方 吕1,李淑芬2(1.北京化工大学信息科学与技术学院,北京 100029;2.北京联合大学自动化学院,北京 100101)
作者简介:方吕(1983-),男,湖北黄冈人,北京化工大学在读硕士研究生,主要从事图像处理研究。
在橡胶工业中,炭黑是仅次于橡胶的重要原材料,它不仅能提高橡胶制品的强度,而且可改进胶料的工艺性能。橡胶中炭黑分散度是指炭黑在胶料中分散的均匀程度,是衡量胶料质量和预测成品性能的重要依据。
炭黑的识别方法可分为人工识别和自动识别两大类。目前,常用的人工识别方法为ASTM D2663中的A法和B法及GB/T 6030—2006中的显微照相法等。人工识别炭黑分散度由操作人员根据实际观察或图像观察,综合炭黑分散和分布情况判断胶料中炭黑分散情况,比较定级,因此受到人为主观因素的影响[1]。
Matlab是Mathworks公司推出的工程计算软件,其功能强大,图形显示方便,具有丰富的图像处理函数库,可以避免繁琐的计算。本工作使用Matlab 7.0软件,依据数学形态学的基本原理,分析橡胶中炭黑微粒图像,并进行炭黑粒子大小和数量的统计测量。
1 图像处理流程
精确分割是准确定量分析的基础,从图像中提取目标可以通过两个途径实现:一是提取目标边缘,二是提取目标区域。
图1所示为炭黑填充橡胶的扫描电子显微镜(SEM)原始照片(使用韩国Seron株式会社生产的AIS2100型SEM测定,分辨率为3.5 nm),可以看到目标与背景灰度值差别不大。在Matlab软件中调用imhist(I)命令,得到其灰度直方图(如图2所示),可以看出,灰度值呈现单峰,即目标和背景的灰度值都集中在150附近,这意味着如果直接使用阈值分割的方法提取炭黑颗粒的特征将会十分困难。同时可以看到,SEM照片背景不均匀,底纹较多,这是由于SEM照片的截面是经过液氮脆断后形成的。使用canny算子进行边缘检测(如图3所示)可以发现,其伪边缘较多,因此如果通过边缘检测来分割背景或区域填充,图像处理过程也会非常复杂。
根据以上分析,要准确、方便地测定出炭黑颗粒的几何尺寸,就必须结合SEM照片的实际特点,采用数学方法进行图像处理。图像处理流程主要包括图像预处理、数学形态学处理和图像特征值计算。
2 图像预处理
由于SEM在成像过程中受到入射电子本身的波动性以及成像过程中其它因素(如球像差、像散、外界震动、电噪声和统计涨落噪声等)的影响,因此图像中夹杂噪声在所难免。从原始照片的灰度直方图上可以看到有毛刺现象,这在一定程度上会影响试验结果的精确度。一般使用平滑滤波可以抑制噪声的影响,本研究采用维纳滤波进行去噪处理。维纳滤波是一种线形平滑滤波,它是一种自适应滤波,能根据图像的区域方差来调整滤波器的输出。在Matlab软件中维纳滤波对应的命令为J=wiener 2(I,[m n]),通过m×n邻域估算平均值和标准方差,默认值为3×3。维纳滤波后的图像灰度直方图如图4所示,与图2比较,可以看出维纳滤波的效果较好。
同时,对滤波后的图像进行均衡化处理,目的是使整幅图的灰度范围拉开,使得该范围内的像素明暗对比清晰,从而增强对比度,有利于图像的分析与识别。在Matlab软件中图像均衡化处理对应的命令为J=adapthisteq(I)。
3 数学形态学处理
数学形态学是一种非线性图像处理和分析理论[2],对形状敏感,基本思想是用具有一定形态的结构元素去度量和提取图像中的对应形状,以达到对图像分析和识别的目的。
利用数学形态学进行图像分析的基本步骤如下:①提出所要描述的物体几何结构模式,即提取物体的几何特征;②根据模式选择相应的结构元素,结构元素应该简单且对模式具有最强的表现力;③用选定的结构元素对图像进行击中与否变换(HMT),得到比原始图像更显著的突出物体特征信息的图像,可以方便提取信息。
数学形态学包括膨胀和腐蚀两个重要的形态运算,A被B膨胀表明B的映像-B被平移距离x后与A至少有一个非零公共元素,膨胀运算是将与某物体接触的所有背景点合并到该物体中的过程,是相对于目标的操作;而腐蚀是一种消除边界点使边界向内部收缩的过程,可以用来消除小且无意义的物体,A被B腐蚀的结果为所有使B被平移x后包含于A的点x的集合,是相对于背景的操作。
此外,A被B开运算就是A被B腐蚀后的结果再被B膨胀,能够平滑图像的轮廓,消弱狭窄部分,去掉细的突出;闭运算也是平滑图像的轮廓,它一般是融合窄的缺口和细长的弯口,去掉小洞,填补轮廓上的缝隙,A被B闭运算就是A被B膨胀后的结果再被B腐蚀。
膨胀、腐蚀、开运算和闭运算在Matlab软件中对应的操作命令分别为J=imdilate(I,SE),J=imerode(I,SE),J=imopen(I,SE)和J=imclose(I,SE),其中SE为结构元素,是Matlab对象,形态学操作过程其实就是用SE对象去探测和分析图像的过程,Matlab图像处理工具箱带有不同shape的结构元素,可以直接调用,也可以自定义NHOOD,用strel(NHOOD)命令。
对本研究图像而言,炭黑颗粒近似圆形,因此可以直接调用disk结构元素进行开运算处理。试验发现,通过数学形态学处理,可以模糊背景,有效地将炭黑颗粒与背景区分开,效果较明显;且当选取半径为30时,得到的图像最优,低于25则不能有效去除背景,超过35则目标不够完整。数学形态学处理后的照片如图5所示,除了一个隐藏的颗粒(见图1)外,其它均能完整地与背景分离。图6所示为数学形态学处理后的灰度直方图。
将炭黑与背景分离后,使用阈值法进行图像分割,在Matlab中使用命令J=im2bw(I,level)即可实现基于阈值level的图像二值化处理。其中,阈值的选取是关键,决定着图像分割的精确程度。对有明显双峰(目标和背景)的图像而言,选择峰谷作为阈值,在灰度直方图上可以看出峰谷在灰度值53左右,因此level=53/255=0.208。如果有目标对象在图像边界处或者不完整,则生成的二值化图像是非连通的,可以在二值化步骤之前使用平滑滤波器J=filter 2[fspecial(‘aver-age’,7),I]/255进行滤波,二值化后的图像如图7所示。
4 图像的特征值计算
图像经过二值化处理后,为了便于统计分析每个对象的特征值,首先使用形态学命令[L,num]=bwlabel(I,8)对每个连通对象进行标注,num返回连通对象的个数,然后使用stats=re-gionprops(L,properties)命令提取,L是标注的对象,properties是测度参数,可以为Area,equivdi-ameter和majoraxislength等。Regionprops命令返回的是选定区域的像素个数,利用SEM照片上的放大比例标尺可以算出微粒的实际尺寸。本研究图像中共有11个颗粒,可以得到面积和当量直径大小分布曲线,分别如图8和9所示。根据炭黑分散度的评价体系,就可以判断出该胶料中炭黑颗粒的均匀度。
5 结语
基于Matlab 7.0软件,利用数学形态学的图像处理方法,将炭黑粒子与背景分离,实现了炭黑微粒的尺寸测定,得出炭黑粒子面积和当量直径大小分布曲线,弥补了人工识别方法的不足,为进一步评价炭黑粒子分散度提供了依据。该方法也适用于其它材料的微观结构分析。数学形态学相对于边缘检测和区域填充的空间局限性具有较大的优越性。
参考文献:
[1]谢振合,张 海.混炼胶炭黑分散度自动识别的特征指标体系及图像处理方法[J].橡胶工业,2006,53(2):99-103.
[2]王家文,李仰军.Matlab 7.0图形图像处理[M].北京:国防工业出版社,2006.
