图像分析在液滴检测技术中的应用*

陈海秀， 成　顶， 胡祯林

(1.南京信息工程大学 信息与控制学院，江苏 南京 210044；2.江苏省大气环境与装备技术协同创新中心，江苏 南京 210044)

图像分析在液滴检测技术中的应用*

陈海秀1,2， 成顶1， 胡祯林1

(1.南京信息工程大学 信息与控制学院，江苏 南京 210044；2.江苏省大气环境与装备技术协同创新中心，江苏 南京 210044)

摘要:基于图像分析的液滴检测技术对研究液体特性具有重要意义，样品液滴的形状参数是表征液滴特性的一个重要参数。设计了基于CCD摄像机图像采集的液滴检测系统，对液滴图像进行滤波、去噪、二值化等图像处理，提取宽长比、复杂度、形状参数和离心率等特征参数，结合多项式拟合和层次分析法对液滴轮廓外形进行分析。通过实验证明:在液滴检测技术中，图像技术具有现实可行性。

关键词：液滴检测技术； CCD； 图像技术； 特征参数

0引言

近些年来，随着可持续化发展的逐步发展与深化，液滴分析技术[1]应运而生，作为一种新兴研究技术，它是指在被测液体形成液滴的过程中，采用各种手段对被测液体实行检测，以获得待测液体的物理、化学特性参数，以此为依据对液体进行定性和量化识别的技术。因为液体自身物理、化学性质的差异，不同的液体在同等条件下的生长情况往往也会呈现不同，最明显的区别就是不同液体的液滴其生长轮廓形状不同。轮廓形状这一最直接要素的不同，为图像检测技术在液滴检测领域提供了便利。

本文提出了基于液体液滴轮廓形状的图像检测液滴分析技术，实验证明：图像分析在液滴检测中具有可行性。

1图像液滴检测技术

1.1图像采集系统

液滴图像采集系统结构图如图1所示。供液系统设置恒定的速率通过毛细管向液滴滴头供液，在液滴生长过程中，CCD相机实时对液滴生长情况进行采集，在液滴完整的生长周期内，CCD相机是以一定的时间间隔采集液滴图像，经图像采集卡转换成数字信号送入计算机。图2是拍摄到的液滴图像。

图1　液滴图像采集系统结构图Fig 1　Structure diagram of droplet image acquisition system

1.2图像处理过程

1.2.1去噪

采集器件和环境因素的存在和影响使采集到的图像含有噪声，为了避免影响后续图像处理，必须对图像进行滤波除噪。

图2　液滴图像Fig 2　Droplet image

中值滤波[2,3]对脉冲噪声有良好的滤除作用，特别是在滤除噪声的同时，能够保护信号的边缘，使之不被模糊。基于以上考虑，本文选用中值滤波。中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是将数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。方法是用某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升(或下降)的为二维数据序列。二维中值滤波输出为g(x,y)=med{f(x-k,y-l),(k,l∈W)}，其中，f(x,y),g(x,y)分别为原始图像和处理后图像。W为二维模板，通常为3×3和5×5区域，一般选用3×3就能取得很好的效果。

1.2.2阈值分割

图像阈值化分割[4]是一种传统的最常用的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。

阈值分割方法实际上是输入图像f到输出图像g的如下变换

(1)

式中f(x,y)为分割后的图像，T为分割阈值。

1.2.3轮廓提取

液滴图像的轮廓边缘是区分背景和目标的分界线，为了将二者区分开来，必须提取轮廓边缘[5，6]。边缘是指其周围像素灰度急剧变化的那些像素的集合，它是图像最基本的特征。

边缘检测需要构建边缘算子，常用的边缘算子有Roberts Cross算子、Prewitt算子、Sobel算子、Kirsch算子、罗盘算子、Canny算子、Laplacian算子等，Soble边缘检测算法比较简单，实际应用中效率比较高，因此，选用Soble算子对液滴轮廓边缘进行提取。

