基于零均值及零方差圖構建的潤滑油磨粒檢測

摘要：提出了一種基于零均值圖構建的潤滑油磨粒檢測的圖像處理方法。首先對采集的潤滑油磨粒圖像進行零均值化和零方差化；然后，采用最大類間方差分割法對構建的零均值圖和零方差圖進行分割并對分割后的圖像進行融合處理；最后，分別通過形態學濾波的開啟運算和填充消除噪聲和空洞。實驗仿真表明，該算法具有較強的抗噪聲能力，能夠完整地分割出磨粒信息。

關鍵詞：圖像處理；零均值圖；零方差圖；磨粒檢測

中圖分類號：TP391

文獻標識碼：A

DOI：10.3969/i.issn.1003-6970.2015.06.022

本文著錄格式：王建紅，基于零均值及零方差圖構建的潤滑油磨粒檢測叮]軟件，2015，36（6）：120-124

TheWearDebrisDetectionBasedonZero-meanImageandZero-varianceImageConstruction

WANGJian-hong

[Abstract]：Thispaperintroducesanewimageprocessingmethodbasedonzero-meanimagefortheweardetectionoflubricatingoil.Firstly，weardebrisimageoflubricatingoilcollectedisprocessedbyzeromeanandzerovariance.Then，theMaximumbetween-ClusterVariancemethodisproposedforsegmentationofzero-meanimageandzero-varianceimage，andthesegmentationimagesarefused.Finally，theopeningoperationandfillingofmorphologicalfilteringarerespectivelyusedtoeliminatenoiseandcavity.Experimentalresultsshowthattheproposedalgorithmhasgoodabilitytoovercomethenoiseandcansplitthewearinformationcompletely.

[Keywordsl：Imageprocessing；Zero-meanimage；Zero-varianceimage；Weardebrisdetection

0引言

機械系統產生的故障和失效的主要原因是零部件的磨損，并且全球30%的動力消耗是由摩擦引起。而潤滑油是發動機中的“血液”，它具有冷卻、潤滑、密封、防腐、清洗等作用，潤滑油的質量好壞直接影響到發動機的工作性能和壽命。隨著發動機工作時間的延續，潤滑油在高溫下的氧化，機械零件的磨損產物，使用過程中的燃油以及水分的混入等因素，將使潤滑油受到污染，導致品質下降，甚至喪失潤滑油應有的效能。

對潤滑油狀態進行檢測，不僅可以及時地發現潤滑油質量的變化，做到按需更換潤滑油，降低運行成本，更為重要的是潤滑油中的磨粒包含有重要的機械狀態信息，通過對潤滑油磨粒檢測獲得的信息能提前預知機械的狀態，進而及時地發現故障征兆及預報設備可能出現的故障，有針對性進行維護和處理。對于潤滑油磨粒檢測，國內國外學者進行了大量的研究，現已形成諸多的檢測原理方法，其中光譜分析法和鐵譜分析法應用最廣泛。光譜處理復雜、成本高分析速度慢、樣油需要量多依賴人T檢驗等缺點[1-3]。隨著圖像處理技術的發展，基于圖像處理的磨粒檢測成為必然趨勢[4-7]。

本論文主要是將發動機油底殼中采集到的潤滑油涂抹在載波片上，通過一定放大倍數的數碼相機拍攝采集磨粒圖像；然后，通過構建零均值、零方差圖、二值分割及形態學濾波實現在潤滑油和磨粒不分離狀態下的磨粒檢測技術。

1磨粒圖像的零均值化

圖像采集現場的光照通常是不均勻的，因此，所采集的圖像會因為光照強度不同而造成明暗差異，這將嚴重影響帶鋼缺陷的檢測。因此采用零均值化的方法消除光照的影響，以便進行圖像的進一步處理。

零均值化圖像的構造過程為：設圖像Fi，大小為MxN，則將圖像劃分為8x8的圖像窗口，然后每個窗口灰度均值為[8-9]：

然后經行采樣，并經行雙線性插值，延伸到原來的尺寸，這里的雙線性插值公式為：

最后，利用原采集圖像與插值獲得的圖像相減，從而獲得零均值圖像，其公式為：

2磨粒圖像的零方差化

零方差化圖像的構造過程為：設圖像Fi，i大小為MxN，則將圖像劃分為8x8的圖像窗口，然后每個窗口灰度方差為：

式中0<1

然后經行采樣，并經行雙線性插值，延伸到原來的尺寸。最后，利用原采集圖像與插值獲得的圖像相減，從而獲得零方差圖像。

然后經行采樣，并經行雙線性插值，延伸到原來的尺寸，這里的雙線性插值公式為：

最后，利用原采集圖像與插值獲得的圖像相減，從而獲得零均值圖像，其公式為：

3磨粒區域分割與濾波

3.1磨粒區域分割及融合

最大類間方差法是由日本學者大津于1979年提出的，是一種白適應的閾值確定的方法，又叫大津法，簡稱OTSU。它是按圖像的灰度特性，將圖像分成背景和目標兩部分。背景和目標之間的類間方差越大，說明構成圖像的兩部分的差別越大，當部分目標錯分為背景或部分背景錯分為目標都會導致兩部分差別變小。因此，使類間方差最大的分割意味著錯分概率最小[10-13]。

