数字图像处理技术在掺气浓度测量中的应用
|
摘要
本文突破了点测量和机械探头传感器等传统的掺气浓度测量方法，采用非接触测量法，首次将计算机图像处理技术应用于水流掺气浓度的实测。基于水和气体对光的反射特性的不同，提出了一种自动识别水气二相流中的气泡的数字图像处理方法，并进一步给出计算二维、瞬时掺气浓度场的算法。流场试验结果分析表明：本文的方法完全可应用于水流掺气浓度场的实测，且效果较好。
文中分别采用激光片光源和影视灯照明，采用逐行扫描数字CCD摄像机获取气泡的流动图像；根据气泡和水对光的反射特性不同，提出采用阈值法识别图像中的气泡和水，从而为进一步计算掺气浓度打下坚实的基础。
阈值确定的准确与否直接影响掺气浓度的计算精度，在查阅大量文献和理论分析研究的基础上，并通过试验研究，本文提出了采用最大直方图熵法、类间方差法和迭代法等三种推求阈值的方法。经过大量的图像分割实验，对各种分割方法的分割效果和适用条件进行了比较和归纳，以计算精度和计算速度作为比较标准，作者认为类间方差法是计算阈值的最佳方法。文中还提出了一种改进的最大类间方差法，该算法核心思想就是：对于像素数为零的灰度级所对应的类间方差值指定为零，而不计算方差，从而大大减少了计算方差的次数，提高了原有算法的效率。
在上述工作的基础上，本文给出了计算二维、瞬时掺气浓度的算法，并编程予以实现。
四川大学工学硕士学位论文
结合面向对象的Visualc++高级编程技术，开发了灰度变换、图像增强、气
泡识别、掺气浓度计算为主要功能的掺气浓度图像分析系统软件，显示了面向
对象编程技术的应用优点。
为验证本文给出的掺气浓度图像处理方法的可靠性和实用性，作者采用图
像处理技术对掺气浓度场进行实测研究，研究结果表明:文中实测计算出的掺
气浓度值是可靠的，基本上能反映真实的掺气浓度情况，这表明本文提出的方
法具有实际应用价值。
文中还对采用图像处理计算掺气浓度过程中出现的误差可能来源及提高测
量精度的途径进行了分析和探讨，这对于提高掺气浓度的计算精度具有重要意
义。
本文所作的工作为图像处理技术与水气两相流实测研究相结合的初步尝试
和探索，研究内容体现了多学科前沿领域的交叉。研究成果为今后进一步深入
研究和推广计算机图像处理技术在水气两相流测量中的应用，打下了有力的基
础;对提高水流掺气浓度的测量水平和精度，进而提高水力模型试验水平、满
足工程设计要求等都具有学术意义和重要实用价值。
Based on image process, a new method is proposed to measure void fraction without contact. This method breaks through the traditional point measure and sensor technology.
According to different optics-reverberation character of water and gas, this paper put forward how to identify gas from the gas-water digital image and how to f -urther calculate void fraction. The result shows that the method possesses relatively satisfactory precision.
At first, bubble flow image is acquired using laser and incandescence lamp respectively as light source and using CCD. According to different optics-dispersion character, threshold segmentation method is proposed to identify gas from the gas-water flow, which make steadfast base for further calculate void fraction.
The precision of threshold directly affect the calculate precision of void fraction. Via refer to literature and theory study, three methods, namely ENT, OTSU, and iteration method are putted forward to calculate void fraction and via lots of experiment, three methods are compared and induced. In the end, OTSU is recommend which it has satisfactory precision and speed.
Based on the former result, the algorithm of two dimension and instantaneous void fraction is proposed and carry out through programming.
United with Visual C++ language which face to object, a software is exploited
which have functions like gray transform, image improve, bubble identify, void
fraction calculation, which show the strongpoint of object-facing programming.
In order to validate the reliability and practicability of the image technique in measurement of bubble void fraction, a test aiming at water-gas field is done. The result shows that the value of void fraction is reliable and can reflect the real status.
