基于matlab的發動機噴霧圖像篩選程序設計

曹福來　劉怡杉　張亞贈　楚慧闖　婁金輝

摘 要：燃油霧化的好壞對發動機經濟性、動力性、排放性等有著重要影響，而在燃油噴霧試驗中會得到的大量噴霧圖像，其中能滿足要求反應霧化真實情況的少之又少。筆者利用MATLAB編寫輔助程序，采用灰度直方圖、平均灰度、拉普拉斯算子、graythresh全局閾值、標準偏差等多種算法，結合GUI用戶界面來實現噴霧圖像自動篩選，避免人工的費時費力以及判別誤差。

關鍵詞：噴霧實驗；圖像處理；MATLAB編程；GUI界面

中圖分類號：TP391.41 文獻標志碼：A 文章編號：2095-2945（2018）15-0065-03

Abstract： The quality of fuel atomization has an important impact on engine economy， power performance， emissions and so on. However， a large number of spray images will be obtained in the fuel spray test， and few of them can meet the requirements of the actual conditions of reaction atomization. The author uses MATLAB to write auxiliary program， adopts many algorithms such as grayscale histogram， average gray scale， Laplace Operator， graythresh global threshold， standard deviation and so on， and with GUI user interface， intends to realize automatic screening of spray image， so as to avoid manual time and effort as well as discrimination error.

Keywords： spray experiment； image processing； MATLAB programming； GUI interface

1 概述

發動機燃油霧化的好壞對發動機經濟性、動力性、排放性等有著重要影響。通過發動機噴霧試驗我們會得到大量的燃油噴霧圖像，而其中能真實反映燃油霧化情況的圖像少之又少，通過人工篩選這些圖像不僅需要工作人員花費大量時間而且由于人與人之間判斷標準的不同存在偏差。通過對噴霧圖像存在的問題進行研究找出適當算法并通過MATLAB/GUI平臺來編寫篩選程序，可以實現噴霧圖像的自動化篩選，從而大大提高效率。

2 噴霧圖像篩選處理算法

2.1 噴霧圖像曝光過多或不足處理算法

在發動機燃油噴霧實驗中實驗人員的配合默契程度很大程度上決定了噴霧圖像質量的好壞，一旦出現手壓泵與相機拍攝不同步就會產生大量的曝光過度或者曝光不足的圖像。曝光過度的圖像整體亮度過高，曝光不足的圖像整體亮度過低，亮度過高或過低都會嚴重影響對噴霧粒子的研究統計。

灰度直方圖是圖像灰度級別分布的函數，反映了圖像灰度值大小出現的頻率，是一種最基本的統計特性，是對圖像整體效果進行描述的最簡單最實用的工具。一般情況下，曝光過度的噴霧圖像整體亮度較亮，整體的灰度值較大；曝光不足的噴霧圖像亮度較暗，整體的灰度值較小；曝光合理的噴霧圖像亮度比較適中，整體的灰度值居中[1]。MATLAB自帶有大量的圖像處理函數，圖像的灰度直方圖可以調用 imhist函數獲得，其語法格式為：

I=imhist（a，b）

其中，a是灰度的輸入圖像，b是指定的灰度級數目。

經大量統計分析得知，一張拍攝效果較好的發動機噴霧圖像灰度直方圖分布集中在中間的[60，130]區間，并在該區間有且只有一個峰值；而曝光不足的噴霧圖像灰度直方圖分布集中在后端[0，60]區間，曝光過度圖像灰度直方圖分布集中基本都集中在前端[130，255]區間。通過判斷噴霧圖像灰度直方圖峰值所在的區間來判斷圖像是否存在曝光過度和曝光不足的圖像。

MATLAB自帶的findpeaks函數可以用來得到圖像的峰值數目以及峰值大小，其語法調用格式為：

[pks，locs] = findpeaks（data）

其中，pks 對應峰值，locs 對應峰值位數，如果噴霧圖像灰度pks值在區間[0，60]，則該圖像存在曝光不足；如果噴霧圖像pks值在區間[130，255]，則該圖像存在曝光過度的問題。

2.2 噴霧圖像亮度不均處理算法

在燃油噴霧實驗中常采用速攝影法拍攝噴霧圖像，但由于空氣中的不明粒子以及噴霧液滴和背景板等的影響會使光線產生折射以及反射現象，這樣會造成噴霧圖像產生亮度不均的現象，而這樣的噴霧圖像會對噴霧特性的研究產生不良影響。

