易暢 彭翠 熊微 王衛(wèi)花 羅小燕

摘 要：針對(duì)目前鎢礦石初選環(huán)節(jié)中選礦效率低、實(shí)時(shí)性和準(zhǔn)確性差等問(wèn)題，提出礦石粒度在線檢測(cè)系統(tǒng)設(shè)計(jì)方案，通過(guò)MATLAB軟件先對(duì)原始圖像進(jìn)行中值濾波處理，再分別采用維納濾波、Lucy-Richardson和盲區(qū)卷積復(fù)原圖像并對(duì)比復(fù)原效果，在考慮時(shí)間成本的情況下以Lucy-Richardson進(jìn)行圖像復(fù)原為最佳?？紤]到礦石由不同形狀組成，運(yùn)用形態(tài)學(xué)處理的方法構(gòu)造不同大小及形狀的結(jié)構(gòu)元素，通過(guò)開(kāi)閉重建運(yùn)算對(duì)圖像進(jìn)行腐蝕和膨脹，對(duì)孔洞填充及噪聲處理。采用基于標(biāo)記的分水嶺分割算法，很好地解決了傳統(tǒng)分水嶺算法的過(guò)分割現(xiàn)象，提升了粘連礦石分割的準(zhǔn)確率。最后通過(guò)礦石像素面積檢測(cè)，統(tǒng)計(jì)礦石顆粒的粒徑、粒級(jí)大小等相關(guān)信息，提高了礦石分選速度與準(zhǔn)確度，滿(mǎn)足工業(yè)化實(shí)時(shí)檢測(cè)識(shí)別要求。

關(guān)鍵詞：粒度檢測(cè);分水嶺分割;形態(tài)學(xué)處理;MATLAB

中圖分類(lèi)號(hào)：TP391 ? 文獻(xiàn)標(biāo)志碼：A ? ? 文章編號(hào)：1003-5168（2022）2-0023-05

DOI：10.19968/j.cnki.hnkj.1003-5168.2022.02.005

Design of Online Particle Size Detection System for Tungsten Ore Based on MATLAB

YI Chang   ?PENG Cui ? ?XIONG Wei ? ?WANG Weihua ? ?LUO Xiaoyan

（School of Mechanical and Electrical Engineering， Jiangxi University of Science and Technology， Ganzhou 341000，China）

Abstract： In view of the problems of low beneficiation efficiency， insufficient real-time and accuracy in the primary process of tungsten ore， a design scheme of online detection system for ore particle size was proposed. The original image was firstly median filtered by MATLAB software， and then wiener filtering， Lucy-Richardson and blind zone convolution were used to restore the image and compare the restoration effect. Under the consideration of time cost， lucy-Richardson is the best method for image restoration. Considering that ores are composed of different shapes， morphological processing method is used to construct structural elements of different sizes and shapes， and the image is corroded and expanded by opening and closing reconstruction operation， and the hole filling and noise processing are carried out. The watershed segmentation algorithm based on mark is adopted to solve the over-segmentation phenomenon of traditional watershed algorithm and improve the segmentation accuracy of cohesive ore. Finally， through the detection of the pixel area of the ore， the relevant information such as the particle size and size of the ore particle is counted， which improves the speed and accuracy of ore sorting and meets the requirements of industrial real-time detection and identification.

Keywords： particle size detection; watershed segmentation; morphological treatment; MATLAB