In this paper the error source is analyzed and discussed and the approach of how to advance measure precision is proposed, which has significant fact meaning.
The content in this paper is preparatory attempt that combines image technique and gas water field measurement technology. This research make strong base for the further application of image technique in two phases flow of gas-water and has significant learning and practicable value.
文中分别采用激光片光源和影视灯照明，采用逐行扫描数字CCD摄像机获取气泡的流动图像；根据气泡和水对光的反射特性不同，提出采用阈值法识别图像中的气泡和水，从而为进一步计算掺气浓度打下坚实的基础。
阈值确定的准确与否直接影响掺气浓度的计算精度，在查阅大量文献和理论分析研究的基础上，并通过试验研究，本文提出了采用最大直方图熵法、类间方差法和迭代法等三种推求阈值的方法。经过大量的图像分割实验，对各种分割方法的分割效果和适用条件进行了比较和归纳，以计算精度和计算速度作为比较标准，作者认为类间方差法是计算阈值的最佳方法。文中还提出了一种改进的最大类间方差法，该算法核心思想就是：对于像素数为零的灰度级所对应的类间方差值指定为零，而不计算方差，从而大大减少了计算方差的次数，提高了原有算法的效率。
在上述工作的基础上，本文给出了计算二维、瞬时掺气浓度的算法，并编程予以实现。
四川大学工学硕士学位论文
结合面向对象的Visualc++高级编程技术，开发了灰度变换、图像增强、气
泡识别、掺气浓度计算为主要功能的掺气浓度图像分析系统软件，显示了面向
对象编程技术的应用优点。
为验证本文给出的掺气浓度图像处理方法的可靠性和实用性，作者采用图
像处理技术对掺气浓度场进行实测研究，研究结果表明:文中实测计算出的掺
气浓度值是可靠的，基本上能反映真实的掺气浓度情况，这表明本文提出的方
法具有实际应用价值。
文中还对采用图像处理计算掺气浓度过程中出现的误差可能来源及提高测
量精度的途径进行了分析和探讨，这对于提高掺气浓度的计算精度具有重要意
义。
本文所作的工作为图像处理技术与水气两相流实测研究相结合的初步尝试
和探索，研究内容体现了多学科前沿领域的交叉。研究成果为今后进一步深入
研究和推广计算机图像处理技术在水气两相流测量中的应用，打下了有力的基
础;对提高水流掺气浓度的测量水平和精度，进而提高水力模型试验水平、满
足工程设计要求等都具有学术意义和重要实用价值。
Based on image process, a new method is proposed to measure void fraction without contact. This method breaks through the traditional point measure and sensor technology.
According to different optics-reverberation character of water and gas, this paper put forward how to identify gas from the gas-water digital image and how to f -urther calculate void fraction. The result shows that the method possesses relatively satisfactory precision.
At first, bubble flow image is acquired using laser and incandescence lamp respectively as light source and using CCD. According to different optics-dispersion character, threshold segmentation method is proposed to identify gas from the gas-water flow, which make steadfast base for further calculate void fraction.
The precision of threshold directly affect the calculate precision of void fraction. Via refer to literature and theory study, three methods, namely ENT, OTSU, and iteration method are putted forward to calculate void fraction and via lots of experiment, three methods are compared and induced. In the end, OTSU is recommend which it has satisfactory precision and speed.
Based on the former result, the algorithm of two dimension and instantaneous void fraction is proposed and carry out through programming.
United with Visual C++ language which face to object, a software is exploited
which have functions like gray transform, image improve, bubble identify, void
fraction calculation, which show the strongpoint of object-facing programming.
In order to validate the reliability and practicability of the image technique in measurement of bubble void fraction, a test aiming at water-gas field is done. The result shows that the value of void fraction is reliable and can reflect the real status.
In this paper the error source is analyzed and discussed and the approach of how to advance measure precision is proposed, which has significant fact meaning.
The content in this paper is preparatory attempt that combines image technique and gas water field measurement technology. This research make strong base for the further application of image technique in two phases flow of gas-water and has significant learning and practicable value.
