面向在线铁谱图像自动识别的磨粒链自适应分割方法与流程

本发明涉及机械系统状态监测技术领域，涉及铁谱图像的自动分析技术，特别涉及一种面向在线铁谱图像自动识别的磨粒链自适应分割方法。

背景技术：
磨粒分析是通过分析被检测机器的润滑介质和携带的磨损微粒情况，获得机器的磨损状态信息的关键技术，对磨损故障的诊断、预测、维护决策都起着至关重要的做作用。作为一种重要的磨粒分析手段，传统的离线铁谱图像分析已经成功应用于工业装备的磨损状态监测，形成了标准化的磨损状态评价体系。但是这种技术具有明显的缺陷：1）取样和分析周期长，效率低；2）分析结果的经验依赖性强，重复度低。随着实情维护技术的发展需求，实时性和自动化监测成为状态监测的发展方向，传统的离线分析技术面临着新的挑战。在线铁谱技术于上世纪30年代提出，近10年来获得快速的发展，随着在线传感器的出现，将这种传统的铁谱分析技术延伸到实时监测和自动分析领域。在线磨粒图像将铁谱分析技术的独特优势呈现在在线监测领域，但是新的技术瓶颈限制了该技术优势：磨粒粘连成链、团簇极大地增加了获取单个磨粒特征信息的难度。虽然在线铁谱传感器及采集方法不断改进，依然没有找到有效的磨粒链分割方法，而只能给出宏观浓度统计指标（IPCA：百分比面积覆盖率），使其在诸多在线磨粒传感器中无法体现独特优势。显然，智能化的磨粒链分割已经成为在线铁谱技术的发展瓶颈。在线磨粒分析是近10年来快速发展的油液监测技术，各种传感器成为该技术的主要进展技术，从原理角度可大致分为：电学、光学、磁感应和图像4种：1）电学传感器：Itomi等人研制的基于电阻测量的“Oilchecksensor”（公开号：JP2002286697）；MuraliS基于电容原理开发的基于微流道结构的电容磨粒计数器；英国Kittiwake公司采用电感原理开发的MetallicparticleSensor和TotalFerrousDebrisSensor。2）光学传感器：美国海军研究的LaserNetFines磨粒监测仪；AllisonM.Toms等人开发的在线油液监测的傅里叶红外光谱监测装置。3）磁感应传感器：加拿大Gastop公司的MetalScan传感器。采用上述3种原理的传感器的共性缺点是无法提供磨损机理信息，而铁谱图像是分析磨损机理的重要途径。由于铁谱图像一直采用离线铁谱仪器获取，在线铁谱传感器技术成为新的技术方向。2001年西安交通大学开发了第一代可在线提供铁谱图像的传感器（专利号：01240347.4）。2005年，通过混合励磁方式和CMOS图像传感器的使用，该课题组提出第二代在线数字图像铁谱传感器”（公开号：CN1673733A），并于2008年发明了第三代短沉积距离的图像型在线铁谱传感器（公开号:CN100365413C），使用电磁场主动沉积磨粒，可以分别提供大、小磨粒的图像。在线铁谱图像的获取为在线磨粒分析提供技术基础。由于采用磁场沉积原理，磨粒在铁谱图像中不可避免的产生成链、堆积现象，如图1所示，极大影响了后续磨粒特征分析的准确性，虽然通过改变沉积参数可以消除磨粒图像中的堆积现象，磨粒成链却仍然无法避免，因此磨粒链分割已经成为在线磨粒分析的技术瓶颈。磨粒链分割在离线图像铁谱分析中同样存在，由于一直采用人工分析，自动分割仅仅限于单个特征磨粒的背景分割，而极少涉及磨粒链分割的报道。基于“watershed”数学形态学方法虽然在离线铁谱图像中获得了精确的磨粒分割效果，但是由于在分割过程中需要人为的设定分割参数，因此无法应用于在线自动分割。更多的基于数学形态学自动分割方法在粘连颗粒的分割领域应用，如细胞和谷物的图像分割，主要包括：1）基于边缘检测与凹点分配的分离方法；2）基于分水岭分割的分离方法；3）基于分离搜索点算法的分离方法。上述各种颗粒图像分离算法针对具有类圆性、尺寸相近的颗粒对象，因此难以应用于形状不规则、边缘粗糙、尺寸分布宽的磨粒分割。在线铁谱技术的现状表明：磨粒链的智能分割方法已经成为在线铁谱技术发挥其磨粒分析优势的技术瓶颈，而现有的分割算法无法应用于磨粒链图像分割。

