單孔排氣氣泡特征識(shí)別與參數(shù)提取方法

楊志龍，田文斌，張珍，王志英，王一偉

（1 中國(guó)農(nóng)業(yè)大學(xué)工學(xué)院，北京 100083；2 石家莊鐵道大學(xué)省部共建交通工程結(jié)構(gòu)力學(xué)行為與系統(tǒng)安全國(guó)家重點(diǎn)實(shí)驗(yàn)室 石家莊 050043；3 中國(guó)科學(xué)院力學(xué)研究所流固耦合系統(tǒng)力學(xué)重點(diǎn)實(shí)驗(yàn)室，北京 100190）

氣液兩相流是多相流領(lǐng)域中備受關(guān)注的研究方向，廣泛存在于水利、化工、能源工程、航空航天等多種工業(yè)領(lǐng)域[1-3]。當(dāng)氣相以離散相形式分布于液體連續(xù)相中時(shí)，多以氣泡的形態(tài)出現(xiàn)[4]。氣泡-液體系統(tǒng)是氣液兩相體系中最為重要的一種流動(dòng)形式。化工反應(yīng)中利用氣液兩相流作為界面?zhèn)髻|(zhì)的載體有利于加快界面之間物質(zhì)與熱量的交換[5]，例如在鼓泡塔反應(yīng)器中通入氣體產(chǎn)生氣泡增大相間接觸面積以提高反應(yīng)效率[6]。氣泡的尺寸等參數(shù)影響著相間傳質(zhì)系數(shù)，決定著反應(yīng)的傳質(zhì)傳熱效率[7-8]。而在水下航行體的研究中，可通過(guò)主動(dòng)通氣手段改變航體近壁面的流體狀態(tài)獲取預(yù)期的力學(xué)效應(yīng)[9]。例如，在航行體表面開設(shè)氣孔通入氣體，產(chǎn)生氣泡進(jìn)而融合形成氣腔可有效調(diào)節(jié)近壁面液體流動(dòng)狀態(tài)，從而實(shí)現(xiàn)減阻降載，提高航行穩(wěn)定性[10]。因此，準(zhǔn)確快速提取氣泡輪廓和特征參數(shù)，是各個(gè)領(lǐng)域中氣泡相關(guān)流動(dòng)機(jī)制揭示的基礎(chǔ)。

光學(xué)成像的方法作為非侵入式的測(cè)量方法，其優(yōu)點(diǎn)是不會(huì)干擾流場(chǎng)，可以獲得更加準(zhǔn)確的數(shù)據(jù)。其中高速攝像技術(shù)結(jié)合數(shù)字圖像處理的方法是目前氣泡測(cè)量領(lǐng)域中的一種主流技術(shù)[11]。高速攝像能以大于1000 幀/s 的時(shí)間分辨率拍攝百萬(wàn)級(jí)像素的氣泡圖像，通過(guò)數(shù)字圖像處理可以直觀地測(cè)量出氣泡的參數(shù)，如尺寸、位置分布和形狀等信息。在拍攝的氣泡圖像中，由于拍攝條件的限制，圖像中會(huì)存在多種問(wèn)題影響測(cè)量的準(zhǔn)確度，其中相互重疊粘連的氣泡在分析過(guò)程中造成的誤差影響最大。對(duì)于重疊粘連氣泡的分割仍然是氣泡圖像處理領(lǐng)域中的一個(gè)難點(diǎn)，針對(duì)重疊粘連物體的分割，國(guó)內(nèi)外學(xué)者提出了多種基于數(shù)字圖像處理的處理方法。目前的主要方法按原理可以分為凹點(diǎn)檢測(cè)方法和基于標(biāo)記的分水嶺算法。凹點(diǎn)檢測(cè)方法通過(guò)氣泡邊緣曲線的曲率信息尋找凹點(diǎn)，并利用凹點(diǎn)進(jìn)行分割。潘志成等[12]采用k余弦曲率算法尋找凹點(diǎn)并進(jìn)行匹配連接，實(shí)現(xiàn)氣泡進(jìn)行分割。Zhong 等[13]采用凹點(diǎn)檢測(cè)結(jié)合弗里曼鏈碼的方法對(duì)氣泡進(jìn)行匹配與分割。Chen等[14]采用凹點(diǎn)分割圓弧，對(duì)圓弧信息進(jìn)行聚類分割氣泡?；跇?biāo)記的分水嶺算法通過(guò)設(shè)置不同區(qū)域的標(biāo)記減少分水嶺算法造成的過(guò)分割[15]。Lau 等[16]和Fu等[17]通過(guò)閾值分割提取氣泡中心明亮的區(qū)域作為標(biāo)記進(jìn)行分水嶺算法的分割，統(tǒng)計(jì)氣泡的參數(shù)信息。Peng等[18]采用k-means 聚類提取浮選泡沫的反光作為前景標(biāo)記并進(jìn)行分水嶺算法分割。張文飛等[19]結(jié)合距離變換圖像與連通域分析分離粘連物體作為標(biāo)記進(jìn)行分水嶺分割。葛翔等[20]運(yùn)用形態(tài)學(xué)開運(yùn)算的方法分離粘連霧滴作為前景標(biāo)記進(jìn)行分水嶺分割，進(jìn)行樹葉霧滴數(shù)量統(tǒng)計(jì)。上述方法在取得一定效果的同時(shí)也存在以下問(wèn)題：①基于凹點(diǎn)檢測(cè)的分割方法一般適用于圓度較高的氣泡，對(duì)于形態(tài)不規(guī)則的氣泡檢測(cè)與匹配較為困難；②基于標(biāo)記的分水嶺算法中使用的氣泡中心通常有規(guī)律地出現(xiàn)明亮區(qū)域或反光區(qū)域；③通過(guò)傳統(tǒng)的距離變換和形態(tài)學(xué)的方法只能在粘連程度低的檢測(cè)物上獲得較好的效果。

