专利名称：水中絮体影像分形模式识别方法
技术领域：
本发明属于环境保护领域，涉及一种水处理检测方法。
背景技术：
水处理生产过程中，絮凝过程的完善程度直接影响着后续处理如沉淀、过滤等工艺单元的处理效果。由于水中絮体结构具有复杂、易碎和不规则的特性，因而对絮凝过程的研究一直缺乏适用的方法。絮凝形态学是研究絮凝过程中溶液中胶粒和絮凝剂的形态特征及对絮凝过程与絮凝效果影响规律的一门新的絮凝学理论分支。它认为在胶体溶液中，胶体颗粒和絮凝剂有着多种多样的形态特征，而这些形态因素是决定絮凝过程和絮凝效果的重要因素。目前水中絮体形态的测定多采用影像法，即通过图像采集设备采集一定视场面积内多个絮体的静止影像结构，运用计算机图像处理软件分析拍摄的絮体图像，测得絮体的各种形态特征参数。为了将絮体从所获得的絮凝图像区域中分离出来，通常采用人工经验或迭代式阀值图像分割方法，该方法无法对复杂的相互粘连或孔隙较多的松散絮体进行准确自动识别，且受环境光源条件影响较大，因而导致提取的絮体形态特征与真实值相差较远，计算所获得的分形维数可信度很低，致使试验数据规律模糊，试验结果千差万别，给研究工作带来很大困难。
发明内容
为了解决常规絮体形态测定方法无法准确识别絮凝图像区中的絮体、计算所获得的分形维数可信度低的问题，本发明提供一种水中絮体影像分形模式识别方法，它具有准确度高、能最大限度地保持原图像的重要特征、抗干扰能力强等优点，将其应用在水处理絮凝研究工作中，可促进絮凝投药工艺的优化控制，具有很高的社会与经济效益。本发明的方法通过以下步骤实现(1)取采集到的絮凝图像；(2)将采集到的絮凝图像转换为256级絮凝灰度图象；(3)对絮凝灰度图象进行尺寸标定，得到絮凝灰度图象上单个象素点相当实际物理尺寸的X轴标尺和Y轴标尺；(4)取絮凝灰度图像的平均灰度值μ；(5)取絮凝灰度图像的灰度最大值μmax；(6)取絮凝灰度图像的灰度最小值μmin；(7)定义絮凝灰度图像的阀值Tk＝μmin+k，循环变量k＝0～U，U＝μmax-μmin；(8)令上述循环变量k＝0，并执行下一步；(9)用阀值Tk＝μmin+k把絮凝灰度图像分割成两组R1和R2，其中R1为灰度值大于阀值Tk的像素点区域，R2为灰度值小于等于阀值Tk的像素点区域；并且分别取区域R1和R2的灰度均值μ1和μ2；(10)以区域R1所含像素点数Wi对整幅絮凝灰度图像所含像素点数W的百分比作为区域R1分布概率F1，公式为F1＝(W1/W)×100；(11)以区域R2所含像素点数W2对整幅絮凝灰度图像所含像素点数W的百分比作为区域R2分布概率F2，公式为F2＝(W2/W)×100；(12)计算区域偏差值Pk，公式为Pk＝F1×(μ1-μ)2+F2×(μ2-μ)2；(13)令循环变量k加1，并执行下一步；(14)判断k是否大于U，若k不大于U，则返回到第9步骤的开始处；若k大于U，则执行下一步；(15)比较区域偏差值P0、P1、...、Pk、...、PU，取区域偏差最大值对应的阀值作为絮体区域分割阀值T；(16)用絮体分割阀值T把絮凝灰度图像分割成两组RT1和RT2，其中RT1为灰度值大于阀值T的像素点区域，RT2为灰度值小于等于阀值T的像素点区域；(17)取区域RT1和RT2的灰度标准偏差值B1和B2进行比较，将灰度标准偏差值B较大的区域作为絮体区域，并且对絮体区域内的颗粒从1到n进行编号，其中n为絮体区域内的颗粒总数；(18)取絮体区域内每个颗粒投影面积Ai的自然对数值lnAi，其中i＝1至n；(19)取絮体区域内每个颗粒长轴Li的自然对数值lnLi；(20)令上述絮体区域内的n个颗粒为被测对象，并执行下一步；(21)根据lnAi和lnLi的直线关系用最小二乘法进行拟和求得直线方程为lnA＝DflnL+E，lnA、lnL为直线方程的y变量和x变量，同时取得直线方程的相关系数值R2，E为直线的截距，Df为直线斜率；(22)取相关系数值R2进行比较；(23)判断R2是否大于等于0.9；(24)如果相关系数值R2小于0.9，则计算絮体区域内每个颗粒的长轴偏差ΔLi，公式为ΔLi＝[(lnAi-E)/Df-lnLi]2，去除长轴偏差ΔLi最大的颗粒，并将剩余的颗粒作为被测对象，然后返回到第21步骤的开始处；(25)如果相关系数值R2大于等于0.9，则此时剩下的颗粒即为最终从絮凝灰度图象中分离出来的絮体。
