王 亮，王天一，銀董紅，謝國(guó)勇

(1.湖南中煙工業(yè)有限責(zé)任公司技術(shù)中心，長(zhǎng)沙 410007;2.北京航空航天大學(xué)，北京 100191)

0 引言

降低卷煙的焦油及其有害成分釋放量是煙草行業(yè)高質(zhì)量發(fā)展的必然要求，煙支結(jié)構(gòu)中的煙絲分布差異對(duì)其燃燒過(guò)程中煙氣的生成和傳遞具有重要的影響。因此，深入研究煙支微觀結(jié)構(gòu)信息，對(duì)改善和優(yōu)化卷煙結(jié)構(gòu)及加工工藝，進(jìn)而實(shí)現(xiàn)降焦減害和提升卷煙品質(zhì)具有指導(dǎo)作用。目前，煙草行業(yè)對(duì)卷煙及煙氣的分析檢測(cè)主要以化學(xué)分析和物理測(cè)量為主，包括卷煙燃燒后的煙氣成分分析和原輔材料檢測(cè)等[1-5]。然而，有關(guān)煙支結(jié)構(gòu)的現(xiàn)代表征技術(shù)鮮有文獻(xiàn)報(bào)道，因此，開(kāi)展煙支微觀結(jié)構(gòu)表征方法研究對(duì)指導(dǎo)卷煙設(shè)計(jì)具有重要的應(yīng)用價(jià)值。

近些年來(lái)，X射線(xiàn)3D-μCT(Three Dimensional Micro Computed Tomography)技術(shù)在無(wú)損檢測(cè)、材料分析和生物醫(yī)學(xué)領(lǐng)域的應(yīng)用日益得到重視。3D-μCT技術(shù)利用微焦點(diǎn)X射線(xiàn)源和高投影放大比保證了高空間分辨率的信息重建，已被公認(rèn)是替代傳統(tǒng)破壞性層析方法的高端技術(shù)[6-8]。該技術(shù)不受被檢物材質(zhì)與內(nèi)部復(fù)雜程度的限制，通過(guò)對(duì)被檢測(cè)對(duì)象的一次掃描，獲得樣品不同視角下的高分辨率DR(Digital Radiography)圖像，利用專(zhuān)用重建算法反演出樣品內(nèi)部結(jié)構(gòu)的各向等分辨率三維圖像。將3D-μCT技術(shù)應(yīng)用于煙支內(nèi)部微觀結(jié)構(gòu)數(shù)字化表征，提取微觀物理特征量，可為研究煙支微觀結(jié)構(gòu)提供技術(shù)手段。

由于3D-μCT系統(tǒng)采用微焦點(diǎn)X射線(xiàn)源，其管電流僅為微安級(jí)，這就使得穿過(guò)物體到達(dá)探測(cè)器的射線(xiàn)光子數(shù)太少。以上原因最終導(dǎo)致重建圖像的噪聲較大，有用信息對(duì)比度低等問(wèn)題。解決問(wèn)題的辦法就是抑制CT圖像的噪聲來(lái)提高圖像的信噪比。目前，圖像去噪的方法很多，較經(jīng)典的如 Lu H等提出的利用懲罰似然估計(jì)法來(lái)平滑投影圖[9]， Demirkaya K等提出各向異性擴(kuò)散濾波方法[10]，Hsieh J提出根據(jù)噪聲的局部特性自適應(yīng)動(dòng)態(tài)調(diào)整濾波器參數(shù)的濾波方法[11]?，F(xiàn)有的圖像降噪算法大多需要用到復(fù)雜的迭代運(yùn)算、運(yùn)行速度慢和迭代過(guò)程易受數(shù)據(jù)噪聲和初值的影響而產(chǎn)生不收斂的情形，工程實(shí)用性不強(qiáng)。如何在降低卷煙圖像噪聲的同時(shí)也能很好地保留圖像細(xì)節(jié)特征，提升降噪算法的魯棒性及運(yùn)行效率，是本文需要解決的問(wèn)題。

