当前位置：文档之家 › 基于MATLAB图像处理算法的风沙两相流PIV图像的分割方法

基于MATLAB图像处理算法的风沙两相流PIV图像的分割方法

  • 格式：pdf
  • 大小：771.47 KB
  • 文档页数：5

文章编号:1000-694X (2011)02-367-05基于MATLAB 图像处理算法的风沙两相流PIV 图像的分割方法收稿日期:2010-08-30;改回日期:2010-11-22基金项目:国家自然科学基金项目(40975094,50823002)和国家重点基础研究规划项目(2006CB403701)共同资助 作者简介:蒋缠文(1984 ),男,宁夏盐池人,硕士研究生,主要研究方向为风沙物理。

Email:w en andfei@*通讯作者:梅凡民(Email:fanmin 68@)蒋缠文,梅凡民*,王晓艳(西安工程大学环境与化学工程学院,陕西西安710048)摘 要:为了深入理解沙粒起动的力学机制,需要从风洞实验中同步地获得风沙边界层中沙粒群和气流的瞬时速度信息。

基于M A T L A B 平台的风沙两相流PIV 图像分割的方法,利用沙粒群和气流示踪粒子特征粒径的显著差异,对风沙两相流P IV 图像中的气固两相流进行图像分割,可分别获得沙粒群和气流示踪粒子的图像,并进一步对分离后的两相粒子按粒径进行分级分离,得到各级粒径粒子P IV 图像,为进一步恢复气固两相流的流场奠定了基础。

关键词:图像处理;PIV ;风沙两相流;沙粒群;示踪粒子;M A T L A B 中图分类号:X169;T P191.41文献标识码:A作为风沙物理学的基本关键的科学问题,学术界对于沙粒起动的力学机制还存在争议[1-2],Bagnold [3]提出流体起动(后人常称为aerodynamic entrainment,空气动力学起动或称为空气动力学卷吸)和冲击起动机制,并认为跃移系统达到稳态时,沙粒起跳以碰撞冲击作用为主,此观点被目前大多数学者所接受[4-5]。

根据沙粒冲击速度很小的事实,董治宝等[1]对冲击起动的作用提出了质疑。

Door scho t 等[6]利用数值模拟方法模拟了风雪输运过程中空气动力学起动和冲击起动的作用,结果表明,低风速下雪粒起跳以流体起动为主(壁面的湍流切应力大于或接近流体起动的切应力),高风速下以冲击起动为主,中等风速条件下二者作用相当,且随着雪粒粒度增加,空气动力学起动的作用愈大。

此结论是否适合风沙流,尚需要实验工作的验证。

赵建华等[7]通过理论推导提出了冲击起动和气动力起动交替循环的机理。

至于升力起动说、压差起动说、振动起动说、斜面飞升说、猝发起动说、湍流起动说、负压起动说和涡旋起动说等各种假说,仅是从某一侧面反映了沙粒起动的原因,还不能够系统地揭示影响沙粒起跳的主要因素和主要的动力学过程[8-9]。

笔者认为,风沙颗粒起动是普通的空气动力学起动、典型的冲击起动、湍流猝发起动等多种起动方式的循环交替的动态演化过程,而要搞清风沙两相流的动态的演化过程规律,需要同步地测试沙粒群和湍流的运动速度、瞬时运动应力等参数,而目前日益成熟的粒子图像测速技术(PIV )为实现风沙两相流同步测速各地提供了可能[10-13]。

王大伟等[14]以颗粒粒径为主要特征,采用基于K -均值的Dig ital Mask 自动生成算法和互相关PIV 算法来分离风沙两相流。

代钦等[15]主要通过气固两相流的灰度差异实现气固两相流的自动分离。

赵玉峰等[16]利用小波变换和图像分析技术,成功地计算出分析图像视场内平均粒径大小,该方法为PIV 图像中分割风沙两相流流场内粒子粒径信息提供了借鉴。

为了进一步认识沙粒运动过程中气固两相流的动量输送过程和沙粒起跳的动力学机制,需要从PIV 图像气固两相流的图像中同时能够获得不同粒级的颗粒群的粒度和速度信息,而这需要发展一种新的PIV 图像气固两相流分离方法。

