基于圖像處理技術(shù)的氣泡特征提取系統(tǒng)設(shè)計(jì)

鄒 宇

（江蘇開放大學(xué)，江蘇 南京 210012）

0 引言

目前，利用智能機(jī)器代替人工完成漏氣檢測(cè)工作的技術(shù)越來(lái)越普遍，尤其是將傳統(tǒng)的氣泡檢測(cè)與先進(jìn)的人工智能機(jī)器檢測(cè)相結(jié)合的技術(shù)，該技術(shù)是對(duì)拍攝得到的氣泡圖像特征進(jìn)行圖像處理，以達(dá)到識(shí)別氣泡特征的目的，最終利用分析結(jié)果判斷是否存在漏氣情況，可有效提高氣泡特征圖像處理領(lǐng)域的自動(dòng)化應(yīng)用程度。由于氣體具有一定的壓縮性，氣泡可被看作一個(gè)彈性球形系統(tǒng)。當(dāng)氣泡受到外界干擾的時(shí)候，在表面張力的作用下，氣泡會(huì)吸收部分能量，沿軸向脈動(dòng)向液體場(chǎng)中傳播聲學(xué)信號(hào)。因此，對(duì)水下氣泡的檢測(cè)和識(shí)別可以通過(guò)聲學(xué)方法實(shí)現(xiàn)。氣泡的尺寸特征、運(yùn)動(dòng)特征在眾多應(yīng)用場(chǎng)景中都能夠真實(shí)反映水體特性，因此，對(duì)提取氣泡特征的應(yīng)用系統(tǒng)進(jìn)行研究具有較強(qiáng)的實(shí)踐應(yīng)用價(jià)值。

1 氣泡特征提取理論

1.1 氣泡圖像預(yù)處理

1.1.1 圖像增強(qiáng)

為了解決水下透明度不高、亮度不夠等情況會(huì)使氣泡特征不明顯的問題，需要對(duì)氣泡圖片進(jìn)行圖像增強(qiáng)。圖像增強(qiáng)的灰度變換是一種廣泛應(yīng)用的線性圖像增強(qiáng)方法，該方法可拉伸圖像灰度，使獲得的氣泡圖像細(xì)節(jié)特征明顯、清晰且對(duì)比度較高。

1.1.2 二值化分割

在圖像處理技術(shù)中，二值化分割能簡(jiǎn)化圖像，有效降低圖像中的數(shù)據(jù)量，還能明確反映出氣泡圖像的整體和局部特征。因此可以通過(guò)二值化分割的方式對(duì)氣泡圖像進(jìn)行處理，以達(dá)到提取氣泡特征的目的。主要做法是選定一個(gè)灰度閉值作為二值化分割的分界值，此時(shí)，對(duì)大于閾值的像素點(diǎn)用“1”表示，對(duì)小于閾值的像素點(diǎn)用“0”表示，使得到的氣泡圖像中只包含這2 種像素，即可實(shí)現(xiàn)對(duì)氣泡圖像的二值化分割。

1.2 氣泡圖像形態(tài)學(xué)處理

1.2.1 孔洞填充

在對(duì)氣泡圖像進(jìn)行孔洞填充之前，需要確認(rèn)氣泡目標(biāo)之間是否有一定的連通性。目前，孔洞填充是應(yīng)用非常廣泛的圖像處理算法，該算法可實(shí)現(xiàn)點(diǎn)到區(qū)間的不斷拓展?？锥刺畛涞倪B通性體現(xiàn)在四連通、八連通，即分別為選定具體1 個(gè)像素作為出發(fā)點(diǎn)，經(jīng)過(guò)4 個(gè)或者8 個(gè)相鄰像素點(diǎn)，到達(dá)另外任意1 個(gè)像素點(diǎn)位置。

1.2.2 邊緣檢測(cè)

圖像處理技術(shù)中的邊緣檢測(cè)即為對(duì)圖像邊緣特征進(jìn)行提取。邊緣檢測(cè)包括對(duì)物體的輪廓線以及物體的方向等信息的提取。因此，需要對(duì)氣泡圖像的邊緣坐標(biāo)進(jìn)行檢測(cè)，以得到擬合特征參數(shù)。選擇算法較為優(yōu)良的邊緣檢測(cè)算子，更利于氣泡圖像特征的提取。

