一种用于对显微组分进行自动识别的方法及系统与流程

本发明涉及显微组分识别技术领域，并且更具体地，涉及一种用于对显微组分进行自动识别的方法及系统。

背景技术：

显微组分主要来源于植物和动物的各种组织、器官的残余。显微组分没有特定的晶形、物理性质和化学成分也不固定并且随着成熟度而变化。显微组分中既含有可见的不溶有机质，也包含部分可见的可溶有机质。此外，显微组分还有相当部分的干酪根和呈亚微观细分散分布，并且镜下不能直接见到。因此，显微组分不完全等同于干酪根。

通常，有机岩石学将显微组分划分为腐泥组、壳质组、镜质组、惰质组、动物有机碎屑组以及次生有机质组等类别。每个组中还包含若干个具体的显微组分，并且每种组分均有其形态与光性特征。

在光学显微镜下能够识别出来组成煤的基本单位，其中由植物遗体变化而成的称为有机显微组分，而煤中的矿物杂质则称为无机显微组分。研究煤的显微组成，可把煤磨制成薄片(厚度0.02mm左右)，在光学显微镜下，用透射光进行观测。不同的显微组分，其颜色不同，有红色、黄色、棕色、黑色等，结构、形态也不同。但煤薄片的研究仅限于低、中煤化程度的煤，中、高煤化程度的煤因其逐渐不透明而不利于研究。把煤磨成光片，或把煤粒粘结起来制成粉煤光片，在光学显微镜下，用反射光进行观测，不同的显微组分，其反光色、形态、结构和突起不同。不同煤化程度的煤均可在反射光下进行观测，故光片和粉煤光片得到广泛的应用。透射光和反射光下看到的煤的显微组分，可分为有机显微组分和无机显微组分

煤的有机显微组分可分为三大组，即镜质组、壳质组、惰质组，每组中可根据形态和结构的不同再分出若干显微组分和显微亚组分。现有技术中对显微组分进行识别通常使用人工辅助的方式来进行，但是这种人工辅助的显微组分识别方式的效率较低并且容易出现错误的识别。

技术实现要素：

根据本发明的一个方面，提供一种用于对显微组分进行自动识别的方法，所述方法包括：

获取与待识别的目标对象相关联的经过初始化处理的图像数据，并确定所述图像数据所包括的像素点数量；

基于所述图像数据所包括的像素点数量获取所述图像数据的所有灰度值，并且基于所述图像数据的所有灰度值来生成所述图像数据的灰度直方图；

基于所述灰度直方图对所述图像数据进行数据处理以确定所述图像数据的灰度直方图的多个极小值点；

按照数据值的升序顺序对所述多个极小值点进行排序以生成极小值点序列；

将所述多个极小值点中数据值最小的极小值点与数据值零点之间的区域确定为所述图像数据的待识别区域，并且将多个极小值点中任意两个相邻的极小值点之间的区域确定为所述图像数据的待识别区域，从而获得多个待识别区域；

确定所述图像数据的多个待识别区域中每个待识别区域的灰度均匀性，根据每个待识别区域的灰度均匀性确定所述图像数据的镜质组的含量；

确定比镜质组反射率低的组分的含量在所述图像数据的全光片中进行累加的第一累加和，将所述第一累加和减去粘土矿物的含量并减去高反射率矿物的含量，以确定所述图像数据的壳质组的含量；以及

确定比镜质组反射率高的组分的含量在所述图像数据的全光片中进行累加的第二累加和，将所述第二累加和减去粘土矿物的含量并减去高反射率矿物的含量，以确定所述图像数据的惰质组的含量。

