浅谈基于图像处理气泡特征提取方法的研究

刘伟 沈继忱

摘 要：针对电厂等一些输液管道中普遍存在的气水混合的现象，本文通过摄像机、采集卡采集到透明玻璃管道内的气水混合液图像，基于数字图像处理技术针对气泡图像进行处理增强，以便更好地对图像进行阈值分割。通过实验，比较了几种阈值分割的效果，最后在最大类间方差法的基础之上，基于Matlab进行算法仿真，获得了较好的分割效果，该算法为有效的获得气泡形状特征参数提供了有效算法。

关键词：气液两相流 图像处理 最大类间方差法 动态阈值

中图分类号：TP7 文献标识码：A 文章编号：1672-3791（2013）03（b）-0033-02

电力、石化系统中管道中气水混合的现象非常普遍，气液两相流工程应用效果在很大程度上取决于气泡运动形态以及分散相和连续相之间的相互作用，了解并掌握气液两相流的种种特性，具有重要的研究意义。

首先本文将高速摄像法应用到气液两相流图像采集中，对垂直玻璃透明管中上升的气液两相流进行非接触测量，不会干扰设备的正常运行，可通过调节拍摄频率得到较为清晰的图像。其次对采集的图像数据样本进行预处理，为图像阈值分割及后期气泡特征的提取和提供高质量的分析样本。为了更好的分析和辨识目标，就需要将其分离提取出来，对于目标的利用，在这基础上才能更进一步的利用。而把图像分成格局样式的区域，并提取出目标的技术和过程中感兴趣的部分。本文主要讨论基于最大类间方差法的图像阈值分割。

1 图像信息的采集

本实验图像信息采集系统，主要包括激光转换系统，实验系统和高速摄像机。实验的基本原理是：将单个激光光束利用透镜进行转换成一束平行光照进透明有水的玻璃管中，在透明玻璃管的下方有个阀门，打开空气阀门，在透明玻璃管内产生上升的气泡，高速摄像机在透明玻璃管道的左侧对光束所照到的气水混合液进行图像数据采集。将采集到的图像数据存于计算机，用图像处理软件进行处理。

2 气泡图图像处理

2.1 图像增强

气液两相流中气泡的原始图像不够清晰，灰度对比度不够鲜明，边缘比较模糊。为了便于后续的图像阈值分割，要先对原始图像进行图像增强处理[1]。本文采用的图像增强手段有：图像的灰度变换和图像的锐化。

图像的灰度变换是改善图像一种重要的手段，使图像对比扩展，图像更加清晰，特征更加明显，突现出图像中的目标信息[2]。通过修改灰度直方图来增强图像。原图像经过直方图均衡化以后，它的概率密度函数近似服从均匀分布，扩大了像素值的动态范围[3]。

2.2 阈值法图像分割

2.2.1 阈值法的基本原理

基于区域图像分割技术的称之为阈值分割法，其原理是通过对不同特征的阈值，将图像像素点分为多种类型[4]。一般特征有：（1）由彩色值或者是原始的灰度所变换获得的特征。（2）直接源自于最初的图像的彩色或者灰度特征。设原始图像为f（x，y），按照一定的准则在f（x，y）中找到特征值T，将图像分割为两个部分，分割后的图像为：

若取（黑），（白），即为我们通常所说的图像二值化。

2.2.2 阈值法图像分割方法分类

全局阈值法则是运用整局信息来对整个图像求出最优的分割阈值，其中可以是多阈值，也可以是单阈值；而局部阈值法就是把最初的整个图像分成几个较小的子图像，在应用全局阈值法对每一个子图像求出最优的分割阈值。其中全局阈值法又可分为基于点的阈值法和基于区域的阈值法[5]。阈值分割法的结果很大程度上依赖于阈值的选择，因此该方法的关键是如何选择合适的阈值。局部阈值法中仍要用到全局阈值法，所以本文主要是对全局阈值法中基于点的阈值法和基于区域的阈值法进行了研究谈论。根据阈值法的原理可以将阈值选取技术分为3大类。

基于点的全局阈值方法与其他几大类方法相比，基于点的全局阈值算法的优点就是算法时间复杂度较低，易于实现，适合应用于在线实时图像处理系统。基于区域的全局阈值方法，对于一幅图像，目标区域或背景区域的同一区域内的象素，在位置和灰度级上具有一定的一致性和相关性。局部阈值法和多阈值法当图像中有阴影，照度不均匀，各处的对比度不同，突发噪声，背景灰度变化等变化时，只用固定的全局阈值对图像进行阈值分割，不能兼顾图像各处的情况可能使图像分割效果受到影响。用与象素位置相关的一组阈值（即阈值使坐标的函数）对图像各部分分别进行分割这种方法可以解决。这种与坐标相关的阈值也称为动态阈值，该方法也叫变化阈值法，或自适应阈值法。这类算法的缺点是时间复杂性和空间复杂性比较大，优点是抗噪能力强，对用全局阈值不易分割的图像有较好的分割效果。图像中如果几个目标区域的灰度值不相同，可以用多阈值法来解决，使用多个阈值将不同的目标分开。

3 阈值法图像分割的实现

最大类间发差法就是将图像直方图在某一个阈值处分割成两部分，当被分成的两部门的方差为最大时，可以到得到一个阈值。方差是灰度分布均匀性度量的标准，方差值越大，则构成图像的两部分差别也就越大，当部分目标错分为背景或部分背景错分为目标时，都会导致两部分差别变小，所以使类间方差最大的分割意味着错分的概率也就最小[6]。

图像的灰度级范围是0，1，2，…，L-1，设灰度级i的象素点个数为mi，则图像的象素点的总数为：，则灰度级i的出现概率定义为：，。

在Ostu方法中，阈值t把图像的象素分为目标像素和背景像素两类，分别为：

和类出现概率及均值分别为：

其中：

和类的方差：

类间方差：

总体方差为：

引入关于t的等价判决准则函数：

最优阈值通过等价判决准则的最大值得到：

即阈值T将图像分成目标和背景两部分，使得两类总方差取得最大值的t，即为最佳分割阈值。

4 结论

本文论述了在提取气液两相流气泡特征时，通过最大类间方差法对图像分割的研究，建立起了一个以最大类间方差为基础，使用Matlab进行仿真的算法。该算法的建立为气液两相流中气泡特征的提取提供了一种方法。

参考文献

[1]张强，王正林.精通MATLAB图像处理[M].北京：电子工业出版社，2009：136-140.

[2]Rafael C Gonzalez，Richard E Woods.Digital Image Proceeding：Second Edition[M].Beijing：Publishing House ofElec tronics Industry，2009.

[3]张强，王正林.精通MATLAB图像处理[M].北京：电子工业出版社，2009：149-157.

[4]章毓晋.图像工程（中册）—— 图像分析[M].北京：清华大学出版社，2005：37-40.

[5]张东衡，唐志航，叶鸿明，等.一种气液两相流气相参数图像检测方法[J].计算机测量与控制，2006，14（5）：421-430.

[6]章毓晋.图像分割[M].北京：科学出版社，2001：122-126.