CN106157335A - 基于数字图像的床沙表层级配观测分析方法及*** - Google Patents
基于数字图像的床沙表层级配观测分析方法及*** Download PDFInfo
- Publication number
- CN106157335A CN106157335A CN201610425105.0A CN201610425105A CN106157335A CN 106157335 A CN106157335 A CN 106157335A CN 201610425105 A CN201610425105 A CN 201610425105A CN 106157335 A CN106157335 A CN 106157335A
- Authority
- CN
- China
- Prior art keywords
- bed material
- picture
- image
- digital picture
- picture pick
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000000463 material Substances 0.000 title claims abstract description 62
- 238000004458 analytical method Methods 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000010191 image analysis Methods 0.000 claims abstract description 18
- 239000013049 sediment Substances 0.000 claims description 10
- 239000002245 particle Substances 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 5
- 238000012360 testing method Methods 0.000 abstract description 16
- 238000011160 research Methods 0.000 abstract description 10
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 238000007557 optical granulometry Methods 0.000 abstract description 2
- 239000003086 colorant Substances 0.000 description 9
- 239000004576 sand Substances 0.000 description 6
- 239000000178 monomer Substances 0.000 description 4
- 229910052573 porcelain Inorganic materials 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000008187 granular material Substances 0.000 description 2
- 238000007788 roughening Methods 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011496 digital image analysis Methods 0.000 description 1
- 239000012188 paraffin wax Substances 0.000 description 1
- 238000004513 sizing Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本发明提供一种基于数字图像的床沙表层级配观测分析方法及***,摄像设备由可行走的支架固定于试验水槽上方,垂直于河床表面,摄像设备旁边配备LED光源;调节摄像设备采集的床沙区域面积,LED光源照射河床表面,摄像设备对河床进行拍摄采集数字图像,摄像设备与图像分析***通过数据线连接,实时向图像分析***传送获取的数字图像;图像分析***对数字图像进行分析,输出床沙表面级配分布数据。将基于颜色识别的节点计数法应用于试验过程中,研究监测区间的床沙级配随试验过程变化,可以避免传统方法必须取样的劣势,可以在照片中分析结果,对于试验过程中的床沙级配监测有帮助,实现表层床沙级配的实时观测与分析。
Description
技术领域
本发明涉及水利工程实验技术领域,具体是一种基于数字图像的床沙表层级配观测分析方法及***。
背景技术
