圖像處理技術(shù)在推移質(zhì)運(yùn)動(dòng)顆粒參數(shù)提取中的應(yīng)用

許琳娟，曹文洪，劉春晶，魯 婧

(1.中國(guó)水利水電科學(xué)研究院 流域水循環(huán)模擬與調(diào)控國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100048；2.黃河水利委員會(huì) 黃河水利科學(xué)研究院，鄭州 450003)

?

圖像處理技術(shù)在推移質(zhì)運(yùn)動(dòng)顆粒參數(shù)提取中的應(yīng)用

許琳娟1,2，曹文洪1，劉春晶1，魯 婧1

(1.中國(guó)水利水電科學(xué)研究院 流域水循環(huán)模擬與調(diào)控國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100048；2.黃河水利委員會(huì) 黃河水利科學(xué)研究院，鄭州 450003)

非均勻推移質(zhì)顆粒運(yùn)動(dòng)規(guī)律一直是泥沙研究領(lǐng)域的難點(diǎn)，提取非均勻推移質(zhì)顆粒的參數(shù)信息則是推進(jìn)該難點(diǎn)研究的基礎(chǔ)性工作。通過(guò)進(jìn)行粗化床面非均勻沙水槽試驗(yàn)，拍攝了大量的泥沙顆粒運(yùn)動(dòng)視頻，選取其中部分視頻進(jìn)行處理和研究：先通過(guò)圖像轉(zhuǎn)換軟件將拍攝的視頻轉(zhuǎn)化為圖片；然后利用圖像處理技術(shù)對(duì)泥沙顆粒運(yùn)動(dòng)圖像的空間變化特征進(jìn)行識(shí)別，對(duì)轉(zhuǎn)化后的圖片進(jìn)行畸形矯正和背景除噪；最后通過(guò)選取合理閾值將圖片上泥沙顆粒提取出來(lái)，并計(jì)算泥沙顆粒粒徑、體積等相關(guān)參數(shù)信息。研究成果可為獲取推移質(zhì)顆粒輸沙運(yùn)動(dòng)基本信息提供基礎(chǔ)，為非均勻推移質(zhì)輸沙機(jī)理研究提供更科學(xué)、完善、可靠的數(shù)據(jù)。

圖像處理；顆粒輪廓提??；顆粒參數(shù)；非均勻推移質(zhì)；水槽試驗(yàn)

1 研究背景

天然河床通常是由大小不一的非均勻泥沙顆粒組成，河流的河床演變也是在水流與非均勻泥沙顆粒的共同作用下完成的，因此研究非均勻泥沙運(yùn)動(dòng)對(duì)于推移質(zhì)運(yùn)動(dòng)規(guī)律研究和指導(dǎo)實(shí)際工程有著重要的作用。目前在均勻推移質(zhì)運(yùn)動(dòng)方面已取得了較多的研究成果，而對(duì)于非均勻推移質(zhì)，由于其組成的非均勻性和水沙作用的復(fù)雜性，其運(yùn)動(dòng)規(guī)律研究發(fā)展緩慢。

隨著科學(xué)水平的不斷發(fā)展和多學(xué)科知識(shí)的不斷交叉，一些新方法和新手段不斷出現(xiàn)，為人們深入認(rèn)識(shí)非均勻沙的運(yùn)動(dòng)規(guī)律提供了可能。數(shù)字圖像處理技術(shù)便是其中之一。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(guò)程[1]。早期數(shù)字圖像處理技術(shù)常應(yīng)用于航空航天技術(shù)、生物醫(yī)學(xué)工程、通信工程和軍事等方面，并取得了良好的效果。針對(duì)泥沙顆粒特點(diǎn)，利用數(shù)字圖像處理技術(shù)，獲取比較清晰的泥沙顆粒輪廓，為觀察泥沙顆粒的運(yùn)動(dòng)現(xiàn)象，提取和分析泥沙顆粒的運(yùn)動(dòng)參數(shù)以及研究泥沙顆粒的微觀運(yùn)動(dòng)規(guī)律提供了基礎(chǔ)。

