[发明专利]一种浮选表面质量的评价方法

说明书

本发明属于泡沫浮选质量评价领域，公开了一种浮选表面质量的评价方法，通过输入浮选图像；进行条件边界扫描操作得到梯度图像；计算梯度图像的平均梯度值及方差；判断浮选是否属于大中气泡还是属于细小气泡及粘稠状态；如果是属于大气泡和中气泡状态，则进行动态的大津阈值处理，根据二值图像的平均灰度值与第二灰度阈值和二值图像的相对标准差与第二相对标准差阈值来区分大气泡状态和中气泡状态，否则属于细小气泡和粘稠状态，将根据结果梯度图像的平均梯度值与第三梯度阈值、二值图像的相对标准差与第三相对标准差阈值和二值图像的平均灰度值与第三灰度阈值来区分细小气泡状态和粘稠状态；进行四类图像数量的统计，以判断浮选生产情况的好坏。

技术领域

本发明属于泡沫浮选质量评价领域，尤其涉及一种浮选表面质量的评价方法，适用于无背景及动态变化的工程表面的在线检测和分析。

背景技术

泡沫浮选是在矿物处理中广泛使用的一种用于提取有用矿物的选择性分离过程。目前许多浮选厂都是通过工人肉眼观察浮选泡沫的外观特性来控制浮选过程的。因此，浮选的性能在很大程度上依赖于工程师的经验，人工衡量的随机性也大大限制了浮选的效率。因此，人们开始借助机器视觉和图像处理技术来分析和处理泡沫图像，如用于气泡大小等物理特征的提取。

气泡大小是反映浮选药剂添加量的两个关键性物理特征。气泡大小也是表征泡沫稳定性的一个重要参数，它反映了气泡发生兼并的程度。因此基于图像处理和分析技术进行气泡大小测量与估计在多年来一直是一个研究热点。然而，现有的浮选图像分割算法却很难获得令人满意的结果，其根本原因在于与一般图像相比，浮选图像有其特殊性和复杂性。一幅浮选图像包含成千上万个大小形状各异的矿物液体气泡(没有背景)，通常气泡是呈现三维的球形或多边形的个体，光照使气泡高的部位亮度强，而边缘部位亮度低，也就是说，在每个气泡表面上分布有随机的多个有用颗粒、强光反射区域、低灰度的边界区域和开始破裂时的黑洞，气泡是一个光照变化不均匀且伴有噪声的区域。

发明内容

针对上述现有技术的缺点，本发明的目的在于提供一种浮选表面质量的评价方法，能够快速准确的检测出浮选生产质量问题，为优化浮选生产提供调节依据。

为了避免复杂的图像分割及分析过程，本发明基于统计的理念，采用了一种既简单又能快速地诊断浮选生产质量的方法，适合于实时的在线处理。

为达到上述目的，本发明采用如下技术方案予以实现。

一种浮选表面质量的评价方法，所述方法包括如下步骤：

步骤1，实时获取一幅浮选表面图像，所述浮选表面图像的种类为大气泡图像、中气泡图像、小气泡图像以及粘稠图像中的一种；将所述浮选表面图像转换为灰度图像并缩小，得到缩小后的灰度图像；

步骤2，对所述缩小后的灰度图像进行边界扫描，得到结果梯度图像；并计算所述结果梯度图像的平均梯度值和所述结果梯度图像的相对标准差；

步骤3，设定第一梯度阈值和第一相对标准差；

若所述结果梯度图像的平均梯度值小于所述第一梯度阈值且所述结果梯度图像的相对标准差大于所述第一相对标准差，则所述浮选表面图像属于大气泡图像或者中气泡图像，则转至步骤4；

否则，所述浮选表面图像属于小气泡图像或者粘稠图像，则转至步骤6；

步骤4，采用大津阈值法对所述缩小后的灰度图像进行处理，得到包含第一目标区域和第一背景区域的二值图像；

若所述二值图像中，第一目标区域的面积小于或者等于所述二值图像总面积的10％，则转至步骤5；

否则，对所述二值图像中的第一目标区域再次采用大津阈值法进行处理，得到再次分割后的二值图像，所述再次分割后的二值图像中包含第二目标区域和第二背景区域；