该方法不但能够分离风沙两相流的运动图像,还需要同时识别不同粒级沙粒群和运动速度。

笔者提出一种基于颗粒群粒径分级分离的气固两相流分离方法,该方法不但可以精细地分离PIV 图像中风沙两相流,而且可以获得运动颗粒群粒径和速度场,为深入地理解风沙颗粒起动的力学机制提供了技术基础。

M ATLAB 是一种高级的面向对象的编程矩阵语言,它集合了大量计算算法,具有强大的计算功能和图像处理功能[17-18],笔者提出的图像分割算法正第31卷 第2期2011年3月中 国 沙 漠JO U RN A L O F DESERT R ESEA RCHV ol.31 No.2M ar.2011是利用了M ATLAB 平台的强大的图像处理功能来实现风沙两相流流场的分离。

1 M AT LA B 环境下的PIV 图像分割处理方法PIV 图像分割处理基本流程主要包括读入原始图像、中值滤波去噪、灰度图象的二值化处理、图像标记、计算象素数、二次标记、粒径分割等过程(图1)。

图1 P IV 图像处理流程F ig.1 Pr ocessing flo w o f PIV imag es当用MA TLAB 中图像处理的读入函数imread 读入PIV 图像数据后,首先要对PIV 图像进行预处理,以除去图像噪声等干扰信息达到增强图像的目的。

和其他方法相比较,中值滤波可以在不影响图像对比度的情况下而减小异常值的影响,而在风沙两相流图像中,由于存在两相粒子对光反射及散射的差异,采用中值滤波的方法来去除图像的噪声干扰。

在M ATLAB 图像处理工具箱中,使用med-i filt2函数来进行中值滤波,选择默认的3 3邻域[17-18],其语法格式为:J=medfilt2(I);%I 为原始图像,J 为滤波后的图像。

图像二值化处理是利用图像中要提取的目标物与其背景在灰度特性上的差异,把图像视为具有不同灰度级的两类区域(目标和背景)的组合,其关键是选择合理的分割阈值。

当一个像素的灰度值超过这个阈值,就可以说这个像素属于人们感兴趣的目标,反之则属于背景部分。

采取自动寻找最佳阈值法,该方法能自动分析图像的灰度直方图并根据直方图确定最佳阈值,然后用寻找到的最佳阈值进行二值化处理。

需要说明的是,由于工况条件、图像拍摄质量等因素的差异,要在图像处理过程中需要保存一些感兴趣、但灰度值较低的目标,这就需要参照原始图像,手动设置阈值,以达到最佳的识别效果,而自动寻找最佳阈值法得出的阈值仅作为手动设置阈值时的参考。

在M ATLAB 中寻找最佳阈值的函数为g raythr esh,二值化函数为im2bw 。

应用二值图像的8领域标记算法实现对图像中各沙粒的标记。

具体算法步骤如下:假如当前的像素值是0,移到下一个扫描位置。

假如当前像素的值是1,检查它左边、左上、上边和右上的4个近邻像素。

如果它们都是0,就给当前像素1个新的标记;如果上述4个近邻像素中有值为1的像素(包括1个、2个、3个和4个几种情况),比较非零像素的标记值,将最小值赋给当前像素作为标记值。

然后,将4个近邻像素中的标记值做个记号表明这几个标记等价。

将所有等价的标记对归入等价组,并对各个组赋1个不同的标记。

扫描图像,将每一个标记用它所在等价组的标记代替。

也就是说,通过图像的标记,可以将图像中的各个连通区域(沙粒),在二值图像的标记矩阵中用阿拉伯数字表示,其中每个数字表示一个沙粒并且阿拉伯数字的最大值即为沙粒的个数。

通过图像标记,可以知道在这个二值图像的标记矩阵中,不同的值代表了不同的区域,在M AT -LAB 中计算图像中不同区域的面积用regionpr ops 函数,其调用方法如下:STA TS=r eg ionprops(L,'ar ea');allArea=[ST AT S.A rea];式中:L 为标记矩阵;area 为该区域像素点的个数,实际代表了沙粒的特征面积。

命令运行后就会在STA TS.Ar ea 矩阵中生成N 个数值,也就是所有沙粒的特征面积。

将二值图像中的沙粒在标记矩阵中用阿拉伯数字表示后,用regionprops 函数将各个阿拉伯数字表记的连通区域面积求出,再用沙粒的特征面积代替阿拉伯数字去标记各个连通区域(沙粒)。

