霍 平，曾翰林，霍柯言

(1.河北聯(lián)合大學(xué) 機械工程學(xué)院，河北 唐山 063009；2.河北聯(lián)合大學(xué) 輕工學(xué)院，河北 唐山 063000)

基于圖像處理的煤/矸密度識別系統(tǒng)的研究

霍 平1，曾翰林1，霍柯言2

(1.河北聯(lián)合大學(xué) 機械工程學(xué)院，河北 唐山 063009；2.河北聯(lián)合大學(xué) 輕工學(xué)院，河北 唐山 063000)

為提高煤與矸石識別的準確性，開發(fā)了一套基于圖像處理的煤/矸密度識別系統(tǒng)。該系統(tǒng)是以MATLAB為平臺，針對煤/矸圖像的特點，對獲取的煤/矸圖像進行同態(tài)濾波、中值濾波、圖像分割以及形態(tài)學(xué)濾波處理，得到煤/矸的輪廓；然后利用積分算法，計算出煤/矸的體積；再利用所測煤/矸的質(zhì)量，計算出煤/矸的密度，最終根據(jù)煤和矸石密度的不同實現(xiàn)二者的識別。試驗結(jié)果表明，該方法能快速、有效地對煤和矸石進行實時檢測。

煤/矸密度識別系統(tǒng)；煤；矸石；識別；MATLAB

將矸石從煤中分選出來是提高煤炭質(zhì)量的重要手段。選煤方法一般分為濕法選煤和干法選煤，其中以濕法選煤較為普及。但是，我國是一個干旱缺水嚴重的國家，尤其是在西部地區(qū)，水資源短缺嚴重制約了我國煤炭產(chǎn)業(yè)的發(fā)展。因此，大力發(fā)展干法選煤技術(shù)，對于節(jié)約能源、保護環(huán)境、促進煤炭加工事業(yè)的發(fā)展具有十分重要的意義。

干法選煤主要包含人工揀選、風(fēng)力選煤、流化床選煤、選擇性破碎法、射線透射法、圖像法以及磁選等方法[1]。其中，人工揀選、風(fēng)力選煤、流化床選煤、選擇性破碎法、射線透射法和圖像法等都是針對塊煤的分選方法；而磁選等屬于粉煤的分選方法。隨著科學(xué)技術(shù)的不斷進步，煤/矸識別的方法越來越多，究其根本，皆是利用煤和矸石二者密度的不同實現(xiàn)的。近年來，計算機視覺和模式識別技術(shù)有迅速發(fā)展，為煤/矸密度識別系統(tǒng)的研究提供了條件。文章詳細介紹了一種基于圖像處理的煤/矸密度識別系統(tǒng)(以下簡稱煤/矸密度識別系統(tǒng))的研究與開發(fā)過程。

1 識別方法

煤/矸密度識別系統(tǒng)是一種以MATLAB為平臺，結(jié)合計算機圖像處理技術(shù)的新型選煤技術(shù)。它依據(jù)圖像識別原理，通過攝像機獲取煤/矸的圖像，利用計算機對所得圖像不斷進行數(shù)據(jù)分析和處理，從而計算出煤/矸的體積，然后利用重力傳感器獲得煤/矸的質(zhì)量，進而計算出其密度。由于煤的密度一般為1.3～1.5 g/cm3，而矸石的密度一般在1.7 g/cm3以上，因此可以根據(jù)煤和矸石密度的不同進行區(qū)分和鑒別。

煤/矸密度識別系統(tǒng)的識別方法是：利用兩臺CCD攝像機分別在煤/矸的水平方向和正上方對其進行拍攝(圖1)，得到煤/矸兩個方向上的視圖，即主視圖和俯視圖；然后，將拍到的兩個視圖上傳到計算機，利用MATLAB對圖像數(shù)據(jù)進行數(shù)據(jù)的處理運算，提取煤/矸的邊緣信息，得到煤/矸兩個視圖的輪廓，并將兩個輪廓結(jié)合起來，運用一定的積分算法，就可以近似計算出煤/矸的體積；最后，再結(jié)合煤/矸的質(zhì)量，便可計算出煤/矸的密度，從而實現(xiàn)根據(jù)煤和矸石密度進行識別的目的。

