王 磊，宋 彬，張 磊，黃傳輝

(徐州工程學(xué)院機(jī)電工程學(xué)院，徐州 221018)

0 引言

鐵譜分析技術(shù)在監(jiān)測(cè)機(jī)械設(shè)備運(yùn)行狀態(tài)、診斷磨損故障及設(shè)備潤(rùn)滑管理等方面都發(fā)揮著重要的作用[1]。人工對(duì)油樣進(jìn)行分析，工作量繁重且受分析人員的經(jīng)驗(yàn)影響較大。隨著圖像處理與機(jī)器視覺(jué)技術(shù)的發(fā)展，利用機(jī)器視覺(jué)技術(shù)對(duì)整幅磨粒圖像進(jìn)行快速、精準(zhǔn)的定量分析，已成為當(dāng)前鐵譜技術(shù)發(fā)展的重要方向。近年來(lái)，國(guó)內(nèi)外研究人員在鐵譜圖像的特征提取與定量分析方面做了大量研究：李林寧等[2]利用光度計(jì)在LabVIEW平臺(tái)上開(kāi)發(fā)了針對(duì)譜片中磨粒覆蓋率的定量分析系統(tǒng)；濮亞男等[3]提出了K-means聚類(lèi)與分水嶺相結(jié)合的算法改善了不均勻背景下磨粒提取不完整的問(wèn)題；邱麗娟[4]在Lab彩色空間下利用聚類(lèi)與最大類(lèi)間方差法實(shí)現(xiàn)了小尺寸磨粒的有效分割。與此同時(shí)，磨粒的分類(lèi)識(shí)別技術(shù)也得到長(zhǎng)足的發(fā)展，支持向量機(jī)、極限學(xué)習(xí)機(jī)、主成分分析及卷積神經(jīng)網(wǎng)絡(luò)等技術(shù)被廣泛應(yīng)用在了鐵譜磨粒的分類(lèi)識(shí)別中。磨粒圖像的分割效果對(duì)特征參數(shù)的提取至關(guān)重要，而特征參數(shù)作為分類(lèi)識(shí)別的數(shù)據(jù)基礎(chǔ)對(duì)系統(tǒng)的復(fù)雜度、效率和識(shí)別的準(zhǔn)確率方面都有著很大的影響，因此有必要對(duì)磨粒的特征進(jìn)行定量分析。

本文使用IMAQ Vision機(jī)器視覺(jué)工具包在LabVIEW平臺(tái)上開(kāi)發(fā)了針對(duì)磨粒特征的定量分析系統(tǒng)，在局部閾值分割法的基礎(chǔ)上對(duì)圖像背景進(jìn)行糾正，并應(yīng)用數(shù)學(xué)形態(tài)學(xué)算法完成了黏連磨粒的分離和孔洞填充，實(shí)現(xiàn)了多種幾何特征參數(shù)的定量分析。該系統(tǒng)開(kāi)發(fā)周期短，可擴(kuò)展性好，能夠?qū)δチｎ?lèi)型的識(shí)別及摩擦機(jī)理的研究提供數(shù)據(jù)支持，同時(shí)也提高了分析效率和數(shù)據(jù)的準(zhǔn)確性。

1 圖像處理

1.1 閾值分割

在對(duì)鐵譜圖像進(jìn)行定量分析之前需要將磨粒對(duì)象從背景中有效地提取出來(lái)，其中較常用的為圖像閾值分割法。閾值分割法一般分為全局閾值分割法和局部閾值分割法兩類(lèi)。全局閾值分割依據(jù)整幅圖像的灰度分布情況，通過(guò)手動(dòng)或自動(dòng)的方式設(shè)定一個(gè)固定的閾值T，從而將圖像分為目標(biāo)和背景兩個(gè)不交疊的區(qū)域。手動(dòng)閾值通常選取圖像灰度直方圖包絡(luò)的極小值點(diǎn)即谷底位置，因此該種算法適合目標(biāo)與背景的對(duì)比度較大，灰度直方圖有明顯的雙峰特性的情況。圖1為采用KTP-Ш型旋轉(zhuǎn)鐵譜儀制備的試樣圖像，其灰度直方圖如圖2所示。