研究表明，對(duì)于不同配方的卷煙，內(nèi)部微觀結(jié)構(gòu)不盡相同，從而導(dǎo)致煙支物理性質(zhì)乃至煙氣質(zhì)量的差異[12]。然而，目前對(duì)于煙支內(nèi)部微觀結(jié)構(gòu)的研究相對(duì)較少，手段也較為單一。比如王亮等采用包埋切片法[13]，利用顯微照相獲得煙支斷面的光學(xué)圖像。但該方法為一次性破壞切片，存在較大局限性，而憑借3D-μCT技術(shù)獲取的斷層圖像來(lái)對(duì)煙支進(jìn)行特征無(wú)損提取則可有效避免上述問(wèn)題。

綜上所述，本文首先設(shè)計(jì)針對(duì)煙支類(lèi)長(zhǎng)物體的螺旋CT掃描重建方法來(lái)獲得煙支的斷層圖像，根據(jù)斷層圖像的噪聲特征和工程應(yīng)用要求合理使用BM3D降噪算法得到清晰的斷層圖像。通過(guò)微觀形態(tài)學(xué)方法和圖像處理技術(shù)，基于煙絲斷層圖像提取煙絲的骨架結(jié)構(gòu)和孔隙率等特征量，由此獲得了較為精確的煙支微觀結(jié)構(gòu)，為改善煙草加工工藝提供了物理依據(jù)，對(duì)提高卷煙質(zhì)量研究貢獻(xiàn)了新的思路。

1 針對(duì)煙支長(zhǎng)物體的螺旋CT掃描重建

對(duì)于煙支這種長(zhǎng)物體而言，3D-μCT掃描會(huì)面臨兩個(gè)難題：其一，由于采用了高投影幾何放大比，錐束角一般在20°以上，重建圖像的縱向模糊不可避免；其二，掃描系統(tǒng)的探測(cè)器成像高度有限，對(duì)煙支進(jìn)行高放大比成像時(shí)會(huì)造成煙支高度方向(縱向)上的投影數(shù)據(jù)截?cái)?，不可能利用一次掃描獲得的縱向截?cái)嗤队皵?shù)據(jù)重構(gòu)出煙支的全局結(jié)構(gòu)。這兩個(gè)問(wèn)題的解決要依賴(lài)于重建算法和掃描方式的改進(jìn)。為了實(shí)現(xiàn)對(duì)煙支的高分辨率重建，需要采用較大的投影放大比進(jìn)行成像，本文采用螺旋錐束CT，即采用螺旋掃描軌跡來(lái)擴(kuò)展錐束CT的縱向視野。利用樣品同步旋轉(zhuǎn)+升降的方式實(shí)現(xiàn)螺旋軌跡掃描，完成對(duì)煙支高度的全部覆蓋。在重建方法的選擇上，比較經(jīng)典的螺旋掃描重建算法有FDK近似重建算法和Katsevich精確重建算法等。作為近似重建方法，螺旋FDK算法在錐角較小時(shí)(錐角小于5°)的重建效果可以接受。但在錐角較大時(shí)，遠(yuǎn)離中心的斷層圖像偽影嚴(yán)重，CT圖像的質(zhì)量會(huì)隨著錐角或螺距的增大而變差。相比之下，Katsevich精確重建算法[14]的圖像質(zhì)量不受錐角大小的影響。本論文中實(shí)驗(yàn)所用的X射線(xiàn)源型號(hào)為X-ray XWT-240-CT，射線(xiàn)源的錐角為30°，遠(yuǎn)大于5°，為大錐角；此外，本文在煙支螺旋掃描時(shí)選取了較大的螺距。所以本文在重建方法上選取了Katsevich算法。

本文采用基于平板探測(cè)器的CBCT(Cone-beam CT)系統(tǒng)，圖2所示為掃描系統(tǒng)的空間坐標(biāo)系。對(duì)于螺旋軌跡線(xiàn)內(nèi)部的待重建區(qū)域，以螺旋軌跡的旋轉(zhuǎn)軸為z軸，螺旋軌跡線(xiàn)的起始點(diǎn)所在水平面與z軸的交點(diǎn)作為原點(diǎn)建立笛卡爾坐標(biāo)系o-xyz，待重建體素點(diǎn)的坐標(biāo)為x=[x0,x1,x2]，射線(xiàn)源焦點(diǎn)的位置坐標(biāo)為λ(s)，射線(xiàn)源焦點(diǎn)到探測(cè)器平面的距離為D，螺旋軌跡的旋轉(zhuǎn)半徑為R。螺旋軌跡線(xiàn)的表示方法為：