1—主攝像頭；2—俯攝像頭；3—輸送帶；4—稱重傳感器；5—計算機圖1 煤/矸密度識別系統(tǒng)組成Fig.1 Density identification system composition of coal and refuse

基于圖像處理的煤/矸密度識別系統(tǒng)的框圖如圖2所示。

圖2 煤/矸密度識別系統(tǒng)框圖Fig.2 Density identification system block diagram of coal and refuse

2 圖像處理

2.1 同態(tài)濾波

利用兩臺CCD攝像機進行拍攝，可分別得到煤/矸兩個方向上的視圖，如圖3所示。但是，由于煤和矸石分選工作環(huán)境的光線較暗，容易出現(xiàn)圖像照明不均勻而導(dǎo)致圖像細節(jié)沒有辦法辨認的情況，因此采用同態(tài)濾波對圖像頻率域進行處理，可對原圖像進行亮度、對比度的調(diào)整，使圖像特征明顯，易于進行識別[1]。如圖4所示，采用同態(tài)濾波處理后的圖像畫面亮度比較均勻，陰影得到弱化，煤/矸的輪廓細節(jié)得以增強。

2.2 中值濾波

在圖像的生成、傳輸和變換過程中，由于受到多種因素的影響，圖像會發(fā)生降質(zhì)或退化，導(dǎo)致輸出的圖像質(zhì)量下降，因此需采用中值濾波來濾除圖像中存在的噪聲[2]。與均值濾波及其他線性濾波方法相比，中值濾波可以克服圖像細節(jié)和邊緣的模糊，能獲得較好的圖像復(fù)原效果。

圖3 拍攝到的煤/矸兩個方向上的視圖Fig.3 Taken pictures of coal and refuse in both direction

圖4 同態(tài)濾波后的圖像Fig.4 Pictures after homomorphic filtering

不同的圖像內(nèi)容和不同的應(yīng)用要求往往采用不同的窗口形狀和尺寸。根據(jù)反復(fù)的試驗和對比，最后認為選取3×3的中值濾波器最為合適。圖5所示為中值濾波后的煤/矸兩個方向上的視圖。

2.3 圖像分割

要想準確計算出煤/矸的體積，就要從圖像中有效地提取二者的輪廓，即去除背景和大部分干擾，這就需要進行圖像分割。圖像分割是從圖像處理到圖像分析的關(guān)鍵一步。通過對拍攝到的圖像進行觀察發(fā)現(xiàn)，在灰度圖像中，煤/矸區(qū)域是一片低灰度的區(qū)域，而背景區(qū)域是一片高灰度的區(qū)域，因此采用灰度級門限閾值分割便可將二者區(qū)分開來。

圖5 中值濾波后的圖像Fig.5 Pictures after median filtering

對濾波后的圖像作直方圖分析，將每個像素灰度與一個預(yù)先設(shè)定的灰度級門限值進行比較，大于域值的像素灰度以最大灰度值重新賦值，小于域值的像素灰度按最小灰度值重新分配，從而構(gòu)成一個新的二值圖像，把目標從背景中分離出來[3]。

閾值分割首先要根據(jù)圖像的灰度分布，選取合適的閾值T。圖6(a)和圖6 (c)是兩個視圖的灰度直方圖，通過觀察可以看出的灰度分布比較有規(guī)律，背景區(qū)域與煤/矸區(qū)域在圖像的直方圖中各自形成一片區(qū)域。煤和矸石像素值較低，主要分布在0～150之間的灰度級；背景像素值較高，主要分布在150～255之間的灰度級。那么選取兩片區(qū)域之間的波谷所代表的灰度值T作為閾值，即可實現(xiàn)煤和矸石與背景的分割。

3 基于二值形態(tài)學(xué)的濾波

如圖6所示，閾值分割后的圖像所得到的煤/矸的邊界是很不平滑的，存在一些錯判的孔洞，因此在體積計算前還需再進行一次濾波處理。

煤/矸密度識別系統(tǒng)采用了基于二值形態(tài)學(xué)[4]的方法來進行本次濾波。二值形態(tài)學(xué)基本的運算是腐蝕和膨脹，利用腐蝕可以消除圖像中小的噪聲區(qū)域，膨脹則可以填補物體中的空洞。除了腐蝕和膨脹這兩種基本運算外，還有兩種非常重要的形態(tài)學(xué)運算，即開運算和閉運算，其中：開運算是先腐蝕再膨脹，它可以消除細小的物體，在纖細點處分離物體，平滑較大物體的邊界時不明顯地改變其面積；閉運算是先膨脹再腐蝕，它具有填充物體內(nèi)細小的空洞，連接鄰近物體，在不明顯改變物體面積的情況下平滑其邊界的作用[5]。

