謝振合1,張 海2(1·華南理工大學數學科學學院,廣東廣州 510640;2·華南理工大學工業裝備與控制工程學院,廣東廣州 510640)
作者簡介:謝振合(1972-),男,河南南陽人,華南理工大學助教,碩士,從事應用數學的教學和研究工作。
炭黑分散度是指炭黑聚集體(粒子)在膠料中分散的均勻程度,它包括兩層含義:一是表征分布在膠料中的炭黑粒子尺寸大小,二是表征炭黑粒子在膠料中分布的均勻程度。膠料的物理性能、動態性能、加工性能以及成品的使用性能均與炭黑分散度有關。炭黑分散度除取決于炭黑性質、膠料配方外,還與膠料的混煉工藝有關[1]。炭黑分散度的識別方法可分為人工識別和自動識別兩大類。目前,我國常用的人工識別方法為ASTM D 2663中的A法和B法、GB 6030—1985中的顯微照相法等[2]。ASTM D 2663中的A法是定性目測法,B法是定量目測法(測量膠料中未分散炭黑粒子的大小和數量,未涉及炭黑粒子在膠料中的分布情況)。人工識別炭黑分散度需要有經驗的操作人員根據觀察或拍攝到的圖像,綜合炭黑分散和分布情況以及膠料配方等多方面的因素來判斷膠料中炭黑分散度,其判別速度慢,耗時、耗力,容易受操作人員主觀因素的影響。
瑞典OPTIGRADER公司的Dispergrader法是一種自動識別炭黑分散度的改進顯微照相法,它采用圖像處理技術和分散度識別軟件,實現了炭黑分散度等級自動判別。該法以圖像中白色亮點的個數和面積來判定炭黑分散度等級。應用發現,該法對同一試樣的多次重復測試會判定出不同的分散度等級,即判級穩定性差。國內在炭黑分散度自動識別方面已做了大量研究[3~7],創立的分散度識別方法仍以顯微照相法為基礎,建模過程一般為:先對膠料樣本進行視頻采集和圖像處理,然后提取圖像特征,并根據圖像特征設立分散度特征指標體系,最后建立統計識別模型及編制分散度自動識別軟件。但這些方法的計算參數主要為表征炭黑粒子個數和面積的參數(由特征指標值經標準化數學運算處理到區間[0,1]上而得),很少有關于炭黑粒子分布均勻性信息的參數;同時研究對象主要為硫化膠。本工作針對混煉膠建立炭黑分散度指標體系并確定圖像處理方法,以期為混煉膠炭黑分散度自動識別模型的建立和自動測試儀器的研制奠定基礎。
1 炭黑分散度特征指標體系
選取的炭黑分散度特征指標體系是否恰當是決定炭黑分散度自動識別模型判別效果的關鍵因素。為準確識別炭黑分散度,要求選取的炭黑分散度特征指標體系盡可能準確而全面地反映各個等級圖像的特征和不同等級圖像的差異。判別炭黑分散度等級主要考慮3個因素:炭黑粒子的尺寸(在黑白化圖像中表現為白色區域的像素面積)、較大炭黑粒子數量以及炭黑粒子在膠料表面分布的均勻程度。炭黑分散性較好,即分散度等級較高的膠料小粒子炭黑較多,大粒子炭黑較少,不同位置炭黑粒子分布的差異較小;炭黑分散性較差,即分散度等級較低的膠料大粒子炭黑較多或/和不同位置炭黑粒子分布的差異較大。大粒子炭黑的分散性與其形狀有關。在粒子面積相等的情況下,橢圓形炭黑粒子的分散性比圓形或近似圓形的炭黑粒子好。可以采用分形(對沒有特征長度但具有一定意義的自相似圖形和結構的總稱)的方法設立表征大粒子炭黑分布形狀的特征指標。炭黑粒子的分布本質上是一種分形分布,其分散度與分形的形質有關,但圖形的分形維數不易計算,可用橢圓度來表征炭黑粒子的分布形狀。
