CN202210313723.1A CN202210313723A CN114943833A CN 114943833 A CN114943833 A CN 114943833A CN 202210313723 A CN202210313723 A CN 202210313723A CN 114943833 A CN114943833 A CN 114943833A
- Authority
- CN
- China
- Prior art keywords
- bubble
- image
- bubbles
- shadow
- gas
- 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 35
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 35
- 230000005514 two-phase flow Effects 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000001514 detection method Methods 0.000 claims abstract description 9
- 230000011218 segmentation Effects 0.000 claims abstract description 6
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 230000007797 corrosion Effects 0.000 claims description 7
- 238000005260 corrosion Methods 0.000 claims description 7
- 230000000877 morphologic effect Effects 0.000 claims description 7
- 239000003550 marker Substances 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000007654 immersion Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000001427 coherent effect Effects 0.000 claims description 2
- 230000002708 enhancing effect Effects 0.000 claims description 2
- 230000003628 erosive effect Effects 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 238000012546 transfer Methods 0.000 description 7
- 239000012071 phase Substances 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 239000000523 sample Substances 0.000 description 5
- 230000000630 rising effect Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000007791 liquid phase Substances 0.000 description 3
- 239000000853 adhesive Substances 0.000 description 2
- 230000001070 adhesive effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004581 coalescence Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000005755 formation reaction Methods 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000005501 phase interface Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000010349 pulsation Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E30/00—Energy generation of nuclear origin
- Y02E30/30—Nuclear fission reactors
