重建上升气泡与数字图像处理方法1
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
重建上升气泡与数字图像处理方法
边雨辰,冯栋,王弘毅
天津市重点实验室的过程测量与控制,学校的电气工程及其自动化
天津大学
中国天津
摘要
描述气泡上升对研究气体或液体两相流的原理是很重要的。
作为上升的气泡,重建气泡的形状可以成为进一步描述一个泡沫的坚实基础。气泡图像由两个摄像机采集;利用数字图像处理方法对图像进行预处理;模拟椭圆的参数运用霍夫转换来获取;气泡模拟椭圆模型的重建型基于这些提取参数。
关键字:数字图像处理;参数提取;气泡椭球;重建
一.介绍
在自然界和工业领域,特别是各种能源产业,例如石油和化工等行业,多相流发生频繁。两相流指的是一种特殊的流动模式混合流体力学的关系,其中他们之间一定有两种相共存和显式接口。最常见的类型是气体或液体两相流,其中最基本的模式是泡状流。泡状流在气/液两相流机制的研究中起着重要的作用,同样在泡沫柱的工业应用上也具有极大的价值。
随着科学技术的发展,各种各样的新技术应用于测量多相
流动参数。作为一种新兴的测量技术,数字图像处理广泛的应用于多
相流参数的测量,如泡沫变形、流速和天然气的分数。首先,进行初始图像处理,然后对图像中感兴趣的目标进行测定,并提取泡沫的投影参数,最后,泡沫模型的变形码,变形气泡模型运用气泡流动机制的进一步研究的参数来重建。基于数字图像处理单个图像的气泡,福特讨论了单气泡变形和运动,但泡沫的倾斜角度被忽视,水平宽度和垂直高度的气泡图像仅仅视为泡沫的轴。在研究气体高分泡沫流动中,穆雷运用数字图像处理重建了部分使用气体分布。
本文中,使用两个摄像机从垂直方向对上升的气泡进行监控,运用数字图像处理方法来处理图像,使其达到理想化的二进制图像;从泡沫图像的投影椭圆来提取参数;使两组的参数相匹配来计算三维参数和重建这个变形泡沫的椭球面模型。它提供了一条可行途径来进一步对泡沫的流动机理研究。
二.泡沫图像采集
从两个垂直的方向使用两个摄象机比使用单摄像机能更好的、更准确地对不断上升的泡沫进行监控。在这个研究中,两相流模拟实验装置是一个由200毫米×200毫米截面积和1.25米的高度的有机玻璃槽,如图1所示。它的小孔直径约2毫米,泡沫的流速、频率、大小运用
调节控制阀下面的孔隙可以控制。双摄像头的图像采集设备由两个从两个垂直的方向的摄象机组成,焦距8毫米。图像被这些是760(卧式)×575(垂直的)像素,帧速率是每秒30帧的相机拍摄。在这些条件,涂
抹现象减少,高质量的图像被连续采集。
图1.泡沫柱模拟实验装置
三.二维图像预处理泡沫
RGB图像是被一个摄像机,但二值图像被要求在提取泡沫参数之后,因此,有必要对初始的有噪声的RGB图像的变换成二值图像,用来申请提取参数,这是处理过程中泡沫的图像。在这个过程中,使用了许多种类的数字图像处理方法,如图像类型转换,图像的噪声滤波、图像绘画和边缘检测算法。
A.图像类型转换
图像作为一个矩阵被储存,其中的每一个元素都是像素值。常见的图像类型RGB图像、灰度图像和二值图像。在RGB图像中,每个像素的颜色由三个组成部分:红、绿、蓝;灰度图像仅有力量信息,没有颜色的信息在图像;二值图像,只有黑色和白色
被分别用0和1表示。
灰度图像从RGB转型是一个需要的三个要素均衡的过程。仿真结果表明,当满意(1)、合理的灰度图像可以被转化。
R = G= B =V gray = 0.30 R+ 0.59 G+ 0.11B (1)
B.图像降噪滤波
由于被干扰,噪声混合在初始图像中。由于敏感元件,粒子
照片上的底片,扰动传播的渠道和量化噪声,噪音可能会产生。锐化噪音的常用方法是线性滤波、中值滤波和自适应滤波。作为常用的线性滤波器、均值滤波适用于过滤纹理噪声的图像。中值滤波操作方便,可以保护图像的边界,特别是它能有效的过滤椒盐噪音,但有时,细纹和小目标地区可能丢失。作为一种常见的自适应滤波、维纳滤波可以过滤自适应噪音因为它可以基于图像局部方差形象调整输出。在某些时候,维纳滤波比线性的滤波具有更好的选择性,可容纳边缘,从而中占优势细节信息更有效。结果所有种滤波器在表现为图2。
a.初始泡沫图像
b.均值滤波
c.中值滤波
d.维纳滤波
图2.结果与各种各样的过滤器
C.图像二值化
图像二值化是指从灰度图像到二值图像的过程。在泡沫图像处理的过程中,二值化的关键是选择一个合适的阈值T(如果像素值大于T,二值图像的值等于1,即白色;如果小,值等于0,即黑色),这能把泡沫和背景清楚的分开。如果T太大,目标的可能估计为背景;如果太小,背景可能估计为目标。在本文中,图像的目标与背景的区别是明显的,所以这些图片可以使用直接阈值被二值化。图3(b)是泡沫的二值图像,图3(a)灰度图像,图3.图像二值化,d .气泡
a.灰度图像
b.二值图像
图3.图像二值化
D. 泡沫“洞”填充
图像采集时,由于反射,突出区域可能产生,如图2(a)。所以图像滤波、二值化后,可能产生“洞”,如图3(b)。“洞”必须用图像充满,来腐蚀和膨胀图像使边缘检测能有效地进行。
a.二值图像与“洞”
b.填充结果
图4.填充泡沫“洞”
E.气泡边缘检测
图像的边缘指的最后一个功能区和另一个功能区的开始。其实边缘检测是检测图像特征已经发生了变化的位置。边缘检测的实现基于利用算子的灰度图像。常见的边缘检测算子包括微分算子,高斯拉普拉斯算子和坎尼算子。在图5中,我们使用了坎尼算子检测基于灰度图像的气泡边缘,。虽然泡沫检测是利用算子边缘检测,有很多背景点数的被包含,如图5(b),它是有害的对于参数提取。因此,最好是采用没有“洞”的二值图像检测气泡边缘,泡沫边只有保持没有其他额外的信息。
a.泡沫灰度图像
b.基于坎尼算子
图5.泡沫边缘检测