基于圖像處理的泥沙輪廓提取對(duì)比分析

許琳娟，曹文洪，劉春晶

（1.中國水利水電科學(xué)研究院 流域水循環(huán)模擬與調(diào)控國家重點(diǎn)實(shí)驗(yàn)室，北京 100048；2.中國水利水電科學(xué)研究院 水利部水沙科學(xué)與江河治理重點(diǎn)實(shí)驗(yàn)室，北京 100048；3.中國水利水電科學(xué)研究院 泥沙研究所，北京 100048）

基于圖像處理的泥沙輪廓提取對(duì)比分析

許琳娟1，2，3，曹文洪1，2，3，劉春晶1，2，3

（1.中國水利水電科學(xué)研究院 流域水循環(huán)模擬與調(diào)控國家重點(diǎn)實(shí)驗(yàn)室，北京 100048；2.中國水利水電科學(xué)研究院 水利部水沙科學(xué)與江河治理重點(diǎn)實(shí)驗(yàn)室，北京 100048；3.中國水利水電科學(xué)研究院 泥沙研究所，北京 100048）

利用數(shù)字圖像處理技術(shù)對(duì)拍攝的泥沙顆粒圖像進(jìn)行處理，提取泥沙顆粒輪廓及位置坐標(biāo)，為實(shí)時(shí)測(cè)量推移質(zhì)輸沙率提供了基礎(chǔ)。本文基于數(shù)字圖像處理技術(shù)，闡述了圖像輪廓提取的一些基礎(chǔ)知識(shí)，介紹了三種常用的圖像輪廓提取方法，展示了這三種方法輪廓提取的效果，并進(jìn)行了對(duì)比分析，結(jié)果表明當(dāng)所處理的圖像包含不同粒徑的泥沙顆粒時(shí)，邊緣檢測(cè)算法提取的泥沙顆粒數(shù)量效果最好。

輪廓提?。粓D像處理；算法；對(duì)比分析；泥沙顆粒

1 研究背景

數(shù)字圖像處理是指將圖像信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)，并利用計(jì)算機(jī)對(duì)其進(jìn)行處理的一個(gè)過程［1］。利用數(shù)字圖像處理技術(shù)，獲得圖像目標(biāo)物的輪廓包括兩個(gè)步驟：一是圖像分割—在圖像中把目標(biāo)物分割出來；二是輪廓提取—提取出目標(biāo)物的輪廓。

隨著數(shù)字圖像處理技術(shù)的成熟，很多學(xué)者在不同的學(xué)科領(lǐng)域?qū)D像輪廓提取方面進(jìn)行了大量的研究，并取得了一定的成果。范九倫等［2］在二維Otsu法的基礎(chǔ)上提出了曲線閾值型Otsu法，給出了一種遞歸算法和一種小波變換與遞歸算法相結(jié)合的快速算法，減少了計(jì)算量，提高了圖像分割速度；但閾值曲線的選取比較復(fù)雜和困難。吳鳳和［3］結(jié)合計(jì)算機(jī)技術(shù)，提出了一種較為實(shí)用的輪廓提取方法，比傳統(tǒng)的輪廓提取方法具有精度高、抗干擾能力性強(qiáng)等優(yōu)點(diǎn)。吳金鹿等［4］利用信號(hào)的互相關(guān)原理，提出了一種基于互相關(guān)匹配的分割方法，對(duì)高空?qǐng)D像的目標(biāo)提取效果較好。井艾斌等［5］對(duì)于利用Matlab函數(shù)提取并填充目標(biāo)輪廓，得到了良好的效果，但是這種方法適用于圖形簡(jiǎn)單且背景噪聲小的圖像。以上研究選用的是背景比較單一或是由簡(jiǎn)單線條組成的圖像，因此圖像處理進(jìn)行輪廓提取時(shí)，比較容易得到結(jié)果；但是實(shí)際應(yīng)用中拍攝的圖像往往背景噪聲大，或是圖像本身很復(fù)雜，利用上述方法不易得到想要的結(jié)果。

