基于空间聚类分析的LED颜色检测方法

李红利，柳 干，张荣华，刘元建，王舒欢，修春波

（天津工业大学电气工程与自动化学院，天津 300387）

基于空间聚类分析的LED颜色检测方法

李红利，柳 干，张荣华，刘元建，王舒欢，修春波

（天津工业大学电气工程与自动化学院，天津 300387）

提出了一种利用相空间重构、空间聚类分析方法综合完成LED颜色检测的方法.利用HSL颜色模型的特性，分离出采集到图像的色度信息；利用相空间重构方法，将二维的色度矩阵重构为三维空间内的色度信息点；利用空间聚类分析方法，进一步剔除相空间重构结果中的干扰像素点，得到有效的LED色度信息.实验结果证明,该方法能准确检测LED颜色信息，结果稳定.

LED颜色检测；HSL颜色模型；相空间重构；聚类分析

LED具有体积小、响应速度快、寿命长、可靠性高、功耗低等优点，广泛应用于信号指示灯、显示屏、背光源、半导体照明光源等方面.目前几乎所有的电气设备上都带有LED用来指示其电源及工作状态，在设备出厂前的功能检测中，这些LED工作情况的测试也是必不可少的环节[1].完整的LED测试主要包括对其电特性、光特性、开关特性、颜色特性、热学特性、可靠性等方面进行全面的检测[2].本文主要针对LED的颜色特性提出一种检测方法.现有的LED颜色特性检测方法主要有分光光度法和积分法.前者通过单色仪分光获得光谱功率分布，之后利用色度加权积分获取相应色度参数.而积分法则是直接利用滤色片与光电探测器相配合，测得相应色度参数.分光光度法的准确性要高于积分法，但是光谱仪的噪声、校准的不确定度、被测光源的稳定性等因素也都会给光谱功率的分布带来不确定的影响[3].本文提出的方法主要是在考虑到指示用LED亮度一般较低的前提下，综合考虑工业现场中多LED同时测量时设备的体积、成本问题，利用HSL颜色模型的特性，分离出采集到图像的色度信息；进而采用相空间重构的方法，将二维的色度矩阵重构为三维空间内的色度信息点；再采用空间聚类分析方法对相空间重构的结果进行空间数据挖掘，进一步提取出有效的LED色度信息.

1 颜色模型转换

颜色空间是颜色在三维空间中的排列方式，在机器视觉中一般称为颜色模型.图像处理中最基础的是RGB颜色空间，其主要缺点是不够直观.RGB的数值很难表示该值所代表颜色的认知属性，两个颜色之间的知觉差异不能表示为该颜色空间中两个色点之间的距离.基于基础颜色空间的不均匀、不正交、不直观等主要缺点，研究人员根据颜色的认知模型设计了许多算法，用于从RGB中得到颜色的认知属性，统称为认知颜色空间[4].本文所采用的HSL颜色模型，是一种面向用户的颜色模型，在计算机视觉和数字图像处理中应用广泛.H、S、L 3个分量所代表的含义分别为色度、饱和度和色彩的明度.

RGB颜色模型是面向硬件的模型，适用于机器采样，而为了能够在计算机系统中利用HSL颜色模型进行数据处理，就需要对HSL的3种属性进行量化，需要由RGB值转换为HSL值的对应公式.一种简化的RGB转HSL的算法主要包括以下几个步骤:

（1）对RGB值做归一化处理，转换为[0，1]区间内的结果；

（2）找出R、G、B中的最大值和最小值，分别记为Cmax和Cmin；

（3）计算颜色的明度值:

（4）如果最大和最小的颜色值相同，即表示灰色，则S定义为0，而H未定义，并通常也认为是0；

（5）否则，根据明度L计算饱和度S:

（6）计算色度H:

按照以上步骤计算出来的H、S、L值的范围分别为H∈[0，255）、S∈[0，1]、L∈[0，1].

2 相空间重构

在得到所采集图像的HSL信息之后，就获得了3个二维的数值矩阵，其中的H值矩阵，就是后期处理所需要的色度信息.而要对这些信息进行处理，第一步就是要将其中的干扰信息剔除出去.以蓝色LED为例，在外接5 V电源，限流电阻为1 kΩ时，实际的采集效果如图1所示.

图1 蓝色LED实际采集效果Fig.1 Actual acquisition results of blue LED

由采集的图像可以看出，图像中明显包含作为背景的黑色和亮度饱和的白色区域，而本文只是想得到蓝色区域的准确色度值，这也是本文采用HSL颜色模型的原因之一.利用L分量的值，可以有效滤除上述两种干扰像素点，抛弃L值过大和过小的像素点，则剩余的都是蓝色发光区域的信息，称之为有效像素点.在得到了有效像素点之后，为了更好地考察其色度一致性，本文采用相空间重构的方法，将二维空间的色度信息转换为三维空间坐标点的分布，将色度的一致性体现为三维几何空间点的聚合程度.

