空气中悬浮石棉纤维自动识别计数算法研究|无石棉纤维水泥板

　　摘要:应本文旨在将计算机图像处理和识别的技术引入到空气中悬浮石棉纤维的检测当中,提出了对空气样本图像进行预处理,然后对其中的石棉纤维自动识别并计数的一系列算法。为环境中石棉纤维现场检测起到了预言作用。
　　关键词:石棉纤维 纤维检测 自动计数
　　中图分类号:文献标识码:A文章编号:1007-9416(2010)05-0000-00
　　
　　0 引言
　　随着人们环保意识和对自身健康关注的逐步提高,对于空气中悬浮的石棉纤维进行快速、实时的检测就显得越来越重要。当前,世界各国对于石棉纤维的检测主要采用矿物学和物理相结合的方法,取样后在实验室中完成。石棉纤维的现场检测技术是一个正在解决的难题,有必要将图像处理和识别的技术引入到空气中悬浮石棉纤维的检测当中,提高检测的现场性、实时性和精确度。
　　
　　1 含石棉纤维空气图像的预处理
　　空气样本的采集通过微型空气泵抽取检测环境的空气,导入特殊设计、置于偏光显微镜下直径大约为5mm的玻璃管道,利用高分辨率CCD图像采集设备进行连续采集,并实时传至电子计算机。
　　1.1图像增强
　　目的在于改善图像的视觉效果,满足特殊分析的需求。采用基于小波变换的灰度直方图均衡化算法对采集到的空气样本图像进行增强[1]。算法流程为:
　　(1) 对源图像做小波分解,得出LL、LH、HL和HH四个子频带的小波系数。(2) 再在低频带LL做直方图均衡处理。(3) 再将均衡化的子带与HL,LH,删进行重构,得到小波重构后的图像。(4) 对小波重构后的图像进行直方图均衡化处理,从而得出小波变换均衡化的图像结果。
　　应用此算法可以使增强后的图像亮度均匀,视觉效果较好,大幅增加了图像的灰度范围。
　　1.2二值化
　　图像二值化处理就是将图像上的像素点的灰度值设为0或255,将整个图像呈现出明显的黑白效果。旨在从图像的直方图中找到阈值,将图像分两个区域,每个区域有着相似的灰度值。采用Otsu方法进行图像的二值化,求取图像最佳阈值g的公式为式(1):(1)
　　该式右边括号内实际上就是类间方差值,阈值g分割出的目标和背景两部分构成了图像,而目标取值μ0(t),概率为ω0(t) ,背景取值μ1(t) ,概率为ω1(t), μ则代表整幅图像的中心灰度,要使目标和背景得到分割,当然希望分割出的目标尽量远离图像中心,即:(μ0(t)- μ)2尽量大,背景也尽量远离中心,即:(μ1(t)- μ)2尽量大。由于希望两者都大,于是有:
　　(1) 两者之加权和最大:(2)
　　(2) 两者之积最大: (3)
　　1.3 混合滤波
　　(1) 脉冲噪声消除
　　采用改进的中值滤波的方法对图像中的脉冲噪声进行消除。中值滤波基于排序统计理论,它将将滤波窗口内图像中每一个像素点的灰度值设置为该点某邻域内的全部像素点的灰度值的中值。
　　设图像中某一噪声像素点为Pm,n,以点Pm,n为中心,将滤波窗口中全部有用像素点的灰度值构成一个集合Pm,n。
　　(5)
　　由小到大依次排列集合Pm,n中的灰度值,从而构建出新的灰度值集合Qm,n。搜索到集合Qm,n中的灰度值中值Mm,n。因为Pm,n中排除了噪声像素点的灰度值,减小了脉冲噪声噪对滤波结果的干扰,从而在窗口中噪声像素点的数量大于总像素点的半数的情况下也能起到消噪的效果。
　　(2) 高斯噪声消除
　　高斯噪声N(i,j)分布的数学模型如式(5.21):(6)
　　对中值滤波的自适应阈值 合理估计后,选择跟图像中任一像素点p距离最近的像素点取平均值,作为3×3的模板的滤波输出。即:(7)
　　1.4 边缘检测
　　图像边缘检测是利用某些特定的方法查找出图像的边缘。本文采用Canny边缘检测算子来提取样本图像的边缘。步骤为:
　　(1) 对需要边缘检测的图像首先使用高斯滤波器对其进行平滑处理,抑制高斯噪声,输出较为平滑的图像。高斯滤波器函数表达式为式(5.26):
　　 (2) 高斯滤波平滑图像后,计算图像中所有像素点的梯度幅值M(i,j)和方向θ(i,j)。使用2×2的模板P和Q对x、y两个方向求其一阶偏导数近似:
　　(3) 抑制图像所有的像素的梯度幅值非极大值。采用非极大值抑制的方法确定目标中(i,j)像素点的边缘点。计算图像中的像素(i,j)处邻域内的梯度幅值,邻域内的梯度幅值如果是梯度方向上非最大值点则该点不是图像边缘,反之则是图像边缘。