在前人研究的基礎(chǔ)上，本文選取水槽試驗(yàn)中拍攝的運(yùn)動(dòng)泥沙顆粒的圖像，圖像具有背景噪聲大，圖像復(fù)雜且泥沙顆粒小等特點(diǎn)，利用圖像處理技術(shù)對(duì)復(fù)雜的泥沙顆粒圖像進(jìn)行處理，利用三種比較經(jīng)典的圖像輪廓提取方法，分別對(duì)所選取圖像中的泥沙顆粒進(jìn)行輪廓提取，同時(shí)將這三種方法的提取效果進(jìn)行對(duì)比分析，探究圖像處理技術(shù)在處理泥沙顆粒圖片方面的應(yīng)用效果。

2 圖像輪廓提取介紹

為了能夠得到圖像中準(zhǔn)確的幾何參數(shù)，需要運(yùn)用一定的技術(shù)手段對(duì)圖像中目標(biāo)輪廓進(jìn)行邊緣提取。而圖像在采集過程中，由于噪聲、畸變等因素造成圖像的變形和模糊，導(dǎo)致在對(duì)圖像邊緣提取時(shí)有一定的難度，而這將直接影響我們不能準(zhǔn)確獲取圖像的基本信息，所以如何準(zhǔn)確獲取圖像目標(biāo)物的邊緣輪廓是圖像處理方面研究的難點(diǎn)和熱點(diǎn)。

圖像輪廓提取是指從原始圖像中，采用某種方法，將圖片中的人物、動(dòng)物、植物或者其他任何對(duì)象的邊界（輪廓線）提取出來，使之成為一幅獨(dú)立的黑白線條圖，從而達(dá)到將物體與背景分開，物體與物體分開的效果。圖像輪廓提取類似于圖像的邊緣檢測(cè)，因此我們要對(duì)圖像輪廓進(jìn)行提取，可近似認(rèn)為是對(duì)圖像中目標(biāo)物體的特征邊緣進(jìn)行檢測(cè)。

3 圖像輪廓提取方法

3.1 邊緣檢測(cè)法邊緣是物體的本質(zhì)特征，包含著圖像的大量信息，反映了圖像灰度級(jí)的不連續(xù)性［6］，邊緣檢測(cè)法是根據(jù)圖像中背景和目標(biāo)物紋理或灰度特性上的突變性或不連續(xù)性而對(duì)圖像進(jìn)行分割的一種方法，它描述了圖像灰度變化的過程［7］，其實(shí)質(zhì)是利用某種算法將圖像中背景與目標(biāo)物的邊界線提取出來，即對(duì)圖像中灰度變化的檢測(cè)、量度和定位［8］。邊緣檢測(cè)法是圖像輪廓提取的基本方法，它在圖像分割、圖像匹配、特征提取以及圖像識(shí)別等方面具有重要的作用。

梯度幅值如式（2）：

實(shí)際中，常將區(qū)域模板與圖像通過卷積來完成。Gx和Gy分別對(duì)應(yīng)一個(gè)水平模板和垂直模板，將這兩個(gè)模板結(jié)合起來，就組成一個(gè)梯度算子。根據(jù)模板元素值和大小的不同，有許多不同的算子，常用的有Sobel、Prewitt、Roberts算子等。這三種算子優(yōu)缺點(diǎn)及適用范圍如表1所示：

