基于彩色数字图像技术的矿物反射率计算模型研究.pdf

冶金分析,2008 ,285 529 Metallurgical Analysis ,2008 ,285 529 文章编号1000 - 7571200805 - 005 - 05 基于彩色数字图像技术的矿物 反射率计算模型研究 邱贵宝,吕学伟,白晨光 3 ,温良英,黄青云,梁 栋 重庆大学材料科学与工程学院,重庆 400044 摘 要针对目前钢铁冶金领域矿相测试方法中反射率测定存在问题,首先,从矿物反射率的 定义和矿相显微镜的成像原理出发,结合RGB红、 绿、 蓝和HS I色调、 饱和度、 亮度颜色模 型关系,推导出了利用矿物数字显微图像计算反射率的理论数学模型,并通过实验对该模型进 行了修正,最后,利用数字图像处理技术计算了各种矿物的含量。本数学模型用于一烧结矿的 矿相组成测定,根据所测矿物反射率并结合矿物相关形态结构及其他实验数据,进行综合分析 后得出该矿主要由赤铁矿、 铁酸钙和硅酸盐组成,这与常规检测方法得到的结果是一致的,说 明了该模型用于计算矿物的反射率是准确的,模型设计是合理的。 关键词反射率;数字图像处理;颜色模型;计算模型 中图分类号O65816 文献标识码A 收稿日期 2007 - 04 - 19 基金项目“973计划” 资助项目2007CB13503 ,重庆大学研究生科技创新项目 200701Y1B0020188 作者简介邱贵宝1972 - ,男,讲师,博士生,主要研究方向冶金新工艺与新技术 通讯联系人白晨光1957 - ,教授,Tel 023 - 65112631 ,E2mail bguang cqu. edu. cn。 利用矿相显微镜对钢铁工艺岩相、 矿相进行 观察和鉴定是目前冶金行业普遍应用的一种实验 方法。通过对岩石和矿石中的矿物组成、 晶粒大 小、 含量、 分布及显微结构的研究,可以得到上述 矿相参数与产品质量和工艺条件之间的关系,进 而改进工艺条件、 提高产品质量。因此,准确、 定 量的鉴定报告是实现研究目标的科学保证。但 是,目前的研究鉴定工作还停留在人工为主的阶 段,例如,对矿物反射率的测定主要有目测法和仪 器测量法[1]。目测法主要指并列比较法和视测光 度法,仪器测量法有比色目镜法和光电光度法。 目测法过多依靠观察者的主观判断,不同视力和 经验的观察者得出的结论和数据就有差别,极易 造成偶然误差,影响测试结果的准确度;仪器测量 法较目测法准确,但是需要增加额外的设备投资, 例如比色目镜法就需要同时有两台矿相显微镜和 一个比色目镜,光电光度法也需要额外的光电传 感设备和微电流检测设备。除了上述问题外,传 统的方法还存在诸如步骤繁琐、 制样复杂等缺点。 随着数字图像处理技术的日趋成熟和广泛应用, 如果能够通过对矿相图片进行数字分析,建立计 算矿物反射率及其它矿相参数的数学模型,无疑 将会改善现有的实验手段,提高测试结果的准确 度。 1 反射率计算模型 反射率是鉴别不透明矿物的重要依据,描述 了矿物对光反射的多少,因此对反射率的定义如 式1所示。 Ref lect Ir Ii 1 式中Ir是反射光强度; Ii是入射光强度; Ref lect 为反射率,用表示。 使用显微镜观察矿物,反射率不同表现为矿 物在视场中的亮度不同。目前常规的CCD摄像 机得到的数字图像都是Windows位图BMP文 件格式的。根据人眼的结构,所有颜色都可以看 作是3个基本颜色 红R ,绿G ,篮B的基本 组合。国际照度委员会在1931年就规定了3种 基本色的波长,分别为R 700 nm , G54611 nm , 5 QIU Gui2bao ,LΒXue2wei , BAI Chen2guang , et al. Research on calculating model of mineral reflection index based on color digital image technique. Metallurgical Analysis ,2008 ,285 529 B 43518 nm[2]。因此,在位图文件中,每个象素 的数据都是以RGB格式存储的。如何从得到的 RGB格式的数据文件得到亮度就是建立反射率 计算模型的任务。下面将给出与此相关的两种颜 色模型。 111 颜色模型 11111 RGB模型 RGB模型基于笛卡尔坐标 系统,3个轴分别为R ,G,B ,所有的颜色都可以在 该坐标系下找到对应的点,图1所示为24位颜色 系统下的彩色立方体模型。该模型中,原点对应 黑色,通过体对角线与原点相连的顶点对应白色。 任何颜色都可以通过向三坐标轴投影的方法找到 对应的 r, g,b值。 图1 RGB彩色立方体模型 Fig11 RGB color cube model 11112 HS I模型 HS I模型中的H代表色调 Hue ,S代表饱和度Saturation ,I代表亮度或 者灰度Intensity。