颗粒大小分布自动检测方法转让专利
申请号 : CN200910056329.9
文献号 : CN101620060B
文献日 : 2010-12-29
发明人 : 张秀彬 , 应俊豪 , 焦东升 , 钱斐斐
申请人 : 上海交通大学
摘要 :
一种颗粒大小分布自动检测方法，其特征在于，包括以下步骤：步骤一，图像预处理，对被测图像从RGB空间转换至HSV空间，获取原图的色度、亮度和饱和度分量，再对各个分量进行高斯平滑滤波与直方图均衡，自动提升图像的亮度、色彩和对比度；步骤二，彩色图像形态学平滑，为了克服因为阴影和反光的影响而造成的图像；步骤三，颗粒区域及其质心判定，边界提取运算过程完成后，将这些处于颗粒表面具有边界点特征而非边界点的“伪边界点”予以剔除；步骤四，颗粒的最大扩张，将区域进行最大扩张运算，即按照和某个颗粒点最近的原则，将整个料面划分为诸多部分；步骤五，双圆法求取颗粒尺度；步骤六，颗粒大小分布计算。因此为工业过程控制的后续决策运算提供了直接的颗粒分布信息依据。
权利要求 :
1.一种颗粒大小分布自动检测方法，其特征在于，包括以下步骤：
步骤一，图像预处理，对被测图像从RGB空间转换至HSV空间，由此获得原图的色度、亮度和饱和度分量，再对各个分量进行高斯平滑滤波与直方图均衡，自动提升图像的亮度、色彩和对比度，避免出现因突变白噪声而产生伪边界，使得各分量得到良好的均衡；
步骤二，彩色图像形态学平滑，进一步采用HSV彩色空间上的彩色图像滤波方法对图像进行平滑处理，合并图像中相关的区域结构，使颗粒得到有效分离；
步骤三，颗粒区域及其质心判定，定位色块的边界，对第二步得到的色块图进行边界提取，边界提取运算过程完成后，将这些处于颗粒表面具有边界点特征而非边界点的伪边界点予以剔除；
所述的剔除，采用窗口遍历法：设定一个大小可调的窗口，窗口的大小决定了颗粒的检测尺度，取大于颗粒间隙而小于最小颗粒尺度的值；
用这个窗口扫视整个图像，对窗口中的边界点数进行统计：
式中：f(x，y)为Canny算法提取的二值化边界图像，边界点取值1，非边界取值0；x、y表示图像的横坐标和纵坐标；s为可调的窗口大小，m、n为遍历窗口的中心点的横坐标和纵坐标，s(m，n)为边界点统计结果；
将s(m，n)与事先设定的统计阈值进行比较，若窗口内的边界点总数小于该阈值，则认为这些被窗口框定的边界点系伪边界点，即因颗粒表面的褶皱或阴影引起的伪边界，应该予以剔除，同时认为该窗口的中心位置是颗粒本身投影区域的一部分；
步骤四，颗粒的最大扩张，结合平面划分结果，将其区域进行最大扩张运算，即按照和某个颗粒点最近的原则，将整个料面划分为诸多部分；
步骤五，双圆法求取颗粒尺度，即对二维图像所呈现出的颗粒模糊边界，首先进行各自的向外扩张，以最大可能复现每个颗粒被粉尘或邻近颗粒所遮挡部分的边界；然后对每个颗粒自动求取双圆：颗粒边界最大扩张后的最小外接圆和最大内切圆；最后，利用双圆半径自动识别出对应颗粒尺度，具体实现过程为：第一，在颗粒最大扩张区域上，以三接点确定圆的方法寻求该颗粒最大扩张区域的最小外接圆，该圆包含了区域全部像素点；
第二，在颗粒最大扩张区域上，以三切点确定圆的方法寻求该颗粒最大扩张区域的最大内切圆，该圆仅包含区域部分像素点；
第三，颗粒尺度的计算公式为
式中，R、r分别为颗粒边界最大扩张区域最小外接与最大内切圆的半径，T[·]表示模糊逻辑中的任意一类T-范数算子，从而确定颗粒尺度d的上确界为颗粒边界最大扩张区域的最小外接圆直径，即d≤2R，将所获得的颗粒最小外接圆和最大内切圆的半径R和r代入颗粒尺度计算公式，求取颗粒尺度d；
步骤六，颗粒大小分布计算。
说明书 :
技术领域
本发明涉及的是一种检测技术领域的方法，具体是一种颗粒大小分布自动检测方法。
背景技术
工业生产过程的原材料大部分是属于不规则形状体，如炼铁过程的矿石，其体积、尺度和形貌千奇百态。这些原材料参与化学反应过程，如何使尺度不一的大小颗粒能够做到均匀分布，将是化学反应的质量保证条件之一。颗粒大小分布的自动检测常用的方法是：一、借助颗粒离心力场，通过一种光学单元测量相关变化参数测量颗粒大小分布；二、利用激光及其偏振装置，通过观测光束的变化来实现对颗粒大小分布的测量；三、基于图像分析的方法。就前两类技术而论，机构极为复杂，而且无法实现在线实时检测；第三类方法则是近期出现的非接触式检测技术，但是，从能够查阅的现有资料来看，此类技术尚不成熟和完善。