圖1 鐵譜圖像 圖2 灰度直方圖

該直方圖顯示出圖1的灰度值在110以?xún)?nèi)，區(qū)間密集，整體偏暗，且沒(méi)有顯著的雙峰特性，峰谷難以區(qū)分。當(dāng)選取閾值38時(shí)，分割后的圖像如圖3a所示，圖像右側(cè)分割較好，但左側(cè)磨粒被誤分為背景；當(dāng)閾值提升至50時(shí)，左側(cè)磨粒得以顯現(xiàn)，但右側(cè)出現(xiàn)了磨粒間黏連，右下方的背景被誤分為磨粒如圖3b所示。為了克服人工閾值選取的主觀性，圖3c～圖3e分別顯示了采用聚類(lèi)法、最大類(lèi)間方差法以及最大熵法[5]對(duì)圖1進(jìn)行自動(dòng)閾值分割。由于圖1鐵譜圖像拍攝時(shí)光照不均勻，左側(cè)光照強(qiáng)，右下方光照弱，磨粒和背景并未分布在兩個(gè)灰度范圍內(nèi)，導(dǎo)致采用自動(dòng)閾值法進(jìn)行分割時(shí)都出現(xiàn)了背景誤分為磨?，F(xiàn)象，難以將磨粒與背景、磨粒與磨粒有效分割[6]。

(a) 閾值為38 (b) 閾值為50 (c) 聚類(lèi)法

(d) 最大類(lèi)間方差 (e) 最大熵 (f) 局部閾值分割

針對(duì)上述問(wèn)題，設(shè)計(jì)中將局部閾值分割法與背景糾正法相結(jié)合，較好地解決了非均勻光照的影響，分割效果較好，如圖3f所示。首先計(jì)算像素點(diǎn)鄰域內(nèi)的平均灰度值，對(duì)于一幅大小為M×N的圖像f(x,y)，任一像素點(diǎn)(x,y)所在w×w鄰域內(nèi)的平均灰度g(x,y)定義為：

(1)

式中，0

OTSU算法將鐵譜圖像按照某灰度閾值k分成背景A和目標(biāo)B兩類(lèi)，兩類(lèi)間的方差越大，說(shuō)明目標(biāo)和背景的區(qū)分度越大，一般認(rèn)為此時(shí)背景和目標(biāo)的錯(cuò)分概率最小[7]，能夠使兩類(lèi)間方差取得最大值的灰度即為理想的閾值。設(shè)ω(k)為A部分灰度級(jí)0～k的概率分布；μT、μ0和μ1分別為整體及A、B兩個(gè)類(lèi)的平均灰度[8]。由概率統(tǒng)計(jì)理論，鐵譜圖像A、B兩部分的類(lèi)間方差為：

ω(k)[1-ω(k)](μ1-μ0)2

(2)

1.2 形態(tài)學(xué)處理

由于磨粒與油液背景存在灰度交疊以及磨粒表面灰度不均勻，在圖像二值分割后磨粒圖像的結(jié)構(gòu)可能被破壞，出現(xiàn)一些不規(guī)則的孔洞或引起顆粒間黏連。圖像的數(shù)學(xué)形態(tài)學(xué)處理利用特定結(jié)構(gòu)元素與二值圖像進(jìn)行形態(tài)學(xué)運(yùn)算，以度量和提取圖像中相應(yīng)的形狀，達(dá)到圖像分析識(shí)別的目的，該方法近年來(lái)在圖像的分析和處理中發(fā)揮出越來(lái)越重要的作用[9]。其中基本的腐蝕運(yùn)算能夠斷開(kāi)類(lèi)似圖4a中1和2磨粒間的少量黏連，降低磨粒統(tǒng)計(jì)中的誤差。

設(shè)A為要腐蝕的二值化圖像，B為結(jié)構(gòu)元素，都為歐氏空間Z2中的集合，則A用B來(lái)腐蝕寫(xiě)作A?B，定義為:

A?B={t|(B)t?A}

(3)

B對(duì)A進(jìn)行腐蝕后的結(jié)果為當(dāng)結(jié)構(gòu)元素B平移t后依然包含在A中的所有B的原點(diǎn)位置集合[9]。圖4b顯示了使用尺寸為3×3的結(jié)構(gòu)元素對(duì)圖4a進(jìn)行2次形態(tài)學(xué)腐蝕后的圖像，可發(fā)現(xiàn)磨粒1和磨粒2間的狹小連接部分被成功切斷。NI Vision提供了2個(gè)常用的執(zhí)行腐蝕運(yùn)算的函數(shù)，IMAQ-Seperation函數(shù)與IMAQ-Morphology函數(shù)，其中前者可對(duì)腐蝕后的圖像進(jìn)行重構(gòu)恢復(fù)至原有形狀和尺寸，但黏連點(diǎn)將被消除。磨粒因分割或腐蝕而產(chǎn)生的內(nèi)部孔洞，在設(shè)計(jì)中使用了IMAQ-FillHole函數(shù)對(duì)其進(jìn)行填充，圖4c顯示出原圖以及因IMAQ-Seperation函數(shù)腐蝕后所產(chǎn)生的孔洞都均被填充，鐵譜磨粒形貌完整。

