表征煤质指标的煤粒图像颜色特征＊

丁利华 杨建国 张泽琳 苏晓兰 高 群

（1.中国矿业大学国家煤加工与洁净化工程技术研究中心，江苏省徐州市，221008；2.中国煤炭科工集团沈阳设计研究院，辽宁省沈阳市，110015）

表征煤质指标的煤粒图像颜色特征＊

丁利华1杨建国1张泽琳1苏晓兰1高 群2

（1.中国矿业大学国家煤加工与洁净化工程技术研究中心，江苏省徐州市，221008；2.中国煤炭科工集团沈阳设计研究院，辽宁省沈阳市，110015）

针对煤粒表面图像的表征问题，采集了7个密度级共70幅煤粒图像，研究了煤粒图像的两个颜色空间，分析了煤粒图像RGB和HSV的6个颜色特征的一、二、三阶矩，并对其进行筛选。结果表明煤粒表面呈现深灰色并且色彩信息很少，在进行煤粒密度级判别时，可以选取亮度一阶、亮度二阶、亮度三阶、饱和度一阶和饱和度三阶这5个颜色特征，参数表征不同密度级煤粒的颜色信息，为实现机器视觉识别煤质指标提供了参考。

煤粒颜色特征 图像识别 机器视觉 图像处理

1 概述

如今选煤行业已向数字化、自动化方向发展，但在提取煤质指标的方向上表现的还不够成熟。现阶段测定煤质灰分的手段主要有两种：一种是取样烧灰来确定，这种方法可靠性最高，但具有滞后性，导致现场生产不能及时了解产品品质；二是使用放射性在线测灰仪进行测量，这种方法时效性高，但如果煤中含有一定磁性物质时，实验数据就会出现很大偏差，这表明不同密度级煤粒的表面存在差异性。图像处理通过对表征事物的图像信息进行处理和分析，能实现对事物的辨认和分类。所以使用煤粒图像分析的方法也能进行煤粒的灰分识别，而且更快、更准确、更稳定。

颜色是图像中基本而又重要的特征，每一种物体都有其颜色，并且颜色特征具有旋转不变、尺度不变等优势。国内外已开始利用彩色位图的RGB三分量和灰度图像的亮度来研究浮选泡沫，研究煤粒表面图像的颜色特征，为通过机器视觉方法实现煤粒灰分、密度级和煤种的在线识别提供了研究基础，对进一步提高选煤效率和自动化程度起到巨大的推动作用。

2 煤粒图像处理

2.1 煤粒图像颜色特征

本试验研究选取的煤粒是太西选煤厂一分区25～50 mm粒度级的原煤煤粒。选取70个-1.35 g／cm3、1.35～1.4 g／cm3、1.4～1.5 g／cm3、1.5～1.6 g／cm3、1.6～1.7 g／cm3、1.7～1.8 g／cm3和+1.8 g／cm3这7个密度级的煤粒。各个密度级的典型煤粒如图1所示，观察不同密度级的煤粒，可以看到不同密度级的煤粒在光泽、颜色方面有肉眼可识别的差异。低密度级煤粒黑而发亮，反光性强；中煤颜色由黑色逐渐变为灰色，亮度和反光度逐渐降低；矸石则普遍表面平滑，显浅灰色。

图1 各密度级典型煤粒

2.2 图像颜色空间

对颜色特征的研究必须置于特定的颜色空间之中，在图像处理中经常使用的是RGB和HSV颜色空间。

RGB颜色空间在图像显示中是一种常用的颜色空间。目前，数字图像一般也都采用RGB颜色空间来表示。RGB颜色空间模型如图2所示，是一个三维的颜色模型。它以红 （R）、绿 （G）、蓝（B）作为三基色，即在RGB彩色模型中，所有颜色均由红、绿、蓝相加混合而成。在RGB坐标体系中的原点上，三基色的亮度均为零，此时代表黑色；当三基色同时达到最高亮度时为白色；由等量的三基色混合而成的颜色是灰色，这些灰色点均落在RGB彩色立方体的对角线上。