在分形理论中，表征自相似性结构的重要参数是分形维数，它是对自相似性结构复杂性的一种量度。分形维数是一种标度独立的参数，与仪器的分辨率或取样标度无关，它可以通过某一标度下的测量来表征二维图像在所有标度下的特性。大量实验发现水中絮体具有明显的分形特征，即在同一幅絮凝灰度图象中的絮体影像之间都具有统一的相似特征，因此凡是在此相似特征范围以内的的颗粒影像就可以判定为是絮体影像，在此范围之外的则可以排除。本发明创造性地根据区域灰度标准偏差值B来判断絮体区域(这样不论采集到的是透射光或落射光絮凝图像，对其中的絮体区域都可以自动分析识别，无需人工进行选择。)，并利用表征絮凝灰度图象中絮体影像之间相似分形特征的相关系数值R2作为筛选絮体颗粒影像的量化指标，解决了常规絮体形态测定方法无法准确识别絮凝图像区中的絮体影像、计算所获得的分形维数可信度低的问题，将其应用在水处理絮凝研究工作中，可以为该领域理论研究提供全新的观念、手段，对环境保护和人民卫生健康作出贡献。
图1是水中絮体影像分形模式识别方法的流程示意图。
具体实施例方式
具体实施方式
一如图1所示，本实施方式按照如下步骤进行水中絮体影像分形模式识别(1)取采集到的絮凝图像；(2)将采集到的絮凝图像转换为256级絮凝灰度图象；(3)对絮凝灰度图象进行尺寸标定，得到絮凝灰度图象上单个象素点相当实际物理尺寸的X轴标尺(微米/像素)和Y轴标尺(微米/像素)；(4)取絮凝灰度图像的平均灰度值μ；(5)取絮凝灰度图像的灰度最大值μmax；(6)取絮凝灰度图像的灰度最小值μmin；(7)定义絮凝灰度图像的阀值Tk＝μmin+k，循环变量k＝0～U，U＝μmax-μmin；(8)令上述循环变量k＝0，并执行下一步；(9)用阀值Tk＝μmin+k把絮凝灰度图像分割成两组R1和R2，其中R1灰度值大于阀值Tk的像素点区域，R2灰度值小于等于阀值Tk的像素点区域；并且分别取区域R1和R2的灰度均值μ1和μ2；(10)以区域R1所含像素点数W1对整幅絮凝灰度图像所含像素点数W的百分比作为区域R1分布概率F1，公式为F1＝(W1/W)×100；(11)以区域R2所含像素点数W2对整幅絮凝灰度图像所含像素点数W的百分比作为区域R2分布概率F2，公式为F2＝(W2/W)×100；(12)计算区域偏差值Pi，公式为Pi＝F1×(μ1-μ)2+F2×(μ2-μ)2，i＝0至U，U＝μmax-μmin；(13)令循环变量k加1，并执行下一步；(14)判断k是否大于U，若k不大于U，则返回到第9步骤的开始处；若k大于U，则执行下一步；(15)比较区域偏差值P0、P1、...、Pk、...、PU，取区域偏差最大值对应的阀值作为絮体区域分割阀值T；(16)用絮体分割阀值T把絮凝灰度图像分割成两组RT1(灰度值大于阀值T的像素点区域)和RT2(灰度值小于等于阀值T的像素点区域)；(17)取区域RT1和RT2的灰度标准偏差值B1和B2进行比较，将灰度标准偏差值B较大的区域作为絮体区域，并且对絮体区域内的颗粒从1到n进行编号，其中n为絮体区域内的颗粒总数；(18)取絮体区域内每个颗粒投影面积Ai的自然对数值lnAi，其中i＝1至n；(19)取絮体区域内每个颗粒长轴Li的自然对数值lnLi；(20)令上述絮体区域内的n个颗粒为被测对象，并执行下一步；(21)根据lnAi和lnLi的直线关系用最小二乘法进行拟和求得直线方程为lnA＝DflnL+E，lnA、lnL为直线方程的y变量和x变量，同时取得直线方程的相关系数值R2，E为直线的截距，Df为直线斜率；(22)取相关系数值R2进行比较；(23)判断R2是否大于等于0.9；(24)如果相关系数值R2小于0.9，则计算絮体区域内每个颗粒的长轴偏差ΔLi，公式为ΔLi＝[(lnAi-E)/Df-lnLi]2，去除长轴偏差ΔLi最大的颗粒，并将剩余的颗粒作为被测对象，返回到第21步骤的开始处；(25)如果相关系数值R2大于等于0.9，则此时剩下的颗粒即为最终从絮凝灰度图象中分离出来的絮体。