本文基于高速攝像技術(shù)，以單孔排氣為例，獲取了不同來(lái)流條件和通氣量下的氣泡圖像。針對(duì)傳統(tǒng)圖像處理方法對(duì)形態(tài)不規(guī)則氣泡及氣泡重疊導(dǎo)致的氣泡分割識(shí)別率低的問(wèn)題，本文改進(jìn)了基于標(biāo)記的分水嶺算法的標(biāo)記提取方法，通過(guò)比較距離變換圖像的局部極值點(diǎn)抑制了偽標(biāo)記，對(duì)氣泡進(jìn)行了準(zhǔn)確分割。通過(guò)最小二值化橢圓擬合方法對(duì)不規(guī)則輪廓進(jìn)行重構(gòu)，實(shí)現(xiàn)了氣泡特征參數(shù)的準(zhǔn)確提取，研究了不同流動(dòng)參數(shù)下氣泡的演化規(guī)律。

1 實(shí)驗(yàn)裝置

為了研究不同液體流速和通氣量對(duì)氣泡行為特征的影響，在一小型閉式循環(huán)水槽開展了相關(guān)實(shí)驗(yàn)，如圖1所示。該裝置實(shí)驗(yàn)段寸為400mm×150mm×150mm（長(zhǎng)×寬×高）的有機(jī)透明玻璃。實(shí)驗(yàn)段上方敞開連通大氣，流速調(diào)整范圍為0.01～0.3m/s。采用氣體控制裝置實(shí)現(xiàn)了通氣，該裝置由流量控制閥、氣體過(guò)濾閥、流量計(jì)、氣管、過(guò)濾閥等組成。實(shí)驗(yàn)中來(lái)流速度采用0.1m/s和0.2m/s兩種，在每種流速下設(shè)置有通氣量100mL/min、200mL/min、300mL/min 和400mL/min 四組，共有8 種工況進(jìn)行對(duì)照實(shí)驗(yàn)。