引文
[1]张远鹏，董海，周文灵．计算机图像处理技术基础．北京大学出版社．1996．
[2]朱家义，王娟萍．图形图像处理技术．机械工业出版社．2001．
[3]陈挺标，夏良正．数字图像处理．北京：人民邮电出版社，1990．
[4]余松煜，周源华，吴时光．数字图像处理．北京：电子工业出版社，1989．
[5]王爱民，沈兰荪．图像分割技术综述．遥测技术．2000，19(5)．
[6]赵荣椿，迟耀斌，朱重光．图像分割技术进展．中国体视与图像分析．1998，3(2)．
[7]段俐，康琦．PIV技术的粒子图像处理方法．北京航空航天大学学报．2000，26(1) february．
[8]赵荣春．数字图像处理基础(下册)．北京：航空专业教材编审组，1984．
[9]董汉丽．图像边缘检测最佳算法的分析．郑州工学院学报．1994，15(4)DEC．
[10]孙仲康，沈振康．数字图像处理及其应用．北京：国防工业出版社，1985．
[11]吴一全，朱兆达．图像处理中阈值选取方法30年(1962-1992)的进展(一)．数据采集与处理．1993，8(3)．
[12]吴一全，朱兆达．图像处理中阈值选取方法30年(1962-1992)的进展(二)．数据采集与处理．1993，8(4)．
[13]Doyle W. Operations useful for similarity-invariant pattern recognition. J ACM, 1962; 9(2): 259—267.
[14]Prewitt J M S, Mendelsohn M L. The analysis of cell images. Ann N Y Acad Sci. 1966; 128: 1035—1053.
[15]Bartz M R. Optimizing a video preprocessor for OCR. In:Proc IJCAI, 1969:79—90.
[16]Panda D P, Rosenfeld A. Image segmentation by pixel classification in [grey level, edge value]apace. IEEE Trans, 1978;C-27 (9):875—879.
[17]Katz Y H. Pattern recognition of meteorological satellite cloud photography. In:Proc 3rd symp on Remote Sensing of Environment, 1965:173-214.
[18]Wu A Y, Hong T H, Rosenfeld A. Threshold selection using quadtrees. IEEE Trans. 1982; PAMI-4(1) :90-94.
[19]张旭丽．两种基于空间域聚类分析的彩色图像分割方法比较．贵州工业大学学报．2001，Vol．5．No．5．
[20]Kittler J, Illingworth J. On threshold selection using clustering criteria. IEEE Trans, 1985;SMC-15:652-655.
[21] PunT. Entropic Thresholding:A New Approach. Computer Vision Graphics Image Process, 1981,16(3):210-239.
[22]Lee S U, Chung S Y, Park R H.A comparative performance study of global thres holding techniques for segmentation. Computer Vision, Graphics and Image Pro cessing, 1990;52:171—190.
[23]Markham K C. IEEE pt-f. 1989,136(1):13-21.
[24] 刘文萍，吴立德．人造目标红外前视阈值分割技术．红外与毫米波学报．1997；vol．16，NO．5．
[25]黄文典，李洪，李嘉等，数字图像处理技术测量浓度场的实验研究．西南民族学院学报．自然科学版．2002，Vol．28．No．1．
[26]万金山，崔永东，张景镇．应用数字图像处理技术研究涡流场．南京航空航天大学学报．1995，Vol．27．No．3．
[27]李华北，潘中永，赵杰文．图像处理在汽蚀分析中的应用．农业机械学报．2001．5．
[28]戴光清，王滨蓉，杨庆．数字PIV技术在圆管振荡流中的应用．四川大学学报(工程科学版)Vol．33 No．6
[29]黄真理，李玉梁，余常昭，宋传琳．LIF技术测量浓度场的影响因素分析．实验力学．1994，9(3)．SEP
[30]段俐，康琦．PIV技术的粒子图像处理方法．北京航空航天大学学报．2000，26(1)．
[31]王延，张永明，廖光煊，王喜世，秦俊．数字粒子图像速度测量原理与实现方法[[J]．中国科学技术大学学报．2000，30(6)
[32]戴光清，吴燕华，刘齐宏．乳化空气泡示踪粒子在PIV测速中的应用．四川大学学报．2001，vol．32 No．1
[33]王希麟，张大力．两相流场粒子成像测速技术(PTV-PIV)初探．力学学报．1998，30(1)．
[34]Donevski B.,Saga T.,Kobayashi T.,and Shoukri M.,Flow visualization Ⅵ, Y. Tandida & H. Miyashiro, Springer-verlag(1992).
