Программное обеспечение оптического комплекса исследования и контроля качества струи распыленного топлива | Статья в сборнике международной научной конференции

Библиографическое описание:

Маецкий А. В. Программное обеспечение оптического комплекса исследования и контроля качества струи распыленного топлива [Текст] // Технические науки: теория и практика: материалы Междунар. науч. конф. (г. Чита, апрель 2012 г.). — Чита: Издательство Молодой ученый, 2012. — С. 16-19. — URL https://moluch.ru/conf/tech/archive/7/2122/ (дата обращения: 14.08.2018).

От качества процесса распыливания топлива зависит последующее сгорание рабочей смеси, а значит выходные характеристики двигателя в целом: экономичность, экологичность, мощность и другие. При визуальном наблюдении качественно распыливаемое топливо должно быть туманообразным, без сплошных струек и легко различимых местных сгущений [1].

Один цикл распыливания занимает по времени до 6 мс, поэтому без специальной высокоскоростной аппаратуры оценить качество струи практически невозможно. С целью исследования процесса распыливания топлива был разработан пакет программ в среде Delphi [2], позволяющий обрабатывать скоростные видеоизображения топливных струй. Видеоизображения были получены на стенде скоростной видеорегистрации топливных струй на базе скоростной видеокамеры «ВидеоСпринт» производства ЗАО «НПК Видеоскан» [3].

Программный пакет состоит из двух программ. Первая программа предназначена для раскадровки и обрезки кадров видеоизображений топливных струй и позволяет: воспроизводить видео, отбирать нужные кадры вручную или автоматически, сохранять выбранные кадры в исходном (необрезанном) виде, а также производить обрезку кадров по маске, загруженной пользователем и сохранять обрезанные кадры, в том числе с уменьшением их размерности, по выбору пользователя. Сохранение кадров возможно в форматах Bitmap 8, 24 или 32 бита, а также в формате JPEG любой степени компрессии по выбору пользователя.

Поскольку видео записывается в среднем со скоростью 3000 - 7000 кадров в секунду и содержит большое количество кадров, был разработан алгоритм автоматического отбора нужных кадров из видео.

Автоматический отбор кадров со струями осуществляется по следующему алгоритму. Сначала в каждом кадре находится среднее значение яркости (k = [0,K-1], где К – количество кадров) по формуле:

, (1)

где X[j,i] – яркость пикселя изображения, m – число строк изображения, n – число столбцов.

Таким образом, совокупность составляет массив вещественных чисел. Далее, находятся значения Df (f = [0,К-2]), представляющие собой модуль разности средних яркостей каждой связной пары кадров (т.е. между кадрами 0 и 1, 1 и 2, 2 и 3, и т.д.), т.е.:

. (2)

Таким образом, совокупность Df также представляет из себя массив вещественных чисел. После этого находится – среднее значение из массива Df. Оно и будет пороговым.

Далее, модуль разности каждой связной пары из массива сравнивается с пороговым :

. (3)

Если соблюдается выражение (3), это означает, что между парой кадров не статическая картинка, а динамическая. В таком случае оба кадра «захватываются» и их номера k записываются в новый массив М. При этом алгоритм следит за тем, чтобы в массиве М не было повторяющихся номеров кадров.

Данный алгоритм весьма точно отмечает начало каждого цикла распыливания, но конец цикла распыливания распознает не достаточно точно в связи с тем, что в конце распыливания струя представляет собой уже «облако», которое движется уже не со столь значительной динамичностью, как струя в начале распыливания. Поэтому предложенный алгоритм обладает двумя недостатками. Во-первых, наряду с кадрами, содержащими в себе струю, попадаются иногда кадры из конечного этапа распыливания, уже не содержащие в себе струю. Во-вторых, число кадров в разных циклах распыливания может получаться неодинаковым. Поэтому данный алгоритм был доработан. Во-первых, после нахождения массива М производится отбраковка «лишних» кадров, которые не содержат в себе струю (это обычно серия из двух-пяти кадров, в то время как один цикл распыливания представляет из себя серию из более десяти кадров). Во-вторых, после отбраковки лишних кадров из массива М, производится «уравнивание» числа кадров в каждом цикле распыливания путем нахождения сначала такого цикла распыливания, в котором число кадров минимально, а затем удаления из оставшихся циклов распыливания избыточных конечных кадров.

Главное окно программы, а также окно сохранения кадров продемонстрированы на следующем рисунке.


Рисунок 1 – Интерфейс программы для раскадровки видеоизображений


Вторая программа (рисунок 2) предназначена для обработки и исследования отобранных из видео кадров в формате Bitmap или JPEG.