这样做的好处是可通过直接输入特征面积值将所需要粒径的沙粒从图像中分割出来。

为此编写了一个for 循环,将ST ATS.Area 矩阵中生成的N 个数值调换在标记矩阵L 中,具体命令如下:for i=1:Nr=find(L==i); %寻找L 矩阵中为i 的行和列的下标L (r )=allArea (i );%将特征面积矩阵STA TS.Ar ea 赋值到标记矩阵L 中标记的位置end完成图像的特征面积标定后,就可以在标记矩阵中将需要的粒径范围的沙粒保留下来,将其他的部分置为0,也就是置为背景,这样沙粒就从原图像中分割出来了。

譬如,我们需要将粒径小于K 的沙粒从图像中分离出来,就可以使用如下命令:368中 国 沙 漠第31卷rr=find(L>=K);%寻找特征面积标记矩阵L中标号为非K的下标L(rr)=0; %将标号为非k的区域置为背景segm ented_images{1}=L;im show(seg mented_images{1});%显示粒径小于K的沙粒图像2 风沙两相流PIV图像粒径分离的实例图2A是PIV拍摄的沙粒运动的原图像,识别到的沙粒大约有700个左右,ar ea范围在1~232之间,于是就将这些沙粒按像素数1~50,50~100, 100~150,150~232等4个粒级从原图像中分割出来,得到了图2B~E。

当原图像被处理成不同粒级颗粒的图像后,再利用PIV图像处理软件可得到不同粒级粒子的速度分布特征。

同样,就可以从风沙两相流的PIV图像上区分沙粒与示踪粒子并获得沙粒群与周围气流的瞬时速度场。

从图2(B~E)四幅图像可以看到,沙粒粒径大都集中在1~50这个像素范围内,在其他范围分布很有限,这可能是由于沙粒黏连现象造成的识别误差。

为了得到更为可靠的沙粒粒径信息,再次将图图2 粒径分离前后的PI V图像对比F ig.2 Co mpar ison of P IV images pre and post part icle size disting uishing2B进行分割(如图3所示),需要说明的是,获得的图像像素数只能反映粒子的相对大小,要将像素数转化为实际的粒径,按照赵玉峰和周又和的方法,还需要用一个已知直径Dr的球状物体作为被测物标定,即可用已知粒径的玻璃珠的PIV图像所显示的像素数(area)S r来标定,标定系数为K=14D r2/S r那么实际沙粒粒径就为:D x=1.13K S r得到以上数据以后,就可以将像素数ar ea换算369 第2期蒋缠文等:基于M AT LA B图像处理算法的风沙两相流P IV图像的分割方法图3 图2B 基础上粒径分离后的PIV 图像对比F ig.3 Co mpar ison of images po st par ticle size distinguishing based o n F ig.2B为沙粒的特征粒径了。