在获取与待识别的目标对象相关联的经过初始化处理的图像数据之前还包括，通过安装在显微镜上的高精度摄像机拍摄待识别的目标对象上位置均匀分布的多个显微图像。

对待识别的目标对象上位置均匀分布的多个显微图像进行拼接以生成图像数据。

确定所生成的图像数据的反射率和灰度均匀性。

基于反射率和灰度均匀性对所生成的图像数据进行初始化处理，以生成与待识别的目标对象相关联的经过初始化处理的图像数据。

所述初始化处理包括：平滑滤波和灰度均衡。

所述基于所述灰度直方图对所述图像数据进行数据处理包括：

按照预定方式对所述灰度直方图进行平滑处理。

所述预定方式包括：五点三次平滑处理、五点两次平滑处理和七点两次平滑处理。

所述基于所述灰度直方图对所述图像数据进行数据处理包括：

按照分段且可导多项式的方式使用泰勒级数对所述灰度直方图进行拟合，以生成拟合函数。

对所述拟合函数进行求导，确定一阶导数为零并且二阶导数大于零的极小值点。

所述确定所述图像数据的多个待识别区域中每个待识别区域的灰度均匀性包括：

根据均值计算、方差计算、极差计算或中位数计算的方式来确定所述图像数据的多个待识别区域中每个待识别区域的灰度均匀性。

根据每个待识别区域的灰度均匀性确定所述图像数据的镜质组的含量包括：

根据每个待识别区域的灰度均匀性确定镜质组的数量，根据镜质组的数量与总数量的比率确定所述图像数据的镜质组的含量。

根据本发明的另一个方面，提供一种用于对显微组分进行自动识别的方法，所述方法包括：

获取与待识别的目标对象相关联的经过初始化处理的多个图像数据，并确定多个图像数据中每个图像数据所包括的像素点数量；

基于每个图像数据所包括的像素点数量获取每个图像数据的所有灰度值，并且基于每个图像数据的所有灰度值来生成每个图像数据的灰度直方图；

基于所述灰度直方图对每个图像数据进行数据处理以确定每个图像数据的灰度直方图的多个极小值点；

按照数据值的升序顺序对所述多个极小值点进行排序以生成极小值点序列；

将所述多个极小值点中数据值最小的极小值点与数据值零点之间的区域确定为每个图像数据的待识别区域，并且将多个极小值点中任意两个相邻的极小值点之间的区域确定为每个图像数据的待识别区域，从而获得多个待识别区域；

确定每个图像数据的多个待识别区域中每个待识别区域的灰度均匀性，根据每个待识别区域的灰度均匀性确定每个图像数据的镜质组的含量；

确定比镜质组反射率低的组分的含量在每个图像数据的全光片中进行累加的第一累加和，将所述第一累加和减去粘土矿物的含量并减去高反射率矿物的含量，以确定每个图像数据的壳质组的含量；

确定比镜质组反射率高的组分的含量在每个图像数据的全光片中进行累加的第二累加和，将所述第二累加和减去粘土矿物的含量并减去高反射率矿物的含量，以确定每个图像数据的惰质组的含量；以及

将多个图像数据的镜质组、壳质组和惰质组的含量的均值作为待识别的目标对象的镜质组、壳质组和惰质组的含量。

根据本发明的再一个方面，提供一种用于对显微组分进行自动识别的系统，所述系统包括：

获取单元，获取与待识别的目标对象相关联的经过初始化处理的图像数据，并确定所述图像数据所包括的像素点数量；

生成单元，基于所述图像数据所包括的像素点数量获取所述图像数据的所有灰度值，并且基于所述图像数据的所有灰度值来生成所述图像数据的灰度直方图；

处理单元，基于所述灰度直方图对所述图像数据进行数据处理以确定所述图像数据的灰度直方图的多个极小值点；

排序单元，按照数据值的升序顺序对所述多个极小值点进行排序以生成极小值点序列；

识别单元，将所述多个极小值点中数据值最小的极小值点与数据值零点之间的区域确定为所述图像数据的待识别区域，并且将多个极小值点中任意两个相邻的极小值点之间的区域确定为所述图像数据的待识别区域，从而获得多个待识别区域；

第一确定单元，确定所述图像数据的多个待识别区域中每个待识别区域的灰度均匀性，根据每个待识别区域的灰度均匀性确定所述图像数据的镜质组的含量；

第二确定单元，确定比镜质组反射率低的组分的含量在所述图像数据的全光片中进行累加的第一累加和，将所述第一累加和减去粘土矿物的含量并减去高反射率矿物的含量，以确定所述图像数据的壳质组的含量；以及

