一种具有机器视觉的智能显微熔点仪及熔点测量方法

摘要

一种具有机器视觉的智能显微熔点仪及熔点测量方法，本发明提出一种基于机器视觉的自动熔点仪的测量方法。本发明包含硬件和软件两个部分。硬件部分由光源、光学显微镜、摄像头、加热平台、温度传感器、温控仪、计算机组成。软件部分由输入输出、图像处理和人机界面三大模块组成。根据摄像头实时捕捉的图像，进行灰度转换，差分矩阵生成；在空域与频域中分别提取对比度、角度方向二阶矩、平均值三个特征值；对三个特征值组成的特征向量进行高斯归一化；然后根据聚酯切片初始图像特征向量与当前图像特征向量进行相似度的计算；最后根据相似度曲线找到初熔点及终熔点所对应的温度值。本发明与现有的测量方法相比，提高了测量的重复性和测量效率，使得测量的结果更加准确，操作更加简便。

说明书

技术领域

本发明涉及一种一种具有机器视觉的智能显微熔点仪及熔点测量方法，是一 种基于机器视觉与模式识别技术相结合的全自动熔点仪及熔点测量方法。

背景技术

在医药、化学试剂、香料、印染等行业的科研与生产中经常涉及到有机物熔 点的测量问题。这是因为有机物在使用前或者是生产后，对产品的质量起着至关 重要的作用。根据物理化学的定义，物质的熔点是指该物质由固态变为液态的温 度，在有机化学领域中，对于纯粹的有机化合物，一般都有其特定的熔点，但如 混有杂质则其熔点发生变化。因此熔点测定是辨认物质的基本手段之一，也是纯 度测定的重要方法之一。

目前常用的显微熔点仪采用盖玻片夹持样品，加热台采用了可控硅温度调节 器，实现线性升温；当人眼观察到初熔和终熔现象时，按下按钮捕捉初熔点和终 熔点。这种方法的测量精度在很大程度上依赖于人的经验，有时存在较大的误差。

发明内容

本发明的目的是提出一种基于机器视觉与模式识别相结合的自动熔点仪，以 克服传统方法依赖人工目视检测效率不高，熔点读数不够精确的缺点，同时，为 测量物质的熔点提供一种全新的自动化测量的方法。

为了达到上述目的，本发明的一个技术方案是提供了一种具有机器视觉的智 能显微熔点仪，包括光源、光学显微镜、摄像头、加热平台、温度传感器、温控 仪及计算机，其特征在于：加热平台设于光学显微镜的观测平台上，由温度传感 器对加热平台的温度进行检测，温度传感器连接温控仪，由温控仪根据温度传感 器采集到的信号控制加热平台的加热温度，温控仪连接计算机，在加热平台的上 方及下方分别设有摄像头及光源，由摄像头捕捉通过光学显微镜观察到的图像， 摄像头连接计算机。

本发明还提供了一种采用上述的具有机器视觉的智能显微熔点仪的熔点测 量方法，其特征在于，步骤为：

第一步、将聚酯切片放置在加热平台上，由摄像头捕捉通过光学显微镜观察 到的聚酯切片的初始化图像；

第二步、加热平台加热被测试的聚酯切片，温度传感器将加热温度转换为电 信号，温控仪利用该电信号控制加热平台进行线性升温，计算机通过通讯口实时 读取温控仪的当前温度，由摄像头捕捉通过光学显微镜观察到的聚酯切片的融化 状态图像；

第三步、将初始化图像及融化状态图像分别转变为初始化灰度图像及融化状 态灰度图像，再分别获取初始化灰度图像及融化状态灰度图像的差分矩阵，差分 矩阵表示灰度图像的在任意方向上的灰度变化；

第四步、分别提取初始化灰度图像差分矩阵的及融化状态灰度图像差分矩阵 的三个特征值，分别为对比度C_on、角度方向二阶矩A_sm和平均值M_ean，由三个 特征值组成一组特征向量，则得到一组初始化特征向量及当前融化状态图像所对 应的一组融化状态特征向量；

第五步、以初始化特征向量为基准，对每次捕获到的融化状态图所对应的融 化状态特征向量进行相似度计算，得到一条特征向量的相似度曲线，在相似度曲 线上找到相似度最大值与相邻的极小值位置，其对应的温度值分别为最终熔点温 度值与初始熔点温度值。

优选地，在第三步中将初始化图像及融化状态图像分别转变为初始化灰度图 像及融化状态灰度图像的过程为：以初始化图像及融化状态图像中每个像素点的 3×3邻域为一个纹理元，将初始化图像及融化状态图像转变为灰度图像。

优选地，在第三步中获得差分矩阵的过程为：

设灰度图像在坐标位置(a，b)处的灰度值为I(a，b)， I(a，b)＝{(a，b)|x-1≤a≤x+1，y-1≤b≤y+1}，则I(x，y)在水平方向的灰度变化 为A₁(x，y)，A₁(x，y)＝|I(x-1，y)-I(x+1，y)|；I(x，y)在90°方向的灰度变化为 A₂(x，y)，A₂(x，y)＝|I(x，y-1)-I(x，y+1)|；I(x，y)在45°方向的灰度变化为 A₃(x，y)，A₃(x，y)＝|I(x+1，y-1)-I(x-1，y+1)|；I(x，y)在135°方向的灰度变化 为A₄(x，y)，A₄(x，y)＝|I(x-1，y-1)-I(x+1，y+1)|，则总差分矩阵 A＝(A₁+A₂+A₃+A₄)/4。

