基于零均值及零方差圖構(gòu)建的潤滑油磨粒檢測

摘要：提出了一種基于零均值圖構(gòu)建的潤滑油磨粒檢測的圖像處理方法。首先對采集的潤滑油磨粒圖像進(jìn)行零均值化和零方差化；然后，采用最大類間方差分割法對構(gòu)建的零均值圖和零方差圖進(jìn)行分割并對分割后的圖像進(jìn)行融合處理；最后，分別通過形態(tài)學(xué)濾波的開啟運算和填充消除噪聲和空洞。實驗仿真表明，該算法具有較強(qiáng)的抗噪聲能力，能夠完整地分割出磨粒信息。

關(guān)鍵詞：圖像處理；零均值圖；零方差圖；磨粒檢測

中圖分類號：TP391

文獻(xiàn)標(biāo)識碼：A

DOI：10.3969/i.issn.1003-6970.2015.06.022

本文著錄格式：王建紅，基于零均值及零方差圖構(gòu)建的潤滑油磨粒檢測叮]軟件，2015，36（6）：120-124

TheWearDebrisDetectionBasedonZero-meanImageandZero-varianceImageConstruction

WANGJian-hong

[Abstract]：Thispaperintroducesanewimageprocessingmethodbasedonzero-meanimagefortheweardetectionoflubricatingoil.Firstly，weardebrisimageoflubricatingoilcollectedisprocessedbyzeromeanandzerovariance.Then，theMaximumbetween-ClusterVariancemethodisproposedforsegmentationofzero-meanimageandzero-varianceimage，andthesegmentationimagesarefused.Finally，theopeningoperationandfillingofmorphologicalfilteringarerespectivelyusedtoeliminatenoiseandcavity.Experimentalresultsshowthattheproposedalgorithmhasgoodabilitytoovercomethenoiseandcansplitthewearinformationcompletely.

[Keywordsl：Imageprocessing；Zero-meanimage；Zero-varianceimage；Weardebrisdetection

0引言

機(jī)械系統(tǒng)產(chǎn)生的故障和失效的主要原因是零部件的磨損，并且全球30%的動力消耗是由摩擦引起。而潤滑油是發(fā)動機(jī)中的“血液”，它具有冷卻、潤滑、密封、防腐、清洗等作用，潤滑油的質(zhì)量好壞直接影響到發(fā)動機(jī)的工作性能和壽命。隨著發(fā)動機(jī)工作時間的延續(xù)，潤滑油在高溫下的氧化，機(jī)械零件的磨損產(chǎn)物，使用過程中的燃油以及水分的混入等因素，將使?jié)櫥褪艿轿廴?，?dǎo)致品質(zhì)下降，甚至喪失潤滑油應(yīng)有的效能。

對潤滑油狀態(tài)進(jìn)行檢測，不僅可以及時地發(fā)現(xiàn)潤滑油質(zhì)量的變化，做到按需更換潤滑油，降低運行成本，更為重要的是潤滑油中的磨粒包含有重要的機(jī)械狀態(tài)信息，通過對潤滑油磨粒檢測獲得的信息能提前預(yù)知機(jī)械的狀態(tài)，進(jìn)而及時地發(fā)現(xiàn)故障征兆及預(yù)報設(shè)備可能出現(xiàn)的故障，有針對性進(jìn)行維護(hù)和處理。對于潤滑油磨粒檢測，國內(nèi)國外學(xué)者進(jìn)行了大量的研究，現(xiàn)已形成諸多的檢測原理方法，其中光譜分析法和鐵譜分析法應(yīng)用最廣泛。光譜處理復(fù)雜、成本高分析速度慢、樣油需要量多依賴人T檢驗等缺點[1-3]。隨著圖像處理技術(shù)的發(fā)展，基于圖像處理的磨粒檢測成為必然趨勢[4-7]。

本論文主要是將發(fā)動機(jī)油底殼中采集到的潤滑油涂抹在載波片上，通過一定放大倍數(shù)的數(shù)碼相機(jī)拍攝采集磨粒圖像；然后，通過構(gòu)建零均值、零方差圖、二值分割及形態(tài)學(xué)濾波實現(xiàn)在潤滑油和磨粒不分離狀態(tài)下的磨粒檢測技術(shù)。

1磨粒圖像的零均值化

圖像采集現(xiàn)場的光照通常是不均勻的，因此，所采集的圖像會因為光照強(qiáng)度不同而造成明暗差異，這將嚴(yán)重影響帶鋼缺陷的檢測。因此采用零均值化的方法消除光照的影響，以便進(jìn)行圖像的進(jìn)一步處理。