在高速攝影應(yīng)用方面，我國(guó)學(xué)者胡春宏(1995)等[2-7]早在20世紀(jì)90年代就利用高速攝影技術(shù)對(duì)泥沙顆粒運(yùn)動(dòng)進(jìn)行拍攝，獲取到大量泥沙顆粒的運(yùn)動(dòng)軌跡、運(yùn)動(dòng)參數(shù)，并對(duì)顆粒運(yùn)動(dòng)規(guī)律、運(yùn)動(dòng)特性等進(jìn)行了深入研究。1996年王興奎等[8]利用圖像處理技術(shù)對(duì)河工模型試驗(yàn)流場(chǎng)進(jìn)行測(cè)量，測(cè)得流場(chǎng)表面的速度和大小。

在圖像邊緣檢測(cè)方面，前人已經(jīng)得出了一些研究成果：2005年趙春江等[9]在梯度算子法的基礎(chǔ)上，提出了一種新的邊緣增強(qiáng)算法，對(duì)于邊緣不明顯的圖像提取效果較好，但是此算法中的增強(qiáng)系數(shù)無(wú)法智能選?。?009年黃劍玲等[10]將改進(jìn)的Log算子和小波變換分別對(duì)原圖像進(jìn)行邊緣檢測(cè)，并將檢測(cè)后的數(shù)據(jù)融合為最終的圖像邊緣，雖然結(jié)果較好，但是降低了邊緣的提取速度；2012年郭永寧等[11]提出一種新的基于模糊理論的邊緣檢測(cè)的新方法，并與傳統(tǒng)的Sobel，Log和Prewitt算法相比較，結(jié)果雖然比傳統(tǒng)方法好，但是計(jì)算復(fù)雜；2012年徐臘梅等[12]將鄧氏關(guān)聯(lián)度和Prewitt算子相結(jié)合進(jìn)行邊緣檢測(cè)，當(dāng)圖像的灰度區(qū)域變化幅度較小的時(shí)候，提取的邊緣較為完整，對(duì)于梯度幅度變化大的灰度圖像，提取效果一般。以上研究所采用的算法，都是針對(duì)經(jīng)典圖像或背景單一、線(xiàn)條簡(jiǎn)單的圖像進(jìn)行的邊緣檢測(cè)；而對(duì)于實(shí)際應(yīng)用中拍攝的圖像邊緣提取，以上算法沒(méi)有給出明確的結(jié)果。

推移質(zhì)運(yùn)動(dòng)是泥沙輸移的基本運(yùn)動(dòng)方式之一，河流中推移質(zhì)顆粒運(yùn)動(dòng)主要集中在近底床面，而此處水沙相互作用機(jī)理復(fù)雜，對(duì)推移質(zhì)顆粒的量測(cè)十分困難。本文進(jìn)行粗化床面非均勻沙水槽試驗(yàn)，拍攝推移質(zhì)顆粒運(yùn)動(dòng)情況，通過(guò)圖像處理技術(shù)較為準(zhǔn)確地獲取到觀測(cè)區(qū)域內(nèi)非均勻推移質(zhì)顆粒的數(shù)量、粒徑、體積等參數(shù)，為獲取推移質(zhì)顆粒輸沙運(yùn)動(dòng)基本信息提供基礎(chǔ)，為非均勻推移質(zhì)輸沙機(jī)理研究提供大量的更科學(xué)、完善、可靠的數(shù)據(jù)。