(a) 原圖 (b) 2次腐蝕后 (c) 填充后圖4 形態(tài)學(xué)處理效果圖

2 定量分析

2.1 鐵譜圖像標(biāo)定

長(zhǎng)度和面積等幾何特征對(duì)磨粒的定量分析過(guò)程至關(guān)重要，但數(shù)字圖像處理算法的底層都是針對(duì)像素點(diǎn)進(jìn)行的，所得到的圖像幾何測(cè)量結(jié)果也都是以像素來(lái)衡量的。為了獲取測(cè)量結(jié)果的實(shí)際物理大小，系統(tǒng)需要通過(guò)“圖像標(biāo)定”的操作得到像素真實(shí)的物理長(zhǎng)度從而建立起像素值和物理值的換算關(guān)系。一般鐵譜顯微圖像中標(biāo)尺的實(shí)際長(zhǎng)度能夠獲知，通過(guò)標(biāo)尺水平方向所覆蓋的像素?cái)?shù)可求出實(shí)際長(zhǎng)度和像素值的換算關(guān)系。分析系統(tǒng)的軟件界面如圖5所示，首先利用圖像右側(cè)矩形工具以標(biāo)尺的端點(diǎn)為矩形的左右邊界繪制感興趣區(qū)域(ROI)，然后通過(guò)IMAQ-Convert Rectangle to ROI函數(shù)獲取該區(qū)域的坐標(biāo)參數(shù)，矩形左右邊緣的水平坐標(biāo)差即為標(biāo)尺的像素長(zhǎng)度，從而得到真實(shí)物理長(zhǎng)度和像素長(zhǎng)度比值(μm/pixel)，最后點(diǎn)擊系統(tǒng)中的“校準(zhǔn)”按鈕完成該幅圖片的標(biāo)定。實(shí)驗(yàn)中由FX-4顯微鏡在500倍率視場(chǎng)下圖1鐵譜圖像的標(biāo)尺為50 μm，軟件測(cè)得其對(duì)應(yīng)1126個(gè)像素點(diǎn)，因此標(biāo)定結(jié)果約為0.044 4 μm/pixel。

圖5 系統(tǒng)界面

2.2 磨粒幾何特征測(cè)量

磨粒的幾何特征是判斷系統(tǒng)磨損程度及磨損類(lèi)型的重要依據(jù)，不同類(lèi)型的磨粒其特征描述子有超過(guò)200個(gè)參數(shù)。當(dāng)中一些參數(shù)可能存在信息的冗余，從而降低計(jì)算機(jī)的圖像分析效率，以及后續(xù)磨粒特征描述和識(shí)別的準(zhǔn)確度[6]。本文優(yōu)化精簡(jiǎn)為面積、最大直徑、當(dāng)量直徑、圓度、延長(zhǎng)因子、長(zhǎng)短軸比等特征參數(shù)對(duì)磨粒幾何形貌進(jìn)行定量分析，以提高磨損顆粒識(shí)別過(guò)程的準(zhǔn)確性和效率。

正常磨粒的尺寸比嚴(yán)重滑動(dòng)磨粒和疲勞磨粒小得多，利用周長(zhǎng)、直徑和面積等特征參數(shù)容易區(qū)分。由于大部分磨粒形態(tài)不規(guī)則，本文采用費(fèi)雷特(Feret)直徑(磨粒輪廓線上最遠(yuǎn)兩點(diǎn)間距離)和Waddell圓盤(pán)直徑(等效面積圓直徑)表征磨粒的尺寸的大小。Waddell圓盤(pán)直徑也是最新修訂后的《液壓傳動(dòng) 油液固體顆粒污染等級(jí)代號(hào)(ISO 4406:1999，MOD)》標(biāo)準(zhǔn)所采納的參數(shù)[10]，是在磨粒面積不變的前提下，將磨粒簡(jiǎn)化為圓形后所對(duì)應(yīng)的當(dāng)量直徑(Deq)，公式為：

(4)

式中，Ai為單個(gè)磨粒的投影面積，在圖像處理過(guò)程中為形態(tài)學(xué)填充后的一組相互連通的像素集合。如將磨粒圖像視為二維隨機(jī)變量[11]，并用灰度分布f(i,j)作為二維概率密度函數(shù)，對(duì)于大小為m×n的磨粒圖像的(p×q)階原點(diǎn)矩和中心矩分別為：

(5)

(6)

如果將磨粒視為多質(zhì)點(diǎn)系統(tǒng)的平面剛體，將m00看作灰度質(zhì)量，則(xc,yc)視為圖像的質(zhì)心，可由下式計(jì)算得出：

(7)

