基于圖像處理的沙粒形態(tài)特征智能檢測(cè)

胡田立

摘要：沙粒粒徑的測(cè)定和統(tǒng)計(jì)可以用來(lái)評(píng)價(jià)沙丘轉(zhuǎn)移和沙漠氣候的變化狀況。為實(shí)現(xiàn)沙粒粒徑的非接觸測(cè)量，在實(shí)驗(yàn)室使用單反相機(jī)、直尺和計(jì)算機(jī)等設(shè)備，構(gòu)建沙粒粒形參數(shù)的檢測(cè)環(huán)境。以野外采集的沙粒為研究對(duì)象，利用matlab圖像處理工具箱對(duì)沙粒圖像銳化輪廓、圖像降噪、粘連沙粒分割、特征提取和計(jì)數(shù)。通過(guò)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(cè)結(jié)果比較發(fā)現(xiàn)：二者的粒徑檢測(cè)結(jié)果誤差保持在較小范圍，無(wú)顯著差異。進(jìn)而對(duì)沙粒長(zhǎng)徑、短徑、圓形度、粒形參數(shù)檢測(cè)和統(tǒng)計(jì)，并且在圖像中對(duì)沙粒質(zhì)心位置進(jìn)行標(biāo)定，基本實(shí)現(xiàn)了對(duì)于沙粒主要形態(tài)特征的檢測(cè)。實(shí)驗(yàn)表明，該方法為快速檢測(cè)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(cè)精度較高、成本低，而且省時(shí)省力。

關(guān)鍵詞：沙粒；智能檢測(cè)；圖像分割；形態(tài)特征

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：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(guān)系不協(xié)調(diào)導(dǎo)致的。沙漠化造成的草場(chǎng)退化、耕地縮減對(duì)生態(tài)安全[2]和經(jīng)濟(jì)社會(huì)可持續(xù)發(fā)展[3]造成了嚴(yán)重的影響。其中沙粒粒徑對(duì)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(duì)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(yīng)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(duì)于粘連物體形態(tài)特征[10]的準(zhǔn)確計(jì)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(shí)驗(yàn)儀器[11]、軟件操作[12]尤其是粘連沙粒的影響，測(cè)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(jìn)一步發(fā)展，圖像處理技術(shù)及測(cè)量精度都得到了長(zhǎng)足的發(fā)展。

通過(guò)采用圖像增強(qiáng)、粘連沙粒分割、目標(biāo)提取，標(biāo)定圖像中的的沙粒測(cè)量值與實(shí)際值之間比例，測(cè)得沙粒粒徑。將測(cè)試結(jié)果與激光粒度分析儀得到的D10、D50、D90數(shù)據(jù)進(jìn)行對(duì)比，驗(yàn)證方法的有效性后，可以展開對(duì)于沙粒其他形態(tài)特征的研究。這種測(cè)試方法具有很強(qiáng)的易用性，可行性較強(qiáng)，對(duì)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(cè)環(huán)境與原理

1.1 檢測(cè)環(huán)境

在水平實(shí)驗(yàn)臺(tái)上，用三腳架固定相機(jī)，使相機(jī)的成像平面與工作臺(tái)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(shí)驗(yàn)臺(tái)上，使沙粒在單色且背景顏色與被測(cè)的沙粒顏色有較大反差的環(huán)境成像。將待測(cè)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(zhǔn)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(yùn)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(cè)試時(shí)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(cè)原理

沙粒圖像由多個(gè)像素點(diǎn)組成，沙粒的實(shí)際大小可以通過(guò)統(tǒng)計(jì)得到的圖像中沙粒的像素?cái)?shù)量與每個(gè)像素代表的實(shí)際面積相乘得到。首先采用參考直尺標(biāo)定法計(jì)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(shù)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(shí)際值之間比例，最終求出沙粒的實(shí)際粒徑。公式（1）、（2）為計(jì)算表達(dá)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(shí)際粒徑和參考尺的實(shí)際長(zhǎng)度，s為圖像處理得到的粒徑長(zhǎng)度，[x1]、[x2]、[y1]、[y2]分別表示圖像處理得到的直尺起始端點(diǎn)的橫縱軸坐標(biāo)。a表示顯示器單個(gè)像素的邊長(zhǎng)長(zhǎng)度。m、n指顯示器長(zhǎng)、寬像素?cái)?shù)，z指屏幕大小。

