徐 祥，陳 洪，葉文華

(1.南京航空航天大學(xué)機電學(xué)院，江蘇 南京 210016;2.江蘇華宏科技股份有限公司，江蘇 無錫 214423)

0 引言

X射線分選是廢金屬分選的一種新方法。在使用雙能X射線分選系統(tǒng)進行廢金屬物料識別分選時，為了準確獲取廢金屬物料在傳送帶上的位置及透射數(shù)據(jù)，需要將探測器掃描得到的透射數(shù)據(jù)組合為圖像進行處理。X射線透射圖像處理的目標是確定每個物料的位置和邊界信息，其處理結(jié)果的好壞直接影響對物料種類的判斷。因此，圖像處理是廢金屬物料識別分選中的重要一環(huán)。

在X射線透射圖像處理方面，國內(nèi)外許多學(xué)者都對其進行了研究，主要采用閾值分割[1-4]、圖像模型建立[5-9]和形態(tài)學(xué)處理[10-14]等核心的方法，這些方法一般能解決X射線圖像處理中普遍存在的隨機噪聲問題和圖像分割問題。然而，廢金屬物料的X射線透射圖像具有如下特點：由于給料機給料不均勻或因物料掉落時速度不同于傳送帶速度而導(dǎo)致物料掉落在傳送帶上發(fā)生滾動等情況，使得兩兩物料之間可能出現(xiàn)局部粘接現(xiàn)象，在物料圖像中表現(xiàn)為“小橋”形狀的細小連接。目前的圖像處理方法無法處理金屬廢料透射圖像中的粘接現(xiàn)象，進而不能準確的對物料區(qū)域進行分割，影響后續(xù)的物料分選。

針對上述問題，本文提出一種基于閾值分割和形態(tài)學(xué)相結(jié)合的圖像輪廓提取方法。利用改進的Otsu閾值分割算法獲得全局最優(yōu)閾值進行濾波，去除圖像噪聲；然后對圖像采用動態(tài)閾值分割，獲得二值化圖像；繼而對圖像進行連續(xù)2次腐蝕、單物料區(qū)域的連通區(qū)標記和各連通區(qū)的連續(xù)2次膨脹；最后各連通區(qū)進行輪廓提取獲得單個物料區(qū)域的輪廓。

1 圖像輪廓提取方法

本文基于雙能X射線透射技術(shù)，使用X射線透射金屬廢料得到關(guān)于金屬廢料的透射圖像，對透射圖像中的金屬廢料進行輪廓提取，獲得單個金屬廢料的實際區(qū)域，用于后續(xù)金屬廢料的圖像特征提取以供識別分類。針對金屬廢料形狀各異、厚薄不均等特點，本文采用閾值分割與形態(tài)學(xué)處理相結(jié)合的方法，實現(xiàn)對透射圖像中各個金屬廢料的輪廓提取，具體方法流程如圖1所示。

圖1 X射線透射圖像中各個金屬廢料輪廓提取流程

本方法主要由圖像預(yù)處理、圖像分割和輪廓提取3個部分組成，圖像預(yù)處理采用背景差值法[15-16]改善背景光場不均現(xiàn)象；圖像分割部分首先采用改進的Otsu算法自動獲取圖像的最佳分割閾值，實現(xiàn)對噪聲信號的有效去除，然后利用動態(tài)閾值算法對圖像進行二值化分割，并進行孔洞填充為后續(xù)形態(tài)學(xué)處理做準備；在此基礎(chǔ)上基于形態(tài)學(xué)算法和連通區(qū)標記實現(xiàn)對各個金屬廢料的獨立分割；最后對帶標記的各連通區(qū)域進行輪廓提取，得到各金屬廢料的輪廓。

1.1 改進的Otsu閾值分割算法

物料圖像與背景圖像作差后，改善了圖像的光場不均現(xiàn)象，同時去除了大部分的隨機噪聲和來自X射線探測器的固有誤差信號。然而，由于設(shè)備環(huán)境噪聲的隨機性，不同時刻X射線能量譜存在一定程度的波動，差值圖像中仍然存在噪聲信號，影響后續(xù)形態(tài)學(xué)算法的處理效果。通過對背景圖像噪聲的分析，發(fā)現(xiàn)圖像中的隨機噪聲信號的灰度階集中分布在低值區(qū)域，因此，可以使用全局閾值分割方法進行除噪。由于不同時刻的噪聲信號有所差別，為了獲得每幅圖像的最佳分割閾值，本文采用約束灰度值范圍的Otsu方法計算圖像的最佳全局閾值。

原始的Otsu方法[17]首先統(tǒng)計圖像灰度直方圖中的各個分量，得到不同灰度級的像素分量pi，其中ni為灰度級為i的像素個數(shù)，N為圖像的總像素個數(shù)，即