目前,学术界对于均匀沙的研究已较为成熟,而非均匀沙由于其自身的复杂性,不仅要求建立起水力条件与泥沙运动的关系,还要考虑不同粗细沙粒间的相互影响,而这种影响又是很难用数学关系加以精确、定量地描述出来,乃至对于非均匀沙的研究至今仍存在许多不确定因素。选取沙样进行级配分析是定量描述非均匀河床组成分布的重要方法。这需要对泥沙样本进行取样筛分,而在筛分过程中,涉及到一系列的主观上的影响因素:如选取沙样的具***置,选取沙样的时机以及选用的测量方法等。不同的研究者对于同一河段可能由于研究方法的不同而得到完全不同的结果。同样,在非均匀沙运动的实验研究中,泥沙的级配分析是实验研究的重要组成部分,级配分析结果的准确性直接影响整个非均匀沙实验的结果。因此,对级配分析方法的研究具有重大的科学意义。
当前,对非均匀床沙级配的确定方法大致有以下几种:
体积称重法,即收集一定体积的沙样进行筛分研究。这是一种较为普遍的做法,也是进行筛分研究的第一步。选用这种沙样选取方法需要注意:在收集的沙样中,必须包含表层以及表层以下的泥沙。而对于粗化或是细化过的河床,将同时包含未知比例的表层粗化或是细化过的床沙以及表层以下未受影响的床沙。通过将表层泥沙移走,可以对表层以下泥沙进行单独的筛分,包括研究粒径的垂向分布,传统的体积称重法虽然可靠,但是只能在试验之前和之后进行取样、烘干再筛分,从而得到结果。
面积法,即选定的一定面积的河床表层沙样作为选取沙样。可以通过照片的形式采集到电脑中,通过对不同粒径泥沙所占据的面积的统计,进行级配分析。或是通过熔蜡法进行收集,这种用熔石蜡的方法测床面沙样级配,优点是能够很好的捕捉到河床表面的级配特征,但缺点是操作起来较为复杂。
节点计数法,即在沙样表面布置一个网格,网格结点下的泥沙定为选取沙样。比较常用的做法是在沙样上铺设网格,再通过照片或是影像的形式采集到电脑中进行分析;或者是选进行照相或是摄影的采集,再在电脑中对多媒体材料布置网格进行分析。这种方法需要注意的是最好是能保证两个不同的网格结点落在两个不同的沙样上面,如果不同的网格结点落在了同一个沙样上面,那么这个沙样则要计数两次。因此,根据照片的像素和尺寸,合理分配计数网格大小非常重要。
发明内容
本发明专利的目的是为了提供一种基于数字图像的床沙表层级配观测与分析的方法和***,它可以在水沙试验过程中不对试验过程产生扰动的条件下,实现表层床沙级配的实时观测与分析。
本发明的技术方案:一种基于数字图像的床沙表层级配观测分析方法,其特征在于:包括以下步骤,
S1.摄像设备的设置,摄像设备由可行走的支架固定于试验水槽上方,垂直于河床表面,摄像设备旁边配备LED光源;
S2.参考以下公式调节摄像设备采集的床沙区域面积,
公式(1)中,A为采集的床沙区域面积,g是河床床沙的最小粒径,P是摄像设备采集图像的像素;
S3.数字图像的采集,LED光源照射河床表面,摄像设备对河床进行拍摄采集数字图像,摄像设备与图像分析***通过数据线连接,实时向图像分析***传送获取的数字图像;
S4.图像分析***对数字图像进行分析,输出床沙表面级配分布数据。
所述步骤S4具体分析过程如下,
S10.确定各颜色RGB值区间对应的泥沙粒径;
S11.图像裁剪,去掉挨近水槽边壁的部分图像;
S12.图像扭曲修正;
S13.图像像素基本信息读取;
S14.根据像素在图像上布设网格;
S15.统计网格结点总数;
S16.对图像上每一个网格结点统计颜色RGB值;
S17.得出各颜色即各粒径所占采样区域的比例;
S18.输出床沙表面级配分布数据。
所述步骤S11中使用Photoshop进行图像裁剪,裁剪出3000*3000像素的BMP格式的图片。
所述步骤S13将步骤S12进行扭曲修正的图像读入到Matlab软件中,步骤S14利用Matlab软件将图像划分成1000*1000的网格。
一种基于数字图像的床沙表层级配观测分析***,其特征在于:包括试验水槽,试验水槽内设置床沙,试验水槽上方通过支架固定有摄像设备,摄像设备垂直于河床表面用于采集床沙数字图像,摄像设备旁边设置LED光源,摄像设备通过数据线连接图像分析***并将床沙数字图像传送到图像分析***内进行分析。
本发明的技术效果:将基于颜色识别的节点计数法应用于试验过程中,研究监测区间的床沙级配随试验过程变化,可以避免传统方法必须取样的劣势,可以在照片中分析结果,对于试验过程中的床沙级配监测有帮助,实现表层床沙级配的实时观测与分析。
附图说明
图1是本发明观测分析***结构示意图;
图2是本发明发观测分析流程图;
图3是本发明数字图像分析流程图;
图4a—图4d是本发明实施例图像分析示意图。
具体实施方式
下面结合附图对本发明进一步说明:
如图2所示,一种基于数字图像的床沙表层级配观测分析方法,包括以下步骤,
S1.摄像设备的设置,摄像设备由可行走的支架固定于试验水槽上方,垂直于河床表面,摄像设备旁边配备LED光源;
S2.参考以下公式调节摄像设备采集的床沙区域面积,
公式(1)中,A为采集的床沙区域面积,g是河床床沙的最小粒径,P是摄像设备采集图像的像素;
S3.数字图像的采集,LED光源照射河床表面,摄像设备对河床进行拍摄采集数字图像,摄像设备与图像分析***通过数据线连接,实时向图像分析***传送获取的数字图像;
S4.图像分析***对数字图像进行分析,输出床沙表面级配分布数据。
如图3所示,步骤S4具体分析过程如下,
S10.确定各颜色RGB值区间对应的泥沙粒径;
S11.图像裁剪,去掉挨近水槽边壁的部分图像;
S12.图像扭曲修正;
S13.图像像素基本信息读取;
S14.根据像素在图像上布设网格;