圖1 實(shí)驗(yàn)裝置示意圖

實(shí)驗(yàn)中采用高速全流場(chǎng)顯示系統(tǒng)獲得了氣泡形態(tài)特征，高速攝像機(jī)采用的是Phantom v2512，其分辨率最高為1280×800，最高拍攝速率可達(dá)100 萬(wàn)幀/s，完全滿足實(shí)驗(yàn)要求，本次實(shí)驗(yàn)采用的采集頻率為1000Hz。為了實(shí)現(xiàn)定量化，保證高速攝影機(jī)的位置與姿態(tài)以及焦距等不發(fā)生變化，使用不銹鋼直尺作為已知長(zhǎng)度參考物對(duì)攝像機(jī)像素進(jìn)行標(biāo)定，計(jì)算得到像素當(dāng)量為0.1176mm/pixel。

2 氣泡圖像分割方法

2.1 氣泡處理難點(diǎn)概述

圖2 給出了高速攝影機(jī)拍攝的氣泡圖像樣本，體現(xiàn)了圖像處理過(guò)程中的問(wèn)題與難點(diǎn)，包括：①?gòu)?fù)雜的氣泡外形和組合；②氣泡中心處的復(fù)雜反光；③圖像背景的空間不均勻性；④氣泡的弱邊緣。

圖2 原氣泡圖像

具體來(lái)說(shuō)，紅色區(qū)域?yàn)闅馀萆仙^(guò)程中發(fā)生變形，藍(lán)色區(qū)域中氣泡發(fā)生不同程度的融合，變?yōu)橹丿B粘連氣泡，且圓度較低使得氣泡粘連時(shí)的形態(tài)復(fù)雜。此時(shí)，通過(guò)邊緣曲率分割的凹點(diǎn)檢測(cè)等方法難以適用于這類氣泡。綠色區(qū)域是氣泡表面形狀不平滑導(dǎo)致的復(fù)雜反光，通過(guò)閾值分割的方法來(lái)提取氣泡中心區(qū)域有一定的困難。黃色區(qū)域內(nèi)是不均勻背景，且隨著氣泡體積增加，光照到氣泡上會(huì)產(chǎn)生陰影。紫色區(qū)域氣泡弱邊緣容易導(dǎo)致二值化過(guò)程中氣泡的部分輪廓丟失?？梢?，圖像中這些復(fù)雜的干擾因素，采用傳統(tǒng)氣泡處理方法有一定的局限性。圖3為兩種傳統(tǒng)圖像前景提取方法[21]的效果：一是在利用濾波算子對(duì)圖像進(jìn)行預(yù)處理后，直接使用大津法（OTSU）[22]進(jìn)行二值化的方法，這造成如圖3(a)紅圈所示位置出現(xiàn)了輪廓丟失；二是使用圖像增強(qiáng)的方法加強(qiáng)邊緣處的對(duì)比度再進(jìn)行二值化，如圖3(b)所示，邊緣信息得到加強(qiáng)的同時(shí)背景方塊處的陰影部分也被增強(qiáng)，對(duì)后續(xù)圖像的二值化造成阻礙，且一部分陰影由氣泡遮擋形成，其出現(xiàn)位置不固定，難以直接通過(guò)減去拍攝背景的差影法消除。由上可見，這兩種傳統(tǒng)方法都難以有效準(zhǔn)確地提取復(fù)雜圖像中的氣泡特征。

圖3 傳統(tǒng)氣泡提取方法

2.2 氣泡圖像處理方法

圖4給出了本文圖像處理流程，分為三個(gè)主要部分。

圖4 圖像處理流程

（1）前景提取。通過(guò)Canny算法提取圖像紋理信息補(bǔ)充原圖輪廓，轉(zhuǎn)化為二值圖，再用形態(tài)學(xué)方法提取出氣泡的投影區(qū)域。

（2）圖像分割。對(duì)獲得的二值圖像進(jìn)行距離變換，利用極值點(diǎn)獲取氣泡的前景標(biāo)記，制作掩模后進(jìn)行分水嶺分割粘連氣泡。