2 試驗(yàn)裝置

試驗(yàn)在中國(guó)水利水電科學(xué)研究院大興試驗(yàn)基地水槽試驗(yàn)廳進(jìn)行。試驗(yàn)水槽為玻璃邊壁的波浪徑流變坡水槽，長(zhǎng)50 m，寬1 m，高1.2 m，擁有自動(dòng)化調(diào)控和水循環(huán)系統(tǒng)，坡降調(diào)節(jié)范圍為0～1%，最大水深為1 m，最大流量為500 L/s，水槽配備有先進(jìn)的流量、水位測(cè)控系統(tǒng)及ADV三維流速儀、自動(dòng)床面地形儀等先進(jìn)的量測(cè)設(shè)備。試驗(yàn)水槽如圖1所示。

圖1 試驗(yàn)水槽

圖2 水槽概化

水槽概化圖如圖2所示，給出了觀察泥沙顆粒運(yùn)動(dòng)時(shí)攝像機(jī)的拍攝位置，即將攝像機(jī)架設(shè)在水槽一側(cè)，以能拍攝到綠色板子全貌為宜，拍攝泥沙從床面上運(yùn)動(dòng)經(jīng)過(guò)床面與綠色板子的連接處，并通過(guò)綠色板子的運(yùn)動(dòng)情況。將觀察區(qū)域設(shè)置為綠色，能更清晰地觀察到顆粒運(yùn)動(dòng)。

試驗(yàn)采用白色人工粉碎沙，密度為2 650 kg/m3，粒徑分布在0.1～20 mm之間，試驗(yàn)水槽床沙級(jí)配曲線(xiàn)如圖3所示。

圖3 床沙級(jí)配曲線(xiàn)

3 圖像處理及數(shù)據(jù)提取

3.1 視頻處理

試驗(yàn)拍攝了不同水流強(qiáng)度和床面坡度下泥沙顆粒在綠色板子上的運(yùn)動(dòng)過(guò)程，通過(guò)對(duì)拍攝的視頻進(jìn)行處理和分析，提取到非均勻泥沙的顆粒參數(shù)。選取流量Q=50 L/s、床面坡降J=0.004、歷時(shí)9 s條件下的視頻進(jìn)行處理和分析。

當(dāng)流量Q=50 L/s時(shí)，在觀測(cè)時(shí)間內(nèi)，水槽床面上運(yùn)動(dòng)泥沙顆粒較少，部分細(xì)顆粒泥沙在水流的作用下，時(shí)而運(yùn)動(dòng)，時(shí)而停止，且運(yùn)動(dòng)顆粒間基本上沒(méi)有干擾；當(dāng)泥沙顆粒運(yùn)動(dòng)到綠色板子上時(shí)，其在水流和重力作用下，沿著綠色板子滾動(dòng)，相互間幾乎沒(méi)有遮擋。

在進(jìn)行參數(shù)提取時(shí)，沒(méi)有辦法對(duì)視頻中的信息直接進(jìn)行處理，只能對(duì)圖片中信息進(jìn)行提取，因此需先將視頻轉(zhuǎn)化為圖片。用Free Video To JPG Converter軟件將拍攝的視頻轉(zhuǎn)化為一幀幀的圖片進(jìn)行后期處理。攝像機(jī)拍攝頻率為50幀/s，即1s視頻轉(zhuǎn)化出50幀圖片，對(duì)于9 s視頻，共轉(zhuǎn)化為450幀圖片。下面以第320幀圖片(圖4)為例，進(jìn)行圖片的處理和基本參數(shù)的提取，其他幀圖片的處理過(guò)程與這一過(guò)程類(lèi)似。

圖4 轉(zhuǎn)化后的圖片

3.2 圖片空間變換及裁剪

3.2.1 空間變換

本文說(shuō)的空間變換指的是平面圖形的二維變換。

在圖像或視頻的實(shí)際拍攝過(guò)程中，由于人為操作或機(jī)器架設(shè)等各種原因，導(dǎo)致拍攝出來(lái)的圖形發(fā)生了畸變(如圖4)，發(fā)生畸變后的圖像不能反映出圖像上目標(biāo)物的真實(shí)信息，必須對(duì)其進(jìn)行處理，而平面圖形變換則可以糾正這種畸變圖像，使其恢復(fù)成原來(lái)的圖像。

