技术领域
[0001] 本
发明属于
泡沫浮选技术领域，具体涉及一种锌浮选过程中的纹理特征度量方法。
背景技术
[0002] 泡沫浮选是国内外广泛应用的一种选矿方法，该方法能依据矿物表面亲
水性与疏水性的差异，有效地将目标矿物分离出来。泡沫浮选过程将目标矿物与其共生的脉石
研磨成合适大小的颗粒然后送入
浮选槽中，通过添加药剂调整不同矿物颗粒表面性质同时在浮选过程中不断地搅拌和鼓
风，使矿浆中形成大量具有不同尺寸、形态、纹理等特征信息的气泡，使有用矿物颗粒粘附在气泡表面，气泡携带矿物颗粒上升至浮选槽表面形成泡泡层，脉石矿物留在矿浆中，从而实现矿物分选。由于浮选工艺流程长、内部机理不明确、影响因素多、涉及变量多且非线性严重、工艺指标不能在线检测等原因，一直以来，浮选过程主要依靠人工肉眼观察浮选槽表面泡泡状态来完成现场操作，这种生产方式主观性强，难以实现浮选泡泡状态的客观评价与认知，造成浮选生产指标
波动频繁、矿物原料流失严重、药剂消耗量大、资源回收率低等情况发生，特别在高品位矿物资源日益匮乏的今天，浮选矿源成分复杂、矿物品味低，浮选生产人工操作更加难以有效进行。将
机器视觉应用到浮选过程中，利用数字
图像处理技术对浮选泡泡图像进行分析，能实现对泡泡状态的客观描述，再进一步寻找与分析泡泡特征参数与工艺指标的关系，从而推进了浮选过程的生产自动化。浮选泡泡随着浮选状态的不同而呈现出特殊的纹理状态，泡泡图像的纹理是泡泡表面粗糙度、
对比度和黏性的综合体现，它与加药量、通气量等浮选生产操作变量及精矿品位、
尾矿含量等浮选生产指标密切相关，当前的泡泡纹理信息提取方法主要是提取局部特征，存在提取的
精度不够且纹理提取过程中没有考虑到泡泡表面颗粒等问题，难以准确反映工况，而实际上，泡泡表面常常附着一些
矿石或者杂志小颗粒，造成泡泡表面粗糙不平，而这些小颗粒的出现的数量与其内部纹理特征与锌精矿品位有密切关系，针对之前的研究没有考虑到泡泡表面颗粒的问题，提出一种基于
滑动窗口算法的纹理特征度量方法，此方法基于现场设置的数字
图像采集系统提取泡泡图像，继而对泡泡表面的颗粒区域进行准确提取，并对颗粒内部纹理状况以及全局纹理特征进行量化度量，定义了纹理特征颗粒粗糙度，有效避免了传统的纹理特征提取方法的局限性，从而更准确的判断工况并有效指导加药。
发明内容
[0003] 本发明的目的是提供一种基于滑动窗口算法的纹理粗糙度定义方法，在浮选生产中，浮选泡泡表面纹理是反映矿石品位的重要视觉信息，与浮选工况密切相关，直接反映泡泡层的矿化程度。针对目前存在的浮选泡泡图像的纹理特征提取没有考虑泡泡表面颗粒的问题，运用滑动窗口算法定义了纹理特征度量方法颗粒粗糙度。该方法首先对泡泡图像进行分割，提取出感兴趣泡泡区域，然后泡泡表面颗粒区域进行提取，进而基于颗粒区域计算颗粒粗糙度，并对颗粒粗糙度如何反应工况的问题进行了分析说明，表明它能更准确地对矿物品位进行调控并指导浮选生产。
[0004] 本发明采用的技术方案步骤如下：
[0005] 步骤一：利用浮选现场图像采集系统收集锌浮选的泡泡视频并将泡泡视频转换为连续图像，对采集到的锌浮选图像数据进行数据预处理,如下：
[0006] 1)剔除超出正常变化
阈值的错误数据；
[0007] 2)剔除不完整的数据；
[0008] 步骤二：将泡泡图像由RGB彩色图像转化为灰度图像，得到图像的灰度矩阵A：
[0009]
[0010] egf表示的是灰度图像中的每一个
像素点对应的灰度值，其中，g∈N，f∈N，N∈(400,800)；
