基于數(shù)字圖像處理技術的白麻花崗巖含水率檢測

王心雨，畢文波，張進生，張 恒

(1.山東大學 機械工程學院，濟南 250100；2.山東省石材工程技術研究中心，濟南 250013；3.高效潔凈機械制造教育部重點實驗室，濟南 250013)

花崗巖石材的含水量直接影響其表面顏色，是花崗巖板材品相提升的主要指標。當前主要通過花崗巖板材干燥、封膠工藝來控制其含水率，保證花崗巖板材表面顏色的一致性?；◢弾r含水率的檢測對花崗巖的干燥工序至關重要。目前，大多數(shù)石材企業(yè)依舊按照標準GB/T 18601—2009 《天然花崗石建筑板材標準》進行含水率檢測，檢測周期約為3 min，生產(chǎn)效率低。

近年來，圖像處理技術已被廣泛應用于農(nóng)業(yè)、醫(yī)學、食品等領域，但石材行業(yè)的相關應用鮮有報道。ZAKALUK等[1]以馬鈴薯植株為研究對象，利用主成分分析法，發(fā)現(xiàn)土壤氮與葉片反射率呈顯著的線性負相關；HENTEN等[2]利用圖像處理技術研究圖像特征與植物干質(zhì)量之間的關系，結果表明兩者之間存在較好的線性關系；段史江等[3]利用圖像處理技術提取鮮煙葉及烘烤過程中煙葉圖像的顏色特征,分別建立烘烤過程中煙葉含水量的BP神經(jīng)網(wǎng)絡模型和基于遺傳算法的最小二乘支持向量機預測模型，實現(xiàn)了對煙葉含水量的精確估測；江朝暉等[4]采用同態(tài)濾波與多尺度Retinex相結合的光照增強算法,基于圖像特征對越冬期冬小麥冠層含水率進行檢測，研究表明該方法具有較高的檢測精度和良好的適應性。圖像獲取設備和數(shù)字圖像處理技術的發(fā)展為花崗巖含水率檢測方法提供了新的途徑。

針對現(xiàn)有花崗巖含水率檢測方法的不足，文章以白麻花崗巖為研究對象，基于花崗巖灰度直方圖的均值、方差、歪斜度、峰態(tài)，采用最小二乘法進行線性回歸分析，建立白麻花崗巖含水率檢測模型，實現(xiàn)了含水率檢測。

1 試驗制備

試驗對象為同一批次相同規(guī)格的28塊白麻花崗巖，具體規(guī)格為200 mm×200 mm×10 mm(長×寬×高)。試驗前將白麻花崗巖完全浸泡至水中，至水飽和后取出，靜置于空氣中。由于白麻花崗巖表面水分不斷蒸發(fā)，含水率會逐漸減小，靜置不同時間可獲得不同含水率的試樣。圖像獲取裝置結構如圖1所示，試驗時，將花崗巖樣本水平放置于白色背景板上，采用2 000萬像素的海康威視MV-CE200-10GC型工業(yè)相機，放置于圖像獲取裝置的頂部固定垂直拍攝樣本圖像，拍攝時采用自然光源和色彩平衡進行實況拍攝。

圖1 圖像獲取裝置結構示意

使用精度為0.01 g的電子天平稱取白麻花崗巖的鮮重，并放入型號為LW-20HMV-4X的微波干燥設備進行干燥，干燥功率為4 kW，每15 s取出稱重，若兩次稱取的重量差小于0.02 g，則默認花崗巖烘干至恒重，白麻花崗巖的含水率可表示為

(1)

式中：Mt為白麻花崗巖干燥至t時刻的含水率；mt為白麻花崗巖干燥至t時刻的質(zhì)量；mg為白麻花崗巖干燥至恒重時的質(zhì)量。

經(jīng)計算，白麻花崗巖各樣本的含水率如表1所示。白麻花崗巖各樣本圖像如圖2所示。

圖2 白麻花崗巖各樣本圖像

表1 白麻花崗巖樣本含水率

2 檢測方法

2.1 圖像預處理

受設備硬件等因素影響，所拍攝的花崗巖圖像存在亮度不同、邊界等問題，需對其進行預處理，以去除無關信息，增強相關信息的可檢測性，提高圖像特征的精度[5]?；◢弾r圖像預處理流程圖如圖3所示。

圖3 花崗巖圖像預處理流程圖

為減少花崗巖圖像信息大小不同對圖像信息提取的影響，對圖像進行分割處理。確定圖像的中心點，以中心點為形心，每幅圖像截取4032像素×3024像素的面積，盡量截取花崗巖整個表面的圖像。分割處理前后的花崗巖圖像如圖4所示。

圖4 圖像分割處理前后的花崗巖圖像

由于花崗巖試驗樣本的拍攝時間不同，故各個圖像間的亮度存在著細微的差別，會對提取的圖像信息產(chǎn)生影響。為減小或消除亮度的影響，選取一張亮度最適宜的照片作為基準照片，進行圖像的亮度歸一化處理。亮度歸一化處理前后的花崗巖圖像如圖5所示。