平面圖形變換是指為了達(dá)到某些特殊的效果，將圖像中像素點(diǎn)進(jìn)行重新排列的一種平面二維變換[13]。圖像畸變是因?yàn)閳D像上像素點(diǎn)的位置發(fā)生了改變，對(duì)發(fā)生畸變的圖像進(jìn)行糾正，就是要對(duì)這個(gè)發(fā)生畸變的過(guò)程進(jìn)行逆變換，將圖像上像素點(diǎn)重新排列成合理的狀態(tài)。

圖5 空間變換后的圖片

以圖4為例，圖中綠色板子原本是規(guī)則的矩形，但是拍攝出來(lái)的綠色板子是傾斜的，且是不規(guī)則的四邊形，當(dāng)運(yùn)用直角坐標(biāo)系計(jì)算綠色板子上沙子的位置時(shí)，不能準(zhǔn)確定位泥沙的位置，也難以準(zhǔn)確地描述泥沙的運(yùn)動(dòng)軌跡，因此為了獲取綠色板子上泥沙顆粒的真實(shí)信息，需采用空間變換的方法將原圖片中傾斜的綠色板子轉(zhuǎn)化成原來(lái)規(guī)則的板子。這里結(jié)合Matlab中Maketform函數(shù)和Imtransform函數(shù)對(duì)圖像進(jìn)行空間變換。Maketform函數(shù)創(chuàng)建一個(gè)多維的空間變換結(jié)構(gòu)，這里創(chuàng)建的是投影變換；Imtransform函數(shù)依據(jù)Maketform函數(shù)創(chuàng)建的變換結(jié)構(gòu)進(jìn)行圖像的二維空間變換。原綠色板子實(shí)際尺寸為：990 mm×165 mm，轉(zhuǎn)化時(shí)，以綠色板子4個(gè)點(diǎn)為原始坐標(biāo)，按照順時(shí)針?lè)较蜻M(jìn)行空間變換，變換結(jié)果如圖5所示，轉(zhuǎn)化后綠色板子4個(gè)點(diǎn)坐標(biāo)按逆時(shí)針依次為1(1 080，450)，2(1 080，780)，3(3 060，780)，4(3 060，450)，即圖中綠色板子尺寸為1 980像素×320像素。

3.2.2 圖片裁剪

我們要觀測(cè)綠色板子上泥沙顆粒的運(yùn)動(dòng)情況，而圖片中除了綠色板子以外，還有很多其他背景圖像，它作為背景噪聲會(huì)影響到所要研究的目標(biāo)，因此需去掉圖片中除綠色板子以外的圖像。按照坐標(biāo)(1 085，455)，(1 085，620)，(3 025，620)，(3 025，455)逆時(shí)針裁剪，裁剪后綠色板子尺寸為1 940像素×165像素，裁剪后的圖片如圖6所示。

圖6 裁剪后的圖片

Fig.6 A cropped image

3.3 泥沙顆粒提取

3.3.1 原理介紹

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[14]，邊緣檢測(cè)法就是根據(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(guò)程[15]，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(xiàn)提取出來(lái)，即對(duì)圖像中灰度變化的檢測(cè)、量度和定位[16]。邊緣檢測(cè)法是圖像輪廓提取的基本方法[13]，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。

邊緣檢測(cè)算法常用的算子有Sobel算子、Prewitt算子和Roberts算子等。Sobel算子采用加權(quán)平均濾波的方法，去除一部分偽邊緣，并能提供精確度較高的邊緣方向信息，這種方法比較常用；Prewitt 算子能夠平滑濾波，去除部分噪聲，但定位精度不高；Roberts算子雖然定位精度較高，但是對(duì)噪聲比較敏感[16]。