合集下载

如何使用Matlab进行图像识别与图像分割任务

如何使用Matlab进行图像识别与图像分割任务

如何使用Matlab进行图像识别与图像分割任务引言：在当今数字化时代，图像识别与图像分割任务在各个领域中扮演着重要的角色，如医学影像、自动驾驶、安防监控等。

而MATLAB作为一款强大的数值计算工具，提供了便捷且高效的方法来完成这些任务。

本文将讨论如何使用MATLAB进行图像识别与图像分割任务，并分享相关技巧和方法。

一、图像识别基础1.1 MATLAB图像处理工具箱在进行图像识别任务之前，首先需要安装和加载MATLAB图像处理工具箱。

该工具箱为我们提供了一系列用于处理和分析图像的函数和工具。

在MATLAB命令窗口中输入“ver”命令可以查看当前已经安装的工具箱列表，确保图像处理工具箱已被正确安装。

1.2 图像预处理在进行图像识别任务之前，往往需要对图像进行预处理，以提高后续处理的准确性和效率。

一般而言，图像预处理包括灰度化、平滑处理、边缘检测等步骤。

例如，可使用MATLAB中的imread函数读取图像，并使用rgb2gray函数将图像转换为灰度图像。

接着可以使用imfilter函数进行平滑处理，以去除图像中的噪声。

最后，可以使用边缘检测算法（如Canny算法）提取图像的边缘信息。

通过这些预处理步骤，我们可以得到一幅适合进行后续图像识别处理的图像。

二、图像识别任务2.1 特征提取在进行图像识别任务时，首先需要明确要识别的目标，然后提取相关特征以进行分类或匹配。

在MATLAB中，可以使用图像处理工具箱中的函数来进行特征提取。

例如，若要识别一幅图像中的人脸，可以使用Haar级联分类器来实现。

MATLAB提供了一个名为“vision.CascadeObjectDetector”的类来实现该功能。

使用此类，可以调用detect函数来检测图像中的人脸，并返回人脸位置的信息。

另外，还可以使用SURF（加速稳健特征）算法来提取图像中的关键点和描述子。

通过比较描述子的相似程度，可以实现图像的匹配和识别。

使用MATLAB中的vision套件下的vision.SURF函数，可以方便地进行SURF算法的特征提取。

浅析基于MATLAB的图像分割方法

浅析基于MATLAB的图像分割方法


像 中要提取 的 目标 物 与其背 景在灰 度特 性上 的差异 ，通过
设 置 合 适 的 灰 度 门 限 （ 值 ） 将 图 像 的 灰 度 划 分 为 两 个 或 阈 ， 多个 灰 度 区 间 ， 以确 定 有 意 义 的 区 域 或 分 割 物 体 的边 界 。 阈 值 分 割 常 用 于 图像 的 二 值 化 处 理 ， 选 择 一 个 合 适 的 阈值 ， 即 通 过 判 断 图像 中 的 每 一 个 像 素 点 的 特 征 属 性 是 否 满 足 阂 值
绍， 重点对 边缘检 测技 术的几 种常用 算 子进行 比较分 析 ， 并 通 过 ＭＡＴ ＡＢ 数 字 图 像 处 理 工 具 编 程 实 现 基 于 各 算 子 的 Ｌ
边缘 检测 。
２ ．基 于 阈 值 的 图像 分 割 阈 值 分 割 『 一 种 常 用 的 图 像 分 割 方 法 ， 主 要 利 用 图 ２ １ 是 它
阈值 分 割 。
对 于 图像 函数 ｒ ，）它 在像 素 点（ ，） 的梯 度 是一 （ ｙ， ｘ ｘｙ处
个矢量 ， 义为： 定
Ｇｘ） ［ ］ Ｅ’＝票 ｆｙ （］
梯度有 两个重要特性 ： （） 度 的方 向 为 函 数 ｆ ，） 大 变 化 率 的 方 向 ； １梯 （ Ｙ最 ｘ
划分成若 干个这样 的有意义 区域 的过程 ， 各区域是具有 相近
特 性 的像 素 的连 通 集 合 。
始 区域 ， 根据给定 的均 匀性检测准 则进行分裂 和合并这些 区
域 ， 步 改 善 区 域 划 分 的 性 能 ， 至 最 后 将 图 像 分 成 数 量 最 逐 直 少 的均匀区域 为止。 ４ ．基 于 边 缘 检 测 的 图 像 分 割 及 算 子 分 析 边 缘 是 指 图 像 中像 素 灰 度 值 或 色 彩 等 属 性 有 突 变 的 像 素 的集 合 ， 存 在 于 目标 与 背 景 、 它 目标 与 目标 之 间 ， 含 了丰 包 富 的 图 像 信 息 。基 于 边 缘 检 测 ［ 图 像 分 割 正 是利 用 边 缘 的 ２ ］ 的 灰 度 变 化 特 性 ， 过 考 察 图 像 中各 像 素 在 某 个 邻 域 内 灰 度 的 通
基于MATLAB的图像分割方法及应用

基于MATLAB的图像分割方法及应用

本科毕业设计（论文）课题名称基于MATLAB的图像分割方法及应用电子信息工程学院电子科学与技术专业学号学生姓名指导教师起讫日期工作地点摘要图像处理是一种新兴学科，在短短几十年中得以迅速发展并广泛应用于航天、军事、医学等领域。

