基于图像处理的煤/矸密度识别系统的研究

霍 平，曾翰林，霍柯言

(1.河北联合大学 机械工程学院，河北 唐山 063009；2.河北联合大学 轻工学院，河北 唐山 063000)

基于图像处理的煤/矸密度识别系统的研究

霍 平1，曾翰林1，霍柯言2

(1.河北联合大学 机械工程学院，河北 唐山 063009；2.河北联合大学 轻工学院，河北 唐山 063000)

为提高煤与矸石识别的准确性，开发了一套基于图像处理的煤/矸密度识别系统。该系统是以MATLAB为平台，针对煤/矸图像的特点，对获取的煤/矸图像进行同态滤波、中值滤波、图像分割以及形态学滤波处理，得到煤/矸的轮廓；然后利用积分算法，计算出煤/矸的体积；再利用所测煤/矸的质量，计算出煤/矸的密度，最终根据煤和矸石密度的不同实现二者的识别。试验结果表明，该方法能快速、有效地对煤和矸石进行实时检测。

煤/矸密度识别系统；煤；矸石；识别；MATLAB

将矸石从煤中分选出来是提高煤炭质量的重要手段。选煤方法一般分为湿法选煤和干法选煤，其中以湿法选煤较为普及。但是，我国是一个干旱缺水严重的国家，尤其是在西部地区，水资源短缺严重制约了我国煤炭产业的发展。因此，大力发展干法选煤技术，对于节约能源、保护环境、促进煤炭加工事业的发展具有十分重要的意义。

干法选煤主要包含人工拣选、风力选煤、流化床选煤、选择性破碎法、射线透射法、图像法以及磁选等方法[1]。其中，人工拣选、风力选煤、流化床选煤、选择性破碎法、射线透射法和图像法等都是针对块煤的分选方法；而磁选等属于粉煤的分选方法。随着科学技术的不断进步，煤/矸识别的方法越来越多，究其根本，皆是利用煤和矸石二者密度的不同实现的。近年来，计算机视觉和模式识别技术有迅速发展，为煤/矸密度识别系统的研究提供了条件。文章详细介绍了一种基于图像处理的煤/矸密度识别系统(以下简称煤/矸密度识别系统)的研究与开发过程。

1 识别方法

煤/矸密度识别系统是一种以MATLAB为平台，结合计算机图像处理技术的新型选煤技术。它依据图像识别原理，通过摄像机获取煤/矸的图像，利用计算机对所得图像不断进行数据分析和处理，从而计算出煤/矸的体积，然后利用重力传感器获得煤/矸的质量，进而计算出其密度。由于煤的密度一般为1.3～1.5 g/cm3，而矸石的密度一般在1.7 g/cm3以上，因此可以根据煤和矸石密度的不同进行区分和鉴别。

煤/矸密度识别系统的识别方法是：利用两台CCD摄像机分别在煤/矸的水平方向和正上方对其进行拍摄(图1)，得到煤/矸两个方向上的视图，即主视图和俯视图；然后，将拍到的两个视图上传到计算机，利用MATLAB对图像数据进行数据的处理运算，提取煤/矸的边缘信息，得到煤/矸两个视图的轮廓，并将两个轮廓结合起来，运用一定的积分算法，就可以近似计算出煤/矸的体积；最后，再结合煤/矸的质量，便可计算出煤/矸的密度，从而实现根据煤和矸石密度进行识别的目的。

1—主摄像头；2—俯摄像头；3—输送带；4—称重传感器；5—计算机图1 煤/矸密度识别系统组成Fig.1 Density identification system composition of coal and refuse

基于图像处理的煤/矸密度识别系统的框图如图2所示。

图2 煤/矸密度识别系统框图Fig.2 Density identification system block diagram of coal and refuse

2 图像处理

2.1 同态滤波

利用两台CCD摄像机进行拍摄，可分别得到煤/矸两个方向上的视图，如图3所示。但是，由于煤和矸石分选工作环境的光线较暗，容易出现图像照明不均匀而导致图像细节没有办法辨认的情况，因此采用同态滤波对图像频率域进行处理，可对原图像进行亮度、对比度的调整，使图像特征明显，易于进行识别[1]。如图4所示，采用同态滤波处理后的图像画面亮度比较均匀，阴影得到弱化，煤/矸的轮廓细节得以增强。

2.2 中值滤波

在图像的生成、传输和变换过程中，由于受到多种因素的影响，图像会发生降质或退化，导致输出的图像质量下降，因此需采用中值滤波来滤除图像中存在的噪声[2]。与均值滤波及其他线性滤波方法相比，中值滤波可以克服图像细节和边缘的模糊，能获得较好的图像复原效果。