3.3.2 泥沙顆粒輪廓提取

完成上述步驟后，下面需要利用圖像處理技術(shù)來(lái)識(shí)別處理后圖片上的泥沙顆粒，提取泥沙顆粒的輪廓，得到泥沙顆粒的基本參數(shù)。此方法對(duì)泥沙顆粒只有一層，顆粒與顆粒間相互獨(dú)立無(wú)遮擋且顆粒較細(xì)的泥沙圖片具有較好的提取效果；當(dāng)出現(xiàn)成群的泥沙顆?；蜉^大顆粒時(shí)，這種方法提取到的顆粒輪廓會(huì)出現(xiàn)邊緣不連續(xù)現(xiàn)象，還需聯(lián)合其它技術(shù)手段進(jìn)行處理。本文中試驗(yàn)只涉及到第1種情況。

提取泥沙顆粒時(shí)，閾值的合理選取是關(guān)鍵。閾值的選取，通常需符合以下幾個(gè)標(biāo)準(zhǔn)：

(1) 提取到的泥沙顆粒應(yīng)清晰可見(jiàn)，泥沙顆粒的分布、數(shù)量、粒徑大小應(yīng)與實(shí)際相吻合或相接近。如果選取的閾值使提取到的泥沙顆粒不清晰、泥沙顆粒數(shù)量明顯過(guò)多或者過(guò)少的都可以?xún)?yōu)先排除。

(2) 所有圖片上提取出來(lái)的泥沙顆粒的粒徑范圍應(yīng)在試驗(yàn)?zāi)嗌愁w粒粒徑范圍內(nèi)，選取的閾值使粒徑范圍明顯偏大的可優(yōu)先排除。

文獻(xiàn)[17]給出了利用上述3種算子提取泥沙顆粒的具體過(guò)程，對(duì)于每種算子分別給出不同閾值的提取結(jié)果，對(duì)比不同算子、不同閾值處理出來(lái)的圖片的清晰程度、泥沙顆粒的分布狀況和泥沙數(shù)量的多少；結(jié)果表明對(duì)于幾種算子，Sobel算子的提取結(jié)果相對(duì)較好，且當(dāng)閾值為0.016 66時(shí)，Sobel算子提取顆粒的效果最好。下面選取Sobel算子及閾值0.016 66對(duì)圖6進(jìn)行顆粒提取，其結(jié)果如圖7所示，圖7上面的白色顆粒為提取到的泥沙顆粒。

圖7 Sobel算子提取結(jié)果(閾值0.016 66)

Fig.7 Extraction result with Sobel(Threshold 0.016 66)

3.3.3 顆粒基本參數(shù)提取

利用上述方法對(duì)其他449幀圖片進(jìn)行處理和顆粒提取，并對(duì)其進(jìn)行顆粒參數(shù)提取。

(1) 泥沙數(shù)量：通過(guò)圖像識(shí)別技術(shù)獲取9 s內(nèi)(450幀)黑白二值圖片上所有泥沙顆粒的數(shù)量，時(shí)間間隔Δt=0.04 s，如圖8所示。

圖8 泥沙顆粒數(shù)量

圖9 泥沙顆粒實(shí)際粒徑

(2) 泥沙顆粒直徑：由于泥沙為不規(guī)則的非均勻沙，為了研究方便，將圖片上每個(gè)不規(guī)則泥沙顆粒按照所占像素的面積轉(zhuǎn)化為同像素面積的圓，進(jìn)而得到等面積圓的直徑所占像素，按照像素與實(shí)際尺寸的比例關(guān)系，將像素直徑轉(zhuǎn)化為泥沙顆粒的實(shí)際直徑。第320幀圖片上所有泥沙顆粒的實(shí)際粒徑如圖9所示，

