基于HSV空間與形態學的石油套管計數方法

李良 楊潔明

摘 要： 針對人工盤點套管效率和準確率低，提出一種基于圖像處理的自動檢測方法。首先采集套管端面原始數字圖像在空間域去噪，然后轉到HSV空間中利用H通道的高低閾值限定與形態學開閉操作形成清晰的輪廓，再提取形狀特征去除干擾，得到準確的識別計數結果。對現場采集的圖片進行實驗，驗證了該算法計數準確、高效。

關鍵詞： 套管計數； HSV空間； 中值濾波； 開閉操作； 輪廓提取； 自動檢測

中圖分類號： TN911.73?34； TP391 文獻標識碼： A 文章編號： 1004?373X（2018）15?0079?04

Oil casing pipe counting approach based on HSV space and morphology

LI Liang， YANG Jieming

（MOE Shanxi Key Lab of Advanced Transducers and Intelligent Control System， Taiyuan University of Technology， Taiyuan 030024， China）

Abstract： An automatic detection method based on image processing is proposed to improve the efficiency and accuracy of artificial casing pipe counting. The original digital image of the casing pipe end?face is collected for denoising in the spatial domain， and then converted it into HSV space. The high?low threshold limitation of H?channel and morphological open?close operation are used to form the clear contour of the image. The shape feature of the contour is extracted to remove the interference， and get the accurate identification and counting results. The accurate and efficient counting of the algorithm was verified in an experiment with the pictures collected on the spot.

Keywords： casing pipe counting； HSV space； median filtering； open?close operation； contour extraction； automatic detection

石油套管出庫時，必須有專人進行盤點，而人工盤點效率低，容易出錯，尤其是難以匹配現在的自動化生產及管理方式[1]。圖像處理技術應用于棒材計數的算法較多，常采用的是基于灰度閾值化及邊緣檢測的方法[2?4]，但其結果在很大程度上依賴于圖像二值化的質量，抗干擾能力差。基于模板匹配的方法也常用于辨識棒材端面，雖然模板法可以避免棒材端面圖像的狹小粘連對數目統計產生的影響，但是需要將模板向各個方向平移，耗時較長，實時性差，并且對目標的尺寸較為敏感[5?7]。考慮到套管端面的顏色信息明顯，充分利用HSV顏色特征分割的準確性和對光照的抗干擾能力，通過HSV空間色度通道的高低閾值進行分割得到目標區域，然后引入數學形態學操作處理區域中的空洞粘連等干擾，為后面的計數提供清晰的輪廓。該方法可以避免精確檢測出套管區域的邊緣這一難點，而且視角偏差對該方法造成的誤差很小，所以更易于實現準確計數。

1 套管計數總流程

套管計數的總流程如圖1所示。主要由圖像預處理、套管端面識別計數兩部分組成。實際獲得的端面圖像由于受到圖像傳感器質量和周圍環境的干擾產生圖像噪聲，圖像平滑可以減少噪聲，從而優化目標分割的質量；轉化到HSV空間提取顏色閾值進行目標區域分割，是因為該顏色空間比RGB更接近于人們的經驗和對彩色的感知，并且結合HSV三個分量之間的無關性，在進行圖像分割時對光照等影響的抗干擾能力強，保證了目標提取的精確性；盡管大部分套管端面區域被顏色閾值分離出來了，但遭到陽光照射、源圖像端面顏色分布不均、噪聲波動等干擾，分割出的套管端面區域內產生了很多黑孔、端面邊界有雜亂的白噪聲，嚴重的會有多個端面連在一起，阻止連通區域的形成，為此使用適當大小的開閉運算能很好地去除噪聲及平滑目標邊界，實現圖像的區域塊連通。最終提取目標的輪廓，根據形狀特征進行校正與識別計數。

2 套管計數算法

2.1 圖像平滑

中值濾波是一種統計排序濾波器。如式（1）：

[f（x，y）=median（s，t）∈Sxy{g（s，t）}] （1）

令[sxy]代表中心在[（x，y）]，尺寸為[m×n]的矩形子圖像窗口的坐標組。中值濾波的過程就是計算由[sxy]定義的區域中被干擾圖像[g（s，t）]的中值[8]，[f（x，y）]為核中心點[（x，y）]處圖像復原后的值。即模板核覆蓋區域的所有像素值排序，位置處在中間的像素用來更新核中心點的像素值。因為對于多種隨機噪聲，它都有良好的降噪能力，且在相同尺寸下比起其他線性濾波器引起的模糊較少[9]，因此采用中值平滑。