经对现有技术文献的进一步检索发现，辛登科等的论文“图像处理在粉末粒度在线检测系统中的应用”(《计算机工程与设计》2008年第29卷第13期)，该文介绍了基于图像处理技术的静电粉末在线粒度检测系统的工作原理、硬件组成及软件设计。该系统针对静电粉末图像的特点采用了自适应阀值分割、边界链码图像处理技术。在此基础上研发了一个套粒度分析软件，该软件能输出多达30个粒级的累积率，将软件输出结果与实际粒度分布进行比较，结果证明该软件的统计正确率达90.1％以上。分析一幅1600×1200大小的彩色颗粒位图图像所花的时间少于5s。
但是，该文所描述的技术方法存在的不足之处：(1)“采用了自适应阀值分割、边界链码图像处理技术”，势必造成处理器运算量大，分析时间过长；(2)系统装置较为复杂。
又经检索还发现，李素真等的论文“图像分析法测定PVC树脂颗粒的粒径大小及分布”(《齐鲁石油化工》2006年第34卷第4期)，该文利用图像分析仪通过对透射光镜图像的处理，同时引入个数平均粒径、体积平均粒径及粒径分布宽度等参数，建立了PVC颗粒粒径大小及分布的表征方法，利用这种方法对不同生产厂家的两个PVC样品的粒径大小及分布进行了比较。
但是，该文所描述的技术方法同样存在的不足之处：(1)“设置灰度值阈值，二值化，分离互相接触的粒子的图像，设置测量内容，检测范围，检测等，再将多幅图像的测量数据转到Excel5.0中进行累加计算，得到平均粒径及粒径分布宽度，绘出粒径分布图”表明整个计算过程尚未实现全程自动化；(2)“测量所有颗粒的面积，并换算为等效圆的直径(由于接触边界的颗粒大小不确定，所以不考虑)”势必耗费大量的处理器运算时间。
经对现有技术文献的进一步检索发现，辛登科等的论文“图像处理在粉末粒度在线检测系统中的应用”(《计算机工程与设计》2008年第29卷第13期)，该文介绍了基于图像处理技术的静电粉末在线粒度检测系统的工作原理、硬件组成及软件设计。该系统针对静电粉末图像的特点采用了自适应阀值分割、边界链码图像处理技术。在此基础上研发了一个套粒度分析软件，该软件能输出多达30个粒级的累积率，将软件输出结果与实际粒度分布进行比较，结果证明该软件的统计正确率达90.1％以上。分析一幅1600×1200大小的彩色颗粒位图图像所花的时间少于5s。
但是，该文所描述的技术方法存在的不足之处：(1)“采用了自适应阀值分割、边界链码图像处理技术”，势必造成处理器运算量大，分析时间过长；(2)系统装置较为复杂。
又经检索还发现，李素真等的论文“图像分析法测定PVC树脂颗粒的粒径大小及分布”(《齐鲁石油化工》2006年第34卷第4期)，该文利用图像分析仪通过对透射光镜图像的处理，同时引入个数平均粒径、体积平均粒径及粒径分布宽度等参数，建立了PVC颗粒粒径大小及分布的表征方法，利用这种方法对不同生产厂家的两个PVC样品的粒径大小及分布进行了比较。
但是，该文所描述的技术方法同样存在的不足之处：(1)“设置灰度值阈值，二值化，分离互相接触的粒子的图像，设置测量内容，检测范围，检测等，再将多幅图像的测量数据转到Excel5.0中进行累加计算，得到平均粒径及粒径分布宽度，绘出粒径分布图”表明整个计算过程尚未实现全程自动化；(2)“测量所有颗粒的面积，并换算为等效圆的直径(由于接触边界的颗粒大小不确定，所以不考虑)”势必耗费大量的处理器运算时间。
发明内容
本发明的目的在于克服上述现有技术中的不足，提供一种颗粒大小分布自动检测方法，能够对含有颗粒的图像进行自动化处理与运算，最终准确地获取被观测区域内矿石颗粒的分布状况，因此为工业过程控制的后续决策运算提供了直接的颗粒分布信息依据。
本发明是通过以下技术方案实现的，本发明包括如下步骤：
步骤一，图像预处理
对被测图像从RGB空间转换至HSV空间，由此获得原图的色度、亮度和饱和度分量，再对各个分量进行高斯平滑滤波与直方图均衡，自动提升图像的亮度、色彩和对比度，避免出现因突变白噪声而产生伪边界，使得各分量得到良好的均衡。
