李曉平， 陳樹(shù)仁，， 崔 琳， 萬(wàn) 捷

(1.中國(guó)石油大學(xué)(北京)油氣管道輸送安全國(guó)家工程實(shí)驗(yàn)室/城市油氣輸配技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室，北京102249;2.河北石油職業(yè)技術(shù)學(xué)院，河北 廊坊065000;3.新疆石油勘察設(shè)計(jì)研究院，新疆烏魯木齊830026)

0 引言

乳狀液廣泛存在于石油工業(yè)的各個(gè)環(huán)節(jié)中，目前世界上開(kāi)采的原油絕大多數(shù)為油包水乳狀液形式［1］。其中，乳狀液液滴粒徑的大小對(duì)研究攪拌槽中的剪切率以及W/O乳狀液的粘度規(guī)律有重要的影響［2］，為進(jìn)一步研究油氣水多相流打下基礎(chǔ)?？梢?jiàn)，研究乳狀液的性質(zhì)非常重要，而乳狀液液滴直徑是個(gè)重要的參數(shù)［3-6］。因此，原油乳狀液液滴直徑的測(cè)量十分必要。

1 開(kāi)發(fā)背景

乳狀液的研究是油氣水多相流的重點(diǎn)和難點(diǎn)，液滴直徑的測(cè)量是乳狀液研究的基礎(chǔ)。目前乳狀液液滴直徑的測(cè)量方法有間接測(cè)量法和直接測(cè)量法。間接法［7］用分散穩(wěn)定性分析儀，通過(guò)相厚度隨時(shí)間的變化，確定粒子移動(dòng)速度，從而計(jì)算出粒子的平均直徑。直接測(cè)量法最常見(jiàn)的方法是先用電子顯微鏡拍攝得到原油乳狀液的圖片，再運(yùn)用相關(guān)工具對(duì)圖片進(jìn)行處理，繼而測(cè)量出液滴的直徑。

目前實(shí)驗(yàn)室普遍采用的方法是直接測(cè)量法，但是現(xiàn)有軟件的測(cè)量是基于手工的，會(huì)帶來(lái)諸多人為因素的誤差。圖1為顯微照片處理軟件的工作界面。

圖1 顯微照片處理軟件的工作界面

現(xiàn)有軟件測(cè)量液滴粒徑時(shí)，完全依賴于人為主觀地去選擇被測(cè)液滴，而且在測(cè)量過(guò)程中如何確定液滴邊緣同樣受主觀因素影響較大，造成測(cè)量結(jié)果因人而異，影響測(cè)量結(jié)果的精度。在實(shí)驗(yàn)過(guò)程中，被選中的液滴絕大多數(shù)是面積較大、邊緣較明確的，如圖1的綠色區(qū)域是被選中液滴的直徑數(shù)據(jù)。為了客觀地反映液滴粒徑，就需要選擇大量的液滴去測(cè)量，顯然工作量增大，而且不能快速處理。因此，需要開(kāi)發(fā)一個(gè)能夠準(zhǔn)確、客觀、快速地進(jìn)行測(cè)量的軟件，為乳狀液的研究奠定堅(jiān)實(shí)的基礎(chǔ)。

2 新方法的理論基礎(chǔ)

2.1 圖像的預(yù)處理

在實(shí)際應(yīng)用中，系統(tǒng)采集到的原始圖像并不是完美的。由于光照度不均勻，或由于攝像頭獲得的圖像經(jīng)過(guò)A/D轉(zhuǎn)換、線路傳送產(chǎn)生噪聲污染等原因，圖像質(zhì)量被降低了［8］。因此，在對(duì)圖像進(jìn)行分析之前，必須對(duì)圖像質(zhì)量進(jìn)行改善，所以需要進(jìn)行圖像預(yù)處理。圖像預(yù)處理的目的是降低圖像噪聲，有選擇地突出圖像中感興趣的特征，而衰減不需要的特征，提高圖像的可懂度。圖像的預(yù)處理主要包括平滑濾波、銳化等內(nèi)容。