图2 RGB颜色空间模型

HSV颜色空间具有视觉一致性，它比RGB颜色空间更符合人的视觉特性，依据人类对于色泽、明暗和色调的直观感觉来定义颜色。HSV颜色空间把颜色表示为3种属性：色调H、饱和度S和亮度V。HSV颜色空间模型如图3所示，可以看成是倒置的圆锥形。HSV颜色空间的色调H表示光的颜色，如红、黄、绿等，它用角度0°～180°或0°～360°来度量。饱和度S指颜色的深浅程度，即在纯色中包含的白色光的成分。例如同样是红色，会因颜色浓度不同而分为深红色、粉红色和浅红色。饱和度S用百分比来度量，从浓度最小的0%到浓度完全饱和的100%。亮度V是指颜色的明暗程度，也用百分比来度量，从0%为最暗的黑色，到100%为最亮的白色。

图3 HSV颜色空间模型

在HSV空间上对于颜色的划分方法是：对于V≤0.2的颜色认为是黑色；对于V≤0.1，且V≥0.2的颜色，认为是灰色。并按照V值得不同，划分为深灰 （0.2，0.5］，浅灰 （0.5，0.8］，白色（0.8，1］；其他颜色认为是彩色。

2.3 颜色特征提取

本次试验煤样的图像采集系统包括2个30W的LED白炽灯、背景皮带、数码相机和支撑封闭架。数码相机置于煤粒正上方，距背景皮带表面0.8 m，光源位于两侧距煤粒表面1.5 m，入射光与煤粒间夹角为60°。采集的煤粒图像记录格式为1024×768piexl，每幅以24位RGB模式保存。共拍摄了70个煤粒，每个密度级10个。对每幅图像利用Matlab软件编程进行增强对比度的预处理，然后利用阈值和最小矩形法从皮带背景中截取包含煤粒的最小矩形，并将底色变黑。最后对截取的煤粒图像进行颜色特征提取，对煤粒表面图像的处理过程如图4所示。

图4 煤粒表面图像处理过程

颜色特征常用的提取方法包括颜色直方图、颜色矩和颜色集等。本次试验采用简单而有效的颜色矩方法提取颜色特征值。颜色矩算法简单并且图像中任何颜色的分布信息都可以表示为它的矩。图形的主要颜色分布信息都包含在低阶矩中，因此图形的颜色分布可以通过颜色的一阶矩、二阶矩和三阶矩进行表示。

2.4 颜色特征选择

为了进一步选取适合表征煤粒的颜色特征，对所提取的R、G、B、H、S、V的一、二、三阶矩的特征值做如下分析。

将70幅截取的煤粒图像的R、G、B一阶矩统计后见图5。从图中可以看到每一个煤粒的R、G、B一阶矩分量近似相等即RGB 3个分量相等，所以可以认为煤粒图像包含的色彩信息较少。对于灰度，每一个像素点的RGB值都是相同的，可以将每一幅图像转换为灰度图，提取灰度图的灰度值，就可以代替RGB 3个分量。通常将灰度划分成0～255共256个级别，0最暗，255最亮，也就是说RGB值从 （0，0，0）一直到 （255，255，255），（0，0，0）表示黑色， （255，255，255）是全白色，中间的是灰色，总共有256级灰度。

图5 RGB3个分量统计图

统计70个煤粒图像的饱和度值见图6，发现饱和度S值均小于0.1，说明颜色是灰色，统计70个煤粒图像的亮度值见图7，发现亮度V值都在0.2～0.5之间，进一步说明煤粒表面颜色是深灰色。通过对S和V一阶矩的统计图分析可知，煤粒表面的颜色为深灰色，所以我们在表征煤粒时，煤粒表面颜色已确定为深灰色，可以忽略表征颜色种类的色调H这一颜色特征。

图6 饱和度S统计图

通过以上分析，得到表征煤粒的3个颜色特征，分别是灰度、饱和度和亮度。分别对其提取一、二、三阶矩得到9个特征参数。根据各密度级煤粒图像特征平均值，得出这9个特征值随密度级和灰分的变化趋势图见图8。横坐标为序号，代表7个密度级和各密度级灰分，纵坐标为各颜色特征参数。