0 引言

鎢礦石是我國(guó)重要的礦產(chǎn)資源，目前鎢礦石初選是通過(guò)紋理、形狀大小、顏色等方面的判斷，經(jīng)過(guò)人工篩選出來(lái)[1]。這種傳統(tǒng)的鎢礦石初選方法的效率和準(zhǔn)確性都不高[2]。而粒度檢測(cè)可將采集圖片的顆粒以不同等級(jí)大小的層度劃分出來(lái)，并統(tǒng)計(jì)其數(shù)量，在各種生產(chǎn)工廠以及分析產(chǎn)品等領(lǐng)域發(fā)揮著極其重要的作用[3-4]。目前比較先進(jìn)的檢測(cè)有激光、電鏡等，這些粒度檢測(cè)的精度非常高，但是其對(duì)生產(chǎn)工作環(huán)境的要求頗高[5]。而在本研究的礦石粒度檢測(cè)這一塊顯然是無(wú)法適用的，因?yàn)榈V石破碎會(huì)產(chǎn)生大量的粉塵，并且高成本的儀器無(wú)法承擔(dān)被損壞的風(fēng)險(xiǎn)[6]。粒度在礦石破碎中是一個(gè)非常重要的參數(shù)，其實(shí)時(shí)性和測(cè)量的準(zhǔn)確性是最迫切需要解決的問(wèn)題[7]。采用計(jì)算機(jī)圖像處理技術(shù)，可以實(shí)現(xiàn)礦石粒度檢測(cè)的自動(dòng)化，成本低，并且識(shí)別速度快，準(zhǔn)確率較高，為礦業(yè)生產(chǎn)自動(dòng)化提供了很好的解決方案[8]。MATLAB是一個(gè)基于矩陣運(yùn)算的、功能強(qiáng)大的軟件，對(duì)于圖像處理來(lái)說(shuō)，每一張圖像的像素信息可以看成一個(gè)大矩陣，因此MATLAB處理圖像比較快速，可以大大節(jié)省礦石圖像處理時(shí)間，即間接縮短整個(gè)流程中粒度在線檢測(cè)的時(shí)間[9]。

基于MATLAB的鎢礦石粒度在線檢測(cè)系統(tǒng)的流程如圖1所示。

1 礦石圖像采集

礦石在傳送運(yùn)輸過(guò)程中，通過(guò)工業(yè)攝像機(jī)進(jìn)行拍攝，礦石圖像采集原理圖如圖2所示。為了拍攝出效果較好的圖片，擋板遮住的光線可以加上部分光源進(jìn)行補(bǔ)光調(diào)節(jié)。本研究先采用大小不一的少量礦石顆粒拍攝搜集樣本圖片，再通過(guò)與實(shí)際拍攝大量礦石顆粒堆疊圖片運(yùn)行的結(jié)果進(jìn)行對(duì)比分析。

2 礦石圖像預(yù)處理

2.1 圖像噪聲分析

由于礦石破碎時(shí)會(huì)產(chǎn)生大量粉塵且引入噪聲，該噪聲與圖像中的椒鹽噪聲有相似之處。利用MATLAB軟件里自帶的imnoise函數(shù)，給拍攝后的圖片加入椒鹽噪聲。礦石圖像噪聲如圖3所示。

2.2 運(yùn)動(dòng)模糊圖像

為模擬礦石運(yùn)動(dòng)情況，需要模擬運(yùn)動(dòng)模糊后的拍攝圖片。在圖像復(fù)原的過(guò)程中，PSF函數(shù)可利用幾個(gè)參數(shù)將模糊的長(zhǎng)度和方向進(jìn)行復(fù)原，為了模擬出實(shí)際拍攝模糊的圖片，先構(gòu)造PSF函數(shù)。假設(shè)實(shí)際生產(chǎn)中傳送帶的速度為2 m/s，運(yùn)動(dòng)方向?yàn)橄蚯皞魉?，則擬定的方向參數(shù)為90°（與x軸的水平夾角），擬定拍攝圖片的模糊長(zhǎng)度為30個(gè)像素點(diǎn)。利用MATLAB的fspecial函數(shù)，模式采用motion，即可完成運(yùn)動(dòng)模糊圖像的生成。礦石運(yùn)動(dòng)模糊圖像如圖4所示。

2.3 圖像灰度變換

通過(guò)線性變換對(duì)圖像中的信號(hào)類(lèi)型進(jìn)行灰度變換，利用MATLAB的rgb2gray灰度函數(shù)對(duì)其中的圖像信號(hào)進(jìn)行灰度處理，圖5所顯示的圖像是原始灰度噪聲圖經(jīng)過(guò)灰度變換后的整個(gè)圖像。

可以看出，變換后每個(gè)礦石與背景之間有較明顯的差異，但是由于噪聲的存在，只用灰度變換是無(wú)法去除的，還需要對(duì)變換后的圖像進(jìn)行濾波處理。

