对烧结机机尾断面图像气孔特征提取的研究

张学锋， 周志远， 汤亚玲， 储岳中

(安徽工业大学 计算机科学与技术学院, 安徽 马鞍山 243000)

0 引 言

烧结是冶金工艺中制备人造富矿的一个重要流程。稳定的烧结矿成分与冶金性能，可促进高炉长周期稳定运行。FeO是衡量烧结过程正常与否、决定烧结矿强度与冶金性能的重要指标之一。目前烧结过程主要依赖于看火工进行判断，即烧结过程的优劣，极大程度上取决于看火工对机尾断面呈现出的烧结信息的判断能力。然而，受个人视力、颜色识别能力、经验以及机尾段面的恶劣环境等因素影响，使得不同看火工的判断存在误差[1]。若能将烧结看火工的经验数字化，使得计算机具备在线检测烧结工艺质量的能力。这将极大改善烧结工艺，使炼钢的产量和质量都得以提升。

在烧结过程中，机尾断面的气孔的数量与FeO的含量存在相关性[1]。若能将机尾断面的气孔进行量化，即可准确预测FeO的含量。根据烧结机机尾断面的图像特性，图像被划分为火红层、黑矿层、气孔区，其中气孔区嵌套在火红层和黑矿层之中。目前，针对烧结机机尾断面气孔特征提取已经有一些研究，如:张石等[2]提出利用矩保持法分割烧结机机尾断面图像，将火红层从图像中分割开来；王培珍等[3]提出迭代的两级K&I最小误差法对机尾断面图像进行双阈值分割，提取了火红层的气孔；王翊等[4]提出了先利用OTSU法对机尾断面图像火红层进行提取，再利用矩保持法对火红层的气孔进行提取的双阈值图像分割法。

在上述提出的方法基础之上，提出了一种基于OTSU三次迭代RGB颜色通道的多阈值法对烧结机机尾断面进行气孔特征提取。改进后的方法能够在减少图像细节丢失的前提下，将气孔从机尾断面的火红层和黑矿层较为准确的提取出来。为烧结看火工提供实时、清晰、完整的机尾断面气孔特征图像，优化了烧结生产工艺。为烧结过程在线判断FeO含量的研究奠定了良好基础。

1 基于OTSU改进的气孔特征提取方法

基于经典的OTSU[5]法的图像分割，通常是对采用传统的图像灰度方法形成的灰度图像进行阈值分割。传统的图像灰度方法通常是取RGB某一个颜色通道的二维矩阵作为灰度图像的每个点对应的灰度值。另一种方法是取RGB颜色通道的某一最大分量二维矩阵作为灰度图像的每个点对应的灰度值。还有一种是对RGB颜色通道进行均值化处理，得到的均值二维矩阵作为灰度图像的每个点对应的灰度值。最后一种是通过给定权值系数的方法对RGB颜色通道的进行计算求和，得到一个新的二维矩阵作为灰度图像的每个点对应的灰度值。

如图1(a)，(b)，(c)分别表示，烧结机机尾断面图像R，G，B三个颜色通道的三维分布。从图1可以看出，R颜色通道分量的占比最多，其次是G颜色通道，占比最少的是B颜色通道。3个颜色通道的分布差异较大，有明显的区分。若直接对采用上述传统的图像灰度方法的灰度图像进行阈值分割，会因原始图像中的RGB颜色通道的比重放大或者缩小，导致丢失了原图的部分细节[6]。

先前对烧结机机尾断面的气孔特征提取的研究，主要聚焦在机尾断面图像的火红层中的气孔而忽略了嵌套在黑矿层中的气孔，一般使用双阈值的方法[7]，仅将气孔从火红层中提取出来。忽略对黑矿层中的气孔特征提取，势必会导致对机尾断面的气孔特征提取不够准确。

针对上述提及的问题，提出一种基于OTSU的三次迭代RGB颜色通道的多阈值法对烧结机机尾断面气孔特征进行提取。

(a) R颜色通道

(b) G颜色通道

(c) B颜色通道图1 机尾断面图像RGB颜色通道三维分布

1.1 机尾断面图像灰度处理方法

考虑到机尾断面RGB颜色通道分布不均匀的情况。对机尾断面的灰度处理，采用基于RGB三颜色通道占比的比值作为图像灰度计算公式的权值系数，来消除因图像的灰度化而丢失原图的部分细节[8]。对机尾断面的灰度化具体思路是，先分别统计RGB三颜色通道的灰度总和Sr，Sg，Sb，之后再分别计算每个颜色通道灰度总和占比的比值Rr，Rg，Rb。RGB三颜色通道占比的比值计算如式(1)—(3)所示:

Rr=Sr/(Sr+Sg+Sb)

(1)

Rg=Sg/(Sr+Sg+Sb)

(2)

Rb=Sg/(Sr+Sg+Sb)

(3)

最后对机尾断面进行灰度处理，得到灰度化的机尾断面图像Igray,。灰度处理图像的计算如式(4)所示：

Igray=Rr*R+Rg*G+Rb*B

(4)

1.2 OTSU法三次迭代RGB颜色通道获取阈值分量

OTSU法也称为最大类间方差法，是一种自适应阈值图像分割方法，具有计算简单，算法执行效率高的特点，能够很好地将灰度差异明显的前景和背景分割开，因此在图像分割领域有着非常广泛的应用[9]。

