爆堆矿岩块度分布的计算机图像自动处理系统

ＳｅｒｉｅｓＮｏ．４４４

金属矿山

总第４４４期Ｊｕｎｅ

２０１３ＭＥＴＡＬＭＩＮＥ

２０１３年第６期

采矿工程

爆堆矿岩块度分布的计算机图像自动处理系统

璩世杰刘际飞许文耀

（北京科技大学土木与环境工程学院）

摘要对建立的计算机矿岩块度图像自动识别处理系统，引入了“双阈值亮点膨胀递减循环处理”技术进行图像二值化处理，在二值化技术的基础上对爆堆图像进行两次平滑去噪，运用拉普拉斯算子边缘检测法提取岩块

边界。配合单一型链结区域增长法创造性地提出最小距分割法运用于区域分割。采用Ｒ一尺函数对该处理结果进

行了双对数回归分析，得到了爆堆矿岩块度分布结果。测试结果表明，系统具有较高的测试精度，误差一般不大于１０％，能够满足实际应用要求，是一种具有很好发展前景的测试方法。

关键词

图像分析块度分布爆破爆堆岩块

ＣｏｍｐｕｔｅｒＩｍａｇｅＡｕｔｏｍａｔｉｃＰｒｏｃｅｓｓｉｎｇＳｙｓｔｅｍｆｏｒＦｒａｇｍｅｎｔａｔｉｏｎ

ＤｉｓｔｒｉｂｕｔｉｏｎｏｆＢｌａｓｔｉｎｇＬｕｍｐｓａｎｄＲｏｃｋｓ

ＱｕＳｈｉｊｉｅ

ＬｉｕＪｉｆｅｉ

ＸｕＷｅｎｙａｏ

（Ｓｃｈｏｏｌｏｆ

ＣｉｖｉｌａｎｄＥｎｖｉｒｏｎｍｅｎｔａｌ

Ｅｎｇｉｎｅｅｒｉｎｇ，＆咖昭Ｕｎ溉ｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ）

Ａｂｓｔｒａｃｔ

Ｔｈｅｔｅｃｈｎｏｌｏｇｙｏｆ“ｄｕａｌｔｈｒｅｓｈｏｌｄｐｏｉｎｔｅｘｐａｎｓｉｏｎａｎｄｓｕｃｃｅｓｓｉｖｅｄｅｃｒｅａｓｅｃｉｒｃｕｌａｔｉｏｎｐｒｏｃｅｓｓｉｎｇ”ｉｓｉｎｔｒｏ－

ｄｕｃｅｄｉｎｔｏｔｈｅｃｏｍｐｕｔｅｒｉｍａｇｅａｕｔｏｍａｔｉｃｐｒｏｃｅｓｓｉｎｇｓｙｓｔｅｍｆｏｒｆｒａｇｍｅｎｔａｔｉｏｎｄｉｓｔｒｉｂｕｔｉｏｎｏｆｂｌａｓｔｉｎｇｌｕｍｐｓａｎｄｒｏｃｋｓｔｏ

ｍａｋｅｔｈｅｉｍａｇｅｇｂｉｎａｒｙｐｒｏｃｅｓｓｉｎｇ．Ｂａｓｅｄ

ｏｎ

ｔｈｅｔｅｃｈｎｉｑｕｅｓｏｆｂｉｎａｒｙ，ｔｗｉｃｅｄｅｎｏｉｓｉｎｇｓｍｏｏｔｈｏｆｂｌａｓｔｉｎｇｌｕｍｐｓｉｍａｇｅｓ

ａｒｅ

ｍａｄｅ，ａｎｄｔｈｅＬａｐｌａｃｅ

ｏｐｅｒａｔｏｒ

ｅｄｇｅｄｅｔｅｃｔｉｏｎｉｓｕｓｅｄｔｏｄｅｔｅｒｍｉｎｅｔｈｅｒｏｃｋｂｏｕｎｄａｒｙ．Ｃｏｏｐｅｒａｔｉｎｇｗｉｔｈｔｈｅｒｅｇｉｏｎａｌｇｒｏｗｔｈ

ｍｅｔｈｏｄｏｆｍｏｎｏｔｏｎｏｕｓｌｉｎｋｓ，ｔｈｅｌｅａｓｔｄｉｓｔａｎｃｅｓｅｇｍｅｎｔａｔｉｏｎｍｅｔｈｏｄｉｎｔｏｒｅｇｉｏｎａｌｓｅｇｍｅｎｔａｔｉｏｎｉｓｃｒｅａｔｉｖｅｌｙｐｒｏｐｏｓｅｄ．Ｔｈｅｄｏｕｂｌｅｌｏｇｉｓｔｉｃｒｅｇｒｅｓｓｉｏｎａｎａｌｙｓｉｓ

