技术领域
[0001] 本
发明涉及一种润滑油的清净分散性测定方法，特别是一种基于图像处理的发动机润滑油清净分散性测定方法。
背景技术
[0002] 发动机是
汽车的心脏，汽车运转过程中发动机内有许多相互摩擦运动的金属表面，这些部件运动速度快、工作环境差。发动机润滑油，被誉为汽车的“血液”，对发动机起到润滑、清洁、冷却、密封、减磨等作用，可降低发动机零件的磨损，延长其使用寿命。随着发动机工作时间的延续，润滑油在高温下的
氧化、机械零件的磨损产物、使用过程中的燃油和
水分的混入其中，这些原因都将使润滑油受到污染，导致油品下降，甚至丧失润滑油的效能。对润滑油进行实时监测，一方面发现润滑油
质量的变化，做到按需要更换润滑油，降低运行成本；另一方面可提前预知机器技术状态，进而及时发现机器的故障征兆及预报设备可能发生的故障，有针对性地进行维护和修理。
[0003] 目前，发动机润滑油的监测最常用的方法主要是通过油滴斑点试验，具体操作为：首先，用金属或玻璃棒把从发动机内取出的油样滴一滴在
滤纸上，静置3个小时以上，滤纸上便形成
颜色不同的晕环似的斑痕，斑痕的图像因滤纸、润滑油质量及污染物不同而不同，一般都显示三个或更多的晕环：沉积环、扩散环和油环。其次，手工勾勒出扩散环和油环，并用人工直尺法测量扩散环和油环的直径。再次，重复测量多组扩散环和油环的直径数据，计算每组扩散环和油环直径的比值(扩散环和油环直径的之比为清净分散性系数)，并取平均值作为该润滑油的清净分散性系数，清净分散性系数值越大，表明润滑油分散性越好，反之亦反。
[0004] 传统的人工直尺法存在以下问题：一是测量过程费时、费
力，为了提高
精度常常需要进行多次测量；二是测量精度不高。由于实际中无论是扩散环还是油环，都不是标准圆形，而且两环质心一般不重合，这样测得的扩散环和油环直径的就容易存在误差，造成测量精度不高，即使是多次测量也无法保证测量的精度。
[0005] 综上，研究一种快速、准确地测定发动机润滑油清净分散性的方法，对于快速、准确判定润滑油的质量尤为重要。
发明内容
[0006] 针对上述
现有技术中存在的
缺陷或不足，本发明的目的在于，提供一种基于图像处理的发动机润滑油清净分散性测定方法，该方法依据沉淀区、扩散区和油环区对
亮度的具有不同透射率的特性，自动检测扩散区和油环区，从而测定清净分散性的原理。本发明的计算简单、精度高，且运行时间短，适合在实时的系统中采用。
[0007] 为了达到上述目的，本发明采用如下的技术方案予以解决：
[0008] 一种基于图像处理的发动机润滑油清净分散性测定方法，具体包括以下步骤：
[0009] 步骤1：将发动机油样滴一滴在滤纸上，得到油斑；
[0010] 步骤2：用
照相机采集油斑的RGB彩色图像f，并将得到的RGB彩色图像f输入计算机，RGB彩色图像f的大小为M×N；(R(x,y),G(x,y),B(x,y))分别表示
像素(x,y)的R分量值、G分量值和B分量值，1≤x≤M，1≤y≤N，x和y均为整数；
[0011] 步骤3：将油斑图像去噪，得到去噪后的RGB彩色图像；
[0012] 步骤4：将去噪后的RGB彩色图像转换至HSI颜色模型；
[0013] 步骤5：对HSI颜色模型的S分量进行
图像分割，得到油斑的
饱和度分割图MS；
[0014] 步骤6：提取饱和度差异图CS；
[0015] 步骤7：计算饱和度差异图CS的像素数NS；
[0016] 步骤8：对HSI颜色模型的I分量图像分割，得到油斑的
密度分割图MI；
[0017] 步骤9：提取密度差异图CI；
[0018] 步骤10：计算密度差异图CI的像素数NI；
[0019] 步骤11：利用式8计算油品的清净分散性系数K：
[0020] (式8)。
[0021] 进一步的，所述步骤3中对油斑图像去噪采用中值滤波法。
[0022] 进一步的，所述步骤4中所使用的转换公式如下：
[0023] (式1)
[0024] (式2)(式3)
[0025] 其中，R(x,y)、G(x,y)和B(x,y)分别表示像素(x,y)的红色分量值、绿色分量值和蓝色分量值；H(x,y)、S(x,y)和I(x,y)分别表示像素(x,y)的
色调分量值，饱和度分量值和密度分量值。
