基于OpenCV的煤泥浮選尾礦圖片采樣分析

高 鵬

(1.中煤科工集團唐山研究院有限公司，河北 唐山 063012；2.華北理工大學 電氣工程學院，河北 唐山 063009；3.河北省煤炭洗選工程技術研究中心，河北 唐山 063012)

計算機視覺是一個迅速發展的領域，攝像機價格不斷降低且功能越來越強、計算能力的普及和視覺算法的日臻成熟都帶動了該領域的發展。OpenCV(計算機視覺庫)在計算機視覺的發展中扮演著重要的角色，該視覺庫使數千名研究人員在視覺領域能夠獲得更高的生產力[1]。傳統的浮選尾礦在線檢測主要集中在γ射線檢測法和光電式測灰法兩種方法。近年來，隨著圖像識別技術的發展，利用計算機視覺分析煤泥浮選尾礦圖片的灰度，再根據經驗公式推導出對應的尾礦灰分的方法正在逐步興起。

包玉奇[2]等人提出以灰度值子區間的像素點分布構成建立特征向量，對尾礦灰分進行識別的方法，使特征敏感度得到一定程度的增強，尾礦識別精度提高比較明顯；但該研究所用樣本是在實驗室配制的，缺少現場工業性試驗的驗證。王曉坤[3]等人研制的浮選尾礦灰分在線檢測裝置，解決了浮選尾礦灰分無法直接測量的難題，克服了人工采制化帶來的化驗誤差大、實時性差、勞動強度大、工序繁瑣的缺點，減小了工藝指標控制的調整時間；但該裝置采用原始圖像灰度值比對方法來檢測尾礦灰分，誤差干擾偏大，僅適用于環境不復雜的工況條件。工業現場利用計算機視覺技術分析尾礦灰分，其中的關鍵環節是如何合理地剔除光照不均和化學流變產生的泡沫噪點影響。文章重點分析了如何在算法中消除這類因素的不良影響，從而得到更客觀的、可用于計算分析的尾礦圖片。

1 硬件與軟件平臺

(1)硬件平臺。煤泥浮選尾礦圖片采樣分析系統的硬件平臺主要包括工控機、USB視頻采集卡、工業CCD相機。在實際操作過程中，可根據試驗需要選擇合適的硬件設備。

(2)軟件平臺。在綜合考慮的基礎上，利用USB視頻采集卡，結合VS2010平臺開發浮選尾礦圖片采樣分析系統。圖像處理算法庫選擇OpenCV，其包含了一系列C函數和少量C++函數，能夠實現圖像處理和計算機視覺方面的很多通用算法。它擁有包括300多個C/C++函數的跨平臺的中、高層API，無需依賴其他的外部庫，通過調用OpenCV算法庫，即可在前人已完成的成熟算法基礎上迅速開展自己的工作。OpenCV作為一個基本的計算機視覺、圖像處理和模式識別的開源項目，可以直接用于很多領域，是二次開發的理想工具[4]。

OpenCV庫擁有的顯著優點為：獨立于操作系統、硬件及圖形管理器，可以跨平臺操作；無論是非商業應用還是商業應用，都無需付費；計算速度快，使用方便；可擴展性好，包括底層和高層的應用開發包；圖像/視頻載入、保存及獲取模塊具有通用性。

2 系統功能

該系統的首要功能是定時采集圖片，即根據設定的時間間隔對特定對象拍照；其次是剔除干擾，包括光源反光和氣泡反光造成的干擾；再次是按照設定的時間存儲圖片，圖片依據采集時間命名；最后是記錄采集時得到的灰度數據，根據內部建立的公式將其轉換成尾礦灰分數據并輸出。系統檢測流程框圖如圖1所示。

圖1 系統檢測流程框圖

3 程序的實現

程序開頭是加載必要的頭文件。頭文件作為一種包含功能函數、數據接口聲明的載體文件，主要用于保存程序的聲明，而定義文件用于保存程序的實現。程序中的頭文件主要包括“highgui.h”、“cv.h”、“cxcore.h”、“windows.h”、“atltime.h”、“cvaux.h” 等。該程序的加載頭文件如圖2所示。

圖2 加載頭文件

在安裝好USB視頻采集卡驅動后，需在程序中指定采集的圖片來源。該采集卡屬于外部來源，故設置為“CAM(1)”，對應的源程序為 “CvCapture *capture=cvCaptureFromCAM(1)；”。 接下來是創建采樣窗口，程序中設置了4個顯示窗口，分別為“原圖”、“灰度圖”、“灰度分布圖”、“二值圖”，該步的操作主要包括定義字符串變量“const char”，設置窗口名稱 “cvNamedWindow”，設置窗口大小 “cvResizeWindow”，排布窗口位置 “cvMoveWindow”。顯示窗口設置如圖3所示。