第三确定单元，确定比镜质组反射率高的组分的含量在所述图像数据的全光片中进行累加的第二累加和，将所述第二累加和减去粘土矿物的含量并减去高反射率矿物的含量，以确定所述图像数据的惰质组的含量。

还包括初始化单元，通过安装在显微镜上的高精度摄像机拍摄待识别的目标对象上位置均匀分布的多个显微图像。

初始化单元对待识别的目标对象上位置均匀分布的多个显微图像进行拼接以生成图像数据。

还包括初始化单元，确定所生成的图像数据的反射率和灰度均匀性。

初始化单元基于反射率和灰度均匀性对所生成的图像数据进行初始化处理，以生成与待识别的目标对象相关联的经过初始化处理的图像数据。

所述初始化处理包括：平滑滤波和灰度均衡。

所述处理单元按照预定方式对所述灰度直方图进行平滑处理。

所述预定方式包括：五点三次平滑处理、五点两次平滑处理和七点两次平滑处理。

所述处理单元按照分段且可导多项式的方式使用泰勒级数对所述灰度直方图进行拟合，以生成拟合函数。

对所述拟合函数进行求导，确定一阶导数为零并且二阶导数大于零的极小值点。

所述第一确定单元根据均值计算、方差计算、极差计算或中位数计算的方式来确定所述图像数据的多个待识别区域中每个待识别区域的灰度均匀性。

所述第一确定单元根据每个待识别区域的灰度均匀性确定镜质组的数量，根据镜质组的数量与总数量的比率确定所述图像数据的镜质组的含量。

根据本发明的又一个方面，提供一种用于对显微组分进行自动识别的系统，所述系统包括：

获取单元，获取与待识别的目标对象相关联的经过初始化处理的多个图像数据，并确定多个图像数据中每个图像数据所包括的像素点数量；

生成单元，基于每个图像数据所包括的像素点数量获取每个图像数据的所有灰度值，并且基于每个图像数据的所有灰度值来生成每个图像数据的灰度直方图；

处理单元，基于所述灰度直方图对每个图像数据进行数据处理以确定每个图像数据的灰度直方图的多个极小值点；

排序单元，按照数据值的升序顺序对所述多个极小值点进行排序以生成极小值点序列；

识别单元，将所述多个极小值点中数据值最小的极小值点与数据值零点之间的区域确定为每个图像数据的待识别区域，并且将多个极小值点中任意两个相邻的极小值点之间的区域确定为每个图像数据的待识别区域，从而获得多个待识别区域；

第一确定单元，确定每个图像数据的多个待识别区域中每个待识别区域的灰度均匀性，根据每个待识别区域的灰度均匀性确定每个图像数据的镜质组的含量；

第二确定单元，确定比镜质组反射率低的组分的含量在每个图像数据的全光片中进行累加的第一累加和，将所述第一累加和减去粘土矿物的含量并减去高反射率矿物的含量，以确定每个图像数据的壳质组的含量；

第三确定单元，确定比镜质组反射率高的组分的含量在每个图像数据的全光片中进行累加的第二累加和，将所述第二累加和减去粘土矿物的含量并减去高反射率矿物的含量，以确定每个图像数据的惰质组的含量；以及

