基于图像处理和K近邻算法的示温漆判读方法

2022-01-07葛俊锋薛秀生高佳祺张泽鹏

航空发动机 2021年6期

胡明，葛俊锋，薛秀生，张宇，高佳祺，张泽鹏

（1.中国航发沈阳发动机研究所，沈阳 110015；2.华中科技大学人工智能与自动化学院，武汉 430074）

0 引言

在航空发动机试验中，热端部件壁温测量是非常重要的。由于发动机结构复杂、工况恶劣，常见的热电偶、红外测温仪等测量方法，在测量一些转动件和内部复杂构件的壁温时存在困难，而采用示温漆测温不需进行测试改装，对发动机流场影响小，特别适合于发动机转动件、薄壁件、复杂构件的壁温测量[1-3]。示温漆的温度判读是保证示温漆测试精度的重要步骤，目前在中国示温漆的温度判读主要依靠人工，主观性强，易受环境光、个人辨色能力影响，且判读时间较长，效率低，易产生视觉疲劳，造成判读结果的偏差较大。

为了提高示温漆判读的效率和精度，国内外学者开展了多种示温漆自动判读方法研究。张羽鹏等[4]采用色彩色差仪、分光光度计等测量得到物体表面某点示温漆的颜色特征值，与示温漆样板的颜色特征值进行对比，取色差值最小的样片的温度为该测点的温度值；张志龙等[5]利用颜色温度曲线获得示温漆颜色值与温度之间的对应关系，取计算得到的未知颜色值与曲线之间的最近距离对应的温度作为未知颜色值的温度；Griffin 等[6-7]、马春武等[8]和于坤林等[9-10]分别在RGB、Lab、HSI 不同颜色空间利用颜色温度曲线判读，示温漆颜色值可以是像素颜色值，也可以是区域平均颜色值；Lempereur 等[11-12]获得与各段变色点间颜色相对应的区域，进而确定各区域的温度范围，并在HSI 空间中用颜色值与温度对应关系曲线对每个像素点对应的温度进行判读；王展等[13-14]和王荣华等[15]将采用图像处理方法提取的示温漆图像中等温线两侧区域的颜色统计特征作为判读依据，通过与示温漆蝶形样片上提取的等温线颜色特征库进行对比，获得被测等温线对应的温度值。虽然上述算法可以提高示温漆判读精度和效率，但还存在一些不足。例如：仪器测量法不能获得示温漆温度分布的判读结果；基于颜色温度曲线采用单个颜色值作为判读依据，受环境影响大，判读精度和稳定性低；基于等温线的判读方法受示温漆等温线数量的限制，温度测量的分辨率低，不能用于只有渐变颜色而无等温线的示温漆的温度判读。

为了进一步提高示温漆温度判读的效率和准确性，本文提出了一种基于图像处理和K近邻算法的示温漆温度判读方法。

1 示温漆温度自动判读

1.1 自动判读流程

图1 示温漆温度自动判读流程

1.2 图像分割算法

图像分割算法是将示温漆图像按照颜色的不同划分成若干不同区域，其结果直接影响示温漆判读的准确性，因此图像分割算法通常需要人工交互式设置参数。传统的彩色图像分割算法如区域生长法和聚类方法等，在计算颜色相似性时，通常只考虑像素的颜色特征，而忽略了颜色的位置信息。结合示温漆图像按局部进行判读的特点，本文采用所提出的一种考虑区域相关性的邻域颜色相似性度量，通过迭代方式实现从小区域逐渐合并到大区域的多尺度图像分割算法。

1.2.1 邻域颜色相似性度量

考虑示温漆图像的2 个相邻区域，是否将2 个邻域合并为1 个区域，与2 个邻域的颜色差异和相互关系有关。如果2 个区域的颜色差异相同，那么优先合并的是2 个重合边界多的邻域；如果2 个区域重合边界也相同，那么优先合并2个面积差异大的区域。

基于上述原则，提出一种新的2 个邻域的颜色相似性度量，定义为

式中：n1、n2为2 个区域的大小；ΔR、ΔG、ΔB分别为2个区域平均颜色的差值；D为2 个区域的公共边界长度；R为尺度参数；P为常数。

S越大表明2个邻域的颜色相似性越高。邻域颜色相似性度量既考虑了区域平均颜色差异，也考虑了2 个领域的相互关系。由于该度量只用于计算相邻区域的颜色相似性，为了实现图像分割，需要通过迭代方式对区域进行多尺度合并。

1.2.2 多尺度图像分割算法

就目前来说，传统纸媒与新媒体的融合阶段已经度过磨合期，虽然还处与萌芽时期，但日后的融合速度会越来越快。纸媒改革融合需要引进“中央厨房“机制，运用图文、图标、动漫、音频等更加精致化的方式，通过微博、微信等客户端平台向用户推送。推动内容产品从可读到可视，从静态到动态，从一维到多维的升级融合，满足多种终端传播与多种用户体验需求，从而将内容优势与人们阅读习惯有效对接。这样，报纸才能真正与新媒体“拥抱”，相互融合。

多尺度图像分割算法通过不断调整尺度参数，对相邻区域进行迭代合并，实现对示温漆图像的分割。尺度参数的上限决定了最终的区域分割结果，通过修改尺度参数上限可以调整分割结果，进行人工交互分割，避免过分割和欠分割。同时在局部分割效果不佳时，可以对局部区域调整尺度参数，实现对该区域的二次图像分割。