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
Abstract
本发明是一种气液反应器中气泡流的气泡识别图像处理方法。本发明涉及图像处理技术领域，本发明获取某一时刻气液两相流反应器里气泡的RGB图像，与事先存储好的背景图像进行图像预处理；利用背景差法进行阴影检测并补偿；得到去除阴影后的气泡图像；去除阴影后有些气泡边缘未完全封闭，对气泡内部中心区域进行填充；对气泡进行单个或粘连气泡的识别，识别依据为气泡区域面积；将单个气泡与粘连气泡识别出来后分成两个图像，粘连气泡采用分水岭方法进行气泡分割；将分割后的粘连气泡图像与单个气泡图像合在一起，标记气泡，统计特征参数，完成对气泡的识别。
Description
技术领域
本发明涉及图像处理技术领域，是一种气液反应器中气泡流的气泡识别图像处理方法。
背景技术
研究表明，气液两相之间的接触是将气相以气泡的形式分散到液相之中来实现的，气液两相体系中质量、动量和能量交换主要发生在相界面上，气泡是气液两相流内流动特性中最显著的特征，是该过程最基础的单元，气体以气泡的形式在液体中的弥散可以提高气液两相间传质速率，是气液分散与传质的基本要素，气泡的大小，形状及其运动行为是影响气液两相流体流动特性的重要参数，决定着两相流体的流动结构和运动规律，甚至影响两相流系统的总体性能。气泡的运动行为和状态与操作条件、液体性质、通气形式等有密切关系，如果能够测量出气液两相流场中气泡的运动状况，对许多工程应用问题也有着重要影响，也是气液传质设备、化学反应器等设计和操作的重要依据。由于气泡上升所在液体的物理性质如表面张力，速度等原因，气泡在上升的过程中不断聚并，并逐渐加速上升，当气体的存在形式是分散相时，其有效的传质面积是受床内气泡的分布、大小以及上升速度等因素影响的，而有效传质面积又影响着反应效率，因此对气液体系的深入研究必然依赖于对水中气泡的分布、气泡上升速率、气泡特征尺寸以及气泡的特性的掌握。
使用气液两相流反应器装置进行实验可以清楚的观察到反应器内的流动情况，如气泡的生成、聚并及破碎的过程，以及对气泡的形态和分布有着清晰的认识和了解，并且可以比较不同尺寸的气泡的上升速度，为后续的定量化研究气泡的尺寸和数量起到很大的推动作用。
反应器中气泡的结构、尺寸、速度等参数，以及气泡形态变化，如生成、聚并、分裂等均对工业反应中反应的效率、气体传热、传质等传递特性有着决定性的影响。其中气泡数量与尺寸分布是非常重要的参数，传统的针对气液两相流的研究主要通过建立实验装置，采用侵入式测量方法(电阻探针、电感探针、阻抗探针、光纤探针、热探针、等)、非侵入式测量方法(X-射线、激光、压力脉动等)、数值模拟法等对气泡的形态特性进行研究。侵入式测量能够比较准确地获得流动信息，但其对流场产生一定程度的干扰，同时长时间使用易使自身产生化学蚀变或表面粘附杂质；而非侵入式可以获取两相流的时空局部微观分布信息，实现流动过程中参数的检测，但其图像重建难度较大并对实时性参数检测无明显优势，且成本较高，实施起来并不容易。数值模拟法需建立气泡的运动方程，虽然利用数值计算得出的气泡在运动过程中的一些参数是较精准的，但其计算复杂、实时性差。
发明内容
本发明为克服现有技术的不足，本发明提供了一种气液反应器中气泡流的气泡识别图像处理方法，本发明提供了以下技术方案：
一种气液反应器中气泡流的气泡识别图像处理方法，所述方法包括：
步骤1：获取某一时刻气液两相流反应器里气泡的RGB图像，与事先存储好的背景图像进行图像预处理；
步骤2：利用背景差法进行阴影检测并补偿；
步骤3：在步骤2的基础上再应用背景差法进行气泡提取，得到去除阴影后的气泡图像；
步骤4：去除阴影后有些气泡边缘未完全封闭，先执行形态学的闭运算，对气泡内部中心区域进行填充；
步骤5：对步骤4中的气泡进行单个或粘连气泡的识别，识别依据为气泡区域面积；
步骤6：将步骤5中单个气泡与粘连气泡识别出来后分成两个图像，粘连气泡采用分水岭方法进行气泡分割；
步骤7：将分割后的粘连气泡图像与单个气泡图像合在一起，标记气泡，统计特征参数，完成对气泡的识别。
优选地，所述步骤1具体为：
步骤1.1：得到背景和气泡图像RGB颜色空间的R、G、B值；
步骤1.2：将气泡图像及背景图像转换为HSI颜色空间图像，H表示色调，S表示饱和度，I表示强度，将强度I作为主要的输入变量：
优选地，所述步骤2具体为：
步骤2.1：受照射光线的影响，前景中的气泡会在背景上留下阴影，进行阴影检测，去除气泡在背景上留下的阴影；
步骤2.2：利用背景差法对转换到HSI空间的气泡图像与背景图像的I分量进行图像的二值化处理，将原图像中阴影判别函数DIF(x，y)值为1的区域作为前景阴影像素值，剩余像素显示为黑色，像素值设为0，则将阴影提取出来，得到一个保持形状的阴影区域图像的各点像素集：
步骤2.3：为了提升阴影部分的像素值，定义背景图像的各点平均灰度阈值Pshadow；
步骤2.4：对阴影区域进行增强，使阴影区域的像素值等于Pshadow；