2 氣泡幾何特征參數(shù)擬合

2.1 最小二乘法

由Walter 提出的最小二乘法是目前圖像處理領(lǐng)域使用較多的橢圓擬合算法。對(duì)待擬合的橢圓參數(shù)進(jìn)行求解主要是根據(jù)每一個(gè)最小化的像素點(diǎn)獲得待擬合的橢圓誤差距離的平方和。最小二乘法適用于對(duì)簡(jiǎn)單圖片中的橢圓進(jìn)行擬合。隨著圖像處理技術(shù)的不斷發(fā)展，F(xiàn)itzgibbon 又提出了在橢圓約束條件中加入1 個(gè)歸一因子生成唯一的解。使用這種方式無(wú)須在橢圓擬合時(shí)進(jìn)行迭代計(jì)算。

2.2 改進(jìn)的隨機(jī)霍夫變換算法

改進(jìn)的隨機(jī)霍夫變換算法是基于傳統(tǒng)的霍夫變換算法提出的，其原理如下：平面上有一個(gè)橢圓，O 為橢圓的圓心，任意選擇與點(diǎn)O 不同的點(diǎn)P，再按照橢圓定理可以判定點(diǎn)O 距橢圓上點(diǎn)的最大距離必定小于點(diǎn)P 距橢圓上點(diǎn)的最大距離。通過(guò)這個(gè)幾何數(shù)學(xué)特性，能夠有效降低霍夫參數(shù)空間維度。如圖1 所示。

3 氣泡特征提取系統(tǒng)設(shè)計(jì)

3.1 系統(tǒng)開發(fā)環(huán)境

該文設(shè)計(jì)的基于氣泡特征的特征提取系統(tǒng)是以MATLAB作為開發(fā)平臺(tái)實(shí)現(xiàn)的功能開發(fā)，其操作系統(tǒng)為Windows 10，硬件環(huán)境為Intel（R） Core i7。

3.2 系統(tǒng)設(shè)計(jì)

該文設(shè)計(jì)的基于氣泡特征的特征提取系統(tǒng)主要包括2個(gè)模塊，即氣泡圖片特征提取模塊和氣泡視頻特征提取模塊。由于篇幅有限，該文主要研究氣泡圖片特征提取功能。對(duì)圖像中的氣泡進(jìn)行檢測(cè)必須在對(duì)氣泡圖片和氣泡視頻進(jìn)行提取之前進(jìn)行，以得到單個(gè)氣泡，然后再對(duì)單個(gè)氣泡的特征進(jìn)行提取。該文使用的APP Designer 插件是按照系統(tǒng)功能需求選擇的，包括圖窗、文本、文本下拉框、表格、按鈕和坐標(biāo)軸等。圖窗功能主要負(fù)責(zé)顯示氣泡圖像和視頻，下拉框主要負(fù)責(zé)實(shí)現(xiàn)對(duì)氣泡檢測(cè)算法的選擇，表格主要負(fù)責(zé)展示出氣泡圖像和視頻，坐標(biāo)軸的功能是繪制氣泡特征隨時(shí)間變化的曲線圖?；跉馀萏卣鞯奶卣魈崛∠到y(tǒng)流程圖如圖2所示。

圖1 橢圓示意圖

3.3 氣泡圖片特征提取測(cè)試

對(duì)該系統(tǒng)的通用性進(jìn)行測(cè)試時(shí)，該文選取了3 組不同類型的氣泡圖像，分別為氣泡生成對(duì)抗網(wǎng)絡(luò)的氣泡圖像、氣液兩相流試驗(yàn)的氣泡圖像和玻璃上的雨滴氣泡圖像。在這3 組圖像中，玻璃上的雨滴由于受到重力作用，其氣泡形態(tài)和像素分布與水中氣泡有著較高的相似度，因此該文將玻璃上的雨滴氣泡圖像作為測(cè)試樣例。3 組圖像中的每一組都包括了類型相同的20 張氣泡圖像，見表1。

該文利用2 種氣泡圖像檢測(cè)算法分別對(duì)這3 組氣泡圖像進(jìn)行測(cè)試。在氣泡特征提取系統(tǒng)中，用戶點(diǎn)擊可“上傳圖像”按鈕從本地文件中上傳1 張氣泡圖像，點(diǎn)擊“氣泡檢測(cè)算法”下拉列表可以選擇合適的氣泡檢測(cè)算法，點(diǎn)擊下拉“參數(shù)擬合算法”列表可以選取不同的擬合算法，例如橢圓回歸CNN 算法、最小二乘法和改進(jìn)的隨機(jī)霍夫變換算法等，如圖3 所示。

表1 氣泡圖片測(cè)試樣例參數(shù)