所述RGB空间，即RGB彩色空间，是一种彩色图像的色彩表示方法。彩色图像在RGB彩色空间的向量[R G B]T不仅代表红R、绿G和蓝B三基色的色彩，同时也表示三基色的亮度，RGB三色之间存在着很大的相关性。换句话说，通过[R G B]T三元素的不同取值，能够形成不同的颜色效果。
所述HSV空间，即HSV彩色空间，也是彩色图像的色彩表示方法。HSV彩色空间模型，是根据颜色的直观特性创建的一种包含色调H、饱和度S和亮度V的三维彩色空间模型，也称六角锥体模型。
所述从RGB空间转换至HSV空间，由于彩色数字图像的存储与显示一般采用RGB色彩空间模型，所以，凡是需要借助人的视觉特性对彩色图像的颜色特性进行处理和分析时，必须进行彩色图像的彩色空间转换。理论和实验已经证实：将RGB彩色空间模型转换为HSV彩色空间模型在颜色特性处理和分析方面的优越性超越其它转换方式。从RGB到HSV，它们之间的转换可分为柱体变换、单六角锥变换、球体变换和三角形变换四种，三角形变换和柱体变换所得到的融合图像的几何空间特征优于其他变换，从变换后的信息量和标准差来看，三角形变换比柱体变换更佳。
将数字摄像机输出的数字图像从RGB彩色空间转换至HSV彩色空间，转换后的色调H、饱和度S和亮度V分别表示如下：
V＝max(R，G，B)(公式一)
(公式二)
(公式三)
所述高斯平滑滤波，是属于指数低通滤波的一种，其基本思想是将高斯核函数与原始信号进行卷积后得到滤波输出的信号。
所述直方图均衡，是图像直方图修正算法的一种，这是将原图像通过某种变换，得到一幅灰度直方图为均匀分布的新图像的方法。
步骤二，彩色图像形态学平滑，
为了克服因为阴影和反光的影响而造成的图像，进一步采用HSV彩色空间上的彩色图像滤波方法对图像进行平滑处理，合并图像中相关的区域结构，使颗粒得到有效分离。
步骤三，颗粒区域及其质心判定
采用Canny算法来定位色块的边界，对第二步得到的色块图进行边界提取，边界提取运算过程完成后，将这些处于颗粒表面具有边界点特征而非边界点的伪边界点予以剔除。为了达到剔除“伪边界点”的目的，此时可以采用窗口遍历法对颗粒进行区域投影。
所述窗口遍历法，即设定一个大小可调的窗口，窗口的大小决定了颗粒的检测尺度，取大于颗粒间隙而小于最小颗粒尺度的值。用这个窗口扫视整个图像，对窗口中的边界点数进行统计：
(公式四)
式中：f(x，y)为Canny算法提取的二值化边界图像，边界点取值1，非边界取值0；x、y表示图像的横坐标和纵坐标；s为可调的窗口大小，m、n为遍历窗口的中心点，s(m，n)为边界点统计结果。
将s(m，n)与事先设定的统计阈值进行比较，若窗口内的边界点总数小于该阈值，则认为这些被窗口框定的“边界点”系“伪边界点”，即因颗粒表面的褶皱或阴影引起的伪边界，应该予以剔除，同时认为该窗口的中心位置是颗粒本身投影区域的一部分。
步骤四，颗粒的最大扩张
结合平面划分结果，将其区域进行最大扩张运算，即按照和某个颗粒点最近的原则，将整个料面划分为诸多部分。
第五步，双圆法求取颗粒尺度
所述的双圆法，即对二维图像所呈现出的颗粒模糊边界，首先进行各自的向外扩张，以最大可能复现每个颗粒被粉尘或邻近颗粒所遮挡部分的边界；然后对每个颗粒自动求取双圆：颗粒边界最大扩张后的最小外接圆和最大内切圆；最后，利用双圆半径自动识别出对应颗粒尺度。
双圆法执行方法如下：
第一，在颗粒最大扩张区域上，以“三接点”确定圆的方法寻求该颗粒最大扩张区域的“最小外接圆”，该圆包含了区域全部像素点；
第二，在颗粒最大扩张区域上，以“三切点”确定圆的方法寻求该颗粒最大扩张区域的“最大内切圆”，该圆仅包含区域部分像素点；
第三，颗粒尺度的计算公式为
式中，R、r分别为“颗粒边界最大扩张区域”最小外接与最大内切圆的半径，T[·]表示模糊逻辑中的任意一类T-范数算子，从而确定颗粒尺度d的上确界为“颗粒边界最大扩张区域”的最小外接圆直径，即d≤2R。
第六步，颗粒大小分布计算
颗粒大小分布可以采用下式计算：
(公式五)
式中：ηij为统计比例系数，αij为第i分区(i＝1，2，K，M)、第j类尺度(j＝1，2，K，N)的颗粒数，βi为第i分区内的N类颗粒总数。