一个系统在某一个时刻的状态称为相，它决定状态的几何空间，称为相空间[5-6].系统中任一分量的演化都是由与之相互作用着的其它分量所决定的，因此这些相关分量的信息就隐含在任一分量的发展过程中.为了重构一个等价的相空间可以通过只考察一个分量，并将其扩展到高维空间的方法，以便充分暴露出时间序列中的隐含信息[7-8].本文所采用的相空间重构方法，正是利用了这种思想，原始数据不再是一维的时间序列，而是二维的色度信息.为了更好地发现其分布规律，将其重构在三维的状态空间中，从而可以通过在三维空间中研究这些信息点的聚合程度，反映出二维空间中色度值的分布情况.

按照HSL颜色模型的定义，当色度值在0～255范围内变化时，蓝色的标准色度值为170.考虑到色差的因素，在剔除了亮度不满足条件的黑点和亮点的前提下，理想的实验结果应该是稳定在170附近的一个值.

图2所示为有效像素点色度信息的空间分布，圈中的点表示色度离散的像素点的色度信息.

图2 有效像素点色度信息的空间分布Fig.2 Space distribution of effective pixel color information

由图2可以清楚地看到，实际的色度信息并没有跟预期的估计一样形成完全的聚合现象，而是在128～213范围内均有分布，而且有很多明显的偏离标准色度的像素点存在.但是由结果的分布密度来看，绝大多数的色度值确实是稳定在170附近的，也就是说结果中仍然存在着相当数量的干扰色度信息点.

3 空间聚类分析

空间聚类分析是指将空间实体或单元集合按照某种相似性度量原则，划分为若干个类似空间实体或单元组成的类或簇的过程[9-10].这里的相似性度量准则主要包含两方面的含义:空间距离度量和空间实体间专题属性相似性度量[11].空间聚类分析是对数据进行合理归类的一种重要方法，其研究主要集中在基于距离的聚类分析[12].空间聚类分析可以从空间实体数据集中发现隐藏的信息或知识.如空间实体凝聚趋势、分布规律和发展变化趋势等[13].

上文相空间聚类的结果显示，无效的干扰色度信息依然存在，所以接下来很重要的一步就是要将这些远离簇中心的点剔除，也就是要对上面的相空间重构结果进行聚类，只保留聚合程度较好的那些像素点.相空间中的第i点距离其他点的距离为:

式中:n表示相空间中色度信息点的数目，对应到原始图像剔除黑点和亮点之后的剩余像素点数m，有关系m=n+2成立；（Hx1，Hx2，Hx3）表示相空间中第x点的坐标值.这里的距离度量使用的是欧氏距离.

在得到了相空间中的点与其他点的距离之后，就可以找出远离簇中心的色度点.如果将结果按大小顺序排列，则可以由实际实验结果得出理想的保留数据量.为了得到这个数值，本文加入绿色和橙色的LED作了参照实验.各种颜色LED的色度信息在相空间中的分布情况如图3所示.

由图3可以看出，保留数据量大于等于80%时，得到的结果中仍然存在较多的离散点，而当取舍到70%时，则可以认为没有明显的离散点出现.由图3还可以看出，由上至下，随着保留数据量的减少，三维坐标的范围也在相应减少，所以实际上相空间中点的聚合程度是越来越高的.

仍然以蓝色LED为例，当只保留70%的有效像素点时，得到的聚类结果如图3（e）中蓝色对应结果所示.由聚类结果可以看出，色度值相对均匀地分布在153～170的范围内，都在色度误差允许范围内，计算出的平均值为165，也跟之前预测的稳定在170附近相吻合.所以，可以认为在保留了70%的数据时，在没有过分丢失图像原始信息的前提下，得到了满意的聚类结果.

图3 蓝色、绿色、橙色LED聚类结果Fig.3 Blue，green，orange LED clustering results

4 实验验证

对图像采集设备的首要需求是相机的精度及色彩还原性.本文选用陕西维视图像公司的 MV-1310FM相机，配合百万像素工业镜头H0514-MP，来完成测试所需要的图像采集工作.MV-1310FM相机是高性能工业检测专用相机，具有高分辨率、高精度、高清晰度、高色彩还原、低噪声等特点.该系列数字相机采用了1394标准接口，与USB2.0输出数字相机相比，数据传输过程中占用资源较少，并具有计算机可以编程控制曝光时间、亮度、增益等参数，功耗小，连线方便，支持LabVIEW驱动等特点，可以很好的完成图像采集任务.

