基于光学信息的浮选法泡沫识别方法技术

本发明专利技术涉及数据处理技术领域，具体涉及一种基于光学信息的浮选法泡沫识别方法，该方法采集浮选泡沫图像得到对应的灰度图像，对灰度图像进行阈值分割得到多个反光白色区域；通过中心高亮分布和外围的均匀环带状颗粒特征确认气泡反光白色区域，对非气泡反光白色区域进行直线和曲线的检测，统计每个直线或曲线两侧的气泡反光白色区域的数量以确定真气泡边缘线，根据真气泡边缘线的位置信息对浮选泡沫图像中的气泡进行识别分割，实现了对气泡的精确识别和分割，增强了分割结果准确度，提高了工作效率。作效率。作效率。

【技术实现步骤摘要】
基于光学信息的浮选法泡沫识别方法


[0001]本专利技术涉及数据处理
，具体涉及一种基于光学信息的浮选法泡沫识别方法。

技术介绍

[0002]泡沫浮选作为应用最为广泛的一种选矿方法，其可以用于几乎所有矿石的分选。泡沫浮选是以表面化学为基础，利用矿物颗粒表面疏水性的差异来使不同矿物达到有效分离效果的选矿方法，泡沫的泡沫大小、颜色等表面视觉特征直接表征了浮选工况的综合现象。
[0003]随着图像处理技术的发展，目标大多数利用图像分割方法来获取泡沫的表面视觉特征，但由于采集的浮选泡沫图像中存在泡沫结构复杂或泡沫粘连严重等问题，极大增加了分割难度，容易出现严重的过分割或分割不充分现象，使得分割效果并不理想。