2.2 圖像的二值化

液粒與背景的根本差別就在于各自灰度值的不同，因此可以利用灰度值將液粒與背景完全分開(kāi)。通常采用的方法是圖像二值化。圖像二值化［9］是指圖像上所有點(diǎn)的灰度值只有兩種可能，不是“0”，就是“255”，把灰度值超過(guò)某一閾值的像素賦以最大灰度值255，其余像素則賦予最小灰度值0。

若位于坐標(biāo)(x，y)處的像素灰度值為 f(x，y)，則選定合適的閾值V進(jìn)行處理后的圖像g(x，y)由下式確定:

式中，V為選定的閾值。

圖像二值化有許多方法，采用比較多的是全局閾值法。全局閾值法在整幅圖像內(nèi)采用固定的閾值分割圖像，其核心是閾值的選擇。為了增強(qiáng)軟件的實(shí)用性，該軟件采用了基于圖像灰度直方圖的自動(dòng)選擇閾值方法，由系統(tǒng)根據(jù)圖像灰度直方圖自動(dòng)確定圖像二值化的閾值，并用全局閾值法進(jìn)行圖像的二值化。

進(jìn)行二值化處理，得到二值圖像還有其他一些好處，圖像的幾何性質(zhì)只與0和255的位置有關(guān)，不再涉及到像素的灰度值，使處理變得更加簡(jiǎn)單。因而，二值圖像處理目前已成為圖像處理中的一個(gè)獨(dú)立的、重要分支而獲得廣泛的應(yīng)用［10］。

2.3 邊緣檢測(cè)

邊緣是圖像中所要提取目標(biāo)和背景的分界線，只有提取出了邊緣才能將背景和目標(biāo)區(qū)分開(kāi)來(lái)。因此數(shù)字圖像的邊緣檢測(cè)是圖像分割、目標(biāo)區(qū)域的識(shí)別、區(qū)域形狀提取等圖像分析操作的重要基礎(chǔ)，是圖像識(shí)別中提取圖像特征的一個(gè)重要步驟。

圖像的邊緣有方向和幅度兩個(gè)屬性，沿邊緣方向像素變化平緩，垂直于邊緣方向像素變化劇烈。邊緣上的這種變化可以用微分算子檢測(cè)出來(lái)，通常用一階或二階導(dǎo)數(shù)來(lái)檢測(cè)邊緣，不同的是一階導(dǎo)數(shù)認(rèn)為最大值對(duì)應(yīng)邊緣位置，而二階導(dǎo)數(shù)則以過(guò)零點(diǎn)對(duì)應(yīng)邊緣位置［11］。圖像邊緣檢測(cè)的最常用的算子有 Roberts算子［12］、Sobel 算 子［13］、Prewitt 算 子［14］、Laplacian 算子［15］、LOG 算子［16］和 Canny 算子［17］。每一種算子都具有不同的優(yōu)缺點(diǎn)，本軟件采用Laplacian算子來(lái)實(shí)現(xiàn)數(shù)字圖像的邊緣檢測(cè)，Laplacian算子是二階導(dǎo)數(shù)算子，如下式所示:

實(shí)際計(jì)算也是借助模板卷積實(shí)現(xiàn)的，兩種常用的拉普拉斯算子如下式所示:

它具有各向同性的優(yōu)點(diǎn)，即與坐標(biāo)軸無(wú)關(guān)，坐標(biāo)軸旋轉(zhuǎn)后梯度結(jié)果不變。

2.4 直徑測(cè)量

邊緣檢測(cè)后的圖像可以清晰地顯示出一個(gè)個(gè)液滴，但還不是液滴直徑的數(shù)據(jù)。要得到具體的水滴直徑，還需要對(duì)圖像進(jìn)行進(jìn)一步的辨識(shí)、統(tǒng)計(jì)處理。

