一種巖石孔隙和顆粒系統(tǒng)的計算機數(shù)字圖像識別方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及巖石微觀結(jié)構(gòu)計算機識別技術(shù)，尤其是基于標準顏色分割和改進種子算法的方法，特別是涉及到一種巖石孔隙和顆粒系統(tǒng)的計算機數(shù)字圖像識別方法。
【背景技術(shù)】
[0002]隨著計算機技術(shù)和信息技術(shù)的迅速發(fā)展，數(shù)字圖像處理技術(shù)已經(jīng)為現(xiàn)代科學技術(shù)的發(fā)展提供了一項過去沒有的技術(shù)手段，并相繼在多種學科如醫(yī)學、生物、航空航天等相關(guān)的科研領(lǐng)域得到了廣泛的應(yīng)用。同時，也為巖石微觀結(jié)構(gòu)定量化分析提供了可行途徑?，F(xiàn)在已有不少方法和軟件被應(yīng)用于定量化微觀結(jié)構(gòu)系統(tǒng)。這些方法主要基于二值圖中孤立區(qū)域的識別。這種技術(shù)的關(guān)鍵在于如何分割圖像，使得在二值圖像中黑色像素代表孔隙?，F(xiàn)有的數(shù)字圖像處理技術(shù)來量化微觀孔隙的研究正在開展中，但是仍然存在著圖像識別和測量分析上的一系列問題，并影響了結(jié)果的準確性。因此，需要在識別算法上進行改進，以得到更精確的微觀孔隙顆粒數(shù)據(jù)。

【發(fā)明內(nèi)容】

[0003]為了克服傳統(tǒng)手動測量存在著人工誤差，低精度和低效率等缺點問題。本方法提出一種巖石微觀結(jié)構(gòu)孔隙顆粒數(shù)字圖像識別與處理的方法。通過圖像二值化、去雜點、孔隙系統(tǒng)識別、顆粒系統(tǒng)識別等步驟，能有效識別圖像中的顆粒與孔隙，區(qū)分出圖像中的每一個孔隙和顆粒，可以為下一步的統(tǒng)計工作提供有價值的參數(shù)。
[0004]本發(fā)明為解決孔隙顆粒數(shù)字識別所提出的技術(shù)方案是:一種巖石孔隙和顆粒系統(tǒng)的計算機數(shù)字圖像識別方法，包括以下步驟:
[0005]步驟10:輸入圖像和標準顏色；即通過光學顯微鏡拍照得到的砂巖薄片微觀圖像；巖石鑄體薄片孔隙的顏色以藍色為主，表現(xiàn)為普藍CM、淺藍CL、深藍⑶和綠色調(diào)CG ;向上位機中輸入其四個標準參考顏色:
[0006]CM = #00558C，CL = #007D9F，CD = #00245B，CG = #006B69 ；
[0007]步驟11:進行砂巖微觀圖像的二值化操作；在RGB顏色空間中，環(huán)氧樹脂顏色為藍色，顆粒的顏色為白色和黃色，根據(jù)它們不同的顏色區(qū)分圖像中的孔隙和顆粒，對于圖像中任一像素點，計算其顏色值P (R, G, B)與標準顏色X (R, G, B)在RGB顏色空間中距離:
[0008]d = IP-XI(2)；
[0009]如果當前像素與步驟10中輸入的任一標準顏色的距離d小于給定的閾值T，則當前像素點被識別為孔隙，反之則被識別為顆粒；對于巖石薄片圖像，所述閾值T取60 ;
[0010]步驟12:針對步驟11中得出的二值化圖像中雜點的去除，通過種子算法或掃描線種子算法來識別圖像中獨立的孔隙和雜點，具體步驟為:1)查找一個種子像素；2)在二值圖像中查找與種子像素相連通的所有像素點，并將其記錄下來；通過a，b兩個種子像素點，查找出獨立的兩個區(qū)塊A’和B’。識別出圖像中各獨立區(qū)塊后，計算每個區(qū)塊的面積，當區(qū)塊面積小于給定最小孔隙閾值TA時，則將其識別為雜點并去除；
[0011]步驟13:對孔隙區(qū)塊進行腐蝕運算，消除孔隙間通道，得到了兩個獨立的種子區(qū)塊A’和B’ ；
[0012]步驟14:將腐蝕區(qū)域歸并到鄰近種子區(qū)塊，并識別出兩個獨立的孔隙區(qū)域；
[0013]步驟15:獲取孔隙識別結(jié)果；計算各區(qū)塊的面積，將小于最小孔隙閾值的區(qū)塊歸并到鄰近的大孔隙中，得到最終的孔隙識別結(jié)果；
[0014]步驟16:根據(jù)圖像中顆粒形態(tài)、顏色和紋理特征區(qū)分出不同顆粒，用單像素的曲線劃出顆粒間的邊界手動操作來分割不同顆粒；采用步驟12至15方法進一步識別出各個顆粒；
[0015]步驟17輸出顆粒識別結(jié)果。
[0016]進一步地，所述步驟12中的最小孔隙閾值TA取值為50.