多尺度图像分割算法的流程如图2 所示。具体步骤如下：

图2 多尺度分割算法的流程

（1）将图像中的每个像素点作为初始种子点；

（2）遍历每个种子点，设定像素色差的阈值T1，采用区域生长法将图像分割为多个初始分割区域；

（3）分析初始区域的邻接关系，设定尺度参数上限Rmax；

（4）在尺度参数R=1～Rmax范围内，按步长S计算相邻区域的颜色相似性，对相似度大于阈值T2的区域进行合并；

（5）当R达到设定值Rmax时，停止循环，获得最终分割结果。

1.3 温度判读算法

基于颜色温度曲线的判读方法采用样板的单个颜色值来建立温度判读模型，在判读时，也常采用单个像素的颜色值和区域的平均颜色值作为特征，因此判读结果易受光照和测试环境影响，判读精度低，稳定性差。为了提高示温漆判读的精度，本文采用颜色统计特征，即颜色分布特征作为判读依据，将样板上每个温度对应于1 个颜色分布，建立基于颜色分布的温度判读模型。

K近邻算法是一种非参数模式识别方法，可用于分类和回归任务。其核心思想是多数表决法，未知样本的类别由与其最近的K个训练样本的类别众数决定，即把K个训练样本中出现最多的类别作为未知样本的预测结果。K近邻算法建模只需把训练样本直接保存，训练时间开销为零。

为了建立颜色分布特征与温度的判读模型，首先采集不同温度样板上的相同大小的区域，比如20×20，然后提取区域内像素点颜色值并进行滤波，滤波方法用于计算各像素点颜色值到区域平均颜色值之间的距离，按距离从小到大对各像素点排序，按一定比例（如80%）选取距离小的像素点颜色值作为训练样本，去掉距离大的噪声点。最后将每个温度对应的1 组像素点颜色值作为其颜色分布特征，用K近邻算法建立基于颜色分布特征的温度判读模型。通常上述颜色值采用受光照影响较小的Lab颜色空间。

对示温漆区域温度进行判读时，首先在Lab 空间中提取待判读区域的颜色信息，按照建模时相同的滤波方法进行过滤，去掉噪声点。然后将区域像素点的颜色特征输入K近邻温度判读模型，得到与每个像素点颜色特征对应的温度值。最后统计每个像素点对应的温度值，将出现次数最多的温度值作为区域温度值。

对示温漆像素点温度进行判读时，首先选取像素点周围的邻域，如3×3，然后利用区域温度判读方法得到像素点对应的温度值。

如果K近邻算法中选择K=1，并且用每个样板的平均颜色值作为特征建立模型（不考虑颜色分布），则在温度判读时，将选择与待判读颜色值距离最相近的样板颜色对应的温度作为判读结果，等效于基于颜色温度曲线的判读方法。

2 试验与分析

为了验证图像分割算法和温度判读算法的性能，在试验件图像、矩形样板图像和蝶形样片图像上分别进行图像分割及温度判读试验，采用牌号为KN3A 和KN8 的示温漆进行试验。多尺度图像分割算法中的参数选择为：P=50、T1=10、S=0.1、T2=0，Rmax根据需要人工交互设定。在试验件图像上的图像分割结果如图3所示。

图3 多尺度图像分割结果

从图3（b）中可见，多尺度图像分割算法分割的结果与人眼分割结果较一致，未受图中小孔洞影响，大大简化了区域划分的复杂度；从图3（c）中可见，可以通过调整Rmax对图像重新分割，直到达到满意的分割效果为止。对局部分割效果不佳的区域，还可以通过减小Rmax进行区域细分，细分结果如图3（d）所示。

为了验证温度判读算法的精度，在KN3A 示温漆矩形样板图像上，对每个温度随机采集400 个像素点作为训练样本，并随机采集400 个点作为测试样本，取K=20。每个温度像素点判读的错误率如图4所示。图中包括判读允许误差控制在0、±10、±20、±30 ℃4种不同情况下的错误率。

图4 KN3A矩形样板各温度像素点判读错误率

为了与基于颜色温度曲线的判读方法进行对比，取K=1，并采集每一温度的平均颜色值作为训练样本。采用2种方法得到的温度判读准确率见表1。从表中可见，基于颜色分布特征的像素点判读准确率明显优于传统方法的。

表1 KN3A矩形样板像素点温度判读准确率

为了验证不同的滤波参数对判读精度的影响，采用相同方法对像素点温度进行判读，在不同的滤波参数下，取K=20，像素点判读的准确率见表2。从表中可见，滤波参数越小，数据离散性越小，测试准确率越高。

表2 KN3A样板不同滤波参数下像素点温度判读准确率

对KN3A 矩形样板图像进行区域分割和区域温度判读，其分割结果与判读结果如图5 所示。从图中可见，所有的样片区域都可以准确分割。温度判读完全正确的区域数占88%，当允许误差在±10℃以内时，区域温度判读准确率为100%。

图5 KN3A矩形样板区域温度判读结果

以KN8 示温漆矩形样板为训练样本，对KN8 蝶形样片图像进行区域分割和像素点温度判读，其结果如图6 所示。图中的蝶形样片是在标准板表面喷涂要标定的示温漆，根据焦耳效应原理，当标准板通过一定电流时，样板某处的温度与宽度存在一定的比例关系，同时通过标准板表面贴敷热电偶获得并记录不同宽度处的最高温度。通过调整Rmax，可将蝶形样板上的示温漆区域在变色点处完全分割，将热电偶附近像素点的温度值与热电偶温度值进行比较，误差为±10℃以内。