圖2 螺旋掃描軌跡的CBCT系統(tǒng)的空間坐標(biāo)系

(1)

2 高成像放大比下煙支CT圖像降噪方法

由投影數(shù)據(jù)重建得到的CT圖像信噪比偏低，重建出的斷層圖像及三維體數(shù)據(jù)容易出現(xiàn)失真，不利于后續(xù)提取煙支的結(jié)構(gòu)信息。因此，應(yīng)該對(duì)CT斷層序列圖像進(jìn)行有效的降噪，通過(guò)圖像后處理方法提高重建圖像信噪比。

本文采用BM3D算法實(shí)現(xiàn)對(duì)卷煙圖像的降噪，該算法有效地結(jié)合了非局部降噪和頻域降噪兩種思想，將相似的圖像塊組成三維圖像組，利用三維圖像組在頻域具有較高稀疏性的特性減少噪聲，不僅可以得到較高的峰值信噪比，并且具有較好的視覺(jué)效果。BM3D算法主要分為兩個(gè)主要階段:第一階段產(chǎn)生降噪圖像的基本估計(jì),該階段基于硬閾值處理，并且可以表現(xiàn)出相對(duì)良好的降噪性能，所以在要求不高的場(chǎng)景下可以單獨(dú)使用;第二階段是基于經(jīng)驗(yàn)的維納濾波，使用基本估計(jì)和噪聲圖像產(chǎn)生最終的降噪圖像，進(jìn)一步提高了降噪性能。兩個(gè)階段的處理流程基本相似，圖3為BM3D算法的流程圖[15]。

圖3 BM3D算法流程圖

BM3D算法通過(guò)塊匹配的方法形成三維圖像組，塊匹配分組的意義在于分組之后可以對(duì)每個(gè)三維圖像組使用更高維度的濾波處理，塊匹配的過(guò)程類(lèi)似于NL-Means算法[16]。將當(dāng)前處理的圖像塊作為參考?jí)K，在圖像中搜索與參考?jí)K相似的圖像塊，將相似的圖像塊堆疊起來(lái)形成三維圖像組，塊匹配分組的示意圖如圖4所示。根據(jù)BM3D算法的原理，相似圖像塊的搜索范圍應(yīng)該是整幅圖像，但在實(shí)際應(yīng)用中，考慮到整幅圖像搜索效率低下的問(wèn)題，對(duì)于給定的參考?jí)K，僅在一個(gè)固定大小的搜索窗口中進(jìn)行搜索，可以大大降低搜索算法的復(fù)雜度，提高算法執(zhí)行效率，搜索窗口的大小可根據(jù)實(shí)際的情況進(jìn)行選取。

圖4 三維塊匹配示意圖

協(xié)同濾波是BM3D算法中最為核心的一步，用來(lái)處理三維圖像組。包括三個(gè)步驟：

(2)通過(guò)硬閾值操作，收縮變換頻譜；

聚合步驟是將協(xié)同濾波后的圖像進(jìn)行整合，得到最終的降噪圖像。在圖像塊匹配分組的過(guò)程中，最終得到的三維圖像組有可能是相交的，即同一個(gè)圖像塊可能會(huì)被匹配分組到多個(gè)圖像組中，因此，圖像中的一個(gè)像素可能會(huì)對(duì)應(yīng)多個(gè)估計(jì)值，這就需要通過(guò)加權(quán)平均來(lái)確定最終的估計(jì)值，像素x的基礎(chǔ)估計(jì)如公式(2)所示。

(2)

式中，X(P,x)為指示函數(shù)，若像素x屬于圖像塊P，則值為1，否則值為0；函數(shù)uP,R(x)為像素x在濾波后圖像塊P中的值。第二步的聚合與第一步基本相同，只是加權(quán)的權(quán)重取決于維納濾波的系數(shù)和噪聲強(qiáng)度。