本发明通过上述对颗粒图像的处理与运算，最终能够准确地获取被观测区域内矿石颗粒的分布状况，因此为工业过程控制的后续决策运算提供了直接的颗粒分布信息依据。整个计算实现全程自动化，计算时间与现有技术相比明显缩短。
本发明是通过以下技术方案实现的，本发明包括如下步骤：
步骤一，图像预处理
对被测图像从RGB空间转换至HSV空间，由此获得原图的色度、亮度和饱和度分量，再对各个分量进行高斯平滑滤波与直方图均衡，自动提升图像的亮度、色彩和对比度，避免出现因突变白噪声而产生伪边界，使得各分量得到良好的均衡。
所述RGB空间，即RGB彩色空间，是一种彩色图像的色彩表示方法。彩色图像在RGB彩色空间的向量[R G B]T不仅代表红R、绿G和蓝B三基色的色彩，同时也表示三基色的亮度，RGB三色之间存在着很大的相关性。换句话说，通过[R G B]T三元素的不同取值，能够形成不同的颜色效果。
所述HSV空间，即HSV彩色空间，也是彩色图像的色彩表示方法。HSV彩色空间模型，是根据颜色的直观特性创建的一种包含色调H、饱和度S和亮度V的三维彩色空间模型，也称六角锥体模型。
所述从RGB空间转换至HSV空间，由于彩色数字图像的存储与显示一般采用RGB色彩空间模型，所以，凡是需要借助人的视觉特性对彩色图像的颜色特性进行处理和分析时，必须进行彩色图像的彩色空间转换。理论和实验已经证实：将RGB彩色空间模型转换为HSV彩色空间模型在颜色特性处理和分析方面的优越性超越其它转换方式。从RGB到HSV，它们之间的转换可分为柱体变换、单六角锥变换、球体变换和三角形变换四种，三角形变换和柱体变换所得到的融合图像的几何空间特征优于其他变换，从变换后的信息量和标准差来看，三角形变换比柱体变换更佳。
将数字摄像机输出的数字图像从RGB彩色空间转换至HSV彩色空间，转换后的色调H、饱和度S和亮度V分别表示如下：
V＝max(R，G，B)(公式一)
(公式二)
(公式三)
所述高斯平滑滤波，是属于指数低通滤波的一种，其基本思想是将高斯核函数与原始信号进行卷积后得到滤波输出的信号。
所述直方图均衡，是图像直方图修正算法的一种，这是将原图像通过某种变换，得到一幅灰度直方图为均匀分布的新图像的方法。
步骤二，彩色图像形态学平滑，
为了克服因为阴影和反光的影响而造成的图像，进一步采用HSV彩色空间上的彩色图像滤波方法对图像进行平滑处理，合并图像中相关的区域结构，使颗粒得到有效分离。
步骤三，颗粒区域及其质心判定
采用Canny算法来定位色块的边界，对第二步得到的色块图进行边界提取，边界提取运算过程完成后，将这些处于颗粒表面具有边界点特征而非边界点的伪边界点予以剔除。为了达到剔除“伪边界点”的目的，此时可以采用窗口遍历法对颗粒进行区域投影。
所述窗口遍历法，即设定一个大小可调的窗口，窗口的大小决定了颗粒的检测尺度，取大于颗粒间隙而小于最小颗粒尺度的值。用这个窗口扫视整个图像，对窗口中的边界点数进行统计：
(公式四)
式中：f(x，y)为Canny算法提取的二值化边界图像，边界点取值1，非边界取值0；x、y表示图像的横坐标和纵坐标；s为可调的窗口大小，m、n为遍历窗口的中心点，s(m，n)为边界点统计结果。
将s(m，n)与事先设定的统计阈值进行比较，若窗口内的边界点总数小于该阈值，则认为这些被窗口框定的“边界点”系“伪边界点”，即因颗粒表面的褶皱或阴影引起的伪边界，应该予以剔除，同时认为该窗口的中心位置是颗粒本身投影区域的一部分。
步骤四，颗粒的最大扩张
结合平面划分结果，将其区域进行最大扩张运算，即按照和某个颗粒点最近的原则，将整个料面划分为诸多部分。
第五步，双圆法求取颗粒尺度
所述的双圆法，即对二维图像所呈现出的颗粒模糊边界，首先进行各自的向外扩张，以最大可能复现每个颗粒被粉尘或邻近颗粒所遮挡部分的边界；然后对每个颗粒自动求取双圆：颗粒边界最大扩张后的最小外接圆和最大内切圆；最后，利用双圆半径自动识别出对应颗粒尺度。
双圆法执行方法如下：
第一，在颗粒最大扩张区域上，以“三接点”确定圆的方法寻求该颗粒最大扩张区域的“最小外接圆”，该圆包含了区域全部像素点；
第二，在颗粒最大扩张区域上，以“三切点”确定圆的方法寻求该颗粒最大扩张区域的“最大内切圆”，该圆仅包含区域部分像素点；