辨識(shí)，就是對(duì)上述圖像進(jìn)行識(shí)別，識(shí)別每個(gè)點(diǎn)所屬的圓(液滴)，進(jìn)而計(jì)算出每個(gè)液滴(圓)的直徑并最終統(tǒng)計(jì)出液滴直徑的分布規(guī)律。辨識(shí)采用二級(jí)鏈表的數(shù)據(jù)結(jié)構(gòu)，頂層是圓的一個(gè)鏈表，每個(gè)圓是點(diǎn)的鏈表。辨識(shí)、統(tǒng)計(jì)流程圖如圖2所示。確定點(diǎn)所屬圓的流程如圖3所示。點(diǎn)在圓上的流程由圖4可見(jiàn)。

圖2 辨識(shí)統(tǒng)計(jì)流程圖

3 軟件的應(yīng)用特點(diǎn)和效果

本文所介紹的測(cè)量乳狀液液滴直徑的圖像處理軟件是在Delphi環(huán)境下進(jìn)行開(kāi)發(fā)的。

該軟件具有便捷高效和實(shí)用性強(qiáng)的應(yīng)用特點(diǎn)。用以往的工具處理一幅圖片所做的統(tǒng)計(jì)粒徑和輸出數(shù)據(jù)往往需要幾min甚至十幾min的時(shí)間，而應(yīng)用本文中實(shí)現(xiàn)的軟件來(lái)處理圖片，無(wú)論粒子數(shù)量的多少，處理一幅圖片的時(shí)間都可以控制在30 s的時(shí)間之內(nèi)，極大地提高了圖片處理的效率。該軟件還沿用了傳統(tǒng)圖像處理軟件的習(xí)慣方法，不僅功能全面，運(yùn)行穩(wěn)定，而且還具有人性化界面設(shè)計(jì)，操作直觀，易學(xué)實(shí)用，有效地滿足了不同個(gè)體的需求。

現(xiàn)在以一幅原油乳狀液顯微鏡成像圖為例，檢驗(yàn)軟件的實(shí)際應(yīng)用效果。

圖3 確定點(diǎn)所屬圓的流程圖

圖4 確定點(diǎn)在圓上的流程圖

3.1 打開(kāi)圖片

首先將需要處理的原油乳狀液液滴圖片打開(kāi)，如圖5所示。由于電子顯微鏡拍攝下來(lái)的圖片可能不是BMP格式的，為了便于位圖處理，需要對(duì)其進(jìn)行格式轉(zhuǎn)換。

圖5 乳狀液顯微鏡成像圖

3.2 預(yù)處理

軟件對(duì)乳狀液液滴圖片進(jìn)行預(yù)處理，如圖6所示。

圖6 預(yù)處理后的效果圖

肉眼之所以可以判斷出液滴，主要是根據(jù)液滴周圍灰度值的變化規(guī)律。圖7和圖8為液滴圖片同一行經(jīng)過(guò)預(yù)處理前、后灰度值變化曲線，不難發(fā)現(xiàn)經(jīng)過(guò)預(yù)處理后灰度值曲線明顯光滑很多，這樣更有助于后續(xù)的圖像處理。

圖7 預(yù)處理前灰度值變化曲線

圖8 預(yù)處理后灰度值變化曲線

3.3 二值化

由于邊緣處灰度值連續(xù)而且相差不是特別大，計(jì)算機(jī)還不能直接把液滴和背景區(qū)分開(kāi)。因此，還需要進(jìn)行二值化處理。軟件對(duì)其進(jìn)行二值化處理的效果見(jiàn)圖9。

3.4 邊緣檢測(cè)

本軟件利用八鄰域模板進(jìn)行卷積計(jì)算，如圖10所示。

3.5 直徑測(cè)量

軟件在該部分利用相應(yīng)的算法對(duì)液滴顆粒進(jìn)行模擬畫(huà)圓，通過(guò)吻合的效果來(lái)判斷算法的精確性。具體效果參見(jiàn)圖11。

圖11中紅色圓圈是根據(jù)每個(gè)圓中鏈表所記錄的各個(gè)點(diǎn)的坐標(biāo)所畫(huà)，從總體上來(lái)說(shuō)其對(duì)液滴吻合效果良好，可見(jiàn)測(cè)出來(lái)的液滴直徑會(huì)很精確。

