摘 要

砂石混凝土在我国的建筑施工中发挥着非常重要的作用，而砂石集料是混凝土集料的重要组成部分，所以砂石集料的性能很大程度上决定着砂石混凝土的性能。对砂石集料的级配控制不仅是生产设计砂石混凝土的基础，也是砂石集料出产过程中的重要检测内容。传统的集料形态特征检测方法大多是间接测量，工作效率低下且准确度低。 本文通过利用数字图像处理技术提高了砂石集料特征检测的效率和准确性

首先本文针对图像采集过程中的干扰因素，设计了一套图像采集系统。通过采用背光设计消除了自然光等其他光源的干扰，使图像更加清晰，矿石边缘锐利，与背景对比鲜明，其灰度直方图具有明显的两峰，便于进行图像分割与连通域分析处理。

然后，对图像分割算法进行了优选。对比研究了基于边缘检测、基于图割和基于阈值的三种图像分割算法，并根据分割效果，优选出前景与背景对比度较高的分割算法。

其次，本文对优选出的图像分割算法进行了改进研究。在最大类间方差阈值分割算法的基础上，提出了两种基于改进全局阈值处理的图像分割算法，包括基于图像平滑的改进全局阈值处理以及基于边缘改进的全局阈值处理，并且对以上两种改进算法的效果进行对比分析，最后选出最优改进算法。

最后，本文对砂石集料图像的连通域进行了统计与分析。标记出了每个砂石颗粒，并完成了砂石集料的形态特征提取与分析工作，实现了砂石集料的粒径分析与粒形分析。

综上所述，本文采用数字图像处理技术完成对砂石集料的采集、预处理、图像分割、连通域分析等工作，对比传统的砂石集料特征检测方法，基于数字图像处理的砂石集料检测的效率和准确率有明显提升。

关键字：数字图像处理，粒径粒形分析，图像分割，连通域分析

Abstract

Sandstone concrete plays a very important role in the construction of our country, and sand aggregate is an important part of concrete aggregate, so the performance of sand aggregate largely determines the performance of sand concrete. Gradation control of aggregate is not only the basis of production and design of aggregate concrete, but also an important test content in the production process of aggregate. The traditional methods of aggregate morphology feature detection are mostly indirect measurements with low efficiency and accuracy. This paper improves the efficiency and accuracy of sand aggregate feature detection by using digital image processing technology.

Firstly, aiming at the interference factors in the process of image acquisition, a set of image acquisition system is designed. By using backlight design, the interference of other light sources such as natural light is eliminated, the image is clearer, the edge of ore is sharp, and the contrast with the background is clear. The gray histogram has two obvious peaks, which is convenient for image segmentation and connected area analysis.

Then, the image segmentation algorithm is optimized. Three image segmentation algorithms based on edge detection, graph cut and threshold are compared and studied. According to the segmentation effect, the segmentation algorithm with high contrast between foreground and background is selected.

Secondly, the optimized image segmentation algorithm is improved in this paper. On the basis of the maximum variance threshold segmentation algorithm, two image segmentation algorithms based on improved global threshold processing are proposed, including improved global threshold processing based on image smoothing and improved global threshold processing based on edge. The effects of the two improved algorithms are compared and analyzed, and the optimal improved algorithm is selected finally.

Finally, the connected region of sand aggregate image is analyzed. Each gravel particle was marked, and the morphological characteristics of gravel aggregate were extracted and analyzed. The particle size analysis and particle shape analysis of gravel aggregate were realized.

In summary, this paper uses digital image processing technology to complete the collection, pre-processing, image segmentation and connectivity analysis of sand aggregate. Compared with traditional methods of sand aggregate feature detection, the efficiency and accuracy of sand aggregate detection based on digital image processing has been improved significantly.

