浮法玻璃泡界线图像的去火焰干扰算法研究

李一雷

摘要：浮法玻璃泡界线可以通过图像处理方式检测，但熔窑中的火焰会严重影响检测效果。该文首先分析了浮法玻璃泡界线图像的火焰干扰特点。然后采用了传统的暗通道和多尺度Retinex两种算法去除火焰干扰，但是在某些情况下存在缺陷，不能去除干扰。该文提出了一种多帧最小值滤波的去火焰干扰算法，克服了前两种算法的不足，去干扰效果好，为后续的泡界线图像检测打下了良好基础。

关键词：泡界线；浮法玻璃；火焰干扰；图像处理；图像检测

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2017）28-0208-03

Abstract：The foam line for float glass can be detected by image processing. The flame in glass melter interferes the detection effect. The flame features of the foam line image are analyzed. The dark channel prior and multi-scale retinex algorithms are used to remove the flame interference， but the deficiency is existed in some situations. A minimum value of multiframe algorithm is proposed to overcome the shortage of former two algorithms and remove the flame interference effectively. For the subsequent detecting foam line， A good foundation is provided.

Key words： Foam line； Float glass； Flame interference； image processing；image detection

1 概述

浮法玻璃生产线的第一个环节是将玻璃料堆推入熔窑，在推进过程中料堆逐渐熔化成玻璃液，在料堆泡沫层边缘与熔化好的玻璃液面之间会形成一条分界线，这就是泡界线。泡界线可以指示熔窑工作状况，它的形状、位置的变化情况，为熔窑的进料速度、温度等参数调整提供依据，是熔窑稳定作业的重要保障，而熔窑是浮法玻璃生产线的关键部分。

熔窑现场视频头采集的为每秒25帧的720*576的RGB的24位真彩色视频。图1为摄像机摄取的熔窑内的第1帧的现场原始图像，图2是对该帧的熔窑内各部分的说明，图片最上方是熔窑顶部，下方是玻璃料堆、泡沫层和熔化的玻璃液体，火焰、烟气等会充满熔窑，随机分布于料堆、泡沫层和熔化的玻璃液面上方。图1中，在泡沫层和玻璃液之间可以隐约可见一条泡界线。如果直接用图像分析方法检测泡界线，由于火焰等干扰的存在，检测效果差，本文研究对原始图像的预处理，以去除火焰干扰。

虽然泡界线位置会随着熔窑内部的环境变化而变化，但是有大致的变化范围。因此，为减少图像处理数据量，检测泡界线时，将只选取泡界线可能运动范围的感兴趣区域，如图3、4所示。后续的分析处理只针对此部分图像，可以减少图像数据处理量，提高检测速度。

2 传统算法

2.1 干扰分析

熔窑内，对泡界线检测的主要干扰是火焰。国内外有大量针对火焰检测的研究，但是所研究的火焰侧重自然燃烧状态[1]，并且主要是检测火焰是否存在[2]，如用于火灾检测，而不关注如何从背景中将火焰去除。而熔窑中的火焰是由喷枪喷射而出的，火焰的形态和分布与自然燃烧状态下不同，由于高温，颜色也偏白色，加之熔窑内的复杂环境，还会产生烟气等，如果不考虑火焰的快速变化，通过单张熔窑图片分析，火焰和烟气所造成的干扰，更类似于烟雾所造成的干扰。因此，可以考虑去雾处理算法。

2.2 基于暗通道和多尺度Retinex的算法处理

去雾算法从本质上主要分为基于去雾物理模型和基于图像增强，前者主要有基于暗通道[3]、基于中值滤波、基于均值滤波等算法，都是基于大气模型的方法，需要求得深度信息；基于图像增强的方法，主要有直方图均衡化方法和多尺度Retinex算法[4]。