零均值化圖像的構(gòu)造過程為：設(shè)圖像Fi，大小為MxN，則將圖像劃分為8x8的圖像窗口，然后每個窗口灰度均值為[8-9]：

然后經(jīng)行采樣，并經(jīng)行雙線性插值，延伸到原來的尺寸，這里的雙線性插值公式為：

最后，利用原采集圖像與插值獲得的圖像相減，從而獲得零均值圖像，其公式為：

2磨粒圖像的零方差化

零方差化圖像的構(gòu)造過程為：設(shè)圖像Fi，i大小為MxN，則將圖像劃分為8x8的圖像窗口，然后每個窗口灰度方差為：

式中0<1

然后經(jīng)行采樣，并經(jīng)行雙線性插值，延伸到原來的尺寸。最后，利用原采集圖像與插值獲得的圖像相減，從而獲得零方差圖像。

然后經(jīng)行采樣，并經(jīng)行雙線性插值，延伸到原來的尺寸，這里的雙線性插值公式為：

最后，利用原采集圖像與插值獲得的圖像相減，從而獲得零均值圖像，其公式為：

3磨粒區(qū)域分割與濾波

3.1磨粒區(qū)域分割及融合

最大類間方差法是由日本學(xué)者大津于1979年提出的，是一種白適應(yīng)的閾值確定的方法，又叫大津法，簡稱OTSU。它是按圖像的灰度特性，將圖像分成背景和目標(biāo)兩部分。背景和目標(biāo)之間的類間方差越大，說明構(gòu)成圖像的兩部分的差別越大，當(dāng)部分目標(biāo)錯分為背景或部分背景錯分為目標(biāo)都會導(dǎo)致兩部分差別變小。因此，使類間方差最大的分割意味著錯分概率最小[10-13]。

設(shè)圖像具有L級灰度，對每個灰度值廠，Pf表示f出現(xiàn)的頻率，此時分割閾值為t，則將灰度分成兩類：那么類間方差可以為：

使o2（t）取最大值時的t值就是最佳分割閥值。然后根據(jù)最佳分割的閥值對圖像進(jìn)行分割從而實現(xiàn)圖像的二值化。

采用最大類間方法確定的閾值，分別對零均值圖和零方差圖進(jìn)行分割，分割效果如圖2（a）、（b）所示：可以看出，每個子圖能夠分割出部分目標(biāo)信息；為了減少后處理的計算量，將分割后效果圖進(jìn)行相加融合，融合效果如圖2（c）所示。

3.2形態(tài)學(xué)濾波

腐蝕是一種消除邊界點，使邊界向內(nèi)部收縮的過程。可以用來消除小且無意義的目標(biāo)物。如果兩目標(biāo)物間有細(xì)小的連通，可以選取足夠大的結(jié)構(gòu)元素，將細(xì)小的連通腐蝕掉。設(shè)二值圖像為F，其連通域設(shè)為X，結(jié)構(gòu)元素為S，當(dāng)一個結(jié)構(gòu)元素S的原點移到（x，y）處時，我們將其記作Sxv。此時圖像X被結(jié)構(gòu)元素S腐蝕掉的運算可表示如式（8）：

其含義是，當(dāng)結(jié)構(gòu)元素S的原點移動到（x，y）位置，如果S完全被結(jié)構(gòu)元素x包含，則在腐蝕后的圖像上該點為1，否則為0。

膨脹是將與目標(biāo)區(qū)域接觸的背景點合并到該目標(biāo)物中，使目標(biāo)邊界向外部擴(kuò)張的處理。膨脹可以用來填補(bǔ)目標(biāo)區(qū)域中存在的某些空洞，以及消除包含在目標(biāo)區(qū)域中的小顆粒噪聲。膨脹處理是腐蝕處理的對偶。圖像X被結(jié)構(gòu)元素S膨脹的運算可表示如式（9）：

其含義是，當(dāng)結(jié)構(gòu)元素S的原點移動到（x，y）位置，如果S中至少包含一個像素值為1的點，則在膨脹后的圖像上該點為1，否則為0。

先腐蝕后膨脹稱為開啟運算，通過這種運算能夠起到平滑圖像輪廓，去掉輪廓上的毛刺等作用；本文采用開啟運算消除噪聲，處理結(jié)果如圖3（a）所示，有效消除噪聲信息。但檢測的目標(biāo)區(qū)域有空洞，本文采用形態(tài)學(xué)填充消除空洞，結(jié)果如圖3（b）所示，空洞被有效填充。