图3　液滴轮廓边缘Fig 3　Droplet contour edge

1.2.4特征值提取

由于液体的组成成分各不相同，导致其物理、化学特性也各不相同，所以,在条件一定的情况下，经由液滴滴头的液滴生长轮廓边缘也是不同的，通过图像处理[7]，提取出液滴图像具有代表性的特征。本文选择宽长比A、复杂度D、形状参数F和离心率R四个参数来表征轮廓边缘特征。

1)复杂度E

复杂度E是液滴轮廓外形的一个直观度量，描述了区域单位面积周长的大小，E值越大，表明单位面积的周长越大，即区域离散，则为复杂形状；反之，则为简单形状。计算公式为

E=L2/S

(2)

式中L为液滴图像轮廓的周长，S为液滴图像轮廓所包围的面积。

2)宽长比A

宽长比A定义为液滴图像最小外接矩形的宽与长之比，它可以将细长的物体与方形或者圆形的物体区别开来

(3)

式中W和H分别为液滴图像最小外接矩形的宽与长。

3)形状参数F

形状参数F是根据液滴图像轮廓的周长和区域的面积来计算的，一般用于描述目标区域的形状，计算公式为

(4)

4)离心率R

离心率在一定程度上描述了液滴生长期间液滴区域的紧凑性，因此,也可以叫伸展度。计算偏心率的方法是取区域中长短轴之比作为离心率的值。

2实验结果与分析

实验样品选用了葡萄汁、脉动和怡宝三种饮品作为实验对象，表1给出了在一个完整的液滴生长周期内这三种饮品不同时刻的复杂度E特征参数。

表1　液滴轮廓离心率特征参数

考虑到三种饮品的供液速度一样，并且是以固定的时间间隔采集液滴图像，因此，在采集条件相同的情况下，由表1可以看出:在各自完整的液滴生长周期内，统一葡萄汁采集到的图像数为41，图像数最少，怡宝采集到的图像数最多，为48，说明统一葡萄汁的液滴生长周期最短，怡宝生长周期最长。

图4是用折线的形式将葡萄汁、脉动和怡宝三种饮品的液滴在其生长过程中的宽长比特征参数表述出来。图5是三种饮品的复杂度特征参数的变化曲线图。图6是三种饮品的形状参数特征参数变化曲线图。图7是三种饮品的离心率特征参数变化曲线图。

图4　宽长比特征参数曲线图Fig 4　Width-length ratio characteristic parametric curve

图5　复杂度特征参数曲线图Fig 5　Complexity characteristic parametric curve

图6　形状参数特征参数曲线图Fig 6　Shape parameter characteristic parameter curve

图7　离心率特征参数曲线图Fig 7　Centrifugal rate characteristic parameter curve

从图4可以看出:三种饮品的液滴图像面积密度是在波动中增加，在生长周期的末期有所下降。由图5中曲线末端的突然上升可以看出:在液滴生长周期的末尾即液滴即将脱离液滴滴头的时刻，复杂度明显增大，说明液滴即将脱落时的液滴形状最复杂。图6中液滴的形状参数也在液滴即将脱落的时刻有明显增大。图7中离心率在液滴形成初期一直增大，且增幅较快，到达某一阶段时最大，然后又减小。

由图4～图7总结得出：不同的液滴都有各自不同的特征参数，主要特征参数宽长比、复杂度、形状参数和离心率都存在区别性。由于成分的不同导致物理和化学性能也不同，以此可以运用图像分析技术对液滴分析进行深入研究。

此外，利用多项式拟合对部分液滴图像曲线进行拟合，得到三次多项式，将拟合多项式的系数按次数高低列表显示，如表2所示。

由多项式系数可以看出：最高次项系数由负变正，可以看成是一个分界点，而最高次项系数的变化对曲线的变化影响很大，所以，最高次项系数由负变正的时刻正是液滴形状突变的时刻，着重分析突变时刻的液滴图像可以有效地对液体性质进行显性区分。