本实施方式可以选用多种摄像设备进行絮凝图像的采集，如采用美国DVT公司的Legend 500系列传感器，根据采集时照明方式的不同，采集到的絮凝图像既可以是透射光图像，也可以是落射光图像。
本实施方式区域灰度标准偏差值B的计算方法示例如下a、取区域灰度平均值μb；b、取区域内每个象素点的灰度值μx，其中x＝1到Q，Q为区域内的像素点总数；c、计算灰度标准偏差值B，公式为B=Σx=1Q(μx-μb)2Q-1.]]>
权利要求
1.水中絮体影像分形模式识别方法，其特征在于所述方法是通过以下步骤实现的(1)取采集到的絮凝图像；(2)将采集到的絮凝图像转换为256级絮凝灰度图象；(3)对絮凝灰度图象进行尺寸标定，得到絮凝灰度图象上单个象素点相当实际物理尺寸的X轴标尺和Y轴标尺；(4)取絮凝灰度图像的平均灰度值μ；(5)取絮凝灰度图像的灰度最大值μmax；(6)取絮凝灰度图像的灰度最小值μmin；(7)定义絮凝灰度图像的阀值Tk＝μmin+k，循环变量k＝0～U，U＝μmax-μmin；(8)令上述循环变量k＝0，并执行下一步；(9)用阀值Tk＝μmin+k把絮凝灰度图像分割成两组R1和R2，其中R1为灰度值大于阀值Tk的像素点区域，R2为灰度值小于等于阀值Tk的像素点区域；并且分别取区域R1和R2的灰度均值μ1和μ2；(10)以区域R1所含像素点数W1对整幅絮凝灰度图像所含像素点数W的百分比作为区域R1分布概率F1，公式为F1＝(W1/W)×100；(11)以区域R2所含像素点数W2对整幅絮凝灰度图像所含像素点数W的百分比作为区域R2分布概率F2，公式为F2＝(W2/W)×100；(12)计算区域偏差值Pk，公式为Pk＝F1×(μ1-μ)2+F2×(μ2-μ)2；(13)令循环变量k加1，并执行下一步；(14)判断k是否大于U，若k不大于U，则返回到第9步骤的开始处；若k大于U，则执行下一步；(15)比较区域偏差值P0、P1、…、Pk、…、PU，取区域偏差最大值对应的阀值作为絮体区域分割阀值T；(16)用絮体分割阀值T把絮凝灰度图像分割成两组RT1和RT2，其中RT1为灰度值大于阀值T的像素点区域，RT2为灰度值小于等于阀值T的像素点区域；(17)取区域RT1和RT2的灰度标准偏差值B1和B2进行比较，将灰度标准偏差值B较大的区域作为絮体区域，并且对絮体区域内的颗粒从1到n进行编号，其中n为絮体区域内的颗粒总数；(18)取絮体区域内每个颗粒投影面积Ai的自然对数值lnAi，其中i＝1至n；(19)取絮体区域内每个颗粒长轴Li的自然对数值lnLi；(20)令上述絮体区域内的n个颗粒为被测对象，并执行下一步；(21)根据被测对象的lnAi和lnLi的直线关系用最小二乘法进行拟和求得直线方程为lnA＝DflnL+E，lnA、lnL为直线方程的y变量和x变量，同时取得直线方程的相关系数值R2，E为直线的截距，Df为直线斜率；(22)取相关系数值R2进行比较；(23)判断R2是否大于等于0.9；(24)如果相关系数值R2小于0.9，则计算被测对象中每个颗粒的长轴偏差ΔLi，公式为ΔLi＝[(1nAi-E)/Df-lnLi]2，去除长轴偏差ΔLi最大的颗粒，并将剩余的颗粒作为被测对象，然后返回到第21步骤的开始处；(25)如果相关系数值R2大于等于0.9，则此时剩下的颗粒即为最终从絮凝灰度图象中分离出来的絮体。
2.根据权利要求1所述的水中絮体影像分形模式识别方法，其特征在于区域灰度标准偏差值B的计算方法如下a、取区域灰度平均值μb；b、取区域内每个象素点的灰度值μx，其中x＝1到Q，Q为区域内的像素点总数；c、计算灰度标准偏差值B，公式为B=Σx=1Q(μx-μb)2Q-1·]]>
全文摘要
水中絮体影像分形模式识别方法，它涉及一种水处理检测方法。为了解决常规絮体形态测定方法无法准确识别絮凝图像中的絮体影像、计算所获得的分形维数可信度低的问题。本发明的步骤是利用区域偏差值P来选择絮体区域分割阀值T，根据区域灰度标准偏差值B来自动判断絮体区域，最终采用相关系数值R
文档编号C02F1/52GK1834993SQ20061000987
公开日2006年9月20日 申请日期2006年3月29日 优先权日2006年3月29日
发明者南军 申请人:哈尔滨工业大学