4實驗分析

4.1抗噪聲實驗分析

為了驗證本文算法抗噪聲能力，我們選取均值μ=O，均方差σ分別為2，5，10的高斯噪聲磨粒圖像進(jìn)行試驗。實驗效果如4所示：

從圖4（d）、（e）和（f）可以看出，隨著噪聲強(qiáng)度增大，分割出的磨粒形狀和面積變化不大；說明本文算法具有較強(qiáng)的抗噪性。主要原因在于本文采用對采集進(jìn)行零均值、零方差以及形態(tài)學(xué)濾波能夠有效的抑制噪聲信息，從而獲得較好的抗噪效果。σ4.2分割完整性分析

為了驗證本文算法分割算法完整性，本文采用檢測人員人T標(biāo)記出磨粒區(qū)域，并計算磨粒面積；然后，與本文分割出來的磨粒區(qū)域面積進(jìn)行對比；最后，采用公式（10）計算兩者的誤差。

本文分割效果和人T標(biāo)記分割效果如圖5所示，兩者面積誤差為8.1%誤差較小；說明本文算法比較完整的分割出磨粒信息。另外，從分割出形態(tài)來看，本文算法分割出來形態(tài)與T人標(biāo)記分割出來的形態(tài)略有不同，主要原因在于計算局部均值、局部方差以及形態(tài)學(xué)濾波造成磨粒邊界變形造成的。σ5結(jié)論

本文在相關(guān)理論分析的基礎(chǔ)上，提出一種新的磨粒圖像檢測方法。首先，通過計算磨粒圖像子窗口的均值和方差，構(gòu)造出零均值圖和零方差圖；然后，通過最大類間方差分割法分割出磨粒的區(qū)域；在此基礎(chǔ)上，通過二值圖融合和形態(tài)學(xué)濾波有效檢測出磨粒信息。仿真實驗表明本文方法具有較強(qiáng)的抗噪性，同時比較完整地分割出疵點。但分割出的形態(tài)與實際磨粒形態(tài)還存在差異，這將是以后工作繼續(xù)研究的方向。

參考文獻(xiàn)

[1]徐元強(qiáng).數(shù)字同軸全息油液磨粒檢測技術(shù)的初步研究[D].濟(jì)南：山東大學(xué)，2010.

[2]夏志新.液壓系統(tǒng)污染控制（第1版）[M].北京：機(jī)械工業(yè)出版社，1992.

[3]王勇，張騰，惲炅明，等.液壓系統(tǒng)動態(tài)分析方法改進(jìn)研究[J].新型工業(yè)化，2014，4（2）：33-38.

[4]楊立峰，張鎮(zhèn)，劉薇娜.基于MATLAB的磨粒流機(jī)床液壓系統(tǒng)的動態(tài)仿真[J]+新型工業(yè)化，2014，4（10）：58-62.

[5]王佑君，劉昌法，何相勇等.基于數(shù)字圖像處理的齒輪減速器磨粒檢測[J].2006，25（5）：592-594.

[6]王愛玲，葉明生，鄧秋香.圖像處理技術(shù)與應(yīng)用（第1版）[M].北京：電子工業(yè)出版社，2008.

[7]陳國強(qiáng).基于GPU的圖像處理算法研究[J].軟件，2014，35（2）：135-136.

[8]管聲啟，師紅寧，王燕妮.基于圖像零均值化的帶鋼缺陷檢測[J].鋼鐵研究學(xué)報，2013，25（4）：59-62.

[9]劉聞，別紅霞.基于蟻群算法的噪聲圖像邊緣檢測[J].軟件，2013，34（12）：256-259.

[10]LiM，StauntonRC.OptimumGaborfilterdesignandlocalbinarypatternsfortexturesegmentation[J].PatternRecognitionLetters，2008，（29）：664-672.

[11]KapurJN，SahooPK，WongAKC.Anewmethodofgray-levelpicturethresholdingusingtheentropyofthehistogram[J].ComputeiVision，GraphicsandImageProcessing，1985，29：273-28.

[12]李紅梅，李玉超.Otsu法在織物疵點檢測中的研究及應(yīng)用[J].科技信息，2001，1（32）：525-526.

[13]楊達(dá)，王孝通，徐冠雷，等.一種基于圖像分割和圖像拼接技術(shù)的全天空云量估計方法[J].新型工業(yè)化，2014，4（8）：15-21.