基于掃描電鏡的顆粒物形態(tài)識(shí)別方法
【專(zhuān)利摘要】一種基于掃描電鏡的顆粒物形態(tài)識(shí)別方法，適用于對(duì)空氣中懸浮的顆粒物質(zhì)進(jìn)行識(shí)別。利用掃描電鏡獲取被測(cè)空氣中放大5000倍的懸浮顆粒圖像，并對(duì)顆粒圖像二值化，針對(duì)二值化圖像中存在粘連顆粒圖案，在二值化圖像中找出的楔形像素，并作為分離點(diǎn)的始端楔形像素，尋找始端楔形像素對(duì)應(yīng)的終端楔形像素，然后采用Bresenham算法畫(huà)分離線，完成粘連顆粒圖像的分割，之后通過(guò)等效直徑和形狀因子方法對(duì)已經(jīng)完成粘連顆粒分割后的各個(gè)顆粒圖案的形態(tài)特征進(jìn)行識(shí)別。其識(shí)別率高、可以得到圖像中顆粒的具體形態(tài)，便于分類(lèi)。
【專(zhuān)利說(shuō)明】基于掃描電鏡的顆粒物形態(tài)識(shí)別方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種顆粒物形態(tài)識(shí)別方法，尤其適用于對(duì)空氣中的顆粒物質(zhì)進(jìn)行識(shí)別時(shí)使用的基于掃描電鏡的顆粒物形態(tài)識(shí)別方法。

【背景技術(shù)】
[0002]空氣中的“總懸浮顆粒”，為直徑小于100微米的顆粒物。其中10微米以上的，幾乎都可被鼻腔和咽喉所捕集；10微米以下的可經(jīng)過(guò)呼吸道沉積于肺泡；而2.5微米以下能穿過(guò)人體內(nèi)的末端細(xì)支氣管到達(dá)氣體交換區(qū)域。不同的環(huán)境中的顆粒物的具體形態(tài)特征不同，因而人們?cè)诓煌h(huán)境中所需的防護(hù)措施也并不相同。
[0003]目前，空氣污染中懸浮顆粒物的測(cè)量方法一般是通過(guò)顆粒采集器過(guò)濾膜的增重法來(lái)判斷，通過(guò)將過(guò)濾膜上的顆粒收集并稱(chēng)重從而得到被測(cè)空氣中存在的顆?？傊亓浚⑼ㄟ^(guò)顆?？傊亓亢捅粶y(cè)量空氣的體積從而判斷出被測(cè)空氣中的顆粒污染濃度，但是此測(cè)量方法不能獲得空氣中污染顆粒的具體形態(tài)，從而對(duì)空氣污染的防護(hù)和治理產(chǎn)生影響。


