谢振合1,张 海2(1·华南理工大学数学科学学院,广东广州 510640;2·华南理工大学工业装备与控制工程学院,广东广州 510640)
作者简介:谢振合(1972-),男,河南南阳人,华南理工大学助教,硕士,从事应用数学的教学和研究工作。
炭黑分散度是指炭黑聚集体(粒子)在胶料中分散的均匀程度,它包括两层含义:一是表征分布在胶料中的炭黑粒子尺寸大小,二是表征炭黑粒子在胶料中分布的均匀程度。胶料的物理性能、动态性能、加工性能以及成品的使用性能均与炭黑分散度有关。炭黑分散度除取决于炭黑性质、胶料配方外,还与胶料的混炼工艺有关[1]。炭黑分散度的识别方法可分为人工识别和自动识别两大类。目前,我国常用的人工识别方法为ASTM
D 2663中的A法和B法、GB 6030—1985中的显微照相法等[2]。ASTM D
2663中的A法是定性目测法,B法是定量目测法(测量胶料中未分散炭黑粒子的大小和数量,未涉及炭黑粒子在胶料中的分布情况)。人工识别炭黑分散度需要有经验的操作人员根据观察或拍摄到的图像,综合炭黑分散和分布情况以及胶料配方等多方面的因素来判断胶料中炭黑分散度,其判别速度慢,耗时、耗力,容易受操作人员主观因素的影响。
瑞典OPTIGRADER公司的Dispergrader法是一种自动识别炭黑分散度的改进显微照相法,它采用图像处理技术和分散度识别软件,实现了炭黑分散度等级自动判别。该法以图像中白色亮点的个数和面积来判定炭黑分散度等级。应用发现,该法对同一试样的多次重复测试会判定出不同的分散度等级,即判级稳定性差。国内在炭黑分散度自动识别方面已做了大量研究[3~7],创立的分散度识别方法仍以显微照相法为基础,建模过程一般为:先对胶料样本进行视频采集和图像处理,然后提取图像特征,并根据图像特征设立分散度特征指标体系,最后建立统计识别模型及编制分散度自动识别软件。但这些方法的计算参数主要为表征炭黑粒子个数和面积的参数(由特征指标值经标准化数学运算处理到区间[0,1]上而得),很少有关于炭黑粒子分布均匀性信息的参数;同时研究对象主要为硫化胶。本工作针对混炼胶建立炭黑分散度指标体系并确定图像处理方法,以期为混炼胶炭黑分散度自动识别模型的建立和自动测试仪器的研制奠定基础。
1 炭黑分散度特征指标体系
选取的炭黑分散度特征指标体系是否恰当是决定炭黑分散度自动识别模型判别效果的关键因素。为准确识别炭黑分散度,要求选取的炭黑分散度特征指标体系尽可能准确而全面地反映各个等级图像的特征和不同等级图像的差异。判别炭黑分散度等级主要考虑3个因素:炭黑粒子的尺寸(在黑白化图像中表现为白色区域的像素面积)、较大炭黑粒子数量以及炭黑粒子在胶料表面分布的均匀程度。炭黑分散性较好,即分散度等级较高的胶料小粒子炭黑较多,大粒子炭黑较少,不同位置炭黑粒子分布的差异较小;炭黑分散性较差,即分散度等级较低的胶料大粒子炭黑较多或/和不同位置炭黑粒子分布的差异较大。大粒子炭黑的分散性与其形状有关。在粒子面积相等的情况下,椭圆形炭黑粒子的分散性比圆形或近似圆形的炭黑粒子好。可以采用分形(对没有特征长度但具有一定意义的自相似图形和结构的总称)的方法设立表征大粒子炭黑分布形状的特征指标。炭黑粒子的分布本质上是一种分形分布,其分散度与分形的形质有关,但图形的分形维数不易计算,可用椭圆度来表征炭黑粒子的分布形状。
根据混炼胶塑性值较大、硬度小、粘弹性不均匀的特点,为较好地表征炭黑分散性和分布均匀性,确定混炼胶炭黑分散度特征指标如下。
(1)按面积大小将炭黑粒子划分为6个区段,用各区段的炭黑粒子面积总和来表征不同面积的炭黑粒子数量,共有6个指标:X1~X6。
(2)根据分形的思想,定义椭圆度4SπD2(D为炭黑粒子直径,S为炭黑粒子面积)来表征较大炭黑粒子的分布特征,共有2个指标:X7和X8。
(3)按上下及左右位置分布将图像分成面积相等的4个矩形区域,用4个区域炭黑粒子面积总和的方差来表征炭黑粒子分布的均匀性,即指标X9。混炼胶炭黑分散度的9个特征指标的定义如下(划分面积区段时,通过分析图像样本的特征,得出区分各级样本的关键面积分界值为20,35,50,75,100)。
X1:区域面积大于100个像素点的炭黑粒子面积和占炭黑粒子面积总和的百分比。
X2:区域面积介于76~100个像素点的炭黑粒子面积和占炭黑粒子面积总和的百分比。
X3:区域面积介于51~75个像素点的炭黑粒子面积和占炭黑粒子面积总和的百分比。
X4:区域面积介于36~50个像素点的炭黑粒子面积和占炭黑粒子面积总和的百分比。
X5:区域面积介于21~35个像素点的炭黑粒子面积和占炭黑粒子面积总和的百分比。
X6:区域面积介于10~20个像素点的炭黑粒子面积和占炭黑粒子面积总和的百分比。
X7:区域面积大于100个像素点的炭黑粒子中椭圆度小于0.8的炭黑粒子椭圆度和占炭黑粒子椭圆度总和的百分比。
X8:区域面积介于40~100个像素点的炭黑粒子中椭圆度小于0.8的炭黑粒子椭圆度和占炭黑粒子椭圆度总和的百分比。