第三，颗粒尺度的计算公式为
式中，R、r分别为“颗粒边界最大扩张区域”最小外接与最大内切圆的半径，T[·]表示模糊逻辑中的任意一类T-范数算子，从而确定颗粒尺度d的上确界为“颗粒边界最大扩张区域”的最小外接圆直径，即d≤2R。
第六步，颗粒大小分布计算
颗粒大小分布可以采用下式计算：
(公式五)
式中：ηij为统计比例系数，αij为第i分区(i＝1，2，K，M)、第j类尺度(j＝1，2，K，N)的颗粒数，βi为第i分区内的N类颗粒总数。
本发明通过上述对颗粒图像的处理与运算，最终能够准确地获取被观测区域内矿石颗粒的分布状况，因此为工业过程控制的后续决策运算提供了直接的颗粒分布信息依据。整个计算实现全程自动化，计算时间与现有技术相比明显缩短。
附图说明
图1为实施例颗粒大小分布示意图
图2为经过预处理后的颗粒大小分布示意图
图3为经过形态学平滑滤波后的颗粒大小分布效果图
图4为提取边界和区域判定后的图像
图5为颗粒质心位置示意图
图6为颗粒最大扩张示意图
图7为求取最大扩张区域的双圆示意图
图2为经过预处理后的颗粒大小分布示意图
图3为经过形态学平滑滤波后的颗粒大小分布效果图
图4为提取边界和区域判定后的图像
图5为颗粒质心位置示意图
图6为颗粒最大扩张示意图
图7为求取最大扩张区域的双圆示意图
具体实施方式
下面结合附图对本发明的实施例作详细说明：本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
实施例中，颗粒大小分布自动检测方法，包括如下步骤：
第一步，图像预处理
对被测图像从RGB空间转换至HSV空间，由此获得原图的色度、亮度和饱和度分量，再对各个分量进行高斯平滑滤波与直方图均衡。
对如图1采集到的原图利用(公式一～三)，将图像彩色的RGB空间表达转换成HSV空间表达。
对H、S、V分量进行高斯平滑滤波的具体过程如下：
设一维高斯函数为
(公式六)
其一阶导数为
(公式七)
其中，g(1)(τ，σ)称为高斯滤波器。函数f(τ)被g(1)(τ，σ)滤波的结果F(τ，σ)为：
F(τ，σ)＝f(τ)*g(1)(τ，σ)(公式八)
式中：*为卷积运算符；τ为选定的阈值，σ为高斯函数的标准方差。高斯滤波器的平滑作用可以通过σ来控制，即可以通过改变高斯标准方差σ的值来调整信号的平滑程度，σ值越大，平滑的效果越好。
将图像上每个像素点(u，v)所对应的H、S、V分量，即H(u，v)、S(u，v)、V(u，v)分别在τ、σ确定的条件下代入(公式八)，求得经过高斯滤波后平滑图像。
对H、S、V分量进行直方图均衡的过程如下：
设f(i，j)和g(i，j)分别表示像素坐标(i，j)归一化了的原图像灰度和经直方图修正后的图像灰度，f(i，j)∈[0，255]、g(i，j)∈[0，255]，即代表像素坐标灰度级从0到255。对于任一个f(i，j)值，都可产生出一个g(i，j)值，且
g(i，j)＝G(f(i，j))(公式九)
式中：变换函数G(·)满足下列条件：G(·)在0≤f(i，j)≤255内为单调递增函数，并保证灰度级从黑到白的次序不变，且有0≤g(i，j)≤255，即确保映射变换后的像素灰度在允许的范围内。
根据概率理论，当f(i，j)和g(i，j)的概率密度分别为Pf(f)和Pg(g)时，随机变量g(i，j)的分布函数Fg(g)有关系
(公式十)
利用密度函数是分布函数的导数的关系，等式两边对g求导，得：
(公式十一)
式中，G-1(g)表示对式(公式九)的逆运算。
由此可见，输出图像的概率密度函数可以通过变换函数G(·)控制原图像灰度级的概率密度函数得到，因而改善原图像的灰度层次，这就是直方图修正技术的数学基础。
令，f(i，j)和g(i，j)的离散函数分别为rk和Sk，则公式(公式九)的离散化表示式为
(公式十二)
式中：T(·)为变换函数，rk代表原图像的灰度级，Sk代表rk经直方图均衡化后的灰度级，k＝1，2，...L，L为当前统计灰度级，L∈[0，255]，n为图像中像素总数，nl为第l个灰度级出现的次数；为向下取整，即取小于运算结果的最大整数。
