胡田立

摘要：沙粒粒徑的測定和統(tǒng)計可以用來評價沙丘轉(zhuǎn)移和沙漠氣候的變化狀況。為實現(xiàn)沙粒粒徑的非接觸測量，在實驗室使用單反相機、直尺和計算機等設備，構(gòu)建沙粒粒形參數(shù)的檢測環(huán)境。以野外采集的沙粒為研究對象，利用matlab圖像處理工具箱對沙粒圖像銳化輪廓、圖像降噪、粘連沙粒分割、特征提取和計數(shù)。通過將圖像處理得到的沙粒等效粒徑與Rise-2008系列激光粒徑分析儀得到的檢測結(jié)果比較發(fā)現(xiàn)：二者的粒徑檢測結(jié)果誤差保持在較小范圍，無顯著差異。進而對沙粒長徑、短徑、圓形度、粒形參數(shù)檢測和統(tǒng)計，并且在圖像中對沙粒質(zhì)心位置進行標定，基本實現(xiàn)了對于沙粒主要形態(tài)特征的檢測。實驗表明，該方法為快速檢測沙粒形態(tài)特征提供了有效手段。這種方法穩(wěn)定性好、檢測精度較高、成本低，而且省時省力。

關鍵詞：沙粒；智能檢測；圖像分割；形態(tài)特征

中圖分類號：TP391 文獻標識碼：A 文章編號：1009-3044（2015）05-0190-03

Intelligent Detection for Sand Shape Characteristics Based on Image Processing

HU Tian-li

（School of Physics & Electrical Information Engineering， Ningxia University， Yinchuan 750021， China）

Abstract： The mensuration and statistics of sand can be used to evaluate sand dune and desert climate change. In order to realize the non-contact measurement of the sand size， a sand grain shape parameters testing environment is created with digital camera， ruler and computer in the laboratory. Then taking the sand grains in the field as the research object， making the outline sharpening， image denoising， extracting the adhesion of sand grains and count them with MATLAB image processing toolbox. By compare the measured results with the Rise-2008 laser particle size analyzer. The results show that the error between the two methods is small， and the results of the two methods are not significantly different. Then statistic sand grain size， short diameter， roundness and particle size， also the position of sand particles in the image is calibrated. This method realize the detection of main morphological characters of the grains. Experimental results show that this method can provide an effective method to detect the morphological characteristics of sand grains. This technique is good stability， high detection accuracy， low detection cost， also save time and effort.

Key words： sand grains； intelligent detection； image segmentation； morphology of sand

土地沙漠化[1]是在干旱、半干旱地區(qū)由于人地關系不協(xié)調(diào)導致的。沙漠化造成的草場退化、耕地縮減對生態(tài)安全[2]和經(jīng)濟社會可持續(xù)發(fā)展[3]造成了嚴重的影響。其中沙粒粒徑對于沙漠水力特性、植被分布和沙丘遷移[4]有重要的影響，也是非常重要的沙漠物理特性之一。沙粒形態(tài)特征對沙漠氣候[5]和沙粒靜電[6]的有效利用具有重要的研究意義。在現(xiàn)代，圖像處理方法廣泛應用于工業(yè)、農(nóng)業(yè)[7-8]、環(huán)境[9]以及醫(yī)藥行業(yè)的粒形特征獲取中，對于粘連物體形態(tài)特征[10]的準確計量也有很好的效果。以往基于圖像的沙粒形態(tài)研究中，由于受到實驗儀器[11]、軟件操作[12]尤其是粘連沙粒的影響，測量精度都受到了不同程度的制約。隨著圖像處理方法和手段的進一步發(fā)展，圖像處理技術及測量精度都得到了長足的發(fā)展。

通過采用圖像增強、粘連沙粒分割、目標提取，標定圖像中的的沙粒測量值與實際值之間比例，測得沙粒粒徑。將測試結(jié)果與激光粒度分析儀得到的D10、D50、D90數(shù)據(jù)進行對比，驗證方法的有效性后，可以展開對于沙粒其他形態(tài)特征的研究。這種測試方法具有很強的易用性，可行性較強，對于智能沙漠[13]的研究和后期沙漠化治理具有很好的借鑒意義。