图3 拍摄到的煤/矸两个方向上的视图Fig.3 Taken pictures of coal and refuse in both direction

图4 同态滤波后的图像Fig.4 Pictures after homomorphic filtering

不同的图像内容和不同的应用要求往往采用不同的窗口形状和尺寸。根据反复的试验和对比，最后认为选取3×3的中值滤波器最为合适。图5所示为中值滤波后的煤/矸两个方向上的视图。

2.3 图像分割

要想准确计算出煤/矸的体积，就要从图像中有效地提取二者的轮廓，即去除背景和大部分干扰，这就需要进行图像分割。图像分割是从图像处理到图像分析的关键一步。通过对拍摄到的图像进行观察发现，在灰度图像中，煤/矸区域是一片低灰度的区域，而背景区域是一片高灰度的区域，因此采用灰度级门限阈值分割便可将二者区分开来。

图5 中值滤波后的图像Fig.5 Pictures after median filtering

对滤波后的图像作直方图分析，将每个像素灰度与一个预先设定的灰度级门限值进行比较，大于域值的像素灰度以最大灰度值重新赋值，小于域值的像素灰度按最小灰度值重新分配，从而构成一个新的二值图像，把目标从背景中分离出来[3]。

阈值分割首先要根据图像的灰度分布，选取合适的阈值T。图6(a)和图6 (c)是两个视图的灰度直方图，通过观察可以看出的灰度分布比较有规律，背景区域与煤/矸区域在图像的直方图中各自形成一片区域。煤和矸石像素值较低，主要分布在0～150之间的灰度级；背景像素值较高，主要分布在150～255之间的灰度级。那么选取两片区域之间的波谷所代表的灰度值T作为阈值，即可实现煤和矸石与背景的分割。

3 基于二值形态学的滤波

如图6所示，阈值分割后的图像所得到的煤/矸的边界是很不平滑的，存在一些错判的孔洞，因此在体积计算前还需再进行一次滤波处理。

煤/矸密度识别系统采用了基于二值形态学[4]的方法来进行本次滤波。二值形态学基本的运算是腐蚀和膨胀，利用腐蚀可以消除图像中小的噪声区域，膨胀则可以填补物体中的空洞。除了腐蚀和膨胀这两种基本运算外，还有两种非常重要的形态学运算，即开运算和闭运算，其中：开运算是先腐蚀再膨胀，它可以消除细小的物体，在纤细点处分离物体，平滑较大物体的边界时不明显地改变其面积；闭运算是先膨胀再腐蚀，它具有填充物体内细小的空洞，连接邻近物体，在不明显改变物体面积的情况下平滑其边界的作用[5]。

图6 阈值分割结果Fig.6 Results of threshold segmentation

根据形态学运算的特点，由于阈值后的图像噪声是以细小空洞为主，因此对阈值后的图像先后进行一次闭运算和开运算滤波处理。其公式为：

C=(A·B)∘B2，

(1)

其中：C为形态学运算后的图像；A为目标图像；“·”为闭运算符；B1为闭运算的结构元素；B2为开运算的结构元素；“∘”为开运算符。

结构元素是形态学的基本算子，合理选取结构元素直接影响图像处理的效果和质量。根据阈值后图像噪声的特点，闭运算采用15×15的矩形结构元素，开运算也采用15×15的矩形结构元素。图7所示为形态学运算滤波后的效果，细小空洞得到填补，图像边界得到平滑。

图7 形态学运算滤波后的图像Fig.7 Pictures of morphological filtering

4 煤/矸识别算法的研究

4.1 识别阈值的确定

首先，采集一定数量的样本，对样本进行分析，统计它们的真实密度，再计算被测样本密度的平均值，即可得到煤/矸识别的阈值。当被测物的测量密度大于此值时，判断为矸石；当被测物的测量密度小于此值时，判断为煤。经过测量计算，得出煤/矸识别的阈值近似为1.5 g/cm3,记为rb。

4.2 质量检测

在两台摄像机对煤和矸石进行拍摄的同时，输送带下方的称重传感器完成对煤和矸石的称重，称得试验用样本的质量为37 g，之后将数据上传至计算机中的MATLAB平台。

4.3 体积计算

从图7可以看出，经图像处理得到的特征曲线都是不规则曲线，因此不能套用现有的体积公式来计算煤和矸石的体积。识别系统采用累积计算方法进行体积的近似计算，通过先计算每一煤或矸石切片的体积，再将这些切片的体积进行累加，从而得到整块煤或矸石的体积，如图8所示。具体计算步骤为：