优选地，在第四步中提取特征值的方法过程为：

对总差分矩阵A分别在空域中及频域中提取特征值，从而得到一组空域初始 化特征向量、一组频域初始化特征向量、当前融化状态图像所对应的一组空域融 化状态特征向量及当前融化状态图像所对应的一组频域融化状态特征向量；

对总差分矩阵A分别在空域中提取特征值的过程为：进行直方图统计，得差 分直方图A(x，y)，差分直方图A(x，y)的横坐标为灰度差分值，纵坐标为该灰度 差分值在总差分矩阵A中出现的概率，灰度差分值i对应的概率为p(f)，则：

对比度$C_{\mathrm{on}}=\underset{i=0}{\overset{L}{\Sigma }}{i}^2*p\left(i\right);$

角度方向二阶矩$A_{\mathrm{sm}}=\underset{i=0}{\overset{L}{\Sigma }}{p}^2\left(i\right);$

平均值其中，L为差分直方图A(x，y)中横坐标的最大值；

对总差分矩阵A分别在频域中提取特征值的过程为：先对总差分矩阵A进 行傅里叶变换，得到傅氏变换幅度序列F，再对傅氏变换幅度序列F进行直方 图统计，得到差分图频谱直方图F(x，y)，运用与空域提取特征值相同的计算公 式分别计算得到F(x，y)的对比度C_on、角度方向二阶矩A_sm和平均值M_ean。

优选地，在第五步中获取相似度曲线的过程为：

步骤5.1、对一组空域初始化特征向量、一组频域初始化特征向量、当前融 化状态图像所对应的一组空域融化状态特征向量及当前融化状态图像所对应的 一组频域融化状态特征向量分别进行高斯归一化；

步骤5.2、计算当前融化状态图像与初始化图像之间的总体相似度，总体相 似度为同一幅融化状态图像的空域相似距离与频域相似距离之和；

用欧氏距离法计算空域初始化特征向量与当前融化状态图像所对应的空域 融化状态特征向量之间的相似距离，得空域相似距离；用欧氏距离法计算频域初 始化特征向量与当前融化状态图像所对应的频域融化状态特征向量之间的相似 距离，得频域相似距离；

步骤5.3、不断计算和记录实时捕捉到的融化状态图像与初始化图像之间的 总体相似度，从而得到相似度曲线。

基于上述方案，本发明实现了聚酯切片熔点的自动测量，使熔点测量的操作 更加简便，在提高了测量的重复性和测量效率的基础上，提高了测量的准确性。

附图说明

图1为本发明提供的一种具有机器视觉的智能显微熔点仪；

图2为本发明的流程图；

图3为图像分析算法的流程图；

图4为图像中任意像素的3×3邻域图。

具体实施方式

为使本发明更明显易懂，兹以优选实施例，并配合附图作详细说明如下。

如图1所示，本发明提供的一种具有机器视觉的智能显微熔点仪，包括光源 1、光学显微镜2、摄像头3、加热平台4、温度传感器5、温控仪6及计算机7， 加热平台4设于光学显微镜2的观测平台上，由温度传感器5对加热平台4的温 度进行检测，温度传感器5连接温控仪6，由温控仪6根据温度传感器5采集到 的信号控制加热平台4的加热温度，温控仪6连接计算机7，在加热平台4的上 方及下方分别设有摄像头3及光源1，由摄像头3捕捉通过光学显微镜2观察到 的图像，摄像头3连接计算机7。

结合图2及图3，本发明提供的熔点测量方法利用VC++开发软件平台和 OpenCV开放库，其步骤为：

第一步、将聚酯切片放置在加热平台4上，观察通过摄像头3获得的图像， 移动加热平台4，找到图像中纹理最明显的地方，使其位于摄像头3最佳拍摄范 围内，由摄像头3捕捉通过光学显微镜2观察到的聚酯切片的初始化图像

第二步、加热平台4加热被测试的聚酯切片，温度传感器5将加热温度转换 为电信号，温控仪6利用该电信号控制加热平台4进行线性升温，计算机7通过 通讯口实时读取温控仪6的当前温度，由摄像头3捕捉通过光学显微镜2观察到 的聚酯切片的融化状态图像；

第三步、结合图4，以初始化图像及当前的融化状态图像中每个像素点的3 ×3邻域为一个纹理元，将初始化图像及融化状态图像分别转变为灰度图像；

设灰度图像在坐标位置(a，b)处的灰度值为I(a，b)， I(d，b)＝{(a，b)|x-1≤a≤x+1，y-1≤b≤y+1}，则灰度图像I(x，y)在水平方向的 灰度变化为A₁(x，y)，A₁(x，y)＝|I(x-1，y)-I(x+1，y)|(1)；灰度图像I(x，y)在 90°方向的灰度变化为A₂(x，y)，A₂(x，y)＝|I(x，y-1)-I(x，y+1)|(2)；灰度图 像I(x，y)在45°方向的灰度变化为A₃(x，y)， A₃(x，y)＝|I(x+1，y-1)-I(x-1，y+1)|(3)；灰度图像I(x，y)在135°方向的灰度 变化为A₄(x，y)，A₄(x，y)＝|I(x-1，y-1)-I(x+1，y+1)|(4)；

