基于DSP與改進(jìn)邊緣檢測算法的煤矸石自動分選系統(tǒng)

煤矸石是采煤過程中排放的固體廢物，是一種含碳量較低、比煤堅硬的黑灰色巖石。在煤礦生產(chǎn)過程中，矸石分選是必要環(huán)節(jié)。目前，煤與矸石的分選主要采用人工或機(jī)械分選。但人工分選有勞動強(qiáng)度大、效率低和影響工人健康等缺點；機(jī)械分選有嚴(yán)重污染環(huán)境、設(shè)備昂貴和精煤無法全部分選等缺點[1]。因此，需要一種先進(jìn)技術(shù)分選煤塊與矸石。數(shù)字圖像處理技術(shù)是近年來發(fā)展起來的一種新型技術(shù)。本文采用高性能的數(shù)字信號處理器（DSP）作為系統(tǒng)的核心處理器來提高運算速度，研究利用數(shù)字圖像處理技術(shù)，對攝像機(jī)拍攝到的煤塊和矸石圖像進(jìn)行實時處理，再根據(jù)模式識別技術(shù)，區(qū)分煤塊和矸石的圖像，實現(xiàn)了煤塊與矸石的實時自動分選。該技術(shù)降低了工人的勞動強(qiáng)度，減輕環(huán)境污染，提高了煤礦生產(chǎn)效率和選矸環(huán)節(jié)的智能化水平。

1 系統(tǒng)原理

煤塊與矸石具有不同的灰度與紋理。煤塊的顏色較黑，灰度級較低；矸石的顏色較淡，灰度級較高。根據(jù)煤塊與矸石的灰度分布不同，探討二者的分選問題。文獻(xiàn)[2]中的直方圖表示圖像中具有某種灰度級的像素的個數(shù)，反映圖像中每種灰度出現(xiàn)的概率，體現(xiàn)圖像的灰度范圍、灰度級的大致分布等情況[2]。因此，直方圖能反映出煤塊和矸石的灰度概率分布差異，即它們的灰度概率分布的均值和方差有差異。在計算機(jī)中，先保存標(biāo)準(zhǔn)樣品煤塊圖像和樣品矸石圖像的灰度概率分布的均值和方差，在識別時，將實際圖像的灰度概率分布的均值和方差與樣本相比，進(jìn)而判斷出圖像是煤塊圖像或矸石圖像。圖像處理過程如圖1所示。

1.1 圖像預(yù)處理

由于煤塊與矸石自動分選系統(tǒng)工作環(huán)境的煤粉塵較大，所以光線較弱，采集的圖像清晰度較低，邊緣突出性較差。必須對采集到的圖像進(jìn)行預(yù)處理，調(diào)整原始圖像的亮度和對比度，去掉系統(tǒng)在圖像采集時產(chǎn)生的脈沖噪聲和點狀噪聲，使原始圖像清晰、邊緣特征明顯，易于識別。中值濾波原理[2，3]是用一個含有奇數(shù)個像素的滑動窗口，將窗口正中點的灰度值用窗口內(nèi)各點的中值代替。用窗口在圖像f(s，t)上掃描，則中值濾波器的輸出gmedian(x，y)為：

中值濾波具有很強(qiáng)的消除孤立噪聲像素的能力，它不是簡單的取均值，所以產(chǎn)生的模糊較少。即在保持圖像細(xì)節(jié)的同時，能去除噪聲。因此系統(tǒng)采用中值濾波。

1.2 圖像分割

圖像分割是從圖像處理到圖像分析的關(guān)鍵一步。邊緣特征的檢測和提取的效果決定圖像識別和處理的性能。圖像邊緣反映圖像的灰度不連續(xù)性，勾劃出目標(biāo)物體。通過提取煤塊圖像或矸石圖像的邊緣，確定它們的在圖像中區(qū)域位置，將它們從背景中分離出來，為下一步的特征提取和圖像識別做準(zhǔn)備。本文在Pal.King模糊邊緣檢測算法[4-6]的基礎(chǔ)上改進(jìn)了邊緣提取算子，使提取的圖像邊緣特征突出、信息清晰。具體算法如下：

Fd和Fe分別是倒數(shù)型和指數(shù)型模糊因子，于是，該圖像映射成模糊隸屬度矩陣。

(3)在模糊空間中采用非線性函數(shù)Tr變換，實現(xiàn)增強(qiáng)邊緣兩側(cè)像素灰度的對比度。

1.3 特征提取

利用改進(jìn)的邊緣算子提取煤塊或矸石邊緣輪廓，將其映射到原始灰度圖像上，即得到煤塊或矸石的圖像區(qū)域。通過分析煤塊圖像或矸石圖像的灰度直方圖，可以得到它們的灰度分布曲線。比較二者得出，煤塊的灰度級較低，矸石的灰度級較高。從數(shù)學(xué)的方法看，它們的灰度概率分布的均值和方差均不同，因此通過分析各自的均值和方差便可區(qū)分煤塊或矸石。設(shè)一幅M×N圖像的灰度為f(i，j)，(i=1，2，…，M；j=1，2，…，N)，則公式（5）、（6）分別為其均值和方差[7]：

