基于MATLAB的钨矿石粒度在线检测系统设计

易畅 彭翠 熊微 王卫花 罗小燕

摘 要：针对目前钨矿石初选环节中选矿效率低、实时性和准确性差等问题，提出矿石粒度在线检测系统设计方案，通过MATLAB软件先对原始图像进行中值滤波处理，再分别采用维纳滤波、Lucy-Richardson和盲区卷积复原图像并对比复原效果，在考虑时间成本的情况下以Lucy-Richardson进行图像复原为最佳。考虑到矿石由不同形状组成，运用形态学处理的方法构造不同大小及形状的结构元素，通过开闭重建运算对图像进行腐蚀和膨胀，对孔洞填充及噪声处理。采用基于标记的分水岭分割算法，很好地解决了传统分水岭算法的过分割现象，提升了粘连矿石分割的准确率。最后通过矿石像素面积检测，统计矿石颗粒的粒径、粒级大小等相关信息，提高了矿石分选速度与准确度，满足工业化实时检测识别要求。

关键词：粒度检测;分水岭分割;形态学处理;MATLAB

中图分类号：TP391   文献标志码：A     文章编号：1003-5168（2022）2-0023-05

DOI：10.19968/j.cnki.hnkj.1003-5168.2022.02.005

Design of Online Particle Size Detection System for Tungsten Ore Based on MATLAB

YI Chang    PENG Cui    XIONG Wei    WANG Weihua    LUO Xiaoyan

（School of Mechanical and Electrical Engineering， Jiangxi University of Science and Technology， Ganzhou 341000，China）

Abstract： In view of the problems of low beneficiation efficiency， insufficient real-time and accuracy in the primary process of tungsten ore， a design scheme of online detection system for ore particle size was proposed. The original image was firstly median filtered by MATLAB software， and then wiener filtering， Lucy-Richardson and blind zone convolution were used to restore the image and compare the restoration effect. Under the consideration of time cost， lucy-Richardson is the best method for image restoration. Considering that ores are composed of different shapes， morphological processing method is used to construct structural elements of different sizes and shapes， and the image is corroded and expanded by opening and closing reconstruction operation， and the hole filling and noise processing are carried out. The watershed segmentation algorithm based on mark is adopted to solve the over-segmentation phenomenon of traditional watershed algorithm and improve the segmentation accuracy of cohesive ore. Finally， through the detection of the pixel area of the ore， the relevant information such as the particle size and size of the ore particle is counted， which improves the speed and accuracy of ore sorting and meets the requirements of industrial real-time detection and identification.

Keywords： particle size detection; watershed segmentation; morphological treatment; MATLAB

0 引言

鎢矿石是我国重要的矿产资源，目前钨矿石初选是通过纹理、形状大小、颜色等方面的判断，经过人工筛选出来[1]。这种传统的钨矿石初选方法的效率和准确性都不高[2]。而粒度检测可将采集图片的颗粒以不同等级大小的层度划分出来，并统计其数量，在各种生产工厂以及分析产品等领域发挥着极其重要的作用[3-4]。目前比较先进的检测有激光、电镜等，这些粒度检测的精度非常高，但是其对生产工作环境的要求颇高[5]。而在本研究的矿石粒度检测这一块显然是无法适用的，因为矿石破碎会产生大量的粉尘，并且高成本的仪器无法承担被损坏的风险[6]。粒度在矿石破碎中是一个非常重要的参数，其实时性和测量的准确性是最迫切需要解决的问题[7]。采用计算机图像处理技术，可以实现矿石粒度检测的自动化，成本低，并且识别速度快，准确率较高，为矿业生产自动化提供了很好的解决方案[8]。MATLAB是一个基于矩阵运算的、功能强大的软件，对于图像处理来说，每一张图像的像素信息可以看成一个大矩阵，因此MATLAB处理图像比较快速，可以大大节省矿石图像处理时间，即间接缩短整个流程中粒度在线检测的时间[9]。

基于MATLAB的钨矿石粒度在线检测系统的流程如图1所示。

1 矿石图像采集

矿石在传送运输过程中，通过工业摄像机进行拍摄，矿石图像采集原理图如图2所示。为了拍摄出效果较好的图片，挡板遮住的光线可以加上部分光源进行补光调节。本研究先采用大小不一的少量矿石颗粒拍摄搜集样本图片，再通过与实际拍摄大量矿石颗粒堆叠图片运行的结果进行对比分析。

2 矿石图像预处理

2.1 图像噪声分析

由于矿石破碎时会产生大量粉尘且引入噪声，该噪声与图像中的椒盐噪声有相似之处。利用MATLAB软件里自带的imnoise函数，给拍摄后的图片加入椒盐噪声。矿石图像噪声如图3所示。