[0017]進一步地，所述步驟13-14具體實現(xiàn)過程為:
[0018]步驟20:在圖像中存在兩個像素化的孔隙，孔隙之間通過直徑為兩像素的孔喉連接;
[0019]步驟21:運用腐蝕算法對孔隙進行兩像素的腐蝕，孔隙邊界向內(nèi)收縮兩個像素；
[0020]步驟22:采用種子算法識別出兩個獨立的種子區(qū)塊A’和B’ ；
[0021]步驟23:應(yīng)用歸并算法，將被腐蝕掉的像素歸并到相連通的最近種子區(qū)塊上；
[0022]步驟24:識別出兩個孔隙A和B。
[0023]本發(fā)明的有益效果是:一方面?zhèn)鹘y(tǒng)手動測量存在著人工誤差，低精度和低效率等缺點，而采用本發(fā)明提出的孔隙和顆粒識別方法具有低損耗，可重復(fù)和高效性等優(yōu)勢，并且相比手動測量，精度大大提高。另一方面本發(fā)明基于數(shù)字圖像二值化，二值圖像去雜點，孔隙封閉，孔隙系統(tǒng)識別，顆粒系統(tǒng)識別的一整套數(shù)字圖像處理方案，大大方便了相關(guān)人員的操作使用，減少了工作量。并可以通過得到的孔隙顆粒數(shù)據(jù)自動計算出巖石微觀結(jié)構(gòu)的各種有價值的參數(shù)，極大的提高了對所研究的巖石微觀結(jié)構(gòu)的認知，對實際工程運用，相關(guān)領(lǐng)域研究提供了幫助。
【附圖說明】
[0024]圖1為本發(fā)明的顆粒(孔隙)與裂隙識別系統(tǒng)方法總體結(jié)構(gòu)流程圖；
[0025]圖2為本發(fā)明的種子算法在像素尺度上的具體流程圖；
[0026]圖3為本發(fā)明的歸并算法在像素尺度上的具體工作流程圖。
【具體實施方式】
[0027]圖1為本方法實施的總體結(jié)構(gòu)和工作原理，其特點是采用標準顏色、改進種子算法等技術(shù)實現(xiàn)了巖石孔隙系統(tǒng)自動識別和顆粒系統(tǒng)的識別。
[0028]步驟10輸入圖像和標準顏色。通過光學顯微鏡拍照得到的砂巖薄片微觀圖像一般為彩色圖像。巖石鑄體薄片孔隙的顏色以藍色為主，表現(xiàn)為普藍(CM)、淺藍(CL)、深藍(CD)和綠色調(diào)(CG)。輸入其四個標準參考顏色CM(#00558C)，CL(#007D9F)，CD(#00245B)，CG (#006Β69)ο
[0029]步驟11是進行砂巖微觀圖像的二值化操作。彩色圖像每一個像素的顏色由紅綠藍(RGB)三個顏色分量確定，每個分量取值為O?255。在RGB顏色空間中，環(huán)氧樹脂的藍色與顆粒的顏色(白色和黃色)相距很遠，圖像中的孔隙和顆?？梢愿鶕?jù)它們不同的顏色區(qū)分開來。因此，對于圖像中任一像素點，計算其顏色值P(R，G，B)與標準顏色在RGB顏色空間中距離:
[0030]d = IP-XI(3)
[0031]如果當前像素與任一標準顏色的距離d小于給定的閾值T，則當前像素點被識別為孔隙，反之則被識別為顆粒。對于巖石薄片圖像，閾值T取60。如步驟10的彩色圖像通過二值化得到步驟11的黑白二值圖像，其中黑色代表孔隙，而白色代表顆粒。
