方　呂1,李淑芬2(1.北京化工大學(xué)信息科學(xué)與技術(shù)學(xué)院,北京　100029;2.北京聯(lián)合大學(xué)自動(dòng)化學(xué)院,北京　100101)

作者簡(jiǎn)介:方呂(1983-),男,湖北黃岡人,北京化工大學(xué)在讀碩士研究生,主要從事圖像處理研究。

在橡膠工業(yè)中,炭黑是僅次于橡膠的重要原材料,它不僅能提高橡膠制品的強(qiáng)度,而且可改進(jìn)膠料的工藝性能。橡膠中炭黑分散度是指炭黑在膠料中分散的均勻程度,是衡量膠料質(zhì)量和預(yù)測(cè)成品性能的重要依據(jù)。

炭黑的識(shí)別方法可分為人工識(shí)別和自動(dòng)識(shí)別兩大類。目前,常用的人工識(shí)別方法為ASTM D2663中的A法和B法及GB/T 6030—2006中的顯微照相法等。人工識(shí)別炭黑分散度由操作人員根據(jù)實(shí)際觀察或圖像觀察,綜合炭黑分散和分布情況判斷膠料中炭黑分散情況,比較定級(jí),因此受到人為主觀因素的影響[1]。

Matlab是Mathworks公司推出的工程計(jì)算軟件,其功能強(qiáng)大,圖形顯示方便,具有豐富的圖像處理函數(shù)庫(kù),可以避免繁瑣的計(jì)算。本工作使用Matlab 7.0軟件,依據(jù)數(shù)學(xué)形態(tài)學(xué)的基本原理,分析橡膠中炭黑微粒圖像,并進(jìn)行炭黑粒子大小和數(shù)量的統(tǒng)計(jì)測(cè)量。

1　圖像處理流程

精確分割是準(zhǔn)確定量分析的基礎(chǔ),從圖像中提取目標(biāo)可以通過(guò)兩個(gè)途徑實(shí)現(xiàn):一是提取目標(biāo)邊緣,二是提取目標(biāo)區(qū)域。

圖1所示為炭黑填充橡膠的掃描電子顯微鏡(SEM)原始照片(使用韓國(guó)Seron株式會(huì)社生產(chǎn)的AIS2100型SEM測(cè)定,分辨率為3.5 nm),可以看到目標(biāo)與背景灰度值差別不大。在Matlab軟件中調(diào)用imhist(I)命令,得到其灰度直方圖(如圖2所示),可以看出,灰度值呈現(xiàn)單峰,即目標(biāo)和背景的灰度值都集中在150附近,這意味著如果直接使用閾值分割的方法提取炭黑顆粒的特征將會(huì)十分困難。同時(shí)可以看到,SEM照片背景不均勻,底紋較多,這是由于SEM照片的截面是經(jīng)過(guò)液氮脆斷后形成的。使用canny算子進(jìn)行邊緣檢測(cè)(如圖3所示)可以發(fā)現(xiàn),其偽邊緣較多,因此如果通過(guò)邊緣檢測(cè)來(lái)分割背景或區(qū)域填充,圖像處理過(guò)程也會(huì)非常復(fù)雜。

根據(jù)以上分析,要準(zhǔn)確、方便地測(cè)定出炭黑顆粒的幾何尺寸,就必須結(jié)合SEM照片的實(shí)際特點(diǎn),采用數(shù)學(xué)方法進(jìn)行圖像處理。圖像處理流程主要包括圖像預(yù)處理、數(shù)學(xué)形態(tài)學(xué)處理和圖像特征值計(jì)算。