圖9 二值化后的效果圖

圖10 邊緣檢測(cè)后的效果圖

圖11 液滴吻合效果圖

在數(shù)據(jù)區(qū)程序能夠自動(dòng)算出各個(gè)圓的直徑，并且數(shù)出液滴的個(gè)數(shù)，在圖表區(qū)程序能夠自動(dòng)畫(huà)出液滴分布的統(tǒng)計(jì)圖。具體效果參見(jiàn)圖12～13。

圖12 粒徑分布統(tǒng)計(jì)圖

圖13 累積粒徑分布曲線

4 結(jié)語(yǔ)

通過(guò)對(duì)原油乳狀液液滴直徑測(cè)量軟件的實(shí)際應(yīng)用和檢驗(yàn)，發(fā)現(xiàn)測(cè)量效果較好。該軟件的應(yīng)用不僅工作效率明顯提高，還解決了實(shí)驗(yàn)室手工測(cè)量原油乳狀液液滴直徑的缺陷，并有一定的應(yīng)用前景。

致謝:中國(guó)石油大學(xué)(北京)油氣儲(chǔ)運(yùn)專業(yè)溫凱老師對(duì)程序的調(diào)試給予的指導(dǎo)和幫助，閻鳳元老師和周軍博士對(duì)論文思路、觀點(diǎn)、論證給予的指導(dǎo)、啟發(fā)和探討，煤層氣課題組的全體同學(xué)對(duì)程序的論證提出的寶貴建議。在此一并致以衷心的感謝!

［1］ 宋承毅.石油工業(yè)多相混輸技術(shù)研究進(jìn)展［J］.油氣儲(chǔ)運(yùn)，2003，22(9):26-29.

［2］ 蔣小華.油水乳狀液粘度特性及攪拌槽中剪切率影響研究［D］.北京:中國(guó)石油大學(xué)(北京).2008.

［3］ 孫濤壘，彭 勃.原油活性組分油水界面擴(kuò)張粘彈性研究［J］.物理化學(xué)學(xué)報(bào)，2002，18(2):161-165.

［4］ 張 帆，王福賓.油水乳狀液性質(zhì)及其影響因素［J］.油氣田地面工程，2005，12(24):2-3.

［5］ Pal R.Effect of droplet size on the rheology of emulsions［J］.AIChE J，1996，42(11):31-38.

［6］ Pal R.Shear viscosity behavior of emulsions of two immiscible liquids［J］.JColloid Interface Sci，2000(255):359-366.

［7］ 張文玲，徐冬梅.建立一種檢測(cè)乳狀液油滴粒徑的方法［J］.新疆石油科技，2007，3(17):46-51.

［8］ 董長(zhǎng)虹.Matlab圖像處理與應(yīng)用［M］.北京:國(guó)防工業(yè)出版社，2004:129-130.

［9］ Ridier T W，Calvars S.Picture thresholding using as iterative selection method［J］.IEEE-SMC，1978:630-632.

［10］ 舒紅平，蔣建明.基于灰度最優(yōu)閾值的圖像分割方法及應(yīng)用［J］.重慶工商大學(xué)學(xué)報(bào)(自然科學(xué)版)，2003(4):80-83.

［11］ 姚 敏.數(shù)字圖像處理［M］.北京:機(jī)械工業(yè)出版社，2006:226-227.

［12］ Roberts L G.Machine perception of three-dimensional solids［J］.Optical and Electro-optical Information Processing，1965(2):159-197.

［13］ Davis L S.A survey of edge detection techniques［J］.Computer Graphics and Image Processing，1982，4(1):248-250.

［14］ Prewitt J. Object enhancement and extraction ［J］. Picture Processing and Psychohistories，1970.75-80.

［15］ Haraliek R M，Shapiro L G.Image segmentation techniques［J］.Computer Vision，Graphics and Image Processing，1985，29:100-105.

［16］ Marr D，Hildrith E.Theory of edge detection［J］.Proc，Royal Society of London，1980:187-191.

［17］ John Canny.Finding edges and lines in Images［J］.MA Tech Publishing，1983，8(24):46-48.