结果确定单元，将多个图像数据的镜质组、壳质组和惰质组的含量的均值作为待识别的目标对象的镜质组、壳质组和惰质组的含量。

附图说明

通过参考下面的附图，可以更为完整地理解本发明的示例性实施方式：

图1为根据本发明实施方式的用于对显微组分进行自动识别的方法的流程图；

图2为根据本发明另一实施方式的用于对显微组分进行自动识别的方法的流程图；

图3为根据本发明实施方式的用于对基于灰度直方图的阙值分割的方法的流程图；

图4为根据本发明实施方式的用于对显微组分进行自动识别的系统的结构示意图；以及

图5为根据本发明另一实施方式的用于对显微组分进行自动识别的系统的结构示意图。

具体实施方式

图1为根据本发明实施方式的用于对显微组分进行自动识别的方法100的流程图。如图1所示，方法100从步骤101处开始。在步骤101，获取与待识别的目标对象相关联的经过初始化处理的图像数据，并确定所述图像数据所包括的像素点数量。其中待识别的目标对象例如是煤。例如，图像数据包括2048×1536个像素点。在获取与待识别的目标对象相关联的经过初始化处理的图像数据之前还包括，通过安装在显微镜上的高精度摄像机拍摄待识别的目标对象上位置均匀分布的多个显微图像。例如通过安装在显微镜上的高精度摄像机拍摄待识别的目标对象上位置均匀分布的20、30、50或100等个显微图像。对待识别的目标对象上位置均匀分布的20、30、50或100等个显微图像进行拼接以生成图像数据。通常，可以通过任何现有的图像拼接方式将确定所生成的图像数据的反射率和灰度均匀性。基于反射率和灰度均匀性对所生成的图像数据进行初始化处理，以生成与待识别的目标对象相关联的经过初始化处理的图像数据。所述初始化处理包括：平滑滤波和灰度均衡。

在步骤102，基于所述图像数据所包括的像素点数量获取所述图像数据的所有灰度值，并且基于所述图像数据的所有灰度值来生成所述图像数据的灰度直方图。本申请确定图像数据所包括的每个像素点的灰度值，以确定图像数据的全部像素点的所有灰度值。基于所述图像数据的所有灰度值来生成用于指示恢复值分布的图像数据的灰度直方图。在灰度直方图中，横坐标为灰度值并且纵坐标为数量。

在步骤103，基于所述灰度直方图对所述图像数据进行数据处理以确定所述图像数据的灰度直方图的多个极小值点。基于所述灰度直方图对所述图像数据进行数据处理包括：按照预定方式对所述灰度直方图进行平滑处理。预定方式包括：五点三次平滑处理、五点两次平滑处理和七点两次平滑处理等。

平滑的目的有两类：一类是模糊；另一类是消除噪音。空间域的平滑滤波一般采用简单平均法进行，就是求邻近像元点的平均亮度值。邻域的大小与平滑的效果直接相关，邻域越大平滑的效果越好，但邻域过大，平滑会使边缘信息损失的越大，从而使输出的图像变得模糊，因此需合理选择邻域的大小。因此，“平滑处理”也称“模糊处理”(blurring)，是一项简单且使用频率很高的图像处理方法。平滑处理的用途很多，但最常见的是用来减少图像上的噪声或者失真。降低图像分辨率时，平滑处理是很重要的。

平滑处理包括均值滤波、中值滤波、高斯滤波和双边滤波。均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素(以目标象素为中心的周围8个像素，构成一个滤波模板，即去掉目标像素本身)，再用模板中的全体像素的平均值来代替原来像素值。中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值，也就是将中心像素的值用所有像素值的中间值(不是平均值)替换。高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。通俗的讲，高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。高斯滤波的具体操作是：用一个模板(或称卷积、掩模)扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。双边滤波是一种非线性的滤波方法，是结合图像的空间邻近度和像素值相似度的一种折衷处理，同时考虑空域信息和灰度相似性，达到保边去噪的目的。具有简单、非迭代、局部的特点。双边滤波能够提供一种不会将边缘平滑掉的方法，但作为代价，需要更多的处理时间。

基于所述灰度直方图对所述图像数据进行数据处理包括：按照分段且可导多项式的方式使用泰勒级数对所述灰度直方图进行拟合，以生成拟合函数。对所述拟合函数进行求导，确定一阶导数为零并且二阶导数大于零的极小值点。

在步骤104，按照数据值的升序顺序对所述多个极小值点进行排序以生成极小值点序列。在极小值点序列中，排序越靠前，则数据值越小，并且排序越靠后，则数据值越大。

在步骤105，将所述多个极小值点中数据值最小的极小值点与数据值零点之间的区域确定为所述图像数据的待识别区域，并且将多个极小值点中任意两个相邻的极小值点之间的区域确定为所述图像数据的待识别区域，从而获得多个待识别区域。

在步骤106，确定所述图像数据的多个待识别区域中每个待识别区域的灰度均匀性，根据每个待识别区域的灰度均匀性确定所述图像数据的镜质组的含量。确定所述图像数据的多个待识别区域中每个待识别区域的灰度均匀性包括：根据均值计算、方差计算、极差计算或中位数计算的方式来确定所述图像数据的多个待识别区域中每个待识别区域的灰度均匀性。

