表征煤質(zhì)指標的煤粒圖像顏色特征＊

丁利華 楊建國 張澤琳 蘇曉蘭 高 群

（1.中國礦業(yè)大學國家煤加工與潔凈化工程技術研究中心，江蘇省徐州市，221008；2.中國煤炭科工集團沈陽設計研究院，遼寧省沈陽市，110015）

表征煤質(zhì)指標的煤粒圖像顏色特征＊

丁利華1楊建國1張澤琳1蘇曉蘭1高 群2

（1.中國礦業(yè)大學國家煤加工與潔凈化工程技術研究中心，江蘇省徐州市，221008；2.中國煤炭科工集團沈陽設計研究院，遼寧省沈陽市，110015）

針對煤粒表面圖像的表征問題，采集了7個密度級共70幅煤粒圖像，研究了煤粒圖像的兩個顏色空間，分析了煤粒圖像RGB和HSV的6個顏色特征的一、二、三階矩，并對其進行篩選。結果表明煤粒表面呈現(xiàn)深灰色并且色彩信息很少，在進行煤粒密度級判別時，可以選取亮度一階、亮度二階、亮度三階、飽和度一階和飽和度三階這5個顏色特征，參數(shù)表征不同密度級煤粒的顏色信息，為實現(xiàn)機器視覺識別煤質(zhì)指標提供了參考。

煤粒顏色特征 圖像識別 機器視覺 圖像處理

1 概述

如今選煤行業(yè)已向數(shù)字化、自動化方向發(fā)展，但在提取煤質(zhì)指標的方向上表現(xiàn)的還不夠成熟。現(xiàn)階段測定煤質(zhì)灰分的手段主要有兩種：一種是取樣燒灰來確定，這種方法可靠性最高，但具有滯后性，導致現(xiàn)場生產(chǎn)不能及時了解產(chǎn)品品質(zhì)；二是使用放射性在線測灰儀進行測量，這種方法時效性高，但如果煤中含有一定磁性物質(zhì)時，實驗數(shù)據(jù)就會出現(xiàn)很大偏差，這表明不同密度級煤粒的表面存在差異性。圖像處理通過對表征事物的圖像信息進行處理和分析，能實現(xiàn)對事物的辨認和分類。所以使用煤粒圖像分析的方法也能進行煤粒的灰分識別，而且更快、更準確、更穩(wěn)定。

顏色是圖像中基本而又重要的特征，每一種物體都有其顏色，并且顏色特征具有旋轉不變、尺度不變等優(yōu)勢。國內(nèi)外已開始利用彩色位圖的RGB三分量和灰度圖像的亮度來研究浮選泡沫，研究煤粒表面圖像的顏色特征，為通過機器視覺方法實現(xiàn)煤粒灰分、密度級和煤種的在線識別提供了研究基礎，對進一步提高選煤效率和自動化程度起到巨大的推動作用。

2 煤粒圖像處理

2.1 煤粒圖像顏色特征

本試驗研究選取的煤粒是太西選煤廠一分區(qū)25～50 mm粒度級的原煤煤粒。選取70個-1.35 g／cm3、1.35～1.4 g／cm3、1.4～1.5 g／cm3、1.5～1.6 g／cm3、1.6～1.7 g／cm3、1.7～1.8 g／cm3和+1.8 g／cm3這7個密度級的煤粒。各個密度級的典型煤粒如圖1所示，觀察不同密度級的煤粒，可以看到不同密度級的煤粒在光澤、顏色方面有肉眼可識別的差異。低密度級煤粒黑而發(fā)亮，反光性強；中煤顏色由黑色逐漸變?yōu)榛疑炼群头垂舛戎饾u降低；矸石則普遍表面平滑，顯淺灰色。

圖1 各密度級典型煤粒

2.2 圖像顏色空間

對顏色特征的研究必須置于特定的顏色空間之中，在圖像處理中經(jīng)常使用的是RGB和HSV顏色空間。

RGB顏色空間在圖像顯示中是一種常用的顏色空間。目前，數(shù)字圖像一般也都采用RGB顏色空間來表示。RGB顏色空間模型如圖2所示，是一個三維的顏色模型。它以紅 （R）、綠 （G）、藍（B）作為三基色，即在RGB彩色模型中，所有顏色均由紅、綠、藍相加混合而成。在RGB坐標體系中的原點上，三基色的亮度均為零，此時代表黑色；當三基色同時達到最高亮度時為白色；由等量的三基色混合而成的顏色是灰色，這些灰色點均落在RGB彩色立方體的對角線上。