步骤2.5：步骤2.4中的阴影图像与步骤1的气泡图像合在一起得到阴影补偿图像的各点像素Rcompensation，将增强结果转换到RGB色彩空间；背景图像的灰度值的范围在0～255之间，通过下面公式进行阴影区域增强补偿，得到阴影增强补偿后转换到RGB色彩空间的图像各点像素集：
Rcompensation(i,j)＝Rforeground(i,j)+Pshadow(i,j) (4)
优选地，所述步骤3具体为：将阴影增强补偿后的图像与背景图像I分量作差后得到二值化气泡图像的像素集：
DDIF(i，j)＝Ib(i，j)-If(i，j) (1≤i≤n，1≤j≤m) (5)
运用形态学腐蚀和膨胀对图像进行处理，运用数学形态学法对气泡内部中心区域进行填充。
优选地，所述步骤4具体为：
步骤4.1：计算气泡的面积Ar(i)；
步骤4.2：计算气泡的质心C(i)；
步骤4.3：统计图像中气泡的数量N(包括单个气泡和粘连气泡)；
步骤4.4：计算各个气泡的质心坐标(x(i),y(i))，i＝1，...，N：
步骤4.5：计算气泡的等效直径D(i)：
步骤4.6：计算各个气泡的等效周长L(i)：
步骤4.7：计算各个气泡的圆形度R(i)：
优选地，所述步骤5中识别依据为气泡区域面积Armin<Ar<Armax and R>R0的为单个气泡，Ar>Armax的为粘连气泡。
优选地，所述步骤6中确定气泡特征参数具体为：
步骤6.1：计算气泡面积：
Ar＝∑nj (8)
其中，n是像素值等于j的所以像素，其中，j可设定为1或0；
步骤6.2：计算气泡的等效直径：
步骤6.3：计算气泡的等效周长：
L＝∑f(x,y) (10)
步骤6.4：计算气泡的质心坐标(x,y)：
x＝Mx/Ar
y＝My/Ar (11)
其中，Mx和My是所有像素点的x,y坐标总和，Ar为气泡面积；
步骤6.5：计算气泡的圆形度：
其中，L为区域周长，R0值的范围为0<R0<1，R0值越大，气泡区域越接近圆形。
优选地，所述步骤7具体为：
步骤7.1：选择m个大小递增结构相似的圆形结构元素SEi；
步骤7.2：将得到的粘连气泡图像使用结构元素进行腐蚀，每次腐蚀后将剩下的像素值加1，直到整幅图像成为空集为止；
步骤7.3：对步骤7.1中的各次腐蚀结果中的每个像素点保留最大值作为距离函数进行距离变换，得到此结构的元素对应的距离图像Bi；
步骤7.4：选用下一个结构元素，重复步骤7.1～步骤7.3，直到m个结构元素都被操作完；
步骤7.5：对由上得到的不同结构元素所对应的距离图分别运用分水岭算法进行模拟浸水，形成相对应的分水岭标记图像Wi；
步骤7.6：对比不同结构元素所对应的分水岭标记图像，统计在不同图像中同一位置出现的分水岭点的次数，选择合适的结构元素所对应的分水岭标记图像作为初始真实分水岭图像WW；
步骤7.7：将真实分水岭图像WW在二值图像W中画出，从而形成最终的分割图像。
优选地，m＝5，半径分别为1、2、3、4、5的结构元素。
优选地，将分割后的粘连气泡图像W与单个气泡图像S合在一起的气泡图，即完成了对气泡的识别；
标记已识别的气泡，即对每一个被识别的气泡具有不同的标记，按照步骤4重新统计所有气泡的面积、周长、直径、圆形度等特征参数。
本发明具有以下有益效果：
本发明通过高速摄影系统获得反应器内气泡的图像，构成数据分析总集；用计算机对获取的图像进行图像处理，得到去除噪音和阴影等影响因素的气泡图像；定义单个气泡和粘连气泡的分析标准，气泡区域面积Armin<Ar<Armaxand R>R0的为单个气泡，Ar>Armax的为粘连气泡；将单个气泡先分离出来，对粘连气泡采用分水岭方法进行分割；定义气泡的特征参数，计算各气泡的参数值，完成对反应器中产生气泡的识别，并获取气泡数量及其分布情况。本发明采用高速摄影法直接拍摄流体的流动图像，能获得瞬态的整个流场中的气泡状况。利用数字图像处理方法提取图像特征，然后根据图像特征检测两相流的各种参数，为了提高精度，引入分水岭分割的方法对粘连气泡进行分割，方法简单有效，鲁棒性强，可以有效提取气泡周长、面积、圆形度和质心坐标等形态特征参数，为气泡行为的分析奠定了基础。
附图说明
图1是本发明的整体流程示意图；
图2是气泡的阴影检测及移除示意图；
图3是阴影补偿和移除阴影后的气泡分布图；
图4是经识别后的单个气泡、粘连气泡及气泡分割后的合成气泡分布图；
图5是阴影移除及分水岭分割后的气泡数据统计图。
具体实施方式
以下结合具体实施例，对本发明进行了详细说明。
具体实施例一：
根据图1至图5所示，本发明为解决上述技术问题采取的具体优化技术方案是：本发明涉及一种气液反应器中气泡流的气泡识别图像处理方法。
一种气液反应器中气泡流的气泡识别图像处理方法，其包括以下步骤：
步骤1)获取某一时刻装置里气泡的RGB图像，与事先存储好的背景图像通过MATLAB软件进行图像预处理(如图2(a)所示)；
步骤1.1：得到背景和气泡图像RGB颜色空间的R、G、B值；