根据每个待识别区域的灰度均匀性确定所述图像数据的镜质组的含量包括：根据每个待识别区域的灰度均匀性确定镜质组的数量，根据镜质组的数量与总数量的比率确定所述图像数据的镜质组的含量。

在步骤107，确定比镜质组反射率低的组分的含量在所述图像数据的全光片中进行累加的第一累加和，将所述第一累加和减去粘土矿物的含量并减去高反射率矿物的含量，以确定所述图像数据的壳质组的含量。

在步骤108，确定比镜质组反射率高的组分的含量在所述图像数据的全光片中进行累加的第二累加和，将所述第二累加和减去粘土矿物的含量并减去高反射率矿物的含量，以确定所述图像数据的惰质组的含量。

在镜质体确定后，利用煤质分析中干燥基灰分ad，全硫st(煤中各种形态的硫的总和称)、成分硫、灰成分等数据可得煤中粘土矿物、其他高反射率矿物含量，比镜质体反射率低及比镜质体反射率高的组分在全光片中累加后分别减去粘土矿及高反射率矿物含量即得壳质组及惰质组含量。

图2为根据本发明另一实施方式的用于对显微组分进行自动识别的方法200的流程图。如图2所示，方法200从步骤201处开始。在步骤201，获取与待识别的目标对象相关联的经过初始化处理的多个图像数据，并确定多个图像数据中每个图像数据所包括的像素点数量。其中，待识别的目标对象例如是煤。本申请可以获取与待识别的目标对象相关联的经过初始化处理的10个、15个、20个、50个图像数据，并且确定每个图像数据所呈现的显微组分。通过计算每个图像数据的显微组分的平均值来确定待识别的目标对象的组分。

例如图像数据包括2048×1536个像素点。在获取与待识别的目标对象相关联的经过初始化处理的图像数据之前还包括，通过安装在显微镜上的高精度摄像机拍摄待识别的目标对象上位置均匀分布的多个显微图像。例如通过安装在显微镜上的高精度摄像机拍摄待识别的目标对象上位置均匀分布的20、30、50或100等个显微图像。对待识别的目标对象上位置均匀分布的20、30、50或100等个显微图像进行拼接以生成图像数据。通常，可以通过任何现有的图像拼接方式将确定所生成的图像数据的反射率和灰度均匀性。基于反射率和灰度均匀性对所生成的图像数据进行初始化处理，以生成与待识别的目标对象相关联的经过初始化处理的图像数据。所述初始化处理包括：平滑滤波和灰度均衡。

在步骤202，基于每个图像数据所包括的像素点数量获取每个图像数据的所有灰度值，并且基于每个图像数据的所有灰度值来生成每个图像数据的灰度直方图。本申请确定每个图像数据所包括的每个像素点的灰度值，以确定每个图像数据的全部像素点的所有灰度值。基于每个图像数据的所有灰度值来生成用于指示恢复值分布的图像数据的灰度直方图。在灰度直方图中，横坐标为灰度值并且纵坐标为数量。

在步骤203，基于所述灰度直方图对每个图像数据进行数据处理以确定每个图像数据的灰度直方图的多个极小值点。基于所述灰度直方图对每个图像数据进行数据处理包括：按照预定方式对所述灰度直方图进行平滑处理。预定方式包括：五点三次平滑处理、五点两次平滑处理和七点两次平滑处理等。

在步骤204，按照数据值的升序顺序对所述多个极小值点进行排序以生成极小值点序列。在极小值点序列中，排序越靠前，则数据值越小，并且排序越靠后，则数据值越大。

在步骤205，将所述多个极小值点中数据值最小的极小值点与数据值零点之间的区域确定为每个图像数据的待识别区域，并且将多个极小值点中任意两个相邻的极小值点之间的区域确定为每个图像数据的待识别区域，从而获得多个待识别区域。