技术实现要素：
针对现有技术的缺陷，本发明提供面向在线铁谱图像自动识别的磨粒链自适应分割方法，结合灰度和形态学信息的磨粒链图像分割方法，实现了在线铁谱图像中粘连磨粒的分割；本发明不但可以解决在线磨粒链图像的分割问题，还可应用于传统离线铁谱图像中的磨粒链自动分割，对实现铁谱图像分析技术的智能化和自动化具有重要意义。为了达到上述目的，本发明的技术方案为:面向在线铁谱图像自动识别的磨粒链自适应分割方法，步骤如下：步骤一、将铁谱传感器所提供的透射光图像和反射光图像分别经过预处理转换为二值化图像和灰度化图像。步骤二、采用反射光图像Imgf进行基于灰度形态学的粗分割：识别灰度化图像中的每条磨粒链，并采用内部标记和外部标记两种控制标记符标记磨粒链中的可分割磨粒，进一步采用分水岭变换获得上述可分割磨粒的灰度分割线，并将此分割线叠加到对应的二值化图像中实现粗分割；步骤三、针对上述粗分割后的二值化图像进行精细——多尺度二值形态学分割：针对每条磨粒链采用变尺度的腐蚀-膨胀算法实现对大小磨粒的分割，获得二值分割线；步骤四、将二值分割线叠加到原始的透射光图像和反射光图像即可获得分割后的磨粒图像。步骤一所述的反射光图像灰度化是将图像中每个像素点（x,y）的RGB值按照公式（1）计算获得该点的灰度值，最终处理结果为灰度化图像：公式（1）：步骤一所述的透射光图像二值化预处理包括灰度化、二值化、和形态学去噪3个步骤，所述的灰度化参照公式（1）：将图像中每个像素点（x,y）的RGB值按照公式（1）计算获得该点的灰度值；所述的二值化是通过设定一个阈值，并通过公式（2）将整个图像的像素值分成两个部分，从而将图像转换为二值化图像：公式（2）：T.]]>形态学去噪使用数学形态学里面的“腐蚀”与“膨胀”算子所构成的“开运算”和“闭运算”对二值图像进行形态学滤波，去除无关的噪点。步骤二所述的灰度形态学的粗分割是以反射光灰度化图像中的磨粒链灰度值为处理对象，通过提取灰度特征进行磨粒分割的方法，具体方法为：以透射光图片二值化结果为参考，采用标记连通域方法获取图像中的每条磨粒链作为处理对象，计算磨粒链图像的灰度梯度，绘制灰度梯度图；应用最小强制方法进行局部极小值融合，从而获得改进的极小值区域，即为所求内部标记符；对已经做了内部标记的图像分别进行距离变换和分水岭变换，获得的分割线作为外部标记符；将所获得的内外标记符叠加到梯度幅度图像中对原梯度幅度图像进行修改，使局部最小区域仅仅出现在标记的位置，即以标记符所处位置为新的极小值位置，同时其他局部最小区域将被增亮并删除；以修改过的梯度幅度图像为对象进行分水岭分割获得灰度形态学下的分割线；将所获得分割线叠加至原始的透射光图像的预处理结果中，获得粗分割结果。步骤三所述多尺度二值形态学分割通过分析像素点之间的逻辑位置关系来实现粘连磨粒的分割，其分析对象为经过初步分割的磨粒图像，或者是未经过分割的粘连磨粒图像，二值形态学多尺度分割过程分解为针对不同尺寸的粘连颗粒的分割过程，对于一条待分割磨粒链，对磨粒链中尺寸较小的粘连颗粒实行小尺度分割，分别经过“腐蚀”、“条件膨胀”、“获得分割线结果”过程将所得到的分割线存储至“分割结果”集合中；对尺寸较大的粘连颗粒实行大尺度分割，分别经过“腐蚀”、“条件膨胀”、“获得分割线结果”过程将所得到的分割线存储至“分割结果”集合中，不同尺度之间的分割过程互不影响，分割尺度通过腐蚀与膨胀次数来控制，在获得每一个尺度下的分割结果后，叠加至原图即可获得最终的二值分割结果。