3 煙支特征量提取

3.1 煙絲骨架提取

表達(dá)平面區(qū)域結(jié)構(gòu)形狀的一種重要方法是把它簡(jiǎn)化成圖形，這種簡(jiǎn)化可以通過(guò)骨架提取算法(也稱(chēng)細(xì)化算法)實(shí)現(xiàn)。煙支骨架的提取有利于深入了解煙絲的拓?fù)鋵W(xué)結(jié)構(gòu)，為優(yōu)化煙支工藝提供理論基礎(chǔ)。骨架提取細(xì)化算法輸出的結(jié)果應(yīng)滿(mǎn)足如下要求[17]：(a)輸出單像素細(xì)線(xiàn)，(b)細(xì)化結(jié)果為目標(biāo)圖像的中心，(c)不能破壞連通性，(d)不可刪除端點(diǎn)，(e)具有較好的穩(wěn)定性。

Zhang快速并行骨架提取方法對(duì)二值圖像進(jìn)行逐層刪除邊界點(diǎn)[18]，直到?jīng)]有再可刪除的點(diǎn)時(shí)，骨架提取結(jié)束。Zhang并行快速細(xì)化方法規(guī)定的骨架提取方法原理為：在如圖5所示的3×3鄰域窗口內(nèi)，以點(diǎn)P為中心，P1到P8順時(shí)針定義，并使用式(3)對(duì)該鄰域的像素進(jìn)行約束，N(P)指P1到P8中非零點(diǎn)的數(shù)目，Z0指P1到P8從0到1的變化次數(shù)，同時(shí)滿(mǎn)足上述條件的點(diǎn)P就被刪除。

P8P1P2P7PP3P6P5P4

圖5Zhang快速并行細(xì)化算法模板

(3)

Zhang快速并行骨架提取方法分兩步執(zhí)行：

Step1：在圖4所示的鄰域中執(zhí)行式(3)，將滿(mǎn)足式(3)所有要求的點(diǎn)進(jìn)行標(biāo)記，當(dāng)所有點(diǎn)檢驗(yàn)完畢后，將所標(biāo)記點(diǎn)刪除。

Step2：將式(3)中的(c)、(d)換成P3×P5×P7=0、P1×P5×P7=0，同樣對(duì)所有像素點(diǎn)進(jìn)行檢驗(yàn)，刪除同時(shí)滿(mǎn)足這四個(gè)條件的像素點(diǎn)。以上兩個(gè)步驟完成一次迭代，直到?jīng)]有像素點(diǎn)再滿(mǎn)足式(3)的標(biāo)記條件，迭代結(jié)束，骨架提取完畢。

3.2 骨架的徹底細(xì)化

利用Zhang并行快速細(xì)化方法提取的骨架，雖然初步滿(mǎn)足了骨架提取的相關(guān)原則，但是這種方法的提取結(jié)果并不能保證滿(mǎn)足單像素寬度的要求，這也說(shuō)明這種方法在骨架提取的過(guò)程中存在死點(diǎn)，不能徹底細(xì)化。但是，通過(guò)對(duì)其算法分析可知，這些像素點(diǎn)又不滿(mǎn)足上述骨架提取算法的刪除條件，最終使不必要的像素點(diǎn)保留下來(lái)。為了使提取的骨架滿(mǎn)足單像素寬度的要求，需要對(duì)提取的骨架進(jìn)行徹底細(xì)化。本文采用紋線(xiàn)追蹤方式[19]對(duì)非單像素寬度的骨架進(jìn)行徹底細(xì)化，圖6(a)為一段放大的骨架，可以看出煙絲的骨架具有一定的方向性，通過(guò)進(jìn)一步判斷目標(biāo)像素3×3鄰域的外圍骨架點(diǎn)的屬性，可以估計(jì)紋線(xiàn)的走向，因此采用如圖6(b)所示的5×5的徹底細(xì)化模板，以圖6(a)的骨架為例，骨架點(diǎn)P有P8和P1兩點(diǎn)相連，而P4屬于正確的骨架走向，對(duì)于P8點(diǎn)，紋線(xiàn)的連續(xù)可以向Q1～Q3及Q15、Q16方向延伸，而對(duì)于點(diǎn)P1，則可以向Q2～Q4方向延伸，而對(duì)于3×3鄰域的外圍，只有點(diǎn)P8存在另一個(gè)骨架點(diǎn)Q1，而點(diǎn)P1的外圍不存在可能的骨架點(diǎn)。因此，可以判斷骨架的走向應(yīng)是沿著Q1、P8、P、P4、Q9，點(diǎn)P1為不徹底細(xì)化的結(jié)果，應(yīng)該刪除。

