基于圖像處理技術的氣泡特征提取系統設計

鄒 宇

（江蘇開放大學，江蘇 南京 210012）

0 引言

目前，利用智能機器代替人工完成漏氣檢測工作的技術越來越普遍，尤其是將傳統的氣泡檢測與先進的人工智能機器檢測相結合的技術，該技術是對拍攝得到的氣泡圖像特征進行圖像處理，以達到識別氣泡特征的目的，最終利用分析結果判斷是否存在漏氣情況，可有效提高氣泡特征圖像處理領域的自動化應用程度。由于氣體具有一定的壓縮性，氣泡可被看作一個彈性球形系統。當氣泡受到外界干擾的時候，在表面張力的作用下，氣泡會吸收部分能量，沿軸向脈動向液體場中傳播聲學信號。因此，對水下氣泡的檢測和識別可以通過聲學方法實現。氣泡的尺寸特征、運動特征在眾多應用場景中都能夠真實反映水體特性，因此，對提取氣泡特征的應用系統進行研究具有較強的實踐應用價值。

1 氣泡特征提取理論

1.1 氣泡圖像預處理

1.1.1 圖像增強

為了解決水下透明度不高、亮度不夠等情況會使氣泡特征不明顯的問題，需要對氣泡圖片進行圖像增強。圖像增強的灰度變換是一種廣泛應用的線性圖像增強方法，該方法可拉伸圖像灰度，使獲得的氣泡圖像細節特征明顯、清晰且對比度較高。

1.1.2 二值化分割

在圖像處理技術中，二值化分割能簡化圖像，有效降低圖像中的數據量，還能明確反映出氣泡圖像的整體和局部特征。因此可以通過二值化分割的方式對氣泡圖像進行處理，以達到提取氣泡特征的目的。主要做法是選定一個灰度閉值作為二值化分割的分界值，此時，對大于閾值的像素點用“1”表示，對小于閾值的像素點用“0”表示，使得到的氣泡圖像中只包含這2 種像素，即可實現對氣泡圖像的二值化分割。

1.2 氣泡圖像形態學處理

1.2.1 孔洞填充

在對氣泡圖像進行孔洞填充之前，需要確認氣泡目標之間是否有一定的連通性。目前，孔洞填充是應用非常廣泛的圖像處理算法，該算法可實現點到區間的不斷拓展。孔洞填充的連通性體現在四連通、八連通，即分別為選定具體1 個像素作為出發點，經過4 個或者8 個相鄰像素點，到達另外任意1 個像素點位置。

1.2.2 邊緣檢測

圖像處理技術中的邊緣檢測即為對圖像邊緣特征進行提取。邊緣檢測包括對物體的輪廓線以及物體的方向等信息的提取。因此，需要對氣泡圖像的邊緣坐標進行檢測，以得到擬合特征參數。選擇算法較為優良的邊緣檢測算子，更利于氣泡圖像特征的提取。

2 氣泡幾何特征參數擬合

2.1 最小二乘法

由Walter 提出的最小二乘法是目前圖像處理領域使用較多的橢圓擬合算法。對待擬合的橢圓參數進行求解主要是根據每一個最小化的像素點獲得待擬合的橢圓誤差距離的平方和。最小二乘法適用于對簡單圖片中的橢圓進行擬合。隨著圖像處理技術的不斷發展，Fitzgibbon 又提出了在橢圓約束條件中加入1 個歸一因子生成唯一的解。使用這種方式無須在橢圓擬合時進行迭代計算。

2.2 改進的隨機霍夫變換算法

改進的隨機霍夫變換算法是基于傳統的霍夫變換算法提出的，其原理如下：平面上有一個橢圓，O 為橢圓的圓心，任意選擇與點O 不同的點P，再按照橢圓定理可以判定點O 距橢圓上點的最大距離必定小于點P 距橢圓上點的最大距離。通過這個幾何數學特性，能夠有效降低霍夫參數空間維度。如圖1 所示。

3 氣泡特征提取系統設計

3.1 系統開發環境

該文設計的基于氣泡特征的特征提取系統是以MATLAB作為開發平臺實現的功能開發，其操作系統為Windows 10，硬件環境為Intel（R） Core i7。

3.2 系統設計

該文設計的基于氣泡特征的特征提取系統主要包括2個模塊，即氣泡圖片特征提取模塊和氣泡視頻特征提取模塊。由于篇幅有限，該文主要研究氣泡圖片特征提取功能。對圖像中的氣泡進行檢測必須在對氣泡圖片和氣泡視頻進行提取之前進行，以得到單個氣泡，然后再對單個氣泡的特征進行提取。該文使用的APP Designer 插件是按照系統功能需求選擇的，包括圖窗、文本、文本下拉框、表格、按鈕和坐標軸等。圖窗功能主要負責顯示氣泡圖像和視頻，下拉框主要負責實現對氣泡檢測算法的選擇，表格主要負責展示出氣泡圖像和視頻，坐標軸的功能是繪制氣泡特征隨時間變化的曲線圖?；跉馀萏卣鞯奶卣魈崛∠到y流程圖如圖2所示。