2.4 圖像對(duì)比度增強(qiáng)

增強(qiáng)灰度圖對(duì)比度，其實(shí)就是對(duì)黑白兩處的壓縮，將之間的對(duì)比度進(jìn)行拉伸，通過(guò)增強(qiáng)礦石圖像中的差別，從而增強(qiáng)圖像的對(duì)比度。利用MATLAB函數(shù)庫(kù)里的imadjust函數(shù)，將圖像中灰度值在兩端處0或255的區(qū)域進(jìn)行拉伸，使目標(biāo)和黑色的礦石顆粒背景更加易于區(qū)分。為了適應(yīng)更多的圖像限值，利用MATLAB中的stretchlim函數(shù)，自動(dòng)調(diào)整兩端處的限值，可根據(jù)整張圖片里存在的最高以及最低的灰度值來(lái)進(jìn)行調(diào)整。

2.5 圖像濾波處理

2.5.1 噪聲的濾波處理。中值濾波對(duì)于圖像的脈沖噪聲有著比較好的消除效果，同時(shí)對(duì)于目標(biāo)的信息破壞較小。因此，采用中值濾波器既可以有效地去除因粉塵而產(chǎn)生的噪聲，還可以有效地保留較完整的礦石邊界信息[10]。

2.5.2 運(yùn)動(dòng)模糊圖像的濾波復(fù)原。運(yùn)動(dòng)模糊圖像復(fù)原是通過(guò)將一幅已退化的圖像，利用randon變換來(lái)獲得PSF函數(shù)里的模糊參數(shù)，然后再將估計(jì)得到的PSF函數(shù)通過(guò)不同濾波方法進(jìn)行復(fù)原。但是復(fù)原的難點(diǎn)在于如何獲取這個(gè)模糊參數(shù)，從上文生成運(yùn)動(dòng)模糊圖像的方法可知，運(yùn)動(dòng)模糊參數(shù)主要分為運(yùn)動(dòng)模糊方向以及模糊長(zhǎng)度。對(duì)于模糊方向的估計(jì)可以采用兩種方法解決，一個(gè)是頻域法，另一個(gè)是倒譜法。通過(guò)頻域法和倒譜法得到的試驗(yàn)數(shù)據(jù)可以比較準(zhǔn)確地得到模糊角度。本研究以倒譜法做了以下幾組試驗(yàn)。

從表1中可以觀察到，對(duì)于本方法的不同模糊角度，都可以準(zhǔn)確地估計(jì)出來(lái)，但是模糊長(zhǎng)度的估計(jì)略有偏差，準(zhǔn)確率基本上都在90%以上，并可以看到原本的模糊長(zhǎng)度在30個(gè)像素點(diǎn)時(shí)誤差最小。因此，倒譜法得出的模糊參數(shù)的估計(jì)可以直接用于運(yùn)動(dòng)模糊圖像復(fù)原中，接下來(lái)利用PSF函數(shù)對(duì)圖像進(jìn)行復(fù)原。運(yùn)動(dòng)模糊圖像復(fù)原主要有維納濾波、Lucy-Richardson和盲區(qū)卷積復(fù)原，以上述生成的模糊圖像為例分別采用這三種復(fù)原方法并進(jìn)行對(duì)比可以發(fā)現(xiàn)，維納濾波復(fù)原效果最差，Lucy-Richardson復(fù)原效果較好，盲區(qū)卷積復(fù)原效果最好，連基本紋理都復(fù)原回去了。但是，三者所耗的時(shí)間是相反的，盲區(qū)卷積雖然復(fù)原效果最好，但是其受到迭代次數(shù)的影響，迭代越多，效果越好，時(shí)間也越長(zhǎng)。綜合以上結(jié)果，在考慮效果和實(shí)時(shí)性的要求下，以Lucy-Richardson濾波方法作為最佳選擇。