为了获取到准确的阈值，先对原始的机尾断面图像，利用OTSU法对其RGB颜色通道进行阈值计算，之后将计算出的阈值对已经灰度化的图像Igray进行阈值分割。不直接对灰度图像进行阈值计算是为了避免因图像灰度化带来的灰度损失，造成阈值获取不准确。对灰度图像Igray分割的全局阈值和局部阈值的获取，是先通过对机尾断面图像RGB颜色通道分别迭代3次，得到R颜色通道的3个阈值分量Tr1(0≤Tr1≤255)、Tr2(0

(5)

(6)

(7)

其中ωr1,ωg1,ωb1和ωr2,ωg2,ωb2分别表示RGB三个颜色通道的阈值分量分割点前后的灰度值占比。φr1,φg1,φb1和φr2,φg2,φb2分别表示RGB三个颜色通道的阈值分量分割点前后的平均灰度值。φr,φg,φb分别表示0～255级灰度区间的灰度累积值。σBr,σBg,σBb分别表示RGB三个颜色通道的类间方差。当σBr1,σBg1,σBb1最大时，即得到最佳的全局阈值T1对应的全局阈值分量Tr1,Tg1,Tb1。最佳的局部阈值T2和T3对应的局部阈值分量Tr2,Tg2,Tb2和Tr3,Tg3,Tb3，同理可求得。

1.3 对机尾断面气孔的特征提取

在获取到RGB颜色通道的阈值分量和占比比值之后，全局阈值T1和局部阈值T2和T3的计算如式(8)—式(10)所示:

T1=Rr*Tr1+Rg*Tg1+Rb*Tb1

(8)

T2=Rr*Tr2+Rg*Tg2+Rb*Tb2

(9)

T3=Rr*Tr3+Rg*Tg3+Rb*Tb3

(10)

所得全局阈值T1和局部阈值T2和T3，可将机尾断面分为4个灰度级区间段,即0≤Igray

(11)

2 实验与分析

2.1 图像采集及去噪处理

实验的图像采集设备是将一台可见光CCD摄像机安装在，透过烧结机机尾与料层高度一致的开孔处，且开孔处距离机尾断面5 m的位置。用于采集机尾断面图像[11]。

由于机尾断面受台车倾倒烧结过程中产生的扬尘影响。实验采用5×5的高斯卷积核对采集到的机尾断面图像进行高斯滤波去噪处理[12]。如图2所示的是未被高斯滤波去噪的机尾断面原始图像，图3是高斯滤波处理后的机尾断面图像。通过实验对照，使用高斯滤波能够有效地去除机尾断面的扬尘影响。

图2 机尾断面原图

图3 高斯去噪的机尾断面

2.2 气孔特征提取及对照

实验采用了基于OTSU的三次迭代RGB颜色通道多的阈值法对机尾断面进行了气孔特征提取，同时与三阈值的OTSU法和双阈值的最小误差法进行了对照实验。3种方法的阈值对照如表1所示。

表1 实验的3种方法阈值对照

如图4(a)所示的是利用基于OTSU三次迭代RGB颜色通道多阈值法对机尾断面图像提取的气孔特征图4(b)所示的是三阈的值OTSU法对机尾断面图像提取的气孔特征图像，图4(c)所示的是双阈值的最小误差法对机尾断面图像气孔特征提取的图像。从实验的3种方法对机尾气孔特征提取的图像来看，所采用的方法提取了更多的气孔特征。如图5(a)所示的是机尾断面原始图像某区域，如图5(b)所示的是本文的方法提取的气孔特征图像某区域，如图5(c)所示的是三阈值的OTSU法提取的气孔特征图像某区域，如图5(d)所示的是双阈值的最小误差法提取的气孔特征图像某区域。从图5可以看出，方法相较另外两种常规的方法，捕获了更多的气孔特征细节，且气孔特征轮廓层次分明。

(a) OTSU三次选代RGB颜色通道法

(b) 三阈值OTSU法

(c) 双阈值最小误差法图4 实验的3种方法对机尾断面气孔特征提取图像

(a) 机尾断面局部原图像 (b) 本文方法

(c) 三阈值DTSU法 (d) 双阈值最小误差法 图5 某局部区域图像Fig. 5 Image of a local area

3 结 论

针对烧结机机尾断面图像气孔特征提取的研究，提出了基于OTSU三次迭代RGB颜色通道的多阈值法。通过对机尾断面RGB颜色通道分布的分析，发现其每个颜色通道分布均不匀且差异较大，即采用传统的阈值分割方法会丢失部分图像细节，导致气孔特征提取不准确。采取的方法是通过对机尾断面图像的RGB 3个颜色通道分别进行三次迭代，将得到的颜色通道的阈值分量与RGB每个颜色通道占比比值进行计算得到一个全局阈值和两个局部阈值。全局阈值用于将机尾断面的火红层和黑矿层分割开来，两个局部阈值分别用于将嵌入在火红层和黑矿层中的气孔分割开来，最终提取出机尾断面图像的气孔特征。实验结果表明，本文的方法相较于常规方法能够提取到更多的机尾断面图像的气孔特征及细节，提取出的气孔特征轮廓层次分明，气孔提取准确性较高。