徹底細(xì)化算法的執(zhí)行步驟可概括為：

(1)逐行掃描骨架圖像，直至掃描到骨架點(diǎn)Pi；

(2)對(duì)點(diǎn)Pi統(tǒng)計(jì)其3×3鄰域內(nèi)的骨架點(diǎn)數(shù)目n，如果n≤2，則點(diǎn)Pi不存在不徹底細(xì)化情況，退出，執(zhí)行步驟1；如果n≥3，執(zhí)行步驟3；

(3)此時(shí)需要從P1-P2，P2-P3，…P8-P1連續(xù)掃描點(diǎn)Pi的鄰域，確定是否存在連接的骨架點(diǎn)，如果不存在，則說(shuō)明此處不存在細(xì)化不徹底的現(xiàn)象，退出，執(zhí)行步驟1；如果存在Pj-Pj+1或P8-P1連接，執(zhí)行步驟4；

(4)擴(kuò)展到點(diǎn)Pi的5×5鄰域，判斷點(diǎn)Pj的外圍鄰域是否存在骨架點(diǎn)，如果存在，則可判斷骨架應(yīng)該沿著這個(gè)方向延伸；否則判斷該點(diǎn)為不徹底細(xì)化結(jié)果，應(yīng)該刪除；

(5)所有骨架點(diǎn)掃描結(jié)束，徹底細(xì)化算法執(zhí)行完畢。

3.3 孔隙率的提取

對(duì)于煙支這種特殊的多孔介質(zhì)而言，孔隙率是極為重要的物理參數(shù)之一。孔隙率是指多孔介質(zhì)內(nèi)微小空隙的總體積與多孔介質(zhì)總體積的比值，是無(wú)量綱的物理量?？紫堵逝c多孔介質(zhì)的形狀、結(jié)構(gòu)和排列有關(guān)。孔隙率是影響煙支內(nèi)流體傳輸性能的重要參數(shù)，本文提出了基于圖像分割的一系列處理方法來(lái)提取煙支的孔隙率。

在燃燒過(guò)程中，煙氣從燃燒部位透過(guò)未燃燒煙絲段被人體吸入，所以煙支的孔隙率對(duì)研究煙氣在煙支內(nèi)部的傳輸具有重要意義。為了得到煙支斷層圖像的孔隙率，本文首先采用Otsu獲得背景像素與煙葉像素的分割閾值，之后在圖像邊緣開(kāi)始進(jìn)行漫水填充，目的是分割出煙支區(qū)域和背景區(qū)域；獲得煙支區(qū)域后進(jìn)行兩次圖像腐蝕，目的是腐蝕掉最外面一層的包裹紙張，之后根據(jù)之前提取的Otsu分割閾值來(lái)判斷煙支區(qū)域中對(duì)應(yīng)的像素點(diǎn)是否為孔隙(小于該閾值的被認(rèn)為是孔隙)，計(jì)算出被判定為孔隙的像素點(diǎn)數(shù)占煙支區(qū)域總像素點(diǎn)數(shù)的百分比，如公式(4)所示，即為該斷層的孔隙率。

(4)

