(廣州航海高等專科學(xué)校,廣州 510725)

據(jù)統(tǒng)計(jì)，在眾多海難事故中，船舶主動(dòng)力裝置機(jī)械故障位居第一，約占事故總數(shù)的22%，在船舶機(jī)械故障中，船舶柴油機(jī)發(fā)生故障概率最大，約占45%[1]?？梢?，船舶主動(dòng)力裝置，尤其是船舶柴油機(jī)的運(yùn)行狀況直接影響到船舶的運(yùn)行安全。而船舶柴油機(jī)潤滑油中磨損顆粒監(jiān)測是實(shí)現(xiàn)柴油機(jī)故障診斷的重要方法，開展磨損顆粒圖像識別是判定柴油機(jī)磨損性故障的發(fā)生、發(fā)展及機(jī)理判定的有效途徑。因此，借助計(jì)算機(jī)編程對圖像信息進(jìn)行的處理，要把一幅模擬圖像通過采樣與量化轉(zhuǎn)化為數(shù)字圖像，實(shí)現(xiàn)圖像多信息提取，從而實(shí)現(xiàn)柴油機(jī)磨損顆粒圖像的信息化智能識別。

1 數(shù)字圖像的數(shù)學(xué)模型與表達(dá)

對柴油機(jī)油液中分離出來的磨損顆粒通過顯微鏡拍出的圖像都是連續(xù)的模擬圖像，包含圖像的形狀和色彩信息。色度學(xué)理論認(rèn)為，任何圖像的顏色都可以由紅色(red)，綠色(green)，藍(lán)色(blue)按不同比例混合得到，因此紅、綠、藍(lán)被稱為三原色[2]。一幅圖像的每個(gè)像素點(diǎn)顏色都可以用基于位置坐標(biāo)的三維函數(shù)來表示，即：

f(x,y,z)={fR(x,y,z),fG(x,y,z),fB(x,y,z)}

(1)

式中：f(x,y,z)——圖像像素點(diǎn)的顏色；

fR(x,y,z)、fG(x,y,z)、fB(x,y,z)——該像素點(diǎn)的紅、綠、藍(lán)三種顏色的分量值。

油液柴油機(jī)磨損顆粒圖像是平面圖像，因此式(1)應(yīng)該調(diào)整為

f(x,y)={fR(x,y),fG(x,y),fB(x,y)}

(2)

在數(shù)字圖像處理中，常用矩陣與向量的方式表達(dá)圖像。一幅離散化成m×n樣本的數(shù)字圖像是一個(gè)整數(shù)數(shù)組，數(shù)學(xué)上自然就把它描述成一個(gè)矩陣F，即

F=f(x,y)=

(3)

2 數(shù)字圖像處理算法

2.1 圖像灰度化

柴油機(jī)磨損顆粒圖像包含豐富的柴油機(jī)故障機(jī)理信息，這些信息只有通過一系列算法才能量化，圖像的灰度轉(zhuǎn)換是第一步。在RGB模型中，如果fR=fG=fB，則顏色表示一種灰度顏色，其中fR=fG=fB的值叫做灰度值。圖像灰度化方法有多種，由于人眼對紅、綠、藍(lán)三色的敏感度不同，加權(quán)平均法進(jìn)行灰度，根據(jù)重要性及其它指標(biāo)，將三個(gè)分量以不同的權(quán)值進(jìn)行加權(quán)平均，其使用公式見式(4)。

f(x,y)=0.3fR(x,y)+0.59fG(x,y)+0.11fB(x,y)

(4)