2　圖像預(yù)處理

由于SEM在成像過(guò)程中受到入射電子本身的波動(dòng)性以及成像過(guò)程中其它因素(如球像差、像散、外界震動(dòng)、電噪聲和統(tǒng)計(jì)漲落噪聲等)的影響,因此圖像中夾雜噪聲在所難免。從原始照片的灰度直方圖上可以看到有毛刺現(xiàn)象,這在一定程度上會(huì)影響試驗(yàn)結(jié)果的精確度。一般使用平滑濾波可以抑制噪聲的影響,本研究采用維納濾波進(jìn)行去噪處理。維納濾波是一種線形平滑濾波,它是一種自適應(yīng)濾波,能根據(jù)圖像的區(qū)域方差來(lái)調(diào)整濾波器的輸出。在Matlab軟件中維納濾波對(duì)應(yīng)的命令為J=wiener 2(I,[m n]),通過(guò)m×n鄰域估算平均值和標(biāo)準(zhǔn)方差,默認(rèn)值為3×3。維納濾波后的圖像灰度直方圖如圖4所示,與圖2比較,可以看出維納濾波的效果較好。

同時(shí),對(duì)濾波后的圖像進(jìn)行均衡化處理,目的是使整幅圖的灰度范圍拉開(kāi),使得該范圍內(nèi)的像素明暗對(duì)比清晰,從而增強(qiáng)對(duì)比度,有利于圖像的分析與識(shí)別。在Matlab軟件中圖像均衡化處理對(duì)應(yīng)的命令為J=adapthisteq(I)。

3　數(shù)學(xué)形態(tài)學(xué)處理

數(shù)學(xué)形態(tài)學(xué)是一種非線性圖像處理和分析理論[2],對(duì)形狀敏感,基本思想是用具有一定形態(tài)的結(jié)構(gòu)元素去度量和提取圖像中的對(duì)應(yīng)形狀,以達(dá)到對(duì)圖像分析和識(shí)別的目的。

利用數(shù)學(xué)形態(tài)學(xué)進(jìn)行圖像分析的基本步驟如下:①提出所要描述的物體幾何結(jié)構(gòu)模式,即提取物體的幾何特征;②根據(jù)模式選擇相應(yīng)的結(jié)構(gòu)元素,結(jié)構(gòu)元素應(yīng)該簡(jiǎn)單且對(duì)模式具有最強(qiáng)的表現(xiàn)力;③用選定的結(jié)構(gòu)元素對(duì)圖像進(jìn)行擊中與否變換(HMT),得到比原始圖像更顯著的突出物體特征信息的圖像,可以方便提取信息。

數(shù)學(xué)形態(tài)學(xué)包括膨脹和腐蝕兩個(gè)重要的形態(tài)運(yùn)算,A被B膨脹表明B的映像-B被平移距離x后與A至少有一個(gè)非零公共元素,膨脹運(yùn)算是將與某物體接觸的所有背景點(diǎn)合并到該物體中的過(guò)程,是相對(duì)于目標(biāo)的操作;而腐蝕是一種消除邊界點(diǎn)使邊界向內(nèi)部收縮的過(guò)程,可以用來(lái)消除小且無(wú)意義的物體,A被B腐蝕的結(jié)果為所有使B被平移x后包含于A的點(diǎn)x的集合,是相對(duì)于背景的操作。

此外,A被B開(kāi)運(yùn)算就是A被B腐蝕后的結(jié)果再被B膨脹,能夠平滑圖像的輪廓,消弱狹窄部分,去掉細(xì)的突出;閉運(yùn)算也是平滑圖像的輪廓,它一般是融合窄的缺口和細(xì)長(zhǎng)的彎口,去掉小洞,填補(bǔ)輪廓上的縫隙,A被B閉運(yùn)算就是A被B膨脹后的結(jié)果再被B腐蝕。

膨脹、腐蝕、開(kāi)運(yùn)算和閉運(yùn)算在Matlab軟件中對(duì)應(yīng)的操作命令分別為J=imdilate(I,SE),J=imerode(I,SE),J=imopen(I,SE)和J=imclose(I,SE),其中SE為結(jié)構(gòu)元素,是Matlab對(duì)象,形態(tài)學(xué)操作過(guò)程其實(shí)就是用SE對(duì)象去探測(cè)和分析圖像的過(guò)程,Matlab圖像處理工具箱帶有不同shape的結(jié)構(gòu)元素,可以直接調(diào)用,也可以自定義NHOOD,用strel(NHOOD)命令。