圖1 橢圓示意圖

3.3 氣泡圖片特征提取測試

對該系統的通用性進行測試時，該文選取了3 組不同類型的氣泡圖像，分別為氣泡生成對抗網絡的氣泡圖像、氣液兩相流試驗的氣泡圖像和玻璃上的雨滴氣泡圖像。在這3 組圖像中，玻璃上的雨滴由于受到重力作用，其氣泡形態和像素分布與水中氣泡有著較高的相似度，因此該文將玻璃上的雨滴氣泡圖像作為測試樣例。3 組圖像中的每一組都包括了類型相同的20 張氣泡圖像，見表1。

該文利用2 種氣泡圖像檢測算法分別對這3 組氣泡圖像進行測試。在氣泡特征提取系統中，用戶點擊可“上傳圖像”按鈕從本地文件中上傳1 張氣泡圖像，點擊“氣泡檢測算法”下拉列表可以選擇合適的氣泡檢測算法，點擊下拉“參數擬合算法”列表可以選取不同的擬合算法，例如橢圓回歸CNN 算法、最小二乘法和改進的隨機霍夫變換算法等，如圖3 所示。

表1 氣泡圖片測試樣例參數

圖2 氣泡特征提取系統流程圖

為了測試不同的氣泡擬合算法的實際擬合效果，可以選用1 張氣泡生成對抗網絡的氣泡圖像，將檢測算法模型設置為Faster R-CNN，再選擇3 種不同的擬合算法進行系統測試。

該文選擇的Faster R-CNN 模型對氣泡圖像有較好的檢測效果，但是該模型在對尺寸較小的氣泡圖像進行檢測時容易發生漏檢的情況，該問題與訓練數據集中氣泡圖像的實際參數有關。由于數據集中氣泡圖像的氣泡直徑約為1.8cm，導致氣泡圖像檢測的效果不理想，因此可在傳統的分水嶺分割后，將基于連通域檢測的方法應用于尺寸較小的氣泡圖像，以得到較好的效果。對同一組氣泡圖像使用Faster R-CNN 模型進行檢測后，再分別利用3 種算法進行氣泡擬合，結果顯示橢圓回歸CNN算法的氣泡擬合效果最佳。2種氣泡檢測算法應用于氣泡圖像檢測的準確率見表2，Faster R-CNN 模型在氣泡圖像檢測中的準確率達到了98.75%。

圖3 A 組氣泡圖片特征提取測試界面

表2 3 組氣泡圖片檢測算法測試結果

以上系統測試結果表明，Faster R-CNN 模型和橢圓回歸CNN 算法對氣泡圖像的檢測效果良好且有效。

3.4 氣泡圖片特征提取分析

氣泡的運動特征種類很多，主要有氣泡漏氣量的變化、氣泡數量的變化和氣泡運動速度的改變等。對氣泡漏氣量的計算是通過分析氣泡的二維面積實現的。通常情況下，由于不會單獨考慮每個氣泡體積的影響，因此氣泡漏氣量的變化和氣泡數量的變化呈正相關，也就是說，如果發現氣泡數量越多，則表示漏氣量越大。

該文選擇將玻璃器皿中的氣泡圖像作為氣泡特征提取應用系統的試驗樣例。但氣泡在玻璃器皿中的上升速度較快，為了防止氣泡丟失，該文在采集氣泡圖像過程中采用了降速處理的模式，避免出現氣泡圖像誤差過大的情況。打開氣泡特征提取應用系統的操作界面，點擊“上傳圖像”按鈕，可以在本地文件夾中選擇等待檢測的氣泡圖片。點擊“參數擬合算法”的下拉框，可以選擇不同的算法模型對氣泡圖片進行檢測。點擊“開始檢測”按鈕后，系統會顯示氣泡圖片，并在右下方給出氣泡圖片長軸半徑、短軸半徑和偏心角數值，同時還會顯示檢測耗時。

4 結語

該文基于MATLAB 平臺設計了基于氣泡特征的特征提取應用系統，主要實現了氣泡圖片特征提取模塊的功能，對氣泡圖片特征提取流程進行了詳細闡述，并在不同應用場景下對氣泡圖片特征提取功能模塊進行了測試。測試表明，Faster R-CNN 模型和橢圓回歸CNN 算法對氣泡圖片特征提取的效果較好，為研究人員探索水體或能夠產生氣泡的狀態和特性提供了參考方法。