在实际运算中，可以根据公式(公式十二)计算图像中欲均衡区域各个灰度级像素点所对应的均衡化后的映射值，并将映射值替代该灰度级像素点均衡化前的像素值，从而获得一幅全新的灰度均衡化图像，进而使图像获得明显的增强。
如图2所示，为图像预处理后的结果。
第二步，彩色图像形态学平滑
为了克服因为阴影和反光的影响而造成的图像，进一步采用HSV彩色空间上的彩色图像数学形态学滤波方法对图像进行平滑处理。
彩色图像数学形态学滤波具体运算过程如下：
过程一，选取半径为5个像素的圆形算子作为结构元素B＝B(s，t)
过程二，采用结构元素对HSV彩色空间的色度图像在(x，y)点的亮度值H＝H(x，y)进行色调膨胀运算即
再用B的结构元素进行色调腐蚀运算HΘB，即
(HΘB)(x，y)＝min{H(x+s，y+t)-B(s，t)|(s+x，t+y)∈DHand(s，t)∈DB}式中的DH、DB分别是H与B的定义域。
过程三，结合膨胀算子和腐蚀算子进行开运算和闭运算，其中，
开操作
闭操作
重复上述过程二、三继续完成亮度分量S和饱和度分量V的数学形态学平滑滤波。
如图3所示，为彩色图像形态学平滑结果。
第三步，颗粒区域及其质心判定
采用Canny算法来定位色块的边界，对第二步得到的色块图进行边界提取，以便明确分割区域的位置。
并采用窗口遍历法通过公式四对颗粒进行区域投影，将这些处于颗粒表面具有边界点特征而非边界点的“伪边界点”予以剔除。
如图4所示，为对图像形态学平滑后提取边界和区域判定结果。
质心判定的具体方法如下：
鉴于颗粒投影区域判定运算结果有可能包含多个颗粒，称之为“颗粒团块”(即图中所示“连通域”)，故还必须使用二值区域提取算法，将这些“颗粒团块”形成的多连通域进行重新分割，然后按照式(公式十三)进行颗粒质心寻找。
(公式十三)
式中：f(x，y)为二值化区域图像，区域内的点取值1，区域外的点取值0；x、y表示区域的中心坐标值。
如图5所示，为在此基础上，对计算点进行过滤以剔除相互之间靠得太近的计算点，从而获得颗粒点质心位置的分析结果。
第四步，颗粒的最大扩张
结合平面划分结果，将其区域进行最大扩张运算，即按照和某个颗粒点最近的原则，将整个料面划分为诸多部分。
以图5的颗粒点质心位置为例，按照和某个颗粒点最近的原则，将整个料面划分为诸多部分。扩张结果如图6所示，图中每一个黑点表示颗粒点的质心位置，黑点周围的彩色色块表示围绕质心点“包罗同属该质心的最近距离点”的最大扩张结果。
第五步，双圆法求取颗粒尺度
如图7所示，双圆法执行过程如下：
过程一，在颗粒最大扩张区域上，以“三接点”确定圆的方法寻求该颗粒最大扩张区域的“最小外接圆”，该圆包含了颗粒最大扩张区域全部像素点，圆Oabc即为当前颗粒最大扩张区域上的“最小外接圆”，其中的a、b、c即为最小外接圆在该颗粒最大扩张区域上寻找到的“三接点”；
所述“外接圆”，是指经过颗粒最大扩张区域多边形某三个角点且圆周不与任何边相交的圆，根据平面几何定理：三点确定一个圆，通过颗粒最大扩张区域多边形任意三个角点的外接圆集合中存在一个最小半径的外接圆，因为该最小半径的外接圆能够包含对应颗粒最大扩张区域的全部像素点且所包含的邻近颗粒扩张区域的像素数达到最少，故称之为“最小外接圆”；
过程二，在颗粒最大扩张区域上，以“三切点”确定圆的方法寻求该颗粒最大扩张区域的“最大内切圆”，该圆仅包含颗粒最大扩张区域部分像素点，圆Oefg即为当前颗粒最大扩张区域上的“最大内切圆”，其中的e、f、g即为最大内切圆在该颗粒最大扩张区域上寻找到的“三切点”；
所述“内切圆”，是指与颗粒最大扩张区域多边形某三条边相切且圆周不与任何边相交的圆，根据平面几何定理：三边确定一个内切圆，通过颗粒最大扩张区域多边形任意三边的内切圆集合中存在一个最大半径的内切圆，因为该最大半径的内切圆仅包含对应颗粒最大扩张区域的部分像素点，即不包含任何邻近颗粒扩张区域的像素点，故称之为“最大内切圆”；
过程三，颗粒尺度的计算公式为
(公式十四)
式中：R、r分别为“颗粒边界最大扩张区域”最小外接与最大内切圆的半径，T[·]表示模糊逻辑中的任意一类T-范数算子，从而确定颗粒尺度d的上确界为“颗粒边界最大扩张区域”的最小外接圆直径，即d≤2R。