[0011] 步骤三：泡泡图像中，泡泡常规的形态是表面光滑，高亮点位于单个泡泡凸起曲面的顶端，高亮点区域呈现最小灰度值，而以高亮点为中心，灰度值向下逐渐递增，在到达泡泡边界时达到最大值。而实际上，泡泡常常附着一些矿石或者杂志小颗粒，造成泡泡表面粗糙不平，而这些小颗粒的出现的数量与加药量和锌精矿品位有关系。
[0012] 首先，对泡泡进行分割，采用分水岭的方法将泡泡分割得到h个单个的泡泡，并储存各个泡泡的灰度矩阵，得到单个泡泡的灰度矩阵集合B＝{b1,b2,b3,...,bλ,...,bh}，bλ是第λ个泡泡灰度数值矩阵，h是分割后泡泡总的个数，在分割后的单个泡泡图像集合当中，筛选泡泡尺寸大于1200像素值的泡泡，即为感兴趣区域，对于筛选后的泡泡，用单个泡泡的灰度均值代替此泡泡高亮点部分的灰度值，得到待检测泡泡灰度矩阵集合C＝{c1,c2,c3,...,cε,...,cK}，K是符合泡泡尺寸要求的泡泡个数。
[0013] 步骤四：颗粒区域的检测：
[0014] 对于筛选后得到的的单个泡泡区域，分别对每一个泡泡进行以下操作：
[0015] S1：取31×31像素点大小的子
块作为窗口，沿着泡泡边界由上到下由左往右进行滑动，步长设定为5；
[0016] S2：采用滑动窗口算法将单个泡泡
图像分割为31×31的矩形子块区域，并对分割后的矩形子块区域进行判定以筛选出颗粒区域，判定的方法具体为：
[0017] (1)将子块区域的灰度值变化用折线显示，横轴表示列数，纵轴表示灰度值，每一条折线表示灰度矩阵中对应行的灰度值变化，则共有31条折线，所有的折线同时显示在一幅图上；
[0018] (2)在所有矩形子块区域的灰度图像上标记灰度值为205的灰度线，然后进行以下判断：
[0019] Q1:判断是否有T(T≥3)条列数差低于2的折线从下向上穿过205灰度线，若无则表示此图像不包含颗粒区域，若有则标记最左侧的穿越点为E1，进而执行Q2判断；
[0020] Q2:计算这T条折线穿过205灰度线时的斜率k1,k2,...,kη,...,kt，若满足条件kη≥3.6，则执行Q3判断，否则排除此图像。
[0021] Q3:在该矩形子块区域的灰度图像上，判断这T条折线是否又
自上而下穿过205灰度线，若无排除此图像，若有则标记穿回时最右侧穿越点为E2，进而执行Q4判断；
[0022] Q4:计算E＝E2-E1,若E≤6.8则此矩形子块区域内包含完整的颗粒，定义满足以上条件的矩形子块区域为颗粒区域；
[0023] 步骤五：颗粒粗糙度的计算：
[0024] (1)对于泡泡cε，由步骤四提取出颗粒区域Dτ,τ∈(1,2,...,Lε),Lε是泡泡cε中颗粒区域的总个数，并记Qε为该泡泡中所含像素点的个数，对于颗粒区域Dτ，其灰度矩阵的横轴用x表示，纵轴用y表示，记该区域像素点的个数为Sτ,其中各个像素点的灰度值记作记μτ为这Sτ个像素点的灰度均值，即 同时计算该颗粒区域内像素点灰度值的方差στ2，即
[0025] (2)泡泡图像的纹理是泡泡表面粗糙度、对比度和黏性的综合表述，泡泡的粗糙度和对比度与泡泡表面矿物的富集程度有关，而在粗糙度特征的提取过程中，颗粒区域的内部纹理是一项重要特征，对浮选生产具有重要的指示作用，对于颗粒区域Dτ,综合考虑其尺寸大小对粗糙度的影响，计算该颗粒区域中像素点个数与泡泡中像素点总个数的比值δτ,即
[0026] (3)对于满足条件① 的颗粒区域，定义为显著颗粒区域；
[0027] 对于满足条件② 的颗粒区域，定义为一般颗粒区域；
