基于MATLAB的鎢礦石粒度在線檢測系統設計

易暢 彭翠 熊微 王衛花 羅小燕

摘 要：針對目前鎢礦石初選環節中選礦效率低、實時性和準確性差等問題，提出礦石粒度在線檢測系統設計方案，通過MATLAB軟件先對原始圖像進行中值濾波處理，再分別采用維納濾波、Lucy-Richardson和盲區卷積復原圖像并對比復原效果，在考慮時間成本的情況下以Lucy-Richardson進行圖像復原為最佳。考慮到礦石由不同形狀組成，運用形態學處理的方法構造不同大小及形狀的結構元素，通過開閉重建運算對圖像進行腐蝕和膨脹，對孔洞填充及噪聲處理。采用基于標記的分水嶺分割算法，很好地解決了傳統分水嶺算法的過分割現象，提升了粘連礦石分割的準確率。最后通過礦石像素面積檢測，統計礦石顆粒的粒徑、粒級大小等相關信息，提高了礦石分選速度與準確度，滿足工業化實時檢測識別要求。

關鍵詞：粒度檢測;分水嶺分割;形態學處理;MATLAB

中圖分類號：TP391 ? 文獻標志碼：A ? ? 文章編號：1003-5168（2022）2-0023-05

DOI：10.19968/j.cnki.hnkj.1003-5168.2022.02.005

Design of Online Particle Size Detection System for Tungsten Ore Based on MATLAB

YI Chang   ?PENG Cui ? ?XIONG Wei ? ?WANG Weihua ? ?LUO Xiaoyan

（School of Mechanical and Electrical Engineering， Jiangxi University of Science and Technology， Ganzhou 341000，China）

Abstract： In view of the problems of low beneficiation efficiency， insufficient real-time and accuracy in the primary process of tungsten ore， a design scheme of online detection system for ore particle size was proposed. The original image was firstly median filtered by MATLAB software， and then wiener filtering， Lucy-Richardson and blind zone convolution were used to restore the image and compare the restoration effect. Under the consideration of time cost， lucy-Richardson is the best method for image restoration. Considering that ores are composed of different shapes， morphological processing method is used to construct structural elements of different sizes and shapes， and the image is corroded and expanded by opening and closing reconstruction operation， and the hole filling and noise processing are carried out. The watershed segmentation algorithm based on mark is adopted to solve the over-segmentation phenomenon of traditional watershed algorithm and improve the segmentation accuracy of cohesive ore. Finally， through the detection of the pixel area of the ore， the relevant information such as the particle size and size of the ore particle is counted， which improves the speed and accuracy of ore sorting and meets the requirements of industrial real-time detection and identification.

Keywords： particle size detection; watershed segmentation; morphological treatment; MATLAB

0 引言

鎢礦石是我國重要的礦產資源，目前鎢礦石初選是通過紋理、形狀大小、顏色等方面的判斷，經過人工篩選出來[1]。這種傳統的鎢礦石初選方法的效率和準確性都不高[2]。而粒度檢測可將采集圖片的顆粒以不同等級大小的層度劃分出來，并統計其數量，在各種生產工廠以及分析產品等領域發揮著極其重要的作用[3-4]。目前比較先進的檢測有激光、電鏡等，這些粒度檢測的精度非常高，但是其對生產工作環境的要求頗高[5]。而在本研究的礦石粒度檢測這一塊顯然是無法適用的，因為礦石破碎會產生大量的粉塵，并且高成本的儀器無法承擔被損壞的風險[6]。粒度在礦石破碎中是一個非常重要的參數，其實時性和測量的準確性是最迫切需要解決的問題[7]。采用計算機圖像處理技術，可以實現礦石粒度檢測的自動化，成本低，并且識別速度快，準確率較高，為礦業生產自動化提供了很好的解決方案[8]。MATLAB是一個基于矩陣運算的、功能強大的軟件，對于圖像處理來說，每一張圖像的像素信息可以看成一個大矩陣，因此MATLAB處理圖像比較快速，可以大大節省礦石圖像處理時間，即間接縮短整個流程中粒度在線檢測的時間[9]。

基于MATLAB的鎢礦石粒度在線檢測系統的流程如圖1所示。

1 礦石圖像采集

礦石在傳送運輸過程中，通過工業攝像機進行拍攝，礦石圖像采集原理圖如圖2所示。為了拍攝出效果較好的圖片，擋板遮住的光線可以加上部分光源進行補光調節。本研究先采用大小不一的少量礦石顆粒拍攝搜集樣本圖片，再通過與實際拍攝大量礦石顆粒堆疊圖片運行的結果進行對比分析。