步骤1.2：将气泡图像及背景图像转换为HSI颜色空间图像，I表示强度，将强度I作为主要的输入变量，具体步骤如下：
步骤2：进行阴影检测并补偿
步骤2.1：对转换到HSI空间的气泡图像与背景图像I分量作差后进行图像的二值化处理，得到图像的各点像素集：
DIF(i，j)＝Ib(i，j)-If(i，j)(1≤i≤n，1≤j≤m) (2)
步骤2.2：利用背景差法将图像转为二进制图像。将原图像中阴影判别函数DIF(x，y)值为1的区域作为前景阴影像素值，其余像素显值设为0，则将阴影提取出来，获得了一个保持形状的阴影区域(如图2(c)所示)；
步骤2.3：将各点灰度阈值定义如下：
步骤2.4：通过下面公式进行阴影区域增强补偿，得到阴影增强补偿后转换到GRB色彩空间的图像各点像素集(如图3(a)所示)：
Rcompensation(i,j)＝Rforeground(i,j)+Pshadow(i,j) (5)
步骤3：如图2所示，阴影增强补偿后，阴影部分的强度与背景部分的强度相似，再利用背景差法很容易去除阴影和噪音，得到强度对比明显的气泡图像，具体步骤如下：
步骤3.1：将阴影增强补偿后的图像与背景图像I分量作差后得到二值化气泡图像的像素集(如图3(b)所示)：
DDIF(i，j)＝Ib(i，j)-If(i，j) (1≤i≤n，1≤j≤m) (6)
步骤3.2：运用形态学腐蚀和膨胀对图像进行处理，运用数学形态学法对气泡内部中心区域进行填充；
步骤4：根据填充后的气泡图像确定气泡特征参数，具体步骤如下：
步骤4.1：计算气泡的面积Ar(i)；
步骤4.2：计算气泡的质心C(i)；
步骤4.3：统计图像中气泡的数量N(包括单个气泡和粘连气泡)；
步骤4.4：计算各个气泡的质心坐标(x(i),y(i))，i＝1，...，N：
步骤4.5：计算气泡的等效直径D(i)：
步骤4.6：计算各个气泡的等效周长L(i)：
步骤4.7：计算各个气泡的圆形度R(i)：
步骤5：定义区域面积和圆形度标准，进行单个或粘连气泡的识别，识别依据为气泡区域面积Armin<Ar<Armax and R>R0的为单个气泡，Ar>Armax的为粘连气泡；
步骤6：将气泡二值图像分成单个气泡图像S与粘连气泡图像W；
步骤7：粘连气泡需要采用分水岭方法进行气泡分割，分割步骤如下；
步骤7.1：选择m个大小递增结构相似的圆形结构元素SEi(m＝5，半径分别为1、2、3、4、5的结构元素)；
步骤7.2：将得到的粘连气泡图像使用结构元素进行腐蚀，每次腐蚀后将剩下的像素值加1，直到整幅图像成为空集为止；
步骤7.3：对步骤7.1)中的各次腐蚀结果中的每个像素点保留最大值作为距离函数进行距离变换，得到此结构的元素对应的距离图像Bi；
步骤7.4：选用下一个结构元素，重复7.1)～7.3)，直到m个结构元素都被操作完；
步骤7.5：对由上得到的不同结构元素所对应的距离图分别运用分水岭算法进行模拟浸水，形成相对应的分水岭标记图像Wi；
步骤7.6：对比不同结构元素所对应的分水岭标记图像，统计在不同图像中同一位置出现的分水岭点的次数，选择合适的结构元素所对应的分水岭标记图像作为初始真实分水岭图像WW；
步骤7.7：将真实分水岭图像WW在二值图像W中画出，从而形成最终的分割图像。
步骤8：将分割后的粘连气泡图像W(如图4(b))与单个气泡图像S(如图3(a))合在一起的气泡图(如图4(c))，即完成了对气泡的识别。
步骤9：标记已识别的气泡(如图5(a)、(b)、(c))，即对每一个被识别的气泡具有不同的标记，按照步骤4重新统计所有气泡的面积、周长、直径、圆形度等特征参数，记录在表中；
以上所述仅是一种气液反应器中气泡流的气泡识别图像处理方法的优选实施方式，一种气液反应器中气泡流的气泡识别图像处理方法的保护范围并不仅局限于上述实施例，凡属于该思路下的技术方案均属于本发明的保护范围。应当指出，对于本领域的技术人员来说，在不脱离本发明原理前提下的若干改进和变化，这些改进和变化也应视为本发明的保护范围。
Claims (10)
1.一种气液反应器中气泡流的气泡识别图像处理方法，其特征是：所述方法包括：
步骤1：获取某一时刻气液两相流反应器里气泡的RGB图像，与事先存储好的背景图像进行图像预处理；
步骤2：利用背景差法进行阴影检测并补偿；
步骤3：在步骤2的基础上再应用背景差法进行气泡提取，得到去除阴影后的气泡图像；
步骤4：去除阴影后有些气泡边缘未完全封闭，先执行形态学的闭运算，对气泡内部中心区域进行填充；
步骤5：对步骤4中的气泡进行单个或粘连气泡的识别，识别依据为气泡区域面积；
步骤6：将步骤5中单个气泡与粘连气泡识别出来后分成两个图像，粘连气泡采用分水岭方法进行气泡分割；
步骤7：将分割后的粘连气泡图像与单个气泡图像合在一起，标记气泡，统计特征参数，完成对气泡的识别。
2.根据权利要求1所述的一种气液反应器中气泡流的气泡识别图像处理方法，其特征是：所述步骤1具体为：
步骤1.1：得到背景和气泡图像RGB颜色空间的R、G、B值；