式中，p為孔隙率；N′為煙支區(qū)域孔隙部分像素點(diǎn)數(shù)；N為煙支區(qū)域所有像素點(diǎn)數(shù)。

為了得到某一段煙支的總體孔隙率，則需要統(tǒng)計(jì)煙支中所有斷層的孔隙率，求和平均后即為該段煙支的總體孔隙率?？紫堵实挠?jì)算流程如圖7所示。

4 實(shí)驗(yàn)結(jié)果與分析

針對(duì)煙支的螺旋軌跡CT掃描幾何參數(shù)如表1所示，其中探測(cè)器的像元尺寸為0.2mm。這里采用連續(xù)掃描模式，探測(cè)器幀頻設(shè)置為2，整個(gè)掃描過(guò)程的時(shí)間為370s。圖8(a)給出了Katsevich重建方法得到的重建斷層圖像。實(shí)驗(yàn)結(jié)果表明，本文針對(duì)煙支的螺旋CT掃描重建方法可以有效地?cái)U(kuò)展縱向成像視場(chǎng)，但也存在著噪聲問(wèn)題。

圖8 降噪圖像前后對(duì)比示意圖(a)原始噪聲圖像;(b)BM3D降噪后的圖像

如圖8(a)所示，螺旋CT掃描重建后的原始圖像受到的噪聲影響較為嚴(yán)重。圖8(b)為BM3D降噪后的結(jié)果，能夠觀察到肉眼可見(jiàn)的噪聲已基本被濾除，同時(shí)煙絲的圖像細(xì)節(jié)得到了很好地保留。為了更加客觀地評(píng)價(jià)BM3D降噪方法對(duì)CT圖像的降噪效果，本文選取了峰值信噪比(PSNR)、均方誤差(MSE)、邊緣保持系數(shù)(EPI)和結(jié)構(gòu)相似度系數(shù)(SSIM)四種客觀評(píng)價(jià)指標(biāo)，定量分析結(jié)果如表2所示。

表2 BM3D降噪前后圖像參數(shù)對(duì)比

由表2可知，本文采用的降噪算法在峰值信噪比、均方誤差和結(jié)構(gòu)相似度的表現(xiàn)較好，在有效濾除噪聲的同時(shí)，能夠很好地保留原圖像中的邊緣和紋理等細(xì)節(jié)信息，在視覺(jué)效果上也有著更好的表現(xiàn)。

為了進(jìn)一步說(shuō)明改進(jìn)降噪模型的普適性，本文對(duì)煙支的600層CT圖像進(jìn)行了降噪處理，并將降噪結(jié)果進(jìn)行了三維體數(shù)據(jù)重建，其重建效果如圖9所示?？梢钥闯?，降噪前后的三維體數(shù)據(jù)模型清晰度對(duì)比明顯。應(yīng)用本文降噪方法能明顯提升噪聲煙支圖像的質(zhì)量。

圖9 煙支CT降噪三維重建前后對(duì)比示意圖 (a)原始CT圖像三維重建;(b)降噪后CT圖像三維重建

在獲取了高質(zhì)量CT圖像的基礎(chǔ)上，圖10為使用Zhang快速并行細(xì)化方法提取得到的煙絲骨架，右側(cè)為放大的骨架，可以觀察到并不滿(mǎn)足骨架提取單像素細(xì)線(xiàn)的要求，這說(shuō)明了該方法提取骨架信息并不徹底。

圖1 煙支螺旋CT掃描方案

圖10 Zhang快速并行細(xì)化方法提取得到的煙絲骨架

使用前文所述細(xì)化算法對(duì)提取的煙絲骨架進(jìn)行了徹底細(xì)化，徹底細(xì)化結(jié)果如圖11(b)所示。經(jīng)過(guò)與圖11(a)提取的原始骨架對(duì)比不難發(fā)現(xiàn)，采用基于紋線(xiàn)追蹤的徹底細(xì)化算法有效地刪除了多余的骨架點(diǎn)，使最終提取的骨架滿(mǎn)足了骨架提取的原則。

圖11 徹底細(xì)化前后對(duì)比圖(a)原始骨架局部放大圖;(b)徹底細(xì)化后局部放大圖

圖12為截取的某段煙支的孔隙率變化趨勢(shì)圖，顯示了該段煙支的孔隙率分布情況。其中該段煙支的平均孔隙率為53.89%，最大孔隙率為61.84%，對(duì)應(yīng)斷層位于煙支中部，最小孔隙率為41.46%，對(duì)應(yīng)斷層位于煙支前端。結(jié)合傳統(tǒng)測(cè)量方法得到的結(jié)果，證明了本文方法的正確性。通過(guò)觀察與統(tǒng)計(jì)，結(jié)果對(duì)應(yīng)的煙絲斷層圖像，孔隙率的變化規(guī)律與斷層圖像中煙絲密度的變化規(guī)律是相符的，這也驗(yàn)證了本文統(tǒng)計(jì)結(jié)果的合理性。