将所获得的颗粒最小外接圆和最大内切圆的半径R和r代入公式(公式十四)，求取颗粒尺度d。
通过上述计算，可以对颗粒分布区域进行再一次的过滤，排除一些不合理的区域，比如：排除一些颗粒半径过于微小的粉尘间隙区域、空隙、噪声干扰或者边界毛刺等；同时，过滤过于巨大的“板块”，类似大块的遮挡物、检验物或者反光等景象。最后自动完成对所有被检测颗粒尺度的测算。
第六步，颗粒大小分布计算
利用(公式五)计算颗粒大小分布。
通过上述对颗粒图像的处理与运算，最终能够准确地获取被观测区域内矿石颗粒的分布状况，因此为工业过程控制的后续决策运算提供了直接的颗粒分布信息依据。
与现有技术相比，本实施例具有如下有益效果：整个计算实现全程自动化，计算时间短，以1024×768像素图像为例，整个计算时间＜2.6s。
实施例中，颗粒大小分布自动检测方法，包括如下步骤：
第一步，图像预处理
对被测图像从RGB空间转换至HSV空间，由此获得原图的色度、亮度和饱和度分量，再对各个分量进行高斯平滑滤波与直方图均衡。
对如图1采集到的原图利用(公式一～三)，将图像彩色的RGB空间表达转换成HSV空间表达。
对H、S、V分量进行高斯平滑滤波的具体过程如下：
设一维高斯函数为
(公式六)
其一阶导数为
(公式七)
其中，g(1)(τ，σ)称为高斯滤波器。函数f(τ)被g(1)(τ，σ)滤波的结果F(τ，σ)为：
F(τ，σ)＝f(τ)*g(1)(τ，σ)(公式八)
式中：*为卷积运算符；τ为选定的阈值，σ为高斯函数的标准方差。高斯滤波器的平滑作用可以通过σ来控制，即可以通过改变高斯标准方差σ的值来调整信号的平滑程度，σ值越大，平滑的效果越好。
将图像上每个像素点(u，v)所对应的H、S、V分量，即H(u，v)、S(u，v)、V(u，v)分别在τ、σ确定的条件下代入(公式八)，求得经过高斯滤波后平滑图像。
对H、S、V分量进行直方图均衡的过程如下：
设f(i，j)和g(i，j)分别表示像素坐标(i，j)归一化了的原图像灰度和经直方图修正后的图像灰度，f(i，j)∈[0，255]、g(i，j)∈[0，255]，即代表像素坐标灰度级从0到255。对于任一个f(i，j)值，都可产生出一个g(i，j)值，且
g(i，j)＝G(f(i，j))(公式九)
式中：变换函数G(·)满足下列条件：G(·)在0≤f(i，j)≤255内为单调递增函数，并保证灰度级从黑到白的次序不变，且有0≤g(i，j)≤255，即确保映射变换后的像素灰度在允许的范围内。
根据概率理论，当f(i，j)和g(i，j)的概率密度分别为Pf(f)和Pg(g)时，随机变量g(i，j)的分布函数Fg(g)有关系
(公式十)
利用密度函数是分布函数的导数的关系，等式两边对g求导，得：
(公式十一)
式中，G-1(g)表示对式(公式九)的逆运算。
由此可见，输出图像的概率密度函数可以通过变换函数G(·)控制原图像灰度级的概率密度函数得到，因而改善原图像的灰度层次，这就是直方图修正技术的数学基础。
令，f(i，j)和g(i，j)的离散函数分别为rk和Sk，则公式(公式九)的离散化表示式为
(公式十二)
式中：T(·)为变换函数，rk代表原图像的灰度级，Sk代表rk经直方图均衡化后的灰度级，k＝1，2，...L，L为当前统计灰度级，L∈[0，255]，n为图像中像素总数，nl为第l个灰度级出现的次数；为向下取整，即取小于运算结果的最大整数。
在实际运算中，可以根据公式(公式十二)计算图像中欲均衡区域各个灰度级像素点所对应的均衡化后的映射值，并将映射值替代该灰度级像素点均衡化前的像素值，从而获得一幅全新的灰度均衡化图像，进而使图像获得明显的增强。
如图2所示，为图像预处理后的结果。
第二步，彩色图像形态学平滑
为了克服因为阴影和反光的影响而造成的图像，进一步采用HSV彩色空间上的彩色图像数学形态学滤波方法对图像进行平滑处理。
彩色图像数学形态学滤波具体运算过程如下：
过程一，选取半径为5个像素的圆形算子作为结构元素B＝B(s，t)
过程二，采用结构元素对HSV彩色空间的色度图像在(x，y)点的亮度值H＝H(x，y)进行色调膨胀运算即
再用B的结构元素进行色调腐蚀运算HΘB，即