本文测试系统结构如图4所示.测试标准由每种颜色产品在不同环境下所作的若干次实际测试的结果给出，可以有效地避免由于产品本身所存在的色差对测试结果产生的影响.在区分不同颜色LED的测试设备中，颜色检测结果的稳定性应放在首位.

图4 测试系统结构Fig.4 Architecture of test system

为了验证本文方法的稳定性，分别取蓝色、绿色和橙色的样品1 000个，利用上述系统进行测试，并对测试结果进行统计，结果如图5所示.

由图5可以看出，1 000个蓝色LED样品检验的色度值稳定在区间[165.3，165.5]内，绿色LED的色度值稳定在区间[65.2，66.6]内，橙色LED的色度值稳定在区间 [18.45，19]内.同一批次不同型号产品之间的LED颜色一般差异较大，且颜色种类较少.而从实验的统计结果来看，颜色漂移最大的绿色LED的最大值与最小值的差值也只有1.4，对于满色度区间[0，255）来说，5以内的误差，是完全可以接受的.

图5 颜色检测结果统计Fig.5 Color test results statistics

5 结束语

本文主要针对传统发光体颜色检测设备（单色仪、光电探测器等）在一些工业应用场合的不适性，结合一些LED仅被用作指示灯时亮度较低的实际情况，提出了一种LED颜色检测的方法.利用工业计算机的运算优势，综合运用了相空间重构及空间聚类分析的处理方法，解决了传统检测仪器在一些场合的空间及成本的浪费.由统计实验结果来看，该方法可以很好地完成LED颜色检测的工作.

[1]田锦明，龚成龙，陈瑞，等.基于LabVIEW的LED自动化测试[J].仪表技术与传感器，2013，10:94-96.

[2]沈光地.半导体发光二极管LED的测试方法 [J].中国科技财富，2010（7）:34-36.

[3]潘建根，岳红轩，沈海平，等.分光法测量LED颜色的不确定度分析[J].光电子·激光，2008（2）:149-151

[4]陶霖密，徐光祐.机器视觉中的颜色问题及应用[J].科学通报，2001（3）:178-190.

[5]郑卉.基于相空间重构的结构损伤识别方法研究[D].哈尔滨:哈尔滨工业大学，2013:11-12.

[6]刘玉珠.基于相空间重构的神经网络短期气候预测方法研究[D].南京:南京信息工程大学，2013:22-23.

[7]PACKARDNH，CRUTCHFIELD JP，FARMER J D，et al.Geometry from a time series[J].Phys Rev Lett，1980，45:712-716.

[8]TAKENS Floris.Detecting strange attractors in turbulence[J]. Lecture Notes in Mathematics，1981，898:366-381.

[9]王纵虎.聚类分析优化关键技术研究[D].西安:西安电子科技大学，2012，41:11-12.

[10]THAMARAISELVI G，KALIAMMAL A.Data ming:Concepts and techniques[J].SRELS Journal of Information Management，2004，41:339-348.

[11]周海燕.空间数据挖掘的研究[D].郑州:中国人民解放军信息工程大学，2003:78-79.

[12]YIN Yun Fei，GONG Guang Hong，HAN Liang.Theory and techniques of data mining in CGF behavior modeling[J].SCIENCE CHINA Information Sciences，2011（4）:717-731.

[13]杨春成.空间数据挖掘中聚类分析算法的研究[D].郑州:中国人民解放军信息工程大学，2004:3-4.

Detection method of LED color based on space cluster analysis

LI Hong-li，LIU Gan，ZHANG Rong-hua，LIU Yuan-jian，WANG Shu-huan，XIU Chun-bo
（School of Electrical Engineering and Automation，Tianjin Polytechnic University，Tianjin 300387，China）

A comprehensive detection method of LED color is proposed based on phase space reconstruction and cluster analysis.According to the characteristic of HSL color model，chrominance information can be separated from the collected images.By using the method of phase space reconstruction，the chrominance matrix is converted into the chrominance information points in three-dimensional space.The noise pixels in the phase space reconstruction results are further eliminated through the cluster analysis to obtain the effective chrominance information of LED.The experimental results show that the proposed method can accurately detect the LED color information and the results are stable.

LED color detection；HSL color model；phase space reconstruction；cluster analysis

TP29

A

1671－024X（2015）04－0058－05

10.3969/j.issn.1671-024x.2015.04.012

2014-11-17

国家自然科学基金项目（61203302）；天津市应用基础与前沿技术研究计划项目（14JCYBJC18900）

李红利（1978—），男，博士，副教授，研究方向为神经系统的非线性动力学分析.E-mail:lihongliln@163.com.