圖12 某段煙支孔隙率變化趨勢(shì)圖

5 結(jié)論

本文以X射線(xiàn)CT檢測(cè)技術(shù)為依托，開(kāi)展煙支微觀數(shù)字化表征的研究工作，設(shè)計(jì)了卷煙類(lèi)長(zhǎng)物體的螺旋CT掃描重建方法，進(jìn)一步對(duì)CT斷層圖像進(jìn)行BM3D降噪處理，在降低噪聲的同時(shí)較好地保留了煙絲的圖像細(xì)節(jié)，獲得了較為清晰的斷層圖像。以高質(zhì)量煙支CT圖像為基礎(chǔ)，采用Zhang快速并行骨架提取方法對(duì)煙支骨架進(jìn)行提取和細(xì)化，基于骨架提取的不徹底現(xiàn)象，進(jìn)一步采用了基于紋線(xiàn)追蹤的徹底細(xì)化方法，得到了脈絡(luò)清晰的煙絲拓?fù)鋵W(xué)結(jié)構(gòu)。以圖像處理技術(shù)手段為基礎(chǔ)，通過(guò)閾值分割、漫水填充和圖像腐蝕等方法，計(jì)算得到煙支的孔隙率特征量。應(yīng)用本文方法提取的煙支微觀結(jié)構(gòu)信息，可以為優(yōu)化煙支結(jié)構(gòu)和控制產(chǎn)品質(zhì)量等提供理論依據(jù)與技術(shù)支持。

參考文獻(xiàn)(References)

[1]FowlesJ,BatesM.Thechemicalconstituentsincigarettesandcigarettesmoke:Prioritiesforharmreduction[M]//AReporttotheNewZealandMinistryofHealth.KenepuruScienceCentre,Prirua, 2000: 1-67.

[2]ThomasAdam,JohnMcAughey,ChristophMocker,etal.Influenceoffilterventilationonthechemicalcompositionofcigarettemainstreamsmoke[J].AnalyticaChimicaActa, 2010,(657) :36-44.

[3]WangJ,PengX,XieY,etal.Fastanalysisofselectedcompoundsininhaledandexhaledvaporphaseofcigarettesmoketoevaluatecomponentsretainedintheupperrespiratorytract[J].RapidCommunMassSpectrom, 2021, 35:e8996.

[4] 申曉鋒，李華杰，李善蓮.煙絲結(jié)構(gòu)表征方法研究[J]. 中國(guó)煙草學(xué)報(bào)，2010，4(16)：20-25.

ShenXiaofeng,LiHuajie,LiShanlian.Studyoncharacterizationofcuttobaccoparticlesizedistribution[J].ActaTabacariaSinica, 2010, 4(16):20-25.(inChinese)

[5] 朱令宇，李永杰.濾棒重量、壓降穩(wěn)定性對(duì)卷煙重量、吸阻穩(wěn)定性的影響[J]. 福建分析測(cè)試，2009，18(2)：83-85.

ZhuLingyu,LiYongjie.Effectsofthestabilityofweightandresistanceoffilterrodonthestabilityofcigaretteweightanddrawresistance[J].FujianAnalysis&Testing, 2009, 18(2):83-85.(inChinese)

[6]LetitiaSchoeman,PaulWilliams,AntonduPlessis,etal.X-raymicro-computedtomography(μCT)fornon-destructivecharacterisationoffoodmicrostructure[J].TrendsinFoodScience&Technology, 2016, 47.

[7]ZhaoBudi,WangJianfeng.3Dquantitativeshapeanalysisonform,roundnessandcompactnesswithμCT[J].PowderTechnology, 2016, 291: 262-275.

[8] 熊瑛，劉海強(qiáng)，杜本莉，等.微焦點(diǎn)CT在陶瓷基復(fù)合材料上的檢測(cè)應(yīng)用[J]. 航空制造技術(shù)，2018，61(19)：58-63.