(HΘB)(x，y)＝min{H(x+s，y+t)-B(s，t)|(s+x，t+y)∈DHand(s，t)∈DB}式中的DH、DB分别是H与B的定义域。
过程三，结合膨胀算子和腐蚀算子进行开运算和闭运算，其中，
开操作
闭操作
重复上述过程二、三继续完成亮度分量S和饱和度分量V的数学形态学平滑滤波。
如图3所示，为彩色图像形态学平滑结果。
第三步，颗粒区域及其质心判定
采用Canny算法来定位色块的边界，对第二步得到的色块图进行边界提取，以便明确分割区域的位置。
并采用窗口遍历法通过公式四对颗粒进行区域投影，将这些处于颗粒表面具有边界点特征而非边界点的“伪边界点”予以剔除。
如图4所示，为对图像形态学平滑后提取边界和区域判定结果。
质心判定的具体方法如下：
鉴于颗粒投影区域判定运算结果有可能包含多个颗粒，称之为“颗粒团块”(即图中所示“连通域”)，故还必须使用二值区域提取算法，将这些“颗粒团块”形成的多连通域进行重新分割，然后按照式(公式十三)进行颗粒质心寻找。
(公式十三)
式中：f(x，y)为二值化区域图像，区域内的点取值1，区域外的点取值0；x、y表示区域的中心坐标值。
如图5所示，为在此基础上，对计算点进行过滤以剔除相互之间靠得太近的计算点，从而获得颗粒点质心位置的分析结果。
第四步，颗粒的最大扩张
结合平面划分结果，将其区域进行最大扩张运算，即按照和某个颗粒点最近的原则，将整个料面划分为诸多部分。
以图5的颗粒点质心位置为例，按照和某个颗粒点最近的原则，将整个料面划分为诸多部分。扩张结果如图6所示，图中每一个黑点表示颗粒点的质心位置，黑点周围的彩色色块表示围绕质心点“包罗同属该质心的最近距离点”的最大扩张结果。
第五步，双圆法求取颗粒尺度
如图7所示，双圆法执行过程如下：
过程一，在颗粒最大扩张区域上，以“三接点”确定圆的方法寻求该颗粒最大扩张区域的“最小外接圆”，该圆包含了颗粒最大扩张区域全部像素点，圆Oabc即为当前颗粒最大扩张区域上的“最小外接圆”，其中的a、b、c即为最小外接圆在该颗粒最大扩张区域上寻找到的“三接点”；
所述“外接圆”，是指经过颗粒最大扩张区域多边形某三个角点且圆周不与任何边相交的圆，根据平面几何定理：三点确定一个圆，通过颗粒最大扩张区域多边形任意三个角点的外接圆集合中存在一个最小半径的外接圆，因为该最小半径的外接圆能够包含对应颗粒最大扩张区域的全部像素点且所包含的邻近颗粒扩张区域的像素数达到最少，故称之为“最小外接圆”；
过程二，在颗粒最大扩张区域上，以“三切点”确定圆的方法寻求该颗粒最大扩张区域的“最大内切圆”，该圆仅包含颗粒最大扩张区域部分像素点，圆Oefg即为当前颗粒最大扩张区域上的“最大内切圆”，其中的e、f、g即为最大内切圆在该颗粒最大扩张区域上寻找到的“三切点”；
所述“内切圆”，是指与颗粒最大扩张区域多边形某三条边相切且圆周不与任何边相交的圆，根据平面几何定理：三边确定一个内切圆，通过颗粒最大扩张区域多边形任意三边的内切圆集合中存在一个最大半径的内切圆，因为该最大半径的内切圆仅包含对应颗粒最大扩张区域的部分像素点，即不包含任何邻近颗粒扩张区域的像素点，故称之为“最大内切圆”；
过程三，颗粒尺度的计算公式为
(公式十四)
式中：R、r分别为“颗粒边界最大扩张区域”最小外接与最大内切圆的半径，T[·]表示模糊逻辑中的任意一类T-范数算子，从而确定颗粒尺度d的上确界为“颗粒边界最大扩张区域”的最小外接圆直径，即d≤2R。
将所获得的颗粒最小外接圆和最大内切圆的半径R和r代入公式(公式十四)，求取颗粒尺度d。
通过上述计算，可以对颗粒分布区域进行再一次的过滤，排除一些不合理的区域，比如：排除一些颗粒半径过于微小的粉尘间隙区域、空隙、噪声干扰或者边界毛刺等；同时，过滤过于巨大的“板块”，类似大块的遮挡物、检验物或者反光等景象。最后自动完成对所有被检测颗粒尺度的测算。
第六步，颗粒大小分布计算
利用(公式五)计算颗粒大小分布。
通过上述对颗粒图像的处理与运算，最终能够准确地获取被观测区域内矿石颗粒的分布状况，因此为工业过程控制的后续决策运算提供了直接的颗粒分布信息依据。
与现有技术相比，本实施例具有如下有益效果：整个计算实现全程自动化，计算时间短，以1024×768像素图像为例，整个计算时间＜2.6s。