(1)

然后，根據(jù)初始設(shè)定的閾值k，且0≤k≤255，將圖像中的所有像素值分為r1和r2這2類，并計算圖像中某點像素被分為r1和r2的概率pr1和pr2，即：

(2)

(3)

nr1和nr2分別為類r1和類r2中的像素個數(shù)。

然后計算圖像中被分配到r1和r2中的像素的平均灰度值ar1和ar2：

(4)

(5)

整個圖像的平均灰度值ag為

(6)

由式(2)～式(7)可得類間方差σ2的計算公式為

σ2=pr1(ar1-ag)2+pr2(ar2-ag)2

(7)

但由于金屬廢料之間形態(tài)差別可能較大，原始的Otsu方法可能將金屬廢料中厚度較薄的區(qū)域排除掉，嚴重影響后續(xù)形態(tài)學(xué)的進一步處理。本文研究的廢金屬物料種類為銅和鋁，由于金屬銅的原子序數(shù)更大，在相同厚度條件下，X射線透射金屬銅后的能量衰減也更大，因此，需要考慮X射線透射過金屬鋁的最小能量衰減值，進而確定Otsu方法的閾值約束范圍。實驗所用破碎料的最小厚度為1 mm，通過實驗測得X射線透射過厚度為1 mm的金屬鋁片后的平均能量衰減值ΔI為4 000，換算為灰度階為15.625。因此，本文將Otsu方法中的閾值范圍約束在低值區(qū)域0 ≤k≤ 15，避免了傳統(tǒng)Otsu法對圖像全局的影響，效果如圖2所示。比較圖2a和圖2b，可以直觀地發(fā)現(xiàn)傳統(tǒng)Otsu方法破壞了厚度較薄的金屬物料區(qū)域，改進的Otsu方法則避免了這樣的破壞。

圖2 傳統(tǒng)Otsu方法和改進Otsu方法效果對比

1.2 動態(tài)閾值分割

動態(tài)閾值法又稱自適應(yīng)閾值法[18]，區(qū)別于全局閾值法[19]，其閾值的選取不是通過計算全局圖像的閾值，而是根據(jù)圖像中不同區(qū)域的灰度情況自適應(yīng)地計算圖像區(qū)域閾值。構(gòu)造出圖像所對應(yīng)的閾值平面T(x，y)，通過比較原圖foi(x，y)和閾值平面對應(yīng)像素點的大小，得到的二值化圖像fbz(x，y)，即[11]

(8)

T(x，y)的構(gòu)造取決于滑動窗口大小和圖像當前點的閾值計算方法。圖像當前點的閾值可由滑動窗口內(nèi)的均值、中位數(shù)、高斯函數(shù)確定。滑動窗口的尺寸越大，閾值平面T越能更好地作為每個像素閾值的參考，但尺寸也不能無限增大。經(jīng)過多次實驗篩選，本文選取大小為29×29的滑動窗口，采用當前滑動窗口內(nèi)像素值的中位數(shù)mw(x，y)作為當前滑動窗口區(qū)域的圖像閾值，即

T(x,y)=mw(x,y)

(9)

1.3 形態(tài)學(xué)處理

透射圖像經(jīng)過閾值分割后，不同物料之間的細小粘接現(xiàn)象可能仍然存在，以及透射圖像閾值分割后可能產(chǎn)生新的孤立點狀區(qū)域，這些現(xiàn)象影響了物料區(qū)域的連通域標記，容易導(dǎo)致2個有效的物料區(qū)域被識別為1個整體，或者孤立點狀區(qū)域被誤識別為1個有效的物料區(qū)域。借助形態(tài)學(xué)的腐蝕和膨脹運算[20]可以幫助消除孤立點、細小連接和平滑物體邊界，采用合適的形態(tài)學(xué)處理策略可以不明顯改變其物料區(qū)域的面積，減少負面影響。

形態(tài)學(xué)在圖像處理中主要包括腐蝕和膨脹2種基本運算。腐蝕運算可以縮小或消除圖像中不同物料區(qū)域之間的細小連接，消除毛刺狀邊緣；膨脹運算可以對物體邊界的擴充；腐蝕和膨脹組合可以斷開不同物料之間的細小連接，消除毛刺狀突出，平滑物料區(qū)域的輪廓。

設(shè)待處理圖像為O，形態(tài)結(jié)構(gòu)元為E，腐蝕處理后的結(jié)果圖像為Rc，膨脹處理后的結(jié)果圖像為Rs，腐蝕運算和膨脹運算分別表示為：

Rs=OΘE={x,y|Exy?O}

(10)

Rc=O⊕E={x,y|Exy∩O≠Φ}

(11)

