一种基于图像特征检测算法的残缺液滴识别方法技术

本发明专利技术公开了一种基于图像特征检测算法的残缺液滴识别方法，包括步骤：对于拍摄得到的液滴图像，进行灰度化和二值化后得到灰度图，并通过图像闭运算、区域填充和边缘提取后得到液滴轮廓的二值图；利用圆形霍夫变换算法，将得到的所有液滴轮廓进行识别，得到识别结果；对识别结果进行筛选，选取单个液滴所在区域附近直径最大值作为当前单个液滴的识别结果；对所有液滴的识别结果进行统计与整合，得到单张照片中所有的液滴位置与粒径信息。本发明专利技术以图像特征检测算法即霍夫变换以及一系列图像处理方法来得到残缺液滴的复原信息。由于拍摄对象的物理性质等原因，得到的拍摄结果图中液滴存在高光处，这使得无法以原有的液滴识别算法进行处理。识别算法进行处理。识别算法进行处理。

【技术实现步骤摘要】
一种基于图像特征检测算法的残缺液滴识别方法


[0001]本专利技术属于图像检测
，具体涉及一种基于图像特征检测算法的残缺液滴识别方法。

技术介绍

[0002]雾化是一种气液两相流中的重要过程，其传热传质过程受到流体力学领域的广泛关注。对一喷雾场来说，液滴粒径的大小是评价其雾化程度的重要指标。现阶段在实验上有许多手段可以对一喷雾场的液滴粒径进行测量，例如利用相多普勒粒径分析仪、通过拍摄图像对粒径进行标定等方法。
[0003]目前在众多软件中，利用图像阈值分割算法测量粒径是主要的手段。通过提取图像整体的灰度值并反转得到图像的灰度值结果，通过定义全局阈值、灰度变化梯度等参数，利用液滴处的灰度与背景灰度的不同从而识别出液滴，并得到其位置与尺寸信息。但这一算法存在一定的局限性，当液滴的圆度足够好、透光性足够好时，液滴表面会出现高光，在图像阈值分割时会出现最终识别出的液滴结果是不完整的，大致为月亮形。此时利用阈值分割的方法就会出现只能识别到液滴的非高光处从而造成识别错误。