對(duì)本研究圖像而言,炭黑顆粒近似圓形,因此可以直接調(diào)用disk結(jié)構(gòu)元素進(jìn)行開(kāi)運(yùn)算處理。試驗(yàn)發(fā)現(xiàn),通過(guò)數(shù)學(xué)形態(tài)學(xué)處理,可以模糊背景,有效地將炭黑顆粒與背景區(qū)分開(kāi),效果較明顯;且當(dāng)選取半徑為30時(shí),得到的圖像最優(yōu),低于25則不能有效去除背景,超過(guò)35則目標(biāo)不夠完整。數(shù)學(xué)形態(tài)學(xué)處理后的照片如圖5所示,除了一個(gè)隱藏的顆粒(見(jiàn)圖1)外,其它均能完整地與背景分離。圖6所示為數(shù)學(xué)形態(tài)學(xué)處理后的灰度直方圖。

將炭黑與背景分離后,使用閾值法進(jìn)行圖像分割,在Matlab中使用命令J=im2bw(I,level)即可實(shí)現(xiàn)基于閾值level的圖像二值化處理。其中,閾值的選取是關(guān)鍵,決定著圖像分割的精確程度。對(duì)有明顯雙峰(目標(biāo)和背景)的圖像而言,選擇峰谷作為閾值,在灰度直方圖上可以看出峰谷在灰度值53左右,因此level=53/255=0.208。如果有目標(biāo)對(duì)象在圖像邊界處或者不完整,則生成的二值化圖像是非連通的,可以在二值化步驟之前使用平滑濾波器J=filter 2[fspecial(‘a(chǎn)ver-age’,7),I]/255進(jìn)行濾波,二值化后的圖像如圖7所示。

4　圖像的特征值計(jì)算

圖像經(jīng)過(guò)二值化處理后,為了便于統(tǒng)計(jì)分析每個(gè)對(duì)象的特征值,首先使用形態(tài)學(xué)命令[L,num]=bwlabel(I,8)對(duì)每個(gè)連通對(duì)象進(jìn)行標(biāo)注,num返回連通對(duì)象的個(gè)數(shù),然后使用stats=re-gionprops(L,properties)命令提取,L是標(biāo)注的對(duì)象,properties是測(cè)度參數(shù),可以為Area,equivdi-ameter和majoraxislength等。Regionprops命令返回的是選定區(qū)域的像素個(gè)數(shù),利用SEM照片上的放大比例標(biāo)尺可以算出微粒的實(shí)際尺寸。本研究圖像中共有11個(gè)顆粒,可以得到面積和當(dāng)量直徑大小分布曲線,分別如圖8和9所示。根據(jù)炭黑分散度的評(píng)價(jià)體系,就可以判斷出該膠料中炭黑顆粒的均勻度。

5　結(jié)語(yǔ)

基于Matlab 7.0軟件,利用數(shù)學(xué)形態(tài)學(xué)的圖像處理方法,將炭黑粒子與背景分離,實(shí)現(xiàn)了炭黑微粒的尺寸測(cè)定,得出炭黑粒子面積和當(dāng)量直徑大小分布曲線,彌補(bǔ)了人工識(shí)別方法的不足,為進(jìn)一步評(píng)價(jià)炭黑粒子分散度提供了依據(jù)。該方法也適用于其它材料的微觀結(jié)構(gòu)分析。數(shù)學(xué)形態(tài)學(xué)相對(duì)于邊緣檢測(cè)和區(qū)域填充的空間局限性具有較大的優(yōu)越性。

參考文獻(xiàn):

[1]謝振合,張　海.混煉膠炭黑分散度自動(dòng)識(shí)別的特征指標(biāo)體系及圖像處理方法[J].橡膠工業(yè),2006,53(2):99-103.

[2]王家文,李仰軍.Matlab 7.0圖形圖像處理[M].北京:國(guó)防工業(yè)出版社,2006.