由式(8)可求出磨損顆粒的橢圓長(zhǎng)軸a和短軸b的值[12]，等效橢圓軸比可用RA=a/b表示，其值越大表明磨粒形狀越細(xì)長(zhǎng)，接近1說(shuō)明顆粒圓度越高。由于切削磨損顆粒形態(tài)多呈螺旋狀、月牙狀,因此該參數(shù)可對(duì)球形磨粒和切削磨粒進(jìn)行簡(jiǎn)單區(qū)分。

(8)

在圖像二值化后零階原點(diǎn)矩m00表示磨粒圖像的面積Ai，即磨粒中所有像素值為1的像素點(diǎn)之和。

(9)

設(shè)鐵譜圖像面積為AT，磨粒個(gè)數(shù)為r時(shí)，磨粒覆蓋率Aα可由下式求得：

(10)

應(yīng)用該方法計(jì)算了圖6中三幅鐵譜圖像[2]的磨粒覆蓋率，如表1所示。以圖6a為例，系統(tǒng)共檢測(cè)出磨粒50個(gè)，磨粒總面積為39 556像素，而圖像區(qū)域面積(長(zhǎng)×寬)為286 884像素，求得磨粒覆蓋率為13.79%，該值與文獻(xiàn)[2]采用光密度檢測(cè)法測(cè)定的結(jié)果是較吻合的，同時(shí)節(jié)省了光電傳感器、數(shù)據(jù)采集卡等設(shè)備。

(a) 磨損運(yùn)行2 h (b) 磨損運(yùn)行5 h (c) 磨損運(yùn)行8 h

表1 磨粒面積覆蓋率對(duì)比表

費(fèi)雷特(Feret)直徑作為描述磨粒特征的重要參數(shù)有時(shí)也稱(chēng)為粒度，是顆粒輪廓上兩點(diǎn)的最大歐式距離。圖1的Feret直徑測(cè)量結(jié)果如圖7a所示，該圖顯示了經(jīng)過(guò)濾波與條件篩選后磨粒Feret直徑標(biāo)注圖，共顯示了93個(gè)磨粒；圖7b為根據(jù)測(cè)量結(jié)果生成的Feret直徑分布圖，顯示該譜片中磨粒粒度主要集中在10 μm以?xún)?nèi)，大磨粒較少。

(a) 顆粒識(shí)別圖 (b) Feret直徑分布圖圖7 Feret直徑測(cè)量結(jié)果圖

Heywood圓度因子等于磨粒周長(zhǎng)除以相同面積的等效圓周長(zhǎng)，當(dāng)磨粒的形狀越接近圓形，Heywood圓度系數(shù)就越接近1。

(11)

表2中列出了系統(tǒng)對(duì)圖1分析后截取的部分磨粒特征參數(shù)以及使用商業(yè)DT2000圖像分析軟件的測(cè)量結(jié)果(分割閾值取77)。從表中可見(jiàn)兩者測(cè)得的磨粒直徑與面積基本一致，且前者的Feret直徑與ACImage軟件手動(dòng)測(cè)量值(1.67 μm,5.45 μm,17.09 μm)更為接近，Heywood圓度因子與DT2000軟件測(cè)量的圓度所反映的與1(正圓)的偏離程度基本一致。本系統(tǒng)的測(cè)量數(shù)據(jù)能夠較好地反映磨粒的幾何特征及磨損程度，同時(shí)也為后續(xù)的磨粒類(lèi)型的自動(dòng)識(shí)別建立了數(shù)據(jù)基礎(chǔ)。

表2 目標(biāo)區(qū)域磨粒幾何特征參數(shù)

3 結(jié)論

(1)通過(guò)先對(duì)鐵譜圖像進(jìn)行背景糾正，然后再利用最大類(lèi)間方差法進(jìn)行局部閾值分割的方法，實(shí)現(xiàn)了在不均勻光照條件下磨粒圖像的較好分割。

(2)將數(shù)學(xué)形態(tài)學(xué)算法應(yīng)用于磨粒間的黏連分離、小磨粒剔除、磨粒內(nèi)部填充等操作，確保單個(gè)磨粒的正確提取以及特征參數(shù)計(jì)算的準(zhǔn)確性。

(3)在NI-LabVIEW平臺(tái)上應(yīng)用IMAQ Vision機(jī)器視覺(jué)工具包開(kāi)發(fā)了磨粒特征定量分析系統(tǒng)，實(shí)驗(yàn)表明該系統(tǒng)可定量輸出磨粒面積、最大直徑、圓度等特征參數(shù)，通用性好，開(kāi)發(fā)周期短，能夠提高相關(guān)人員的分析效率并為磨粒的自動(dòng)識(shí)別提供可靠的數(shù)據(jù)基礎(chǔ)。