S15.统计网格结点总数;
S16.对图像上每一个网格结点统计颜色RGB值;
S17.得出各颜色即各粒径所占采样区域的比例;
S18.输出床沙表面级配分布数据。
步骤S11中使用Photoshop进行图像裁剪,裁剪出3000*3000像素的BMP格式的图片。
步骤S13将步骤S12进行扭曲修正的图像读入到Matlab软件中,步骤S14利用Matlab软件将图像划分成1000*1000的网格。
步骤S11和步骤S13中截取图像像素和划分网格可以根据实际泥沙粒径的采集的床沙面积来定。
如图1所示,一种基于数字图像的床沙表层级配观测分析***,包括试验水槽1,试验水槽1内设置床沙5,试验水槽1上方通过支架固定有摄像设备2,摄像设备2垂直于河床表面用于采集床沙数字图像,摄像设备2旁边设置LED光源3,摄像设备2通过数据线连接图像分析***4并将床沙数字图像传送到图像分析***4内进行分析。
实施例:
(1)试验中床沙采用不同颜色的沙样组成,以两种颜色的床沙为例,如图4a所示(白色和黄色);
(2)采用可以在水槽轨道上移动的高清摄像***,***配备LED光源(避免光线阴影对沙样颜色的影响),实时采集床沙表面的数字图像,如图4a所示;
(3)图像实时同步传输至图像分析***对图像进行处理分析:图像裁剪->扭曲修正->图像像素大小等基本信息读取(图4b中所示)->确定不同颜色沙样的RGB阀值(图4c中所示)->根据沙样本身粒径和图像像素大小在图像上布设网格(图4d中所示)->读取每个网格结点上的RGB颜色信息->统计各颜色即各粒径沙样所占采样区域的比例->输出图像采集时刻所采集范围的床沙表面级配分布数据;
(4)通过不同时刻高清摄像***的沿水槽轨道移动和实时图像采集,可以即时得到整个水槽床沙表面的级配分布及实时变化数据。
针对一张图片,如何通过取色化验定取3基色的阈值是关键。从图4c可以看出,一个单体瓷球在取色器中可以被拆解成很多色点,把它们分成2个区:核心区和边缘区。其中核心区为白色最强区域,单体颗粒大概有4个色点,连体的颗粒难以界定;边缘区为白色较弱区域,单体颗粒大概有12个色点,即包裹着核心4个色点的周围色点。选取3基色阈值主要选择单体瓷球颗粒的边缘区的色点。
如图4c中,在Photoshop软件中,通过程序进行取色化验,如图3所示,可以通过将图片的细节拆分成若干色点,选取的色点是图中2个红色点和2个蓝色点之间的点。由于所有颜色都可以由3基色来调配而出,因此可以判断出某一色点的3基色值,即取色器中右下方的R、G和B的值。
如图4d,通过程序将BMP格式图片读入Matlab软件中,将图片划分成1000*1000的网格(截取图像像素和划分网格可以根据实际泥沙粒径的采集的床沙面积来定),然后利用3基色来判断落在网格节点上的颜色,比如,如果此点的3基色(红、绿、蓝)的值都大于设定的3个对应的阈值,则判定此点为白色,即判定为瓷球,如果某一个或者几个基色的值小于这一阈值,则判定为黄色,即判定为黄沙。
实施例是一种概率统计的方法,而非通过图像确定泥沙的粒径,从而分析出沙粒所占面积的方法。利用瓷球和黄沙天然的颜色差异,来界定所分析图片的颜色占据计数比例,从而用统计的思路去剖析级配组成。
本发明的一种基于数字图像的床沙表层级配观测分析方法及***,将基于颜色识别的节点计数法应用于试验过程中,研究监测区间的床沙级配随试验过程变化,可以避免传统方法必须取样的劣势,可以在照片中分析结果,对于试验过程中的床沙级配监测有帮助,实现表层床沙级配的实时观测与分析。
Claims (5)
1.一种基于数字图像的床沙表层级配观测分析方法,其特征在于:包括以下步骤,
S1.摄像设备的设置,摄像设备由可行走的支架固定于试验水槽上方,垂直于河床表面,摄像设备旁边配备LED光源;
S2.参考以下公式调节摄像设备采集的床沙区域面积,
公式(1)中,A为采集的床沙区域面积,g是河床床沙的最小粒径,P是摄像设备采集图像的像素;
S3.数字图像的采集,LED光源照射河床表面,摄像设备对河床进行拍摄采集数字图像,摄像设备与图像分析***通过数据线连接,实时向图像分析***传送获取的数字图像;
S4.图像分析***对数字图像进行分析,输出床沙表面级配分布数据。
2.根据权利要求1所述的基于数字图像的床沙表层级配观测分析方法,其特征在于:所述步骤S4具体分析过程如下,
S10.确定各颜色RGB值区间对应的泥沙粒径;
S11.图像裁剪,去掉挨近水槽边壁的部分图像;
S12.图像扭曲修正;
S13.图像像素基本信息读取;
S14.根据像素在图像上布设网格;
S15.统计网格结点总数;
S16.对图像上每一个网格结点统计颜色RGB值;
S17.得出各颜色即各粒径所占采样区域的比例;
S18.输出床沙表面级配分布数据。
3.根据权利要求2所述的基于数字图像的床沙表层级配观测分析方法,其特征在于:所述步骤S11中使用Photoshop进行图像裁剪,裁剪出3000*3000像素的BMP格式的图片。
4.根据权利要求2所述的基于数字图像的床沙表层级配观测分析方法,其特征在于:所述步骤S13将步骤S12进行扭曲修正的图像读入到Matlab软件中,步骤S14利用Matlab软件将图像划分成1000*1000的网格。
