基于零均值及零方差图构建的润滑油磨粒检测

摘要：提出了一种基于零均值图构建的润滑油磨粒检测的图像处理方法。首先对采集的润滑油磨粒图像进行零均值化和零方差化；然后，采用最大类间方差分割法对构建的零均值图和零方差图进行分割并对分割后的图像进行融合处理；最后，分别通过形态学滤波的开启运算和填充消除噪声和空洞。实验仿真表明，该算法具有较强的抗噪声能力，能够完整地分割出磨粒信息。

关键词：图像处理；零均值图；零方差图；磨粒检测

中图分类号：TP391

文献标识码：A

DOI：10.3969/i.issn.1003-6970.2015.06.022

本文著录格式：王建红，基于零均值及零方差图构建的润滑油磨粒检测叮]软件，2015，36（6）：120-124

TheWearDebrisDetectionBasedonZero-meanImageandZero-varianceImageConstruction

WANGJian-hong

[Abstract]：Thispaperintroducesanewimageprocessingmethodbasedonzero-meanimagefortheweardetectionoflubricatingoil.Firstly，weardebrisimageoflubricatingoilcollectedisprocessedbyzeromeanandzerovariance.Then，theMaximumbetween-ClusterVariancemethodisproposedforsegmentationofzero-meanimageandzero-varianceimage，andthesegmentationimagesarefused.Finally，theopeningoperationandfillingofmorphologicalfilteringarerespectivelyusedtoeliminatenoiseandcavity.Experimentalresultsshowthattheproposedalgorithmhasgoodabilitytoovercomethenoiseandcansplitthewearinformationcompletely.

[Keywordsl：Imageprocessing；Zero-meanimage；Zero-varianceimage；Weardebrisdetection

0引言

机械系统产生的故障和失效的主要原因是零部件的磨损，并且全球30%的动力消耗是由摩擦引起。而润滑油是发动机中的“血液”，它具有冷却、润滑、密封、防腐、清洗等作用，润滑油的质量好坏直接影响到发动机的工作性能和寿命。随着发动机工作时间的延续，润滑油在高温下的氧化，机械零件的磨损产物，使用过程中的燃油以及水分的混入等因素，将使润滑油受到污染，导致品质下降，甚至丧失润滑油应有的效能。

对润滑油状态进行检测，不仅可以及时地发现润滑油质量的变化，做到按需更换润滑油，降低运行成本，更为重要的是润滑油中的磨粒包含有重要的机械状态信息，通过对润滑油磨粒检测获得的信息能提前预知机械的状态，进而及时地发现故障征兆及预报设备可能出现的故障，有针对性进行维护和处理。对于润滑油磨粒检测，国内国外学者进行了大量的研究，现已形成诸多的检测原理方法，其中光谱分析法和铁谱分析法应用最广泛。光谱处理复杂、成本高分析速度慢、样油需要量多依赖人T检验等缺点[1-3]。随着图像处理技术的发展，基于图像处理的磨粒检测成为必然趋势[4-7]。

本论文主要是将发动机油底壳中采集到的润滑油涂抹在载波片上，通过一定放大倍数的数码相机拍摄采集磨粒图像；然后，通过构建零均值、零方差图、二值分割及形态学滤波实现在润滑油和磨粒不分离状态下的磨粒检测技术。

1磨粒图像的零均值化

图像采集现场的光照通常是不均匀的，因此，所采集的图像会因为光照强度不同而造成明暗差异，这将严重影响带钢缺陷的检测。因此采用零均值化的方法消除光照的影响，以便进行图像的进一步处理。

零均值化图像的构造过程为：设图像Fi，大小为MxN，则将图像划分为8x8的图像窗口，然后每个窗口灰度均值为[8-9]：

然后经行采样，并经行双线性插值，延伸到原来的尺寸，这里的双线性插值公式为：

最后，利用原采集图像与插值获得的图像相减，从而获得零均值图像，其公式为：

2磨粒图像的零方差化

零方差化图像的构造过程为：设图像Fi，i大小为MxN，则将图像划分为8x8的图像窗口，然后每个窗口灰度方差为：

式中0<1

然后经行采样，并经行双线性插值，延伸到原来的尺寸。最后，利用原采集图像与插值获得的图像相减，从而获得零方差图像。

然后经行采样，并经行双线性插值，延伸到原来的尺寸，这里的双线性插值公式为：

最后，利用原采集图像与插值获得的图像相减，从而获得零均值图像，其公式为：

3磨粒区域分割与滤波

3.1磨粒区域分割及融合

最大类间方差法是由日本学者大津于1979年提出的，是一种白适应的阈值确定的方法，又叫大津法，简称OTSU。它是按图像的灰度特性，将图像分成背景和目标两部分。背景和目标之间的类间方差越大，说明构成图像的两部分的差别越大，当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小。因此，使类间方差最大的分割意味着错分概率最小[10-13]。

设图像具有L级灰度，对每个灰度值厂，Pf表示f出现的频率，此时分割阈值为t，则将灰度分成两类：那么类间方差可以为：

使o2（t）取最大值时的t值就是最佳分割阀值。然后根据最佳分割的阀值对图像进行分割从而实现图像的二值化。

采用最大类间方法确定的阈值，分别对零均值图和零方差图进行分割，分割效果如图2（a）、（b）所示：可以看出，每个子图能够分割出部分目标信息；为了减少后处理的计算量，将分割后效果图进行相加融合，融合效果如图2（c）所示。