2 檢測(cè)方法

2.1 圖像預(yù)處理

為了展開后續(xù)處理，需要將相機(jī)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(duì)比度不強(qiáng)，matlab自動(dòng)選定閾值轉(zhuǎn)換成灰度圖像會(huì)比較模糊[14]，因此需要將原圖像銳化處理，增強(qiáng)對(duì)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(duì)比度增強(qiáng)濾波器對(duì)圖像進(jìn)行銳化濾波。之后用matlab圖像處理工具箱中g(shù)raythreshthresh自動(dòng)選取閾值灰度化圖像。對(duì)灰度圖像直方圖均衡化拉伸灰度范圍可以進(jìn)一步增強(qiáng)圖像對(duì)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(diǎn)，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(lái)，得到表達(dá)兩類特征的二值圖像。觀察灰度圖的灰度級(jí)直方圖發(fā)現(xiàn)，在[50 150]的灰度級(jí)區(qū)間內(nèi)，像素點(diǎn)出現(xiàn)頻率非常高。對(duì)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(dāng)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(zhǔn)確度的關(guān)鍵因素。根據(jù)所得圖像灰度直方圖的特點(diǎn)，對(duì)比自動(dòng)閾值和手動(dòng)閾值兩種方法，圖像二值化過(guò)程中采用手動(dòng)設(shè)定閾值的方法。分割過(guò)程中，既要保證去除非沙粒的孤立點(diǎn)，又要保證沙粒不被去除，多次對(duì)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(shí)現(xiàn)分割。由于圖像中存在背景不平坦導(dǎo)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(yàn)后，將參數(shù)設(shè)定為100個(gè)像素。為了驗(yàn)證上述參數(shù)選取的合理性，對(duì)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(yàn)證實(shí)驗(yàn)結(jié)果是否合理，如果出現(xiàn)誤提取，可以適當(dāng)調(diào)節(jié)參數(shù)直到得到符合要求的預(yù)處理圖像。

由于沙粒對(duì)光線的反射，采集到的沙粒頂部有時(shí)會(huì)出現(xiàn)亮斑，二值化后的亮斑會(huì)成為白色孔洞。因此需要對(duì)二值圖像進(jìn)行孔洞填充，防止后續(xù)的運(yùn)算導(dǎo)致圖像在孔洞處分裂，形成偽目標(biāo)。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(duì)其自動(dòng)進(jìn)行孔洞填充，將沙粒補(bǔ)充完整。

之后需要對(duì)圖像進(jìn)行開操作消除細(xì)小尖刺、斷開窄小連接使沙粒邊界平滑。再運(yùn)用圓盤結(jié)構(gòu)元素執(zhí)行開運(yùn)算。為了減小目標(biāo)區(qū)域腐蝕過(guò)程中減少的面積比例，不影響測(cè)量結(jié)果，反復(fù)對(duì)比后發(fā)現(xiàn)，當(dāng)圓盤形結(jié)構(gòu)元素的半徑選為3時(shí)，對(duì)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(duì)圖像執(zhí)行一次開運(yùn)算處理。

自然光環(huán)境中，光線強(qiáng)弱變化會(huì)導(dǎo)致拍攝的圖像存在一定的噪聲，導(dǎo)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(diǎn)，選取常用的3×3濾波窗口對(duì)圖像中值濾波，進(jìn)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(jìn)行分割會(huì)使得統(tǒng)計(jì)粒徑偏差太大，故必須進(jìn)行分割。首先將粘連的沙粒和單個(gè)沙粒分割開來(lái)，統(tǒng)計(jì)出最大、最小沙粒的面積，取平均值。設(shè)置圖像中目標(biāo)面積大于1.7倍平均值則視為粘連沙粒，否則記為單個(gè)沙粒。對(duì)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(jìn)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(lái)。將分割得到的沙粒圖像與單個(gè)沙粒圖像相加得到圖像處理后的結(jié)果。通過(guò)粘連沙粒分割效果圖（圖2）可以看出通過(guò)采用這種分水嶺算法可以很好地將粘連沙粒分割開來(lái)。通過(guò)掃描等價(jià)數(shù)組，檢測(cè)等價(jià)標(biāo)號(hào)，再對(duì)等價(jià)標(biāo)號(hào)進(jìn)行替換?？梢詫?shí)現(xiàn)掃描法對(duì)圖像各個(gè)不同連通區(qū)域的標(biāo)記，最終在目標(biāo)區(qū)域中心顯示各個(gè)目標(biāo)區(qū)域標(biāo)號(hào)（圖3）。