5.一种基于数字图像的床沙表层级配观测分析***,其特征在于:包括试验水槽(1),试验水槽(1)内设置床沙(5),试验水槽(1)上方通过支架固定有摄像设备(2),摄像设备(2)垂直于河床表面用于采集床沙数字图像,摄像设备(2)旁边设置LED光源(3),摄像设备(2)通过数据线连接图像分析***(4)并将床沙数字图像传送到图像分析***(4)内进行分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610425105.0A CN106157335B (zh) | 2016-06-15 | 2016-06-15 | 基于数字图像的床沙表层级配观测分析方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610425105.0A CN106157335B (zh) | 2016-06-15 | 2016-06-15 | 基于数字图像的床沙表层级配观测分析方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106157335A true CN106157335A (zh) | 2016-11-23 |
CN106157335B CN106157335B (zh) | 2018-09-21 |
Family
ID=57353291
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610425105.0A Active CN106157335B (zh) | 2016-06-15 | 2016-06-15 | 基于数字图像的床沙表层级配观测分析方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106157335B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106769717A (zh) * | 2017-01-20 | 2017-05-31 | 重庆市环境科学研究院 | 一种可观测不同速度梯度下黏性泥沙絮凝沉降的试验装置 |
CN108287125A (zh) * | 2017-12-28 | 2018-07-17 | 新疆新华叶尔羌河流域水利水电开发有限公司 | 一种基于图像处理的砂砾石材料级配快速分析***及方法 |
CN109583703A (zh) * | 2018-11-02 | 2019-04-05 | 河海大学 | 一种定量界定非粘性底沙起动临界指标的方法 |
CN111489351A (zh) * | 2020-04-20 | 2020-08-04 | 东南大学 | 一种基于堆栈图像测量表层偏析程度的视频分析方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102288522A (zh) * | 2011-06-30 | 2011-12-21 | 河海大学 | 基于数字图像技术的泥沙颗粒分析装置及分析方法 |
CN102955935A (zh) * | 2011-08-26 | 2013-03-06 | 江苏正圆信息科技有限公司 | 基于图象融合的泥沙识别的方法与*** |
CN103033560A (zh) * | 2012-12-11 | 2013-04-10 | 武汉大学 | 一种基于b超成像技术的低含沙量测量方法 |
CN104568376A (zh) * | 2014-11-28 | 2015-04-29 | 重庆交通大学 | 通过图像分析卵砾石瞬时输沙强度的方法以及*** |
-
2016
- 2016-06-15 CN CN201610425105.0A patent/CN106157335B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102288522A (zh) * | 2011-06-30 | 2011-12-21 | 河海大学 | 基于数字图像技术的泥沙颗粒分析装置及分析方法 |
CN102955935A (zh) * | 2011-08-26 | 2013-03-06 | 江苏正圆信息科技有限公司 | 基于图象融合的泥沙识别的方法与*** |
CN103033560A (zh) * | 2012-12-11 | 2013-04-10 | 武汉大学 | 一种基于b超成像技术的低含沙量测量方法 |
CN104568376A (zh) * | 2014-11-28 | 2015-04-29 | 重庆交通大学 | 通过图像分析卵砾石瞬时输沙强度的方法以及*** |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106769717A (zh) * | 2017-01-20 | 2017-05-31 | 重庆市环境科学研究院 | 一种可观测不同速度梯度下黏性泥沙絮凝沉降的试验装置 |
CN108287125A (zh) * | 2017-12-28 | 2018-07-17 | 新疆新华叶尔羌河流域水利水电开发有限公司 | 一种基于图像处理的砂砾石材料级配快速分析***及方法 |