從圖9中可以看出泥沙顆粒粒徑范圍為1.69～5.5 mm。

同理可以求出Sobel算子閾值為0.016 66時(shí)其他449幀圖片上所有泥沙顆粒的實(shí)際粒徑，對(duì)所有泥沙顆粒實(shí)際粒徑進(jìn)行統(tǒng)計(jì)得到其粒徑范圍是1.69～13.35 mm。對(duì)比試驗(yàn)中的床沙級(jí)配范圍(0.1～20 mm)可以看出，此粒徑范圍是在合理的范圍內(nèi)。

(3) 泥沙顆粒體積：利用(2)中得到的泥沙顆粒粒徑，將圖片上二維的泥沙顆粒形狀概化為相應(yīng)粒徑的球體，得到圖片中每個(gè)泥沙顆粒的體積，如圖10所示。

圖10 泥沙顆粒實(shí)際體積

4 結(jié) 論

通過(guò)水槽試驗(yàn)，對(duì)觀察區(qū)域內(nèi)泥沙顆粒的運(yùn)動(dòng)情況進(jìn)行拍攝，提取泥沙顆粒輪廓及泥沙顆粒的基本參數(shù)，結(jié)果表明：

(1) 僅從拍攝視頻著手，經(jīng)過(guò)一系列的圖像處理過(guò)程：視頻轉(zhuǎn)化為圖片→對(duì)圖片進(jìn)行空間變換→對(duì)變換后的圖片進(jìn)行裁剪→提取泥沙顆粒→對(duì)泥沙顆粒參數(shù)進(jìn)行提取，最終得到泥沙顆粒的參數(shù)信息。

(2) 利用圖像處理技術(shù)提取泥沙顆粒時(shí)，閾值的選取是關(guān)鍵，文中給出了選取閾值時(shí)的基本原則。小的閾值提取出來(lái)的結(jié)果容易導(dǎo)致許多密集的泥沙被視為一個(gè)大顆粒泥沙被識(shí)別出來(lái)，從而使得提取到的泥沙顆粒粒徑范圍明顯偏大；也可能將背景噪聲點(diǎn)誤識(shí)別為泥沙顆粒，從而加大了粒徑范圍。而選取較大閾值，雖然能夠排除不是泥沙顆粒的噪聲點(diǎn)，但同時(shí)也把相當(dāng)數(shù)量的細(xì)顆粒泥沙給排除了，這嚴(yán)重影響了非均勻推移質(zhì)輸移的精度。但可以肯定的是，小閾值時(shí)細(xì)泥沙顆粒很容易被識(shí)別出來(lái)，這對(duì)于研究像泥沙這類(lèi)“小”目標(biāo)物時(shí)是比較重要的。因?yàn)閷?duì)于推移質(zhì)運(yùn)動(dòng)來(lái)說(shuō)，水流帶走的絕大多數(shù)是細(xì)顆粒泥沙，僅有很少一部分的粗顆粒泥沙被水流帶走。

(3) 提取視頻中泥沙顆粒的基本參數(shù)，可為研究非均勻推移質(zhì)顆粒的運(yùn)動(dòng)規(guī)律及輸移特性提供基礎(chǔ)。

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

[2]胡春宏，惠遇甲. 高速攝影技術(shù)在泥沙研究中的應(yīng)用[J]. 泥沙研究，1990，(1)：61-66.

[3]胡春宏，惠遇甲. 推移質(zhì)顆粒躍移運(yùn)動(dòng)的隨機(jī)特性[J]. 泥沙研究，1990，(4)：1-9.

[4]胡春宏，惠遇甲. 水流中顆粒躍移參數(shù)的試驗(yàn)研究[J]. 水動(dòng)力學(xué)研究與進(jìn)展(A輯)，1991，(增1)：71-81.

[5]惠遇甲，胡春宏. 水流中顆粒躍移的運(yùn)動(dòng)學(xué)特征[J].水利學(xué)報(bào)，1991，(12)：59-64.

[6]胡春宏，惠遇甲. 水流中躍移顆粒的受力分析[J]. 水利學(xué)報(bào)，1993，(1)：11-20.

