一种基于沉积过程的磨粒分割方法与流程

本发明涉及机械系统状态监测技术领域，特别涉及一种基于沉积过程的磨粒分割方法。

背景技术：

由于采用磁场沉积原理，磨粒在铁谱图像中不可避免的产生成链、堆积现象，极大影响了后续磨粒特征分析的准确性，对成链或堆积的磨粒进行分割会产生过分割或者欠分割现象。现在很多基于数学形态学的自动分割方法，主要包括基于边缘检测的分割方法，基于分水岭分割的分割方法，基于分离搜索点算法的分割方法。这些算法难以应用于成链或堆积、形状不规则、边缘粗糙、尺寸分布宽的磨粒分割。

技术实现要素：

为了实现在线可视铁谱磨粒链的分割，本发明提出一种基于沉积过程的磨粒分割方法，包括：

s1、对在线可视铁谱所获得的磨粒沉积过程视频进行分解，获得每个时刻的磨粒链图像；

s2、将获得的每个时刻的磨粒链沉积图像中的磨粒链分割出来，得到磨粒链图块；

s3、利用最近邻域法对相邻两个时刻的磨粒链图块进行匹配，找出同一条磨粒链磨粒的沉积变化过程；

s4、根据磨粒沉积链的长度变化来去除冗余的磨粒图块；

s5、对相邻的两个时刻的磨粒链图块进行匹配，并划分出新沉积的磨粒；

s6、对新沉积的磨粒运用距离变换生成标记，运用标记分水岭进行分割，获得磨粒的分割图像。

进一步的，磨粒链图块的获取过程包括：对获取的每张磨粒沉积图片进行滤波，去除无关的噪点；再进行灰度化，转换为二值图像，运用边缘检测来检测磨粒边缘，找到轮廓的外包矩形，提取外包矩形包含的磨粒链区域，并保存外包矩形的坐标和几何信息，其中几何信息为外包矩形的长以及外包矩形的高。

进一步的，所述利用最近邻域法对磨粒每个时刻的磨粒链图块进行匹配包括在第t+1时刻的磨粒链沉积图像里寻找与第t时刻磨粒链沉积图像中第k条磨粒链距离最短的一条磨粒链，两条磨粒链之间的距离表示为：

dk′，t+1＝|xk,t-xk′,t+1|+|yk,t-yk′,t+1|；

其中，dk′，t+1表示第t时刻磨粒链沉积图像中第k条磨粒链(k,t)与第t+1时刻磨粒链沉积图像中的第k′条磨粒链之间的距离；(xk,t,yk,t)为第t时刻磨粒链沉积图像中第k条磨粒链的顶点坐标；(yk′,t+1,yk′,t+1)为第t+1时刻磨粒链沉积图像中的第k′条磨粒链的顶点坐标。

进一步的，所述根据磨粒沉积链的长度变化来去除冗余的磨粒图块包括：将新增磨粒的大小作为磨粒沉积链的长度变化，当同一磨粒链在相邻的两个时刻长度没有变化或者变化很小时，即|wt+1-wt|<p；则视为没有新的磨粒沉积到磨粒链；其中，wt表示第t时刻的磨粒链图块的长度，p为磨粒链变化阈值。

进一步的，所述对相邻的两个时刻的磨粒链图块进行匹配包括：平移磨粒链，当两个磨粒链的像素之差最小时，匹配成功，则两个磨粒链的像素之差表示为：

其中，表示第t时刻中磨粒链图块中第xt列的像素值之和，表示表示第t时刻中磨粒链图块中第xt+1列的像素值之和，wt表示第t时刻的磨粒链图块的长度；s表示磨粒链平移的距离。

进一步的，进行分水岭分割的过程包括：

s61、将在线可视铁谱所获得的磨粒沉积过程视频最后一帧的图像的内容作为分水岭标记的基础图像；

s62、对待标记的磨粒链图像进行均值滤波，去除无关噪声，灰度化以后使用自适应阈值大津法对磨粒链图片二值化；

s63、对二值化图像进行形态学开操作，获取磨粒链图像的背景区域；

s64、对新增磨粒的区域分别使用距离变换，形成分水岭标记点，将所有标记点和基础图像进行分水岭分割，得到磨粒链的分割图像。

本发明具有以下有益效果：

1.实现了在线铁谱图像的磨粒链自动分割，为磨粒的特征提取提供了基础；

2.解决了磨粒链的过分割和欠分割问题，提高了分割精度；

3.所提出的基于沉积过程的磨粒分割最大限度的发挥了在线铁谱图像技术的资源和优势。

附图说明

图1是本发明一种基于沉积过程的磨粒链图像分割方法的流程图；

图2是本发明磨粒链通过边缘检测得到的外包矩形；

图3是本发明图2中第3条磨粒链的其中一个图块的坐标信息和图块的几何信息示意图；

图4是本发明图2中第3条磨粒链的沉积过程示意图；

图5是本发明将相邻两帧图片做每列像素值之和的差值的示意图；

图6是本发明分水岭标记的示意图；

图7是本发明进行标记分水岭分割的最终结果。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明提出一种基于沉积过程的磨粒分割方法，具体包括以下步骤：