在步骤206，确定每个图像数据的多个待识别区域中每个待识别区域的灰度均匀性，根据每个待识别区域的灰度均匀性确定每个图像数据的镜质组的含量。确定每个图像数据的多个待识别区域中每个待识别区域的灰度均匀性包括：根据均值计算、方差计算、极差计算或中位数计算的方式来确定每个图像数据的多个待识别区域中每个待识别区域的灰度均匀性。

根据每个待识别区域的灰度均匀性确定每个图像数据的镜质组的含量包括：根据每个待识别区域的灰度均匀性确定镜质组的数量，根据镜质组的数量与总数量的比率确定每个图像数据的镜质组的含量。

在步骤207，确定比镜质组反射率低的组分的含量在每个图像数据的全光片中进行累加的第一累加和，将所述第一累加和减去粘土矿物的含量并减去高反射率矿物的含量，以确定每个图像数据的壳质组的含量。

在步骤208，确定比镜质组反射率高的组分的含量在每个图像数据的全光片中进行累加的第二累加和，将所述第二累加和减去粘土矿物的含量并减去高反射率矿物的含量，以确定每个图像数据的惰质组的含量。

在步骤209，将多个图像数据的镜质组、壳质组和惰质组的含量的均值作为待识别的目标对象的镜质组、壳质组和惰质组的含量。

图3为根据本发明实施方式的用于对基于灰度直方图的阙值分割的方法300的流程图。如图3所示，方法300从步骤301处开始。在步骤301，获取图像灰度直方图。实际上是对每幅图像2048×1536点灰度值做直方图。在步骤302，进行平滑处理：直方图处理中常规做法，有五点三次平滑处理、五点两次平滑处理、七点两次平滑处理等方法。在步骤303，进行泰勒级数拟合，对复杂函数一般采用泰勒级数展开，以分段、可导多项式拟合直方图。在步骤304，求导，其中一阶导数f'(x)＝0，二阶导数f”(x)＞0得到拟合函数的极小值点。在步骤305，圈定区域，其中第一极小值点为区域1；第一极小值点‐第二极小值点为区域2；、……、第n极小值点‐255为区域n+1。

图4为根据本发明实施方式的用于对显微组分进行自动识别的系统400的结构示意图。系统400包括：获取单元401、生成单元402、处理单元403、排序单元404、识别单元405、第一确定单元406、第二确定单元407以及第三确定单元408。

获取单元401获取与待识别的目标对象相关联的经过初始化处理的图像数据，并确定所述图像数据所包括的像素点数量。其中待识别的目标对象例如是煤。例如，图像数据包括2048×1536个像素点。在获取与待识别的目标对象相关联的经过初始化处理的图像数据之前还包括，通过安装在显微镜上的高精度摄像机拍摄待识别的目标对象上位置均匀分布的多个显微图像。例如通过安装在显微镜上的高精度摄像机拍摄待识别的目标对象上位置均匀分布的20、30、50或100等个显微图像。对待识别的目标对象上位置均匀分布的20、30、50或100等个显微图像进行拼接以生成图像数据。通常，可以通过任何现有的图像拼接方式将确定所生成的图像数据的反射率和灰度均匀性。基于反射率和灰度均匀性对所生成的图像数据进行初始化处理，以生成与待识别的目标对象相关联的经过初始化处理的图像数据。所述初始化处理包括：平滑滤波和灰度均衡。

生成单元402基于所述图像数据所包括的像素点数量获取所述图像数据的所有灰度值，并且基于所述图像数据的所有灰度值来生成所述图像数据的灰度直方图。本申请确定图像数据所包括的每个像素点的灰度值，以确定图像数据的全部像素点的所有灰度值。基于所述图像数据的所有灰度值来生成用于指示恢复值分布的图像数据的灰度直方图。在灰度直方图中，横坐标为灰度值并且纵坐标为数量。

处理单元403基于所述灰度直方图对所述图像数据进行数据处理以确定所述图像数据的灰度直方图的多个极小值点。基于所述灰度直方图对所述图像数据进行数据处理包括：按照预定方式对所述灰度直方图进行平滑处理。预定方式包括：五点三次平滑处理、五点两次平滑处理和七点两次平滑处理等。