　　(4) 检测和连接边缘。采用双阈值算法,对步骤(3)中非极大值抑制幅值完成阈值化操作,生成图像边缘矩阵。高阈值Th通过求图像中限速的梯度幅值M(i,j)的累积直方图来实现,低阈值Tl=0.5×Th。
　　1.5 膨胀运算
　　经过边缘检测之后,得到样本图像中石棉纤维的轮廓。此时图像中石棉纤维的轮廓上仍然存在很多杂质,外轮廓并不清晰。通过对图像进行膨胀运算,以便于最后外围轮廓的定位[6]。
　　膨胀是数学形态学的一种运算,设图像为X,结构元素为S,膨胀的定义为:
　　经过梯度增强并二值化操作后的图像中的黑像素即为在水平或垂直方向上的颜色变化剧烈点,也就是可能包含石棉纤维的点。通过分析发现这些点有些是连通的,为获得石棉纤维位置就必须对黑像素进行膨胀,以尽量使石棉纤维轮廓上的黑像素连通在一起形成连通域。使用位于原点右下角的m×n矩形为膨胀结构元素。具体做法是对上面生成图像中的每个像素进行遍历,只要该像素为黑像素则将新图像相应点右下方m×n 矩形区域内的像素均置为黑像素。经过上述膨胀变换后,可以获得一些比较明显的黑色连通区域,即颜色变化剧烈区域,这样就得到了包含石棉纤维在内的很多连通域。
　　
　　2 特征值提取
　　空气中的石棉纤维通常呈线形,而且我们只计数长径比大于3:1的石棉纤维。同时,所以我们依据石棉纤维的这些实际属性对所得包围盒逐一进行排除,最终找到含有需要检测的石棉纤维的包围盒,从而确定其所在位置。具体算法如下:
　　(1) 对所得的图像信息求取连通域,并进一步求取包围盒。
　　遍历所有像素,若当前像素为白像素,且本行上一个像素和本列上一个像素中至少有一个为白像素,将其合并在白像素所在连通域。在此过程中,记录该连通域的最低点、最高点、最左边点和最右边点信息,并存储这些信息作为包围盒的值。
　　(2) 按照以下两个判定原则选取合理包围盒:具有石棉纤维长径比的;具有比石棉纤维长径比大的。对所有包围盒进行判定,若满足上述两个条件之一,则保留该包围盒;否则舍去。
　　(3) 对(2)所得的包围盒逐一进行白像素密度计算,然后判定是合理包围盒还是复合包围盒,对于这两种情况分别设定一定的密度范围,以进一步排除非石棉纤维包围盒。
　　(4) 对这些按照上述原则确定为合理的包围盒按其相互之间的位置进行比较。
　　(5) 对所得到的全部包围盒位置图像保留,其余位置的图像像素全部设置为黑色。
　　按照以上步骤可以得到比较清晰的合理包围盒。也就把空气中其他悬浮颗粒和不合计数规格的纤维剔除出去了。
　　
　　3 纤维计数
　　经过以上一系列的处理后,背景由黑色像素点构成,而白色像素点形成石棉纤维的形状。为了统计出石棉纤维的根数数,需要对图像进行标号处理。采用八邻域搜索方法。步骤如下:
　　(1) 初始化变量:标号M为0,列表L为空,像素 (x,y)的标号为p(x,y)为0。
　　(2) 将图像按照从左到右,从上到下的顺序搜索,直到扫描到最后一个像素点为止。
　　如果当前像素(x,y)为白色,并且p(x,y)为0,把P值加1,将新的P值赋给p(x,y),并将其八个邻域紧邻像素点的位置存储于列表L中,并跳转到步骤(3);否则(像素为黑色,或像素为白色但p(x,y)不等于0的情况),跳转到步骤(2)继续扫描下一个像素点。
　　(3) 从列表L中取出一个像素点,并从L中删除。该像素若为白色且p(x,y)=0,将其标记赋值为K,并将其八个邻域的紧邻像素点添加到L中;否则,忽略。重复步骤(3)直到列表为空为止,程序跳转到(2)继续。
　　(4) 最后输出连通的区域数目为P。
　　
　　4 结语
　　空气中悬浮石棉纤维对人类的生存的危害近年来引起了一些发达国家的特别重视。为将图像处理和识别的技术引入到空气中石棉纤维的检测当中,本文根据石棉纤维在空气中的悬浮特性,研究了在含石棉空气样本现场采集基础上对图像中石棉纤维自动识别并计数的一系列算法。起到了对空气中石棉纤维自动识别处理的预言作用,为后续的进一步研究奠定了基础。
　　
　　参考文献
　　[1] 刘锦辉.图像增强方法的研究以及应用[D].长沙:湖南师范大学,2009.
　　[2] Otsu N A. Threshold selection method from grey-level histograms[J]. IEEE Tans Syst,Man, Cybern,1979(80):62-66.
本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文