根據混煉膠塑性值較大、硬度小、粘彈性不均勻的特點,為較好地表征炭黑分散性和分布均勻性,確定混煉膠炭黑分散度特征指標如下。
(1)按面積大小將炭黑粒子劃分為6個區段,用各區段的炭黑粒子面積總和來表征不同面積的炭黑粒子數量,共有6個指標:X1~X6。
(2)根據分形的思想,定義橢圓度4SπD2(D為炭黑粒子直徑,S為炭黑粒子面積)來表征較大炭黑粒子的分布特征,共有2個指標:X7和X8。
(3)按上下及左右位置分布將圖像分成面積相等的4個矩形區域,用4個區域炭黑粒子面積總和的方差來表征炭黑粒子分布的均勻性,即指標X9。混煉膠炭黑分散度的9個特征指標的定義如下(劃分面積區段時,通過分析圖像樣本的特征,得出區分各級樣本的關鍵面積分界值為20,35,50,75,100)。
X1:區域面積大于100個像素點的炭黑粒子面積和占炭黑粒子面積總和的百分比。
X2:區域面積介于76~100個像素點的炭黑粒子面積和占炭黑粒子面積總和的百分比。
X3:區域面積介于51~75個像素點的炭黑粒子面積和占炭黑粒子面積總和的百分比。
X4:區域面積介于36~50個像素點的炭黑粒子面積和占炭黑粒子面積總和的百分比。
X5:區域面積介于21~35個像素點的炭黑粒子面積和占炭黑粒子面積總和的百分比。
X6:區域面積介于10~20個像素點的炭黑粒子面積和占炭黑粒子面積總和的百分比。
X7:區域面積大于100個像素點的炭黑粒子中橢圓度小于0.8的炭黑粒子橢圓度和占炭黑粒子橢圓度總和的百分比。
X8:區域面積介于40~100個像素點的炭黑粒子中橢圓度小于0.8的炭黑粒子橢圓度和占炭黑粒子橢圓度總和的百分比。
X9:4個區域炭黑粒子面積總和的方差。
2 圖像處理方法
2.1 基本流程
混煉膠圖像處理的具體流程為:圖像采集,圖像顯示,圖像灰度化、濾波、黑白二值化,圖像特征值計算,粒子統計顯示等環節。圖像采集裝置主要由高精度顯微放大鏡、CCD攝像機、光照設備和視頻采集卡組成,最終采集得到數字化圖像。其中,CCD攝像機順序掃描圖像,形成模擬視頻信號。圖像采集卡將攝取的視頻信號轉換為能在計算機屏幕上顯示的數字圖像。圖像顯示是將采集到的圖像以640×480像素的24位位圖顯示出來,24位位圖用3個字節來記錄每個像素點的顏色信息,可以通過調整鏡頭的連續放大倍數和視頻亮度來保證最佳顯示畫面,最后圖像以適合于圖像分割和圖像特征值計算的BMP灰度圖像文件格式儲存于圖片庫中。
2.2 灰度圖像的條紋處理
切割混煉膠的顯微鏡圖像中一般會有切痕條紋(如圖1所示)。如果不消除這些切痕條紋,在圖像黑白二值化時會將其誤當作炭黑粒子,造成判別的分散度等級偏低。消除圖像切痕條紋假粒子的兩種方法是:①改變試樣的放置方向,讓切痕的條紋方向與光線的入射方向保持平行,使條紋的反射光線不能進入圖像;②圖像自動處理,即在圖像分割前先判斷區域的長寬差絕對值是否超過一定值,如果超過,就認為該區域不是炭黑粒子聚集區域。
2.3 灰度圖像的黑白二值化
膠料圖像通常由代表炭黑粒子的目標區域和背景組成。圖像灰度化后,要提取炭黑粒子的特征信息,就必須把目標區域從背景中分離出來。目標區域與背景分離的主要方法是圖像的黑白二值化處理,即通過設定閾值T,把灰度圖像轉換成僅用圖像目標值和圖像背景值表征的二值圖像,其中目標值取1,背景值取0。在BMP位圖中,0對應于RGB值(0,0,0),1對應于RGB值(255,255,255)。圖像二值化的方法很多,其中閾值的選取是圖像二值化的關鍵,會直接影響圖像特征值計算結果的準確性。