s1、对在线可视铁谱所获得的磨粒沉积过程视频进行分解，获得每个时刻的磨粒链图像；

s2、将获得的每个时刻的磨粒链沉积图像中的磨粒链分割出来，得到磨粒链图块；

s3、利用最近领域法对磨粒每个时刻的磨粒链图块进行匹配，获得磨粒链的沉积变化过程；

s4、根据磨粒沉积链的长度变化来去除冗余的磨粒图块；

s5、对磨粒链图块采取每一列像素值分别相加，对相邻时刻的磨粒链图块的像素值之和相减，匹配相邻磨粒链图块相同部分，不同部分即为新沉积的磨粒；

s6、对新沉积的磨粒运用距离变换生成标记，运用标记分水岭进行分割，获得磨粒的分割图像。

如图1，本发明主要包括三个部分：视频处理、图像处理以及分水岭分割下面对这三部分进行详细的分析：

(1)视频处理

1.1)视频分解

在本实施例中，磨粒沉积过程视频分解是将在线可视铁谱(olvf)所获取的该时段的磨粒沉积信息分解成一帧一帧的图片，每一帧的不同磨粒链包含不同的磨粒信息，通过相邻帧数的磨粒链图片对比，可以得到新沉积的磨粒与磨粒链的位置关系和磨粒的几何信息；由于磨粒沉积速度较慢，为了提高磨粒链图像分割算法的运算速率，可以采取相隔10帧或者20帧来保存一张磨粒沉积图片，本发明采用每隔20帧保存一次，这样也不会丢失磨粒沉积的信息，保证了磨粒链的沉积过程完整性。

对获取的每张磨粒沉积图片进行滤波，去除无关的噪点；再进行灰度化，转换为二值图像，运用边缘检测来检测磨粒边缘，找到轮廓的外包矩形，提取外包矩形包含的磨粒链区域，并保存外包矩形的坐标(x,y)和几何信息(w,h)，其中，如图3，x为二维坐标系的横坐标，y为二维坐标系的纵坐标；几何信息为外包矩形的长以及外包矩形的高，其中图2为磨粒链图像，一张磨粒链图像中可能包括多个磨粒链图块，图2中的1～8外包矩形的部分为磨粒链图块。

如图2，分别将每帧图片里的磨粒链进行边缘检测，通过边缘信息画出轮廓的外包矩形(图中方框)，本次说明选择的是图片左上顶点。为了简化仅给出了视频中某一帧磨粒链的分割过程进行说明，其余帧数的图片同理。

1.2)磨粒链匹配

磨粒链图像中包括多个磨粒链图块，需要将每一个磨粒链图块的变化过程提取出来，如何判断两帧图片中两个磨粒链图块是同一条磨粒链即为磨粒链的匹配过程。

采用最近邻域法对不同时刻的若干磨粒图块匹配，获得同一磨粒链的沉积变化过程，这一过程包括利用最近邻域法对磨粒每个时刻的磨粒链图块进行匹配包括在第t+1时刻的磨粒链沉积图像里寻找与第t时刻磨粒链沉积图像中第k条磨粒链距离最短的一条磨粒链，假设这条距离最短的磨粒链是第t+1时刻的磨粒链沉积图像里的第k'条，则两条磨粒链之间的距离表示为：

dk′，t+1＝|xk,t-xk′,t+1|+|yk,t-yk′,t+1|；

其中，dk′，t+1表示第t时刻磨粒链沉积图像中第k条磨粒链(k,t)与第t+1时刻磨粒链沉积图像中的第k′条磨粒链之间的距离；(xk,t,yk,t)为第t时刻磨粒链沉积图像中第k条磨粒链的顶点坐标；(yk′,t+1,yk′,t+1)为第t+1时刻磨粒链沉积图像中的第k′条磨粒链的顶点坐标。