ｏｎ

ｔｈｅｐｒｏｃｅｓｓｉｎｇｒｅｓｕｌｔｓｉｓｃａｒｒｉｅｄ

ｏｕｔ

ｂｙｕｓｉｎｇＲ—Ｒｆｕｎｃｔｉｏｎ，ａｃｑｕｉｒｉｎｇｔｈｅｄｉｓｔｒｉｂｕｔｉｏｎ

ｒｅｓｕｌｔｓｏｆｂｌａｓｔｉｎｇｌｕｍｐｓａｎｄｒｏｃｋｓ．Ｔｅｓｔｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｓｙｓｔｅｍｈａｓａ

ｈｉｇｈｐｒｅｃｉｓｉｏｎｏｆｍｅａｓｕｒｅｍｅｎｔｗｉｔｈｔｈｅ

ｅｒｒｏｒ

ｏｆ

ｕｓｕａｌｌｙ

ｎｏ

ｍｏｒｅ

ｔｈａｎ１０％，ｗｈｉｃｈＣａｎｍｅｅｔｔｈｅｒｅｑｕｉｒｅｍｅｎｔｓｏｆｐｒａｃｔｉｃａｌａｐｐｌｉｃａｔｉｏｎ，Ａｌｓｏ，Ｔｈｉｓｔｅｓｔｍｅｔｈｏｄｈａｓ

ａ

ｖｅｒｙ

ｇｏｏｄ

ｄｅｖｅｌｏｐｍｅｎｔｐｒｏｓｐｅｃｔ．

Ｋｅｙｗｏｒｄｓ

Ｉｍａｇｅａｎａｌｙｓｉｓ，Ｆｒａｇｍｅｎｔａｔｉｏｎｄｉｓｔｒｉｂｕｔｉｏｎ，Ｂｌａｓｔｉｎｇ，Ｂｌａｓｔｉｎｇｌｕｍｐｓ，Ｒｏｃｋ

图像分析法是近年来逐步发展起来的一种测定结果表明，这两种方法对块度测定精度的提高和生矿岩块度的新方法，其优点在于能够综合反映整个产成本的降低有较为明显的作用。

爆堆矿岩的块度分布，同时工作量小，劳动强度低，１

图像分析软件基本原理

较为简便、易行。近年来随着数字图像处理技术的图片分析法是通过计算机技术对获取的爆堆岩

发展，图像测量技术被广泛应用于各个领域¨圳。但块照片进行二维分析，通过软件对数字化图像进行用于对爆堆岩块尺寸的测量仍较少，还没有一种公增强和分割，得出爆堆表面岩块的一维或二维尺寸。认的方法，其主要原因之一是爆堆岩块堆积的复杂图像分析系统主要包括下面３个方面的问题：

性和不规则性使图像处理极其困难。利用单图片摄（１）图像数字化。即将图像从连续形式变化为影测量方法和计算机图像处理技术，对图像的分割离散形式。采用Ｍ

Ｘ

Ｎ的点阵取样方法，并将各离

与合并进行更为深人的研究，提出双阈值亮点膨胀散点的灰度级量化成２６个层次，Ｍ×Ｎ×ｂ称为一幅

递减循环处理技术与最小距分割法两个概念，分别图像的总比特，它是由图像存储器的容量决定的。

对系统中的图像二值化和区域分割两个重要步骤进行研究，建立了适用性强且处理效率高的爆破岩块璩世杰（１９５６一），教授，博士研究生导师，１０００８３北京市海淀区学院分布模型，开发了矿岩块度自动测定软件包。实践

路３０号。

总第４４４期

金

鬣

（２）图像增强。图像的“增强”技术又可称为“形象恢复”，包括修整灰度、去模糊、平滑和消除噪音以及校正几何失真等方法。

（３）图像的分割和描述。图像分割即是将图像中某些有意义的特征部分，用某种方法调取出来，以便进行分析。图像描述即是对从图像中分割出来的这一特定部分，按照一定的要求进行几何分析或分