3 礦石圖像分割

分水嶺算法是通過(guò)每一個(gè)局部最小值區(qū)域生成一個(gè)分水嶺線，因此當(dāng)圖像中產(chǎn)生未處理的噪聲等就會(huì)有大量無(wú)關(guān)的分水嶺線，這也叫過(guò)分割現(xiàn)象。要想處理掉這些過(guò)分割的分水嶺線，關(guān)鍵在于如何將這些局部最小區(qū)域去掉，而基于標(biāo)記的分水嶺算法便能很好地解決這一問(wèn)題[11]。

標(biāo)記主要是對(duì)一個(gè)連通域而言的，圖像里每一個(gè)目標(biāo)都可以看作一個(gè)連通域，而內(nèi)標(biāo)記則將目標(biāo)標(biāo)定，外標(biāo)記則將背景標(biāo)定。先通過(guò)MATLAB中的imerode和imreconstruct兩個(gè)函數(shù)來(lái)實(shí)現(xiàn)重建等分布式運(yùn)算，在此基礎(chǔ)上進(jìn)行腐蝕操作。本課題所采用的圖像是以黑色為主要背景，目標(biāo)圖像是相對(duì)較亮的，因此利用函數(shù)imregionalmax（）將目標(biāo)區(qū)域的所有局部極小值給標(biāo)定出來(lái)。標(biāo)定后已經(jīng)基本上限定了后續(xù)分割的范圍，防止出現(xiàn)大量的過(guò)分割現(xiàn)象。

接下來(lái)進(jìn)行分水嶺分割時(shí)，需要運(yùn)用一個(gè)點(diǎn)進(jìn)行距離變換算法，這個(gè)點(diǎn)進(jìn)行距離變換是通過(guò)計(jì)算每一個(gè)像素點(diǎn)與周?chē)罱姆橇阆袼攸c(diǎn)之間的距離，然后用這個(gè)距離值來(lái)替換原先像素點(diǎn)的值。圖6是利用距離轉(zhuǎn)換后的二維數(shù)值圖像。

并以此進(jìn)行距離變換后通過(guò)MATLAB的分水嶺函數(shù)watershed（）進(jìn)行礦石顆粒分割，并利用不同顏色來(lái)區(qū)分分割后的礦石顆粒，用白色像素點(diǎn)邊界顯示分水嶺線，圖7為分割后的結(jié)果圖。從圖7中可以看到，礦石顆粒的基本輪廓描繪得較完整，并且分割的精度較高，沒(méi)有出現(xiàn)過(guò)分割現(xiàn)象。

4 礦石粒度檢測(cè)與仿真

4.1 像素的連通域標(biāo)記

連通域標(biāo)記分為兩種處理方法，一種是四連通，一種是八連通。由于本研究里分割后的圖片存在許多面積為1個(gè)像素的連通域，因此采用八連通來(lái)去除掉這類(lèi)無(wú)關(guān)的連通域。在MATLAB軟件里利用bwlabel（）來(lái)實(shí)現(xiàn)八連通標(biāo)記，將每一個(gè)連通域進(jìn)行標(biāo)記，然后利用regionprops（）函數(shù)計(jì)算每一個(gè)連通域的面積，并以矩陣的形式存儲(chǔ)數(shù)據(jù)。圖8為計(jì)算后繪制的礦石面積分布圖，可以看到較大的礦石只有1個(gè)，中等大小的有2個(gè)，小礦石則有4個(gè)。

4.2 礦石顆粒的尺度變換

對(duì)于拍攝后的礦石圖片，需要先給定一個(gè)同等高度拍攝的參照物，并計(jì)算出參照物實(shí)際的投影面積，然后計(jì)算對(duì)應(yīng)參照物像素的比例，將比例代入其他礦石像素面積時(shí)可直接計(jì)算出礦石的實(shí)際面積。具體公式為：

參照物像素面積參照物實(shí)際投影面積=礦石像素面積礦石實(shí)際投影面積 ? ? ? ? （1）

通過(guò)公式（1）可以將每一個(gè)礦石的實(shí)際投影面積計(jì)算出來(lái)，進(jìn)而通過(guò)公式[s=πd/22]求出粒徑大小。給粒度設(shè)定幾個(gè)區(qū)間，便可以通過(guò)一幅圖像給出對(duì)應(yīng)區(qū)間的粒度的礦石個(gè)數(shù)，最后判斷出礦石破碎的效果。