設圖像具有L級灰度，對每個灰度值廠，Pf表示f出現的頻率，此時分割閾值為t，則將灰度分成兩類：那么類間方差可以為：

使o2（t）取最大值時的t值就是最佳分割閥值。然后根據最佳分割的閥值對圖像進行分割從而實現圖像的二值化。

采用最大類間方法確定的閾值，分別對零均值圖和零方差圖進行分割，分割效果如圖2（a）、（b）所示：可以看出，每個子圖能夠分割出部分目標信息；為了減少后處理的計算量，將分割后效果圖進行相加融合，融合效果如圖2（c）所示。

3.2形態學濾波

腐蝕是一種消除邊界點，使邊界向內部收縮的過程。可以用來消除小且無意義的目標物。如果兩目標物間有細小的連通，可以選取足夠大的結構元素，將細小的連通腐蝕掉。設二值圖像為F，其連通域設為X，結構元素為S，當一個結構元素S的原點移到（x，y）處時，我們將其記作Sxv。此時圖像X被結構元素S腐蝕掉的運算可表示如式（8）：

其含義是，當結構元素S的原點移動到（x，y）位置，如果S完全被結構元素x包含，則在腐蝕后的圖像上該點為1，否則為0。

膨脹是將與目標區域接觸的背景點合并到該目標物中，使目標邊界向外部擴張的處理。膨脹可以用來填補目標區域中存在的某些空洞，以及消除包含在目標區域中的小顆粒噪聲。膨脹處理是腐蝕處理的對偶。圖像X被結構元素S膨脹的運算可表示如式（9）：

其含義是，當結構元素S的原點移動到（x，y）位置，如果S中至少包含一個像素值為1的點，則在膨脹后的圖像上該點為1，否則為0。

先腐蝕后膨脹稱為開啟運算，通過這種運算能夠起到平滑圖像輪廓，去掉輪廓上的毛刺等作用；本文采用開啟運算消除噪聲，處理結果如圖3（a）所示，有效消除噪聲信息。但檢測的目標區域有空洞，本文采用形態學填充消除空洞，結果如圖3（b）所示，空洞被有效填充。

4實驗分析

4.1抗噪聲實驗分析

為了驗證本文算法抗噪聲能力，我們選取均值μ=O，均方差σ分別為2，5，10的高斯噪聲磨粒圖像進行試驗。實驗效果如4所示：

從圖4（d）、（e）和（f）可以看出，隨著噪聲強度增大，分割出的磨粒形狀和面積變化不大；說明本文算法具有較強的抗噪性。主要原因在于本文采用對采集進行零均值、零方差以及形態學濾波能夠有效的抑制噪聲信息，從而獲得較好的抗噪效果。σ4.2分割完整性分析

為了驗證本文算法分割算法完整性，本文采用檢測人員人T標記出磨粒區域，并計算磨粒面積；然后，與本文分割出來的磨粒區域面積進行對比；最后，采用公式（10）計算兩者的誤差。

本文分割效果和人T標記分割效果如圖5所示，兩者面積誤差為8.1%誤差較小；說明本文算法比較完整的分割出磨粒信息。另外，從分割出形態來看，本文算法分割出來形態與T人標記分割出來的形態略有不同，主要原因在于計算局部均值、局部方差以及形態學濾波造成磨粒邊界變形造成的。σ5結論

本文在相關理論分析的基礎上，提出一種新的磨粒圖像檢測方法。首先，通過計算磨粒圖像子窗口的均值和方差，構造出零均值圖和零方差圖；然后，通過最大類間方差分割法分割出磨粒的區域；在此基礎上，通過二值圖融合和形態學濾波有效檢測出磨粒信息。仿真實驗表明本文方法具有較強的抗噪性，同時比較完整地分割出疵點。但分割出的形態與實際磨粒形態還存在差異，這將是以后工作繼續研究的方向。

參考文獻

[1]徐元強.數字同軸全息油液磨粒檢測技術的初步研究[D].濟南：山東大學，2010.

[2]夏志新.液壓系統污染控制（第1版）[M].北京：機械工業出版社，1992.

[3]王勇，張騰，惲炅明，等.液壓系統動態分析方法改進研究[J].新型工業化，2014，4（2）：33-38.

[4]楊立峰，張鎮，劉薇娜.基于MATLAB的磨粒流機床液壓系統的動態仿真[J]+新型工業化，2014，4（10）：58-62.

[5]王佑君，劉昌法，何相勇等.基于數字圖像處理的齒輪減速器磨粒檢測[J].2006，25（5）：592-594.

[6]王愛玲，葉明生，鄧秋香.圖像處理技術與應用（第1版）[M].北京：電子工業出版社，2008.

[7]陳國強.基于GPU的圖像處理算法研究[J].軟件，2014，35（2）：135-136.

[8]管聲啟，師紅寧，王燕妮.基于圖像零均值化的帶鋼缺陷檢測[J].鋼鐵研究學報，2013，25（4）：59-62.

[9]劉聞，別紅霞.基于蟻群算法的噪聲圖像邊緣檢測[J].軟件，2013，34（12）：256-259.

[10]LiM，StauntonRC.OptimumGaborfilterdesignandlocalbinarypatternsfortexturesegmentation[J].PatternRecognitionLetters，2008，（29）：664-672.

[11]KapurJN，SahooPK，WongAKC.Anewmethodofgray-levelpicturethresholdingusingtheentropyofthehistogram[J].ComputeiVision，GraphicsandImageProcessing，1985，29：273-28.

[12]李紅梅，李玉超.Otsu法在織物疵點檢測中的研究及應用[J].科技信息，2001，1（32）：525-526.

[13]楊達，王孝通，徐冠雷，等.一種基于圖像分割和圖像拼接技術的全天空云量估計方法[J].新型工業化，2014，4（8）：15-21.