由多项式拟合对液滴轮廓边界进行拟合可以得到液滴的突变特征，以对应时刻的液体特征参数作为该液体液滴的特征值表，如表3所示。

表2　拟合多项式系数

表3　液滴突变时刻特征值

再者运用层次分析法分析液体的特征参数选取对液滴特性如粘度等的影响，进行权值分析，结果如表4所示。

表4　液滴特征参数权值

根据表4，可以得出结论:在分析特征参数对液滴特性如粘度、表面张力和透光率等性质的影响上，宽长比和形状参数的权值较高，复杂度和离心率的权值较低，但是也不能忽视它们对液滴轮廓的影响，而且这四个液体特征参数的权值相对较平均，所以,用宽长比、复杂度、形状参数和离心率这4个指标来综合进行液滴分析与评价是必要的。

3结论

通过图像采集系统得到液滴生长轮廓图像，利用图像处理技术对液滴轮廓边界进行特征提取，采用多项式拟合找到液体液滴突变时刻的特征参数，运用层次分析法得到特征参数的权值。实验结果表明：液体液滴在生长过程中，由于物理和化学性质的差异从而导致液滴轮廓边缘、生长周期等的不同，为图像液滴分析技术用来进行液体分析与鉴别提供了一定的参考意义。同时，图像液滴分析技术没有二次污染，属于非接触式测量，对拓宽液滴分析技术的应用范围具有重要意义。

参考文献:

[1]裘祖荣，张国雄，王春海，等.液滴分析技术的研究[J].天津大学学报，2001，34(5):587-590.

[2]赵高长，张磊，武风波.改进的中值滤波算法在图像去噪中的应用[J].应用光学，2011，32(4)：678-682.

[3]李刚，范瑞霞.一种改进的图像中值滤波算法[J].北京理工大学学报，2002，22(3):376-378.

[4]许艳.显微图像阈值分割算法的研究[J].应用光学，2010，31(5):745-747.

[5]段鹏，柳伟，任仙怡.阈值化顺序边缘连接的轮廓提取方法[J].计算机工程与应用，2009，45(6):187-189，193.

[6]关波，王俊元，杜文华,等.阈值化顺序边缘连接的轮廓提取方法[J].图学学报，2014，35(6):950-953.

[7]季宏兵，扈映茹.液滴图像处理与特征提取[J].光学仪器，2010,32(2)：34-38.

Application of image analysis in liquid drop detection technology*

CHEN Hai-xiu1,2， CHENG Ding1， HU Zhen-lin1

(1.School of Information and Control,Nanjing University of Information Science and Technology,Nanjing 210044,China; 2.Jiangsu Collaborative Innovation Center on Atmospheric Environment and Equipment Technology,Nanjing 210044,China)

Abstract:The liquid drop detection technology based on image analysis is of great importance to study liquid properties,and shape parameter of sample is an important parameter for characterizing droplet properties.Droplet detection system based on CCD camera image acquisition is designed,use image processing technologies,such as filtering,denoising,binary processing,and extract width-length ratio,complexity,shape parameter,centrifugal rate,etc.,outline shape of droplet profile is analyzed combined with polynomial fitting and hierarchy analysis method.Experimental results show that the image technology has practical feasibility in liquid drop detection technology.

Key words:liquid drop detection technology； CCD； image technology； characteristic parameter

DOI:10.13873/J.1000—9787(2016)04—0157—04

收稿日期：2015—07—09

*基金项目：国家自然科学基金青年科学基金资助项目(61302189)

中图分类号：TP 391.4

文献标识码：A

文章编号：1000—9787(2016)04—0157—04

作者简介:

陈海秀(1977-)，女，江苏南京人，博士，副教授，主要研究方向为光电测试技术与仪器、液滴分析技术。

成顶，通讯作者，E—mail：nuist_cd@126.com。