该模型有两个特点其一, H 和S分量合称为色度Chroma ,它是与人们感受 颜色的方式相关的;其二,I分量与色度无关,只 代表了颜色的明暗程度。 图2所示为HS I彩色体模型,在该模型体 中,找出某一色点P h,s, i的过程如下从R , G, B组成的正三角形的重中向P点引矢量 S , S与 R轴的夹角即为h值;s值与 S成正比;过三角形 RGB的中心作垂直于该三角形所在平面的直线, i值就是通过这条直线来测量的,其中直线的两 端分别是黑色和白色。 112 RGBHSI模型转换 RGB模型和HS I模型是最常用的两种模 型。一般来说,RGB模型常用于面向硬件设备, HS I模型常用于面向彩色处理,两种模型可以相 图2 HSI彩色体模型 Fig12 HSI color model 互转换。在本文中只对所涉及到的亮度值I的转 换方法作讨论。 目前,将真彩色图进行灰度化求其I值有许 多方法,例如,平均值法简单灰度法、 加权法工 业标准灰度化法、 最大值法和单色值法等[3 - 4]。 最大值法和单色值法是在特殊情况下应用的比较 粗略的方法,误差较大。由于涉及问题的精度要 求,本文只应用精度较高的平均值法和加权法求 解。 I 1 3 R G B2 I 0.299R 0.587G 0.144B 3 式2所示为平均值法[5],式3为加权法。 两个公式都有各自的特点,分别适用于不同的情 况。公式2是根据RGB彩色立方体中的投影关 系推导得到的,而式3则考虑了人眼对不同颜色 的敏感度。本文将讨论这两种方法在求解反射率 上的差异。 113 反射率计算模型 通过上述颜色模型的转换,就可以建立矿物 的反射率和数字矿相图片上像素灰度的关系,如 式4所示。此外,这个模型的建立是基于两个假 设或者说两个事实 其一,当物体的反射率为0 时,得到的反射图像将是一幅黑色图像,灰度值为 0 ;其二,当物体的反射率为100 时,将会得到一 幅白色图像,灰度值为255。 Ref lect k I 255 4 式中k为比例修正系数。 把式2 , 3代入式4 6 邱贵宝,吕学伟,白晨光,等.基于彩色数字图像技术的矿物反射率计算模型研究. 冶金分析,2008 ,285 529 中,得到反射率与R , G,B值之间的关系,如式 5 , 6所示。 Ref lect k1 1 255 1 3 R G B5 Ref lect k2 1 255 01299R 01587 G 01114 B 6 可见,只要确定出k1, k2值,就可以方便、 准 确地计算出不同矿物的反射率,为矿物鉴别提供 可靠的依据。 以下将用实验验证并比较这两种模 型的准确度。 2 模型应用 按照实验室制样要求对某烧结矿进行磨样、 抛光后,使用ZEISS2AXIOSKOP240矿相显微镜 对矿样进行观察,在 500视场下,获得如图3所 示清晰的照片。 图3 烧结矿矿相原始照片 Fig13 Original mineral image of sintering ore 211 图像预处理 由于设备、 测试过程以及软件等方面的原因, 可能使图像在获取和传递的过程中产生噪音,甚 至局部细节的模糊等问题,这将会直接影响测试 的准确率。所以,在应用反射率计算模型前,先对 图片进行滤波处理和锐化处理[6]。经过预处理后 的照片如图4所示。图像在矿物边缘和矿物交界 处与原始图片略有差别。 212 k值的标定 利用已知反射率的蓝宝石标准样对仪器在一 定照射强度下的值进行标定。由于矿相的不均匀 性,导致了图片亮度的少量差别。为减少带来的 误差,采用取平均值的方法求出亮度的平均值,应 用公式5 , 6分别标定,得k1 01397 5, k2 01396 6。可见,对于计算矿相图片的灰度而言, 图4 经过图像预处理后的照片 Fig14 Image of sintering ore after pretreatment 两种模型差别不大,因此,在以后的求解反射率的 过程中,统一使用公式 5 和k1。对于一批烧结 矿的矿相检测,一旦显微镜的照明系统调整到最 佳效果以后,就可以不用调整光线强度测量多组 样品。因此, k值只需要标定一次即可。当待测 样品发生较大改变后,例如接下来进行转炉渣的 矿相测试,则需要调整光线强度到视场清晰后,重 新标定k值。由于标定过程使用标准样和计算机 程序处理,故几乎不受操作人员的主观影响。 213 计算反射率 分别应用标定的k值和模型计算图4中不同 矿物的反射率值,针对图4中的不同位置分别取 矩形区域AH ,计算区域内的平均反射率。图 6为所取矩形区域的分布图,表1为对应的反射 率平均值。根据反射率的数据绘制出如图7所示 的等值面图。 图5 烧结矿矿相灰度照片 Fig15 The intensity map of mineral phase of sintering ore 214 矿相组成鉴定 本实验所用矿物是以磁铁矿为主的自熔性烧 结矿,碱度为118左右。