（3）擬合重構(gòu)。采用最小二乘法對(duì)分水嶺算法得到的氣泡邊界曲線進(jìn)行擬合重構(gòu)，提取氣泡的位置與尺寸等參數(shù)信息。

2.2.1 前景提取

根據(jù)圖像背景中陰影邊緣過(guò)渡平緩的特點(diǎn)，本文利用Canny邊緣檢測(cè)算法重新設(shè)計(jì)了前景提取方法。為了提高圖像質(zhì)量，首先采用中值濾波消除圖像中的噪點(diǎn)，對(duì)圖像進(jìn)行預(yù)處理，再通過(guò)四個(gè)步驟實(shí)現(xiàn)前景提?。旱谝?，使用Canny算法對(duì)圖像進(jìn)行檢測(cè)[23]，提取氣泡邊緣輪廓以及內(nèi)部紋理，并將其疊加在被檢測(cè)圖像上，圖像的弱邊緣處得到了加強(qiáng)，氣泡整體輪廓得到了補(bǔ)充，但是由于背景的不均勻性，背景中的部分輪廓也被檢測(cè)出，如圖5(a)所示；第二，使用大津法對(duì)疊加圖像進(jìn)行自適應(yīng)閾值分割，將其轉(zhuǎn)為二值圖像，如圖5(b)所示；第三，針對(duì)閾值分割后氣泡內(nèi)部的孔洞，利用泛洪算法對(duì)其內(nèi)部進(jìn)行填充，如圖5(c)所示，且從圖中可以看出，背景中仍存在微小黑點(diǎn)，由于這些點(diǎn)為水中的一些細(xì)小雜質(zhì)，所以通過(guò)連通域閾值的設(shè)定將其過(guò)濾掉；第四，通過(guò)形態(tài)學(xué)開運(yùn)算將氣泡邊緣的毛刺與凸起消除，氣泡投影區(qū)域被完整地從背景中提取出來(lái)，如圖5(d)所示。

圖5 前景提取流程

2.2.2 圖像分割

基于分水嶺算法的圖像分割，關(guān)鍵在于單個(gè)氣泡的前景標(biāo)記?；谇熬疤崛〉亩祱D像[圖6(a)]，利用歐式距離變換可將二值圖像轉(zhuǎn)換為灰度級(jí)圖像。歐式距離是圖像中兩像素之間的直線距離，距離邊緣越遠(yuǎn)的像素灰度值越高[24-25]。圖6(b)給出了氣泡前景的距離變換圖像，可見隨著氣泡中心距離邊緣的歐式距離增加，其灰度值增加，中心處達(dá)到最大。

圖6 距離變換圖

基于距離變換圖像，采用閾值分割提取大于閾值的區(qū)域可作為單個(gè)物體的前景標(biāo)記，這種方法往往適合在大小相當(dāng)、形狀規(guī)整（圓形、方形）且只在邊緣處有粘連的物體，如圓形細(xì)胞[26]、大豆種子[27]等。但對(duì)于這種大小形狀都具有一定差異的氣泡，其中心位置的灰度值之間也會(huì)有較大差異，難以通過(guò)設(shè)置全局閾值或采用連通域最大值的方法進(jìn)行標(biāo)記提取。本文將利用距離圖像的局部極值點(diǎn)進(jìn)行標(biāo)記作為分水嶺算法的注水點(diǎn)，查找像素局部極值點(diǎn)的判斷式，如式(1)所示。

圖7(a)給出了提取極值點(diǎn)的示意圖，由于形狀的不規(guī)則，氣泡內(nèi)部會(huì)出現(xiàn)多個(gè)局部極值點(diǎn)，出現(xiàn)偽標(biāo)記，直接在距離變換圖像上使用分水嶺算法會(huì)導(dǎo)致嚴(yán)重的過(guò)分割。因此，需要在局部極值點(diǎn)的基礎(chǔ)上增加判斷條件來(lái)抑制部分局部極值點(diǎn)（偽標(biāo)記）的出現(xiàn)。在查找完局部極值點(diǎn)再設(shè)定一個(gè)范圍L，將所有的極值點(diǎn)與周圍一定范圍內(nèi)的像素再次進(jìn)行比較尋找峰值點(diǎn)，峰值點(diǎn)判斷條件見式(2)～式(4)。