與硫化膠相比,混煉膠表面的粗糙度較大,其入射光線的反射角變化較大,圖像灰度分布不均勻,圖像二值化時不適合采用全局閾值法(整幅BMP灰度圖只選定一個灰度閾值)。經分析,本研究采用局部域值法(也稱動態閾值法),即根據分割圖像的局部灰度自動選擇合適的閾值對圖像進行二值化處理。具體過程為:將灰度圖像分成4×4的子區域,計算每個子區域的平均灰度值,以此平均值作為該子區域的閾值,然后將該區域中每個像素點的灰度值與平均灰度值進行比較,若大于平均灰度值,則置為255(全白色),否則置為0(全黑色)。二值化處理的公式為:
經二值化處理后圖像中白色區域代表炭黑粒子。采用此法處理得到的二值化混煉膠圖像如圖2所示。
2·4 圖像特征值計算
在黑白二值化膠料圖像的白色區域面積和直徑值的計算方法中,經典的區域填充算法是利用掃描線上區域的連貫性,填充當前掃描線的一段區域,然后利用相鄰掃描線上區域的連貫性,在上下兩條相鄰掃描線的一段區域讀取區域特征值,并以種子堆棧的形式保留這些區域,反復處理堆棧內的區段,直到保存的所有區域都處理完畢為止。
本研究采用的改進填充算法是在掃描上下相鄰掃描線時,記錄下未填充區域的起點和終點,并將其壓入棧中。這樣,種子棧的元素不是種子點的坐標而是未填充區段的起點和終點位置,當掃描到該線時,只在起點和終點的中間掃描即可。相對于區域填充算法,該算法提高了各區域的填充速度,從而提高了算法的運行效率。
3 未切割與切割混煉膠炭黑粒子分散度特征比較
未切割與切割混煉膠的顯微鏡圖像對比如圖3所示。從圖3可以看出,未切割與切割混煉膠表面特征不同,未切割混煉膠的表面粗糙度較切割混煉膠大。
表1~4示出了由提取圖像特征值統計得出的同一混煉膠切割前后表面不同面積區段和直徑區段的炭黑粒子數。
從表1~4可以看出,未切割混煉膠表面分布于各面積區段和直徑區段的炭黑粒子數遠大于切割混煉膠(經驗證,切割混煉膠數據準確),這說明本研究炭黑分散度特征指標體系及圖像處理閾值參數不適合未切割混煉膠。
4 結語
本研究混煉膠炭黑分散度自動識別特征指標體系及圖像處理方法適合切割混煉膠,目前以該特征指標體系及圖像處理方法為基礎進行的切割混煉膠炭黑分散度自動識別模型的建立工作已基本完成,不久將見諸報道。
參考文獻:
[1]呂 強,吳啟明,張有華,等.混煉工藝對炭黑分散性的影響[J].輪胎工業,2001,21(9):559-601.
[2]汪傳生,祝衛國.混煉膠中炭黑分散度測定方法的改進[J].橡膠工業,2004,51(12):755-758.
[3]王明蘭.一種新的炭黑分散性識別方法[J].控制理論與應用,2001,18(5):792-795.
[4]王明蘭.膠料中炭黑分散性的Fisher判別法[J].橡膠工業,2000,47(9):551-554.
[5]王明蘭.橡膠中炭黑分散度的自動判別[J].信息與控制,2002,31(1):59-61.
[6]丁躍明.橡膠炭黑分散性統計模式識別及其軟件設計[D].廣州:華南理工大學,2001.
[7]孫家廣.計算機圖形學[M].北京:清華大學出版社,1994.92-280.