多尺度二值形态学分割的具体流程为：首先需要初始化用于控制流程的变量NUMdis,NUMtotal-0的值；接下来在读入分割对象之后即开始多尺度分割循环；在分割循环中，首先进行小尺度磨粒的分割，通过使用设定的较小的结构因子，设定次数的形态学“腐蚀”操作，获得条件膨胀的“核”，然后基于这些“核”进行“条件膨胀”操作，所设定的两个膨胀条件为：（1）不超过原图区域，（2）不同的区域互不接触；通过膨胀获得磨粒分割线并存储；然后进行大尺度磨粒分割，采用较大的结构因子，更多次数的形态学腐蚀操作，获得条件膨胀的“核”，然后基于这些“核”进行与小尺度下相同条件的膨胀操作并最终获得该尺度下的分割线并存储；反复进行多尺度分割循环，经过多次迭代，满足终止准则停止分割，获得所有的分割线叠加至目标图像即为分割结果。所述的终止准则为：为了满足在线图片处理的自适应条件，在某一个尺度下，在分割操作开始之前，需要标记当前带分割图像中总的连通区域数量NUMtotal-0,以及在该尺度下由于第一次腐蚀操作会消失的区域数量NUMdis；在该次腐蚀操作之后，统计腐蚀结果中总的连通区域数量NUMtotal-1；则在该分割操作下新增的区域数量NUMadd可以通过公式（3）求得：公式（3）：NUMadd=NUMtotal-1-NUMtotal-0+NUMdis若NUMadd>0,则说明有新的区域产生，此时停止腐蚀，开始条件膨胀并获得分割线保存，此尺度分割结束，开始下一个尺度的腐蚀循环；若NUMadd=0，则说明未有新的分割区域产生，则继续进行腐蚀操作，直到有新的分离区域产生；若NUMadd<0，说明总的区域数量在减少，这时候已不会再有新的区域产生，整个分割过程应该自动终止。本发明提供了一种精度可靠的在线铁谱图像中磨粒链智能化分割方法及分割流程，整个流程包括图像预处理，灰度形态学分割，二值形态学多尺度分割3个主要步骤。具有以下有益效果：1、实现了磨粒链图像的自动分割，为在线铁谱图像分析解决了技术瓶颈，为后续磨粒特征提取和磨损机理判断提供了必要基础，从而将目前只能提供浓度输出拓展到真正意义上的铁谱技术，极大的推动了该技术在在线监测中的技术优势；2、所提出的基于灰度形态学粗分割和变尺度二值化形态学精细分割的集成方法极大的提高了磨粒分割的精度，为后续磨粒特征提取和分析奠定了重要的基础；3、将灰度形态学信息引入磨粒链分割，改变了当前只能采用透射光图像进行分析的应用局面，实现了透射光和反射光图像的综合应用，最大限度的发挥在线铁谱图像技术的资源和优势；4、将变尺度二值化形态学分割方法引入磨粒链分割，实现了不同尺度磨粒的自适应分割，解决了过分割和欠分割问题，提高了分割精度和智能化程度。附图说明图1是分割素材及预处理说明；其中图1a是在线铁谱反射光图片；图1b是反射光图片灰度化；图1c是在线铁谱透射光图片；图1d是透射光图片二值化。图2是本发明技术方案流程图。图3是灰度形态学分割技术方案图。图4二值形态学分割不同大小磨粒的技术原理图。图5是多尺度二值形态学分割流程图。图6是单磨粒链灰度形态学分割过程示例，其中图6a是梯度幅度图；图6b是内部标记结果图；图6c是外部标记结果图；图6d是修改后的梯度幅度图；图6e是灰度分割线分布图；图6f是灰度形态学粗分割结果。图7是灰度粗分割结果，其中图7a分割线；图7b分割线叠加至灰度图；图7c是分割线叠加至二值图。图8是单磨粒链的二值形态学分割示例，其中图8a是尺度1腐蚀；图8b是尺度1膨胀；图8c是尺度1分割线；图8d是尺度2腐蚀；图8e是尺度2膨胀；图8f是尺度3分割线；图8g是尺度3腐蚀；图8h是尺度3膨胀；图8i是尺度3分割线；图8j是原图；图8k是分割线集合；图8l是分割线叠加至原图；图8m是后处理结果；图8n是原图Imgo；图8o是图7-c中第（4）单链粗分割结；图8p是图7-c中第（4）单链细分割结果Img。图9在线铁谱图像全信息自动分割实例。最佳实施方式下面结合附图对本发明的内容作进一步说明。本实施中的算法均采用商业软件Matlab实现。面向在线铁谱图像自动识别的磨粒链自适应分割方法，以图1所示图片为素材，参照图2，步骤如下：步骤一、分别将铁谱传感器所提供的透射光图像（参见图1-c）和反射光图像（参见图1-a）分别经过预处理转换为二值化图像和灰度化图像。（1）对反射光图像进行灰度化得到灰度化图像，见图1-b所示。