圖7 極值點(diǎn)的抑制

式中，Pp為保留的峰值點(diǎn)；Pn為剔除的局部極值點(diǎn)。

當(dāng)局部極值點(diǎn)與設(shè)定范圍內(nèi)的某個(gè)像素灰度值相等時(shí)將局部極值點(diǎn)Pm置零，避免在設(shè)定范圍內(nèi)同時(shí)出現(xiàn)多個(gè)極值點(diǎn)或出現(xiàn)多個(gè)極值點(diǎn)相互抑制剔除的情況。圖7(b)給出了多次判斷后極值點(diǎn)示意圖，此時(shí)大部分偽標(biāo)記被抑制，實(shí)現(xiàn)了前景有效標(biāo)記。

從圖7(b)中右側(cè)框內(nèi)可以看出一個(gè)氣泡中仍然可能存在多個(gè)峰值點(diǎn)，為了不造成過(guò)分割，一個(gè)氣泡值內(nèi)應(yīng)只有一個(gè)標(biāo)記。通過(guò)觀察發(fā)現(xiàn)，屬于同一個(gè)氣泡的峰值點(diǎn)距離較近，將所有的峰值點(diǎn)進(jìn)行適當(dāng)膨脹，可將距離較近的點(diǎn)融合為一個(gè)前景標(biāo)記，如圖8(a)右側(cè)框內(nèi)所示。再使用形態(tài)學(xué)操作將二值圖膨脹與所獲取的前景標(biāo)記取差，得到圖8(b)所示的白色區(qū)域，即不確定區(qū)域，分水嶺算法的分割線將在這個(gè)區(qū)域內(nèi)產(chǎn)生。

圖8 峰值點(diǎn)融合與不確定區(qū)域

將不確定區(qū)域標(biāo)記為0，前景標(biāo)記區(qū)域設(shè)置為1，使用分水嶺算法，從標(biāo)記區(qū)域開始漫出，在不確定區(qū)域中相遇形成分水嶺完成氣泡的分割，分割結(jié)果如圖9所示。

圖9 分水嶺算法分割結(jié)果

同時(shí)，將該結(jié)果與基于閾值分割[27]和基于腐蝕運(yùn)算[28]的標(biāo)記獲取方法對(duì)比，如圖10 所示?？梢杂^察到，腐蝕運(yùn)算通過(guò)腐蝕粘連處達(dá)到分離氣泡的目的，但腐蝕運(yùn)算在腐蝕粘連處的同時(shí)也會(huì)腐蝕氣泡本身，這會(huì)對(duì)氣泡標(biāo)記造成破壞。對(duì)于在距離變換圖像上進(jìn)行閾值分割的方法，不同尺寸氣泡中心處的灰度值差異較大，而氣泡粘連處與氣泡中心處的灰度值差異較小，難以設(shè)定一個(gè)閾值將氣泡中心區(qū)域提取，無(wú)法分離氣泡造成欠分割。而本文方法通過(guò)對(duì)距離變換圖像極值點(diǎn)之間的比較，抑制了偽標(biāo)記的出現(xiàn)，尋找到氣泡中心區(qū)域的最優(yōu)點(diǎn)并進(jìn)行了一定程度的融合，這使得本文方法在處理重疊、尺寸差異大以及形狀不規(guī)整的氣泡時(shí)比前兩種方法具有更好的效果。

2.2.3 擬合重構(gòu)

由于基于分水嶺算法得到氣泡形狀并不規(guī)則，為提取其特征參數(shù)并進(jìn)行統(tǒng)計(jì)分析，需要將其擬合為規(guī)則形狀。在此采用基于邊界的最小二乘橢圓擬合算法，即將待擬合的邊緣曲線視為一個(gè)個(gè)相連的獨(dú)立點(diǎn)，作為觀測(cè)值，理論值為需要擬合的橢圓曲線函數(shù)，用一個(gè)損失函數(shù)去表征理論值與觀測(cè)值之間的殘差平方和，找到一條使得損失函數(shù)最小的橢圓曲線，進(jìn)而以最小誤差實(shí)現(xiàn)氣泡的擬合重構(gòu)[29]，如圖11所示。

圖11 最小二乘橢圓擬合原理

一般的二次曲線F可表達(dá)為式(5)。

點(diǎn)ti(xi,yi)是輪廓曲線上的N(N＞5)個(gè)檢測(cè)點(diǎn)，根據(jù)最小二乘原理，橢圓二次曲線的擬合方程參數(shù)通過(guò)代數(shù)距離平方和的最小化來(lái)求解，擬合曲線代數(shù)平方和計(jì)算為式(6)。