4.3 粘連礦石圖像的仿真

對(duì)于上述礦石圖像粒度檢測(cè)只是用了一個(gè)非粘連的少量礦石圖的例子，下面選用一張大量粘連的礦石圖像進(jìn)行試驗(yàn)，仍然采用本文的一系列操作：圖片預(yù)處理、前后景標(biāo)定、分水嶺分割、形態(tài)處理。

從圖9可以看到，礦石面積分布圖中不同粒級(jí)間有不同量的礦石，礦石雖然堆疊在一塊，但是在基于標(biāo)定的分水嶺分割算法下能夠比較成功地將絕大部分礦石分割出邊界，少量礦石顆粒由于邊界比較模糊，導(dǎo)致合在一起，也有極少數(shù)礦石顆粒存在過(guò)分割，但是總體來(lái)看，分割效果比較好。

5 結(jié)語(yǔ)

通過(guò)MATLAB軟件對(duì)采集到的礦石圖片進(jìn)行了圖片濾波、去噪、運(yùn)動(dòng)模糊圖像和復(fù)原等預(yù)處理，選用改進(jìn)的基于標(biāo)定的分水嶺分割算法對(duì)每一張圖片進(jìn)行分割，用形態(tài)學(xué)處理的開(kāi)啟和重建運(yùn)算對(duì)分割出圖片中的孔隙進(jìn)行填充，并把經(jīng)過(guò)處理的礦石粒級(jí)結(jié)果進(jìn)行粒度檢測(cè)，最后把粘連在一起的大量礦石影像進(jìn)行處理和對(duì)比，實(shí)現(xiàn)了礦石粒度的自動(dòng)檢測(cè)。

參考文獻(xiàn)：

[1] 龔大成，呂福在，潘曉弘，等.新型在線粒度檢測(cè)儀的設(shè)計(jì)與研究[J].儀器儀表學(xué)報(bào).2006（6）：602-606.

[2] 張國(guó)英，邱波，劉冠洲，等.基于圖像的原礦碎石粒度檢測(cè)與分析系統(tǒng)[J].冶金自動(dòng)化.2012（3）：63-67.

[3] 孫深深.礦石粒度圖像檢測(cè)技術(shù)的研究[D].鄭州：鄭州大學(xué)，2019.5.

[4] 羅小燕，林龍飛，蔡改貧.基于圖像處理的礦石粒度在線檢測(cè)系統(tǒng)[J].儀表技術(shù)與傳感器，2015（7）：63-64，80.

[5] 寧志剛，郝光鵬，程雄，等.基于圖像分析的堆浸鈾礦石顆粒參數(shù)辨識(shí)[J].北京理工大學(xué)學(xué)報(bào)，2018（3）：300-312.

[6] 蔡改貧，劉占，汪龍，等.基于形態(tài)學(xué)優(yōu)化處理的標(biāo)記符分水嶺礦石圖像分割[J].科學(xué)技術(shù)與工程，2020（23）：9497-9502.

[7] 商夢(mèng)石.基于圖像處理的礦石粒度檢測(cè)方法研究[D].昆明：昆明理工大學(xué)，2017.5.

[8] 方挺，張亞萍.一種基于標(biāo)識(shí)的礦石圖像分割方法[J].軟件導(dǎo)刊.2016（6）：215-217.

[9] 趙曉晴，劉景鑫，張海濤，等.色彩空間變換和基于距離變換的分水嶺算法在白細(xì)胞圖像分割中的應(yīng)用[J].中國(guó)醫(yī)療設(shè)備，2019（7）：5-9.

[10] 趙夢(mèng)琦.基于分水嶺算法的圖像分割算法研究[D].西安：西安郵電大學(xué)，2020.

[11] 張鴻陽(yáng)，韓建峰，張妍.基于改進(jìn)分水嶺算法的粘連車(chē)輛圖像分割[J].內(nèi)蒙古工業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2019（3）：208-215.