專利名稱：顆粒大小分布自動檢測方法
技術領域：
本發(fā)明涉及的是一種檢測技術領域的方法，具體是一種顆粒大小分布自動 檢測方法。
背景技術：
工業(yè)生產(chǎn)過程的原材料大部分是屬于不規(guī)則形狀體，如煉鐵過程的礦石， 其體積、尺度和形貌千奇百態(tài)。這些原材料參與化學反應過程，如何使尺度不 一的大小顆粒能夠做到均勻分布，將是化學反應的質量保證條件之一。顆粒大 小分布的自動檢測常用的方法是 一、借助顆粒離心力場，通過一種光學單元 測量相關變化參數(shù)測量顆粒大小分布；二、利用激光及其偏振裝置，通過觀測 光束的變化來實現(xiàn)對顆粒大小分布的測量；三、基于圖像分析的方法。就前兩 類技術而論，機構極為復雜，而且無法實現(xiàn)在線實時檢測；第三類方法則是近 期出現(xiàn)的非接觸式檢測技術，但是，從能夠查閱的現(xiàn)有資料來看，此類技術尚 不成熟和完善。
經(jīng)對現(xiàn)有技術文獻的進一步檢索發(fā)現(xiàn)，辛登科等的論文"圖像處理在粉末 粒度在線檢測系統(tǒng)中的應用"(《計算機工程與設計》2008年第29巻第13期)， 該文介紹了基于圖像處理技術的靜電粉末在線粒度檢測系統(tǒng)的工作原理、硬件 組成及軟件設計。該系統(tǒng)針對靜電粉末圖像的特點采用了自適應閥值分割、邊 界鏈碼圖像處理技術。在此基礎上研發(fā)了一個套粒度分析軟件，該軟件能輸出 多達30個粒級的累積率，將軟件輸出結果與實際粒度分布進行比較，結果證明 該軟件的統(tǒng)計正確率達90. 1%以上。分析一幅1600X1200大小的彩色顆粒位圖 圖像所花的時間少于5s。
但是，該文所描述的技術方法存在的不足之處(1)"采用了自適應閥值
分割、邊界鏈碼圖像處理技術"，勢必造成處理器運算量大，分析時間過長； (2)系統(tǒng)裝置較為復雜。
又經(jīng)檢索還發(fā)現(xiàn)，李素真等的論文"圖像分析法測定PVC樹脂顆粒的粒徑大
4小及分布"(《齊魯石油化工》2006年第34巻第4期)，該文利用圖像分析儀通 過對透射光鏡圖像的處理，同時引入個數(shù)平均粒徑、體積平均粒徑及粒徑分布 寬度等參數(shù)，建立了PVC顆粒粒徑大小及分布的表征方法，利用這種方法對不同 生產(chǎn)廠家的兩個PVC樣品的粒徑大小及分布進行了比較。
但是，該文所描述的技術方法同樣存在的不足之處(1)"設置灰度值閾 值，二值化,分離互相接觸的粒子的圖像,設置測量內容,檢測范圍，檢測等，再將 多幅圖像的測量數(shù)據(jù)轉到Exce15. O中進行累加計算，得到平均粒徑及粒徑分布 寬度，繪出粒徑分布圖"表明整個計算過程尚未實現(xiàn)全程自動化；(2)"測量所 有顆粒的面積，并換算為等效圓的直徑(由于接觸邊界的顆粒大小不確定，所以 不考慮)"勢必耗費大量的處理器運算時間。

發(fā)明內容
本發(fā)明的目的在于克服上述現(xiàn)有技術中的不足，提供一種顆粒大小分布自 動檢測方法，能夠對含有顆粒的圖像進行自動化處理與運算，最終準確地獲取 被觀測區(qū)域內礦石顆粒的分布狀況，因此為工業(yè)過程控制的后續(xù)決策運算提供 了直接的顆粒分布信息依據(jù)。
本發(fā)明是通過以下技術方案實現(xiàn)的，本發(fā)明包括如下步驟-
步驟一，圖像預處理
對被測圖像從RGB空間轉換至HSV空間，由此獲得原圖的色度、亮度和飽 和度分量，再對各個分量進行高斯平滑濾波與直方圖均衡，自動提升圖像的亮 度、色彩和對比度，避免出現(xiàn)因突變白噪聲而產(chǎn)生偽邊界，使得各分量得到良 好的均衡。