[0026] 进一步的，所述步骤5对HSI颜色模型的S分量进行图像分割的公式如下：
[0027] (式4)
[0028] 其中，MS表示油斑的饱和度分割图；MS(x,y)表示像素(x,y)的饱和度分割值；S(x,y)表示像素(x,y)的饱和度分量值；T1为饱和度分割
阈值，对于0-255级的图像，T1取
30-50；
[0029] 进一步的，所述步骤6具体包括如下步骤：
[0030] 首先，采用8-连通标记油斑的饱和度分割图MS中MS(x,y)＝1的连通区域；其次，统计各连通区域的像素数；最后，将像素数最多的连通区域作为饱和度差异图CS。
[0031] 进一步的，所述步骤7计算饱和度差异图CS的像素数NS包括如下步骤：
[0032] 从首行开始，从左到右扫描饱和度差异图CS中的所有行，记第x行中CS(x,y)＝1的像素的最左列和最右列的列坐标值分别为Sxl和Sxr，则饱和度差异图CS的像素数NS为：
[0033] (式5)。
[0034] 进一步的，所述步骤8对HSI颜色模型的I分量图像分割的公式如下：
[0035] (式6)
[0036] 其中，MI表示油斑的密度分割图；MI(x,y)表示像素(x,y)的密度分割值；T2为密度分割阈值，对于0-255级的图像，T2取160-180；
[0037] 进一步的，所述步骤9提取密度差异图CI的操作步骤如下：
[0038] 首先，采用8-连通标记油斑的密度分割图MI中MI(x,y)＝1的连通区域；其次，统计各连通区域的像素数；最后，将像素数最多的连通区域作为密度差异图CI。
[0039] 进一步的，所述步骤10计算密度差异图CI的像素数NI包括如下步骤：
[0040] 从首行开始，从左到右扫描图CI中的所有行，记第x行中CI(x,y)＝1的像素的最左和最右列的列坐标值分别为Ixl和Ixr，则密度差异图CI的像素数NI为：
[0041] (式7)。
[0042] 与常用的人工直尺法判定油斑的清净分散性方法相比，本发明的方法优点如下：
[0043] (1)能快速测定出机油的精品分散性。以某油斑图样测定六次为例，从人工勾勒扩散环和油环外轮廓——列表格——记录数据——计算，大致需要12分钟，而本技术方案减少了人工勾勒扩散环和油环外轮廓等繁琐步骤，其清净分散性系数由本发明的方法直接处理得到，运行时间为0.34s，速度得到了极大提高。
[0044] (2)测量精度高。直尺的最小刻度为1mm，以
实施例中计算机采集的图像大小328×364为例，1个像素点测量精度为0.15mm，比直尺的最小1mm提高了近10倍多，大大减少了误差。
[0045] (3)能够作为资料长久保存。实际中常常需要保存油斑试验结果，但随着时间的增长，油品容易氧化、挥发，油斑试验结果经过1-2个月的保存后通常只能丢弃。本发明中油斑图像能够长期保存。
[0046] (4)可用于发动机润滑油的研制工作中。近年来科研院校均大力开展发动机润滑油的研制工作，该方法也可用于测定研制机油的清净分散性。
附图说明
[0048] 图2是本发明的实施例中照相机采集的RGB颜色模型的油斑图像。
[0049] 图3是本发明的实施例的步骤4得到的HSI颜色模型的S分量图。
[0050] 图4是本发明的实施例的步骤4得到的HSI颜色模型的I分量图。
[0051] 图5是本发明的实施例的步骤5得到的饱和度分割图MS。
[0052] 图6是本发明的实施例的步骤6得到的饱和度差异图CS。
[0053] 图7是本发明的实施例的步骤8得到的密度分割图MI
[0054] 图8是本发明的实施例的步骤9得到的密度差异图CI。
[0055] 以下结合附图说明和具体实施方式对本发明作进一步的详细说明。
具体实施方式
[0056] 如图1所示，本发明的基于图像处理的发动机润滑油清净分散性测定方法，具体包括以下步骤：
[0057] 步骤1：将发动机油样滴一滴在滤纸上，静置2-3小时得到油斑。
[0058] 步骤2：将滤纸置于普通
LED灯上方5-15cm处，尽量使LED
光源中心、滤纸中心和摄像机镜头中心处于一条直线上，用照相机采集油斑的RGB彩色图像f，并将得到的RGB彩色图像f输入计算机，RGB彩色图像f的大小为M×N；(R(x,y),G(x,y),B(x,y))分别表示像素(x,y)的R分量值、G分量值和B分量值，1≤x≤M，1≤y≤N，x和y均为整数。