1 檢測環(huán)境與原理

1.1 檢測環(huán)境

在水平實驗臺上，用三腳架固定相機，使相機的成像平面與工作臺平行，在微距模式下以最佳畫質(zhì)方式成像。將白色打印紙平鋪在實驗臺上，使沙粒在單色且背景顏色與被測的沙粒顏色有較大反差的環(huán)境成像。將待測沙粒均勻撒在紙上，盡量避免大片沙粒粘連，以提高沙粒提取的準確性。以直尺為參照物，放置于靠近成像中心的位置，在自然光照條件下拍攝包含直尺和沙粒的圖像，然后將照片傳回電腦。為了提高圖像處理速度和運算精度，用photoshop CS6將照片分割成大小適宜且分別包含直尺和沙粒的圖像，測試時使用沙粒分布較為均勻，且成像畫質(zhì)為優(yōu)的圖像。

1.2 檢測原理

沙粒圖像由多個像素點組成，沙粒的實際大小可以通過統(tǒng)計得到的圖像中沙粒的像素數(shù)量與每個像素代表的實際面積相乘得到。首先采用參考直尺標定法計算沙粒形態(tài)數(shù)值，即拍攝含有直尺為參考物的沙粒圖像，利用圖像處理技術采用同一處理手段，分別從圖像中提取參考物和沙粒像素。根據(jù)已知的參考物尺寸，得到像素值與實際值之間比例，最終求出沙粒的實際粒徑。公式（1）、（2）為計算表達式。

[S=L*s*a2/[a（x2-x1）2+（y2-y1）2]] （1）

[a=m2+n2/z] （2）

其中S、L分別為沙粒的實際粒徑和參考尺的實際長度，s為圖像處理得到的粒徑長度，[x1]、[x2]、[y1]、[y2]分別表示圖像處理得到的直尺起始端點的橫縱軸坐標。a表示顯示器單個像素的邊長長度。m、n指顯示器長、寬像素數(shù)，z指屏幕大小。

2 檢測方法

2.1 圖像預處理

為了展開后續(xù)處理，需要將相機拍攝的RGB格式圖像轉(zhuǎn)為灰色圖像。由于圖像直方圖分布較為集中，對比度不強，matlab自動選定閾值轉(zhuǎn)換成灰度圖像會比較模糊[14]，因此需要將原圖像銳化處理，增強對比度和沙粒的輪廓清晰度。在將原圖像轉(zhuǎn)換成灰度圖像前，首先用拉普拉斯算子中的unsharp對比度增強濾波器對圖像進行銳化濾波。之后用matlab圖像處理工具箱中graythreshthresh自動選取閾值灰度化圖像。對灰度圖像直方圖均衡化拉伸灰度范圍可以進一步增強圖像對比度。

灰度化后的沙粒圖像只含沙粒區(qū)域和背景區(qū)域?？梢愿鶕?jù)兩區(qū)域的灰度值特點，確定最佳分割閾值，以此為臨界值可以將沙粒從背景區(qū)域中提取出來，得到表達兩類特征的二值圖像。觀察灰度圖的灰度級直方圖發(fā)現(xiàn)，在[50 150]的灰度級區(qū)間內(nèi)，像素點出現(xiàn)頻率非常高。對照灰度圖可以看出，背景亮度低于沙粒亮度，可以判斷這一區(qū)間內(nèi)出現(xiàn)的大量像素都是背景像素，當然也包含了部分暗的沙粒。分割閾值的確定是決定沙粒提取準確度的關鍵因素。根據(jù)所得圖像灰度直方圖的特點，對比自動閾值和手動閾值兩種方法，圖像二值化過程中采用手動設定閾值的方法。分割過程中，既要保證去除非沙粒的孤立點，又要保證沙粒不被去除，多次對比后發(fā)現(xiàn)選取0.05的閾值可以很好地將背景和沙粒實現(xiàn)分割。由于圖像中存在背景不平坦導致的紋理即干擾像素，需要使用bwareaopen函數(shù)刪除圖像中較小的像素即背景中的小紋理。多次試驗后，將參數(shù)設定為100個像素。為了驗證上述參數(shù)選取的合理性，對處理后的圖形用canny算子提取沙粒輪廓（圖1），與灰度圖像疊加，驗證實驗結(jié)果是否合理，如果出現(xiàn)誤提取，可以適當調(diào)節(jié)參數(shù)直到得到符合要求的預處理圖像。

由于沙粒對光線的反射，采集到的沙粒頂部有時會出現(xiàn)亮斑，二值化后的亮斑會成為白色孔洞。因此需要對二值圖像進行孔洞填充，防止后續(xù)的運算導致圖像在孔洞處分裂，形成偽目標。matlab圖像處理工具箱中imfill可以在不改變沙粒形狀邊界的情況下，對其自動進行孔洞填充，將沙粒補充完整。

