基于HSV颜色空间的矿相识别方法技术

本发明专利技术涉及矿相识别技术领域，且公开了基于HSV颜色空间的矿相识别方法，包括，步骤一、采集图像，将制备完成的矿石光片试样放置在光学显微镜载物台上，调节物镜和目镜的倍数以及调节好其它设备参数，直至观察到清晰的图像，在单偏光镜下使用CCD相机进行拍摄，将拍摄到的清晰图像传入电脑保存，然后调整物镜倍数再次进行拍摄保存，步骤二、双边滤波，双边滤波可以在滤波的同时保证边缘信息不被破坏，以确保矿物分割的准确性。该基于HSV颜色空间的矿相识别方法，可以提高研究矿相的精确度和效率，并且操作简单，有效促进工艺矿物学的发展，为工艺矿物学工作人员提供参考。工艺矿物学工作人员提供参考。工艺矿物学工作人员提供参考。

【技术实现步骤摘要】
基于HSV颜色空间的矿相识别方法


[0001]本专利技术涉及矿相识别
，具体为基于HSV颜色空间的矿相识别方法。

技术介绍

[0002]矿相学的研究内容主要包括在矿相显微镜下观测不透明金属矿物的光性、物性和化学性质等，以鉴定金属矿物，研究矿石的组构特征、矿物组合和它们在时间上发育和空间上分布的规律，为研究矿床成因、进行找矿勘探提供依据，采用数字图像处理技术对矿石的镜下显微图像来进行处理和分割、采用灰度直方图信息来识别矿物种类、采用区域生长分割算法对矿相显微图像进行分割，这些方法将获取的彩色图像转化为灰度图像之后再进行处理，完全忽略了矿物的颜色信息，还有采用XRD等多种分析测定方法鉴定玄武岩、利用矿物电子探针微区测试技术对绿泥石的化学成分进行测试分析，这些方法对于工作人员的专业性有较高的要求且检测成本颇高，此外采用卷积神经网络建立模型，利用残差神经网络对5种矿物进行识别、将利用迁移学习方法建立的学习模型和利用K
‑
means算法提取颜色特征建立的颜色特征模型相结合，实现了矿物的实时识别，深度学习方法在矿物识别中广泛应用，但本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于HSV颜色空间的矿相识别方法，其特征在于：包括以下步骤：步骤一、采集图像，将制备完成的矿石光片试样放置在光学显微镜载物台上，调节物镜和目镜的倍数以及调节好其它设备参数，直至观察到清晰的图像，在单偏光镜下使用CCD相机进行拍摄，将拍摄到的清晰图像传入电脑保存，然后调整物镜倍数再次进行拍摄保存；步骤二、双边滤波，双边滤波可以在滤波的同时保证边缘信息不被破坏，以确保矿物分割的准确性；步骤三、转至HSV颜色空间，HSV色彩空间的三分量分别为色调Hue、饱和度Saturation、明度Value，处理后图像转至HSV颜色空间，HSV按颜色、深浅、亮暗有效的分离矿相的三个分量，进行颜色之间的对比；步骤四、HSV颜色空间阈值提取，利用Python
‑
OpenCV中的trackbar函数找到理想阈值，将去噪后的图像转化为HSV颜色模型，选取多张图像作为训练样本，从中提取各种矿物各分量的颜色阈值；步骤五、HSV阈值分割，将阈值分割的概念扩展到3维空间，将3
‑
D空间分割问题转化成三个1
‑
D分割问题。2.根据权利要求1所述的基于HSV颜色空间的矿相识别方法，其特征在于：所述步骤一中先将光学显微镜的物镜和目镜都调整为10倍，拍摄完成后将物镜调节到20倍再次进行拍摄保存，两次拍摄过程中，均要保持显微镜上的CCD相机在灯光为标准白的条件下拍摄。3.根据权利要求1所述的基于HSV颜色空间的矿相识别方法，其特征在于：所述步骤二中双边滤波，主要用于去除相机采集图像的过程中因不良照明或在光电转换过程中引起一些噪声，并且在滤波时保证边缘信息不被破坏，以确保矿物分割的准确性，双边滤波的操作如下；如下；式中，I
q
为输入图像，为滤波后图像，为空间距离权...

【专利技术属性】
技术研发人员：牛福生，姚珊珊，梁银英，张晋霞，薛文强，陈稳，
申请(专利权)人：华北理工大学，
类型：发明
国别省市：