[0059] 步骤3：油斑图像去噪。实际中采集到的RGB彩色图像往往存在噪声，它会对后续的处理有一定的影响，故需要对其进行去噪操作，采用工业上常用的中值滤波法去噪即可，得到去噪后的RGB彩色图像。
[0060] 步骤4：将去噪后的RGB彩色图像转换至HSI颜色模型。HSI颜色模型中有H分量、S分量和I分量，其中H分量表示色调，S分量表示饱和度和I分量表示密度。转换公式如下：
[0061] (式1)
[0062] (式2)(式3)
[0063] 其中，R(x,y)、G(x,y)和B(x,y)分别表示像素(x,y)的红色(R，Red)分量值、绿色(G，Green)分量值和蓝色(B，Blue)分量值；H(x,y)、S(x,y)和I(x,y)分别表示像素(x,y)的色调(H，Hue)分量值，饱和度(S，Saturation)分量值和密度(I，Intensity)分量值。
[0064] 步骤5：利用式4对HSI颜色模型的S分量进行图像分割，得到油斑的饱和度分割图MS。由于油斑图像的HSI颜色模型中的H分量差异不明显，因而以下仅对S分量和I分量进行分析处理。
[0065] (式4)
[0066] 其中，MS表示油斑的饱和度分割图；MS(x,y)表示像素(x,y)的饱和度分割值；S(x,y)表示像素(x,y)的饱和度分量值；T1为饱和度分割阈值，对于0-255级的图像，T1取
30-50。
[0067] 步骤6：提取饱和度差异图CS。步骤5得到的油斑的饱和度分割图MS还存在噪声，因而需要对其进行去零星操作得到饱和度差异图CS，操作步骤如下：首先，采用8-连通标记油斑的饱和度分割图MS中MS(x,y)＝1的连通区域；其次，统计各连通区域的像素数；最后，将像素数最多的连通区域作为饱和度差异图CS。
[0068] 步骤7：计算饱和度差异图CS的像素数NS。具体操作为：从首行开始，从左到右扫描饱和度差异图CS中的所有行，记第x行中CS(x,y)＝1的像素的最左列和最右列的列坐标值(即列号)分别为Sxl和Sxr，则饱和度差异图CS的像素数NS为：
[0069] (式5)
[0070] 步骤8：利用式6对HSI颜色模型的I分量图像分割，得到油斑的密度分割图MI。
[0071] (式6)
[0072] 其中，MI表示油斑的密度分割图；MI(x,y)表示像素(x,y)的密度分割值；T2为密度分割阈值，对于0-255级的图像，T2通常取160-180为宜。
[0073] 步骤9：提取密度差异图CI。步骤8得到的油斑的密度分割图MI还存在噪声，因而需要对其进行去零星操作得到密度差异图CI。操作步骤如下：首先，采用8-连通标记油斑的密度分割图MI中MI(x,y)＝1的连通区域；其次，统计各连通区域的像素数；最后，将像素数最多的连通区域作为密度差异图CI。
[0074] 步骤10：计算密度差异图CI的像素数NI。具体操作为：从首行开始，从左到右扫描图CI中的所有行，记第x行中CI(x,y)＝1的像素的最左和最右列的列坐标值(即列号)分别为Ixl和Ixr，则密度差异图CI的像素数NI为：
[0075] (式7)
[0076] 步骤11：利用式8计算油品的清净分散性系数K：
[0077] (式8)
[0078] 其中，K表示清净分散性系数；Dk和Dy分别表示扩散环和油环的直径，Sk和Sy分别表示扩散环和油环的面积；可以看出，清净分散性系数K为扩散环和油环的直径之比，等于扩散环区面积和油环区面积之比开平方根，亦等于饱和度差异图CS的像素数NS和密度差异图CI的像素数NI之比。
[0079] 由本发明得到的清净分散性系数可快速准确地判定机油的品质，清净分散性系数越大，说明发动机机油品质较好；清净分散性系数越小，则说明发动机机油的品质低劣。
[0080] 实施例1：
[0081] 以下是
发明人给出的优选的实施例，需要说明的是，以下实施例仅仅是本发明技术方案实施的一种优选的方式，本发明的保护范围不仅仅局限于该实施例。
[0082] 参照图1，本发明的发动机机油清净分散性的测定方法，具体包括以下步骤：