Key words: digital image processing, Particle Size and Shape, Image Segmentation, Connected Domain Analys

目录

第1章 绪论 1

1.1研究背景及意义 1

1.2国内外研究概况 1

1.3 本文主要研究内容及安排 2

第2章 砂石图像畸变校正与分割算法优选 3

2.1砂石图像畸变校正 3

2.1.1 摄像头数学模型的建立 3

2.1.2 基于张正友校正法的图像畸变校正 3

2.1.3实验结果与分析 4

2.2 砂石图像分割算法原理 4

2.2.1基于边缘检测的图像分割算法 5

2.2.2基于图割的图像分割算法 5

2.2.3基于阈值处理的图像分割算法 6

2.3 砂石图像分割算法优选 6

2.3.1评价指标 6

2.3.2分割算法结果对比与优选 7

2.4本章小结 12

第3章 基于全局阈值的砂石图像分割算法改进研究 13

3.1基于全局阈值的砂石图像分割改进方法 13

3.1.1基于Otsu的全局阈值处理 13

3.1.2基于图像平滑的改进全局阈值处理 14

3.1.3基于边缘的改进全局阈值处理 15

3.2基于形态学处理的砂石颗粒物定位 15

3.2.1腐蚀与膨胀操作 16

3.2.2开操作与闭操作 16

3.2.3基于种子填充算法的连通域分析 17

3.3实验结果与分析 18

3.3.1基于OTSU的全局阈值处理实验结果与分析 18

3.3.2基于图像平滑的改进全局阈值处理实验结果与分析 18

3.3.3基于边缘改进的全局阈值处理实验结果与分析 19

3.4本章小结 20

第4章 混凝土砂石集料粒径及其分布检测系统实现 21

4.1混凝土砂石集料粒径及其分布检测系统实验平台搭建 21

4.1.1系统硬件平台搭建 21

4.1.2系统软件平台搭建 21

4.2混凝土砂石集料粒径及其分布检测的指标表征 22

4.2.1砂石集料粒径指标表征 22

4.2.2砂石集料粒形指标表征 23

4.3实验结果与功能测试 24

4.3.1砂石集料粒径检测实验结果与分析 24

4.3.2砂石集料粒形检测实验结果与分析 27

4.3.3系统界面测试 29

4.4本章小结 30

第5章 总结与展望 31

5.1总结 31

5.2展望 31

参考文献: 32

致谢 33

第1章 绪论

1.1研究背景及意义

工业用混凝土在投入使用之前必须对砂石集料颗粒进行粒径分布检测。砂石集料的几何特征和粒径分布对混凝土的质量有很大程度上的影响。传统的粒径分布检测大多采用间接测量的方法，工作量大且繁琐，同时还带有主观性，不利于保证粒径检测的精确性。目前随着数字图像处理技术的不断发展，使用数字图像处理技术进行粒径分布检测的效率和效果都大大提高。本文以数字图像处理为基础，主要研究基于数字图像处理技术的砂石集料粒径分布检测。本文需要完成的任务有^[1]：（1）对砂石集料进行预处理；（2）完成对砂石集料图像的特征提取，如砂石面积、周长、宽高比等；（3）对提取出的砂石集料特征进行直方图分析，最终得到砂石集料的粒径分布。验证将数字图像处理技术应用于集料特征研究的可行性。

1.2 国内外研究概况

随着计算机视觉和图像处理算法的发展，摄像机的硬件水平也在不断提升，通过图像对集料进行各种分析已成为趋势。相对于传统颗粒检测方法，基于视觉的检测技术在满足一定准确率的条件下速度更快，并且能实现更加复杂精确的计算和分析。

在上世纪九十年代，国外已经尝试将图像处理技术应用于集料颗粒分析。1991年，Barksdale等^[2]通过使用数字化仪器采集图像，将图像数字化，利用计算机编程对采集到的砂石颗粒图像进行分析，分析砂石的粒径和形状等特征。但是当时利用数字图像处理的方法对砂石的形态描述并不全面。2000以来，学者们不断提出新的、更加全面的形态描述方法。如2000年，Mora和Kwan^[3]在估算砂石颗粒厚度的加权平均值时，使用数字图像处理技术对砂石颗粒分析，提出了一种基于数字图像处理技术的方法用以求取集料球度、形状系数和凸度。2003年， Dayakar Penumadu和Ramitha Wettimuny^[4]在提取颗粒形状特征时，采用傅立叶变换方法对粗集料和细集料颗粒的形状特征进行了分析。