之后需要對圖像進行開操作消除細小尖刺、斷開窄小連接使沙粒邊界平滑。再運用圓盤結(jié)構(gòu)元素執(zhí)行開運算。為了減小目標區(qū)域腐蝕過程中減少的面積比例，不影響測量結(jié)果，反復對比后發(fā)現(xiàn)，當圓盤形結(jié)構(gòu)元素的半徑選為3時，對象的總面積變化幅度最小。因此，用半徑為3的圓盤形結(jié)構(gòu)元素對圖像執(zhí)行一次開運算處理。

自然光環(huán)境中，光線強弱變化會導致拍攝的圖像存在一定的噪聲，導致圖像邊緣模糊，因此要采用一定的除噪方法抑制圖像噪聲。根據(jù)圖像背景顏色比較單一的特點，選取常用的3×3濾波窗口對圖像中值濾波，進行降噪處理。

2.2 粘連沙粒的分割處理

由于圖像中存在粘連的沙粒，若不進行分割會使得統(tǒng)計粒徑偏差太大，故必須進行分割。首先將粘連的沙粒和單個沙粒分割開來，統(tǒng)計出最大、最小沙粒的面積，取平均值。設置圖像中目標面積大于1.7倍平均值則視為粘連沙粒，否則記為單個沙粒。對粘連的沙粒圖像采用基于距離變化結(jié)合水域變換的分割方法進行分割[15]，從提取圖可以看出此法可以很好地將粘連的沙粒分割開來。將分割得到的沙粒圖像與單個沙粒圖像相加得到圖像處理后的結(jié)果。通過粘連沙粒分割效果圖（圖2）可以看出通過采用這種分水嶺算法可以很好地將粘連沙粒分割開來。通過掃描等價數(shù)組，檢測等價標號，再對等價標號進行替換?？梢詫崿F(xiàn)掃描法對圖像各個不同連通區(qū)域的標記，最終在目標區(qū)域中心顯示各個目標區(qū)域標號（圖3）。

3 形態(tài)特征檢測及分析

3.1 沙粒等效直徑提取

matlab圖像處理中各數(shù)值都是基于像素的，通過對分割后圖像中沙粒區(qū)域的像素矩陣從上到下、從左到右的掃描，并將具有相同特征值的像素值區(qū)域累加可以得到沙粒的面積。用bwlabel函數(shù)標注圖像，得到標注矩陣后，可以用regionprops函數(shù)測量每個標號對象的屬性，如面積、周長、質(zhì)心等。還可以統(tǒng)計一些目標對象的屬性，例如：通過max、min、mean函數(shù)，可以求出最大顆粒面積、最小顆粒面積和平均面積等。

在完成對圖片中沙粒的數(shù)目統(tǒng)計和面積的測量后，可以得到包含各個沙粒直徑的向量，即前景圖像中粒徑的大小，結(jié)合公式（1）、公式（2）可以得到沙粒的實際粒徑。以N 37°48′0.95″，E 105°11′42.19″采集的沙粒為例，經(jīng)過上述圖像處理后，在normplot函數(shù)繪制的概率密度曲線（圖4右圖）上手動選取粒徑累積概率達到10%、50%、90%對應的數(shù)值（單位：微米），與Rise-2008激光粒度分析儀得到的測量數(shù)據(jù)進行對比（表1）。對比表1數(shù)據(jù)、分析激光粒度分析儀所得粒徑分布直方圖和圖像處理得到的粒徑分布直方圖（圖4），可知這種方法具有較好的精確度，對于行業(yè)常用點D50誤差率保持在了較低的水平，基本滿足對于沙粒粒徑初步判定的要求。

3.2 沙粒長、短徑分布特性

分析沙粒提取圖（圖3）可知，沙粒幾何形狀類似橢圓，在像素意義下，使用matlab中度量區(qū)域?qū)傩院瘮?shù)regionprops，分別用MajorAxisLength和MinorAxisLength度量與區(qū)域具有相同標準二階中心矩的沙粒的長軸、短軸長度可以得到類橢圓沙粒的長短軸分布情況（圖5），分析可知沙粒長、短徑比值主要集中在1.4附近。

3.3 形態(tài)參數(shù)