2.2 运动模糊图像

为模拟矿石运动情况，需要模拟运动模糊后的拍摄图片。在图像复原的过程中，PSF函数可利用几个参数将模糊的长度和方向进行复原，为了模拟出实际拍摄模糊的图片，先构造PSF函数。假设实际生产中传送带的速度为2 m/s，运动方向为向前传送，则拟定的方向参数为90°（与x轴的水平夹角），拟定拍摄图片的模糊长度为30个像素点。利用MATLAB的fspecial函数，模式采用motion，即可完成运动模糊图像的生成。矿石运动模糊图像如图4所示。

2.3 图像灰度变换

通过线性变换對图像中的信号类型进行灰度变换，利用MATLAB的rgb2gray灰度函数对其中的图像信号进行灰度处理，图5所显示的图像是原始灰度噪声图经过灰度变换后的整个图像。

可以看出，变换后每个矿石与背景之间有较明显的差异，但是由于噪声的存在，只用灰度变换是无法去除的，还需要对变换后的图像进行滤波处理。

2.4 图像对比度增强

增强灰度图对比度，其实就是对黑白两处的压缩，将之间的对比度进行拉伸，通过增强矿石图像中的差别，从而增强图像的对比度。利用MATLAB函数库里的imadjust函数，将图像中灰度值在两端处0或255的区域进行拉伸，使目标和黑色的矿石颗粒背景更加易于区分。为了适应更多的图像限值，利用MATLAB中的stretchlim函数，自动调整两端处的限值，可根据整张图片里存在的最高以及最低的灰度值来进行调整。

2.5 图像滤波处理

2.5.1 噪声的滤波处理。中值滤波对于图像的脉冲噪声有着比较好的消除效果，同时对于目标的信息破坏较小。因此，采用中值滤波器既可以有效地去除因粉尘而产生的噪声，还可以有效地保留较完整的矿石边界信息[10]。

2.5.2 运动模糊图像的滤波复原。运动模糊图像复原是通过将一幅已退化的图像，利用randon变换来获得PSF函数里的模糊参数，然后再将估计得到的PSF函数通过不同滤波方法进行复原。但是复原的难点在于如何获取这个模糊参数，从上文生成运动模糊图像的方法可知，运动模糊参数主要分为运动模糊方向以及模糊长度。对于模糊方向的估计可以采用两种方法解决，一个是频域法，另一个是倒谱法。通过频域法和倒谱法得到的试验数据可以比较准确地得到模糊角度。本研究以倒谱法做了以下几组试验。

从表1中可以观察到，对于本方法的不同模糊角度，都可以准确地估计出来，但是模糊长度的估计略有偏差，准确率基本上都在90%以上，并可以看到原本的模糊长度在30个像素点时误差最小。因此，倒谱法得出的模糊参数的估计可以直接用于运动模糊图像复原中，接下来利用PSF函数对图像进行复原。运动模糊图像复原主要有维纳滤波、Lucy-Richardson和盲区卷积复原，以上述生成的模糊图像为例分别采用这三种复原方法并进行对比可以发现，维纳滤波复原效果最差，Lucy-Richardson复原效果较好，盲区卷积复原效果最好，连基本纹理都复原回去了。但是，三者所耗的时间是相反的，盲区卷积虽然复原效果最好，但是其受到迭代次数的影响，迭代越多，效果越好，时间也越长。综合以上结果，在考虑效果和实时性的要求下，以Lucy-Richardson滤波方法作为最佳选择。

3 矿石图像分割

分水岭算法是通过每一个局部最小值区域生成一个分水岭线，因此当图像中产生未处理的噪声等就会有大量无关的分水岭线，这也叫过分割现象。要想处理掉这些过分割的分水岭线，关键在于如何将这些局部最小区域去掉，而基于标记的分水岭算法便能很好地解决这一问题[11]。

标记主要是对一个连通域而言的，图像里每一个目标都可以看作一个连通域，而内标记则将目标标定，外标记则将背景标定。先通过MATLAB中的imerode和imreconstruct两个函数来实现重建等分布式运算，在此基础上进行腐蚀操作。本课题所采用的图像是以黑色为主要背景，目标图像是相对较亮的，因此利用函数imregionalmax（）将目标区域的所有局部极小值给标定出来。标定后已经基本上限定了后续分割的范围，防止出现大量的过分割现象。