相较于国外，国内相关算法起步稍晚。2005年，徐科^[5]等为了得到砂石集料颗粒的厚度与长度，在砂石颗粒图像外接最小矩形，通过计算外接矩形的长和宽得到砂石颗粒的长，再通过对砂石侧面图像的外接最小矩形得到砂石颗粒的厚度。砂石颗粒的实际数据与数字图像处理方法得到的结果进行对比，证实了利用数字图像处理技术量测针片状颗粒的可行性^[6]。2008年，汪海年等^[7]通过使用自主研发的特征研究系统，利用采集到的周长与几何分析方法，提出粗糙度和分形维数指标来评估砂石颗粒的棱角性，并与现有的表面参数指标进行对比分析，结果表明，汪海年提出的指标与现有的指标相比具有创新性和实用性。国内也在相关软件平台上尝试程序开发。2009年，孙朝云教授^[8]利用数字图像处理技术，对沥青混合料等混合材料进行分析，在VC.NET2005开发平台，自主研发了沥青混合料形态特征检测系统^[9]。2011年，重庆交通大学的熊琴^[10]对图像分割的方法进行了研究对比，并使用 MATLAB实现图像分割；2014年，史源^[11]等在LabVIEW平台上实现了对沥青混合料的各种形态特征分析，如面积、周长、直径等。

纵观图像处理算法在集料颗粒分析方面的发展过程，可以发现，与传统手工测量方法相比，基于计算机视觉的分析方法可以获得更高的精度，并且在速度方面具有传统方法无可比拟的优势^[12]。同时可以看出，国内研究多在沥青集料，在混凝土砂石集料方面相关研究较少。本文拟设计一套混凝土砂石集料分析系统，完成对砂石图像的预处理、图像分割、粒径分析等任务。

1.3 本文主要研究内容及安排

本文在归纳总结国内外数字图像处理技术研究的基础上，对采集到的砂石集料图像进行数字图像处理，获取砂石集料的形态特征并对砂石集料进行粒径分析。本文主要研究内容包括以下几个方面：

1）砂石集料图像采集

在采集砂石图像的过程中，因为灰尘、背景以及自然光或其他干扰光源的影响，采集到砂石图像不可避免的会存在噪声，为了尽可能的减少噪声的干扰，本文设计了一套背光采集系统用来采集砂石集料图像。

2）砂石集料图像处理

本文通过Visual Studio编程软件对砂石图像进行降噪、二值化、图像分割与连通域分析，选取出砂石集料图像中的砂石颗粒以进行粒径分析。

3）砂石粒径与级配分析

搭建混凝土砂石集料粒径及其分布检测系统，选取砂石集料粒径指标表征与砂石集料粒形指标表征，并对得到的指标表征进行研究与分析。选择合适的参数对砂石集料中的砂石颗粒进行级配分级。

4）结果分析与误差修正

将数字图像处理得到的砂石集料级配与真实的砂石集料级配进行对比，若出现较大误差则分析误差来源并提出误差修正方案，并验证修正方案的可行性。

第2章 砂石图像畸变校正与分割算法优选

砂石图像畸变会影响砂石图像分割的效果，因此在进行砂石图像分割前需要完成砂石图像畸变校正。为了分割出砂石图像中的砂石颗粒需要对校正后的砂石图像进行图像分割处理，不同的分割算法的结果也不同，需要对分割算法进行优选。本章将分别介绍砂石图像畸变校正和砂石图像分割算法优选。

2.1砂石图像畸变校正

在砂石图像的采集过程中，常常会出现砂石图像畸变的情况，会影响图像处理的效果，且降低特征提取的准确率，本节将介绍采集砂石图像的摄像头数学模型，以及如何校正畸变的砂石图像。