[7]胡春宏，惠遇甲. 明渠挾沙水流運(yùn)動(dòng)的力學(xué)和統(tǒng)計(jì)規(guī)律[M].北京：科學(xué)出版社，1995.

[8]王興奎，龐東明，王桂仙，等.圖像處理技術(shù)在河工模型試驗(yàn)流場(chǎng)量測(cè)中的應(yīng)用[J].泥沙研究，1996，(4)：22-26.

[9]趙春江，施文康，鄧 勇.新的梯度邊緣檢測(cè)方法[J]. 光電工程，2005，32(4)：86-88.

[10]黃劍玲，鄒 輝.結(jié)合LOG算子和小波變換的圖像邊緣檢測(cè)方法[J].計(jì)算機(jī)工程與應(yīng)用，2009，45(21)：115-117.

[11]郭永寧，劉應(yīng)平. 基于模糊推理的邊緣檢測(cè)算法[J]. 佳木斯大學(xué)學(xué)報(bào)(自然科學(xué)版)，2012，30(4)：573-575，579.

[12]徐臘梅，易春菊.灰色系統(tǒng)理論在圖像邊緣檢測(cè)中的應(yīng)用研究[J].武漢大學(xué)學(xué)報(bào)(信息科學(xué)版)，2012，37(8)：929-931.

[13]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，(8)：226，234.

[14]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(增1):66-69.

[15]徐國(guó)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.

[16]王智文.幾種邊緣檢測(cè)算子的性能比較研究[J].制造業(yè)自動(dòng)化，2012，34(6)：14-16.

[17]XU Lin-juan, ZHOU Zheng-hui, CHU Li-bo,etal. The Application of Edge Detection Algorithm in Bedload Contour Extraction[C]∥Proceedings of the 8th International Conference on Intelligent Computation Technology and Automation (2015 ICICTA), Nanchang, China, June 14-15, 2015: 933-937.

(編輯：趙衛(wèi)兵)

Application of Image Processing Technology to ExtractingParameters of Bedload Motion Particles

XU Lin-juan1,2, CAO Wen-hong1, LIU Chun-jing1, LU Jing1

(1.State Key Laboratory of Simulation and Regulation of Water Cycle in River Basin, China Institute of Water Resources and Hydropower Research, Beijing 100048, China; 2.Yellow River Institute of Hydraulic Research,Yellow River Conservancy Commission, Zhengzhou 450003, China)

The motion regularity of non-uniform bedload particles has been a difficulty in sediment research, and extracting the parameters of non-uniform bedload particles is a basic work to overcome the difficulty. Through flume experiment of non-uniform bedload on rough bed, a large amount of videos of particle motion were obtained, and some of the videos were selected for processing and research: firstly the video shot was converted into images by image conversion software, and then the deformity was corrected and the background noise was removed of the converted images by spatial transformation and cutting; lastly the sediment particle contours were extracted by selecting a reasonable threshold. Furthermore, parameters inclusive of particle size and particle volume were calculated to provide basis for obtaining the basic information of bed load particles motion. The research offers scientific and improved, reliable data for researching the transport mechanism of non-uniform bed load sediment.

image processing; particle contour extraction; particle parameters; non-uniform bedload; flume experiment

2015-10-04；

2015-11-05

中國(guó)水科院科研專(zhuān)項(xiàng)(泥基本科研KY1646)；國(guó)家自然科學(xué)基金項(xiàng)目(11472310)；國(guó)家國(guó)際科技合作專(zhuān)項(xiàng)(2015DFR70980)；國(guó)家科技支撐計(jì)劃課題(2013BAB12B01)

許琳娟(1984-)，女，河南鞏義人，博士，工程師，主要從事水力學(xué)及河流動(dòng)力學(xué)方面的研究，(電話(huà))15810176865(電子信箱)282957173@qq.com。

10.11988/ckyyb.20150831

2017,34(1):1-5

TV149

A

1001-5485(2017)01-0001-05