所述RGB空間，即RGB彩色空間，是一種彩色圖像的色彩表示方法。彩色 圖像在RGB彩色空間的向量[iG sf不僅代表紅R、綠G和藍B三基色的色 彩，同時也表示三基色的亮度，RGB三色之間存在著很大的相關性。換句話說， 通過[iG到"三元素的不同取值，能夠形成不同的顏色效果。
所述HSV空間，即HSV彩色空間，也是彩色圖像的色彩表示方法。HSV彩色
空間模型，是根據(jù)顏色的直觀特性創(chuàng)建的一種包含色調//、飽和度S和亮度r的
三維彩色空間模型，也稱六角錐體模型。
所述從RGB空間轉換至HSV空間，由于彩色數(shù)字圖像的存儲與顯示一般采
用RGB色彩空間模型，所以，凡是需要借助人的視覺特性對彩色圖像的顏色特性進行處理和分析時，必須進行彩色圖像的彩色空間轉換。理論和實驗已經(jīng)證 實將RGB彩色空間模型轉換為HSV彩色空間模型在顏色特性處理和分析方面 的優(yōu)越性超越其它轉換方式。從RGB到HSV，它們之間的轉換可分為柱體變換、 單六角錐變換、球體變換和三角形變換四種，三角形變換和柱體變換所得到的 融合圖像的幾何空間特征優(yōu)于其他變換，從變換后的信息量和標準差來看，三 角形變換比柱體變換更佳。
將數(shù)字攝像機輸出的數(shù)字圖像從RGB彩色空間轉換至HSV彩色空間，轉換 后的色調//、飽和度S和亮度r分別表示如下
S=-"";當^0
(公式一) (公式二)
S = 0;其它
'60°(G —5)/S;當F二i // = <|180° + 60°(S —/ )/5;當7 = (7 (公式三) 240。 + 60。i及—G)/S;當r-B
所述高斯平滑濾波，是屬于指數(shù)低通濾波的一種，其基本思想是將高斯核函 數(shù)與原始信號進行巻積后得到濾波輸出的信號。
所述直方圖均衡，是圖像直方圖修正算法的一種，這是將原圖像通過某種變 換，得到一幅灰度直方圖為均勻分布的新圖像的方法。
步驟二，彩色圖像形態(tài)學平滑，
為了克服因為陰影和反光的影響而造成的圖像，進一步采用HSV彩色空間上 的彩色圖像濾波方法對圖像進行平滑處理，合并圖像中相關的區(qū)域結構，使顆 粒得到有效分離。
步驟三，顆粒區(qū)域及其質心判定
采用Canny算法來定位色塊的邊界，對第二步得到的色塊圖進行邊界提取， 邊界提取運算過程完成后，將這些處于顆粒表面具有邊界點特征而非邊界點的 偽邊界點予以剔除。為了達到剔除"偽邊界點"的目的，此時可以采用窗口遍 歷法對顆粒進行區(qū)域投影。
所述窗口遍歷法，即設定一個大小可調的窗口，窗口的大小決定了顆粒的檢 測尺度，取大于顆粒間隙而小于最小顆粒尺度的值。用這個窗口掃視整個圖像，
6對窗口中的邊界點數(shù)進行統(tǒng)計
5(m,w)= Z 2 /(jc,力 (公式四)
式中/(x，力為Canny算法提取的二值化邊界圖像，邊界點取值l，非邊界 取值0; x、 y表示圖像的橫坐標和縱坐標；s為可調的窗口大小，m、 《為遍 歷窗口的中心點，5(w，")為邊界點統(tǒng)計結果。
將s(w,")與事先設定的統(tǒng)計閾值進行比較，若窗口內的邊界點總數(shù)小于該閾
值，則認為這些被窗口框定的"邊界點"系"偽邊界點"，即因顆粒表面的褶皺 或陰影引起的偽邊界，應該予以剔除，同時認為該窗口的中心位置是顆粒本身 投影區(qū)域的一部分。
步驟四，顆粒的最大擴張
結合平面劃分結果，將其區(qū)域進行最大擴張運算，即按照和某個顆粒點最近 的原則，將整個料面劃分為諸多部分。 第五步，雙圓法求取顆粒尺度
所述的雙圓法，即對二維圖像所呈現(xiàn)出的顆粒模糊邊界，首先進行各自的向 外擴張，以最大可能復現(xiàn)每個顆粒被粉塵或鄰近顆粒所遮擋部分的邊界；然后 對每個顆粒自動求取雙圓顆粒邊界最大擴張后的最小外接圓和最大內切圓； 最后，利用雙圓半徑自動識別出對應顆粒尺度。
雙圓法執(zhí)行方法如下
