基于图像颜色特征的成份自动测量方法属于图像分析领域。本发明专利技术借助图像的颜色特征，实现了纸张、金属等含有混合物的成份自动测量。纸质文物、金属文物的成分分析是修复和保护处理之前的必要环节。目前成分分析多采用两种方式：一种是人工观察显微图像，人工推测；另一种是借助质谱仪、能谱仪等高端科学仪器测量，成本较高。图像分析模型通过分析显微图像，自动测量成分，实现了测量的自动化，降低了成本，是一种绿色、高效、低耗的模型。模型能够处理彩色和灰度图像，适用范围广，具有较强的应用前景。
【技术实现步骤摘要】
本专利技术属于图像分析领域技术，借助图像的颜色特征，实现了纸张、金属等含有混 合物的成份自动测量。纸质文物、金属文物的成分分析是修复和保护处理之前的必要环节。 目前成分分析多采用两种方式；一种是人工观察显微图像，人工推测；另一种是借助质谱 仪、能谱仪等高端科学仪器测量，成本较高。图像分析模型通过分析显微图像，自动测量成 分，实现了测量的自动化，降低了成本，是一种绿色、高效、低耗的模型。模型能够处理彩色 和灰度图像，适用范围广，具有较强的应用前景。
技术介绍
中国传统手工纸造纸原料取自植物纤维，造纸原料丰富。生产时经常使用多种原 料混合。造纸原料的种类、配比决定了纸张的性能。纸张配比测量一般经过染色处理，不同 原料的纤维染色后呈现不同颜色，显微图像呈彩色。金属经采样、打磨等处理后拍摄的显微 图像是灰度图像，不同金属成分的灰度存在差异。 造纸原料配比的测定，是在造纸纤维观察的基础上进行的。测定前，需要对纸样染 色，制备纤维试片，然后在显微镜或投影仪上观察纤维形态和呈色情况。染色是为了使不同 种类的纤维呈特有颜色，从而便于纤维种类的鉴别。染色法是造纸工业中鉴别纤维种类的 常用方法之一。染色法是用适当的染色剂使纤维着色，然后根据染成的颜色进行鉴别。例 如舰氯化锋染色剂能使棉浆呈现酒红色，化学木浆、化学草浆呈现藍紫色，初皮纤维呈现 紫红色或暗紫红色。舰稍酸巧染色剂使针叶木纤维呈现浅黄色或浅玫瑰色，阔叶木纤维呈 现藍紫色。2%的硫酸苯胺水溶液及1/5000的甲基藍水溶液二重染色，使针叶木的机械木 浆呈现黄色，阔叶木的机械木浆呈现绿色，详见表1。 表1纤维经化rzberg染色剂染色后呈色表 纸张成份分析目前依靠人工目测，主要有3种方法。[000引方法1视野法将试片至于显微镜的物台上，观测不同视野中的纤维，W视野的直径作为纤维长 度的量度单位，分别测出每种纤维在视野中所占的长度单位数。观察不同纤维的总单位数 应在200个W上。然后，将各种纤维的长度单位数乘W各自的质量因素，记得该种纤维的相 对质量。由此再计算出纸样中各种纤维的质量百分比，即纤维配比。该种测定方法简单，要 求测定者具有较丰富的观察经验。 方法2显微镜计数法 置试片于显微镜的载物台上，调节试片的位置，使目镜测微尺的"十"字中屯、或某 一标记正对盖玻片的一边，从距顶角2-3mm处开始，横向移动试片，记录各种纤维通过标记 的次数。统计的各种纤维的总数要在200根W上。每一种纤维乘W各自的质量因数，即得 该纤维的相对质量，由此再计算出纸样中各种纤维的质量百分比率。该种方法费时，但较准 确。[001引方法3投影测量法 将纤维试片置于投影仪上，调节焦距，使纤维清楚地投影在屏幕上。选择不同视 野，用量图表分别测量视野中各种纤维的长度。 靠人工观察测量成份，费时费力，急需自动化测量技术。
技术实现思路
针对现有技术中存在的问题，本专利技术提出一种基于显微图像颜色特征的成份自动 测量方法。不需要用户人工观测，依靠计算机辅助测量，大大提高测量的自动化和准确性。 1.，其特征在于步骤如下： 步骤1预处理[001引 （1)导入待分析图像；[001引 似颜色空间转换，图像从RGB空间转换为HSI空间； (3)服I分量归一化；[002。 （4)判断图像种类，是彩色图像还是灰度图像； 步骤2颜色聚类(1)确定颜色种类 当图像是灰度图像，有4种颜色；黑色、深灰色、浅灰色和白色；当图像是彩色图 像，在图像上选取已经有的颜色再加上背景； (2)计算图像每个像素的隶属度，即每个像素到分类中屯、的距离 灰度图像用HSI值的I分量计算，距离使用欧式距离；类中屯、I的初始值为用户选 取的4类值； 彩色图像使用H和S分量，距离使用欧式距离；计算每个像素点到聚类中屯、的欧式 距离；[002引步骤3统计聚类像素，显示不同种类颜色的像素总数； 步骤4组成成份分析 每种颜色的像素数/总像素就是该种成份占总成份的比例；比例乘W物种的质量 因子即得到质量百分比。 更为详尽补正如下：[00础步骤1预处理 (1)导入待分析图像 似颜色空间转换，图像从RGB空间转换为服I空间。服I(Hue、Saturation、Intensity)是美国色彩学家Munseu于 1915 年提出的，它 反映了人的视觉系统感知彩色的方式。HSI颜色空间表示色调、饱和度、亮度。 色调化ue)是指一种颜色在色谱中所对应的主波长。色调有一个自然次序；红、 澄、黄、绿、青、藍、說、紫。色调在颜色圆上用圆周表示，圆周上的颜色具有相同的饱和度和 明度，但它们的色调不同。色调用角度表示，范围是[0, 360)。 饱和度（Saturation)是相对于明度的一个区域的色彩，是指颜色的纯洁性，它可 用来区别颜色明暗的程度。饱和度在颜色圆上用半径表示，越靠近圆屯、的饱和度越小，越靠 近圆周的饱和度越大。 亮度（Intensity)是明亮程度，反映了颜色的亮度和灰度等级。在许多颜色系统 中，亮度常用垂直轴表示。底部明度最小，顶部明度最大。HSI空间与RGB空间存在如下转 换关系： HSI颜色空间的重要性有两个方面；亮度分量与图像的彩色信息无关，表示的是 明亮程度；色调和饱和度分量与人感受彩色的方式紧密相连，对于区分通用颜色的物体非 常有用。(3)服I分量归一化到，归一化方法如下； 变换后结果=(原值一最小值）/(最大值一最小值）即；H=H(原值）-Hmin/Hmax-HminS=S(原值）-Smin/Smax_SminI=I(原值）-Imin/lmax-Imin (4)判断图像种类，是彩色图像还是灰度图像S接近于0时，图像是灰度图像，使用I分量计算距离； 否则，图像是彩色图像，使用H，S两个分量计算距离。[005引步骤2K-means颜色聚类算法 (1)确定2-6种颜色 为方便选取颜色，待分析图像可W由用户放大、缩小。例如图3是放大后的图像。 用户选择2-6种颜色，在右侧显示采样颜色。图3有4种颜色；黑色、深灰色、浅灰色和白 色。用户在图像上选取4种颜色的基准，在右侧显示。(2)计算图像每个像素的隶属度（每个像素到分类中屯、的距离） 灰度图像用HSI值的I分量计算，距离使用欧式距离。类中屯、I的初始值为用户 选取的4类值。[005引彩色图像使用H和S分量，计算每个像素点到聚类中屯、的欧式距离。forj=Ito图像大小（例如 1024X943) 计算点Ij到每个类中屯、的距离。距离采用欧式距离 距离最近的归为一类。 更新类中屯、点1(新中屯、）=/2 (3)重复（2)，直到全部像素全部判别完成。图像根据颜色被分为4类，黑色、深灰 色、灰色、白色。 步骤3统计聚类像素 显示不同种类颜色的像素总数，效果见表1。 表1统计结果表[006引 满足；Result1+Result化Result3+Result4 = 1024X943 聚类的原则是类内保持最大的相似性，类间保持最大的距离。K-means算法的聚类 结果与初始聚类中屯、的选择相关。如果图像数据相对于聚类中屯、分布均匀且紧密，可W得 到较好的聚类效果。 步骤4组成成份分析 每种颜色的像素数/总像素就是该种成份占总成份的比例。比例乘W物种的质量 因子即得到质量百分比。【附图说明】 图1为纸本文档来自技高网...
【技术保护点】
基于图像颜色特征的成份自动测量方法，其特征在于步骤如下：步骤1预处理(1)导入待分析图像；(2)颜色空间转换，图像从RGB空间转换为HSI空间；(3)HSI分量归一化；(4)判断图像是彩色图像还是灰度图像；步骤2颜色聚类(1)确定颜色种类当图像是灰度图像，有4种颜色：黑色、深灰色、浅灰色和白色；当图像是彩色图像，在图像上选取已经有的颜色再加上背景；(2)计算图像每个像素的隶属度，即每个像素到分类中心的距离灰度图像用HSI值的I分量计算，距离使用欧式距离；类中心I的初始值为用户选取的4类值；彩色图像使用H和S分量，距离使用欧式距离；计算每个像素点到聚类中心的欧式距离；步骤3统计聚类像素，显示不同种类颜色的像素总数；步骤4组成成份分析每种颜色的像素数/总像素就是该种成份占总成份的比例；比例乘以物种的质量因子即得到质量百分比。
【技术特征摘要】
【专利技术属性】
技术研发人员：刘畅，李晓岑，
申请(专利权)人：刘畅，李晓岑，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。