(2)图像处理

图像处理的过程如图4，把每一帧的磨粒链提取出来后，进行灰度化，通过磨粒链外包矩形的几何信息(w，h)，由相邻两帧磨粒链的长度是否变化来判断是否有新增磨粒，然后得到某一条磨粒链的沉积变化过程。视频识别结果一共为8条磨粒链，分别对每条磨粒链进行磨粒链去除冗余操作，为了简化仅对图2中第3条磨粒链的沉积过程进行说明。

2.1)去除冗余

根据同一磨粒沉积链的尺寸变化来去除冗余的磨粒图块，磨粒链外包矩形的几何信息(w,h)，磨粒链的长度变化为新增磨粒的大小，当相邻两帧的同一磨粒链长度w没有变化或者变化很小时，则视为没有新的磨粒沉积到磨粒链，即：|wt+1-wt|<p；

其中，wt表示第t时刻的磨粒链图块的长度，p为磨粒链变化阈值。

当满足上式时，去除wt+1的磨粒链图块，只保留有新的磨粒沉积的磨粒链，此操作可以提高算法的运行速度。

2.2)灰度化

将提取出来的去除冗余的匹配的磨粒链图块均值滤波去除噪点，然后进行灰度化，保留了磨粒链图块像素值的完整性。灰度化的磨粒链图片的像素点(x,y)的数值范围为[0,255]。

2.3)新增磨粒

磨粒的沉淀过程如图4，相邻两个磨粒链中有新的磨粒沉积分为三种情况：从磨粒链前端新增磨粒；从磨粒链后端新增磨粒；从磨粒链前后端同时新增磨粒，例如图4中从上往下的第二条磨粒链是在第一条磨粒链的基础上从磨粒链前后端同时新增磨粒，第三条磨粒链是在第二条磨粒链的后端新增磨粒，第五磨粒链是在第四条磨粒链的前端新增磨粒。

将相邻两帧图片中的同一磨粒链做每列像素值之和的差值，匹配出两条磨粒链相同部分，找出新增磨粒区域，图5为一个从磨粒链前端新增磨粒的例子，第t时刻磨粒链的长度为wt，中间对齐的部分为相同部分即wt，两端为新沉积的磨粒，第t+1时刻磨粒链的长度为wt+1，前端新沉积的磨粒长短在图中标记为s，第t时刻磨粒链的长度为wt平移距离s后可以得到两个两个磨粒链的像素之差的最小值。

因此需要获得新增磨粒的沉积位置和磨粒大小，通过前一帧磨粒链与后一帧磨粒链相匹配出相同磨粒链区域，则剩下磨粒链区域为新增磨粒。

灰度化的磨粒链图片的像素点(x,y)的数值范围为[0,255]，对每一列进行水平方向投影，即将每一列的像素点的像素值之和相加，前一帧磨粒链图块长宽为(wt,ht)，为点(xt,yt)的素值，表示第xt列的像素值之和，表示为：

后一帧磨粒链图块几何特征为(wt+1,ht+1)，为点(xt+1,yt+1)的素值，表示第xt+1列的像素值之和，表示为：

逐个像素平移磨粒链，并计算两个磨粒链做像素值之差，当像素值之差最小时，判断为两个磨粒链的相同部分，两个磨粒链图块之间的差表示为：

其中，表示第t时刻中磨粒链图块中第xt列的像素值之和，表示表示第t时刻中磨粒链图块中第xt+1列的像素值之和，wt表示第t时刻的磨粒链图块的长度；s表示磨粒链平移的距离，当两个磨粒链做像素值之差为最小时，此时的s为磨粒链前端沉积的磨粒的长度。

2.4)进行距离变换

距离变换是分水岭算法中的惯用技术手段，此处不再赘述。

(3)分水岭分割

3.1)完整磨粒链

因为在线可视铁谱所获得的磨粒沉积过程视频最后一帧的图像包括所有磨粒信息，所以将在线可视铁谱所获得的磨粒沉积过程视频最后一帧的图像的内容作为分水岭标记的基础图像，即完整磨粒链的图像。

3.2)分水岭标记

在分割前，需要对图像中的前景对象和背景对象进行标注区别，即分水岭标注，以保证分水岭分割法，该标注过程包括对磨粒链的图像进行初步处理，将磨粒链的图像进行均值滤波，去除无关噪声，灰度化以后使用自适应阈值大津法(otsu)对磨粒链图片二值化；对二值化图像进行形态学开操作，可以得到大部分的前景区域。使用距离变换，形成分水岭标记点，本实施例得到的分水岭标记如图6。

3.3)分割结果

将所有标记点和基础图像进行分水岭分割，得到磨粒链的分割图像；本实施例得到最终分割图像如图7，通过本发明可以得到磨粒链上每个磨粒的轮廓。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。