对于第1帧图像，如图5、6，基于暗通道和多尺度Retinex算法的去干扰效果良好。但是，首先，这两种算法复杂度高，第二是如果图片的干扰过分严重，去干扰效果较差。如果是图7的第142帧图片，该图片的火焰大面积遮挡泡界线，如图8、图9所示，去干扰效果很差。

3 多帧图像最小值滤波算法

3.1 算法描述

由于熔窑内的火焰变化无规律，例如第142帧大面积遮挡泡界线的情况不定时会出现。不过，由于熔窑内火焰的变化速度较快，半秒至数秒内出现火焰遮挡相同位置泡界线的概率很低。又由于火焰的亮度显著高于泡界线附近的图像，因此，提出一种多帧图像最小值滤波算法以减弱火焰干扰。算法描述如下：

（1） 取10帧图像，并分别将10帧图由彩色图转为255级灰度图，0表示黑，255表示白；

（2） 分别对10帧灰度图进行中值滤波；

（3） 初始化一幅大小与这10帧图像相同的新图像，并且新图像所有像素的亮度为黑（0）；

（4） 比较10帧图像每个相同位置的像素亮度，以最小的亮度作为新图像在该位置的亮度；通过遍历比较10帧图像的每个位置像素亮度，对新图像的每个像素点赋值。

3.2 算法实现

3.2.1 10帧图像的選取原则和方法

对算法第（1）条中10帧图像的选取原则如下：第一，10帧图像的间隔时间不能过短，时间过短，火焰遮挡位置可能还未变化，并且时间间隔太短会造成采集速度过快，视频卡处理速度跟不上。第二，间隔时间也不能过长，过长首先会造成泡界线检测判断的时间加长，影响指标指示效果，而且时间过长后也会造成火焰回到相同位置的概率增加。endprint

本文中的视频是每秒25帧，帧间隔40ms，考虑到视频采集速度和芯片处理速度，以及火焰和泡界线的变化速度，实际每隔8帧取1帧图像。所取得的这10帧图像互相间隔0.32秒，总体间隔时间为3.2秒，出现10帧图像的火焰遮挡泡界线相同位置的概率很低。

由于该算法比较的是像素亮度，为减小数据处理量，提高处理速度，将取得的10帧现场彩色图转为256级的灰度图。

3.2.2 中值滤波模版选择

算法第（2）条中，考虑到图像在摄取及传输过程中存在由图像传感器和传输信道引起的小颗粒状干扰，由于是多帧图像最小值算法，为了防止单个暗色颗粒像素对算法造成影响，需对图像进行中值滤波，但滤波的模板不能取太大，模版太大会减弱泡界线的边缘特征，本文采用3×3的中值滤波模板。

3.2.3 多帧最小值取值

图10是第102、110、118、126、134、142、150、158、166、174帧共10帧原始图片经过转为灰度图、3×3的中值滤波、多帧最小值算法后所得到的图片，与图7第142帧单张图片比较，克服了142帧图片泡界线被遮挡的缺陷，被遮挡的泡界线部分可以被较容易观察到，去火焰干扰的效果明显好于图8、图9的基于暗通道和多尺度Retinex的算法，为后续的二值化、霍夫检测泡界线打下了良好的基础。

參考文献：

[1] 吴一全，宋昱，周怀春.基于各向异性数学形态学的火焰图像边缘检测[J].仪器仪表学报，2013，34（8）：1818-1824.

[2] 许宏科，房建武，文常保.基于亮度与火焰区域边缘颜色分布的火焰检测[J].计算机应用研究，2010，27（9）：3582～3584.

[3] Kaiming He，Jian sun，Xiaoou Tang. Single Image Haze Removal Using Dark Channel Prior[J].IEEE Conference on Computer Vision and Pattern Recongnition，2009 ， 33 （12） ：1956-1963

[4] 刘 茜，卢心红，李象霖.基于多尺度Retinex的自适应图像增强方法[J].计算机应用，2009，29（8）：2077-2079endprint