求得符合條件的向量k使得C(k)取得最小值，即可得到橢圓方程參數(shù)。根據(jù)橢圓方程可以計(jì)算橢圓的位置與大小等參數(shù)。(Xc,Yc)為擬合橢圓在圖像上的幾何中心坐標(biāo)，用于描述橢圓在圖像上的位置，其計(jì)算分別為式(7)、式(8)。

A為橢圓的長(zhǎng)軸直徑，B為短軸直徑，用于重構(gòu)氣泡的形狀，計(jì)算為式(9)、式(10)。

θ是重構(gòu)橢圓的長(zhǎng)軸傾斜角度，為長(zhǎng)軸與水平軸線的逆時(shí)針角度，計(jì)算為式(11)。

基于圖9利用分水嶺算法得到的氣泡輪廓分割曲線，對(duì)其進(jìn)行最小二乘橢圓擬合，可計(jì)算得到橢圓的中心坐標(biāo)及長(zhǎng)短軸等信息。圖12 給出了繪制在圖像上的重構(gòu)氣泡輪廓曲線，可以看出該擬合結(jié)果較好。

圖12 氣泡的最小二乘橢圓擬合重構(gòu)

3 結(jié)果與討論

3.1 氣泡數(shù)目統(tǒng)計(jì)分析

為了評(píng)估本文所提出算法的氣泡分割效果，進(jìn)行了氣泡數(shù)目的統(tǒng)計(jì)實(shí)驗(yàn)驗(yàn)證。本文對(duì)實(shí)驗(yàn)中8種工況下的氣泡圖像（200張圖片）分別采用了上述的3 種方法進(jìn)行識(shí)別，并與人工計(jì)數(shù)結(jié)果進(jìn)行對(duì)比。腐蝕運(yùn)算難以分離粘連程度高的氣泡，閾值分割則無(wú)法提取對(duì)于尺寸形狀差異大且重疊粘連形式復(fù)雜的氣泡標(biāo)記，導(dǎo)致錯(cuò)誤識(shí)別。本文方法能夠較好地解決上述問(wèn)題，相較于腐蝕運(yùn)算方法識(shí)別準(zhǔn)確率提高了22.7%，相較于閾值分割方法準(zhǔn)確率提高了13.6%，如表1所示。

表1 傳統(tǒng)算法與本文算法對(duì)比

3.2 氣泡參數(shù)分析

基于氣泡圖像處理，提取氣泡橢圓特征參數(shù)，標(biāo)記數(shù)代表為氣泡數(shù)，橢圓質(zhì)心坐標(biāo)表示氣泡位置參數(shù)，坐標(biāo)系的橫、縱軸分別對(duì)應(yīng)X軸與Y軸，并計(jì)算氣泡的等效直徑。圖13 和圖14 分別給出了兩種來(lái)流速度0.1m/s和0.2m/s，不同通氣量下氣泡上升演化過(guò)程。發(fā)現(xiàn)在同一橫向來(lái)流速度下，通氣量為100mL/min時(shí)，表現(xiàn)為較為獨(dú)立的氣泡形式，其運(yùn)動(dòng)軌跡呈線性上升。隨著通氣量的增加，逐漸出現(xiàn)重疊與粘連的氣泡，但氣泡的整體位置分布并未隨著進(jìn)氣量的增加發(fā)生明顯變化。當(dāng)液體流速?gòu)?.1m/s增加到0.2m/s時(shí)，相同通氣量下氣泡的整體位置發(fā)生改變，表明液體流速是氣泡運(yùn)動(dòng)軌跡改變的主要因素[30]。