平滑的目的有两类：一类是模糊；另一类是消除噪音。空间域的平滑滤波一般采用简单平均法进行，就是求邻近像元点的平均亮度值。邻域的大小与平滑的效果直接相关，邻域越大平滑的效果越好，但邻域过大，平滑会使边缘信息损失的越大，从而使输出的图像变得模糊，因此需合理选择邻域的大小。因此，“平滑处理”也称“模糊处理”(blurring)，是一项简单且使用频率很高的图像处理方法。平滑处理的用途很多，但最常见的是用来减少图像上的噪声或者失真。降低图像分辨率时，平滑处理是很重要的。

平滑处理包括均值滤波、中值滤波、高斯滤波和双边滤波。均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素(以目标象素为中心的周围8个像素，构成一个滤波模板，即去掉目标像素本身)，再用模板中的全体像素的平均值来代替原来像素值。中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值，也就是将中心像素的值用所有像素值的中间值(不是平均值)替换。高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。通俗的讲，高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。高斯滤波的具体操作是：用一个模板(或称卷积、掩模)扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。双边滤波是一种非线性的滤波方法，是结合图像的空间邻近度和像素值相似度的一种折衷处理，同时考虑空域信息和灰度相似性，达到保边去噪的目的。具有简单、非迭代、局部的特点。双边滤波能够提供一种不会将边缘平滑掉的方法，但作为代价，需要更多的处理时间。

基于所述灰度直方图对所述图像数据进行数据处理包括：按照分段且可导多项式的方式使用泰勒级数对所述灰度直方图进行拟合，以生成拟合函数。对所述拟合函数进行求导，确定一阶导数为零并且二阶导数大于零的极小值点。

排序单元404按照数据值的升序顺序对所述多个极小值点进行排序以生成极小值点序列。在极小值点序列中，排序越靠前，则数据值越小，并且排序越靠后，则数据值越大。

识别单元405将所述多个极小值点中数据值最小的极小值点与数据值零点之间的区域确定为所述图像数据的待识别区域，并且将多个极小值点中任意两个相邻的极小值点之间的区域确定为所述图像数据的待识别区域，从而获得多个待识别区域。

第一确定单元406确定所述图像数据的多个待识别区域中每个待识别区域的灰度均匀性，根据每个待识别区域的灰度均匀性确定所述图像数据的镜质组的含量。确定所述图像数据的多个待识别区域中每个待识别区域的灰度均匀性包括：根据均值计算、方差计算、极差计算或中位数计算的方式来确定所述图像数据的多个待识别区域中每个待识别区域的灰度均匀性。

根据每个待识别区域的灰度均匀性确定所述图像数据的镜质组的含量包括：根据每个待识别区域的灰度均匀性确定镜质组的数量，根据镜质组的数量与总数量的比率确定所述图像数据的镜质组的含量。

第二确定单元407确定比镜质组反射率低的组分的含量在所述图像数据的全光片中进行累加的第一累加和，将所述第一累加和减去粘土矿物的含量并减去高反射率矿物的含量，以确定所述图像数据的壳质组的含量。

第三确定单元408确定比镜质组反射率高的组分的含量在所述图像数据的全光片中进行累加的第二累加和，将所述第二累加和减去粘土矿物的含量并减去高反射率矿物的含量，以确定所述图像数据的惰质组的含量。

在镜质体确定后，利用煤质分析中干燥基灰分ad，全硫st(煤中各种形态的硫的总和称)、成分硫、灰成分等数据可得煤中粘土矿物、其他高反射率矿物含量，比镜质体反射率低及比镜质体反射率高的组分在全光片中累加后分别减去粘土矿及高反射率矿物含量即得壳质组及惰质组含量。

图5为根据本发明另一实施方式的用于对显微组分进行自动识别的系统500的结构示意图。系统500包括：获取单元501、生成单元502、处理单元503、排序单元504、识别单元505、第一确定单元506、第二确定单元507、第三确定单元508以及结果确定单元509。

获取单元501获取与待识别的目标对象相关联的经过初始化处理的多个图像数据，并确定多个图像数据中每个图像数据所包括的像素点数量。其中，待识别的目标对象例如是煤。本申请可以获取与待识别的目标对象相关联的经过初始化处理的10个、15个、20个、50个图像数据，并且确定每个图像数据所呈现的显微组分。通过计算每个图像数据的显微组分的平均值来确定待识别的目标对象的组分。