圖5 亮度歸一化處理前后的花崗巖圖像

在圖像采集、傳輸和量化等過程中，圖像質(zhì)量會因噪聲而有所下降。在提取特征值前要對圖像進行增強對比度和去除噪聲等處理[6-7]。同態(tài)濾波是一種基于光照不變性的經(jīng)典圖像增強算法，是一種在頻域中將圖像動態(tài)范圍進行壓縮并將圖像對比度進行增強的方法。采用同態(tài)濾波方法對圖像進行處理可以更好地保留顏色信息，增強圖像的對比度，降低自然光照對圖像的不利影響[8-9]。同時利用線性濾波對圖像進行降噪處理。同態(tài)濾波和線性濾波處理前后花崗巖的圖像如圖6所示。

圖6 同態(tài)濾波和線性濾波處理前后的花崗巖圖像

2.2 特征提取

花崗巖含水率不同，會導致花崗巖的顏色不同。為了獲得圖像中的有效特征，應用MATLAB軟件，對樣本圖像進行預處理后，采用離散函數(shù)定義圖像的灰度直方圖[10]，即

(2)

式中：i為灰度級；L為灰度級種類數(shù)；ni為圖像中具有灰度級i的像素個數(shù)；H(i)為圖像中灰度級i的像素的出現(xiàn)頻率。

根據(jù)式(3)提取圖像灰度直方圖的均值、方差、歪斜度、峰態(tài)和熵等5組圖像特征值，得到的具體數(shù)值如表2所示。

表2 樣本圖像的5組圖像特征值

(3)

式中：μ為圖像灰度直方圖的均值；σ2為圖像灰度直方圖的方差；μs為圖像灰度直方圖的歪斜度；μk為圖像灰度直方圖的峰態(tài)；μE為圖像灰度直方圖的熵。

2.3 特征篩選

為了篩選有效特征，對花崗巖樣本數(shù)據(jù)進行Pearson相關性分析，以揭示兩者間的相互作用關系，其定義可表示為[11]

(4)

通過白麻花崗巖建模樣本的Pearson相關性分析，從5個初始圖像特征中獲得與含水率密切相關的4個顯著特征，其與含水率的相關系數(shù)如表3所示，可見灰度圖的均值、方差、歪斜度、峰態(tài)的相關系數(shù)絕對值均大于0.8，說明這4組圖像特征與花崗巖含水率之間具有較大的相關性，而熵的相關系數(shù)絕對值小于0.4，說明其與花崗巖含水率之間呈現(xiàn)出弱相關。

表3 各圖像特征與含水率的相關系數(shù)

2.4 模型建立

針對白麻花崗巖樣本數(shù)據(jù)，分別提取上述4個顯著特征作為自變量，將實測花崗巖含水率作為因變量，采用最小二乘法進行線性回歸分析，建立花崗巖含水率估算模型。回歸方程為

100y=116.139 3+0.193 9X1-0.003 6X2-

10.344 4X3-41.601 9X4

(5)

式中：y為花崗巖含水率；X1為灰度直方圖的均值；X2為灰度直方圖的方差；X3為灰度直方圖的歪斜度；X4為灰度直方圖的峰態(tài)。

3 模型應用與檢驗

采用同一批次多塊花崗巖樣本對上述模型進行測試，提取上述4個顯著特征，代入式(5)，得到含水率估算值，按照式(6)計算相對誤差?；◢弾r含水率檢測模型測試結果如表4所示。

表4 花崗巖含水率檢測模型測試結果

(6)

式中：RE為相對誤差；yp為含水率預估值；y為含水率實測值。

對白麻花崗巖檢測結果進行統(tǒng)計，結果表明，平均檢測時長為15.59 s，相對誤差均小于5%，最大相對誤差為4.61%，最小相對誤差為0.67%，相對誤差均值為2.10%，相對誤差的方差為1.05，該模型具有較高的精度和較快的檢測速度。

4 結論

(1) 白麻花崗巖圖像直方圖的均值、方差、歪斜度、峰態(tài)與白麻花崗巖含水率具有較強的相關性，相關系數(shù)的絕對值均大于0.8。

(2) 基于不同含水率白麻花崗巖圖像灰度直方圖的均值、方差、歪斜度、峰態(tài)等4個特征，以最小二乘法進行線性回歸分析，建立白麻花崗巖含水率預測模型。通過試驗驗證，其最大相對誤差為4.61%、最小相對誤差為0.67%、相對誤差均值為2.10%，方差為1.05，表明該模型具有較高的精度。

(3) 與傳統(tǒng)花崗巖含水率檢測方法相比，基于圖像特征的白麻花崗巖含水率檢測方法大幅縮短了檢測時間，對提高實際生產(chǎn)效率具有指導意義。