【發(fā)明內(nèi)容】

[0004]技術(shù)問(wèn)題:本發(fā)明的目的是為克服現(xiàn)有技術(shù)的不足，提供了一種識(shí)別率高、可以得到圖像中顆粒的具體形態(tài)的基于掃描電鏡的顆粒物形態(tài)識(shí)別方法。
[0005]技術(shù)方案:本發(fā)明的基于掃描電鏡的顆粒物的圖像識(shí)別方法，包括以下步驟:
[0006]a.利用掃描電鏡的低真空模式獲取被測(cè)空氣中放大的懸浮顆粒圖像；
[0007]b.用矩陣實(shí)驗(yàn)室計(jì)算機(jī)對(duì)放大后的顆粒圖像采用Otsu算法獲取二值化后的顆粒圖像；
[0008]c.對(duì)二值化后顆粒圖像中存在相互粘連的顆粒圖案進(jìn)行分割，以提高顆粒圖像中對(duì)顆粒的準(zhǔn)確識(shí)別，顆粒圖案分割過(guò)程為:
[0009](i)在二值化圖像中，背景像素的灰度值為0，顆粒像素的灰度值為255，根據(jù)邊界像素是由顆粒向背景轉(zhuǎn)變的中間過(guò)程特性，確定二值化顆粒圖像中的所有邊界像素，對(duì)找到的每個(gè)邊界像素，依次以邊界像素為中心邊界像素，取半徑R為5個(gè)像素的圓形區(qū)域進(jìn)行循環(huán)搜索，得到循環(huán)區(qū)域內(nèi)的邊界像素總數(shù)N，由公式:
Iv.1 V
[0010]Igmv Xi?，Jgrav
/V η^γIy
[0011]得到循環(huán)搜索區(qū)域中除中心邊界像素外所有邊界像素的重心agMV，jgMV);式中(i?, j?)為邊界像素坐標(biāo)值；
[0012]通過(guò)求無(wú)量綱偏心率E依次對(duì)每個(gè)中心邊界像素進(jìn)行判斷是否為楔形像素，中心邊界像素距離邊界像素重心(igMV，Jgrav)的距離r為:
_3] r = ^i2grar+J2grar
[0014]無(wú)量綱偏心率￡ = i，式中半徑R為5，將預(yù)設(shè)閾值CE與無(wú)量綱偏心率E進(jìn)行比較，
如果E > CE，則判斷此中心邊界像素為待匹配的楔形像素，并將計(jì)算獲得的所有待匹配楔形像素坐標(biāo)按行依次寫(xiě)入數(shù)組ijwedge中，數(shù)組ijwedge中每一行代表一個(gè)楔形像素的坐標(biāo)。
[0015](ii)從數(shù)組ijwedge中獲取第一個(gè)的待匹配楔形點(diǎn)坐標(biāo)值，將待匹配楔形像素作為線性分割的始端楔形像素，定義一個(gè)搜索區(qū)域，所述搜索區(qū)域以始端楔形像素為起始點(diǎn)，方向?yàn)榕c中心邊界像素到重心的矢量方向相反，搜索半徑為L(zhǎng)，兩邊拓展的角度不超過(guò)η/3的扇形區(qū)域，其中搜索半徑L為預(yù)設(shè)值，在搜索區(qū)域內(nèi)通過(guò)雙層循環(huán)逐行找尋楔形像素，如果找到多個(gè)楔形像素，按照與始端楔形像素歐氏距離最近的原則，從找到的楔形像素中確定終端楔形像素，將始端楔形像素與終端楔形像素視為分離點(diǎn)，采用Bresenham算法畫(huà)分離線，完成粘連顆粒圖像的分割，并將已經(jīng)匹配的兩個(gè)楔形像素在數(shù)組ijwedge中的坐標(biāo)值標(biāo)記；
[0016](iii)從數(shù)組ijwedge中找尋下一個(gè)未標(biāo)記的楔形像素點(diǎn)坐標(biāo)值，重復(fù)步驟ii中的操作，直到數(shù)組ijwedge中的楔形像素全部操作結(jié)束；
[0017]d.利用計(jì)算機(jī)通過(guò)等效直徑和形狀因子方法對(duì)已經(jīng)完成粘連顆粒分割后的各個(gè)顆粒圖案的形態(tài)特征進(jìn)行識(shí)別，并將識(shí)別結(jié)果通過(guò)顯示器顯示出來(lái)。
[0018]所述對(duì)已經(jīng)完成顆粒分割后的各個(gè)顆粒圖案的形態(tài)特征的識(shí)別，包括:識(shí)別每個(gè)顆粒圖案的等效直徑de。和形狀因子S ;先對(duì)得到顆粒分割后的二值化圖像進(jìn)行識(shí)別，找出像素灰度值為255的目標(biāo)區(qū)域點(diǎn)的個(gè)數(shù)，結(jié)合單個(gè)像素點(diǎn)代表的實(shí)際長(zhǎng)度求出顆粒的面積Area ;根據(jù)二值化圖像使用Canny邊緣檢測(cè)算子得出其邊緣圖像，找出邊緣圖像中像素灰度值為255的邊緣像素點(diǎn)的個(gè)數(shù)，繼而求出顆粒的周長(zhǎng)Perimeter。之后求得與顆粒面積Area相同的圓的直徑，即為等效直徑dec，然后根據(jù)自定義的比率公式S = (Area/ π )1/2/(Perimeter/2 η )求得形狀因子S ;所述放大倍數(shù)為5000倍；所述數(shù)組ijwedge為一個(gè)10000行2列的數(shù)組，數(shù)組ijwedge中每一行代表一個(gè)楔形像素的坐標(biāo)；所述標(biāo)記在數(shù)組ijwedge中的坐標(biāo)值的方法為，將已經(jīng)匹配的楔形像素的坐標(biāo)值置O。
[0019]有益效果:本發(fā)明提供了一種識(shí)別率高的基于掃描電鏡的細(xì)顆粒物的形態(tài)識(shí)別方法，通過(guò)將拍攝后放大的空氣圖片進(jìn)行二值化使圖片中的顆粒圖像凸顯出來(lái)，并對(duì)二值化后顆粒圖像中存在相互粘連的顆粒圖案進(jìn)行分割，防止了對(duì)顆粒圖形識(shí)別時(shí)將相互粘連的數(shù)個(gè)顆粒識(shí)別成一個(gè)單獨(dú)的顆粒，提高顆粒圖像中對(duì)顆粒的準(zhǔn)確，并通過(guò)求顆粒的等效直徑和形狀因子來(lái)獲得單個(gè)顆粒的具體形態(tài)特征，這一系列操作為人們對(duì)顆粒物的防護(hù)起到有效的指導(dǎo)作用。