圖3和圖4分別為腐蝕運算和膨脹運算的結(jié)果示意圖。進行腐蝕運算時，移動結(jié)構(gòu)元E，若結(jié)構(gòu)元E位于圖像O的物料區(qū)域內(nèi)，則結(jié)構(gòu)元中心點對應(yīng)的圖像像素值不變，否則置為0；膨脹運算時，移動結(jié)構(gòu)元E，若結(jié)構(gòu)元E的中心點位于物料區(qū)域上，則將結(jié)構(gòu)元E所覆蓋到區(qū)域像素值置為1，否則不變。

圖3 腐蝕運算示意圖

圖4 膨脹運算示意圖

常用結(jié)構(gòu)元形狀為矩形、圓和菱形。在待處理的透射圖像中，不同物料區(qū)域之間的細小連接的位置和大小是隨機的。通過分析不同結(jié)構(gòu)元的處理結(jié)果，發(fā)現(xiàn)相比較于矩形和菱形等可以消除固定角度細小連接，使用圓形結(jié)構(gòu)元可以消除不同角度的細小連接。因此，本文通過圓形結(jié)構(gòu)元對物料區(qū)域進行形態(tài)學(xué)處理。確定結(jié)構(gòu)元的形狀之后，還需要確定結(jié)構(gòu)元的大小，尺寸過小的結(jié)構(gòu)元不能有效斷開不同物料區(qū)域之間的細小連接和孤立區(qū)域，尺寸過大則又會導(dǎo)致過度處理。

通過上文對物料透射圖像的分析，一次腐蝕運算在多數(shù)情況下無法完全實現(xiàn)對不同物料區(qū)域的分割，如圖5中圓圈所示。本文使用圓形結(jié)構(gòu)元對圖像采用二次腐蝕和二次膨脹處理，為避免膨脹處理使被分割物料區(qū)域再次發(fā)生重疊，在膨脹處理前預(yù)先物料區(qū)域進行連通區(qū)標記。

圖5 一次腐蝕運算后的局部物料分割效果

形態(tài)學(xué)處理的具體步驟如下：

a.對輸入圖像O中物料區(qū)域內(nèi)的孔洞進行填充，避免腐蝕運算因物料區(qū)域內(nèi)的孔洞而產(chǎn)生過度分割，得到圖像Of。

b.使用結(jié)構(gòu)元連續(xù)2次對圖像Of進行腐蝕運算，一次腐蝕可以有效去除物料區(qū)域之間細小的粘接，二次腐蝕則是加強對較大“小橋”的分割處理，最終得到圖像Rc。

c.對圖像Rc中物料區(qū)域進行連通區(qū)標記，避免膨脹處理后不同物料區(qū)域“擴張”后發(fā)生重疊而導(dǎo)致無法識別。

d.使用結(jié)構(gòu)元連續(xù)2次對圖像圖像Rc中的各連通區(qū)進行膨脹運算，實現(xiàn)對各個物料區(qū)域邊界的平滑處理，同時并不明顯改變其面積。

2 實驗結(jié)果與分析討論

2.1 金屬廢料的X射線透射圖像輪廓提取實驗

本文實驗基于實驗室所搭建的雙能X射線透射物料識別分選系統(tǒng)。其中，X射線源選用美國Spellman公司的X射線源系統(tǒng)，X射線源子系統(tǒng)的最大功率為400 W，最大管電壓200 kV；X射線探測器選用英國Sens-Tech公司生產(chǎn)的LINX線陣列探測器，最大管電壓250 kV；實驗所用的金屬廢料包括銅、鋁及其合金。通過上述的雙能X射線透射物料識別分選系統(tǒng)，可以獲得關(guān)于金屬廢料的高、低能的X射線透射圖像。

如圖6所示為基于本文所提算法對采集到的2張原始低能透射圖像的圖像輪廓提取過程。圖6a為原圖，經(jīng)過背景差值法預(yù)處理后得到圖6b；利用約束灰度階范圍的Otsu算法自動獲取全局閾值進行圖像分割獲得圖6c；利用動態(tài)閾值分割，得到金屬廢料的二值圖像圖6d；圖像進行孔洞填充處理得到圖6e，防止形態(tài)學(xué)處理因為物料區(qū)域內(nèi)部的孔洞而造成過度分割；圖6f是經(jīng)過二次腐蝕處理后的圖像；圖6g是對二次腐蝕后圖像中單個物料區(qū)域的連通區(qū)提取結(jié)果圖像，不同的灰度顏色區(qū)分了不同的物料；圖6h是經(jīng)過二次膨脹處理后的圖像；圖6i是最終提取到的物料輪廓圖像。對比圖6a和圖6i標注圓圈的區(qū)域可以看出，圖6a中發(fā)生物料區(qū)域粘接現(xiàn)象，經(jīng)過本文算法處理后，得到了有效處理。