假設A=（aij）為大小為MXN的一個灰度圖像，規定mean（A）為A的灰度平均值，則計算公式如下：

AGV，即平均灰度值是average gray value的縮寫，反映了圖像整體的亮度。LAGV，即局部平均灰度值是local average gray value的縮寫，反映了圖像部分的亮度[2]。當噴霧圖像整體的平均灰度值與局部的平均灰度值相差比較大時就反映了該圖像出現了亮度不均，用Tag表示圖像整體與局部的平均灰度之差的絕對值，則通過設定一個合理的閾值，當求得的Tag大于閾值時則系統認為圖像存在亮度不均的現象并篩選掉該圖像。在MATLAB函數庫中可以調用mean函數用來得到圖像平均灰度值，該函數的其語法格式為：

T=mean（A）

若A是一個向量，則mean（A）返回A中元素的平均值。噴霧圖像的平均灰度值可以通過Avg=mean（mean（img））來得到。

在計算噴霧圖像局部平均灰度值時需要將圖像進行劃分，通常是按照水平方向、豎直方向、45度方向、135度方向和中心與外圍這五個方向來劃分，我們結合噴霧圖像特點采用等分的原則把噴霧圖像劃分為2×2、3×3、4×4、n×n（n>4）等等，考慮到計算機處理圖像的時間隨著圖像劃分的數目增多而變長，并且隨著圖像劃分的數目增多噴霧粒子剛好在邊界上被劃分的可能性越大，這樣會使噴霧粒子劃分到不同區域而且粒子數目增加直徑變小，導致測量結果準確性變差，相比之下3×3的劃分計算機運行時間短準確性也較高，故本文中噴霧圖像采用3×3的劃分方式。

通過大量的計算統計，存在光照不均的噴霧圖像平均灰度與局部平均灰度之差絕對值最大值在[22，46]區間；噴霧效果較好的圖像平均灰度與局部平均灰度之差絕對值最大值在[5，20]區間，本論文人工選擇的閾值為21[2]。當噴霧圖像整體的平均灰度值與局部的平均灰度值相差大于21時則認為該噴霧圖像具有光照不均的現象，篩選掉該圖像，否則認為該圖像符合要求等待進行下一步篩選。

2.3 拖尾模糊圖像處理算法

在大量的噴霧圖像中有一部分圖像存在拖尾現象，拖尾現象產生的原因是單位時間內畫面幀頻率過低，也就是實驗中的1/8500s曝光時間相對于高速運動的噴霧粒子來說時間太長[2]。

拉普拉斯算子各向同性微分算子，工程數學中常用的一種積分變換，是n維歐幾里德空間中的各向同性的二階微分算子，定義為梯度（？犖f）的散度（？犖·f），與邊緣檢測的方向無關，具有旋轉不變性。拉普拉斯算子也可以推廣為定義在黎曼流形上的橢圓型算子，稱為拉普拉斯-貝爾特拉米算子。連續二元函數f（x，y）的拉普拉斯運算定義如：

由于清晰的圖像其本身細節反差和紋理變化比較明顯，相應的像素周圍灰度值變化比模糊圖像的值大，根據這一理論定義圖像清晰度為圖像中每一像素在3×3的鄰域內的8鄰域微分絕對值之和[3]，其計算公式如下所示：

經過大量的人工統計，一般情況下拖尾模糊圖像的Ls值分布區間為[0.3260，0.3860]，清晰的噴霧圖像其Ls值分布區間為[0.3940，0.4730]。通過對大量噴霧圖像的Ls值統計，人為設定合理的清晰度閾值LS，當噴霧圖像計算得到的Ls值小于設定的閾值時篩選系統判定該圖像存在拖尾模糊的問題而篩掉該圖像，否則暫時保留下來等待接下來的篩選。

2.4 圖像中少粒子或無粒子處理算法

在噴霧實驗中造成噴霧圖像中沒有粒子或者粒子很少的原因有兩個，第一是由于手壓泵的噴嘴軸線沒有與相機鏡頭位于同一平面；第二種原因是兩個實驗員沒有配合得當，負責手壓泵的實驗員與負責相機快門的實驗員沒有達到同步操作，高壓下粒子的運動速度很快，配合不當導致粒子沒有或者少部分到達相機的視角[2]，這兩種錯誤操作得到的噴霧圖像無法反應噴霧的真實情況。