第一，在顆粒最大擴張區(qū)域上，以"三接點"確定圓的方法尋求該顆粒最大
擴張區(qū)域的"最小外接圓"，該圓包含了區(qū)域全部像素點；
第二，在顆粒最大擴張區(qū)域上，以"三切點"確定圓的方法尋求該顆粒最大 擴張區(qū)域的"最大內切圓"，該圓僅包含區(qū)域部分像素點；
第三，顆粒尺度的計算公式為
^，2
廠
式中，i 、 r分別為"顆粒邊界最大擴張區(qū)域"最小外接與最大內切圓的半徑，
r[.]表示模糊邏輯中的任意一類t-范數(shù)算子，從而確定顆粒尺度J的上確界為"顆粒邊界最大擴張區(qū)域"的最小外接圓直徑，即d^2i 。 第六步，顆粒大小分布計算 顆粒大小分布可以采用下式計算-<formula>formula see original document page 8</formula>
式中7y為統(tǒng)計比例系數(shù)， 為第/分區(qū)(/"，2,K，M)、第/類尺度
(7' = 1，2,K，W)的顆粒數(shù)，A為第z'分區(qū)內的iV類顆?？倲?shù)。
本發(fā)明通過上述對顆粒圖像的處理與運算，最終能夠準確地獲取被觀測區(qū)域 內礦石顆粒的分布狀況，因此為工業(yè)過程控制的后續(xù)決策運算提供了直接的顆 粒分布信息依據(jù)。整個計算實現(xiàn)全程自動化，計算時間與現(xiàn)有技術相比明顯縮 短。


圖1為實施例顆粒大小分布示意圖J
圖2為經(jīng)過預處理后的顆粒大小分布示意圖3為經(jīng)過形態(tài)學平滑濾波后的顆粒大小分布效果圖4為提取邊界和區(qū)域判定后的圖像S
圖5為顆粒質心位置示意圖i
圖6為顆粒最大擴張示意圖S
圖7為求取最大擴張區(qū)域的雙圓示意圖，
具體實施例方式
下面結合附圖對本發(fā)明的實施例作詳細說明本實施例在以本發(fā)明技術方案 為前提下進行實施，給出了詳細的實施方式和具體的操作過程，但本發(fā)明的保 護范圍不限于下述的實施例。
實施例中，顆粒大小分布自動檢測方法，包括如下步驟
第一步，圖像預處理
對被測圖像從RGB空間轉換至HSV空間，由此獲得原圖的色度、亮度和飽 和度分量，再對各個分量進行高斯平滑濾波與直方圖均衡。
對如圖1采集到的原圖利用(公式一 三)，將圖像彩色的RGB空間表達轉 換成HSV空間表達。對H、 S、 V分量進行高斯平滑濾波的具體過程如下 設一維高斯函數(shù)為
1
2;r cr
2cr2
(公式六)
其一階導數(shù)為
0) = f
2;rcr
(公式七)
其中，/)(r,o")稱為高斯濾波器。函數(shù)/(0被g("0"")濾波的結果F(r,o")
為:
F(r,crH/(r"/)(T，o") (公式八)
式中*為巻積運算符；r為選定的閾值，O"為高斯函數(shù)的標準方差。高斯 濾波器的平滑作用可以通過(T來控制，即可以通過改變高斯標準方差^T的值來 調整信號的平滑程度，C值越大，平滑的效果越好。
將圖像上每個像素點(","所對應的H、S、V分量，即//(w,v) 、 S(w，v) 、 r(w,v)
分別在T、 CT確定的條件下代入(公式八)，求得經(jīng)過高斯濾波后平滑圖像。
對H、 S、 V分量進行直方圖均衡的過程如下
設/("')和g("力分別表示像素坐標G,力歸一化了的原圖像灰度和經(jīng)直方圖 修正后的圖像灰度，/(/,y)e
、 g(/，y')e
，即代表像素坐標灰度級 從0到255。對于任一個/(/,力值，都可產(chǎn)生出一個g(U)值，且
g(,'，;') = G(/(/J》 (公式九)
式中變換函數(shù)G(.)滿足下列條件- G(.)在0^/(/J)^255內為單調遞增函 數(shù)，并保證灰度級從黑到白的次序不變，且有0^g(/,力^255，即確保映射變換