[0028] 对于满足条件③ 的颗粒区域，定义为轻微颗粒区域；
[0029] 对于不满足条件①、②、③的颗粒区域定义为其他颗粒区域；
[0030] 记整幅图像的显著颗粒区域的个数为q,一般颗粒区域的个数为s,轻微颗粒区域的个数为w，其他颗粒区域的个数为u,显著颗粒区域、一般颗粒区域、轻微颗粒区域、其他颗粒区域所占权重分别设定为0.4、0.3、0.2、0.1，定义整幅图像的颗粒粗糙度G，如下式所示：
[0031] G＝0.4q+0.3s+0.2w+0.1u
[0032] 步骤六：通过颗粒粗糙度判定工况：
[0033]
[0034] 当处于状态①时，泡泡表面纹理较细，药剂过量，泡泡中承载的矿物粒子超过了泡泡的承载量而使泡泡大量
破碎，药剂浪费比较严重而且精矿品位低；
[0035] 当处于状态②时，浮选药剂适量，浮选性能好，浮选生产效率高；
[0036] 当处于状态③时，矿浆粘性低，药剂添加量欠缺，泡泡含矿量较少，
含水量高，精矿品位低。
[0037] 步骤二中将泡泡图像由RGB彩色图像转化为灰度图像，得到图像的灰度矩阵A，其中N∈(400,800)。
[0038] 本发明定义了纹理特征颗粒粗糙度，用以反映整幅图像的纹理特征，有效避免了传统的纹理特征提取方法的局限性，并有效克服了浮选现场光照不均匀现象对纹理特征提取造成的影响，从而更准确的判断工况并有效指导加药。
附图说明
[0039] 图1是基于滑动窗口算法的纹理特征度量方法的
流程图。
[0040] 图2是步骤四中S2所提取的颗粒区域示意图。
具体实施方式
[0041] 图1是本发明流程图。
[0042] 步骤一：利用浮选现场图像采集系统收集锌浮选的泡泡视频并将泡泡视频转换为连续图像，对采集到的锌浮选图像数据进行数据预处理,如下：
[0043] 1)剔除超出正常变化阈值的错误数据；
[0044] 2)剔除不完整的数据；
[0045] 步骤二：将泡泡图像由RGB彩色图像转化为灰度图像，得到图像的灰度矩阵A：
[0046]
[0047] egf表示的是灰度图像中的每一个像素点对应的灰度值，其中，g∈N，f∈N，N∈(400,800)；
[0048] 步骤三：泡泡图像中，泡泡常规的形态是表面光滑，高亮点位于单个泡泡凸起曲面的顶端，高亮点区域呈现最小灰度值，而以高亮点为中心，灰度值向下逐渐递增，在到达泡泡边界时达到最大值。而实际上，泡泡常常附着一些矿石或者杂志小颗粒，造成泡泡表面粗糙不平，而这些小颗粒的出现的数量与加药量和锌精矿品位有关系。
[0049] 首先，对泡泡进行分割，采用分水岭的方法将泡泡分割得到h个单个的泡泡，并储存各个泡泡的灰度矩阵，得到单个泡泡的灰度矩阵集合B＝{b1,b2,b3,...,bλ,...,bh}，bλ是第λ个泡泡灰度数值矩阵，h是分割后泡泡总的个数，在分割后的单个泡泡图像集合当中，筛选泡泡尺寸大于1200像素值的泡泡，即为感兴趣区域，对于筛选后的泡泡，用单个泡泡的灰度均值代替此泡泡高亮点部分的灰度值，得到待检测泡泡灰度矩阵集合C＝{c1,c2,c3,...,cε,...,cK}，K是符合泡泡尺寸要求的泡泡个数。
[0050] 步骤四：颗粒区域的检测：
[0051] 对于筛选后得到的的单个泡泡区域，分别对每一个泡泡进行以下操作：
[0052] S1：取31×31像素点大小的子块作为窗口，沿着泡泡边界由上到下由左往右进行滑动，步长设定为5；
[0053] S2：采用滑动窗口算法将单个泡泡图像分割为31×31的矩形子块区域，并对分割后的矩形子块区域进行判定以筛选出颗粒区域，判定的方法具体为：