例如图像数据包括2048×1536个像素点。在获取与待识别的目标对象相关联的经过初始化处理的图像数据之前还包括，通过安装在显微镜上的高精度摄像机拍摄待识别的目标对象上位置均匀分布的多个显微图像。例如通过安装在显微镜上的高精度摄像机拍摄待识别的目标对象上位置均匀分布的20、30、50或100等个显微图像。对待识别的目标对象上位置均匀分布的20、30、50或100等个显微图像进行拼接以生成图像数据。通常，可以通过任何现有的图像拼接方式将确定所生成的图像数据的反射率和灰度均匀性。基于反射率和灰度均匀性对所生成的图像数据进行初始化处理，以生成与待识别的目标对象相关联的经过初始化处理的图像数据。所述初始化处理包括：平滑滤波和灰度均衡。

生成单元502基于每个图像数据所包括的像素点数量获取每个图像数据的所有灰度值，并且基于每个图像数据的所有灰度值来生成每个图像数据的灰度直方图。本申请确定每个图像数据所包括的每个像素点的灰度值，以确定每个图像数据的全部像素点的所有灰度值。基于每个图像数据的所有灰度值来生成用于指示恢复值分布的图像数据的灰度直方图。在灰度直方图中，横坐标为灰度值并且纵坐标为数量。

处理单元503基于所述灰度直方图对每个图像数据进行数据处理以确定每个图像数据的灰度直方图的多个极小值点。基于所述灰度直方图对每个图像数据进行数据处理包括：按照预定方式对所述灰度直方图进行平滑处理。预定方式包括：五点三次平滑处理、五点两次平滑处理和七点两次平滑处理等。

排序单元504按照数据值的升序顺序对所述多个极小值点进行排序以生成极小值点序列。在极小值点序列中，排序越靠前，则数据值越小，并且排序越靠后，则数据值越大。

识别单元505将所述多个极小值点中数据值最小的极小值点与数据值零点之间的区域确定为每个图像数据的待识别区域，并且将多个极小值点中任意两个相邻的极小值点之间的区域确定为每个图像数据的待识别区域，从而获得多个待识别区域。

第一确定单元506确定每个图像数据的多个待识别区域中每个待识别区域的灰度均匀性，根据每个待识别区域的灰度均匀性确定每个图像数据的镜质组的含量。确定每个图像数据的多个待识别区域中每个待识别区域的灰度均匀性包括：根据均值计算、方差计算、极差计算或中位数计算的方式来确定每个图像数据的多个待识别区域中每个待识别区域的灰度均匀性。

根据每个待识别区域的灰度均匀性确定每个图像数据的镜质组的含量包括：根据每个待识别区域的灰度均匀性确定镜质组的数量，根据镜质组的数量与总数量的比率确定每个图像数据的镜质组的含量。

第二确定单元507确定比镜质组反射率低的组分的含量在每个图像数据的全光片中进行累加的第一累加和，将所述第一累加和减去粘土矿物的含量并减去高反射率矿物的含量，以确定每个图像数据的壳质组的含量。

第三确定单元508确定比镜质组反射率高的组分的含量在每个图像数据的全光片中进行累加的第二累加和，将所述第二累加和减去粘土矿物的含量并减去高反射率矿物的含量，以确定每个图像数据的惰质组的含量。

结果确定单元509将多个图像数据的镜质组、壳质组和惰质组的含量的均值作为待识别的目标对象的镜质组、壳质组和惰质组的含量。

已经通过参考少量实施方式描述了本发明。然而，本领域技术人员所公知的，正如附带的专利权利要求所限定的，除了本发明以上公开的其他的实施例等同地落在本发明的范围内。

通常地，在权利要求中使用的所有术语都根据他们在技术领域的通常含义被解释，除非在其中被另外明确地定义。所有的参考“一个/所述/该[装置、组件等]”都被开放地解释为所述装置、组件等中的至少一个实例，除非另外明确地说明。这里公开的任何方法的步骤都没必要以公开的准确的顺序运行，除非明确地说明。