表1 各種算子優(yōu)缺點(diǎn)及適用范圍

通過比較可以得知，Sobel算子的邊緣輪廓檢測(cè)效果最好，且為了與本文中下面的另外兩種方法相比較，這里選用Sobel算子。

3.2 數(shù)學(xué)形態(tài)學(xué)法數(shù)學(xué)形態(tài)學(xué)是建立在數(shù)學(xué)理論的基礎(chǔ)上，將某種形態(tài)結(jié)構(gòu)元素作用于圖像中目標(biāo)物體的形狀集合，檢測(cè)并提取圖像中目標(biāo)物體的邊緣形狀，達(dá)到分析和識(shí)別所研究目標(biāo)物的目的［10］。它是基于數(shù)學(xué)中集合的觀點(diǎn)，將所研究圖像轉(zhuǎn)換成集合形式來表示，且它研究圖像時(shí)所有的運(yùn)算都是通過集合運(yùn)算（例如交集、并集、補(bǔ)集等）來進(jìn)行。

腐蝕（Erosion）、膨脹（Dilation）、開（Opening）運(yùn)算和閉（Closing）運(yùn)算是形態(tài)學(xué)常見的基本運(yùn)算，利用這些運(yùn)算可對(duì)圖像中物體形狀進(jìn)行檢測(cè)和提取，在很大程度上起到抑制圖像背景噪聲的效果。

（1）腐蝕：

式中：AΘB表示A被B腐蝕，即將B平移x后仍由屬于A的所有x點(diǎn)組成。腐蝕運(yùn)算會(huì)去掉物體的邊緣點(diǎn)，提取圖像的骨干，去掉毛刺，物體圖像將縮小一層。

（2）膨脹：

式中：Ac表示A的補(bǔ)集，A⊕B表示A被B膨脹，Bˇ表示B關(guān)于坐標(biāo)原點(diǎn)的反射，即將B繞坐標(biāo)原點(diǎn)旋轉(zhuǎn)180°，再將Bˇ對(duì)Ac腐蝕，其結(jié)果的補(bǔ)集即是所求。膨脹運(yùn)算會(huì)將原圖像擴(kuò)大一層，內(nèi)部孔洞會(huì)被填補(bǔ)上。

（3）開運(yùn)算：

式中： A°B表示B對(duì)A作開運(yùn)算，即A先被B腐蝕，再被B膨脹。開運(yùn)算能夠平滑圖像邊界，消除突出的細(xì)小部分，分離纖細(xì)狹窄的部分，不明顯改變其面積。

（4）閉運(yùn)算：

式中，A·B表示B對(duì)A作閉運(yùn)算，Bˇ意義同上。閉運(yùn)算一般能夠連接二值圖像中細(xì)小部分，填充圖像中的細(xì)小空洞，平滑物體的邊界但不明顯改變其面積。

Matlab中用Bwmorph函數(shù)來進(jìn)行數(shù)學(xué)形態(tài)學(xué)的各種運(yùn)算，其操作參數(shù)erode、dilate、open、close分別代表上述的四種基本運(yùn)算。利用形態(tài)學(xué)法優(yōu)點(diǎn)是不僅可以濾除噪聲，而且還可以保留圖像中原有的細(xì)節(jié)信息，對(duì)圖像邊緣具有良好的檢測(cè)效果。但是不足之處是利用以上檢測(cè)算子只能檢測(cè)與結(jié)構(gòu)元素B相關(guān)的邊緣，較其他方法，其適用性相對(duì)較差。通過比較，對(duì)于本文中選取的圖片，膨脹運(yùn)算結(jié)果最好，故下面文中就給出膨脹運(yùn)算的結(jié)果。

3.3 邊界查找法邊界查找法的原理：一是先在待處理的圖片中尋找目標(biāo)物的梯度值像素，二是采用某種方法將這些查找到的梯度值的像素連接起來，并力求連接路徑最短，從而形成圖像的邊緣輪廓線［12］。

邊界查找法實(shí)質(zhì)也是對(duì)圖像中目標(biāo)物的邊緣輪廓進(jìn)行檢測(cè)，但是與邊緣檢測(cè)不同的是，邊界查找法連接目標(biāo)物的像素值，是按照相鄰兩像素值間距離最短的原則來進(jìn)行，依次將兩兩相鄰像素間距離最短的像素點(diǎn)連接起來，即形成一個(gè)目標(biāo)物的邊緣輪廓。邊界查找法使用時(shí)容易受到背景噪聲的影響，所以在一定程度上會(huì)將背景邊緣誤當(dāng)目標(biāo)物體邊緣而影響檢測(cè)效果。