2.2 圖像分割

2.2.1 HSV顏色空間閾值提取

將平滑后的圖像轉化到HSV顏色空間，截取多張套管端面圖片并粘連成一張訓練樣本圖像，從中提取各通道的顏色閾值。訓練算法流程如圖2所示，HSV通道的取值范圍分別為0～180，0～255，0～255，所以定義兩個變量數組Hax[3]={0，0，0}與Hin[3]={180，255，255}，[ω]取值為0，1，2分別對應H，S，V通道。[η[γ][θ][ω]]作為輸入，由兩個嵌套的for（）循環語句得到，代表樣本中[ω]通道[（γ，θ）]點的像素值。

2.2.2 閾值分割

提取到的顏色閾值有明顯的雙分界特征，可以用雙閾值法進行二值化操作。根據提取的閾值預先設定好式（2）中的閾值變量[T1]和[T2]，且[T1

[dx，y=255，0， T12.3 形態學處理

[1] 楊旭，劉書海，李豐，等.套管檢測技術研究進展[J].石油機械，2013，41（8）：17?22.

YANG Xu， LIU Shuhai， LI Feng， et al. Research progress in casing detection technology [J]. China petroleum machinery， 2013， 41（8）： 17?22.

[2] 鄒應國，康宜華.成捆鋼筋快速計數方法的研究[J].機床與液壓，2006，30（2）：176?178.

ZOU Yingguo， KANG Yihua. Research on a method to count the number of steel bars bundle automatically and rapidly [J]. Machine tool and hydraulics， 2006， 30（2）： 176?178.

[3] 倪超，李奇，夏良正.粘連棒材圖像自動分割計數技術[J].數據采集與處理，2007，22（1）：72?77.

NI Chao， LI Qi， XIA Liangzheng. Automatic segmentation and counting of touching bar images [J]. Journal of data acquisition and processing， 2007， 22（1）： 72?77.

[4] GHAZALI M F， WONG L K， SEE J. Automatic detection and counting of circular and rectangular steel bars [J]. Lecture notes in electrical engineering， 2017， 30（49）： 199?207.

[5] 侯維巖，段政偉，趙慧.基于多模板匹配的捆扎棒材計量方法[J].自動化儀表，2013，34（4）：7?9.

HOU Weiyan， DUAN Zhengwei， ZHAO Hui. Measurement method for binding bar based on multiple templates matching [J]. Process automation instrumentation， 2013， 34（4）： 7?9.

[6] 周群，胡光銳.基于模板覆蓋法的鋼筋在線計數方法[J].上海交通大學學報，1999（11）：1462?1464.

ZHOU Qun， HU Guangrui. Online bar counting method based on template covering [J]. Journal of Shanghai Jiao Tong University， 1999（11）： 1462?1464.

[7] LIU N N. Steel bar adaptive counting based on gray?level co?occurrence matrix and template matching [J]. Computer technology and development， 2015， 22（7）： 46?51.

[8] 張國亮，謝宗武，蔣再男，等.模糊化多視覺信息融合的視覺跟蹤策略[J].西安交通大學學報，2009，43（8）：33?37.

ZHANG Guoliang， XIE Zongwu， JIANG Zainan， et al. Visual tracking strategy based on fuzzy multi vision information fusion [J]. Journal of Xian Jiaotong University， 2009， 43（8）： 33?37.

[9] 顧大曄.弱小目標紅外圖像的盲元處理算法研究[D].西安：西安電子科技大學，2012.

GU Daye. Blind element processing algorithm for infrared images of dim targets [D]. Xian： Xidian University， 2012.

[10] 徐勝.基于面陣CCD的軌道磨耗測量與研究[D].成都：西南交通大學， 2013.

XU Sheng. Rail abrasion measurement and research based on CCD [D]. Chengdu： Southwest Jiaotong University， 2013.

[11] GONZALEZ R C， WOODS R E.數字圖像處理[M].北京：電子工業出版社，2010.

GONZALEZ R C， WOODS R E. Digital image processing [M]. Beijing： Publishing House of Electronics Industry， 2010.