圖2 RGB顏色空間模型

HSV顏色空間具有視覺一致性，它比RGB顏色空間更符合人的視覺特性，依據(jù)人類對于色澤、明暗和色調(diào)的直觀感覺來定義顏色。HSV顏色空間把顏色表示為3種屬性：色調(diào)H、飽和度S和亮度V。HSV顏色空間模型如圖3所示，可以看成是倒置的圓錐形。HSV顏色空間的色調(diào)H表示光的顏色，如紅、黃、綠等，它用角度0°～180°或0°～360°來度量。飽和度S指顏色的深淺程度，即在純色中包含的白色光的成分。例如同樣是紅色，會因顏色濃度不同而分為深紅色、粉紅色和淺紅色。飽和度S用百分比來度量，從濃度最小的0%到濃度完全飽和的100%。亮度V是指顏色的明暗程度，也用百分比來度量，從0%為最暗的黑色，到100%為最亮的白色。

圖3 HSV顏色空間模型

在HSV空間上對于顏色的劃分方法是：對于V≤0.2的顏色認為是黑色；對于V≤0.1，且V≥0.2的顏色，認為是灰色。并按照V值得不同，劃分為深灰 （0.2，0.5］，淺灰 （0.5，0.8］，白色（0.8，1］；其他顏色認為是彩色。

2.3 顏色特征提取

本次試驗煤樣的圖像采集系統(tǒng)包括2個30W的LED白熾燈、背景皮帶、數(shù)碼相機和支撐封閉架。數(shù)碼相機置于煤粒正上方，距背景皮帶表面0.8 m，光源位于兩側距煤粒表面1.5 m，入射光與煤粒間夾角為60°。采集的煤粒圖像記錄格式為1024×768piexl，每幅以24位RGB模式保存。共拍攝了70個煤粒，每個密度級10個。對每幅圖像利用Matlab軟件編程進行增強對比度的預處理，然后利用閾值和最小矩形法從皮帶背景中截取包含煤粒的最小矩形，并將底色變黑。最后對截取的煤粒圖像進行顏色特征提取，對煤粒表面圖像的處理過程如圖4所示。

圖4 煤粒表面圖像處理過程

顏色特征常用的提取方法包括顏色直方圖、顏色矩和顏色集等。本次試驗采用簡單而有效的顏色矩方法提取顏色特征值。顏色矩算法簡單并且圖像中任何顏色的分布信息都可以表示為它的矩。圖形的主要顏色分布信息都包含在低階矩中，因此圖形的顏色分布可以通過顏色的一階矩、二階矩和三階矩進行表示。

2.4 顏色特征選擇

為了進一步選取適合表征煤粒的顏色特征，對所提取的R、G、B、H、S、V的一、二、三階矩的特征值做如下分析。

將70幅截取的煤粒圖像的R、G、B一階矩統(tǒng)計后見圖5。從圖中可以看到每一個煤粒的R、G、B一階矩分量近似相等即RGB 3個分量相等，所以可以認為煤粒圖像包含的色彩信息較少。對于灰度，每一個像素點的RGB值都是相同的，可以將每一幅圖像轉換為灰度圖，提取灰度圖的灰度值，就可以代替RGB 3個分量。通常將灰度劃分成0～255共256個級別，0最暗，255最亮，也就是說RGB值從 （0，0，0）一直到 （255，255，255），（0，0，0）表示黑色， （255，255，255）是全白色，中間的是灰色，總共有256級灰度。

圖5 RGB3個分量統(tǒng)計圖

統(tǒng)計70個煤粒圖像的飽和度值見圖6，發(fā)現(xiàn)飽和度S值均小于0.1，說明顏色是灰色，統(tǒng)計70個煤粒圖像的亮度值見圖7，發(fā)現(xiàn)亮度V值都在0.2～0.5之間，進一步說明煤粒表面顏色是深灰色。通過對S和V一階矩的統(tǒng)計圖分析可知，煤粒表面的顏色為深灰色，所以我們在表征煤粒時，煤粒表面顏色已確定為深灰色，可以忽略表征顏色種類的色調(diào)H這一顏色特征。

圖6 飽和度S統(tǒng)計圖

通過以上分析，得到表征煤粒的3個顏色特征，分別是灰度、飽和度和亮度。分別對其提取一、二、三階矩得到9個特征參數(shù)。根據(jù)各密度級煤粒圖像特征平均值，得出這9個特征值隨密度級和灰分的變化趨勢圖見圖8。橫坐標為序號，代表7個密度級和各密度級灰分，縱坐標為各顏色特征參數(shù)。