1.4 圖像識別

根據(jù)公式(5)、(6)，先計算出樣品煤塊圖像或矸石圖像的灰度概率分布的均值和方差，把它們作為標(biāo)準(zhǔn)值。在圖像識別時，通過實際的煤塊圖像或矸石圖像的處理結(jié)果與標(biāo)準(zhǔn)值的比較，便可判斷出煤塊或矸石。

2系統(tǒng)結(jié)構(gòu)

煤塊與矸石的在線識別與自動分選系統(tǒng)框圖如圖2所示。其主要包括CCD攝像機(jī)、圖像采集設(shè)備、PC機(jī)、分揀設(shè)備和DSP數(shù)字圖像處理部分。

CCD攝像機(jī)從傳輸帶上采集原始的煤塊和矸石圖像，通過圖像采集設(shè)備轉(zhuǎn)化成數(shù)字信號。由于需實時地處理大量的數(shù)字圖像信號，要求系統(tǒng)具有較高的數(shù)據(jù)處理速度，所以整個系統(tǒng)采用了高性能的數(shù)字信號處理器TMS320DM642 DSP作為核心處理器來提高運算速度，進(jìn)而實現(xiàn)實時地處理轉(zhuǎn)換后的數(shù)字圖像信號。通過無線通信傳輸Wi-Fi(Wireless Fidelity)技術(shù)實現(xiàn)DSP與PC機(jī)之間的信息傳輸。軟件環(huán)境用Visual C++語言編程。同時，DSP又控制分揀設(shè)備，實時地自動分選出煤塊和矸石。

3 圖像處理結(jié)果及分析

圖3(a)、圖3(b)為煤塊原始圖像和矸石原始圖像，分別對它們進(jìn)行了中值濾波，其處理結(jié)果如圖3(c)、圖3(d)?？梢钥闯觯兄禐V波實現(xiàn)了對灰度圖像的平滑濾波，去除了孤立小噪聲點，保證了目標(biāo)物體的邊緣清晰度。既保持了圖像細(xì)節(jié)又去除了點狀噪聲。

為了分析灰度概率分布情況，必須通過邊緣提取來定位煤塊和矸石的區(qū)域位置，圖4為本文改進(jìn)算法的圖像提取邊緣。從圖4可以看出，本文使用的算子提取煤塊圖像和矸石圖像的邊緣圖定位準(zhǔn)確、細(xì)化、清晰，明顯優(yōu)于一些經(jīng)典邊緣算子的提取結(jié)果。

根據(jù)上述改進(jìn)的提取算子，可得到圖像的邊緣輪廓圖，將此輪廓圖映射到原始灰度圖像上，就得到了沒有背景的煤塊圖像和矸石圖像。圖5（a）、圖5（b）分別是沒有背景的煤塊圖像和矸石圖像的直方圖。比較兩者可以看出，煤塊圖像的灰度值較小，矸石圖像的灰度值較大，正好說明了煤快的顏色較黑，矸石的顏色較灰。進(jìn)一步分析其直方圖的灰度概率分布的均值和方差，由公式（5）、（6）計算可得，煤塊的均值和方差分別為62.853和395.512；矸石的均值和方差分別為85.378和605.326。與計算機(jī)中存儲的標(biāo)準(zhǔn)樣品的均值和方差相比較，便可分選出煤塊和矸石。

本文以高性能的微DSP為核心，結(jié)合數(shù)字圖像處理技術(shù)，提出了煤塊和矸石的自動分選系統(tǒng)。圖像處理結(jié)果表明，通過對原始圖像的預(yù)處理、邊緣提取和特征提取等處理，根據(jù)煤塊圖像和矸石圖像的灰度直方圖特性，再結(jié)合DSP的高速運算能力，實現(xiàn)了煤塊和矸石的實時自動分選。該技術(shù)為我國煤礦的選矸環(huán)節(jié)提供了一種新方法，提高了選矸環(huán)節(jié)的自動化水平和煤礦的生產(chǎn)效率。

參考文獻(xiàn)

[1] 蔣勇．?dāng)?shù)字圖像處理技術(shù)在煤矸石自動分選系統(tǒng)中的應(yīng)用[D]．陜西：西安科技大學(xué)，2004．
[2] 王慧琴．?dāng)?shù)字圖像處理[M]．北京：北京郵電大學(xué)出版社，2006：98-100．
[3] 章毓晉．圖像工程(上冊)圖像處理(第2版)[M]．北京：清華大學(xué)出版社，2006：102-103．
[4] Pal，Sankar K.King，Robert A.Image enhancement using smoothing with fuzzy sets[J].IEEE Transactions on Systems，Man and Cybernetics，1981，11(7)：494-501.
[5] Pal，Sankar K King，Robert A.On edge detection of x-ray images using fuzzy sets[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，1983，5(1)：69-77.
[6] 王爽．仿生算法在數(shù)字圖像處理中的應(yīng)用研究[D]．安徽：安徽理工大學(xué)，2008．
[7] 劉富強(qiáng)，錢建生，王新紅，等．基于圖像處理與識別技術(shù)的煤礦矸石自動分選[J]．煤炭學(xué)報，2000，25（5）：534-537．