[35]Fairholm W.H.,Harvel G.D.,Campeau J.C.,and Chang J.S.,Pro, Nat. Heat Transfer Conference, Minnesota, 28-31, July. pp. 199, American Nuclear Society, (1991).
[36]Gopal M.,Jepson W.P.,Int. J. Multiphase flow. Vol. 23, No. 5, pp. 945(1997).
[37]Hsieh C.C.,Wang S.B. and Pan C.,Int. J. Multiphase flow. Vol. 23, No. 6, pp. 1147, (1997).
[38]Kamiel S. Rezkhallah, Journal of Flow visualization and Image Processing. Begell House, Inc. Vol. 4, No. 4, pp. 345, (1997).
[39]Lin T.J.,Tsuchiya K.,and Fan L.S.,AICHE Journal, Vol. 44, No. 3, pp. 545, (1998)
[40]Misawa M.,Anghaie S.,AIChE Symp.Serie 87, pp. 226(1991).
[41]Mishima K.,Hibiki T.,Nishihara H.,Nuclear Eugineering and Design 175, pp. 25 (1997).
[42] 华东水利学院．模型实验量测技术．水利电力出版社，1984．
[43]周新伦，柳健，刘志华．数字图像处理．北京：国防工业出版社，1986．
[44]王绍霖．数字图像处理．长沙：国防科技大学出版社，1987．
[45]田村秀行等著，赫荣威等编译．计算机图像处理技术．北京：北京师范大学出版社，1988
[46]吴健康．数字图像分析．北京：人民邮电出版社，1989．
[47]何斌，马天予等．visual c++数字图像处理．人民邮电出版社，2001．
[48]朱志刚等．数字图像处理．电子工业出版社，1998．
[49]金炜．基于类的位图图像处理编程实现．电脑开发与应用．Vol．14．No．1．June 2001．
[50]潘成胜，孙巧英．图像数据读取方法及阈值分割技术．电脑开发与应用．Vol．13．No．1．June 2002
[51]朱莹，李自胜．基于VC++的位图图像处理方法．四川工业学院学报．2001，Vol．3．No．17．
[52]何斌，马天予等．visual c++数字图像处理．人民邮电出版社，2001．
[53] Yanowits S D, Bruckstein A M.A new method for images segmentation. In :Proc 9ICPR, 1988:270-275.
[54] 王积分，张新荣．计算机图像识别[M]．北京：中国铁道出版社，1988．282-298
[55]Otsu N.A t threshold selection method from gray-level histogram. IEEE Trans, 1979;SMC-9:62-66.