将图像中每个像素点（x,y）的RGB值按照公式（1）计算获得该点的灰度值，最终处理结果为灰度化图像。公式（1）：（2）对透射光图像分别进行灰度化、二值化、形态学去噪得到二值化图像，见图1-d所示。所述的透射光图像二值化预处理包括灰度化、二值化、和形态学去噪3个步骤，所述的灰度化参照公式（1）：将图像中每个像素点（x,y）的RGB值按照公式（1）计算获得该点的灰度值；所述的二值化是通过设定一个阈值，并通过公式（2）将整个图像的像素值分成两个部分，从而将图像转换为二值化图像。公式（2）：T]]>形态学去噪是指使用数学形态学里面的“腐蚀”与“膨胀”算子所构成的“开运算”和“闭运算”对二值图像进行形态学滤波，去除无关的噪点。步骤二：采用反射光图像进行基于灰度形态学的粗分割，参照图3，识别灰度化图像中的每条磨粒链，并采用内部标记和外部标记两种控制标记符标记磨粒链中的可分割磨粒，进一步采用分水岭变换获得上述可分割磨粒的灰度分割线，并将此分割线叠加到对应的二值化图像中实现粗分割；具体为：（1）、以透射光二值结果中磨粒链的位置为参考，通过连通域方法识别反射光灰度化图像（参照附图1-b）中的磨粒链，识别结果为6条磨粒链，分别对每条磨粒链进行磨粒分割操作，为了简化仅对图1-b中4号磨粒链的分割过程进行说明；（2）、采用‘sobel’算子计算其梯度幅度图像(参照附图6-a)，图中白亮区域为梯度幅度的极小值区域Imgmin；（3）、使用应用最小强制方法进行局部极小值融合，从而获得改进的极小值区域，去掉无关的极小值区域获得改进的极小值区域Imgmin’作为内部标记符Imginner(参照如图6-b）；（4）、对Imgmin’分别进行距离变换以及分水岭变换获得外部标记符Imgexter(参照附图6-c）；（5）、将内外标记符叠加至梯度幅度图像Imggrad进行修改，使用Matlab函数imimposemin对图像Img_exter进行修改，使局部最小区域出现在标记的位置，即以标记符所处位置为新的极小值位置，同时其他局部最小区域将被增亮并删除，修改后的梯度幅度图像NImggrad(参照图6-d）；（6）、以修改后的梯度幅度图像NImggrad为对象进行分水岭分割获得灰度形态学下的分割线Seglinegray(参照图6-e），将分割线Seglinegray叠加至原灰度图获得灰度形态学粗分割结果(参照图6-f），至此实现4号磨粒链的分割；（7）、重复上述过程，将各条链所获得的灰度形态学分割线叠加在目标图像中形成分割线集合分布图（参照图7-a），将分割线分布分别叠加到二值化图和目标灰度图像中，可以看到整幅图像的分割效果(参照图7-c和图7-b)。至此实现了目标图像的粗分割。步骤三：针对上述粗分割后的二值化图像进行精细——多尺度二值形态学分割：针对每条磨粒链采用变尺度的腐蚀-膨胀算法实现对大小磨粒的分割，获得二值分割线；二值形态学多尺度分割过程可以分解为针对不同尺寸的粘连颗粒的分割过程，如图4中上部的小尺度分割与下部的大尺度分割。对于一条待分割磨粒链，对磨粒链中尺寸较小的粘连颗粒实行小尺度分割（图4上部），分别经过“腐蚀”、“条件膨胀”、“获得分割线结果”等过程将所得到的分割线存储至“分割结果”集合中。对尺寸较大的粘连颗粒实行大尺度分割（图4下部），分别经过“腐蚀”、“条件膨胀”、“获得分割线结果”等过程将所得到的的分割线存储至“分割结果”集合中。不同尺度之间的分割过程互不影响，分割尺度通过腐蚀与膨胀次数来控制。在获得每一个尺度下的分割结果后，叠加至原图即可获得最终的二值分割结果。