Matlab中用于邊界查找法的函數(shù)是Bwperim函數(shù)，其具體過程為：先將所給圖片轉(zhuǎn)化成二值圖片，二值圖片中圖像信息將由0、1組成的數(shù)字矩陣組成，目標(biāo)像素由1表示，背景像素由0表示，通過連接目標(biāo)像素的方法，并遵循相鄰兩像素間距離最短的原則來得到目標(biāo)圖像的邊緣。本文就選用Bwperim函數(shù)來提取目標(biāo)物的邊緣輪廓。

4 輪廓提取效果

4.1 圖像選取在中國水利水電科學(xué)研究院大興試驗(yàn)基地泥沙試驗(yàn)廳的徑流波浪水槽中進(jìn)行了水槽試驗(yàn)，如圖1所示：水槽中河床上的泥沙顆粒在水流的作用下運(yùn)動(dòng)，在某一時(shí)刻通過綠色板子，并在水流和泥沙顆粒自身的重力作用下沿板子運(yùn)動(dòng)，最終落入接沙漏斗中。

圖1中泥沙顆粒粒徑大小不同，范圍為0.023～10 mm，綠色板子為矩形，其實(shí)際尺寸為990 mm×165 mm，挑選綠色作為板子的背景，可起到背景清晰、方便觀察泥沙顆粒運(yùn)動(dòng)、處理圖像時(shí)背景噪聲影響小等優(yōu)點(diǎn)。

4.2 輪廓提取做水槽試驗(yàn)時(shí)，攝像機(jī)架在水槽的一側(cè)，圖片（如圖1）的拍攝是從側(cè)面進(jìn)行的，這就會(huì)造成拍攝出來的圖像變形，例如原來是矩形的綠色板子拍攝出來后成了不規(guī)則的四邊形。拍攝時(shí)，攝像機(jī)固定在一個(gè)位置，這樣距離綠色板子的一端較近，一端較遠(yuǎn)，也會(huì)造成拍攝出來的泥沙顆粒的失真。同時(shí)，攝像機(jī)顯示屏上一直顯示有時(shí)間標(biāo)記，這會(huì)影響圖像的處理，需將其除去。因此我們進(jìn)行輪廓提取時(shí)需要進(jìn)行以下步驟：

圖1 選取的試驗(yàn)圖片

圖2 空間變換和裁剪后圖像

（1）首先對(duì)選取的圖片（如圖1）進(jìn)行空間變換，以消除綠色板子的變形及其上面泥沙顆粒的失真，使圖像看起來與實(shí)際更加接近以及獲取圖像像素對(duì)應(yīng)的實(shí)際尺寸；

（2）由于拍攝的圖片上帶有時(shí)間水印，影響對(duì)綠色板子上泥沙顆粒的分析，所以我們處理圖片時(shí)需將時(shí)間水印去除，這里我們將帶有時(shí)間水印的圖片的右下角裁剪掉；同時(shí)為了便于查看輪廓的提取效果，我們將原圖片中綠色板子以外的部分裁剪掉，對(duì)圖片進(jìn)行空間變換和裁剪后的圖像如圖2所示，圖2中圓圈代表綠色板子上運(yùn)動(dòng)的泥沙顆粒，共有86顆；