3 形態(tài)特征檢測(cè)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(guò)對(duì)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(biāo)注圖像，得到標(biāo)注矩陣后，可以用regionprops函數(shù)測(cè)量每個(gè)標(biāo)號(hào)對(duì)象的屬性，如面積、周長(zhǎng)、質(zhì)心等。還可以統(tǒng)計(jì)一些目標(biāo)對(duì)象的屬性，例如：通過(guò)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(duì)圖片中沙粒的數(shù)目統(tǒng)計(jì)和面積的測(cè)量后，可以得到包含各個(gè)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(shí)際粒徑。以N 37°48′0.95″，E 105°11′42.19″采集的沙粒為例，經(jīng)過(guò)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(dòng)選取粒徑累積概率達(dá)到10%、50%、90%對(duì)應(yīng)的數(shù)值（單位：微米），與Rise-2008激光粒度分析儀得到的測(cè)量數(shù)據(jù)進(jìn)行對(duì)比（表1）。對(duì)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(duì)于行業(yè)常用點(diǎn)D50誤差率保持在了較低的水平，基本滿足對(duì)于沙粒粒徑初步判定的要求。

3.2 沙粒長(zhǎng)、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(biāo)準(zhǔn)二階中心矩的沙粒的長(zhǎng)軸、短軸長(zhǎng)度可以得到類橢圓沙粒的長(zhǎng)短軸分布情況（圖5），分析可知沙粒長(zhǎng)、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(biāo)區(qū)域邊界，采用8鏈碼跟蹤法，從目標(biāo)區(qū)域任意選取的某個(gè)起點(diǎn)坐標(biāo)開始，按順時(shí)針?lè)较蚋櫍玫脚c起點(diǎn)最長(zhǎng)的邊緣曲線。然后將邊緣像素看作一個(gè)點(diǎn)，當(dāng)鏈碼值為奇、偶數(shù)時(shí)，長(zhǎng)度分別記為[2]和1，周長(zhǎng)即區(qū)域邊界像素的8鏈碼長(zhǎng)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(zhǎng)參數(shù)（p）之后。統(tǒng)計(jì)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(biāo)定

假設(shè)沙粒質(zhì)量均勻分布，將質(zhì)心定義為沙粒目標(biāo)區(qū)域的中心進(jìn)行標(biāo)記（圖7）。對(duì)于沙粒的二值圖像， M[×]N大小的目標(biāo)區(qū)域質(zhì)心的計(jì)算表達(dá)式可以表示為：

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

4 結(jié)論

通過(guò)運(yùn)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(guò)與rise-2008系列激光粒度分析儀測(cè)定的沙粒粒徑分布情況對(duì)比，驗(yàn)證了方法的可行性。各環(huán)節(jié)計(jì)算結(jié)果均通過(guò)matlab實(shí)時(shí)顯示出來(lái)，便于控制檢測(cè)精度。之后進(jìn)一步對(duì)沙粒離散度、圓形度、長(zhǎng)、短徑分布、質(zhì)心標(biāo)記等形態(tài)特性做出研究，彌補(bǔ)了專業(yè)儀器在沙粒形態(tài)特征方面測(cè)定的不足。結(jié)果表明：采用該算法對(duì)沙粒進(jìn)行特征提取時(shí)，處理速度快、特征提取效果好，實(shí)用性較高。

參考文獻(xiàn)：

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

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

[3] 董玉祥.中國(guó)土地沙漠化問(wèn)題的環(huán)境倫理學(xué)思考[J].中國(guó)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(fēng)固沙機(jī)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(kù)姆塔格沙漠沙丘的粒度特征[J]，水土保持學(xué)報(bào)，2007，21（3）：6-9.

[6] 杜全忠，李興財(cái).大氣電場(chǎng)儀用于風(fēng)沙電場(chǎng)測(cè)量的可能性分析[J]，實(shí)驗(yàn)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(xué)圖像處理的重疊葡萄國(guó)徑無(wú)損測(cè)量[J]，農(nóng)業(yè)工程學(xué)報(bào)，25（9）：356-360.

[8] 鄒春富.基于matlab的橙子自動(dòng)計(jì)數(shù)實(shí)驗(yàn)設(shè)計(jì)[J]，高校實(shí)驗(yàn)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(jì)算方法[J]，2012（1）：10-12.

[10] 王國(guó)權(quán)，周小紅，蔚立磊.基于分水嶺算法的圖像分割方法研究[J]，計(jì)算機(jī)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(cè)和識(shí)別[J].蘭州大學(xué)學(xué)報(bào)：自然科學(xué)版，2007，43（1）：41-45.

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

[13] 李新碗.開啟沙漠之門的鑰匙——智能沙漠[J]，國(guó)際學(xué)術(shù)動(dòng)態(tài)，2012（01）：26-27.

[14] 鄭翔，阮志強(qiáng)，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(xué)學(xué)報(bào)，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(biāo)物體面積統(tǒng)計(jì)新方法[J].電腦開發(fā)與應(yīng)用，2011（4）：68-70.