先将煤粒表面图像的灰度和亮度特征值归一化到 ［0，1］之间，并求出9个特征值的标准差分别是灰度一阶的标准差为0.3163，灰度二阶的标准差为0.2924，灰度三阶的标准差为0.3166；亮度一阶的标准差为0.3226，亮度二阶的标准差为0.2939，亮度三阶的标准差为0.3177；饱和度一阶的标准差为0.0058，饱和度二阶的标准差为0.0078，饱和度三阶的标准差为0.0192。

结合变化趋势图和9个特征值标准差可以看出，灰度和亮度的变化趋势图基本一致，通过对灰度和亮度特征值标准差的对比，可以看到灰度一阶和亮度一阶、灰度二阶和亮度二阶、灰度三阶和亮度三阶的标准差近似相等。说明灰度和亮度的波动和变化基本一致，实际进行煤粒密度级判别分析的时候可以选取灰度和亮度这两个特征其中的一个。饱和度一阶和饱和度二阶的变化趋势图基本重合且这两个特征值的标准差近似相等，在进行煤粒密度级判别分析的时候可以舍弃其中一个。

通过对煤粒图像颜色特征的分析和筛选，最后选定亮度一阶、亮度二阶、亮度三阶、饱和度一阶和饱和度三阶作为最终煤粒图像判别分析时的颜色特征。

3 结论

（1）同一煤粒图像的RGB三分量是基本相等的，颜色信息量很少，可以用灰度值代替RGB三分量表示煤粒图像的颜色信息。

（2）通过对煤粒图像HSV颜色空间的分析，得出煤粒表面颜色为深灰色，说明色调H对表征煤粒表面图像颜色没有差异性。

（3）通过对煤粒图像灰度、亮度、饱和度特征随密度级的变化趋势图和特征值标准差的分析，发现了灰度和亮度、饱和度一阶和饱和度二阶的变化趋势基本一致。

（4）在进行煤粒表面图像表征、处理和提取颜色特征参数时，可以采用图像的亮度一阶、亮度二阶、亮度三阶、饱和度一阶和饱和度三阶进行计算。通过对煤粒图像颜色特征的筛选，减少了数据传输量和计算量，加快了图像的处理速度，为以后利用多元回归或者神经网络等方法进行煤粒密度级判别提供了相关性强的颜色特征。

［1］余芳 .基于颜色特征的图像检索技术研究 ［D］.中国石油大学，2007

［2］梅晓仁，陈鹏，高永胜.基于SPSS的煤质发热量相关因素分析及其回归模型研究 ［J］.中国煤炭，2011 （7）

［3］Hargrave J M ，Hall S T.Diagnosis of concentrate grade and mass flowrate in tin flotation from color and surface texture analysis ［J］.Mineral Engineering，1997（6）

［4］王勇，路迈西，王凡等 .表征煤泥浮选泡沫图像特征的最佳色彩方案 ［J］.中国矿业大学学报，2002（6）

［5］崔屹 .数字图像处理技术与应用 ［M］.北京：北京电子工业出版社，1997

［6］田玉敏，林高全 .基于颜色特征的彩色图像检索方法 ［J］.西安电子科技大学学报，2002（1）

Selection of color features of coal particle surface image

Ding Lihua1，Yang Jianguo1，Zhang Zelin1，Su Xiaolan1，Gao Qun2
（1.National Engineering Research Center of Coal Preparation and Purification，China University of Mining and Technology，Xuzhou，Jiangsu 221008，China；2.Shenyang Design and Research Institute of China Coal Technology＆Engineering Group，Shenyang，Liaoning 110015，China）

For the characterization of the coal particle surface image，a total of 70 coal particle images of the 7 density levels were collected，the two coal image color space（RGB color space and HSV color space）were researched，the first，the second and the third moment of six colour features were analyzed and selected.The results showed that the coal particle surface presents dark gray and have very little color information.During the recognition of the coal particle density，5 color features（the first moment of the value，the second moment of the value，the third moment of the value，the first moment of the saturation and the third moment of the saturation）can be selected to characterize the color information of the different density level coal particles surface image，which provide a reference for the machine vision to identify coal quality index.

color features，image recognition，machine vision，image processing

TQ533.6

A

国家自然科学资金委员会创新研究群体科学基金 （50921002）

丁利华 （1987-），女，江苏南通人，中国矿业大学在读硕士研究生，研究方向为矿物加工工程。

（责任编辑 王雅琴）