后的像素灰度在允許的范圍內。
根據(jù)概率理論，當/(/,力和g(/，7)的概率密度分別為P/(/)和A(g)時，隨機
變量g(/, _/)的分布函數(shù)Fg (g)有關系& (g) = H & = Jl尸,(公式十)
利用密度函數(shù)是分布函數(shù)的導數(shù)的關系，等式兩邊對g求導，得
p"g)=*[j;>"/r]=w)f=w)*[g—、)](公式十一)
式中，G-乂g)表示對式(公式九)的逆運算。
由此可見，輸出圖像的概率密度函數(shù)可以通過變換函數(shù)G(.)控制原圖像灰度
級的概率密度函數(shù)得到，因而改善原圖像的灰度層次，這就是直方圖修正技術 的數(shù)學基礎。
令，/(^)和^,_/)的離散函數(shù)分別為^和&，則公式(公式九)的離散化 表示式為
,255^
(公式十二)
式中r(.)為變換函數(shù)，^代表原圖像的灰度級，&代表；經(jīng)直方圖均衡化 后的灰度級，& = 1,2，..丄，丄為當前統(tǒng)計灰度級，￡e
，"為圖像中像素
總數(shù)，W,為第/個灰度級出現(xiàn)的次數(shù)；u為向下取整，即取小于運算結果的最
大整數(shù)。
在實際運算中，可以根據(jù)公式(公式十二)計算圖像中欲均衡區(qū)域各個灰度 級像素點所對應的均衡化后的映射值，并將映射值替代該灰度級像素點均衡化 前的像素值，從而獲得一幅全新的灰度均衡化圖像，進而使圖像獲得明顯的增
如圖2所示，為圖像預處理后的結果。
第二步，彩色圖像形態(tài)學平滑
為了克服因為陰影和反光的影響而造成的圖像，進一步采用HSV彩色空間上 的彩色圖像數(shù)學形態(tài)學濾波方法對圖像進行平滑處理。
彩色圖像數(shù)學形態(tài)學濾波具體運算過程如下
過程一，選取半徑為5個像素的圓形算子作為結構元素5 = 5^,0過程二，采用結構元素對HSV彩色空間的色度圖像在(jc,力點的亮度值 // = //(^，少)進行色調膨脹運算// 5，即
(i/ 5)(x,力=max{//(> — jc乂 一 > ) + 50,0 |(s — x,f _力e Z)fffl(m/Cs， 0 e Aj}
再用S的結構元素進行色調腐蝕運算Z/0S ，即 (//BB)(x,力=min+ &少+ 0 — ^0， f) |0 + f +少)e Dh""c/0， /) e Dfl }
式中的Dh、 Z^分別是H與B的定義域。
過程三，結合膨脹算子和腐蝕算子進行開運算和閉運算，其中， 開操作 // S = Cf/" 5)€)5
閉操作 // B = (// 5) S
重復上述過程二、三繼續(xù)完成亮度分量S和飽和度分量V的數(shù)學形態(tài)學平滑 濾波。
如圖3所示，為彩色圖像形態(tài)學平滑結果。 第三步，顆粒區(qū)域及其質心判定
采用Carmy算法來定位色塊的邊界，對第二步得到的色塊圖進行邊界提取， 以便明確分割區(qū)域的位置。
并采用窗口遍歷法通過公式四對顆粒進行區(qū)域投影，將這些處于顆粒表面具 有邊界點特征而非邊界點的"偽邊界點"予以剔除。
如圖4所示，為對圖像形態(tài)學平滑后提取邊界和區(qū)域判定結果。
質心判定的具體方法如下
鑒于顆粒投影區(qū)域判定運算結果有可能包含多個顆粒，稱之為"顆粒團塊" (即圖中所示"連通域")，故還必須使用二值區(qū)域提取算法，將這些"顆粒團 塊"形成的多連通域進行重新分割，然后按照式(公式十三)進行顆粒質心尋
/"力
(公式十三)
11式中/(x,力為二值化區(qū)域圖像，區(qū)域內的點取值l，區(qū)域外的點取值O;
JC、 y表示區(qū)域的中心坐標值。
如圖5所示，為在此基礎上，對計算點進行過濾以剔除相互之間靠得太近的 計算點，從而獲得顆粒點質心位置的分析結果。 第四步，顆粒的最大擴張