圖6 閾值分割結(jié)果Fig.6 Results of threshold segmentation

根據(jù)形態(tài)學(xué)運算的特點，由于閾值后的圖像噪聲是以細小空洞為主，因此對閾值后的圖像先后進行一次閉運算和開運算濾波處理。其公式為：

C=(A·B)°B2，

(1)

其中：C為形態(tài)學(xué)運算后的圖像；A為目標圖像；“·”為閉運算符；B1為閉運算的結(jié)構(gòu)元素；B2為開運算的結(jié)構(gòu)元素；“°”為開運算符。

結(jié)構(gòu)元素是形態(tài)學(xué)的基本算子，合理選取結(jié)構(gòu)元素直接影響圖像處理的效果和質(zhì)量。根據(jù)閾值后圖像噪聲的特點，閉運算采用15×15的矩形結(jié)構(gòu)元素，開運算也采用15×15的矩形結(jié)構(gòu)元素。圖7所示為形態(tài)學(xué)運算濾波后的效果，細小空洞得到填補，圖像邊界得到平滑。

圖7 形態(tài)學(xué)運算濾波后的圖像Fig.7 Pictures of morphological filtering

4 煤/矸識別算法的研究

4.1 識別閾值的確定

首先，采集一定數(shù)量的樣本，對樣本進行分析，統(tǒng)計它們的真實密度，再計算被測樣本密度的平均值，即可得到煤/矸識別的閾值。當被測物的測量密度大于此值時，判斷為矸石；當被測物的測量密度小于此值時，判斷為煤。經(jīng)過測量計算，得出煤/矸識別的閾值近似為1.5 g/cm3,記為rb。

4.2 質(zhì)量檢測

在兩臺攝像機對煤和矸石進行拍攝的同時，輸送帶下方的稱重傳感器完成對煤和矸石的稱重，稱得試驗用樣本的質(zhì)量為37 g，之后將數(shù)據(jù)上傳至計算機中的MATLAB平臺。

4.3 體積計算

從圖7可以看出，經(jīng)圖像處理得到的特征曲線都是不規(guī)則曲線，因此不能套用現(xiàn)有的體積公式來計算煤和矸石的體積。識別系統(tǒng)采用累積計算方法進行體積的近似計算，通過先計算每一煤或矸石切片的體積，再將這些切片的體積進行累加，從而得到整塊煤或矸石的體積，如圖8所示。具體計算步驟為：

圖8 煤/矸切片F(xiàn)ig.8 Coal or refuse section

(1) 通過計算主視圖輪廓線組成的閉合區(qū)域的像素點的個數(shù)來計算閉合區(qū)域的面積。利用MATLAB對主視圖閉合區(qū)域內(nèi)的像素點的個數(shù)進行統(tǒng)計。如圖9所示，可將閉合區(qū)域看作是由若干個正方形集合而成的，每個像素點近似成其中的一個正方形，那么統(tǒng)計出像素點的個數(shù)便可以得到閉合區(qū)域的近似面積。令正方形的邊長為a，像素點個數(shù)為N，則閉合區(qū)域的面積為：

Smax=N×a2。

(2)

圖9 面積計算方法Fig.9 Method of calculating area

(2) 利用煤/矸切片的寬度計算主視圖閉合區(qū)域所構(gòu)成的切片的體積。利用MATLAB對俯視圖閉合區(qū)域內(nèi)的像素點數(shù)進行統(tǒng)計，亦將每個像素點近似成一個正方形，以正方形的邊長h為寬度進行切片，則主視圖閉合區(qū)域所構(gòu)成的的切片的體積為：

Vmax=Smax×h。

(3)

(4)

然后，結(jié)合煤/矸切片的寬度h，進而得到第i個切片的體積，可表示為：

Vi=Si×h

(5)

(4) 將計算出的每個切片的體積進行累加，可以得到整個煤或矸石的體積：

(6)

