CN202216890U - 基于数字图像技术的泥沙颗粒分析装置 - Google Patents
基于数字图像技术的泥沙颗粒分析装置 Download PDFInfo
- Publication number
- CN202216890U CN202216890U CN2011202273984U CN201120227398U CN202216890U CN 202216890 U CN202216890 U CN 202216890U CN 2011202273984 U CN2011202273984 U CN 2011202273984U CN 201120227398 U CN201120227398 U CN 201120227398U CN 202216890 U CN202216890 U CN 202216890U
- Authority
- CN
- China
- Prior art keywords
- image
- sand grain
- particle
- module
- particle size
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本实用新型公开了一种基于数字图像技术的泥沙颗粒分析装置,包括采集箱体、图像采集单元、泥沙颗粒分析系统;其中图像采集单元设置在采集箱体中,用于采集泥沙样品的图像;所述泥沙颗粒分析系统包括输入模块、图像预处理模块、图像二值化模块、边缘检测及轮廓提取模块、统计输出模块。本实用新型通过摄像机采集泥沙颗粒样品图像,然后对图像进行预处理、二值化、边缘轮廓提取,计算出每个颗粒的投影面积,根据等效投影面积得出每个颗粒的粒径,进而得到一系列颗粒信息,实现了泥沙颗粒特征参量的快速测量。
Description
技术领域
本实用新型涉及一种基于数字图像技术的泥沙颗粒分析装置,属于粉体测试技术领域。
背景技术
水位、流量、泥沙是水文测量的三大基本要素。当前,水位、流量的测验通过引进新的设备,已取得一定的成效,但河流泥沙颗粒的测验依然应用传统方法。随着社会经济的快速发展,河流泥沙治理开发的任务愈来愈重,对水文工作的要求也愈来愈高。无论是防洪、水资源统一管理,还是生态环境的建设,都需要水文信息的快速、准确、及时,泥沙颗粒分析工作更是如此。传统的泥沙颗粒级配测量方法操作过程繁琐、费工费时,生产周期长、不能满足在短时间内完成大批量泥沙颗粒级配测量任务的需要,并严重制约了水文测验技术向数字化、信息化发展的步伐。为了提高泥沙颗粒级配测量技术的科技含量和水文测验市场的竞争力,需要探求能替代传统方法测量泥沙颗粒级配的新技术。
数字图像检测的基础是数字图像采集和数字图像处理部分,随着其它学科如光学镜头、CCD器件、CMOS图像传感器等的发展,以及数字图像处理理论中各种算法的改进与完善,使得基于数字图像检测的技术应用越来越广,在很多领域,数字图像检测的应用极大的改进了检测系统的准确性与速度性,能够提高检测的速度与准确性,减少了检测的不确定度。
数字图像检测技术的发展为基于数字图像处理的颗粒分析提供了可能,利用图像处理技术可以对颗粒进行亚微米甚至纳米程度上的结构观测,定量的分析颗粒性质,提取颗粒结构的各种有用信息。传统的颗粒检测方法存在着准确度低,可重复性差,速度慢等缺点。通过采用数字图像处理的方法可以大幅度提高速度,减少所用时间,提高准确性,可进行极窄级别的精细粒度分析,并且通过软件分析可以实现各种参数的实时分析,图像曲线显示,存储打印等各种功能。
发明内容
本实用新型所要解决的技术问题是针对背景技术中传统的泥沙颗粒级配测量方法的缺陷,提出一种基于数字图像技术的泥沙颗粒分析装置,可快速而准确的对颗粒进行统计和分析,提高了工作效率。
本实用新型为解决上述技术问题采用以下技术方案:
一种基于数字图像技术的泥沙颗粒分析装置,包括采集箱体、图像采集单元、泥沙颗 粒分析系统;其中图像采集单元设置在采集箱体中,用于采集泥沙样品的图像;所述图像采集单元的输出端与泥沙颗粒分析系统的输入端连接,所述泥沙颗粒分析系统输出泥沙颗粒的特征参数。
进一步的,本实用新型的一种基于数字图像技术的泥沙颗粒分析装置,所述图像采集单元包括摄像机和光源,其中所述摄像机固定在采集箱体的侧壁上,所述光源包括两个灯管,分别平行设置在采集箱体的两侧壁上。
本实用新型采用以上技术方案与现有技术相比,具有以下技术效果:
本实用新型利用摄像机获取泥沙颗粒图像,通过优化图像处理技术,结合图像分割技术和八链码递归扫描法获得了泥沙颗粒的粒径、累积频率、形状系数、圆度等参量,实现了泥沙颗粒特征参量的快速测量。
附图说明
图1是本实用新型的泥沙颗粒分析装置结构图。
图2是本实用新型的泥沙颗粒分析系统工作示意图。
具体实施方式
下面结合附图对本实用新型的技术方案做进一步的详细说明:
本实用新型设计的装置如图1所示,由采集箱体、图像采集单元、泥沙颗粒分析系统组成。其中图像采集单元设置在采集箱体中,用于采集泥沙样品的图像;泥沙颗粒分析系统包括输入模块、图像预处理模块、图像二值化模块、边缘检测及轮廓提取模块、统计输出模块。
其中,图像采集单元将采集到的泥沙样品图像由输入模块发送至图像预处理模块,图像预处理模块对图像进行预处理后发送至图像二值化模块,图像二值化模块对预处理后的图像进行二值化操作后发送至边缘检测及轮廓提取模块,边缘检测及轮廓提取模块对图像进行边缘检测、轮廓提取后得到泥沙颗粒的各项特征参数,然后发送至统计输出模块进行数据统计和输出显示。
实施例:
采集箱体的外壳部分由有机玻璃做成,长36cm,宽32cm,高30cm,在右侧下方有1cm开槽,泥沙样品托盘由此处放进拍摄区域;光源为两根10W的日光灯,长为36cm,平行分布在两侧,经反复调试,将光源放置在距离装置最下方18cm处,这个位置能保证颗粒图像没有阴影,拍摄效果较好。摄像机为PENTAX CCD数字相机,由固定在装置中间的侧板固定,侧板上钻有小孔5个,间隔2cm,实现摄像机的上下移动及固定。本装置采用的灯管长 度较长,覆盖了拍摄区域,且平行分布在两侧,一定程度上解决了光照不均的现象。
泥沙颗粒分析系统能实现对泥沙颗粒图像进行变换和处理,实现图像分割和目标参数测量分析、结果打印输出等功能。
泥沙颗粒分析系统主要由输入模块、图像预处理模块、泥沙颗粒检测模块、统计输出模块四大部分组成,如图2所示。
(1)输入模块:
包括图像输入、图像保存和系统退出四项功能;输入的图像可以是256色或32位真彩色图像。
(2)图像预处理模块:
图像的预处理包括选择区域、剪切、合并图像、图像的放大缩小和平移。在图像打开后可进行图像增强处理,包括调节对比度和亮度、图像的平滑和锐化等处理。
(3)泥沙颗粒检测模块包括图像二值化模块、边缘检测及轮廓提取模块:
1)图像二值化模块
对于图像的二值化,根据泥沙颗粒图像的特点,采用了两种阈值分割方法,一种是改进的灰度直方图分析法,一种是Otsu自适应阈值分割法。
2)边缘检测及轮廓提取模块:
主要完成颗粒的编号,同时完成颗粒的形貌分析,提取颗粒的各项特征参数。
(4)统计输出模块:
统计输出模块主要是泥沙颗粒各种参数的显示和一些统计结果的显示,如颗粒粒度分布,特征粒径等;另外还可将测得的数据及统计结果以txt或excel格式导出并保存供后续处理。
本实用新型的泥沙颗粒分析方法如下:
在样本托盘上放一张干净的白纸,仔细将泥沙颗粒分散在白纸上,尽量避免颗粒重叠在一起放入拍摄区域。在放置好泥沙颗粒以后,调整摄像机焦距使得泥沙颗粒图像清晰,采集泥沙颗粒图像并进行处理。为得到泥沙颗粒的实际尺寸需要对本装置进行标定,选用固定大小的规则目标物,目标物为变长5cm*5cm的正方形,调整并固定摄像头进行拍摄,将拍摄的图像保存,打开拍摄的标定目标物,通过鼠标选定正方形的对角线两点就能得到这两点的以像素为单位的坐标A(x1,y1),B(x2,y2),则转换公式为:
MmperPixel为1个像素对应的实际毫米单位长度。
采集泥沙颗粒图像,对颗粒图像进行增强提高图片质量,之后利用改进的阈值分割方法进行阈值分割得到泥沙颗粒的二值图像。为了得到颗粒的周长面积等相关信息,需要对颗粒进行边缘检测,经典边缘检测算子在抗噪声干扰方面存在不足,针对泥沙颗粒图像特点,在得到泥沙颗粒的二值图像后,通过对目标颗粒进行递归法标号统计得到泥沙颗粒的边缘轮廓信息,实现边缘检测。递归法的思想是扫描图像,遇到一个颗粒像素,对它进行八链码区域扫描,直至形成封闭区域,这个区域内的像素为同一个编号,然后跳出后继续扫描,遇到第二个封闭区域后,对这个区域内的像素赋予一个新的编号,依此类推,最后最大的编号就代表着图像中颗粒的数目。分别统计每个标号的像素数,就代表了每个颗粒所占的像素数。
泥沙颗粒特征参量分析表示如下:
(1)面积A
二值图像中的颗粒的面积A,即为单个目标颗粒所占像素点数目的总和。对相同标号的对象进行统计,得到每个对象的像素点的总和,将像素点总数乘以单个像素点所对应的实际面积,即可得到每一个泥沙颗粒实际的面积。
(2)周长P
颗粒的周长P,就是围绕其边界像素的长度。对图像的边缘像素进行统计,再乘以单个像素点的长度,所得就是图像的周长。
(3)等效圆直径D
D表示与颗粒投影面积相等的圆的直径,如下
(4)长径L、短径B
通过对泥沙颗粒进行边缘跟踪,找出最长两点间的距离,即为所测泥沙颗粒对象的长轴,记下这两个边缘点坐标。
颗粒的长径与短径要求是垂直的,而在颗粒图像中两弦绝对垂直的情况很少。本文在求短径时是找出与长径接近垂直的轴当中最长的轴作为短径B。
(5)粒度分布(级配曲线)
以等效圆直径D为横坐标,以小于等于等效圆直径D的颗粒占颗粒总质量的百分比为纵坐标,做出级配曲线。
(7)形状系数
对于泥沙颗粒的二维投影,形状系数SF表示为短径与长径之比。
式中:B为短径,L为泥沙颗粒的长径。
本实用新型通过CCD摄像机、图像采集卡等图像采集的硬件装置进行图像采集得到泥沙颗粒的图像,将其转化为数字量后,输入计算机,由计算机对这些图像进行边缘轮廓提取,计算出每个颗粒的投影面积,根据等效投影面积得出每个颗粒的粒径,从而得到一系列颗粒信息,如等面积圆、等效短径、粒度分布,且能直接观察颗粒状况、粒度范围。另外还可用来观察和测试颗粒的形貌,同时完成了颗粒的大小和形态的测量,配套使用光学显微镜或者电子显微镜,可以对泥沙表面微结构有更详尽的了解。
Claims (2)
1.一种基于数字图像技术的泥沙颗粒分析装置,其特征在于:包括采集箱体、图像采集单元、泥沙颗粒分析系统;其中图像采集单元设置在采集箱体中,用于采集泥沙样品的图像;所述图像采集单元的输出端与泥沙颗粒分析系统的输入端连接,所述泥沙颗粒分析系统输出泥沙颗粒的特征参数。