Рисунок 2 – Фрагмент интерфейса программы для обработки изображений


Прежде всего, нужно устранить шум на изображениях со струями. Шум – отдельные светлые и темные пиксели на изображениях. Для этого в программу заложено несколько методов: полный медианный фильтр с окном 3х3 или 5х5 и частичный медианный фильтр с окном 3х3 или 5х5. По результатам экспериментов с обработкой изображений наиболее оптимальным методом устранения шума признан частичный медианный фильтр с окном 3х3. Он не вносит значительных искажений в исходные изображения и выгоден с точки зрения скорости обработки. Суть метода сводится к следующему [4]:

1) Просматривается каждая точка исходного изображения и если ее яркость выше или равна верхнему порогу, либо ниже или равна нижнему порогу, то для такой точки берется прямоугольная окрестность 3х3 (для крайних точек окрестность меньше; пороговые значения яркости задаются пользователем).

2) Полученные точки окрестности 3х3 (9 штук) сортируются по возрастанию яркости.

3) Средняя точка (5-я) записывается в итоговое изображение.

Далее, программа производит растяжение контраста, т.к. исходный контраст весьма слаб. Для повышения контраста используется линейный метод, хорошо зарекомендовавший себя для обработки изображений со струями (например, [5, с. 176]). Для этого решается система уравнений:

, (4)

где fmin и fmax ­– соответственно минимальное и максимальное значения яркости из всех исходных изображений со струями, gmin и gmax – соответственно вводимые пользователем минимальное и максимальное значения яркости, которые нужно применить ко всем изображениям опыта. Таким образом, контраст всех изображений увеличивается на одни и те же числа а и b.

Полученные модифицированные изображения топливных струй готовы для дальнейшей обработки. Нас интересует динамика изменения темных и светлых зон топливных струй. На предварительном этапе для каждого изображения находится пороговое значение яркости, на основании чего каждый пиксель изображения признается принадлежащим струе или фону. Для нахождения порога на изображениях со струями хорошо зарекомендовал себя метод «треугольника».

Суть метода «треугольника» определения порога сводится к следующему. На рисунке 3 представлена возможная гистограмма изображения со струей (по оси абсцисс – яркость b, по оси ординат – количество пикселей соответствующей яркости h(b)). Струя имеет темные оттенки (расположена ближе к оси ординат), фон – светлые (расположен дальше от оси ординат и его h(b) явно выражены). Из анализа h(bi) находятся две точки: (bmax, h(bmax)) и (bmin, h(bmin)) – первое минимальное слева значение гистограммы, отличное от нуля. Через указанные две точки проводится прямая.

Далее, для каждого из значений яркости вычисляется расстояние x от точки (bi, h(bi)) до прямой. В качестве порогового значения выбирается точка bi, в которой расстояние x достигает максимума. Порог можно вводить и вручную.

Рисунок 3 –­ Выбор порога по методу «треугольника»

Планируется развитие программы для построения яркостных зон от некоторого минимального значения яркости (вводимого пользователем) до максимального порогового. Это позволит при помощи гистограмм и графиков распределения яркостей пикселей струи по яркостным зонам исследовать динамику изменения от кадра к кадру светлых и темных зон топливных струй, что, в свою очередь, позволит увидеть оптическую неоднородность распыливания, вызванную истинной неоднородностью и неравномерностью распыливания. Изучение оптической неоднородности изображения струи позволяет ответить на вопрос, имеются ли сгущения в струе, либо струя равномерно заполнена каплями топлива. Чем выше степень оптической неоднородности, тем хуже качество струи и наоборот.


Литература:

1. ГОСТ 10579-88. Форсунки дизелей. Общие технические условия. – Введ. 1990-01-01. – М.: ИПК Издательство стандартов, 2004. – 8 с.

2. Архангельский, А.Я. Object Pascal в Delphi / А.Я. Архангельский. – М.: БИНОМ, 2002. – 384 с.

3. Камера скоростной видеосъемки «ВидеоСпринт» // Видеоскан [Электронный ресурс]: [сайт] / ЗАО НПК «Видеоскан». Электрон. дан. – М., 2012. – Режим доступа: http://videoscan.ru/page/731. – Загл. с экрана.

4. Хуанг, Т.С. Быстрые алгоритмы в цифровой обработке изображений / Т.С. Хуанг, Дж.-О. Эклунд, Г.Дж. Нуссбаумер и др. – М.: Радио и связь, 1984. – 221 с.

5. Методы компьютерной обработки изображений / под ред. В.А. Сойфера. – М.: Физматлит, 2001. – 784 с.

Основные термины (генерируются автоматически): кадр, струя, цикл распыливания, JPEG, изображение, число кадров, ось ординат, обработка изображений, максимальное значение, частичный медианный фильтр.

Похожие статьи

Особенности применения фильтров обработки изображений...