（3）分別利用上述三種方法對(duì)泥沙顆粒的輪廓進(jìn)行提取。輪廓提取效果如圖3所示。

圖3 三種方法輪廓提取效果

4.3 效果分析由圖3可以看出，三種不同的邊緣檢測(cè)算法在提取泥沙顆粒輪廓時(shí)效果是不同的，具體如下：

（1）圖3（a）是利用邊緣檢測(cè)算法Sobel算子得到的結(jié)果，且通過多次試算，當(dāng)其閾值為0.01666時(shí)，此算法基本上能把原圖中不同粒徑的泥沙顆粒提取出來，提取到的泥沙顆粒比較清晰，且提取到的泥沙顆粒數(shù)量為85顆，與原圖中泥沙顆粒數(shù)量（86顆）基本接近，即在提取質(zhì)量和數(shù)量方面效果都很好。圖3（a）中圓圈代表原圖中的泥沙顆粒，白色顆粒為提取到的泥沙顆粒，兩者重合說明此方法在正確位置提取到了泥沙顆粒；只有圓圈沒有白色顆粒的位置，說明沒有提取到泥沙顆粒；只有白色顆粒沒有圓圈的地方，說明在此處將背景噪聲提取了出來，具體如表2所示。

表2 Sobel算子提取泥沙顆粒數(shù)量

（2）圖3（b）中，數(shù)學(xué)形態(tài)學(xué)法對(duì)泥沙顆粒的輪廓提取效果不是很好，大部分的泥沙都不能提取出來，僅能提取到幾顆粒徑較大的泥沙顆粒的骨架，但是提取到的大顆粒圖像比較清晰。

（3）圖3（c）中，邊界查找法對(duì)于較小粒徑的泥沙顆粒，也提取不出其輪廓，只能提取出幾顆大顆粒泥沙的輪廓，將圖像放大后可以看到（如圖4），其提取到的泥沙顆粒輪廓比較完整清晰。

因此可知，利用上述三種方法，雖然均能提取到圖像的邊緣輪廓，但是對(duì)于不同粒徑范圍的泥沙顆粒，這幾種方法提取效果是不同的。當(dāng)泥沙顆粒較大時(shí)，這三種方法都能將圖片中泥沙顆粒的輪廓提取出來，且都能提取到較為清晰的顆粒輪廓；當(dāng)泥沙顆粒較小時(shí)，邊緣檢測(cè)法能提取出清晰的小顆粒泥沙輪廓，提取效果依然較好，而另外兩種方法則提取不到小顆粒泥沙的輪廓。

圖4 邊界查找法（Bwperim）放大后圖像

5 結(jié)論

本文以水槽試驗(yàn)拍攝的照片為例，利用圖像輪廓提取中常用的三種方法對(duì)其進(jìn)行處理分析，得知：在處理含有大顆粒泥沙圖像時(shí)，文中給出的三種方法都可以提取到較好的圖像輪廓；在處理含有小顆粒泥沙圖像時(shí)，數(shù)學(xué)形態(tài)學(xué)法和邊界查找法提取效果不是很好，很多小顆粒泥沙都提取不到，而邊緣檢測(cè)法則對(duì)小顆粒泥沙輪廓的提取效果也較好，因此當(dāng)處理含有小顆粒泥沙的圖像時(shí)，我們可以選擇邊緣檢測(cè)法來進(jìn)行小顆粒泥沙輪廓的提取。

文中邊緣檢測(cè)算法在泥沙顆粒數(shù)量方面提取的比較準(zhǔn)確，但還不能準(zhǔn)確得到其粒徑大小，這需要在以后的工作中做進(jìn)一步的研究。

綜合上述結(jié)果，當(dāng)所要處理的圖片中包含不同粒徑范圍的泥沙顆粒，且想得到圖像中泥沙顆粒的數(shù)量時(shí)，我們可優(yōu)先選取邊緣檢測(cè)法來對(duì)其輪廓進(jìn)行提取，以此為基礎(chǔ)來獲得更多的其他圖像信息。

［ 1］ 趙海濱.MATLAB應(yīng)用大全［M］.北京：清華大學(xué)出版社，2012.

［ 2］ 范九倫，趙鳳.灰度圖像的二維Otsu曲線閾值分割法［J］.電子學(xué)報(bào)，2007，35（4）：751-755.