2.2 圖像二值化

二值圖像是指整幅圖像畫面內(nèi)僅黑、白二值的圖像 。將256個(gè)亮度等級的灰度圖像通過適當(dāng)?shù)拈撝颠x取而獲得仍然可以反映圖像整體和局部特征的二值化圖像。二值圖像在數(shù)字圖像處理中占有非常重要的地位，因?yàn)閳D像經(jīng)二值化后數(shù)據(jù)量減小，圖像變得簡單，感興趣的目標(biāo)輪廓更加突出，有利于圖像的進(jìn)一步處理。圖像二值化的算法[3]：掃描圖像所有像素，對于灰度值大于或等于閾值的像素點(diǎn)將其灰度值設(shè)置為255，表示該像素屬于特定物體。否則該像素點(diǎn)被排除在物體區(qū)域以外，將灰度值設(shè)置為0，表示背景點(diǎn)或者非目標(biāo)點(diǎn)。二值化公式為

(5)

式中:θ——指定閾值。

2.3 形態(tài)學(xué)處理

二值化處理后的磨損顆粒圖像還存在著細(xì)微的噪聲，表現(xiàn)出孤立的小碎點(diǎn)、空洞以及邊界存在斷點(diǎn)的現(xiàn)象。為了消除這些缺陷，需要采樣數(shù)學(xué)形態(tài)學(xué)方法[4]。最基本的形態(tài)學(xué)處理算法包括：膨脹、腐蝕、開運(yùn)算和閉運(yùn)算，在圖像形態(tài)學(xué)處理中，常將這些算法組合起來使用。

2.3.1 膨脹

A被B膨脹，記為A?B，定義為

(6)

式中：B——結(jié)構(gòu)元素。

式(6)表明A被B膨脹是所有結(jié)構(gòu)元素原點(diǎn)位置的組合的集合，其中映射并平移后的B至少與A有某些部分重疊。

2.3.2 腐蝕

腐蝕的數(shù)學(xué)定義與膨脹類似，A被B腐蝕記為AΘB，定義為

AΘB={z|(B)Z∩AC=?}

(7)

膨脹和腐蝕是一對對偶運(yùn)算，將其組合便形成圖像的開運(yùn)算和閉運(yùn)算，表述如下。

開運(yùn)算：A·B=(AΘB)?B

閉運(yùn)算：A·B=(A?B)ΘB

膨脹的主要效果是使目標(biāo)邊界向外部擴(kuò)張，將和目標(biāo)區(qū)域接觸的背景點(diǎn)在一定程度上與目標(biāo)物相合并，填補(bǔ)了目標(biāo)區(qū)域的某些空洞，消除包含在目標(biāo)區(qū)域內(nèi)的微小噪聲。腐蝕的主要作用是使邊界向內(nèi)收縮，可以消除無意義的目標(biāo)點(diǎn)，使目標(biāo)物體細(xì)化。開運(yùn)算去除生成區(qū)域內(nèi)的噪聲，閉運(yùn)算可以連接狹小的缺口，并填充比結(jié)構(gòu)元素小的孔洞，以此來實(shí)現(xiàn)圖像的平滑。

2.4 圖像邊緣提取

為了獲得磨損顆粒圖像的外部輪廓特征，采用“8領(lǐng)域法”掏空磨粒內(nèi)部點(diǎn)，見圖1，A點(diǎn)為一黑色點(diǎn)，且它的8個(gè)相鄰點(diǎn)都是黑色點(diǎn)，此時(shí)該點(diǎn)就為輪廓的內(nèi)部點(diǎn)，將A點(diǎn)刪除，剩下的就是圖像的輪廓。輪廓提取完之后，接下來就要讓計(jì)算機(jī)記錄下來該圖像邊界的像素坐標(biāo)，這就要用到輪廓跟蹤算法。

圖1 輪廓提取算

輪廓跟蹤的基本算法[5]：按照從左到右，從下到上的順序搜索圖像，找到第一個(gè)黑點(diǎn)一定是最左下方的邊界點(diǎn)，記為A。它的右、右上、上、左上4個(gè)領(lǐng)點(diǎn)中至少有一個(gè)是邊界點(diǎn)，記為B。從B開始找起，按右、右上、上、左上、左、左下、下、右下的順序找相鄰點(diǎn)中的邊界點(diǎn)C。如果判斷C就是A點(diǎn)，則表明已經(jīng)轉(zhuǎn)了一圈，程序結(jié)束；否則從C繼續(xù)找，直到找到A為止。圖像邊界提取全過程見圖2，由圖2a)到圖2b)是掏空圖像內(nèi)部點(diǎn)過程；從圖2b)到圖2c)是邊界輪廓的記錄和提取過程。