先將煤粒表面圖像的灰度和亮度特征值歸一化到 ［0，1］之間，并求出9個特征值的標準差分別是灰度一階的標準差為0.3163，灰度二階的標準差為0.2924，灰度三階的標準差為0.3166；亮度一階的標準差為0.3226，亮度二階的標準差為0.2939，亮度三階的標準差為0.3177；飽和度一階的標準差為0.0058，飽和度二階的標準差為0.0078，飽和度三階的標準差為0.0192。

結合變化趨勢圖和9個特征值標準差可以看出，灰度和亮度的變化趨勢圖基本一致，通過對灰度和亮度特征值標準差的對比，可以看到灰度一階和亮度一階、灰度二階和亮度二階、灰度三階和亮度三階的標準差近似相等。說明灰度和亮度的波動和變化基本一致，實際進行煤粒密度級判別分析的時候可以選取灰度和亮度這兩個特征其中的一個。飽和度一階和飽和度二階的變化趨勢圖基本重合且這兩個特征值的標準差近似相等，在進行煤粒密度級判別分析的時候可以舍棄其中一個。

通過對煤粒圖像顏色特征的分析和篩選，最后選定亮度一階、亮度二階、亮度三階、飽和度一階和飽和度三階作為最終煤粒圖像判別分析時的顏色特征。

3 結論

（1）同一煤粒圖像的RGB三分量是基本相等的，顏色信息量很少，可以用灰度值代替RGB三分量表示煤粒圖像的顏色信息。

（2）通過對煤粒圖像HSV顏色空間的分析，得出煤粒表面顏色為深灰色，說明色調(diào)H對表征煤粒表面圖像顏色沒有差異性。

（3）通過對煤粒圖像灰度、亮度、飽和度特征隨密度級的變化趨勢圖和特征值標準差的分析，發(fā)現(xiàn)了灰度和亮度、飽和度一階和飽和度二階的變化趨勢基本一致。

（4）在進行煤粒表面圖像表征、處理和提取顏色特征參數(shù)時，可以采用圖像的亮度一階、亮度二階、亮度三階、飽和度一階和飽和度三階進行計算。通過對煤粒圖像顏色特征的篩選，減少了數(shù)據(jù)傳輸量和計算量，加快了圖像的處理速度，為以后利用多元回歸或者神經(jīng)網(wǎng)絡等方法進行煤粒密度級判別提供了相關性強的顏色特征。

［1］余芳 .基于顏色特征的圖像檢索技術研究 ［D］.中國石油大學，2007

［2］梅曉仁，陳鵬，高永勝.基于SPSS的煤質(zhì)發(fā)熱量相關因素分析及其回歸模型研究 ［J］.中國煤炭，2011 （7）

［3］Hargrave J M ，Hall S T.Diagnosis of concentrate grade and mass flowrate in tin flotation from color and surface texture analysis ［J］.Mineral Engineering，1997（6）

［4］王勇，路邁西，王凡等 .表征煤泥浮選泡沫圖像特征的最佳色彩方案 ［J］.中國礦業(yè)大學學報，2002（6）

［5］崔屹 .數(shù)字圖像處理技術與應用 ［M］.北京：北京電子工業(yè)出版社，1997

［6］田玉敏，林高全 .基于顏色特征的彩色圖像檢索方法 ［J］.西安電子科技大學學報，2002（1）

Selection of color features of coal particle surface image

Ding Lihua1，Yang Jianguo1，Zhang Zelin1，Su Xiaolan1，Gao Qun2
（1.National Engineering Research Center of Coal Preparation and Purification，China University of Mining and Technology，Xuzhou，Jiangsu 221008，China；2.Shenyang Design and Research Institute of China Coal Technology＆Engineering Group，Shenyang，Liaoning 110015，China）

For the characterization of the coal particle surface image，a total of 70 coal particle images of the 7 density levels were collected，the two coal image color space（RGB color space and HSV color space）were researched，the first，the second and the third moment of six colour features were analyzed and selected.The results showed that the coal particle surface presents dark gray and have very little color information.During the recognition of the coal particle density，5 color features（the first moment of the value，the second moment of the value，the third moment of the value，the first moment of the saturation and the third moment of the saturation）can be selected to characterize the color information of the different density level coal particles surface image，which provide a reference for the machine vision to identify coal quality index.

color features，image recognition，machine vision，image processing

TQ533.6

A

國家自然科學資金委員會創(chuàng)新研究群體科學基金 （50921002）

丁利華 （1987-），女，江蘇南通人，中國礦業(yè)大學在讀碩士研究生，研究方向為礦物加工工程。

（責任編輯 王雅琴）