图8 煤/矸切片Fig.8 Coal or refuse section

(1) 通过计算主视图轮廓线组成的闭合区域的像素点的个数来计算闭合区域的面积。利用MATLAB对主视图闭合区域内的像素点的个数进行统计。如图9所示，可将闭合区域看作是由若干个正方形集合而成的，每个像素点近似成其中的一个正方形，那么统计出像素点的个数便可以得到闭合区域的近似面积。令正方形的边长为a，像素点个数为N，则闭合区域的面积为：

Smax=N×a2。

(2)

图9 面积计算方法Fig.9 Method of calculating area

(2) 利用煤/矸切片的宽度计算主视图闭合区域所构成的切片的体积。利用MATLAB对俯视图闭合区域内的像素点数进行统计，亦将每个像素点近似成一个正方形，以正方形的边长h为宽度进行切片，则主视图闭合区域所构成的的切片的体积为：

Vmax=Smax×h。

(3)

(4)

然后，结合煤/矸切片的宽度h，进而得到第i个切片的体积，可表示为：

Vi=Si×h

(5)

(4) 将计算出的每个切片的体积进行累加，可以得到整个煤或矸石的体积：

(6)

(7)

(8)

则煤或矸石实物的体积V实可表示为：

(9)

经过计算，用本系统测得的试验用煤/矸的体积为26.075 cm3。而利用排水法对该煤/矸测量的结果为25 cm3，绝对误差为1 cm3，相对误差为4%。

5 分析结果及结论

将所测质量和之前测得的体积结合，可以计算出被测煤/矸的密度近似为1.42 g/cm3，小于煤/矸识别的阈值1.5 g/cm3，因此可以判别被测物为煤。但是，如果在煤/矸周围覆盖着大量的黑色煤尘，这就需要在识别之前加上去除煤尘的环节，或者再采用其他方法作为辅助手段[1]。

选煤是合理利用煤炭资源、保护环境的最经济和最有效的技术，究其根本，是利用煤和矸石密度的不同实现的。采用煤/矸识别的新方法，利用MATLAB，根据煤/矸图像的特点，对获取的煤/矸图像进行同态滤波、中值滤波、图像分割以及形态学滤波处理，可得到煤/矸的轮廓，再利用积分算法计算煤/矸的体积，最后结合所测的煤/矸的质量计算出煤/矸的密度，通过与煤/矸识别阈值进行对比即可实现二者的识别。试验表明，这种方法可克服传统的基于图像灰度信息的煤/矸识别方法中矸石表面覆盖大量煤粉而造成识别误差很大的缺点，提高了煤/矸识别的准确性，既节约资源，又减少了对环境的污染。同时，这种方法信号采集容易，可实现非接触式测量，实时性强，对提高生产效率和煤/矸识别的自动化水平具有重要意义。

[1] 薛 熠,曹正正,陈 鹏. 解决选煤产业水资源缺乏的途径[J]. 选煤技术,2011(3):71-73.

[2] 刘富强，钱建生，王新红，等. 基于图像处理与识别技术的煤矿矸石自动分选[J]. 煤炭学报，2000，25 (5)：534-537.

[3] 王祥瑞. 煤矿矸石自动分选中图像处理与识别技术的应用[J]. 煤炭技术，2012(08)：112-113.

[4] Meijster A，Wilkinson M H F. A comparison of algorithmsfor connected set openings and closings[J]. IEEE Transac-tions on Pattern Analysis and Machine Intelligence，2002，24(4)：484-494.

[5] 刘立波，赵春江，吴华瑞. 数学形态学在作物病害图像预处理中的应用研究[J]. 农机化研究，2013(8)：180-183.

Research on density identification system of coal and refuse based on image processing technology

HUO Ping1,ZENG Han-lin1,HUO Ke-yan2

(1.College of Mechanical Engineering,Hebei Union University,Tangshan,Hebei 063009,China;2.Qionggong College,Hebei Union University,Tangshan,Hebei 063000,China)

The density identification system of coal and refuse based on image processing is researched and developed in order to distinguish them accurately. Based on the MATLAB,obtained images of coal and refuse need to take homomorphic filtering,median filtering,segmentation and morphological filtering by their feature,so that outline of coal and refuse is got. And then volume of coal and refuse can be calculated by integral method; density of coal and refuse also can be calculated by measured mass,finally,the different density identification of coal and refuse can be made. The experiment results show that this method can quickly,effectively detect coal and refuse in real time.

density identification system of coal and refuse; coal; refuse; identification; MATLAB

1001-3571(2015)02-0069-05

TD945

A

2014-09-25

10.16447/j.cnki.cpt.2015.02.020

霍 平(1968—)，女，河北省沧州市人，教授，硕士，硕士生导师，从事机电一体化教学与机器视觉及工业检测方面的研究。

E-mail：huoping009@163.com Tel：15930899290