Фильтры обработки изображений применяются для наложения различных эффектов

Один из видов нелинейного усреднения — это медианный фильтр. Значения пикселей записываются в ряд, ряд сортируется и возвращается центральный элемент, то есть медиана ряда.

Методы предварительной фильтрации изображения

Наиболее часто используемым фильтром является медианный фильтр.

Обработка изображения данным фильтром 11×11 предполагает большое число операций умножения, а в данной матрице...

Обработка рентгеновских изображений с применением оценки...

Итоговая гистограмма будет иметь два значения: h(l), равное числу пикселов изображения, величины которых

Рис. 3. Исходное цветное изображение (а) и результат применения медианной фильтрации к

Особенности применения фильтров обработки изображений...

Обработка и сегментация тепловизионных изображений

Обработка изображения данным фильтром 11×11 предполагает большое число операций умножения, а в данной матрице присутствуют и двузначные числа, что приведёт к увеличению времени на вычисление значения одного отклика.

Алгоритмы распознавания объектов | Статья в сборнике...

Это возможно только при классификации большого числа элементов при обработке каждого изображения.

Примитивы Хаара дают точечное значение перепада яркости по оси X и Y соответственно [9].

Разработка двумерных сглаживающих фильтров на основе...

Цифровое изображение состоит из конечного числа элементов, каждый из которых расположен в конкретном месте и имеет определенное значение.

Особенности применения фильтров обработки изображений... Фильтр Гаусса — фильтр размытия изображения, который...

Экспериментальные результаты оптического контроля качества...

По оси ординат на рисунках 2 и 3 приведены площади яркостных зон, нормированные к максимальной площади струи.

Было отобрано 5 циклов распыливания по 14 кадров каждое. Гистограммы были построены для кадров с 3 по 12 (с 568 по 3124 мкс).

Преобразование Фурье как основополагающий частотный метод...

Например, на картинке более низким значениям частот, обозначенных в начале оси координат Фурье, преобразования будут отвечать плавные изменения яркости в пределах

Фильтры обработки изображений отличаются быстродействием и являются простыми в реализации.

Реализация частотной фильтрации рентгеновских изображений...

Особенности применения фильтров обработки изображений...

Основные термины (генерируются автоматически): Подпись оси, FFT, Подпись графика, график, Выбор области окна, MATLAB, спектр сигнала, амплитуда, белый шум, дискретное преобразование.

Обсуждение

Социальные комментарии Cackle

Похожие статьи

Особенности применения фильтров обработки изображений...

Фильтры обработки изображений применяются для наложения различных эффектов

Один из видов нелинейного усреднения — это медианный фильтр. Значения пикселей записываются в ряд, ряд сортируется и возвращается центральный элемент, то есть медиана ряда.

Методы предварительной фильтрации изображения

Наиболее часто используемым фильтром является медианный фильтр.

Обработка изображения данным фильтром 11×11 предполагает большое число операций умножения, а в данной матрице...

Обработка рентгеновских изображений с применением оценки...

Итоговая гистограмма будет иметь два значения: h(l), равное числу пикселов изображения, величины которых

Рис. 3. Исходное цветное изображение (а) и результат применения медианной фильтрации к

Особенности применения фильтров обработки изображений...

Обработка и сегментация тепловизионных изображений

Обработка изображения данным фильтром 11×11 предполагает большое число операций умножения, а в данной матрице присутствуют и двузначные числа, что приведёт к увеличению времени на вычисление значения одного отклика.

Алгоритмы распознавания объектов | Статья в сборнике...

Это возможно только при классификации большого числа элементов при обработке каждого изображения.

Примитивы Хаара дают точечное значение перепада яркости по оси X и Y соответственно [9].

Разработка двумерных сглаживающих фильтров на основе...

Цифровое изображение состоит из конечного числа элементов, каждый из которых расположен в конкретном месте и имеет определенное значение.

Особенности применения фильтров обработки изображений... Фильтр Гаусса — фильтр размытия изображения, который...

Экспериментальные результаты оптического контроля качества...

По оси ординат на рисунках 2 и 3 приведены площади яркостных зон, нормированные к максимальной площади струи.

Было отобрано 5 циклов распыливания по 14 кадров каждое. Гистограммы были построены для кадров с 3 по 12 (с 568 по 3124 мкс).

Преобразование Фурье как основополагающий частотный метод...

Например, на картинке более низким значениям частот, обозначенных в начале оси координат Фурье, преобразования будут отвечать плавные изменения яркости в пределах

Фильтры обработки изображений отличаются быстродействием и являются простыми в реализации.

Реализация частотной фильтрации рентгеновских изображений...

Особенности применения фильтров обработки изображений...

Основные термины (генерируются автоматически): Подпись оси, FFT, Подпись графика, график, Выбор области окна, MATLAB, спектр сигнала, амплитуда, белый шум, дискретное преобразование.

Задать вопрос