[56]Otsu N. Disciminant and least aquare threshold selection. In:Proc 4IJCPR, 19
78：592-596
[57]罗文村，郭伟斌．图像阈值分割方法的比较与分析．现代计算机．103期．
[58][美]Michael J．Young著 邱仲潘等．Visual c++6从入门到精通．电子工业出版社，1999．
[59]江明德．面向对象程序设计．北京．电子工业出版社．1994，16-100．
[60]吕风军．数字图像处理编程入门—做一个自己的photoshop．清华大学出版社．1999．
[61]王华．Visual C++6.0编程实例与技巧．北京：机械工业出版社．1999：223—231．
[62] 李佳列，丁国清．采用CCD非接触测量中提高精度的一种方法．光学精密工程．Vol．10．No．3．June 2002．
[63]张远鹏，董海，周文灵．计算机图像处理技术基础．北京大学出版社．1996．
[64]曹凌．数字图像中噪声源对量化精度影响的分析．系统工程与电子技术．西北大学学报．1996．4
[2]朱家义，王娟萍．图形图像处理技术．机械工业出版社．2001．
[3]陈挺标，夏良正．数字图像处理．北京：人民邮电出版社，1990．
[4]余松煜，周源华，吴时光．数字图像处理．北京：电子工业出版社，1989．
[5]王爱民，沈兰荪．图像分割技术综述．遥测技术．2000，19(5)．
[6]赵荣椿，迟耀斌，朱重光．图像分割技术进展．中国体视与图像分析．1998，3(2)．
[7]段俐，康琦．PIV技术的粒子图像处理方法．北京航空航天大学学报．2000，26(1) february．
[8]赵荣春．数字图像处理基础(下册)．北京：航空专业教材编审组，1984．
[9]董汉丽．图像边缘检测最佳算法的分析．郑州工学院学报．1994，15(4)DEC．
[10]孙仲康，沈振康．数字图像处理及其应用．北京：国防工业出版社，1985．
[11]吴一全，朱兆达．图像处理中阈值选取方法30年(1962-1992)的进展(一)．数据采集与处理．1993，8(3)．
[12]吴一全，朱兆达．图像处理中阈值选取方法30年(1962-1992)的进展(二)．数据采集与处理．1993，8(4)．
[13]Doyle W. Operations useful for similarity-invariant pattern recognition. J ACM, 1962; 9(2): 259—267.
[14]Prewitt J M S, Mendelsohn M L. The analysis of cell images. Ann N Y Acad Sci. 1966; 128: 1035—1053.
[15]Bartz M R. Optimizing a video preprocessor for OCR. In:Proc IJCAI, 1969:79—90.
[16]Panda D P, Rosenfeld A. Image segmentation by pixel classification in [grey level, edge value]apace. IEEE Trans, 1978;C-27 (9):875—879.
[17]Katz Y H. Pattern recognition of meteorological satellite cloud photography. In:Proc 3rd symp on Remote Sensing of Environment, 1965:173-214.
[18]Wu A Y, Hong T H, Rosenfeld A. Threshold selection using quadtrees. IEEE Trans. 1982; PAMI-4(1) :90-94.
[19]张旭丽．两种基于空间域聚类分析的彩色图像分割方法比较．贵州工业大学学报．2001，Vol．5．No．5．
[20]Kittler J, Illingworth J. On threshold selection using clustering criteria. IEEE Trans, 1985;SMC-15:652-655.
[21] PunT. Entropic Thresholding:A New Approach. Computer Vision Graphics Image Process, 1981,16(3):210-239.
[22]Lee S U, Chung S Y, Park R H.A comparative performance study of global thres holding techniques for segmentation. Computer Vision, Graphics and Image Pro cessing, 1990;52:171—190.
[23]Markham K C. IEEE pt-f. 1989,136(1):13-21.
[24] 刘文萍，吴立德．人造目标红外前视阈值分割技术．红外与毫米波学报．1997；vol．16，NO．5．
[25]黄文典，李洪，李嘉等，数字图像处理技术测量浓度场的实验研究．西南民族学院学报．自然科学版．2002，Vol．28．No．1．
[26]万金山，崔永东，张景镇．应用数字图像处理技术研究涡流场．南京航空航天大学学报．1995，Vol．27．No．3．
[27]李华北，潘中永，赵杰文．图像处理在汽蚀分析中的应用．农业机械学报．2001．5．
[28]戴光清，王滨蓉，杨庆．数字PIV技术在圆管振荡流中的应用．四川大学学报(工程科学版)Vol．33 No．6
[29]黄真理，李玉梁，余常昭，宋传琳．LIF技术测量浓度场的影响因素分析．实验力学．1994，9(3)．SEP
[30]段俐，康琦．PIV技术的粒子图像处理方法．北京航空航天大学学报．2000，26(1)．
[31]王延，张永明，廖光煊，王喜世，秦俊．数字粒子图像速度测量原理与实现方法[[J]．中国科学技术大学学报．2000，30(6)
[32]戴光清，吴燕华，刘齐宏．乳化空气泡示踪粒子在PIV测速中的应用．四川大学学报．2001，vol．32 No．1
[33]王希麟，张大力．两相流场粒子成像测速技术(PTV-PIV)初探．力学学报．1998，30(1)．
[34]Donevski B.,Saga T.,Kobayashi T.,and Shoukri M.,Flow visualization Ⅵ, Y. Tandida & H. Miyashiro, Springer-verlag(1992).