結合平面劃分結果，將其區(qū)域進行最大擴張運算，即按照和某個顆粒點最近 的原則，將整個料面劃分為諸多部分。
以圖5的顆粒點質心位置為例，按照和某個顆粒點最近的原則，將整個料面 劃分為諸多部分。擴張結果如圖6所示，圖中每一個黑點表示顆粒點的質心位 置，黑點周圍的彩色色塊表示圍繞質心點"包羅同屬該質心的最近距離點"的 最大擴張結果。
第五步，雙圓法求取顆粒尺度
如圖7所示，雙圓法執(zhí)行過程如下
過程一，在顆粒最大擴張區(qū)域上，以"三接點"確定圓的方法尋求該顆粒最 大擴張區(qū)域的"最小外接圓"，該圓包含了顆粒最大擴張區(qū)域全部像素點，圓0*
即為當前顆粒最大擴張區(qū)域上的"最小外接圓"，其中的《、 6、 C即為最小外接 圓在該顆粒最大擴張區(qū)域上尋找到的"三接點"；
所述"外接圓"，是指經(jīng)過顆粒最大擴張區(qū)域多邊形某三個角點且圓周不與 任何邊相交的圓，根據(jù)平面幾何定理三點確定一個圓，通過顆粒最大擴張區(qū) 域多邊形任意三個角點的外接圓集合中存在一個最小半徑的外接圓，因為該最 小半徑的外接圓能夠包含對應顆粒最大擴張區(qū)域的全部像素點且所包含的鄰近 顆粒擴張區(qū)域的像素數(shù)達到最少，故稱之為"最小外接圓"；
過程二，在顆粒最大擴張區(qū)域上，以"三切點"確定圓的方法尋求該顆粒最
大擴張區(qū)域的"最大內切圓"，該圓僅包含顆粒最大擴張區(qū)域部分像素點，圓C^
即為當前顆粒最大擴張區(qū)域上的"最大內切圓"，其中的e、 /、 g即為最大內
切圓在該顆粒最大擴張區(qū)域上尋找到的"三切點"；
所述"內切圓"，是指與顆粒最大擴張區(qū)域多邊形某三條邊相切且圓周不與 任何邊相交的圓，根據(jù)平面幾何定理三邊確定一個內切圓，通過顆粒最大擴張區(qū)域多邊形任意三邊的內切圓集合中存在一個最大半徑的內切圓，因為該最 大半徑的內切圓僅包含對應顆粒最大擴張區(qū)域的部分像素點，即不包含任何鄰 近顆粒擴張區(qū)域的像素點，故稱之為"最大內切圓"； 過程三，顆粒尺度的計算公式為
,2
(公式十四)
式中i 、 r分別為"顆粒邊界最大擴張區(qū)域"最小外接與最大內切圓的半
徑，r[.]表示模糊邏輯中的任意一類t-范數(shù)算子，從而確定顆粒尺度d的上確
界為"顆粒邊界最大擴張區(qū)域"的最小外接圓直徑，即d^2i 。
將所獲得的顆粒最小外接圓和最大內切圓的半徑i 和r代入公式(公式十
四)，求取顆粒尺度"。
通過上述計算，可以對顆粒分布區(qū)域進行再一次的過濾，排除一些不合理的
區(qū)域，比如排除一些顆粒半徑過于微小的粉塵間隙區(qū)域、空隙、噪聲干擾或 者邊界毛刺等；同時，過濾過于巨大的"板塊"，類似大塊的遮擋物、檢驗物或 者反光等景象。最后自動完成對所有被檢測顆粒尺度的測算。
第六步，顆粒大小分布計算
利用(公式五)計算顆粒大小分布。
通過上述對顆粒圖像的處理與運算，最終能夠準確地獲取被觀測區(qū)域內礦石 顆粒的分布狀況，因此為工業(yè)過程控制的后續(xù)決策運算提供了直接的顆粒分布 信息依據(jù)。
與現(xiàn)有技術相比，本實施例具有如下有益效果整個計算實現(xiàn)全程自動化， 計算時間短，以1024X768像素圖像為例，整個計算時間<2.6"
權利要求