3.2形态学滤波

腐蚀是一种消除边界点，使边界向内部收缩的过程。可以用来消除小且无意义的目标物。如果两目标物间有细小的连通，可以选取足够大的结构元素，将细小的连通腐蚀掉。设二值图像为F，其连通域设为X，结构元素为S，当一个结构元素S的原点移到（x，y）处时，我们将其记作Sxv。此时图像X被结构元素S腐蚀掉的运算可表示如式（8）：

其含义是，当结构元素S的原点移动到（x，y）位置，如果S完全被结构元素x包含，则在腐蚀后的图像上该点为1，否则为0。

膨胀是将与目标区域接触的背景点合并到该目标物中，使目标边界向外部扩张的处理。膨胀可以用来填补目标区域中存在的某些空洞，以及消除包含在目标区域中的小颗粒噪声。膨胀处理是腐蚀处理的对偶。图像X被结构元素S膨胀的运算可表示如式（9）：

其含义是，当结构元素S的原点移动到（x，y）位置，如果S中至少包含一个像素值为1的点，则在膨胀后的图像上该点为1，否则为0。

先腐蚀后膨胀称为开启运算，通过这种运算能够起到平滑图像轮廓，去掉轮廓上的毛刺等作用；本文采用开启运算消除噪声，处理结果如图3（a）所示，有效消除噪声信息。但检测的目标区域有空洞，本文采用形态学填充消除空洞，结果如图3（b）所示，空洞被有效填充。

4实验分析

4.1抗噪声实验分析

为了验证本文算法抗噪声能力，我们选取均值μ=O，均方差σ分别为2，5，10的高斯噪声磨粒图像进行试验。实验效果如4所示：

从图4（d）、（e）和（f）可以看出，随着噪声强度增大，分割出的磨粒形状和面积变化不大；说明本文算法具有较强的抗噪性。主要原因在于本文采用对采集进行零均值、零方差以及形态学滤波能够有效的抑制噪声信息，从而获得较好的抗噪效果。σ4.2分割完整性分析

为了验证本文算法分割算法完整性，本文采用检测人员人T标记出磨粒区域，并计算磨粒面积；然后，与本文分割出来的磨粒区域面积进行对比；最后，采用公式（10）计算两者的误差。

本文分割效果和人T标记分割效果如图5所示，两者面积误差为8.1%误差较小；说明本文算法比较完整的分割出磨粒信息。另外，从分割出形态来看，本文算法分割出来形态与T人标记分割出来的形态略有不同，主要原因在于计算局部均值、局部方差以及形态学滤波造成磨粒边界变形造成的。σ5结论

本文在相关理论分析的基础上，提出一种新的磨粒图像检测方法。首先，通过计算磨粒图像子窗口的均值和方差，构造出零均值图和零方差图；然后，通过最大类间方差分割法分割出磨粒的区域；在此基础上，通过二值图融合和形态学滤波有效检测出磨粒信息。仿真实验表明本文方法具有较强的抗噪性，同时比较完整地分割出疵点。但分割出的形态与实际磨粒形态还存在差异，这将是以后工作继续研究的方向。

参考文献

[1]徐元强.数字同轴全息油液磨粒检测技术的初步研究[D].济南：山东大学，2010.

[2]夏志新.液压系统污染控制（第1版）[M].北京：机械工业出版社，1992.

[3]王勇，张腾，恽炅明，等.液压系统动态分析方法改进研究[J].新型工业化，2014，4（2）：33-38.

[4]杨立峰，张镇，刘薇娜.基于MATLAB的磨粒流机床液压系统的动态仿真[J]+新型工业化，2014，4（10）：58-62.

[5]王佑君，刘昌法，何相勇等.基于数字图像处理的齿轮减速器磨粒检测[J].2006，25（5）：592-594.

[6]王爱玲，叶明生，邓秋香.图像处理技术与应用（第1版）[M].北京：电子工业出版社，2008.

[7]陈国强.基于GPU的图像处理算法研究[J].软件，2014，35（2）：135-136.

[8]管声启，师红宁，王燕妮.基于图像零均值化的带钢缺陷检测[J].钢铁研究学报，2013，25（4）：59-62.

[9]刘闻，别红霞.基于蚁群算法的噪声图像边缘检测[J].软件，2013，34（12）：256-259.

[10]LiM，StauntonRC.OptimumGaborfilterdesignandlocalbinarypatternsfortexturesegmentation[J].PatternRecognitionLetters，2008，（29）：664-672.

[11]KapurJN，SahooPK，WongAKC.Anewmethodofgray-levelpicturethresholdingusingtheentropyofthehistogram[J].ComputeiVision，GraphicsandImageProcessing，1985，29：273-28.

[12]李红梅，李玉超.Otsu法在织物疵点检测中的研究及应用[J].科技信息，2001，1（32）：525-526.

[13]杨达，王孝通，徐冠雷，等.一种基于图像分割和图像拼接技术的全天空云量估计方法[J].新型工业化，2014，4（8）：15-21.