圖6 圖像輪廓提取過程

2.2 算法對比實驗

為了驗證本文所提方法的效果，將基于閾值分割和形態(tài)學(xué)相結(jié)合的方法(本文方法)與傳統(tǒng)Otsu分割算法、形態(tài)學(xué)處理算法進行實驗對比。以6張存在物料粘接情況的X射線透射圖像進行對比實驗。實驗包含物料分割效果實驗和圖像分割準確率實驗2個部分。

2.2.1 物料分割效果實驗

對1張存在物料粘接現(xiàn)象的X射線透射圖像，采用不同的算法進行圖像分割，最終提取物料邊界圖如圖7所示。

圖7 不同方法下物料X射線透射圖像的分割效果

圖7a是原物料X射線透射圖像。圖7b是基于傳統(tǒng)Otsu算法得到的結(jié)果，由于沒有約束最佳閾值尋優(yōu)范圍，導(dǎo)致個別物料被過度分割，并且存在粘接的物料不能夠得到有效的分割。圖7c是基于形態(tài)學(xué)開運算處理得到的結(jié)果，由于時刻都在波動的環(huán)境噪聲和設(shè)備自身的系統(tǒng)噪聲，直接使用形態(tài)學(xué)開運算方法對背景差值后的圖像進行處理，無法得到有效結(jié)果。圖7d是基于本文方法得到的結(jié)果，通過改進的Otsu方法選取最佳閾值進行噪聲濾波，利用動態(tài)閾值分割方法彌補全局閾值分割的局限性，結(jié)合二次腐蝕、讀取連通域、二次膨脹的形態(tài)學(xué)處理策略，能將存在粘接的物料彼此分割開，并實現(xiàn)各個物料的邊界提取。

2.2.2 圖像分割準確率實驗

在物料分割過程中，存在過度分割和無法分割的現(xiàn)象，這些都將直接影響后續(xù)物料分離階段的分離準確率。定義圖像有效分割比Tn和圖像物料區(qū)域總占比Ta，作為圖像分割準確率的評價指標，表示為

(12)

Nres為實驗分割出來的物料個數(shù)；Nfact為實際的物料個數(shù)；Sa_res為圖像分割后物料區(qū)域的像素點數(shù)；Sa_fact為圖像處理前物料區(qū)域的像素點數(shù)。

分別采用傳統(tǒng)Otsu分割方法、形態(tài)學(xué)處理方法和本文方法，對物料透色圖像分割準確率進行對比實驗，結(jié)果如表1所示。由于傳統(tǒng)Otsu方法存在過度分割的可能，形態(tài)學(xué)處理方法因噪聲影響嚴重，對于Nres的統(tǒng)計，只統(tǒng)計所提取到的單個封閉邊界內(nèi)像素點個數(shù)大于100的區(qū)域。

表1 物料透射圖像分割準確率結(jié)果對比

對比傳統(tǒng)Otsu方法、形態(tài)學(xué)處理方法和本文方法的結(jié)果發(fā)現(xiàn)，基于本文方法得出的平均圖像有效分割比Tn為98.49%，較傳統(tǒng)Otsu方法和傳統(tǒng)Otsu結(jié)合形態(tài)學(xué)處理方法得到的結(jié)果分別提高26.38%和27.42%。圖像物料區(qū)域總占比Ta的測試平均結(jié)果為96.16%，較傳統(tǒng)Otsu方法和傳統(tǒng)Otsu結(jié)合形態(tài)學(xué)處理方法得到的結(jié)果分別提高14.61%和12.21%。說明本文所提方法的圖像分割準確率驗證時效果更優(yōu)。

3 結(jié)束語

針對金屬廢料X射線透射圖像中背景光場不均和廢料之間距離較近時圖像可能相互粘結(jié)的問題，提出一種閾值分割和形態(tài)學(xué)相結(jié)合的金屬廢料X射線圖像輪廓提取方法。通過背景差值去除圖像光場不均，利用約束灰度值范圍的Otsu方法和動態(tài)閾值分割方法濾除背景噪聲，通過連續(xù)2次腐蝕、連通區(qū)標記和連續(xù)2次膨脹對物料區(qū)域?qū)崿F(xiàn)有效分割，得到單個物料區(qū)域的封閉輪廓。

所提金屬廢料X射線圖像輪廓提取方法圖像有效分割比參數(shù)平均結(jié)果為98.49%，圖像物料區(qū)域總占比參數(shù)平均結(jié)果為96.16%，較傳統(tǒng)Otsu方法和傳統(tǒng)Otsu結(jié)合形態(tài)學(xué)處理方法均有所提高，實現(xiàn)了透射圖像中金屬廢料輪廓的有效分割。