技术实现思路

[0004]为了解决上述技术问题，本专利技术的目的在于提供一种基于光学信息的浮选法泡沫识别方法，所采用的技术方案具体如下：采集浮选泡沫图像得到对应的灰度图像，使用大津阈值法得到灰度图像中的多个反光白色区域，反光白色区域是指由于反光造成的白色区域；分别对每个反光白色区域进行连通域分析得到目标区域；获取当前目标区域的中心像素点，计算中心像素点与中心像素点周围区域内每个像素点之间的灰度值差值，得到中心高亮系数；根据中心像素点至当前目标区域的边缘的距离获取当前目标区域的环形区域，对所述环形区域内的像素点进行聚类，得到多个簇，根据每个簇的中心点坐标进行椭圆拟合，得到拟合优度；计算当前簇分别与其他簇之间的欧式距离，选取最小欧式距离作为当前簇的目标欧式距离，根据所有簇的目标欧式距离计算目标欧式距离方差，将所述目标欧式距离方差作为所述环形区域中的颗粒感混乱值；结合所述拟合优度和所述颗粒感混乱值得到所述环形区域对应的周围光环系数；将所述中心高亮系数和所述周围光环系数之间的比值作为当前目标区域的气泡高亮系数；获取每个目标区域的所述气泡高亮系数，当所述气泡高亮系数大于气泡亮度系数阈值时，确定所述目标区域为气泡反光白色区域；对灰度图像中的非气泡反光白色区域进行边缘检测，得到对应的边缘图像，检测边缘图像中的直线和曲线，统计每个直线或曲线两侧的气泡反光白色区域的数量以确定真气泡边缘线，根据所述真气泡边缘线的位置信息对所述浮选泡沫图像中的气泡进行识别分割。
[0005]进一步的，所述中心高亮点系数的获取方法，包括：以中心像素点为窗口中心构建窗口，分别计算中心像素点与窗口内其他24个像素点之间的灰度值差值，根据灰度值差值得到当前目标区域的中心高亮系数，则中心高亮系数的计算公式为：
其中，为中心高亮系数；为当前目标区域内中心像素点的灰度值，为窗口内其余24个像素点中第个像素点的灰度值。
[0006]进一步的，所述根据中心像素点至当前目标区域的边缘的距离获取当前目标区域的环形区域的方法，包括：获取中心像素点与当前目标区域每个边缘像素点之间的连线，以连线上与所述中心像素点的距离为三分之二倍的连线长度的点作为分割点，所述分割点构成分割边缘；在当前目标区域中将所述分割边缘围成的区域去除，获得环形区域。
[0007]进一步的，所述周围光环系数的计算公式为：其中，为所述周围光环系数；为调节系数；为所述拟合优度；为所述颗粒感混乱值；和均为调节系数；为簇的数量。
[0008]进一步的，所述气泡高亮系数与所述中心高亮系数呈负相关关系、所述气泡高亮系数与所述周围光环系数呈正相关关系。
[0009]进一步的，所述统计每个直线或曲线两侧的气泡反光白色区域的数量以确定真气泡边缘线的方法，包括：统称直线和曲线为线条，根据当前线条的位置分别获取当前线条两侧由当前线条和其他线条所构成的目标检测区域，且该目标检测区域中不存在线条；分别对当前线条的两个目标检测区域进行气泡发光白色区域的数量的统计；当这两个目标检测区域中都只有一个气泡发光白色区域时，确认当前线条是真气泡边缘；当任意一个目标检测区域中出现大于或等于2个气泡发光白色区域时，返回线条检测，通过提高线条的检测精度，直至目标检测区域中的气泡发光白色区域的数量小于2；其余情况下，确认当前线条属于假气泡边缘。
[0010]本专利技术实施例至少具有如下有益效果：通过中心高亮分布和外围的均匀环带状颗粒特征精确识别浮选泡沫图像中气泡的中心反光区域，从而确定浮选泡沫图像中气泡的大致位置和气泡的中心反光区域位置，以气泡的中心反光区域作为依据对浮选泡沫图像中的边缘进行分析判断，以实现对气泡的精确识别和分割，增强分割结果准确度，提高了工作效率。
附图说明
[0011]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，
还可以根据这些附图获得其它附图。
[0012]图1为本专利技术一个实施例提供的一种基于光学信息的浮选法泡沫识别方法的步骤流程图。
具体实施方式
[0013]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种基于光学信息的浮选法泡沫识别方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
[0014]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0015]下面结合附图具体的说明本专利技术所提供的一种基于光学信息的浮选法泡沫识别方法的具体方案。
[0016]请参阅图1，其示出了本专利技术一个实施例提供的一种基于光学信息的浮选法泡沫识别方法的步骤流程图，该方法包括以下步骤：步骤S001，采集浮选泡沫图像得到对应的灰度图像，使用大津阈值法得到灰度图像中的多个反光白色区域，反光白色区域是指由于反光造成的白色区域；分别对每个反光白色区域进行连通域分析得到目标区域。
[0017]具体的，对浮选槽内矿浆产生的大量气泡使用可见光相机进行图像采集，得到浮选泡沫图像。由于环境和相机等影响，采集的图像上会出现噪声，对后续的图像处理和特征提取产生影响，使结果不精确，所以需要对浮选泡沫图像进行图像预处理，则图像预处理方法为：本专利技术实施例先采用中值滤波对浮选泡沫图像进行处理，使浮选泡沫图像更加平滑；由于光照的不均匀，浮选泡沫图像上部分泡沫的边缘并不明显，然后采用反锐化掩膜法对浮选泡沫图像进行增强处理，将边缘区域进行锐化处理，使得处理后的浮选泡沫图像中的泡沫边缘会变得更加清晰明显。
[0018]进一步的，在矿浆的浮选泡沫图像中，每个气泡的中心都会因为反光造成非常明显的白色区域，而气泡的主体为偏暗的区域，边缘为颜色非常深或比较亮的明显边界，因此根据灰度图像中每个像素点的灰度值获取的灰度分布直方图，将会分为比较明显的三个波峰，分别对应反光白色区域，偏暗区域和非常深的边界区域，故将预处理后的浮选泡沫图像转化为灰度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于光学信息的浮选法泡沫识别方法，其特征在于，该方法包括以下步骤：采集浮选泡沫图像得到对应的灰度图像，使用大津阈值法得到灰度图像中的多个反光白色区域，反光白色区域是指由于反光造成的白色区域；分别对每个反光白色区域进行连通域分析得到目标区域；获取当前目标区域的中心像素点，计算中心像素点与中心像素点周围区域内每个像素点之间的灰度值差值，得到中心高亮系数；根据中心像素点至当前目标区域的边缘的距离获取当前目标区域的环形区域，对所述环形区域内的像素点进行聚类，得到多个簇，根据每个簇的中心点坐标进行椭圆拟合，得到拟合优度；计算当前簇分别与其他簇之间的欧式距离，选取最小欧式距离作为当前簇的目标欧式距离，根据所有簇的目标欧式距离计算目标欧式距离方差，将所述目标欧式距离方差作为所述环形区域中的颗粒感混乱值；结合所述拟合优度和所述颗粒感混乱值得到所述环形区域对应的周围光环系数；将所述中心高亮系数和所述周围光环系数之间的比值作为当前目标区域的气泡高亮系数；获取每个目标区域的所述气泡高亮系数，当所述气泡高亮系数大于气泡亮度系数阈值时，确定所述目标区域为气泡反光白色区域；对灰度图像中的非气泡反光白色区域进行边缘检测，得到对应的边缘图像，检测边缘图像中的直线和曲线，统计每个直线或曲线两侧的气泡反光白色区域的数量以确定真气泡边缘线，根据所述真气泡边缘线的位置信息对所述浮选泡沫图像中的气泡进行识别分割。2.如权利要求1所述的一种基于光学信息的浮选法泡沫识别方法，其特征在于，所述中心高亮点系数的获取方法，包括：以中心像素点为窗口中心构建窗口，分别计算中心像素点与窗口内其他24个像素点之间的灰度值差值，根据灰度值差值得到当前目标区域的中心高亮系数，则中心高亮系数的计算公式为：其中，...

【专利技术属性】
技术研发人员：黄小燕，
申请(专利权)人：南通甘雨钢化玻璃制品有限公司，
类型：发明
国别省市：