X9:4个区域炭黑粒子面积总和的方差。
2 图像处理方法
2.1 基本流程
混炼胶图像处理的具体流程为:图像采集,图像显示,图像灰度化、滤波、黑白二值化,图像特征值计算,粒子统计显示等环节。图像采集装置主要由高精度显微放大镜、CCD摄像机、光照设备和视频采集卡组成,最终采集得到数字化图像。其中,CCD摄像机顺序扫描图像,形成模拟视频信号。图像采集卡将摄取的视频信号转换为能在计算机屏幕上显示的数字图像。图像显示是将采集到的图像以640×480像素的24位位图显示出来,24位位图用3个字节来记录每个像素点的颜色信息,可以通过调整镜头的连续放大倍数和视频亮度来保证最佳显示画面,最后图像以适合于图像分割和图像特征值计算的BMP灰度图像文件格式储存于图片库中。
2.2 灰度图像的条纹处理
切割混炼胶的显微镜图像中一般会有切痕条纹(如图1所示)。如果不消除这些切痕条纹,在图像黑白二值化时会将其误当作炭黑粒子,造成判别的分散度等级偏低。消除图像切痕条纹假粒子的两种方法是:①改变试样的放置方向,让切痕的条纹方向与光线的入射方向保持平行,使条纹的反射光线不能进入图像;②图像自动处理,即在图像分割前先判断区域的长宽差绝对值是否超过一定值,如果超过,就认为该区域不是炭黑粒子聚集区域。
2.3 灰度图像的黑白二值化
胶料图像通常由代表炭黑粒子的目标区域和背景组成。图像灰度化后,要提取炭黑粒子的特征信息,就必须把目标区域从背景中分离出来。目标区域与背景分离的主要方法是图像的黑白二值化处理,即通过设定阈值T,把灰度图像转换成仅用图像目标值和图像背景值表征的二值图像,其中目标值取1,背景值取0。在BMP位图中,0对应于RGB值(0,0,0),1对应于RGB值(255,255,255)。图像二值化的方法很多,其中阈值的选取是图像二值化的关键,会直接影响图像特征值计算结果的准确性。
与硫化胶相比,混炼胶表面的粗糙度较大,其入射光线的反射角变化较大,图像灰度分布不均匀,图像二值化时不适合采用全局阈值法(整幅BMP灰度图只选定一个灰度阈值)。经分析,本研究采用局部域值法(也称动态阈值法),即根据分割图像的局部灰度自动选择合适的阈值对图像进行二值化处理。具体过程为:将灰度图像分成4×4的子区域,计算每个子区域的平均灰度值,以此平均值作为该子区域的阈值,然后将该区域中每个像素点的灰度值与平均灰度值进行比较,若大于平均灰度值,则置为255(全白色),否则置为0(全黑色)。二值化处理的公式为:
经二值化处理后图像中白色区域代表炭黑粒子。采用此法处理得到的二值化混炼胶图像如图2所示。
2·4 图像特征值计算
在黑白二值化胶料图像的白色区域面积和直径值的计算方法中,经典的区域填充算法是利用扫描线上区域的连贯性,填充当前扫描线的一段区域,然后利用相邻扫描线上区域的连贯性,在上下两条相邻扫描线的一段区域读取区域特征值,并以种子堆栈的形式保留这些区域,反复处理堆栈内的区段,直到保存的所有区域都处理完毕为止。
本研究采用的改进填充算法是在扫描上下相邻扫描线时,记录下未填充区域的起点和终点,并将其压入栈中。这样,种子栈的元素不是种子点的坐标而是未填充区段的起点和终点位置,当扫描到该线时,只在起点和终点的中间扫描即可。相对于区域填充算法,该算法提高了各区域的填充速度,从而提高了算法的运行效率。
3 未切割与切割混炼胶炭黑粒子分散度特征比较
未切割与切割混炼胶的显微镜图像对比如图3所示。从图3可以看出,未切割与切割混炼胶表面特征不同,未切割混炼胶的表面粗糙度较切割混炼胶大。
表1~4示出了由提取图像特征值统计得出的同一混炼胶切割前后表面不同面积区段和直径区段的炭黑粒子数。
从表1~4可以看出,未切割混炼胶表面分布于各面积区段和直径区段的炭黑粒子数远大于切割混炼胶(经验证,切割混炼胶数据准确),这说明本研究炭黑分散度特征指标体系及图像处理阈值参数不适合未切割混炼胶。
4 结语
本研究混炼胶炭黑分散度自动识别特征指标体系及图像处理方法适合切割混炼胶,目前以该特征指标体系及图像处理方法为基础进行的切割混炼胶炭黑分散度自动识别模型的建立工作已基本完成,不久将见诸报道。
参考文献:
[1]吕 强,吴启明,张有华,等.混炼工艺对炭黑分散性的影响[J].轮胎工业,2001,21(9):559-601.
[2]汪传生,祝卫国.混炼胶中炭黑分散度测定方法的改进[J].橡胶工业,2004,51(12):755-758.
[3]王明兰.一种新的炭黑分散性识别方法[J].控制理论与应用,2001,18(5):792-795.
[4]王明兰.胶料中炭黑分散性的Fisher判别法[J].橡胶工业,2000,47(9):551-554.
[5]王明兰.橡胶中炭黑分散度的自动判别[J].信息与控制,2002,31(1):59-61.
[6]丁跃明.橡胶炭黑分散性统计模式识别及其软件设计[D].广州:华南理工大学,2001.
[7]孙家广.计算机图形学[M].北京:清华大学出版社,1994.92-280.