技术实现思路

[0004]本专利技术的目的在于提供一种基于图像特征检测算法的残缺液滴识别方法，从而识别在拍摄结果中，液滴出现残缺情况下的液滴。
[0005]本专利技术是通过以下技术方案来实现：
[0006]一种基于图像特征检测算法的残缺液滴识别方法，包括以下步骤：
[0007]步骤1，对于拍摄得到的液滴图像，进行灰度化和二值化后得到灰度图，并通过图像闭运算、区域填充和边缘提取后得到液滴轮廓的二值图；
>[0008]步骤2，利用圆形霍夫变换算法，将得到的所有液滴轮廓进行识别，得到识别结果；
[0009]步骤3，对步骤2的识别结果进行筛选，选取单个液滴所在区域附近直径最大值作为当前单个液滴的识别结果；
[0010]步骤4，对所有液滴的识别结果进行统计与整合，得到单张照片中所有的液滴位置与粒径信息。
[0011]本专利技术进一步的改进在于，步骤1中，首先对当前图像的每个像素点进行归一化处理得到灰度化图像，并通过手动设置阈值进行二值化处理得到二值化图像。
[0012]本专利技术进一步的改进在于，步骤1中，利用canny算子进行边缘提取，此时提取的液滴边缘不完整，利用disk算子作为运算核进行图像的闭运算得到完整的液滴边缘二值化图像。
[0013]本专利技术进一步的改进在于，步骤2中，定义圆形方程：
[0014](x
‑
a)2+(y
‑
b)2＝r2[0015]其中：
[0016]x＝a+rcosθ
[0017]y＝b+rcosθ
[0018]其中自变量为x,y，参数为a，b，r；
[0019]将a，b，r作为参数可得：
[0020](a
‑
x)2+(b
‑
y)2＝r2[0021]其中：
[0022]a＝x+rcosθ
[0023]b＝y+rcosθ
[0024]此时在y
‑
x域中的一个圆可映射为r
‑
b
‑
a域即霍夫域中的一个点：
[0025]由此可在图像中进行遍历，当检测到在同一段圆弧的一系列点(x1,y1)，(x2,y2)，
…
，(x
n
,y
n
)时，在此圆弧上点的个数将会作为霍夫函数f(a,b,r)的函数值，而这些点对应相同的a，b，r值，即同一个圆；
[0026]当图像遍历完成后，得到一个霍夫函数f(a,b,r)，此时寻找该函数所有局部最大值即可得到对应的自变量a，b，r，如此得到圆弧对应完整圆信息。
[0027]本专利技术进一步的改进在于，步骤3中，由于寻找的是局部最大值，在液滴识别的过程中出现同一个液滴识别出多个圆型结果，此时在该邻域中选取半径r最大的圆弧作为最终识别结果。
[0028]本专利技术进一步的改进在于，步骤4中，得到的结果a，b，r包含液滴的位置信息(a，b)与粒径信息(r)，将其提取并保存来得到当前图像中所有液滴的信息。
[0029]本专利技术进一步的改进在于，步骤1中，利用matlab软件编写脚本文件，设计代码框架，对原始拍摄图像进行预处理。
[0030]本专利技术进一步的改进在于，步骤2、3中，结合图像特征检测算法，识别出图像中的残缺液滴，并得到复原后的液滴粒径信息。
[0031]本专利技术进一步的改进在于，步骤4中，对得到的液滴粒径信息进行后处理，并结合实验参数设置进行整合。
[0032]本专利技术至少具有如下有益的技术效果：
[0033]本专利技术以图像特征检测算法即霍夫变换以及一系列图像处理方法来得到残缺液滴的复原信息。由于拍摄对象的物理性质等原因，得到的拍摄结果图中液滴存在高光处，这使得无法以原有的液滴识别算法进行处理。
[0034]相较于现有技术，本专利技术具有以下优点：
[0035]第一：通过图像闭运算、区域填充、边缘检测等算法使原始拍摄图像满足了进行图像特征检测的要求；
[0036]第二：利用图像特征检测算法，实现了对残缺液滴的处理与统计；
[0037]第三：通过对液滴信息的后处理，实现了对液滴群的一系列物理特征统计。
附图说明
[0038]图1是本专利技术的算法流程图。
[0039]图2是运行结果的灰度图示例。
[0040]图3是运行结果的二值图示例。
[0041]图4是运行结果的边缘提取图示例。
[0042]图5是运行结果的同液滴多识别结果图示例。
[0043]图6是运行结果的液滴识别结果图示例。
[0044]图7是算法算域转化过程示意图。
具体实施方式
[0045]下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。需要说明的是，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本专利技术。
[0046]如图1所示，本专利技术提供的一种基于图像特征检测算法的残缺液滴识别方法，包括7个步骤，包括图像的二值化、边缘提取、闭运算、区域填充、二次边缘提取、特征检测和筛选。各部分具体如下：
[0047]实验利用CCD相机结合长焦显微镜头放大的手段获得局部毫米级视窗内的液滴群形态。拍摄侧由长焦显微镜(Queststar QM1)和CCD(ImagerProSX 5M)相机组成拍摄端，拍摄后得到液滴初始图像。
[0048]1.二值化
[0049]首先计算出当前初始图像的灰度最大值，并将每个像素灰度与最大值进行对比得出只包含灰度信息的灰度图如图2。并手动设定灰度阈值，将大于此阈值的像素定义为1，小于此阈值的像素定义为0，由此可本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像特征检测算法的残缺液滴识别方法，其特征在于，包括以下步骤：步骤1，对于拍摄得到的液滴图像，进行灰度化和二值化后得到灰度图，并通过图像闭运算、区域填充和边缘提取后得到液滴轮廓的二值图；步骤2，利用圆形霍夫变换算法，将得到的所有液滴轮廓进行识别，得到识别结果；步骤3，对步骤2的识别结果进行筛选，选取单个液滴所在区域附近直径最大值作为当前单个液滴的识别结果；步骤4，对所有液滴的识别结果进行统计与整合，得到单张照片中所有的液滴位置与粒径信息。2.根据权利要求1所述的一种基于图像特征检测算法的残缺液滴识别方法，其特征在于，步骤1中，首先对当前图像的每个像素点进行归一化处理得到灰度化图像，并通过手动设置阈值进行二值化处理得到二值化图像。3.根据权利要求2所述的一种基于图像特征检测算法的残缺液滴识别方法，其特征在于，步骤1中，利用canny算子进行边缘提取，此时提取的液滴边缘不完整，利用disk算子作为运算核进行图像的闭运算得到完整的液滴边缘二值化图像。4.根据权利要求1所述的一种基于图像特征检测算法的残缺液滴识别方法，其特征在于，步骤2中，定义圆形方程：(x
‑
a)2+(y
‑
b)2＝r2其中：x＝a+rcosθy＝b+rcosθ其中自变量为x,y，参数为a，b，r；将a，b，r作为参数可得：(a
‑
x)2+(b
‑
y)2＝r2其中：a＝x+rcosθb＝y+rcosθ此时在y
‑
x域中的一个圆可映射为r
‑
b
...

【专利技术属性】
技术研发人员：汤成龙，马清臣，刘传胜，黄佐华，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：