锤片式饲料粉碎机内物料粒径的计算

2014-01-22曹丽英张玉宝张云飞

饲料工业 2014年7期

■曹丽英张玉宝张云飞

（内蒙古科技大学机械工程学院，内蒙古包头 014010）

如何精准的提取物料颗粒目标是采集到锤片式粉碎机物料粉碎的运动图像后的关键问题[1]。求得图像中物料颗粒属性、确定物料颗粒特征量的首要任务就是精准的提取物料颗粒目标[2]。由于采集图像的时候，图像受到物料颗粒和高速摄像系统之间的相对运动、物料颗粒之间相互摩擦、碰撞，还有杂质、试验台的震动等因素的影响，图像的真实信息被隐藏或者掩盖。所以，若要对高速摄像机采集到的图像直接进行目标的提取，那么被掩盖的物料颗粒目标无法被完整的提取，这就给提取物料颗粒特征量造成比较大的误差。研究中利用MATLAB软件[3-4]，对高速摄影机采集到的图像采用二值化、灰度化、图像分割等方法来综合处理，以提高图像的质量与检测的精确度信号。以下研究中被粉碎物料为玉米颗粒。

1 图像灰度化

高速摄像机自带的存储器中暂存了采集到的物料粉碎图像，通过以太网数据连接把存储器中存储的序列帧图像传输入计算机之中。首先读取一幅高速摄像机拍摄的原始图像,如图1（a）所示，图像中的玉米颗粒目标是研究对象,原始图像为JPG格式,物体特征量不易被提取,同时由于JPG图像在计算机之中占据的内存太大,直接处理,运算速度太慢,要加快处理的速度,也就需要把彩色图像转变成灰度图像。图1（b）即为处理后的灰度化图像。

图1 图像灰化结果

2 图像的腐蚀

对图像进行腐蚀处理是为了删除图片内对象边界的某些像素。

腐蚀运算是输出像素值，即是输入图像相应像素的邻域内所有像素的最小值，输入 f(x,y)被结构元素b(x,y)腐蚀定义成 f-b，其表达式：

其中，Df、Db分别是输入图像 f(x,y)和机构元素b(x,y)的定义域。我们把(s+x,t+y)限制在 f的范围内，相似于在二值腐蚀时候要把结构元素全部纳入腐蚀集合中运算。当然上面公式和函数的二维相关也差不多，只需把相乘变成相减，把求和变成求最小值运算。

如果研究的是单变量函数，在阐述灰度腐蚀概念和进行运算时候的本质原理时，只需要把二维函数换成一维函数。那么灰度腐蚀运算可表达成：

在相关情况下，当s为负时候，函数 f(s+x)向左移动，而s为正时正好相反，无论向哪儿移动，(s+x)都必须在的定义范围，x在b所定义的范围内，相似于在二值腐蚀时候要把结构元素全部纳入腐蚀集合中运算，腐蚀运算过程相似于膨胀运算。

根据腐蚀运算的概念和结构元素的概念可推知，要求得由结构元素的形态确定的邻域内 f-b的最大值，以下两种效果是由灰度腐蚀运算得到的：

①假如在由结构元素确定的范围内它是值都大于0，腐蚀后 f-b的值小于 f值，所以和输入图像比就显得暗；

②假如在输入图像中的亮细节尺寸小于结构元素,则腐蚀后明亮细节的削弱程度和此亮细节周围的灰度值以及结构元素的形状与结构元素值有关。

图像腐蚀处理过程运行结果如下：

图2 图像腐蚀结果

分析结果发现disk(15)分离流道外壁轮廓比较明显，disk(5)颗粒基本上看不清楚，因此，选择使用结构原始disk(10)腐蚀后的结果。

3 图像的二值化

处理图像之后，玉米颗粒除外的各点的灰度值应该都是0，但由于背景杂质、光源亮度变化等因素的影响和处理过程中发出的噪声，有些点的灰度值在实际的处理之后并不理想，所以应该对图像进行二值化处理。采用二值化处理对后续的分析和计算至关重要，以为其可以将背景和玉米颗粒进行分离。

图像的二值化处理就是设定一个阈值，并且把该阈值作为门限，转换具有灰度级的图像使其成为具有两个灰度值的黑白图像，将像素全部置为黑或白。函数关系可以表达为：

式中：x——灰度值；

f(x)——图像矩阵函数；

T——进行图像二值化处理时所选用的非负阈值。

研究采用了一种预处理式的固定阈值法用以针对上文中图像背景简单并且变化很小的情况。预处理式固定法是指在图像处理之前,先检测不同的阈值,对不同的检测结果进行总结,等到收集到足够的信息之后,再开始处理图像。这种测试不同的阈值,检查其阈值和此类图像中的种子特征适合与否的做法,尽量的提高了检测的精度。同时,将整个序列帧图像全部设定成同一阈值,可以节省处理时间,提高二值化的效率。