[0083] 步骤S1：用金属或玻璃棒把刚从发动机内取出的油样滴一滴在滤纸上。滤纸采用的为直径9cm的双圈牌中速定量滤纸。
[0084] 步骤S2：静置3个小时后，将滤纸置于普通LED灯上方10cm处，尽量使LED光源中心、滤纸中心和摄像机镜头中心处于一条直线上，用照相机采集油斑的RGB彩色图像。
[0085] 步骤S3：将油斑的RGB彩色图像输入计算机，油斑的RGB彩色图像f大小为328×364，即M＝328，N＝364。
[0086] 步骤S4：油斑图像去噪。为减少图像噪声对后续处理的影响，采用中值滤波去除噪声，得到去噪后的RGB彩色图像。
[0087] 步骤S5：将去噪后的RGB彩色图像转换至HSI颜色模型。转换公式如下：
[0088] (式1)
[0089] (式2)
[0090](式3)
[0091] 其中：R(x,y)、G(x,y)和B(x,y)分别为像素(x,y)的红色(R，Red)分量、绿色(G，Green)分量和蓝色(B，Blue)分量；H(x,y)、S(x,y)和I(x,y)分别表示色调(H，Hue)分量，饱和度(S，Saturation)分量和密度(I，Intensity)分量。
[0092] 步骤S6：利用式4对HSI颜色模型的S分量图像分割，得到油斑的饱和度分割图MS。
[0093] (式4)
[0094] 其中，MS表示油斑的饱和度分割图；MS(x,y)表示像素(x,y)的饱和度分割值；T1取30。
[0095] 步骤S7：提取饱和度差异图CS。操作步骤为：首先，采用8-连通标记MS中MS(x,y)＝1的连通区域；其次，统计各连通区域的像素数；最后，提取像素数最多的连通区域，作为密度差异图CS。
[0096] 步骤S8：计算饱和度差异图CS的像素数NS。具体操作为：从首行开始，从左到右扫描标记饱和度差异图CS中的所有行，记第x行中CS(x,y)＝1的像素的最左列和最右列的列坐标值为Sxl和Sxr，则饱和度差异图CS的像素数NS为：
[0097] (式5)
[0098] 步骤S9：利用式6对HSI颜色模型的I分量图像分割，得到油斑的密度分割图。
[0099] (式6)
[0100] 其中，MI表示油斑的密度分割图；MI(x,y)表示像素(x,y)的密度分割值；T2取165。
[0101] 步骤S10：提取密度差异图CI。操作步骤为：首先，采用8-连通标记MI中MI(x,y)＝1的连通区域；其次，统计各连通区域的像素数；最后，提取像素数最多的连通区域，作为密度差异图CI。
[0102] 步骤S11：计算密度差异图CI的像素数NI。具体操作为：从首行开始，从左到右扫描标记图CI中的所有行，记第x行中CI(x,y)＝1的像素的最左和最右列的列坐标值(即列号)分别为Ixl和Ixr，则密度差异图CI的像素数NI为：
[0103] (式7)
[0104] 步骤S12：利用式8计算清净分散性系数K：
[0105] (式8)
[0106] 其中，K表示清净分散性系数，Dk和Dy分别表示扩散环和油环的直径，Sk和Sy分别表示扩散环和油环的面积。
[0107] 为了说明本发明的效果，发明人从运行时间和测定精度两方面，将本发明的实施例1和传统的人工直尺法作对比，表1为两个方法的测定结果，对比如下：
[0108] (1)运行时间。以每个油斑图样测定六次为例，从勾勒扩散环和油环外轮廓——列表格——记录数据——计算，普通人工直尺测量法大致需要大约为12分钟，当然人工测定时间会随着实验测定组数的增加而增加。本发明在Intel cpu2.4GHz，1GB的内存的计算机中，利用matlab
软件进行仿真，对采集到的328×364的油斑图像进行清净分散性测定，所用的时间为0.34S，速度得到了极大的提高。
[0109] (2)测定精度。一方面，人工测定法所用的直尺的最小刻度为1mm，以计算机采集的图像大小328×364为例，1个像素点测量精度为0.15mm，比直尺的最小1mm提高了近10倍。另一方面人工直尺法、本技术方案和标准清净分散性系数值进行了定量比较。人工直尺法和本发明测定的清净分散系数分别为0.75和0.7597，和标准的清净分散性系数值
0.7585相比，本发明的方法测定精度更高。
[0110] 表1 人工直尺法与本发明的方法测定的两个油斑的数据
[0111]