(7)

(8)

則煤或矸石實物的體積V實可表示為：

(9)

經(jīng)過計算，用本系統(tǒng)測得的試驗用煤/矸的體積為26.075 cm3。而利用排水法對該煤/矸測量的結(jié)果為25 cm3，絕對誤差為1 cm3，相對誤差為4%。

5 分析結(jié)果及結(jié)論

將所測質(zhì)量和之前測得的體積結(jié)合，可以計算出被測煤/矸的密度近似為1.42 g/cm3，小于煤/矸識別的閾值1.5 g/cm3，因此可以判別被測物為煤。但是，如果在煤/矸周圍覆蓋著大量的黑色煤塵，這就需要在識別之前加上去除煤塵的環(huán)節(jié)，或者再采用其他方法作為輔助手段[1]。

選煤是合理利用煤炭資源、保護環(huán)境的最經(jīng)濟和最有效的技術(shù)，究其根本，是利用煤和矸石密度的不同實現(xiàn)的。采用煤/矸識別的新方法，利用MATLAB，根據(jù)煤/矸圖像的特點，對獲取的煤/矸圖像進行同態(tài)濾波、中值濾波、圖像分割以及形態(tài)學(xué)濾波處理，可得到煤/矸的輪廓，再利用積分算法計算煤/矸的體積，最后結(jié)合所測的煤/矸的質(zhì)量計算出煤/矸的密度，通過與煤/矸識別閾值進行對比即可實現(xiàn)二者的識別。試驗表明，這種方法可克服傳統(tǒng)的基于圖像灰度信息的煤/矸識別方法中矸石表面覆蓋大量煤粉而造成識別誤差很大的缺點，提高了煤/矸識別的準確性，既節(jié)約資源，又減少了對環(huán)境的污染。同時，這種方法信號采集容易，可實現(xiàn)非接觸式測量，實時性強，對提高生產(chǎn)效率和煤/矸識別的自動化水平具有重要意義。

[1] 薛 熠,曹正正,陳 鵬. 解決選煤產(chǎn)業(yè)水資源缺乏的途徑[J]. 選煤技術(shù),2011(3):71-73.

[2] 劉富強，錢建生，王新紅，等. 基于圖像處理與識別技術(shù)的煤礦矸石自動分選[J]. 煤炭學(xué)報，2000，25 (5)：534-537.

[3] 王祥瑞. 煤礦矸石自動分選中圖像處理與識別技術(shù)的應(yīng)用[J]. 煤炭技術(shù)，2012(08)：112-113.

[4] Meijster A，Wilkinson M H F. A comparison of algorithmsfor connected set openings and closings[J]. IEEE Transac-tions on Pattern Analysis and Machine Intelligence，2002，24(4)：484-494.

[5] 劉立波，趙春江，吳華瑞. 數(shù)學(xué)形態(tài)學(xué)在作物病害圖像預(yù)處理中的應(yīng)用研究[J]. 農(nóng)機化研究，2013(8)：180-183.

Research on density identification system of coal and refuse based on image processing technology

HUO Ping1,ZENG Han-lin1,HUO Ke-yan2

(1.College of Mechanical Engineering,Hebei Union University,Tangshan,Hebei 063009,China;2.Qionggong College,Hebei Union University,Tangshan,Hebei 063000,China)

The density identification system of coal and refuse based on image processing is researched and developed in order to distinguish them accurately. Based on the MATLAB,obtained images of coal and refuse need to take homomorphic filtering,median filtering,segmentation and morphological filtering by their feature,so that outline of coal and refuse is got. And then volume of coal and refuse can be calculated by integral method; density of coal and refuse also can be calculated by measured mass,finally,the different density identification of coal and refuse can be made. The experiment results show that this method can quickly,effectively detect coal and refuse in real time.

density identification system of coal and refuse; coal; refuse; identification; MATLAB

1001-3571(2015)02-0069-05

TD945

A

2014-09-25

10.16447/j.cnki.cpt.2015.02.020

霍 平(1968—)，女，河北省滄州市人，教授，碩士，碩士生導(dǎo)師，從事機電一體化教學(xué)與機器視覺及工業(yè)檢測方面的研究。

E-mail：huoping009@163.com Tel：15930899290