圖3 顯示窗口設置

在接下來的while循環中，利用OpenCV自帶的CV_BGR2GRAY函數命令，將彩色圖片轉換為灰度圖片，再通過CV_THRESH_BINARY函數將灰度圖片轉換為二值圖片，二值圖片轉換時閾值暫定為185。閾值處理的操作過程是通過算法生成一個閾值，如果圖像中某像素的灰度值小于該閾值，則將該像素的灰度設置為0或255，否則灰度值設置為255或0[5]。圖片色彩轉換設置如圖4所示。

圖4 圖片色彩轉換設置

接下來是以時間為名稱保存灰度圖片和二值圖片，定義時間字符串變量，命名圖片格式，讀取系統時鐘，此時分別用到了GetLocalTime(&sysTime)、GetCurrentTime()、cvSaveImage三個函數。保存圖片設置如圖5所示。

在算法實現環節，首先是定義灰度圖中的總灰度值為M0，總像素點數為N0；二值化后的圖片總灰度值為M1，白色像素點的個數N1。由于二值化后的圖片總灰度值均是由白色像素點組成，假設每一個干擾氣泡或反光點的灰度值近似為255，故可求出干擾點個數，即N1=M1/255。原始圖片剔除干擾后的真實灰度值為(M0-M1)，有效像素點為(N0-N1)；真實的平均灰度即為(M0-M1)/(N0-N1)；最后通過“ofstream ofs”函數將采樣結果存入EXCEL表格。程序實現過程如圖6所示。

利用Sleep函數設定采樣間隔時間，通過cout在windows控制臺按照設定時間輸出采樣結果，并銷毀窗口，釋放內存，最終跳出循環。

4 輸出結果與分析

程序運行后的界面輸出如圖7所示。左側上方是windows控制臺的輸出，按照采樣日期和時間分別輸出原始灰度值、剔除氣泡和反光后的灰度值、總像素點個數、噪點像素點個數。右側為實時輸出的采樣圖片，其中左上角是相機采集的原始圖片，右上角是經過轉換的灰度圖片(灰階圖)，左下角是灰度分布圖，右下角是二值圖。灰度分布圖可以反映圖象中每種灰度值出現的頻率，其橫坐標是灰度級，縱坐標是該灰度級出現的頻率。

圖6 程序實現過程

圖7 程序運行界面

從灰度圖片可以看出，在浮選尾礦流過閘板位置時出現一個小“瀑布”，該位置最易形成反光干擾；浮選尾礦槽的邊緣出現了一些堆積氣泡，也容易造成反光干擾。通過二值圖中亮點的計算，能夠將最終灰度圖中的反光和氣泡干擾濾掉。

將不同時刻的原始灰度值和修正灰度值與化驗灰分值進行比較，生成的對比曲線如圖8所示。其中，灰度值范圍在0～255之間，灰分值區間在0～100%之間，坐標軸的橫坐標代表采樣次數，縱坐標分別為灰度均值和尾礦灰分百分數。

由圖8可知：剔除氣泡、反光干擾后，圖片的灰度值與化驗所得灰分值的對應關系更加明顯。

圖8 原始灰度值與修正灰度值及化驗灰分曲線

5 結語

為了改進浮選尾礦的采樣分析算法，以煤泥浮選尾礦圖片為研究對象，基于OpenCV開源的計算機視覺函數庫、USB視頻采集卡、VS2010平臺開發出浮選尾礦圖片采樣分析系統。該系統能夠有效剔除采樣過程中的光照和氣泡干擾，使圖片中數據的客觀性、真實性得到顯著提高，這為驗證圖片灰度與浮選尾礦灰分的關系提供了可靠的解決方案。

[1] BRADSKI G,KAEHLER A.學習OpenCV[M].于仕琪，劉瑞禎，譯.北京：清華大學出版社，2009：XV.

[2] 包玉奇，楊潔明.基于機器視覺的浮選尾礦灰分檢測[J].煤炭技術, 2015, 34(9):313-316.

[3] 王曉坤，張衛軍，高 鵬，等. 一種浮選尾礦灰分在線檢測裝置:201320375280.5[P]. 2013-11-20.

[4] 陳勝勇,劉 盛.基于OpenCV的計算機視覺技術實現[M]. 北京：科學出版社,2008：8.

[5] 楊淑瑩.VC++圖像處理程序設計[M].北京：清華大學出版社，2005:58.