圖2 氣泡特征提取系統(tǒng)流程圖

為了測(cè)試不同的氣泡擬合算法的實(shí)際擬合效果，可以選用1 張氣泡生成對(duì)抗網(wǎng)絡(luò)的氣泡圖像，將檢測(cè)算法模型設(shè)置為Faster R-CNN，再選擇3 種不同的擬合算法進(jìn)行系統(tǒng)測(cè)試。

該文選擇的Faster R-CNN 模型對(duì)氣泡圖像有較好的檢測(cè)效果，但是該模型在對(duì)尺寸較小的氣泡圖像進(jìn)行檢測(cè)時(shí)容易發(fā)生漏檢的情況，該問題與訓(xùn)練數(shù)據(jù)集中氣泡圖像的實(shí)際參數(shù)有關(guān)。由于數(shù)據(jù)集中氣泡圖像的氣泡直徑約為1.8cm，導(dǎo)致氣泡圖像檢測(cè)的效果不理想，因此可在傳統(tǒng)的分水嶺分割后，將基于連通域檢測(cè)的方法應(yīng)用于尺寸較小的氣泡圖像，以得到較好的效果。對(duì)同一組氣泡圖像使用Faster R-CNN 模型進(jìn)行檢測(cè)后，再分別利用3 種算法進(jìn)行氣泡擬合，結(jié)果顯示橢圓回歸CNN算法的氣泡擬合效果最佳。2種氣泡檢測(cè)算法應(yīng)用于氣泡圖像檢測(cè)的準(zhǔn)確率見表2，F(xiàn)aster R-CNN 模型在氣泡圖像檢測(cè)中的準(zhǔn)確率達(dá)到了98.75%。

圖3 A 組氣泡圖片特征提取測(cè)試界面

表2 3 組氣泡圖片檢測(cè)算法測(cè)試結(jié)果

以上系統(tǒng)測(cè)試結(jié)果表明，F(xiàn)aster R-CNN 模型和橢圓回歸CNN 算法對(duì)氣泡圖像的檢測(cè)效果良好且有效。

3.4 氣泡圖片特征提取分析

氣泡的運(yùn)動(dòng)特征種類很多，主要有氣泡漏氣量的變化、氣泡數(shù)量的變化和氣泡運(yùn)動(dòng)速度的改變等。對(duì)氣泡漏氣量的計(jì)算是通過(guò)分析氣泡的二維面積實(shí)現(xiàn)的。通常情況下，由于不會(huì)單獨(dú)考慮每個(gè)氣泡體積的影響，因此氣泡漏氣量的變化和氣泡數(shù)量的變化呈正相關(guān)，也就是說(shuō)，如果發(fā)現(xiàn)氣泡數(shù)量越多，則表示漏氣量越大。

該文選擇將玻璃器皿中的氣泡圖像作為氣泡特征提取應(yīng)用系統(tǒng)的試驗(yàn)樣例。但氣泡在玻璃器皿中的上升速度較快，為了防止氣泡丟失，該文在采集氣泡圖像過(guò)程中采用了降速處理的模式，避免出現(xiàn)氣泡圖像誤差過(guò)大的情況。打開氣泡特征提取應(yīng)用系統(tǒng)的操作界面，點(diǎn)擊“上傳圖像”按鈕，可以在本地文件夾中選擇等待檢測(cè)的氣泡圖片。點(diǎn)擊“參數(shù)擬合算法”的下拉框，可以選擇不同的算法模型對(duì)氣泡圖片進(jìn)行檢測(cè)。點(diǎn)擊“開始檢測(cè)”按鈕后，系統(tǒng)會(huì)顯示氣泡圖片，并在右下方給出氣泡圖片長(zhǎng)軸半徑、短軸半徑和偏心角數(shù)值，同時(shí)還會(huì)顯示檢測(cè)耗時(shí)。

4 結(jié)語(yǔ)

該文基于MATLAB 平臺(tái)設(shè)計(jì)了基于氣泡特征的特征提取應(yīng)用系統(tǒng)，主要實(shí)現(xiàn)了氣泡圖片特征提取模塊的功能，對(duì)氣泡圖片特征提取流程進(jìn)行了詳細(xì)闡述，并在不同應(yīng)用場(chǎng)景下對(duì)氣泡圖片特征提取功能模塊進(jìn)行了測(cè)試。測(cè)試表明，F(xiàn)aster R-CNN 模型和橢圓回歸CNN 算法對(duì)氣泡圖片特征提取的效果較好，為研究人員探索水體或能夠產(chǎn)生氣泡的狀態(tài)和特性提供了參考方法。