CN109583703A (zh) * | 2018-11-02 | 2019-04-05 | 河海大学 | 一种定量界定非粘性底沙起动临界指标的方法 |
CN109583703B (zh) * | 2018-11-02 | 2021-04-13 | 河海大学 | 一种定量界定非粘性底沙起动临界指标的方法 |
CN111489351A (zh) * | 2020-04-20 | 2020-08-04 | 东南大学 | 一种基于堆栈图像测量表层偏析程度的视频分析方法 |
CN111489351B (zh) * | 2020-04-20 | 2022-11-18 | 东南大学 | 一种基于堆栈图像测量表层偏析程度的视频分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106157335B (zh) | 2018-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Miranda et al. | Pest detection and extraction using image processing techniques | |
CN106157335A (zh) | 基于数字图像的床沙表层级配观测分析方法及*** | |
Lévesque et al. | Airborne digital camera image semivariance for evaluation of forest structural damage at an acid mine site | |
CN104502245B (zh) | 一种利用图像分析技术测定砂子细度模数的方法 | |
CN104198324B (zh) | 基于计算机视觉的烟丝中叶丝比例测定方法 | |
JP2006252529A (ja) | 地物環境状況提供方法及びそのプログラム | |
CN109671058A (zh) | 一种大分辨率图像的缺陷检测方法及*** | |
CN109271919B (zh) | 一种基于grb和网格模式的植被覆盖度测定方法 | |
CN109253954A (zh) | 分析装置、***、分析方法及存储介质 | |
CN110349224A (zh) | 一种基于深度学习的牙齿颜色值判断方法及*** | |
CN104198325B (zh) | 基于计算机视觉的烟丝中梗丝比例测定方法 | |
CN101390129A (zh) | 用于分析对象聚群的方法和设备 | |
CN110298830A (zh) | 基于卷积神经网络的新拌混凝土振捣表观质量识别方法 | |
DE69927239T2 (de) | System und verfahren zur verarbeitung von bildern | |
CN114066821A (zh) | 一种基于人工智能的油田污水检测方法及设备 | |
CN105868717A (zh) | 一种基于分类的高分辨率遥感图像单木树冠信息提取方法 | |
Dan et al. | Application of deep learning-based image recognition technology to asphalt–aggregate mixtures: Methodology | |
Fisher et al. | Technical considerations and methodology for creating high-resolution, color-corrected, and georectified photomosaics of stratigraphic sections at archaeological sites | |
CN104568376B (zh) | 通过图像分析卵砾石瞬时输沙强度的方法以及*** | |
Chen et al. | Convolutional neural networks for image-based sediment detection applied to a large terrestrial and airborne dataset | |
Arques et al. | Cost effective measuring technique to simultaneously quantify 2D velocity fields and depth-averaged solute concentrations in shallow water flows | |
CN116129096A (zh) | 一种马铃薯根系长度的数字化测量***及其测量方法 | |
Neale | Classification and mapping of riparian systems using airborne multispectral videography | |
CN104038746B (zh) | 一种bayer格式图像数据插值方法 | |
CN113435514A (zh) | 一种基于元深度学习的建筑垃圾精细分类方法、装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |