本发明专利技术公开了一种基于Matlab图像分析与自优化的污泥形态快速表征方法。该方法按照以下步骤进行：(1)污泥取样；(2)图像获取；(3)数据转化；(4)图形分割；(5)参数自优化；(6)形态分析。该方法便捷高效，仪器要求低，解决了目前污泥形态分析过程中数据量化问题，对污水厂污泥膨胀及丝状菌生长等问题的风险预控具有重要意义。同时，该方法针对活性污泥形态特征进行了自优化设计，可实现对不同污泥形态，成像条件程序参数自动调节，大大降低了实际运用过程中操作要求，具有跨平台推广的价值。
【技术实现步骤摘要】
一种基于Matlab图像分析与自优化的污泥形态快速表征方法
本专利技术涉及一种基于图像分析对活性污泥形态进行快速表征的方法，属于废水生物处理领域。
技术介绍
活性污泥是废水生物处理中物质去除功能的主要承担者。其形态结构对活性污泥稳定运行和污染物高效去除具有重要的指导意义。实际运行中一般采用沉降性能测定和肉眼观察的方法分析污泥的形态结构，目前尚未有方便可靠污泥形态表征方法。一般认为随着个人电脑以及手机的硬件和相应软件的普及，开发可靠的图像分析软件，对污水厂工作人员和科技工作者量化活性污泥指标，进一步强化活性污泥稳定运行具有重要意义。
技术实现思路
本专利技术的目的是提供基于图像矩阵处理一种快速分析污泥，通过图像矩阵提取、阈值数据转化、连通域分割、参数优化、结果分析等一系列程序过程，对普通光学所获取的污泥图像进行数据提取和形态结构分析。该专利技术主要包括以下步骤，((1)污泥取样；(2)图像获取；(3)数据转化；(4)图形分割；(5)参数自优化；(6)形态分析与数据导出等步骤。该方法基于Matlab平台，利用函数参数自优化，实现不同光学条件下污泥形态数据提取和分析，以更低成本实现污水处理过程中生物聚集体形态连续检测，实现污泥膨胀和丝状菌生长等问题的风险预控，强化活性污泥工艺的稳定运行。本专利技术具体采用的技术方案如下：一种基于Matlab图像分析与自优化的污泥形态快速表征方法，其包括以下步骤：S1：取活性污泥，离心后弃去上层清液，加蒸馏水补足，作为一轮清洗，重复多轮清洗以去除活性污泥样品中的杂质；S2：取污泥样品滴至载玻片中央，利用显微镜观察载玻片上的污泥样品，寻找分散均匀的活性污泥区域，拍摄得到污泥图像；S3：在Matlab中，导入所拍摄的污泥图像，并对图像进行灰度化处理，再通过中值滤波进行平滑处理，去除图像中的噪点，得到灰度图像的二维矩阵；S4：将灰度图像的二维矩阵整体分割为PaM行，每行分割为PaN列，形成PaM×PaN个图像子区域；S5：对每个图像子区域分别使用最大类间方差法确定用于二值化分割图像的初始阈值thresh，再将初始阈值用控制系数Pa2修正后得到的最佳阈值Pa2×thresh对图像子区域进行二值化处理；根据预设的最低像素阈值Pa1，对二值化处理后的每个图像子区域进行连通域分析，确定图像子区域中污泥絮体边界位置；S6：根据每个图像子区域中确定的污泥絮体边界，对整张灰度图像中的污泥絮体图像进行分割，提取出图像中所有污泥絮体图像，对所有污泥絮体图像中的噪点像素P和边界失真像素Q进行计数；S7：设定目标函数为P和Q的归一化值加权和，以最小化目标函数为目的，对PaN,PaM,Pa1,Pa2四个参数在各自的参数范围内进行遍历优化，得到最佳参数；S8：基于最佳参数值获得灰度图像中所有污泥絮体图像，计算得到各污泥絮体的形态特征数据。作为优选，所述污泥图像中，活性污泥絮体密度应在10～50个/张照片，同时照片不少于20张。作为优选，所述显微镜采用10X目镜+40X物镜进行观察和图像拍摄。作为优选，参数Pa1优化时的范围为4～6。作为优选，参数Pa2优化时的范围为0.7～1.3。作为优选，参数PaM优化时的范围为20～100。作为优选，参数PaN优化时的范围为20～100。作为优选，对参数进行遍历优化过程中，遍历步长为参数取值区间的1/10～1/100。作为优选，所述形态特征数据包括污泥絮体的数量、轮廓周长、当量直径、圆度、长短轴比、分形维数。作为优选，所述图像的灰度化处理采用rgb2gray()函数，中值滤波采用filter2()函数，初始阈值thresh的确定方法采用graythresh()函数。本专利技术的有益效果：该方法便捷高效，仪器要求低，解决了目前污泥形态分析过程中数据量化问题，对污水厂污泥膨胀及丝状菌生长等问题的风险预控具有重要意义。同时，该方法针对活性污泥形态特征进行了自优化设计，可实现对不同污泥形态，成像条件程序参数自动调节，大大降低了实际运用过程中操作要求，具有跨平台推广的价值。附图说明图1为从活性污泥中提取富集噬菌体的流程图。图2为实施例中优化后图像的处理效果。图3为实施例中有无PaM、PaN控制参数的图像提取效果对比。图4为实施例中有无Pa2控制参数的图像提取效果对比。具体实施方式以下通过附图和具体实施例对本专利技术做进一步的说明。基于Matlab图像分析与自优化的污泥形态快速表征方法包括以下主要步骤，(1)污泥取样；(2)显微成像；(3)图像信息转化；(4)图像数据处理；(5)参数自优化；(6)数据分析。如图1所示，该方法的具体实现方式如下：S1：取活性污泥，离心后弃去上层清液，加蒸馏水补足，作为一轮清洗，重复多轮清洗以去除活性污泥样品中的杂质；S2：取污泥样品滴至载玻片中央，利用显微镜观察载玻片上的污泥样品，寻找分散均匀的活性污泥区域，拍摄得到污泥图像。S3：在Matlab中，导入所拍摄的污泥图像，并对图像进行灰度化处理，再通过中值滤波进行平滑处理，去除图像中的噪点，得到灰度图像的二维矩阵。S4：将灰度图像的二维矩阵整体分割为PaM行，每行分割为PaN列，形成PaM×PaN个图像子区域。S5：对每个图像子区域分别使用最大类间方差法确定用于二值化分割图像的初始阈值thresh，再将初始阈值用控制系数Pa2修正后得到的最佳阈值Pa2×thresh对图像子区域进行二值化处理；根据预设的最低像素阈值Pa1，对二值化处理后的每个图像子区域进行连通域分析，确定图像子区域中污泥絮体边界位置。S6：根据每个图像子区域中确定的污泥絮体边界，对整张灰度图像中的污泥絮体图像进行分割，提取出图像中所有污泥絮体图像，对所有污泥絮体图像中的噪点像素P和边界失真像素Q进行计数。S7：设定目标函数为P和Q的归一化值加权和，以最小化目标函数为目的，对PaN,PaM,Pa1,Pa2四个参数在各自的参数范围内进行遍历优化，取目标函数最小的四个参数值，作为最佳参数组合。S8：基于上述S7得到的最佳参数值，将其赋值至MATLAB中，从而在S6步骤中获得灰度图像中所有污泥絮体图像。进而，计算得到各污泥絮体的形态特征数据，具体形态特征数据根据需要调整。在MATLAB中，上述不同步骤中方法的实现可以利用自带的函数或者自定义函数进行，可根据实际需要进行选择，只要能实现相应功能即可。下面以噬菌体颗粒的提取和形态表征为例，进一步说明本专利技术的实现过程和效果。实施例本实施例的目的是从好氧颗粒污泥中高效提取噬菌体颗粒，具体按照以下步骤进行：步骤1：污泥取样取5mL活性污泥，2000g/min离心20min，用移液枪弃去上层清液，加蒸馏水补足至5ml，重复该离心清洗过程3次，去除活性污泥样品中的杂质，用于下一步显微成像。本文档来自技高网...
【技术保护点】
1.一种基于Matlab图像分析与自优化的污泥形态快速表征方法，其特征在于，包括以下步骤：/nS1：取活性污泥，离心后弃去上层清液，加蒸馏水补足，作为一轮清洗，重复多轮清洗以去除活性污泥样品中的杂质；/nS2：取污泥样品滴至载玻片中央，利用显微镜观察载玻片上的污泥样品，寻找分散均匀的活性污泥区域，拍摄得到污泥图像；/nS3：在Matlab中，导入所拍摄的污泥图像，并对图像进行灰度化处理，再通过中值滤波进行平滑处理，去除图像中的噪点，得到灰度图像的二维矩阵；/nS4：将灰度图像的二维矩阵整体分割为PaM行，每行分割为PaN列，形成PaM×PaN个图像子区域；/nS5：对每个图像子区域分别使用最大类间方差法确定用于二值化分割图像的初始阈值thresh，再将初始阈值用控制系数Pa2修正后得到的最佳阈值Pa2×thresh对图像子区域进行二值化处理；根据预设的最低像素阈值Pa1，对二值化处理后的每个图像子区域进行连通域分析，确定图像子区域中污泥絮体边界位置；/nS6：根据每个图像子区域中确定的污泥絮体边界，对整张灰度图像中的污泥絮体图像进行分割，提取出图像中所有污泥絮体图像，对所有污泥絮体图像中的噪点像素P和边界失真像素Q进行计数；/nS7：设定目标函数为P和Q的归一化值加权和，以最小化目标函数为目的，对PaN,PaM,Pa1,Pa2四个参数在各自的参数范围内进行遍历优化，得到最佳参数；/nS8：基于最佳参数值获得灰度图像中所有污泥絮体图像，计算得到各污泥絮体的形态特征数据。/n...
【技术特征摘要】
1.一种基于Matlab图像分析与自优化的污泥形态快速表征方法，其特征在于，包括以下步骤：
S1：取活性污泥，离心后弃去上层清液，加蒸馏水补足，作为一轮清洗，重复多轮清洗以去除活性污泥样品中的杂质；
S2：取污泥样品滴至载玻片中央，利用显微镜观察载玻片上的污泥样品，寻找分散均匀的活性污泥区域，拍摄得到污泥图像；
S3：在Matlab中，导入所拍摄的污泥图像，并对图像进行灰度化处理，再通过中值滤波进行平滑处理，去除图像中的噪点，得到灰度图像的二维矩阵；
S4：将灰度图像的二维矩阵整体分割为PaM行，每行分割为PaN列，形成PaM×PaN个图像子区域；
S5：对每个图像子区域分别使用最大类间方差法确定用于二值化分割图像的初始阈值thresh，再将初始阈值用控制系数Pa2修正后得到的最佳阈值Pa2×thresh对图像子区域进行二值化处理；根据预设的最低像素阈值Pa1，对二值化处理后的每个图像子区域进行连通域分析，确定图像子区域中污泥絮体边界位置；
S6：根据每个图像子区域中确定的污泥絮体边界，对整张灰度图像中的污泥絮体图像进行分割，提取出图像中所有污泥絮体图像，对所有污泥絮体图像中的噪点像素P和边界失真像素Q进行计数；
S7：设定目标函数为P和Q的归一化值加权和，以最小化目标函数为目的，对PaN,PaM,Pa1,Pa2四个参数在各自的参数范围内进行遍历优化，得到最佳参数；
S8：基于最佳参数值获得灰度图像中所有污泥絮体图像，计算得到各污泥絮体的形态特征数据。
2.如权利要求1所述的基于Matlab图像分析与自优化的污泥形态快速表征方法，其特征在于，所述污泥图像中，活性污泥絮体密度应...
【专利技术属性】
技术研发人员：朱亮，俞卓栋，莫洁菲，李群，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33
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。