2.根据权利要求1所述的一种基于数字图像技术的泥沙颗粒分析装置,其特征在于:所述图像采集单元包括摄像机和光源,其中所述摄像机固定在采集箱体的侧壁上,所述光源包括两个灯管,分别平行设置在采集箱体的两侧壁上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011202273984U CN202216890U (zh) | 2011-06-30 | 2011-06-30 | 基于数字图像技术的泥沙颗粒分析装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011202273984U CN202216890U (zh) | 2011-06-30 | 2011-06-30 | 基于数字图像技术的泥沙颗粒分析装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN202216890U true CN202216890U (zh) | 2012-05-09 |
Family
ID=46016139
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011202273984U Expired - Fee Related CN202216890U (zh) | 2011-06-30 | 2011-06-30 | 基于数字图像技术的泥沙颗粒分析装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN202216890U (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN102692365A (zh) * | 2012-06-05 | 2012-09-26 | 清华大学 | 一种颗粒不圆度的测量方法及系统 |
CN104217424A (zh) * | 2014-07-08 | 2014-12-17 | 西藏自治区水利电力规划勘测设计研究院 | 冰湖终碛垄颗粒的分析方法 |
CN104680526A (zh) * | 2015-02-12 | 2015-06-03 | 浙江大学 | 一种基于自相关算法的均匀颗粒粒径测量方法 |
CN104849180A (zh) * | 2015-06-02 | 2015-08-19 | 清华大学深圳研究生院 | 一种颗粒图像实时处理系统和方法 |
CN106291563A (zh) * | 2016-09-21 | 2017-01-04 | 成都创慧科达科技有限公司 | 一种基于超声波测距技术的飞行器距离控制系统及方法 |
CN106644855A (zh) * | 2016-12-07 | 2017-05-10 | 山东大学 | 透水混凝土中堵塞颗粒粒径测定方法及级配检测方法 |
CN107589052A (zh) * | 2017-11-03 | 2018-01-16 | 大唐彬长发电有限责任公司 | 火电厂凝结水腐蚀产物颗粒粒度分布测试方法及其系统 |
CN107764586A (zh) * | 2017-12-11 | 2018-03-06 | 河海大学 | 垂直冷冻采样装置及其使用方法 |
CN108375529A (zh) * | 2018-02-12 | 2018-08-07 | 中国水利水电科学研究院 | 土石料级配自动检测方法及检测系统 |
CN117689673A (zh) * | 2024-02-04 | 2024-03-12 | 湘潭大学 | 基于分水岭的wc颗粒电镜图像分割及粒度分布计算方法 |
-
2011
- 2011-06-30 CN CN2011202273984U patent/CN202216890U/zh not_active Expired - Fee Related
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN102692365A (zh) * | 2012-06-05 | 2012-09-26 | 清华大学 | 一种颗粒不圆度的测量方法及系统 |
CN104217424A (zh) * | 2014-07-08 | 2014-12-17 | 西藏自治区水利电力规划勘测设计研究院 | 冰湖终碛垄颗粒的分析方法 |
CN104680526A (zh) * | 2015-02-12 | 2015-06-03 | 浙江大学 | 一种基于自相关算法的均匀颗粒粒径测量方法 |
CN104849180A (zh) * | 2015-06-02 | 2015-08-19 | 清华大学深圳研究生院 | 一种颗粒图像实时处理系统和方法 |
CN106291563A (zh) * | 2016-09-21 | 2017-01-04 | 成都创慧科达科技有限公司 | 一种基于超声波测距技术的飞行器距离控制系统及方法 |
CN106644855A (zh) * | 2016-12-07 | 2017-05-10 | 山东大学 | 透水混凝土中堵塞颗粒粒径测定方法及级配检测方法 |
CN107589052A (zh) * | 2017-11-03 | 2018-01-16 | 大唐彬长发电有限责任公司 | 火电厂凝结水腐蚀产物颗粒粒度分布测试方法及其系统 |
CN107764586A (zh) * | 2017-12-11 | 2018-03-06 | 河海大学 | 垂直冷冻采样装置及其使用方法 |
CN108375529A (zh) * | 2018-02-12 | 2018-08-07 | 中国水利水电科学研究院 | 土石料级配自动检测方法及检测系统 |
CN117689673A (zh) * | 2024-02-04 | 2024-03-12 | 湘潭大学 | 基于分水岭的wc颗粒电镜图像分割及粒度分布计算方法 |