2 礦石圖像預處理

2.1 圖像噪聲分析

由于礦石破碎時會產生大量粉塵且引入噪聲，該噪聲與圖像中的椒鹽噪聲有相似之處。利用MATLAB軟件里自帶的imnoise函數，給拍攝后的圖片加入椒鹽噪聲。礦石圖像噪聲如圖3所示。

2.2 運動模糊圖像

為模擬礦石運動情況，需要模擬運動模糊后的拍攝圖片。在圖像復原的過程中，PSF函數可利用幾個參數將模糊的長度和方向進行復原，為了模擬出實際拍攝模糊的圖片，先構造PSF函數。假設實際生產中傳送帶的速度為2 m/s，運動方向為向前傳送，則擬定的方向參數為90°（與x軸的水平夾角），擬定拍攝圖片的模糊長度為30個像素點。利用MATLAB的fspecial函數，模式采用motion，即可完成運動模糊圖像的生成。礦石運動模糊圖像如圖4所示。

2.3 圖像灰度變換

通過線性變換對圖像中的信號類型進行灰度變換，利用MATLAB的rgb2gray灰度函數對其中的圖像信號進行灰度處理，圖5所顯示的圖像是原始灰度噪聲圖經過灰度變換后的整個圖像。

可以看出，變換后每個礦石與背景之間有較明顯的差異，但是由于噪聲的存在，只用灰度變換是無法去除的，還需要對變換后的圖像進行濾波處理。

2.4 圖像對比度增強

增強灰度圖對比度，其實就是對黑白兩處的壓縮，將之間的對比度進行拉伸，通過增強礦石圖像中的差別，從而增強圖像的對比度。利用MATLAB函數庫里的imadjust函數，將圖像中灰度值在兩端處0或255的區域進行拉伸，使目標和黑色的礦石顆粒背景更加易于區分。為了適應更多的圖像限值，利用MATLAB中的stretchlim函數，自動調整兩端處的限值，可根據整張圖片里存在的最高以及最低的灰度值來進行調整。

2.5 圖像濾波處理

2.5.1 噪聲的濾波處理。中值濾波對于圖像的脈沖噪聲有著比較好的消除效果，同時對于目標的信息破壞較小。因此，采用中值濾波器既可以有效地去除因粉塵而產生的噪聲，還可以有效地保留較完整的礦石邊界信息[10]。

2.5.2 運動模糊圖像的濾波復原。運動模糊圖像復原是通過將一幅已退化的圖像，利用randon變換來獲得PSF函數里的模糊參數，然后再將估計得到的PSF函數通過不同濾波方法進行復原。但是復原的難點在于如何獲取這個模糊參數，從上文生成運動模糊圖像的方法可知，運動模糊參數主要分為運動模糊方向以及模糊長度。對于模糊方向的估計可以采用兩種方法解決，一個是頻域法，另一個是倒譜法。通過頻域法和倒譜法得到的試驗數據可以比較準確地得到模糊角度。本研究以倒譜法做了以下幾組試驗。

從表1中可以觀察到，對于本方法的不同模糊角度，都可以準確地估計出來，但是模糊長度的估計略有偏差，準確率基本上都在90%以上，并可以看到原本的模糊長度在30個像素點時誤差最小。因此，倒譜法得出的模糊參數的估計可以直接用于運動模糊圖像復原中，接下來利用PSF函數對圖像進行復原。運動模糊圖像復原主要有維納濾波、Lucy-Richardson和盲區卷積復原，以上述生成的模糊圖像為例分別采用這三種復原方法并進行對比可以發現，維納濾波復原效果最差，Lucy-Richardson復原效果較好，盲區卷積復原效果最好，連基本紋理都復原回去了。但是，三者所耗的時間是相反的，盲區卷積雖然復原效果最好，但是其受到迭代次數的影響，迭代越多，效果越好，時間也越長。綜合以上結果，在考慮效果和實時性的要求下，以Lucy-Richardson濾波方法作為最佳選擇。

3 礦石圖像分割

分水嶺算法是通過每一個局部最小值區域生成一個分水嶺線，因此當圖像中產生未處理的噪聲等就會有大量無關的分水嶺線，這也叫過分割現象。要想處理掉這些過分割的分水嶺線，關鍵在于如何將這些局部最小區域去掉，而基于標記的分水嶺算法便能很好地解決這一問題[11]。

標記主要是對一個連通域而言的，圖像里每一個目標都可以看作一個連通域，而內標記則將目標標定，外標記則將背景標定。先通過MATLAB中的imerode和imreconstruct兩個函數來實現重建等分布式運算，在此基礎上進行腐蝕操作。本課題所采用的圖像是以黑色為主要背景，目標圖像是相對較亮的，因此利用函數imregionalmax（）將目標區域的所有局部極小值給標定出來。標定后已經基本上限定了后續分割的范圍，防止出現大量的過分割現象。