步骤1.2：将气泡图像及背景图像转换为HSI颜色空间图像，H表示色调，S表示饱和度，I表示强度，将强度I作为主要的输入变量：
3.根据权利要求2所述的一种气液反应器中气泡流的气泡识别图像处理方法，其特征是：所述步骤2具体为：
步骤2.1：受照射光线的影响，前景中的气泡会在背景上留下阴影，进行阴影检测，去除气泡在背景上留下的阴影；
步骤2.2：利用背景差法对转换到HSI空间的气泡图像与背景图像的I分量进行图像的二值化处理，将原图像中阴影判别函数DIF(x，y)值为1的区域作为前景阴影像素值，剩余像素显示为黑色，像素值设为0，则将阴影提取出来，得到一个保持形状的阴影区域图像的各点像素集：
步骤2.3：为了提升阴影部分的像素值，定义背景图像的各点平均灰度阈值Pshadow；
步骤2.4：对阴影区域进行增强，使阴影区域的像素值等于Pshadow；
步骤2.5：步骤2.4中的阴影图像与步骤1的气泡图像合在一起得到阴影补偿图像的各点像素Rcompensation，将增强结果转换到RGB色彩空间；背景图像的灰度值的范围在0～255之间，通过下面公式进行阴影区域增强补偿，得到阴影增强补偿后转换到RGB色彩空间的图像各点像素集：
Rcompensation(i,j)＝Rforeground(i,j)+Pshadow(i,j) (4)。
4.根据权利要求3所述的一种气液反应器中气泡流的气泡识别图像处理方法，其特征是：所述步骤3具体为：将阴影增强补偿后的图像与背景图像I分量作差后得到二值化气泡图像的像素集：
DDIF(i，j)＝Ib(i，j)-If(i，j)(1≤i≤n，1≤j≤m) (5)
运用形态学腐蚀和膨胀对图像进行处理，运用数学形态学法对气泡内部中心区域进行填充。
5.根据权利要求4所述的一种气液反应器中气泡流的气泡识别图像处理方法，其特征是：所述步骤4具体为：
步骤4.1：计算气泡的面积Ar(i)；
步骤4.2：计算气泡的质心C(i)；
步骤4.3：统计图像中气泡的数量N(包括单个气泡和粘连气泡)；
步骤4.4：计算各个气泡的质心坐标(x(i),y(i))，i＝1，...，N：
步骤4.5：计算气泡的等效直径D(i)：
步骤4.6：计算各个气泡的等效周长L(i)：
步骤4.7：计算各个气泡的圆形度R(i)：
6.根据权利要求5所述的一种气液反应器中气泡流的气泡识别图像处理方法，其特征是：所述步骤5中识别依据为气泡区域面积Armin＜Ar＜Armax and R＞R0的为单个气泡，Ar＞Armax的为粘连气泡。
7.根据权利要求3所述的一种气液反应器中气泡流的气泡识别图像处理方法，其特征是：所述步骤6中确定气泡特征参数具体为：
步骤6.1：计算气泡面积：
Ar＝∑nj (8)
其中，n是像素值等于j的所以像素，其中，j可设定为1或0；
步骤6.2：计算气泡的等效直径：
步骤6.3：计算气泡的等效周长：
L＝∑f(x,y) (10)
步骤6.4：计算气泡的质心坐标(x,y)：
x＝Mx/Ar
y＝My/Ar (11)
其中，Mx和My是所有像素点的x,y坐标总和，Ar为气泡面积；
步骤6.5：计算气泡的圆形度：
其中，L为区域周长，R0值的范围为0＜R0＜1，R0值越大，气泡区域越接近圆形。
8.根据权利要求7所述的一种气液反应器中气泡流的气泡识别图像处理方法，其特征是：所述步骤7具体为：
步骤7.1：选择m个大小递增结构相似的圆形结构元素SEi；
步骤7.2：将得到的粘连气泡图像使用结构元素进行腐蚀，每次腐蚀后将剩下的像素值加1，直到整幅图像成为空集为止；
步骤7.3：对步骤7.1中的各次腐蚀结果中的每个像素点保留最大值作为距离函数进行距离变换，得到此结构的元素对应的距离图像Bi；
步骤7.4：选用下一个结构元素，重复步骤7.1～步骤7.3，直到m个结构元素都被操作完；
步骤7.5：对由上得到的不同结构元素所对应的距离图分别运用分水岭算法进行模拟浸水，形成相对应的分水岭标记图像Wi；
步骤7.6：对比不同结构元素所对应的分水岭标记图像，统计在不同图像中同一位置出现的分水岭点的次数，选择合适的结构元素所对应的分水岭标记图像作为初始真实分水岭图像WW；
步骤7.7：将真实分水岭图像WW在二值图像W中画出，从而形成最终的分割图像。
9.根据权利要求8所述的一种气液反应器中气泡流的气泡识别图像处理方法，其特征是：m＝5，半径分别为1、2、3、4、5的结构元素。
10.根据权利要求9所述的一种气液反应器中气泡流的气泡识别图像处理方法，其特征是：将分割后的粘连气泡图像W与单个气泡图像S合在一起的气泡图，即完成了对气泡的识别；