接下来进行分水岭分割时，需要运用一个点进行距离变换算法，这个点进行距离变换是通过计算每一个像素点与周围最近的非零像素点之间的距离，然后用这个距离值来替换原先像素点的值。图6是利用距离转换后的二维数值图像。

并以此进行距离变换后通过MATLAB的分水岭函数watershed（）进行矿石颗粒分割，并利用不同颜色来区分分割后的矿石颗粒，用白色像素点边界显示分水岭线，图7为分割后的结果图。从图7中可以看到，矿石颗粒的基本轮廓描绘得较完整，并且分割的精度较高，没有出现过分割现象。

4 矿石粒度检测与仿真

4.1 像素的连通域标记

连通域标记分为两种处理方法，一种是四连通，一种是八连通。由于本研究里分割后的图片存在许多面积为1个像素的连通域，因此采用八连通来去除掉这类无关的连通域。在MATLAB软件里利用bwlabel（）来实现八连通标记，将每一个连通域进行标记，然后利用regionprops（）函数计算每一个连通域的面积，并以矩阵的形式存储数据。图8为计算后绘制的矿石面积分布图，可以看到较大的矿石只有1个，中等大小的有2个，小矿石则有4个。

4.2 矿石颗粒的尺度变换

对于拍摄后的矿石图片，需要先给定一个同等高度拍摄的参照物，并计算出参照物实际的投影面积，然后计算对应参照物像素的比例，将比例代入其他矿石像素面积时可直接计算出矿石的实际面积。具体公式为：

参照物像素面积参照物实际投影面积=矿石像素面积矿石实际投影面积         （1）

通过公式（1）可以将每一个矿石的实际投影面积计算出来，进而通过公式[s=πd/22]求出粒径大小。给粒度设定几个区间，便可以通过一幅图像给出对应区间的粒度的矿石个数，最后判断出矿石破碎的效果。

4.3 粘连矿石图像的仿真

对于上述矿石图像粒度检测只是用了一个非粘连的少量矿石图的例子，下面选用一张大量粘连的矿石图像进行试验，仍然采用本文的一系列操作：图片预处理、前后景标定、分水岭分割、形态处理。

从图9可以看到，矿石面积分布图中不同粒级间有不同量的矿石，矿石虽然堆叠在一块，但是在基于标定的分水岭分割算法下能够比较成功地将绝大部分矿石分割出边界，少量矿石颗粒由于边界比较模糊，导致合在一起，也有极少数矿石颗粒存在过分割，但是总体来看，分割效果比较好。

5 结语

通过MATLAB软件对采集到的矿石图片进行了图片滤波、去噪、运动模糊图像和复原等预处理，选用改进的基于标定的分水岭分割算法对每一张图片进行分割，用形态学处理的开启和重建运算对分割出图片中的孔隙进行填充，并把经过处理的矿石粒级结果进行粒度检测，最后把粘连在一起的大量矿石影像进行处理和对比，实现了矿石粒度的自动检测。

参考文献：

[1] 龚大成，吕福在，潘晓弘，等.新型在线粒度检测仪的设计与研究[J].仪器仪表学报.2006（6）：602-606.

[2] 张国英，邱波，刘冠洲，等.基于图像的原矿碎石粒度检测与分析系统[J].冶金自动化.2012（3）：63-67.

[3] 孫深深.矿石粒度图像检测技术的研究[D].郑州：郑州大学，2019.5.

[4] 罗小燕，林龙飞，蔡改贫.基于图像处理的矿石粒度在线检测系统[J].仪表技术与传感器，2015（7）：63-64，80.

[5] 宁志刚，郝光鹏，程雄，等.基于图像分析的堆浸铀矿石颗粒参数辨识[J].北京理工大学学报，2018（3）：300-312.

[6] 蔡改贫，刘占，汪龙，等.基于形态学优化处理的标记符分水岭矿石图像分割[J].科学技术与工程，2020（23）：9497-9502.

[7] 商梦石.基于图像处理的矿石粒度检测方法研究[D].昆明：昆明理工大学，2017.5.

[8] 方挺，张亚萍.一种基于标识的矿石图像分割方法[J].软件导刊.2016（6）：215-217.

[9] 赵晓晴，刘景鑫，张海涛，等.色彩空间变换和基于距离变换的分水岭算法在白细胞图像分割中的应用[J].中国医疗设备，2019（7）：5-9.

[10] 赵梦琦.基于分水岭算法的图像分割算法研究[D].西安：西安邮电大学，2020.

[11] 张鸿阳，韩建峰，张妍.基于改进分水岭算法的粘连车辆图像分割[J].内蒙古工业大学学报（自然科学版），2019（3）：208-215.