[0054] (3)将子块区域的灰度值变化用折线显示，横轴表示列数，纵轴表示灰度值，每一条折线表示灰度矩阵中对应行的灰度值变化，则共有31条折线，所有的折线同时显示在一幅图上；
[0055] (4)在所有矩形子块区域的灰度图像上标记灰度值为205的灰度线，然后进行以下判断：
[0056] Q1:判断是否有T(T≥3)条列数差低于2的折线从下向上穿过205灰度线，若无则表示此图像不包含颗粒区域，若有则标记最左侧的穿越点为E1，进而执行Q2判断；
[0057] Q2:计算这T条折线穿过205灰度线时的斜率k1,k2,...,kη,...,kt，若满足条件kη≥3.6，则执行Q3判断，否则排除此图像。
[0058] Q3:在该矩形子块区域的灰度图像上，判断这T条折线是否又自上而下穿过205灰度线，若无排除此图像，若有则标记穿回时最右侧穿越点为E2，进而执行Q4判断；
[0059] Q4:计算E＝E2-E1,若E≤6.8则此矩形子块区域内包含完整的颗粒，定义满足以上条件的矩形子块区域为颗粒区域，图2是所提取的颗粒区域示意图；
[0060] 步骤五：颗粒粗糙度的计算：
[0061] (1)对于泡泡cε，由步骤四提取出颗粒区域Dτ,τ∈(1,2,...,Lε),Lε是泡泡cε中颗粒区域的总个数，并记Qε为该泡泡中所含像素点的个数，对于颗粒区域Dτ，其灰度矩阵的横轴用x表示，纵轴用y表示，记该区域像素点的个数为Sτ,其中各个像素点的灰度值记作记μτ为这Sτ个像素点的灰度均值，即 同时计算该颗粒区域内2
像素点灰度值的方差στ，即
[0062] (2)泡泡图像的纹理是泡泡表面粗糙度、对比度和黏性的综合表述，泡泡的粗糙度和对比度与泡泡表面矿物的富集程度有关，而在粗糙度特征的提取过程中，颗粒区域的内部纹理是一项重要特征，对浮选生产具有重要的指示作用，对于颗粒区域Dτ,综合考虑其尺寸大小对粗糙度的影响，计算该颗粒区域中像素点个数与泡泡中像素点总个数的比值δτ,即
[0063] (3)对于满足条件① 的颗粒区域，定义为显著颗粒区域；
[0064] 对于满足条件② 的颗粒区域，定义为一般颗粒区域；
[0065] 对于满足条件③ 的颗粒区域，定义为轻微颗粒区域；
[0066] 对于不满足条件①、②、③的颗粒区域定义为其他颗粒区域；
[0067] 记整幅图像的显著颗粒区域的个数为q,一般颗粒区域的个数为s,轻微颗粒区域的个数为w，其他颗粒区域的个数为u,显著颗粒区域、一般颗粒区域、轻微颗粒区域、其他颗粒区域所占权重分别设定为0.4、0.3、0.2、0.1，定义整幅图像的颗粒粗糙度G，如下式所示：
[0068] G＝0.4q+0.3s+0.2w+0.1u
[0069] 步骤六：通过颗粒粗糙度判定工况：
[0070]
[0071] 当处于状态①时，泡泡表面纹理较细，药剂过量，泡泡中承载的矿物粒子超过了泡泡的承载量而使泡泡大量破碎，药剂浪费比较严重而且精矿品位低；
[0072] 当处于状态②时，浮选药剂适量，浮选性能好，浮选生产效率高；
[0073] 当处于状态③时，矿浆粘性低，药剂添加量欠缺，泡泡含矿量较少，含水量高，精矿品位低。
[0074] 步骤二中将泡泡图像由RGB彩色图像转化为灰度图像，得到图像的灰度矩阵A，其中N∈(400,800)。
[0075] 本发明定义了纹理特征颗粒粗糙度，用以反映整幅图像的纹理特征，有效避免了传统的纹理特征提取方法的局限性，并有效克服了浮选现场光照不均匀现象对纹理特征提取造成的影响，从而更准确的判断工况并有效指导加药。