[0032]步驟12是針對步驟11中得出的二值化圖像中雜點的去除，圖像中獨立的孔隙和雜點，可以通過經(jīng)典的種子算法或改進的掃描線種子算法來識別。這種方法的基本思想包括兩個部分:1)查找一個未被記錄的任一個種子像素；2)在二值圖像中查找與種子像素相連通的所有像素點，并將其記錄下來。如步驟12對應(yīng)的圖中，通過a，b兩個種子像素點，即可查找出獨立的兩個區(qū)塊A’和B’。識別出圖像中各獨立區(qū)塊后，計算每個區(qū)塊的面積，當區(qū)塊面積小于給定最小孔隙閾值TA時，則將其識別為雜點并去除。
[0033]步驟13-14采用改進的種子算法分割和識別孔隙。步驟13對孔隙區(qū)塊進行腐蝕運算，消除孔隙間通道，得到了兩個獨立的種子區(qū)塊A’和B’。
[0034]步驟14是將腐蝕區(qū)域歸并到鄰近種子區(qū)塊，并識別出兩個獨立的孔隙區(qū)域。
[0035]步驟15是獲取孔隙識別結(jié)果。在腐蝕運算中，孔隙邊緣的突起可能保留為細小的種子區(qū)塊(步驟13附圖中區(qū)塊C’)，并在歸并運算中被識別為獨立的小孔隙(步驟14附圖中區(qū)塊C)。因此，需要計算各區(qū)塊的面積，將小于最小孔隙閾值的區(qū)塊歸并到鄰近的大孔隙中，得到最終的孔隙識別結(jié)果。附圖中不同的灰度代表不同的孔隙。
[0036]步驟16是根據(jù)圖像中顆粒形態(tài)，顏色和紋理特征等區(qū)分出不同顆粒，用單像素的曲線劃出顆粒間的邊界手動操作來分割不同顆粒。采用步驟12至15方法進一步識別出各個顆粒。
[0037]步驟17輸出顆粒識別結(jié)果，圖中不同顏色的區(qū)塊代表不同的顆粒。
[0038]具體地說，本發(fā)明的步驟具體實現(xiàn)過程為:
[0039](I)基于標準顏色的彩色圖像自動二值化。首先彩色圖像需要轉(zhuǎn)化成二值黑白圖像，通過計算圖像各像素顏色和標準顏色在RGB顏色空間的距離，與預(yù)先給定的閾值T做比較，從而區(qū)分出孔隙和顆粒；在得到的二值圖像中，黑色代表孔隙，白色代表顆粒。
[0040](2) 二值圖像去雜點。通過應(yīng)用傳統(tǒng)種子算法查找二值圖像中所有的獨立區(qū)塊，計算每個區(qū)塊的面積，當區(qū)塊小于給定的最小孔隙閾值TA時則將識別為雜點并去除。
[0041](3)采用改進的種子算法實現(xiàn)孔隙系統(tǒng)分割和識別。傳統(tǒng)種子算法可以得到了圖像中各個獨立區(qū)域的像素集合。但如圖1步驟10所示，兩個孔隙之間可能通過細小通道(即孔喉)連接，采用傳統(tǒng)種子算法無法正確地區(qū)分圖中A和B兩個孔隙。因此，本發(fā)明提出一種改進的種子算法，通過封閉特定直徑的孔喉，實現(xiàn)孔隙的自動分割和識別。包括對圖像做腐蝕運算，以清除孔隙間的細小連接，然后識別出各種子孔隙，再將剩余像素歸并到種子孔隙上，得到真實孔隙。
[0042](4)顆粒系統(tǒng)識別。由于巖石中的顆粒在