接下來進行分水嶺分割時，需要運用一個點進行距離變換算法，這個點進行距離變換是通過計算每一個像素點與周圍最近的非零像素點之間的距離，然后用這個距離值來替換原先像素點的值。圖6是利用距離轉換后的二維數值圖像。

并以此進行距離變換后通過MATLAB的分水嶺函數watershed（）進行礦石顆粒分割，并利用不同顏色來區分分割后的礦石顆粒，用白色像素點邊界顯示分水嶺線，圖7為分割后的結果圖。從圖7中可以看到，礦石顆粒的基本輪廓描繪得較完整，并且分割的精度較高，沒有出現過分割現象。

4 礦石粒度檢測與仿真

4.1 像素的連通域標記

連通域標記分為兩種處理方法，一種是四連通，一種是八連通。由于本研究里分割后的圖片存在許多面積為1個像素的連通域，因此采用八連通來去除掉這類無關的連通域。在MATLAB軟件里利用bwlabel（）來實現八連通標記，將每一個連通域進行標記，然后利用regionprops（）函數計算每一個連通域的面積，并以矩陣的形式存儲數據。圖8為計算后繪制的礦石面積分布圖，可以看到較大的礦石只有1個，中等大小的有2個，小礦石則有4個。

4.2 礦石顆粒的尺度變換

對于拍攝后的礦石圖片，需要先給定一個同等高度拍攝的參照物，并計算出參照物實際的投影面積，然后計算對應參照物像素的比例，將比例代入其他礦石像素面積時可直接計算出礦石的實際面積。具體公式為：

參照物像素面積參照物實際投影面積=礦石像素面積礦石實際投影面積 ? ? ? ? （1）

通過公式（1）可以將每一個礦石的實際投影面積計算出來，進而通過公式[s=πd/22]求出粒徑大小。給粒度設定幾個區間，便可以通過一幅圖像給出對應區間的粒度的礦石個數，最后判斷出礦石破碎的效果。

4.3 粘連礦石圖像的仿真

對于上述礦石圖像粒度檢測只是用了一個非粘連的少量礦石圖的例子，下面選用一張大量粘連的礦石圖像進行試驗，仍然采用本文的一系列操作：圖片預處理、前后景標定、分水嶺分割、形態處理。

從圖9可以看到，礦石面積分布圖中不同粒級間有不同量的礦石，礦石雖然堆疊在一塊，但是在基于標定的分水嶺分割算法下能夠比較成功地將絕大部分礦石分割出邊界，少量礦石顆粒由于邊界比較模糊，導致合在一起，也有極少數礦石顆粒存在過分割，但是總體來看，分割效果比較好。

5 結語

通過MATLAB軟件對采集到的礦石圖片進行了圖片濾波、去噪、運動模糊圖像和復原等預處理，選用改進的基于標定的分水嶺分割算法對每一張圖片進行分割，用形態學處理的開啟和重建運算對分割出圖片中的孔隙進行填充，并把經過處理的礦石粒級結果進行粒度檢測，最后把粘連在一起的大量礦石影像進行處理和對比，實現了礦石粒度的自動檢測。

參考文獻：

[1] 龔大成，呂福在，潘曉弘，等.新型在線粒度檢測儀的設計與研究[J].儀器儀表學報.2006（6）：602-606.

[2] 張國英，邱波，劉冠洲，等.基于圖像的原礦碎石粒度檢測與分析系統[J].冶金自動化.2012（3）：63-67.

[3] 孫深深.礦石粒度圖像檢測技術的研究[D].鄭州：鄭州大學，2019.5.

[4] 羅小燕，林龍飛，蔡改貧.基于圖像處理的礦石粒度在線檢測系統[J].儀表技術與傳感器，2015（7）：63-64，80.

[5] 寧志剛，郝光鵬，程雄，等.基于圖像分析的堆浸鈾礦石顆粒參數辨識[J].北京理工大學學報，2018（3）：300-312.

[6] 蔡改貧，劉占，汪龍，等.基于形態學優化處理的標記符分水嶺礦石圖像分割[J].科學技術與工程，2020（23）：9497-9502.

[7] 商夢石.基于圖像處理的礦石粒度檢測方法研究[D].昆明：昆明理工大學，2017.5.

[8] 方挺，張亞萍.一種基于標識的礦石圖像分割方法[J].軟件導刊.2016（6）：215-217.

[9] 趙曉晴，劉景鑫，張海濤，等.色彩空間變換和基于距離變換的分水嶺算法在白細胞圖像分割中的應用[J].中國醫療設備，2019（7）：5-9.

[10] 趙夢琦.基于分水嶺算法的圖像分割算法研究[D].西安：西安郵電大學，2020.

[11] 張鴻陽，韓建峰，張妍.基于改進分水嶺算法的粘連車輛圖像分割[J].內蒙古工業大學學報（自然科學版），2019（3）：208-215.