[35]Fairholm W.H.,Harvel G.D.,Campeau J.C.,and Chang J.S.,Pro, Nat. Heat Transfer Conference, Minnesota, 28-31, July. pp. 199, American Nuclear Society, (1991).
[36]Gopal M.,Jepson W.P.,Int. J. Multiphase flow. Vol. 23, No. 5, pp. 945(1997).
[37]Hsieh C.C.,Wang S.B. and Pan C.,Int. J. Multiphase flow. Vol. 23, No. 6, pp. 1147, (1997).
[38]Kamiel S. Rezkhallah, Journal of Flow visualization and Image Processing. Begell House, Inc. Vol. 4, No. 4, pp. 345, (1997).
[39]Lin T.J.,Tsuchiya K.,and Fan L.S.,AICHE Journal, Vol. 44, No. 3, pp. 545, (1998)
[40]Misawa M.,Anghaie S.,AIChE Symp.Serie 87, pp. 226(1991).
[41]Mishima K.,Hibiki T.,Nishihara H.,Nuclear Eugineering and Design 175, pp. 25 (1997).
[42] 华东水利学院．模型实验量测技术．水利电力出版社，1984．
[43]周新伦，柳健，刘志华．数字图像处理．北京：国防工业出版社，1986．
[44]王绍霖．数字图像处理．长沙：国防科技大学出版社，1987．
[45]田村秀行等著，赫荣威等编译．计算机图像处理技术．北京：北京师范大学出版社，1988
[46]吴健康．数字图像分析．北京：人民邮电出版社，1989．
[47]何斌，马天予等．visual c++数字图像处理．人民邮电出版社，2001．
[48]朱志刚等．数字图像处理．电子工业出版社，1998．
[49]金炜．基于类的位图图像处理编程实现．电脑开发与应用．Vol．14．No．1．June 2001．
[50]潘成胜，孙巧英．图像数据读取方法及阈值分割技术．电脑开发与应用．Vol．13．No．1．June 2002
[51]朱莹，李自胜．基于VC++的位图图像处理方法．四川工业学院学报．2001，Vol．3．No．17．
[52]何斌，马天予等．visual c++数字图像处理．人民邮电出版社，2001．
[53] Yanowits S D, Bruckstein A M.A new method for images segmentation. In :Proc 9ICPR, 1988:270-275.
[54] 王积分，张新荣．计算机图像识别[M]．北京：中国铁道出版社，1988．282-298
[55]Otsu N.A t threshold selection method from gray-level histogram. IEEE Trans, 1979;SMC-9:62-66.
[56]Otsu N. Disciminant and least aquare threshold selection. In:Proc 4IJCPR, 19
78：592-596
[57]罗文村，郭伟斌．图像阈值分割方法的比较与分析．现代计算机．103期．
[58][美]Michael J．Young著 邱仲潘等．Visual c++6从入门到精通．电子工业出版社，1999．
[59]江明德．面向对象程序设计．北京．电子工业出版社．1994，16-100．
[60]吕风军．数字图像处理编程入门—做一个自己的photoshop．清华大学出版社．1999．
[61]王华．Visual C++6.0编程实例与技巧．北京：机械工业出版社．1999：223—231．
[62] 李佳列，丁国清．采用CCD非接触测量中提高精度的一种方法．光学精密工程．Vol．10．No．3．June 2002．
[63]张远鹏，董海，周文灵．计算机图像处理技术基础．北京大学出版社．1996．
[64]曹凌．数字图像中噪声源对量化精度影响的分析．系统工程与电子技术．西北大学学报．1996．4