一种基于图像识别的粒子直径分析系统及方法与流程

本发明涉及图像处理，具体为一种基于图像识别的粒子直径分析系统及方法。

背景技术：

1、图像处理，用计算机对图像进行分析，以达到所需结果的技术，又称影像处理，图像处理一般指数字图像处理，数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组，该数组的元素称为像素，其值称为灰度值，图像处理技术一般包括图像压缩，增强和复原，匹配、描述和识别3个部分。

2、目前，在基于图像识别的粒子直径分析方法中，其检测精度严重依赖于初始图像的质量，当工业相机拍摄时因环境光照不均、样本反光及镜头污染等因素导致图像质量不佳，将直接影响灰度化处理的效果，进而降低后续分析的准确性。

3、因此，现提出一种基于图像识别的粒子直径分析系统及方法解决上述问题。

技术实现思路

1、针对现有技术的不足，本发明提供了一种基于图像识别的粒子直径分析系统及方法，解决了上述背景技术中提出的其检测精度严重依赖于初始图像的质量的情况，以及无法保证后续分析的准确性的问题。

2、为实现以上目的，本发明提供如下技术方案予以实现：一种基于图像识别的粒子直径分析系统及方法，所述方法包括如下步骤：

3、s1、对工业相机拍摄的图片进行灰度化处理，得到灰度化数据；

4、s2、根据所述灰度化数据，进行高斯模糊滤波操作，得到降噪数据；

5、s3、根据所述降噪数据，进行圆形检测，得到圆形检测数据，其中所述圆形检测使用霍夫梯度法；

6、s4、根据所述圆形检测数据，对粒子直径进行比例换算，得到粒子直径数据，并将数据存入文件；

7、s5、根据所述粒子直径数据，进行分组归类，得到分组数据，并绘制饼图展示各区间比例。

8、优选的，所述s1中对工业相机拍摄的图片进行灰度化处理，得到灰度化数据包括以下步骤：

9、s11、采用灰度化处理计算公式对工业相机拍摄图片的红色通道数值、绿色通道数值和蓝色通道数值进行加权平均处理，生成灰度化数据，所述灰度化处理计算公式为：

10、;

11、其中，为灰度值，、、分别为彩色图像的红、绿、蓝三个颜色通道的分量值。

12、优选的，所述s2中根据所述灰度化数据，进行高斯模糊滤波操作，得到降噪数据包括以下步骤：

13、s21、采用高斯模糊滤波处理计算公式对所述灰度化数据进行滤波操作，得到降噪数据，所述高斯模糊滤波处理计算公式为：

14、;

15、其中，为经过滤波后位于坐标的像素值，和是相对于中心点的位置坐标，是高斯分布的标准差，决定了曲线的宽度及扩散程度，为自然常数，为圆周率。

16、优选的，所述s3中根据所述降噪数据，进行圆形检测，得到圆形检测数据，其中所述圆形检测使用霍夫梯度法包括以下步骤：

17、s31、通过canny边缘检测器找到图像中的边缘点，所述边缘点基于梯度幅值进行非极大值抑制和双阈值处理；

18、s32、对于每个边缘点，计算其梯度方向，即亮度变化最快的方向，使用sobel算子及类似方法计算水平和垂直梯度分量；

19、s33、根据梯度方向，在参数空间中进行投票，定位圆心，其中参数空间包括圆心坐标和半径的三维空间；

20、s34、从投票结果中筛选满足条件的圆心，得到圆形检测数据，所述条件包括最小投票阈值和几何约束。

21、优选的，所述s4中根据所述圆形检测数据，对粒子直径进行比例换算，得到粒子直径数据，并将数据存入文件包括以下步骤：

22、s41、根据圆形检测数据中的半径像素值，结合实际比例尺，进行比例换算，得到粒子直径的实际尺寸数据，所述比例尺通过校准标准物体获取；

23、s42、将粒子直径数据存入excel文件，使用python的pandas库及类似工具进行数据存储和管理。

24、优选的，所述s5中根据所述粒子直径数据，进行分组归类，得到分组数据，并绘制饼图展示各区间比例包括以下步骤：

25、s51、根据粒子直径数据，自定义直径区间进行分组，所述区间根据实际应用需求灵活设置；

26、s52、统计各区间内的粒子数量，计算各区间占比；

27、s53、使用matplotlib库的pie方法绘制饼图，展示各区间比例，并通过可视化输出结果。

28、优选的，所述s31中，canny边缘检测器具体操作包括：

29、s311、应用高斯滤波对图像进行平滑处理，减少噪声；

30、s312、计算图像的梯度幅值和方向，使用sobel算子卷积图像；

31、s313、对梯度幅值进行非极大值抑制，保留局部最大值；

32、s314、使用双阈值处理连接边缘，保证边缘的完整性和准确性。

33、优选的，所述s32中，梯度方向的计算具体包括：

34、s321、通过sobel算子计算每个像素点的水平梯度值和垂直梯度值；

35、s322、根据水平梯度和垂直梯度，使用反正切函数计算梯度方向；

36、s323、将梯度方向量化为离散角度。

37、优选的，所述s33中，参数空间投票使用霍夫梯度法，具体包括：

38、s331、设置霍夫梯度法参数，包括累加器分辨率反比参数dp、最小圆心距离mindist、边缘检测梯度值参数param1、累加器阈值参数param2、最小半径minradius和最大半径maxradius；

39、s332、对于每个边缘点，沿梯度方向在参数空间中累加投票；

40、s333、通过累加器峰值检测确定潜在圆心位置，并结合半径范围输出候选圆形。

41、优选的，系统包括：

42、图像采集与预处理模块，利用工业相机拍摄单元获取图片，通过灰度化处理单元进行灰度处理，生成灰度化数据，并通过高斯模糊滤波单元进行降噪，输出降噪数据；

43、圆形检测模块，接收所述降噪数据，通过边缘检测单元找到边缘点，利用梯度计算单元确定梯度方向，经由参数空间投票单元定位圆心，并通过圆形筛选单元输出圆形检测数据；

44、数据分析模块，接收所述圆形检测数据，通过比例换算单元将像素值转换为实际尺寸，得到粒子直径数据，利用数据存储单元存入文件，并通过分组归类单元进行区间划分，统计数量，最终通过可视化单元绘制饼图。

45、与现有技术相比，本发明提供了一种基于图像识别的粒子直径分析系统及方法，具备以下有益效果：

46、1.本发明中，通过构建标准化的图像预处理流程，能够降低环境光照不均、样本反光等因素对工业相机拍摄图片的干扰，提升灰度化数据的一致性，为后续圆形检测提供质量更优的图像基础，增强了方法对复杂成像环境的适应性，从而保证粒子直径测量结果的可靠性。

47、2.本发明中，通过采用集成了边缘检测、梯度方向计算与参数空间投票的完整圆形识别流程，能够定位降噪数据中的圆形粒子轮廓，提升对于规则圆形粒子的识别率，并减少因粒子形状近似及轻微不规则而导致的漏检与误检。

48、3.本发明中，通过实现从粒子直径数据自动换算、存储、分组统计到可视化饼图生成的一体化分析流程，系统能够自动输出直观的粒子直径分布饼图，无需人工进行复杂的数据处理与图表绘制，提升了粒子直径分析的效率，并为判断粒子群体分布特征提供了直观依据。