标记已识别的气泡，即对每一个被识别的气泡具有不同的标记，按照步骤4重新统计所有气泡的面积、周长、直径、圆形度等特征参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210313723.1A CN114943833A (zh) | 2022-03-28 | 2022-03-28 | 一种气液反应器中气泡流的气泡识别图像处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210313723.1A CN114943833A (zh) | 2022-03-28 | 2022-03-28 | 一种气液反应器中气泡流的气泡识别图像处理方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114943833A true CN114943833A (zh) | 2022-08-26 |
Family
ID=82906150
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210313723.1A Pending CN114943833A (zh) | 2022-03-28 | 2022-03-28 | 一种气液反应器中气泡流的气泡识别图像处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114943833A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115290697A (zh) * | 2022-09-26 | 2022-11-04 | 南通众盈材料科技有限公司 | 一种聚氨酯生产异常识别方法 |
| CN115797654A (zh) * | 2022-12-09 | 2023-03-14 | 中国民用航空飞行学院 | 气液两相流动中气泡泡底参数识别方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005339173A (ja) * | 2004-05-26 | 2005-12-08 | Toshiba Corp | 画像処理装置、画像処理方法及び画像処理プログラム |
| CN102024146A (zh) * | 2010-12-08 | 2011-04-20 | 江苏大学 | 猪舍监控视频中前景提取方法 |
| CN103679704A (zh) * | 2013-11-22 | 2014-03-26 | 中国人民解放军第二炮兵工程大学 | 一种基于光照补偿的视频运动阴影检测方法 |
| CN107220949A (zh) * | 2017-05-27 | 2017-09-29 | 安徽大学 | 公路监控视频中运动车辆阴影的自适应消除方法 |
| CN109272548A (zh) * | 2018-09-28 | 2019-01-25 | 北京拓金科技有限公司 | 一种浮选过程气泡直径的测量方法 |
| CN109741282A (zh) * | 2019-01-16 | 2019-05-10 | 清华大学 | 一种基于预估校正的多帧气泡流图像处理方法 |
| CN111259972A (zh) * | 2020-01-20 | 2020-06-09 | 北矿机电科技有限责任公司 | 一种基于级联分类器的浮选气泡识别的方法 |
| CN112561936A (zh) * | 2020-12-28 | 2021-03-26 | 大连理工大学 | 一种测定液气相变过程中气泡体积的图像处理技术 |
-
2022
- 2022-03-28 CN CN202210313723.1A patent/CN114943833A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005339173A (ja) * | 2004-05-26 | 2005-12-08 | Toshiba Corp | 画像処理装置、画像処理方法及び画像処理プログラム |
| CN102024146A (zh) * | 2010-12-08 | 2011-04-20 | 江苏大学 | 猪舍监控视频中前景提取方法 |
| CN103679704A (zh) * | 2013-11-22 | 2014-03-26 | 中国人民解放军第二炮兵工程大学 | 一种基于光照补偿的视频运动阴影检测方法 |
| CN107220949A (zh) * | 2017-05-27 | 2017-09-29 | 安徽大学 | 公路监控视频中运动车辆阴影的自适应消除方法 |
| CN109272548A (zh) * | 2018-09-28 | 2019-01-25 | 北京拓金科技有限公司 | 一种浮选过程气泡直径的测量方法 |
| CN109741282A (zh) * | 2019-01-16 | 2019-05-10 | 清华大学 | 一种基于预估校正的多帧气泡流图像处理方法 |
| CN111259972A (zh) * | 2020-01-20 | 2020-06-09 | 北矿机电科技有限责任公司 | 一种基于级联分类器的浮选气泡识别的方法 |
| CN112561936A (zh) * | 2020-12-28 | 2021-03-26 | 大连理工大学 | 一种测定液气相变过程中气泡体积的图像处理技术 |