2.1.1 摄像头数学模型的建立

在对砂石集料图像进行图像处理之前需要完成砂石集料图像的采集，完成砂石集料图像的采集才能将图像转换为可以进行数字图像处理的数字信号。

图像采集的方法有很多种，这里采用摄像头采集。确定好合适的输入设备和拍摄方式也是图像采集的重要环节，可以降低砂石颗粒失真的畸变程度。摄像头固定在遮光罩顶部，镜头对准砂石集料样本，放置于传送带正上方。使光照方向与摄影方向呈直角^[13]。最大限度避免颗粒阴影与图像失真畸变的情况。CCD摄像头作为采集图像最近几年使用最多的摄像头，使用该设备采集图像有精确度高、成本低、不易受干扰、使用寿命长、便携等优点。但是使用CCD摄像头采集图像往往会使图像发生畸变，需要对图像进行畸变矫正，下文会介绍图像畸变矫正的方法。

2.1.2 基于张正友校正法的图像畸变校正

张正友相机标定法是指张正友教授提出的一种基于单平面棋盘格的相机标定方法。该方法克服了传统相机标定法的缺点，不再需要高精度的标定物。该法只需要一个标准的棋盘格，操作简单，相较于传统标定与自标定，精度有显著提高。张正友标定法首先需要选取标定点，选取的标定点越多，处理后的图像越接近实际图像，但是选取的标定点不宜过多，选择过多的标定点使得计算量大大增加。所以一般张正友标定法选取10个标定点，然后通过以下步骤完成相机标定：

1）对被选取的10个标定点坐标进行转置处理；

2）求解并优化单应性矩阵；

3）求解出相机的内参矩阵；

4）首先求解出摄像机的外参，然后对图像的畸变系数进行求解，最后求得相机坐标；

5）调用函数对求得的内参优化，调用函数对求得畸变系数进行优化，利用优化后的内参和畸变系数求解外参矩阵；

6）将三个坐标的转角从旋转矩阵中分离，得到平移矩阵后进行对它们以及内参、畸变系数的优化

2.1.3实验结果与分析

上节选定使用基于张正友相机标定法在畸变校正方法，在实践中畸变图像的校正前后图像如图2-1所示，该方法成功完成图像畸变校正。

图 2-1校正前后图片

矫正前的图像边缘畸变严重，数字图像处理提取出的图片信息并不准确，从校正后的图片可以看出，畸变的部分明显好转，基本看不出有图像畸变的现象。本文所使用的基于张正友校正法的图像校正方法效果明显，可以显著降低图像畸变程度。

2.2 砂石图像分割算法原理

在砂石图像进行图像分割处理之前，需要先对砂石图像完成预处理工作。对砂石集料图片做增强处理，增强算法可以凸显图像灰度点邻域强度值的变化。对图像进行预处理可以大大降低图像分割的难度^[14]。图像分割的方法有很多种，下面着重介绍3种常见的图像分割的方法并在其中选取合适的方法，

2.2.1基于边缘检测的图像分割算法

边缘检测是就是检测砂石集料图中灰度值变化最剧烈的像素点，边缘检测检测出的边缘其实就是图像中灰度级别变化最快的点的集合。判断灰度级别变化快慢的标准有导数和微分。导数表示连续函数上的某点斜率，导数越大，变化率越大，但是一般不用导数判断灰度级别变化程度，因为导数在斜率为90度时会出现无穷大的情况，这在计算机程序中很难实现。而微分表示当x变化了dx时y变化了dy的大小，dy越大表示变化越大。根据不同的评判标准会产生不同的边缘检测方法，例如canny算子边缘检测、sobel边缘检测、Laplace边缘检测等。不同的边缘检测方法检测出的边缘也不同，例如canny算子检测出的边缘较细，没有强弱之分，而sobel算子检测出的边缘有强弱之分等区别。因为canny算子是使用最广泛的边缘检测方法，这里选择canny算子边缘检测。Canny算子边缘检测可以分为以下5个步骤：

1）对图像进行高斯滤波，平滑图像，滤除噪声；

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：