圖2 邊界提取全過程

2.5 種子填充

種子填充算法的基本算法是邊界填充算法[5]。首先在區(qū)域內(nèi)測試一點(diǎn)(x,y)的像素值，看是否具有原始給定的值，也就是決定該點(diǎn)是否在區(qū)域內(nèi)未被填充過并且該點(diǎn)不是邊界點(diǎn)。如果是，則改變其顏色或者亮度值，然后在其4個(gè)領(lǐng)域方向上擴(kuò)展，繼續(xù)測試，通過反復(fù)調(diào)用，實(shí)現(xiàn)4連通式的區(qū)域填充。 種子填充算法過程比較簡單，但卻是深度遞歸的。種子填充的效果圖見圖3。

圖3 種子填充算法效果圖

3 磨損顆粒圖像處理算法實(shí)例

以采集船舶柴油機(jī)潤滑油分析獲取的典型層狀磨損顆粒為例，見圖4a)，先進(jìn)行灰度化，去除圖像的彩色信息，見圖4b)；其次進(jìn)行二值化，見圖4c)，灰度化后的磨粒圖像經(jīng)過二值化之后，磨粒與背景基本分離，但出現(xiàn)了內(nèi)部孔洞和邊界不連續(xù)特征。再通過圖像形態(tài)學(xué)運(yùn)算中的膨脹運(yùn)算，使圖像內(nèi)部孔洞和邊界不連接現(xiàn)象得以修復(fù)，但圖像的面積出現(xiàn)變大，見圖4d)。變大的圖像經(jīng)過腐蝕處理后，圖像可以縮小細(xì)化，得到圖4e)。再對圖中的所有區(qū)域進(jìn)行輪廓提取，見圖4f)，可以看出整幅磨粒圖像的邊框，內(nèi)部干擾點(diǎn)輪廓和磨粒輪廓三部分。以磨粒區(qū)域內(nèi)部為種子點(diǎn)，進(jìn)行種子填充，見圖4g)，可以提取磨粒輪廓的整個(gè)區(qū)域，排除了圖中其它干擾點(diǎn)，從而選取了磨粒圖像中有用的信息。

通過上述圖像處理算法的組合，實(shí)現(xiàn)了磨粒與背景相分離，排除圖像干擾，提取有用信息。

4 結(jié)論

船舶柴油機(jī)磨損顆粒包含豐富的柴油機(jī)零部件磨損狀態(tài)及故障信息，通過對磨損顆粒圖像進(jìn)行灰度化，大小調(diào)整，二值化，形態(tài)學(xué)處理，輪廓提取，種子填充和鏈碼提取等處理，很好地將完整的磨損顆粒從磨粒圖像中分離出來，得到有用的磨粒圖像信息，為磨損顆粒的參數(shù)化計(jì)算和特征提取做好準(zhǔn)備。

圖4 磨損顆粒圖像處理過程

[1] 王家宏,李 俊.船舶柴油機(jī)監(jiān)測與故障診斷方法綜述[J].中國水運(yùn),2008,8(2):222-223.

[2] 周長發(fā).精通Visual C++圖像處理編程[M].北京:電子工業(yè)出版社,2006.

[3] 謝鳳英,趙丹培.Visual C++數(shù)字圖像處理[M].北京:電子工業(yè)出版社,2008.

[4] GONZALES R C,WOODS R E．?dāng)?shù)字圖像處理[M].2版.朱志剛，譯.北京:電子工業(yè)出版社,2001.

[5] 張宏林.精通Visual C++數(shù)字圖像處理典型算法及實(shí)現(xiàn)[M].2版.北京:人民郵電出版，2008.