Non-Patent Citations (5)
| Title |
|---|
| 何维龙等: "一种基于HIS色彩空间的阴影检测和补偿算法", 北京测绘 * |
| 匡芳君等: "基于改进分水岭算法的粘连大米图像分割", 粮食与饲料工业 * |
| 张东衡;唐志航;叶鸿明;沈永增;: "一种气液两相流气相参数图像检测方法", 计算机测量与控制 * |
| 李彬,刘冀伟,韩鸿哲,李正熙: "复杂背景下人体骨架的提取", 微计算机信息 * |
| 薛婷等: "气液两相流中气泡形态及运动特征参数提取", 《光电子.激光》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115290697A (zh) * | 2022-09-26 | 2022-11-04 | 南通众盈材料科技有限公司 | 一种聚氨酯生产异常识别方法 |
| CN115797654A (zh) * | 2022-12-09 | 2023-03-14 | 中国民用航空飞行学院 | 气液两相流动中气泡泡底参数识别方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106056118B (zh) | 一种用于细胞的识别计数方法 | |
| CN114943833A (zh) | 一种气液反应器中气泡流的气泡识别图像处理方法 | |
| CN112837290B (zh) | 一种基于种子填充算法的裂缝图像自动识别方法 | |
| CN110838126B (zh) | 细胞图像分割方法、装置、计算机设备和存储介质 | |
| CN108009529B (zh) | 一种基于特征根和流体力学的森林火灾烟视频目标检测方法 | |
| TW201732651A (zh) | 一種單詞的分割方法和裝置 | |
| CN109800698A (zh) | 基于深度网络的图标检测方法 | |
| CN104700092A (zh) | 一种基于模板和特征匹配相结合的小字符数字识别方法 | |
| CN105930852B (zh) | 一种气泡图像识别方法 | |
| CN101814144A (zh) | 遥感图像中无水桥梁目标识别方法 | |
| CN114067114B (zh) | 一种基于藻类细胞形态的面积核分割计数方法 | |
| CN109447111B (zh) | 一种基于子类训练样本的遥感监督分类方法 | |
| CN112734729B (zh) | 适用于夜间补光条件的水尺水位线图像检测方法、装置及存储介质 | |
| CN107247929B (zh) | 一种结合先验知识的鞋印花纹渐进细化式提取方法 | |
| Ji et al. | The corroded defect rating system of coating material based on computer vision | |
| CN104376329A (zh) | 基于空间自相关性和分水岭算法的聚类评估方法 | |
| Zhang et al. | Flotation bubble size distribution detection based on semantic segmentation | |
| Ju et al. | A novel hybrid model for flow image segmentation and bubble pattern extraction | |
| 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 | |
| CN113705564B (zh) | 一种指针式仪表识别读数方法 | |
| Cheng et al. | Dynamic downscaling segmentation for noisy, low-contrast in situ underwater plankton images | |
| CN113343932B (zh) | 一种静态摄像头下的河道漂浮物检测算法 | |
| CN112330660B (zh) | 一种基于神经网络的精子尾部检测方法及其系统 | |
| CN111968136A (zh) | 一种煤岩显微图像分析方法及分析系统 | |
| Liu et al. | Adaptive ideal image reconstruction for bacteria colony detection |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220826 |
|
| RJ01 | Rejection of invention patent application after publication |