具体如下：参照图8，对基于透射光的二值形态学多尺度分割实现过程做详细的说明：（1）小尺度磨粒分割准备：确定腐蚀尺度及结构元素的大小；尺度1：（2）标记原图像Imgo（8-n）中的连通区域的数量NUMtotal-0(当前为1)，统计当前图像中面积小于腐蚀尺度1的连通区域数量NUMdis（当前为0）（这些区域将随着尺度1的腐蚀而消失）；（3）以腐蚀尺度1对待分割图像Imgo进行腐蚀获得分割尺度1下的“核”（图8-a），判断腐蚀后连通区域的数量NUMtotal-1（当前为2）；（4）进行终止条件判断（参照图5），NUMadd=2-1+0=1>0,不需要终止；（5）使用条件膨胀处理这些“核”获得尺度1下的分割结果(8-b)；（6）对二值图像img0与尺度1下的分割结果进行亦或运算获得尺度1下的分割线(8-c)；尺度2：（7）标记上一尺度分割结果（8-b）中的连通区域的数量NUMtotal-0(当前为2)，统计当前图像中面积小于腐蚀尺度2的连通区域数量NUMdis（当前为1）（这些区域将随着尺度1的腐蚀而消失）；（8）以腐蚀尺度2对待分割图像Imgo进行腐蚀获得分割尺度2下的“核”（图8-d），判断腐蚀后连通区域的数量NUMtotal-1（当前为2）；（9）进行终止条件判断（参照图5），NUMadd=2-2+1=1>0，不需要终止；（10）使用条件膨胀处理这些“核”获得尺度2下的分割结果(8-e)；（11）对二值图像img0与尺度2下的分割结果进行亦或运算获得尺度2下的分割线(8-f)；尺度3：（12）标记上一尺度分割结果（8-e）中的连通区域的数量NUMtotal-0(当前为2)，统计当前图像中面积小于腐蚀尺度3的连通区域数量NUMdis（当前为0）（这些区域将随着尺度3的腐蚀而消失）；（13）以腐蚀尺度3对待分割图像Imgo进行腐蚀获得分割尺度3下的“核”（图8-g），判断腐蚀后连通区域的数量NUMtotal-1（当前为3）；（14）进行终止条件判断（参照图5），NUMadd=3-2+0=1>0，不需要终止；（15）使用条件膨胀处理这些“核”获得尺度3下的分割结果(8-h)；（16）对二值图像img0与尺度3下的分割结果进行亦或运算获得尺度3下的分割线(8-i)尺度4：（17）标记上一尺度分割结果（8-h）中的连通区域的数量NUMtotal-0(当前为3)，统计当前图像中面积小于腐蚀尺度4的连通区域数量NUMdis（当前为0）（这些区域将随着尺度4的腐蚀而消失）；（18）以腐蚀尺度4对待分割图像Imgo进行腐蚀获得分割尺度4下的“核”（图8-j），判断腐蚀后连通区域的数量NUMtotal-1（当前为3）；（19）进行终止条件判断（参照图5），NUMadd=3-3+0=0，满足终止条件，终止；（20）将各个尺度下获得的分割线叠加（8-k）；（21）分割线叠加至原图（8-l）；（22）使用面积阈值法获得后处理结果（8-m）；至此，二值形态学多尺度分割过程结束。下面为该方法应用于基于灰度形态学粗分割结果的过程描述：（23）读入步骤二中灰度形态学所获得的粗分割线，并叠加到二值化图像（参照图7-c）中。通过连通域方法识别图像中的磨粒链，分别对每条磨粒链进行磨粒分割操作，为了简化仅对（4）号磨粒链的分割过程进行说明；（24）以图7-c中的“4”号磨粒链为例，在读入粗分割结果（图8-o）之后，重复上述（2）～（22）所述的多尺度二值形态学分割，输出最终分割结果Img(图8-p)；（25）参照图9,实现对所有的磨粒链的分割，对每一条磨粒链进行相同的操作，步骤四、将二值分割线叠加到原始的透射光图像和反射光图像即可获得分割后的磨粒图像。将二值形态学所获得的分割结果叠加边缘算子获得边缘（图9-m），并叠加至原图作为最终的分割结果效果图（图9-n），将本发明最终所获得的二值分割结果（图9-l）用于特征提取；读入分割结果二值形式（图9-l），进行单磨粒特征参数的提取，提取磨粒的数量、面积、周长和等效尺寸；具体包括以下步骤：（1）提取磨粒数量：标记联通区域，输出的连通区域n即为磨粒数量；（以下特征均针对某一标记过的单个磨粒展开）（2）面积：统计属于标记域的像素点个数为该域的面积A；（3）周长：利用边缘算子获得区域轮廓，使用链码追踪获得该域的周长C；（4）等效直径：根据磨粒的面积和周长，计算出磨粒的等效尺寸其中，l为单位像素点所表示的实际尺寸；最后参数提取结果存储至数据库。