［ 3］ 吳鳳和.基于計(jì)算機(jī)視覺測(cè)量技術(shù)的圖像輪廓提取方法研究［J］.計(jì)量學(xué)報(bào)，2007，28（1）：18-22.

［ 4］ 吳金鹿，陳紹煒，孫磊.一種基于互相關(guān)匹配的空域目標(biāo)提取方法［J］.科學(xué)技術(shù)與工程，2011，11（32）：7948-7943，7951.

［ 5］ 井艾斌，柳青，孟祥增.基于Matlab的圖形輪廓提取及填充［J］.計(jì)算機(jī)工程應(yīng)用技術(shù)，2008：1722-1723，1727.

［ 6］ 徐國保，王驥，趙桂艷，等 .基于數(shù)學(xué)形態(tài)學(xué)的自適應(yīng)邊緣檢測(cè)新算法［J］.計(jì)算機(jī)應(yīng)用，2009，29（4）：997-999，1002.

［ 7］ 賈磊，焦淑紅.圖像邊緣檢測(cè)技術(shù)研究綜述［J］.科技風(fēng)，2010：226-234.

［ 8］ 管宏蕊，丁輝.圖像邊緣檢測(cè)經(jīng)典算法研究綜述［J］.首都師范大學(xué)學(xué)報(bào)：自然科學(xué)版，2009，30：66-69.

［ 9］ 段瑞玲，李慶祥，李玉和.圖像邊緣檢測(cè)方法研究綜述［J］.光學(xué)技術(shù)，2005，31（3）：415-419.

［10］ 黃劍玲，鄒輝.一種基于形態(tài)學(xué)的多結(jié)構(gòu)元素多尺度圖像邊緣檢測(cè)方法［J］.微電子學(xué)與計(jì)算機(jī)，2009，26（8）：76-79.

［11］ 姜會(huì)亮.基于數(shù)學(xué)形態(tài)學(xué)的圖像分割及其在醫(yī)學(xué)圖像中的應(yīng)用［D］.揚(yáng)州：揚(yáng)州大學(xué)，2005.

［12］ 高朝陽，張?zhí)l(fā)，曲亞男.圖像邊緣檢測(cè)研究進(jìn)展［J］.科技導(dǎo)報(bào)，2010，28（20）：112-117.

The comparison and analysis of sediment contour extraction based on image processing

XU Linjuan1，2，3，CAO Wenhong1，2，3，LIUChunjing1，2，3
（1.State Key Laboratory of Simulation and Regulation of Water Cycle in River Basin，Beijing 100048，China；
2.Key Laboratory of Hydraulic and Sediment Science and River Harnesting of the Ministry of Water Resources，Beijing 100048，China；3.Department of Sediment Research，China Institute of Water Resources and Hydropower Research，Beijing 100048，China）

Digital image processing technology is useful for processing sediment particle images，extracting the sediment particles contours and position coordinates，which provides the basis for real-time measure?ment of bedload sediment transport rate.Based on digital image processing technology in this paper，some basic knowledge of image contour extraction were expounded，the three commonly used image contour ex?traction methods were introduced，the effects with the three methods about image contour extraction were showed，and the contrast analysis was carried out among them.The results show that when the processing of image containing different particle size of sediment particle，the research results that using edge detec?tion algorithm to extract the numbers of the sediment particles are best.

contour extraction；image processing；algorithm；comparison analysis；sediment particles

TV141

：Adoi：10.13244/j.cnki.jiwhr.2015.01.005

1672-3031（2015）01-0028-06

（責(zé)任編輯：李福田）

2014-10-20

十二五科技支撐課題（2012BAB04B01，2013BAB12B01）；中國水科院科研專項(xiàng)（泥基本科研1457，1442）；國家自然科學(xué)基金（11472310）

許琳娟（1984-），女，河南鞏義人，博士生，主要從事水力學(xué)及河流動(dòng)力學(xué)研究。E-mail：282957173@qq.com