CN117689673B (zh) * | 2024-02-04 | 2024-04-23 | 湘潭大学 | 基于分水岭的wc颗粒电镜图像分割及粒度分布计算方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN202216890U (zh) | 基于数字图像技术的泥沙颗粒分析装置 | |
CN102288522A (zh) | 基于数字图像技术的泥沙颗粒分析装置及分析方法 | |
Du et al. | Pavement distress detection and classification based on YOLO network | |
Zhang et al. | CCTSDB 2021: a more comprehensive traffic sign detection benchmark | |
Yu et al. | Pavement pothole detection and severity measurement using laser imaging | |
Huang et al. | Automatic inspection of pavement cracking distress | |
Ouyang et al. | Pavement cracking measurements using 3D laser-scan images | |
CN110263717B (zh) | 一种融入街景影像的土地利用类别确定方法 | |
Moaveni et al. | Evaluation of aggregate size and shape by means of segmentation techniques and aggregate image processing algorithms | |
CN111855664A (zh) | 一种可调节隧道病害三维检测系统 | |
Narisetti et al. | Semi-automated root image analysis (saRIA) | |
CN103630091B (zh) | 一种基于激光与图像处理技术的叶面积测量方法 | |
CN115661032A (zh) | 一种适用于复杂背景的路面病害智能检测方法 | |
Mathavan et al. | Detection of pavement cracks using tiled fuzzy Hough transform | |
Li et al. | RoadID: a dedicated deep convolutional neural network for multipavement distress detection | |
CN103743750B (zh) | 一种大口径光学元件表面损伤分布图的生成方法 | |
Rahmani et al. | Automated segmentation of gravel particles from depth images of gravel-soil mixtures | |
Mattheuwsen et al. | Manhole cover detection on rasterized mobile mapping point cloud data using transfer learned fully convolutional neural networks | |
Ranyal et al. | Automated pothole condition assessment in pavement using photogrammetry-assisted convolutional neural network | |
Zhao et al. | MED-YOLOv8s: a new real-time road crack, pothole, and patch detection model | |
Mei et al. | A conditional wasserstein generative adversarial network for pixel-level crack detection using video extracted images | |
Li et al. | Crack Segmentation Extraction and Parameter Calculation of Asphalt Pavement Based on Image Processing | |
Jiang et al. | Rdd-yolov5: road defect detection algorithm with self-attention based on unmanned aerial vehicle inspection | |
Phan et al. | Pavement crack extraction method from mobile laser scanning point cloud | |
Liang et al. | High-throughput instance segmentation and shape restoration of overlapping vegetable seeds based on sim2real method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120509 Termination date: 20160630 |