【專(zhuān)利附圖】

【附圖說(shuō)明】
[0020]圖1是本發(fā)明利用掃描電鏡獲取被測(cè)空氣中放大的懸浮顆粒圖像粘連示意圖；
[0021]圖2是本發(fā)明尋找待匹配楔形點(diǎn)的循環(huán)搜索區(qū)域示意圖；
[0022]圖3是本發(fā)明尋找待匹配楔形點(diǎn)的搜索區(qū)域示意圖；

【具體實(shí)施方式】
[0023]下面結(jié)合附圖對(duì)本發(fā)明的實(shí)施作進(jìn)一步的描述，
[0024]本發(fā)明的基于掃描電鏡的細(xì)顆粒物圖像識(shí)別方法，其步驟如下:
[0025]a.如圖1所示，利用掃描電鏡的低真空模式獲取被測(cè)空氣中放大5000倍的懸浮顆粒圖像，所述低真空模式為掃描電鏡在10.6mm的工作距離和15kv的電壓下獲取顆粒圖片，;
[0026]b.用矩陣實(shí)驗(yàn)室計(jì)算機(jī)對(duì)放大5000倍顆粒圖像采用Otsu算法獲取二值化后的顆粒圖像；
[0027]c.對(duì)二值化后顆粒圖像中存在相互粘連的顆粒圖案進(jìn)行分割，圖1為粘連顆粒示意圖，為了提高顆粒圖像中對(duì)顆粒的準(zhǔn)確識(shí)別，顆粒圖案分割過(guò)程為:
[0028](i)在二值化圖像中，背景像素的灰度值為0，顆粒像素的灰度值為255，根據(jù)邊界像素是由顆粒向背景轉(zhuǎn)變的中間過(guò)程特性，確定二值化后顆粒圖像中的邊界像素。對(duì)二值化后顆粒圖像中的所有邊界像素，依次以每個(gè)邊界像素為中心邊界像素，取半徑R為5個(gè)像素的圓形區(qū)域進(jìn)行循環(huán)搜索，得到循環(huán)區(qū)域內(nèi)的邊界像素總數(shù)N。如圖2所示，標(biāo)有數(shù)字2的為邊界像素，標(biāo)有數(shù)字4的像素為中心邊界像素,標(biāo)有數(shù)字3的為顆粒像素,標(biāo)有數(shù)字I的為背景像素，計(jì)算循環(huán)搜索區(qū)域中所有標(biāo)有數(shù)字2的邊界像素的重心g。由公式:

【權(quán)利要求】
1.一種基于掃描電鏡顆粒物形態(tài)識(shí)別方法，其特征在于包括以下步驟: a.利用掃描電鏡的低真空模式獲取被測(cè)空氣中放大的懸浮顆粒圖像； b.用矩陣實(shí)驗(yàn)室計(jì)算機(jī)對(duì)放大后的顆粒圖像采用Otsu算法獲取二值化后的顆粒圖像； c.對(duì)二值化后顆粒圖像中存在相互粘連的顆粒圖案進(jìn)行分割，以提高顆粒圖像中對(duì)顆粒的準(zhǔn)確識(shí)別，顆粒圖案分割過(guò)程為: (i)在二值化圖像中，背景像素的灰度值為0，顆粒像素的灰度值為255，根據(jù)邊界像素是由顆粒向背景轉(zhuǎn)變的中間過(guò)程特性，確定二值化顆粒圖像中的所有邊界像素，對(duì)找到的每個(gè)邊界像素，依次以邊界像素為中心邊界像素，取半徑R為5個(gè)像素的圓形區(qū)域進(jìn)行循環(huán)搜索，得到循環(huán)區(qū)域內(nèi)的邊界像素總數(shù)N，由公式:
得到循環(huán)搜索區(qū)域中除中心邊界像素外所有邊界像素的重心Qgrav，jgrav);式中(i?, j?)為邊界像素坐標(biāo)值； 通過(guò)求無(wú)量綱偏心率E依次對(duì)每個(gè)中心邊界像素進(jìn)行判斷是否為楔形像素，中心邊界像素距離邊界像素重心(igMV，Jgrav)的距離r為:
無(wú)量綱偏心率E = |，式中半徑R為5，將預(yù)設(shè)閾值CE與無(wú)量綱偏心率E進(jìn)行比較，如果E > CE，則判斷此中心邊界像素為待匹配的楔形像素，并將計(jì)算獲得的所有待匹配楔形像素坐標(biāo)按行依次寫(xiě)入數(shù)組ijwedge中，數(shù)組ijwedge中每一行代表一個(gè)楔形像素的坐標(biāo)。 (ii)從數(shù)組ijwedge中獲取第一個(gè)的待匹配楔形點(diǎn)坐標(biāo)值，將待匹配楔形像素作為線性分割的始端楔形像素，定義一個(gè)搜索區(qū)域，所述搜索區(qū)域以始端楔形像素為起始點(diǎn)，方向?yàn)榕c中心邊界像素到重心的矢量方向相反，搜索半徑為L(zhǎng)，兩邊拓展的角度不超過(guò)π/3的扇形區(qū)域，其中搜索半徑L為預(yù)設(shè)值，在搜索區(qū)域內(nèi)通過(guò)雙層循環(huán)逐行找尋楔形像素，如果找到多個(gè)楔形像素，按照與始端楔形像素歐氏距離最近的原則，從找到的楔形像素中確定終端楔形像素，將始端楔形像素與終端楔形像素視為分離點(diǎn)，采用Bresenham算法畫(huà)分離線，完成粘連顆粒圖像的分割，并將已經(jīng)匹配的兩個(gè)楔形像素在數(shù)組ijwedge中的坐標(biāo)值標(biāo)記； (iii)從數(shù)組ijwedge中找尋下一個(gè)未標(biāo)記的楔形像素點(diǎn)坐標(biāo)值,重復(fù)步驟ii中的操作，直到數(shù)組ijwedge中的楔形像素全部操作結(jié)束； d.利用計(jì)算機(jī)通過(guò)等效直徑和形狀因子方法對(duì)已經(jīng)完成粘連顆粒分割后的各個(gè)顆粒圖案的形態(tài)特征進(jìn)行識(shí)別，并將識(shí)別結(jié)果通過(guò)顯示器顯示出來(lái)。
2.根據(jù)權(quán)利要求1所述的基于掃描電鏡的細(xì)顆粒物的形態(tài)識(shí)別方法，其特征在于:所述對(duì)已經(jīng)完成顆粒分割后的各個(gè)顆粒圖案的形態(tài)特征的識(shí)別，包括:識(shí)別每個(gè)顆粒圖案的等效直徑和形狀因子S ;先對(duì)得到顆粒分割后的二值化圖像進(jìn)行識(shí)別，找出像素灰度值為255的目標(biāo)區(qū)域點(diǎn)的個(gè)數(shù)，結(jié)合單個(gè)像素點(diǎn)代表的實(shí)際長(zhǎng)度求出顆粒的面積Area ；根據(jù)二值化圖像使用Canny邊緣檢測(cè)算子得出其邊緣圖像，找出邊緣圖像中像素灰度值為255的邊緣像素點(diǎn)的個(gè)數(shù)，繼而求出顆粒的周長(zhǎng)Perimeter。之后求得與顆粒面積Area相同的圓的直徑，即為等效直徑dec，然后根據(jù)自定義的比率公式S = (Area/ π )1/2/(Perimeter/2 η )求得形狀因子S。
3.根據(jù)權(quán)利要求1所述的基于掃描電鏡的細(xì)顆粒物的形態(tài)識(shí)別方法，其特征在于:所述放大倍數(shù)為5000倍。
4.根據(jù)權(quán)利要求1所述的基于掃描電鏡的細(xì)顆粒物的形態(tài)識(shí)別方法，其特征在于:所述數(shù)組ijwedge為一個(gè)10000行2列的數(shù)組，數(shù)組ijwedge中每一行代表一個(gè)楔形像素的坐標(biāo)。
5.根據(jù)權(quán)利要求1所述的基于掃描電鏡的細(xì)顆粒物的形態(tài)識(shí)別方法，其特征在于:所述標(biāo)記在數(shù)組ijwedge中的坐標(biāo)值的方法為，將已經(jīng)匹配的楔形像素的坐標(biāo)值置O。
【文檔編號(hào)】G06K9/60GK104182759SQ201410413256
【公開(kāi)日】2014年12月3日 申請(qǐng)日期:2014年8月20日 優(yōu)先權(quán)日:2014年8月20日
【發(fā)明者】盧兆林, 馮瑾, 李世銀, 陳燕 申請(qǐng)人:徐州坤泰電子科技有限公司