它是如今信息社会引人注目的多媒体技术中重要组成部分只一。

图像分割技术是非常重要的图像处理技术之一，无语是在理论研究还是在实际应用中人们都非常的重视。

图像分割有许多的种类和方式，一些分割运算能够直接应用于任何图像，而另外一些却只适用于特别种类的图像。

图像分割技术是从图像处理技术，再到后期的图像分析的关键步骤，图像分割结果的好坏，可以说对图像的理解有直接影响。

本文根据图像分割原理及人眼视觉的基本理论，研究图像的彩色模型及图像分割的常用方法，比较各方法的特点，并选择合适的方法对图像进行分割。

本文采用MATLAB软件对图像进行彩色坐标变换及阈值分割，计算简单，具有较高的运行效率，分割的结果是使图像更符合人眼的视觉特性，获得比较好的效果。

关键字：图像处理；图像分割；人类视觉；MATLABABSTRACTImage processing of the emerging disciplines, in a short span of decades to the rapid development and is widely used in military, aerospace, medical and other fields. Today's information society it is eye-catching multi-media technology an important part. This paper reviews the image processing in the human visual segmentation and the basic theory and commonly used method, combined with the cells to deal with image color space conversion and split. And through the MATLAB platform to realize color image segmentation.This article first discusses the basic principles of vision, including the structure of the human eye, the human eye's visual system, color vision, color, etc. In this paper, The basic principle of color image processing is also carried out preliminary study was mainly aimed at the visual characteristics of the human eye to choose the appropriate color model to color images converted from RGB space to reflect the characteristics of human visual processing of the HSI space and then. Color images of cells after conversion model for the operation of division.In this paper, the threshold segmentation of cell image segmentation is using methods. Threshold segmentation method applied to objects and background have a stronger contrast to the situation, it is important that the gray background or objects in a single comparison, the calculation is simple, with high operating efficiency. The results of segmentation are to make the image more in line with the visual characteristics of the human eye and to obtain relatively good results.Keywords: image processing; image segmentation; MATLAB; human visual目录第一章绪论 (1)1.1 前言 (1)1.2 MATLAB简介 (2)1.3 视觉研究现状 (3)1.4 视觉研究与彩色图像坐标转换 (3)1.4.1 视觉研究与图像处理 (3)1.4.2 视觉研究在彩色图像坐标转换的应用 (4)1.5 研究目的与内容 (4)1.5.1 研究目的 (4)1.5.2 本文主要内容 (5)第二章视觉基本理论 (6)2.1 视光学 (6)2.1.1 人眼的结构 (6)2.1.2 视觉系统 (7)2.1.3 颜色视觉 (8)2.1.4 肉眼色度视觉原理 ............................................................ 错误!未定义书签。

使用MATLAB进行图像分割的关键步骤解析

使用MATLAB进行图像分割的关键步骤解析

使用MATLAB进行图像分割的关键步骤解析图像分割是计算机视觉领域的重要研究问题之一，其主要目标是将图像分割成具有语义或结构相关性的不同区域或对象。

这在许多应用中都是必要的，如图像识别、目标跟踪、医学图像分析等。

在本文中，将详细介绍使用MATLAB进行图像分割的关键步骤。

1. 图像预处理在进行图像分割之前，通常需要对原始图像进行一些预处理操作。

这些操作旨在消除图像噪声、增强图像对比度以及平滑图像等。

常用的预处理操作包括灰度化、直方图均衡化、滤波器应用等。

在MATLAB中，可以使用函数如imread()、rgb2gray()和imfilter()来完成这些预处理操作。

2. 特征提取图像分割的一个关键步骤是提取合适的特征以区分不同的图像区域。

常用的图像特征包括颜色、纹理、边缘等。

在MATLAB中，可以使用各种函数来计算这些特征。

例如，可以使用函数如rgb2hsv()来提取颜色特征，使用函数如graycomatrix()来提取纹理特征，使用函数如edge()来提取边缘特征。

3. 分割算法选择选择合适的分割算法对于图像分割的准确性和效率至关重要。

常用的分割算法包括阈值分割、区域生长、边缘检测、聚类分析等。

在MATLAB中，有许多内置的图像分割算法可供使用，如基于区域的分割算法regiongrowing()、基于边缘的分割算法edge()，以及基于聚类的分割算法kmeans()等。

根据具体的应用需求和图像特征，选择最适合的分割算法进行处理。

4. 分割结果评估对于图像分割结果的评估，是判断算法准确性和效果的重要指标。

常用的评估方法包括像素级评估和区域级评估。

像素级评估主要关注分割边界的精确性，如准确率、召回率和F-measure等指标。

区域级评估主要关注分割效果的一致性和完整性，如相似性指数和互信息等指标。

在MATLAB中，可以使用函数如imoverlay()和imsegm()来可视化和评估分割结果。

5. 后处理操作在进行图像分割后，通常需要对分割结果进行一些后处理操作，以进一步提高分割质量。