对四个方向的差分矩阵分别提取特征量，即可以得到图像纹理在各个方向上 的特征。但实际应用的某些场合对图像纹理的方向性并不关心，因此可将公式(1) 至公式(4)合并，得到总差分矩阵A＝(A₁+A₂+A₃+A₄)/4；

第四步、对总差分矩阵A分别在空域中及频域中提取特征值，从而得到一组 空域初始化特征向量、一组频域初始化特征向量、当前融化状态图像所对应的一 组空域融化状态特征向量及当前融化状态图像所对应的一组频域融化状态特征 向量；

对总差分矩阵A分别在空域中提取特征值的过程为：进行直方图统计，得差 分直方图A(x，y)，差分直方图A(x，y)的横坐标为灰度差分值，纵坐标为该灰度 差分值在总差分矩阵A中出现的概率，灰度差分值i对应的概率为p(i)， 0＜i＜L。当较小值的灰度差分值i出现概率较大时，说明纹理比较粗糙；反之， 若较大值的灰度差分值i出现概率较大时，说明纹理比较细。采用对比度C_on、 角度方向二阶矩A_sm和平均值M_ean三个参数来描述纹理特征，则：

对比度$C_{\mathrm{on}}=\underset{i=0}{\overset{L}{\Sigma }}{i}^2*p\left(i\right)---\left(5\right);$

角度方向二阶矩$A_{\mathrm{sm}}=\underset{i=0}{\overset{L}{\Sigma }}{p}^2\left(i\right)---\left(6\right);$

平均值$M_{\mathrm{ean}}=\frac{1}{L}\underset{i=0}{\overset{L}{\Sigma }}i*p\left(i\right)---\left(7\right);$

在上述的这些参数中，对于粗纹理，较大值的灰度差分值i出现的概率较小， 因此相应的C_on值较小；相反对于细纹理则相应的C_on值较大；当p(i)数值相差不 大，即纹理分布比较平坦时，A_sm较小。粗纹理的p(i)在零点附近比较集中，因 此其M_ean值比细纹理的要小。

为了增加系统的鲁棒性，对总差分矩阵A在频域中提取特征值，其过程为： 先对总差分矩阵A进行傅里叶变换，得到傅氏变换幅度序列F，再对傅氏变换 幅度序列F进行直方图统计，得到差分图频谱直方图F(x，y)，运用公式(5)至 公式(7)分别计算得到F(x，y)的对比度C_on、角度方向二阶矩A_sm和平均值M_ean。 当较小值的灰度差分值i出现概率较大时，说明低频值比较多，纹理比较粗糙； 反之，若较大值的灰度差分值i出现概率较大时，说明高频值比较多，纹理比较 细。可见，纹理特征与差分图频谱的直方图概率有着密切的关系。

第五步、以初始化特征向量为基准，对每次捕获到的融化状态图所对应的融 化状态特征向量进行相似度计算，得到一条特征向量的相似度曲线，其步骤为：

步骤5.1、对一组空域初始化特征向量、一组频域初始化特征向量、当前融 化状态图像所对应的一组空域融化状态特征向量及当前融化状态图像所对应的 一组频域融化状态特征向量分别进行高斯归一化，高斯归一化的过程为：

将高斯归一化前的特征向量记为[f₁，f₂，f₃]，将高斯归一化后的特征向量记 为[F₁，F₂，F₃]，则：

(1)计算[f₁，f₂，f₃]的平均值m和标准差σ；

(2)行高斯归一化运算：

步骤5.2、计算当前融化状态图像与初始化图像之间的总体相似度，总体相 似度为同一幅融化状态图像的空域相似距离与频域相似距离之和；

用欧氏距离法计算空域初始化特征向量与当前融化状态图像所对应的空域 融化状态特征向量之间的相似距离，得空域相似距离；用欧氏距离法计算频域初 始化特征向量与当前融化状态图像所对应的频域融化状态特征向量之间的相似 距离，得频域相似距离；

设高斯归一化后的空域初始化特征向量或频域初始化特征向量为 [F₁，F₂，F₃]，高斯归一化后的空域融化状态特征向量或频域融化状态特征向量为 [F_x1，F_x2，F_x3]，则空域相似距离或频域相似距离

步骤5.3、不断计算和记录实时捕捉到的融化状态图像与初始化图像之间的 总体相似度，从而得到相似度曲线。

第六步、在相似度曲线上找到相似度最大值与相邻的极小值位置，其对应的 温度值分别为最终熔点温度值与初始熔点温度值。时显示融化过程中变化的温 度，并实时绘制温度曲线；在停止加热后，自动显示初始熔点温度值和最终熔点 温度值。