该类烧结矿的主要矿物 7 QIU Gui2bao ,LΒXue2wei , BAI Chen2guang , et al. Research on calculating model of mineral reflection index based on color digital image technique. Metallurgical Analysis ,2008 ,285 529 成分为磁铁矿、 富氏体、 赤铁矿、 铁橄榄石类、 硅 酸钙、 铁酸钙等[7]。上述几种矿物的反射率如表 2所示。根据所测矿物的反射率和表2 ,并结合相 图6 测试区域分布图 Fig16 Distribution of the measurement zone 关矿物的形态结构及其它实验测试数据,进行综 合分析,得出其矿相组成分布情况,如图8所示。 从图8可以看出被试验的烧结矿主要有3种矿 物赤铁矿、 铁酸钙和硅酸盐类物质。该结论与通 过常规检测方法得出的结论是一致的,说明了该 模型可以准确的计算矿物的反射率。 表1 测试区域反射率平均值 Table 1 The average of reflection index in measurement zones 区域 Zone ABCDEFGH 反射率 Reflection 2211 2212 2310 2118 1819 1811 1515512 表2 不同矿物的反射率表 Table 2 Reflection index of minerals 矿物名称 Mineral 磁铁矿 Magnetite 赤铁矿 Hematite 铁橄榄石 Fayalite 硅酸钙 Calcium silicate 铁酸钙 Calcium ferrite 反射率Reflection index2022～258～115～818～1815 计算出反射率后,就可以方便的根据反射率 的大小,结合面积测量法计算矿相中各种矿物的 含量。计算方法如式7所示。 Ci Ti/ TS7 式中,Ti是矿物i所占的像素个数,其计数方 法就是看像素的反射率是否落在矿物i的反射率 区间内;TS是图像中所有的像素个数。 通过该方 法可以计算出图8中3种矿物的含量,其值如表 3所示。 图7 反射率等值面图 Fig17 The contour chart surface of reflection index 图8 矿相组成分布图 Fig18 Distribution of mineral phase 3 结论 1本文所建立的反射率计算模型合理,计算 方便、 准确; 2将该算法编制成软件,替代了额外的设 备,节约了成本; 3实现了矿物的数字化测量,进而可以方 便、 直观地得到矿物反射率的二维分布特征; 4反射率的计算,为进一步准确地求出各成 分所占的比例打下基础。 8 邱贵宝,吕学伟,白晨光,等.基于彩色数字图像技术的矿物反射率计算模型研究. 冶金分析,2008 ,285 529 表3 矿物含量表 Table 3 Contents of mineralsw/ 矿 物 Mineral 赤铁矿 Hematite 铁酸钙 Calcium ferrite 磁铁矿 Magnetite 孔洞 Cavity 含量content2949715 参考文献 [1]任允芙.钢铁冶金岩相矿相学[ M].北京冶金工业 出版社, 1982 89293. [2]章毓晋.图像处理和分析[M].北京清华大学出版 社, 1999 17218. [3]梁运行,崔杜武.图像拼接的预处理算法研究[J ].西 安理工大学学报Journal of Xi’an University of Tech2 nology ,2003 ,194 3482351. [4]周金和,彭福堂.一种有选择的图像灰度化方法[J ]. 计算机工程Computer Engineering , 2006 ,32 20 1982200. [5]Smith A R. Color gamut trans pairs [J ]. Com2 puter Graphics , 1978 ,123 12219. [6]杨枝灵,王开,等. Visual C 数字图像获取处理及 实践应用[ M ].北京人民邮电出版社, 2003 1732 175. [7]潘宝巨.钢铁工艺岩相[M].北京冶金工业出版社, 1977 1302131. Research on calculating model of mineral reflection index based on color digital image technique QIU Gui2bao ,LΒXue2wei , BAI Chen2guang , WEN Liang2ying , HUANG Qing2yun , LIANG Dong College of Material Science digital image processing ; color model ; calculating model 9