首先尋找目標區(qū)域邊界，采用8鏈碼跟蹤法，從目標區(qū)域任意選取的某個起點坐標開始，按順時針方向跟蹤，得到與起點最長的邊緣曲線。然后將邊緣像素看作一個點，當鏈碼值為奇、偶數(shù)時，長度分別記為[2]和1，周長即區(qū)域邊界像素的8鏈碼長度之和[16]。將、離散度、圓形度作為沙粒形態(tài)主要表征參數(shù)，在獲取沙粒面積參數(shù)（a）、周長參數(shù)（p）之后。統(tǒng)計沙粒離散度dis和圓形度cir（圖6），其中[dis=p2/a]，[cir=4πa/p2]。

3.4 沙粒質(zhì)心標定

假設沙粒質(zhì)量均勻分布，將質(zhì)心定義為沙粒目標區(qū)域的中心進行標記（圖7）。對于沙粒的二值圖像， M[×]N大小的目標區(qū)域質(zhì)心的計算表達式可以表示為：

[x0=1NMi=1Nj=1Mxi，y0=1NMi=1Nj=1Myi] （3）

4 結(jié)論

通過運用圖像處理方法，使用matlab圖形處理工具箱處理得到沙粒粒徑，通過與rise-2008系列激光粒度分析儀測定的沙粒粒徑分布情況對比，驗證了方法的可行性。各環(huán)節(jié)計算結(jié)果均通過matlab實時顯示出來，便于控制檢測精度。之后進一步對沙粒離散度、圓形度、長、短徑分布、質(zhì)心標記等形態(tài)特性做出研究，彌補了專業(yè)儀器在沙粒形態(tài)特征方面測定的不足。結(jié)果表明：采用該算法對沙粒進行特征提取時，處理速度快、特征提取效果好，實用性較高。

參考文獻：

[1] 王濤，朱震達. 我國沙漠化研究的若干問題——沙漠化的概念及其內(nèi)涵[J].中國沙漠，2003，23（3）：209-213.

[2] 王濤.干旱區(qū)綠洲化、荒漠化研究的進展與趨勢[J].中國沙漠，2009，29（1）：1-9.

[3] 董玉祥.中國土地沙漠化問題的環(huán)境倫理學思考[J].中國沙漠，2007，27（2）：210-213.

[4] 吳汪洋，張登山，田麗慧，等.青海湖克土沙地沙棘林的防風固沙機制與效益[J].干旱區(qū)地理，2014，37（4）：777-785.

[5] 魏懷東， 徐先英， 王繼和，等，庫姆塔格沙漠沙丘的粒度特征[J]，水土保持學報，2007，21（3）：6-9.

[6] 杜全忠，李興財.大氣電場儀用于風沙電場測量的可能性分析[J]，實驗室研究與探索，2015，34（4）：8-12.

[7] 曾慶兵，劉成良，苗玉斌，等.基于形態(tài)學圖像處理的重疊葡萄國徑無損測量[J]，農(nóng)業(yè)工程學報，25（9）：356-360.

[8] 鄒春富.基于matlab的橙子自動計數(shù)實驗設計[J]，高校實驗室工作研究，2014（04）：63-65.

[9] 牛立聰，孫香花，左曉寶.基于Matlab圖像處理的砂石顆粒圓形度計算方法[J]，2012（1）：10-12.

[10] 王國權，周小紅，蔚立磊.基于分水嶺算法的圖像分割方法研究[J]，計算機仿真，2009，26（5）：255-258.

[11] 趙玉峰，周又和.沙粒圖像中沙粒粒徑的檢測和識別[J].蘭州大學學報：自然科學版，2007，43（1）：41-45.

[12] 王亮.基于數(shù)字圖像處理技術的泥沙顆粒分析[D].重慶：重慶交通大學，2013：32-39.

[13] 李新碗.開啟沙漠之門的鑰匙——智能沙漠[J]，國際學術動態(tài)，2012（01）：26-27.

[14] 鄭翔，阮志強，夏衛(wèi)明，何小元.同軸度誤差最小包容圓有限元后處理算法[J].東南大學學報，2009，39（6）：1156-1160.

[15] Yanpeng Li， Zhu Ting-ting.Effects of surfactant on bubble hydrodynamic behavior under flotation-related conditions in wasterwater[J].Water science&technology，2012，65（6）：1060-1066.

[16] 吳瑩瑩，張永梅.基于8鏈碼思想的目標物體面積統(tǒng)計新方法[J].電腦開發(fā)與應用，2011（4）：68-70.