用graythresh函數來處理噴霧圖像，處理的速度比較快，并且處理效果比較理想，經過im2bw函數二值化后的亮點就是需要統計的粒子，這些亮點的統計可以通過Matlab中函數庫中的bwlabel函數來實現，其語法調用格式為：

[L，NUM]=bwlabel（W，n）

其中W為經過處理得到的二值圖，L為表示與W大小相同的矩陣，NUM為目標物體數量。n的值可以為4或者8，當n=4時表示四連通尋找，緊鄰位置是對應像素位置的上、下、左、右；當n=8時表示八連通尋找，緊鄰位置是對應位置的上、下、左、右、左上、右上、左下、右下，這里我們默認為8連通尋找。

經過大量的統計，一張好的噴霧圖像粒子數目在5000以上，通過設定合適的粒子數目閾值來篩去無粒子或少粒子的噴霧圖像。

2.5 圖像粒子分布不均處理算法

噴霧粒子分布的均勻性是判斷噴霧圖像拍攝效果好壞的重要指標。噴霧圖像粒子分布均勻性的評判需要三個步驟，第一，采用不同的劃分方法對噴霧圖像進行區域劃分；第二，統計劃分后每個區域內的粒子數目；第三，建立噴霧圖像粒子的標準偏差[4]。關于噴霧圖像的劃分我們采用3×3的等分方式，噴霧粒子統計我們先用graythresh-全局圖像閾值將圖像轉化為二值圖然后通過函數bwlabel來統計粒子數目，這些在前面已經介紹，接下來主要介紹噴霧粒子標準差的建立。

噴霧圖像被劃分為9個區域，每個區域內的噴霧粒子就是一個樣本數據，而圖像全部的噴霧粒子就成為一個樣本集合，每個區域噴霧粒子數目的變化就反映了圖像不同區域噴霧粒子分布情況。標準差又常稱均方差，是常用的一種反應數據離散程度工具，平均數相同的兩組數據，標準差未必相同。標準差或者方差越小，特征點分布就越均。在MATLAB函數庫中可調用std（X，a）函數來得到噴霧圖像每個區域粒子數目的標準偏差。該函數其調用格式如下：

s=std（X）

其中X是矢量，返回標準差，此時除以的是N-1，結果是各樣本偏差無偏估計的平方根。需要注意的是此函數命令不能直接對矩陣求整體的標準差，只能返回每行或者每列元素的標準偏差，默認情況下返回的是每列元素的標準偏差。通過大量統計分析，粒子分布比較均勻的噴霧圖像其標準偏差分布在[30 150]之間，粒子分布越不均的圖像其標準偏差就越大，通過選取合適的標準差閾值來篩除粒子分布不均的圖像。

3 噴霧圖像篩選系統GUI的實現

在MATLAB中，既可以通過M文件又可以通過圖形用戶界面開發工具（GUIDE）來創建GUI，后者能將根據設計好的GUI界面自動快速生成相應的M文件。MATLAB/GUI可以根據用戶需求設計軟件的使用界面。為了使用軟件快速篩選發動機噴霧圖像，需要建立一個簡潔明了的軟件界面。本文根據噴霧圖像篩選處理算法設計了噴霧圖像篩選系統，其界面如圖3：

4 結束語

針對噴霧圖像中出現的曝光過度、曝光不足、亮度不均、拖尾模糊、無粒子或少粒子、粒子分布不均等問題，通過采用灰度直方圖、平均灰度、拉普拉斯算子、graythresh全局閾值、標準偏差等多種算法來對噴霧圖像進行篩選，根據設定的算法結合GUI用戶界面對發動機噴霧圖像篩選系統進行設計，大大縮短了噴霧圖像篩選周期，對研究發動機噴霧特性產生積極的影響。

參考文獻：

[1]徐海洋.發動機燃油噴霧圖像篩選系統的設計和實現[D].西安：長安大學，2015.

[2]曹福來.發動機燃油噴霧圖像篩選及處理方法的分析研究[D].西安：長安大學，2015.

[3]吳海波，劉釗.基于拉普拉斯算子的彩色圖像銳化處理[J].電腦開發與應用，2008（9）：27-28.

[4]朱海峰，趙春暉.圖像特征點分布均勻性的評價方法[J].大慶師范學院學報，2010，5.