圖13 0.1m/s液體流速下氣泡位置分布

圖14 0.2m/s液體流速下氣泡位置分布

為了表明流速和通氣量對(duì)氣泡特征的影響，分別使用上述三種方法以及人工方法進(jìn)行了測(cè)量對(duì)比。圖15 和圖16 分別給出了不同流動(dòng)參數(shù)下平均氣泡統(tǒng)計(jì)個(gè)數(shù)和氣泡尺寸，從圖中可以看出本文方法與人工識(shí)別獲取的數(shù)據(jù)更為吻合，說(shuō)明了本文方法可準(zhǔn)確獲取數(shù)據(jù)。從圖中本文方法獲取數(shù)據(jù)看出，當(dāng)通氣量從100mL/min增加到400mL/min，氣泡數(shù)量略微增加，其中通氣量200mL/min與300mL/min相比無(wú)明顯增長(zhǎng)。而氣泡的平均尺寸隨著通氣量增加明顯增加，尤其當(dāng)通氣量從200mL/min 增加到300mL/min時(shí)，增長(zhǎng)幅度最大。表明氣泡的生長(zhǎng)過(guò)程中，通氣量的增加促進(jìn)了氣泡的生長(zhǎng)，使其尺寸增加，其次才是氣泡的數(shù)量的增加。在相同通氣量下，橫向來(lái)流速度0.2m/s時(shí)氣泡的平均尺寸相較于流速0.1m/s的情況更小，但是0.2m/s的流速下氣泡平均數(shù)量更多。這是因?yàn)樵跉馀莸纳L(zhǎng)過(guò)程中，隨著氣體的通入氣泡產(chǎn)生的浮力隨著體積增大而增大。當(dāng)浮力大于氣泡表面張力時(shí)，氣泡脫離附著的氣孔向上浮動(dòng)，液體橫向來(lái)流速度會(huì)給氣泡施加一個(gè)橫向的拖拽力加速氣泡的脫離，流速越大則拖拽力越大，單個(gè)氣泡生長(zhǎng)的時(shí)間要比同一通氣量下要短，造成氣泡的平均尺寸更小，但是平均氣泡數(shù)量更多[31]。

圖15 不同液體流速（V）下氣泡平均個(gè)數(shù)隨通氣量的變化

圖16 不同液體流速（V）下氣泡平均尺寸隨通氣量的變化

4 結(jié)論

本文基于高速攝像獲得了不同流動(dòng)參數(shù)下的氣泡特征，針對(duì)氣泡圖像中重疊粘連氣泡造成的欠分割導(dǎo)致氣泡特征參數(shù)提取誤差問(wèn)題，改進(jìn)了分水嶺算法的前景標(biāo)記提取方法，實(shí)現(xiàn)了氣泡的準(zhǔn)確分割和擬合重構(gòu)，提取了氣泡特征參數(shù)并進(jìn)行對(duì)比分析，得到以下結(jié)論。

（1）在對(duì)于大小形狀都具有一定差異的重疊粘連氣泡的處理上，通過(guò)抑制與融合距離變換圖像極值點(diǎn)的方法可有效抑制偽標(biāo)記，實(shí)現(xiàn)較為精準(zhǔn)的氣泡分割。本文方法相較于腐蝕運(yùn)算分離氣泡的方法識(shí)別準(zhǔn)確率提高了22.7%，相較于對(duì)距離變換圖像進(jìn)行閾值分割的方法識(shí)別準(zhǔn)確率提高了13.6%。

（2）通過(guò)統(tǒng)計(jì)氣泡橢圓擬合重構(gòu)獲取的特征參數(shù)，發(fā)現(xiàn)隨著通氣量的增加，氣泡的尺寸顯著增大，但氣泡的數(shù)量只是略微增加，通氣量的增加主要促進(jìn)了單個(gè)氣泡的生長(zhǎng)過(guò)程，其次是影響氣泡的數(shù)量，而氣泡整體分布并未隨著通氣量的改變有明顯變化，通氣量在100～400mL/min范圍內(nèi)變化時(shí)對(duì)于氣泡的運(yùn)動(dòng)無(wú)明顯影響。

（3）隨著液相流速的改變氣泡的整體位置分布發(fā)生改變，氣泡的運(yùn)動(dòng)主要受液體流速影響。相同通氣量下液體流速越高氣泡數(shù)量越多，而平均尺寸更小，橫向來(lái)流液體提供的拖拽力縮短了單個(gè)氣泡的生長(zhǎng)時(shí)間，使得氣泡的數(shù)量更多而尺寸更小。