1、一種顆粒大小分布自動檢測方法，其特征在于，包括以下步驟步驟一，圖像預處理，對被測圖像從RGB空間轉換至HSV空間，由此獲得原圖的色度、亮度和飽和度分量，再對各個分量進行高斯平滑濾波與直方圖均衡，自動提升圖像的亮度、色彩和對比度，避免出現(xiàn)因突變白噪聲而產(chǎn)生偽邊界，使得各分量得到良好的均衡；步驟二，彩色圖像形態(tài)學平滑，進一步采用HSV彩色空間上的彩色圖像濾波方法對圖像進行平滑處理，合并圖像中相關的區(qū)域結構，使顆粒得到有效分離；步驟三，顆粒區(qū)域及其質心判定，定位色塊的邊界，對第二步得到的色塊圖進行邊界提取，邊界提取運算過程完成后，將這些處于顆粒表面具有邊界點特征而非邊界點的偽邊界點予以剔除；步驟四，顆粒的最大擴張，結合平面劃分結果，將其區(qū)域進行最大擴張運算，即按照和某個顆粒點最近的原則，將整個料面劃分為諸多部分；步驟五，雙圓法求取顆粒尺度；步驟六，顆粒大小分布計算。
2、根據(jù)權利要求l所述顆粒大小分布自動檢測方法，其特征是，所述步驟三 中，剔除偽邊界點的方法采用窗口遍歷法設定一個大小可調的窗口，窗口的 大小決定了顆粒的檢測尺度，取大于顆粒間隙而小于最小顆粒尺度的值；用這個窗口掃視整個圖像，對窗口中的邊界點數(shù)進行統(tǒng)計式中/(x,力為Canny算法提取的二值化邊界圖像，邊界點取值1，非邊界 取值0; x、 y表示圖像的橫坐標和縱坐標；s為可調的窗口大小，m、"為遍 歷窗口的中心點，^m，w)為邊界點統(tǒng)計結果；將s(m^)與事先設定的統(tǒng)計閾值進行比較，若窗口內的邊界點總數(shù)小于該閾值，則認為這些被窗口框定的邊界點系偽邊界點，即因顆粒表面的褶皺或陰影 引起的偽邊界，應該予以剔除，同時認為該窗口的中心位置是顆粒本身投影區(qū)域的一部分。
3、 根據(jù)權利要求1所述的顆粒大小分布自動檢測方法，其特征是，所述步 驟五中，所述雙圓法，即對二維圖像所呈現(xiàn)出的顆粒模糊邊界，首先進行各自 的向外擴張，以最大可能復現(xiàn)每個顆粒被粉塵或鄰近顆粒所遮擋部分的邊界； 然后對每個顆粒自動求取雙圓顆粒邊界最大擴張后的最小外接圓和最大內切 圓；最后，利用雙圓半徑自動識別出對應顆粒尺度。
4、 根據(jù)權利要求1所述的顆粒大小分布自動檢測方法，其特征是，所述步 驟五中，所述雙圓法執(zhí)行方法如下第一，在顆粒最大擴張區(qū)域上，以三接點確定圓的方法尋求該顆粒最大擴張區(qū)域的最小外接圓，該圓包含了區(qū)域全部像素點；第二，在顆粒最大擴張區(qū)域上，以三切點確定圓的方法尋求該顆粒最大擴張區(qū)域的最大內切圓，該圓僅包含區(qū)域部分像素點； 第三，顆粒尺度的計算公式為二2式中，及、r分別為顆粒邊界最大擴張區(qū)域最小外接與最大內切圓的半徑，r[.]表示模糊邏輯中的任意一類t-范數(shù)算子，從而確定顆粒尺度"的上確界為顆粒邊界最大擴張區(qū)域的最小外接圓直徑，即JS2及，將所獲得的顆粒最小外接圓和最大內切圓的半徑i 和r代入上式，求取顆粒尺度J。
全文摘要
一種顆粒大小分布自動檢測方法，其特征在于，包括以下步驟步驟一，圖像預處理，對被測圖像從RGB空間轉換至HSV空間，獲取原圖的色度、亮度和飽和度分量，再對各個分量進行高斯平滑濾波與直方圖均衡，自動提升圖像的亮度、色彩和對比度；步驟二，彩色圖像形態(tài)學平滑，為了克服因為陰影和反光的影響而造成的圖像；步驟三，顆粒區(qū)域及其質心判定，邊界提取運算過程完成后，將這些處于顆粒表面具有邊界點特征而非邊界點的“偽邊界點”予以剔除；步驟四，顆粒的最大擴張，將區(qū)域進行最大擴張運算，即按照和某個顆粒點最近的原則，將整個料面劃分為諸多部分；步驟五，雙圓法求取顆粒尺度；步驟六，顆粒大小分布計算。因此為工業(yè)過程控制的后續(xù)決策運算提供了直接的顆粒分布信息依據(jù)。
文檔編號G01N15/02GK101620060SQ200910056329
公開日2010年1月6日 申請日期2009年8月13日 優(yōu)先權日2009年8月13日
發(fā)明者應俊豪, 張秀彬, 焦東升, 錢斐斐 申請人:上海交通大學