XiongYing,LiuHaiqiang,DuBenli,etal.ApplicationofMicro-FocusCToninspectionofceramicmatrixcomposites[J].AeronauticalManufacturingTechnology, 2018, 61(19):58-63.(inChinese)

[9]LuH,LiX,HsiaoIT,etal.Analyticaltreatmentofnoiseforlow-doseCTprojectiondatabypenalizedweightedleast-squaresmoothingintheK-Ldomain[J].SPIEMedImag, 2002, 4682:146-152.

[10]DemirkayaK.Reductionofnoiseandimageartifactsincomputedtomographybynonlinearfiltrationoftheprojectionimages[J].SPIEMedImag, 2001, 4322:917-923.

[11]HsiehJ.AdaptivestreakartifactreductionincomputedtomographyresultingfromexcessiveX-rayphotonnoise[J].MedPhys, 1998, 25:2139-2147.

[12] 于川芳，王兵，申玉軍，等.國(guó)內(nèi)外卷煙煙支結(jié)構(gòu)的分析對(duì)比[C]//全面建設(shè)小康社會(huì):中國(guó)科技工作者的歷史責(zé)任，中國(guó)科協(xié)2003年學(xué)術(shù)年會(huì)論文集(上)，2003.

YuChuanfang,WangBing,ShenYujun,etal.Analysisandcomparisonofcigarettestructureathomeandabroad[C]//BuildingaModeratelyProsperousSocietyinanAll-roundWay:TheHistoricalResponsibilityofChineseScienceandTechnologyWorkers:Proceedingsofthe2003AnnualConferenceoftheChinaAssociationforScienceandTechnology(Part1), 2003.(inChinese)

[13] 王亮，銀董紅，謝國(guó)勇，等.卷煙燃燒過(guò)程中煙絲形態(tài)結(jié)構(gòu)變化的表征方法[J]. 煙草科技, 2018，51(9)：67-72.

WangLiang,YinDonghong,XieGuoyong,etal.Amethodforcharacterizingvariationsofmorphologicalstructureofcutfillerduringcigaretteburning[J].TobaccoScience&Technology, 2018, 51(9):67-72.(inChinese)

[14]YuH,WangG.StudiesonimplementationoftheKatsevichalgorithmforspiralcone-beamCT[J].JournalofX-rayScienceTechnology, 2004, 12(2): 97-116.

[15]DabovK,FoiA,KatkovnikV,etal.Imagedenoisingbysparse3-Dtransform-domaincollaborativefiltering[J].IEEETransactionsonImageProcessing, 2007, 16(8): 2080-2095.

[16]BuadesA,CollB,MorelJ-M.Anon-localalgorithmforimagedenoising[C]//Proceedingsofthe2005IEEEComputerSocietyConferenceonComputerVisionandPatternRecognition(CVPR′05).

[17] 李迎，段汕.基于數(shù)學(xué)形態(tài)學(xué)的二值圖像細(xì)化算法研究[J].中南民族大學(xué)學(xué)報(bào)(自然科學(xué)版)，2005，24(4)：96-99.

LiYing,DuanShan.Studyofbinaryimagethinningbasedonmathematicalmorphology[J].JournalofSouth-CentralMinzuUniversity(NaturalScienceEdition), 2005, 24(4):96-99.(inChinese)

[18] 吳選忠.Zhang快速并行細(xì)化算法擴(kuò)展[J].福建工程學(xué)院學(xué)報(bào)，2006，4(1)：89-92.

WuXuanzhong.ExtendingofZhang’sfastparallelthinningalgorithm[J].JournalofFujianUniversityofTechnology, 2006, 4(1):89-92.(inChinese)

[19] 王晶，李景萃.指紋圖像快速細(xì)化的改進(jìn)算法及應(yīng)用[J]. 儀器儀表學(xué)報(bào)，2008，29(7)：1535-1539.

WangJing,LiJingcui.Improvedfastthinningalgorithmforfingerprintimageanditsapplication[J].ChineseJournalofScientificInstrument, 2008, 29(7):1535-1539.(inChinese)