类。

图像分析的基本过程如图１所示。

图１图像分析基本过程

２图像处理过程分析

２．１爆堆块度图像获取

由于对爆堆表面全部矿岩块度进行测定既没必

要也不可能，因此对爆堆的拍摄实际上是一种抽样的方式。诺林认为照片所覆盖爆堆表面的面积达到爆堆总面积的１５％时足以保证其代表性¨１。在拍照前对爆堆进行条带划分，在保证拍照面积不小于１５％前提下对条带进行拍照。在拍照的条带上水平

放置一个固定长度为２ｍ的标尺，利用地形条件和

变焦性能使拍照角度应尽量垂直于爆堆表面。研究表明，远距变焦时间小投影比例偏差和遮挡偏差的一个有效方法∞１能够保证图像中各个部分的投影比例保持基本一致。

２．２爆堆块度图像处理

为满足复杂图形的分析，软件提供了强大的图像处理功能，能够实现图像显示、存储与打印、图像变换、图像增强、边缘检测、图像二值化、图像运算、几何特征计算等各种操作。

２．２．１

图像平滑与去噪处理

由于照明光的不均匀、照片的非线性放大以及

散斑噪音和图像输入系统的传感器噪音等都会对图像的准确性带来干扰，因此图像的平滑去噪处理就尤为关键。主要采用了如下两种平滑去噪算法：（１）移动平均法。从方差为Ａ２的分布独立得到几个取样平均值的方差就是Ａ２／ｎ。因此把输入图像

砖山

２０１３年第６期

中的点（ｉ√）的领域平均灰度确定为输出图像的点（ｉ，Ｊ）的值，可以降低由于图像中的噪音而引起的灰度偏差。从另一个角度看，这一操作可以说是利用所有元素都是１／ｎ２的加权矩阵进行空间滤波。用这种方法，如果把求灰度平均值的领域取得太大，或是反复进行若干次操作，则会使图像模糊，图像质量也就会随之降低。

（２）有选择的局部平均化。在移动平均法中，

不管局部区域中是否存在边缘，都可以求出平均灰度使其边缘模糊。有选择的局部平均化则是把像素周边不包含边缘的部分区域的灰度值近似地定义为该像素的输出灰度，这样既消除了噪音并能使边缘不模糊。这种方法的算子很多，如图２，其中一个算子分别计算图２中几个局部区域内灰度的方差，点（戈，Ｙ）上的输出灰度用其中方差最小区域的平均灰度值代替，这样在保持边缘平滑和去噪的同时，还可以起到锐化边缘的效果。

图２局部平均化算子图

２．２．２图像对比度增强

增强图像对比度必须先求出整个图像的灰度直方图，再研究输入图像的图像质量。图３表示，在图像灰度允许的整个范围［ｚ。，邑］内只有其中一部分有灰度分布。为增强图像对比度，把各像素所具有的灰度值Ｚ（口≤Ｚ≤ｂ）按照下式换成的灰度等级

变换。

ｚ，：竺毕（ｚ一口）＋ｚ．．

７

７

灰度

图３对比度较差的直方图

２．２．３图像二值化处理

为了分析图像特征，常常从图像中分离出对象物，从而把二值图像和背景作为分离的二值图像对

璩世杰等：爆堆矿岩块度分布的计算机图像自动处理系统

２０１３年第６期

待。图像二值化可根据下列的阈值处理来进行：

枷）＿～１，ｆ（…ｉ，ｊ，㈠

通常，用最后二值图像Ｚ（ｉ√）中的值为１的部分表示对象图形，值为０的部分表示背景。

对爆堆照片图像，各个岩块边界的灰度值往往具有较大的差异。借助于计算机图像分析处理系统对黑白二值化图像进行计算和精确分析的能力，并且利用图像差异的这个特征，来判定岩块边界是可

行的，但是结果误差往往很大。为增强图像对比度，

本系统引入了“双阈值亮点膨胀递减循环处理”方法，灰度非线性变化曲线如图４所示，其基本原理与具体步骤为ｏＭＪ：

（１）根据图像中岩块的灰度给定一个较高灰度阈值Ｇ，，并检测出图中的“亮点”。

（２）检测该点所属岩块的边界像素的灰度值（低灰度阈值Ｇ：），并以之作为之后运算中“膨胀处理”继续与否的判据。如果该“亮点”相邻点像素的灰度值Ｇ高于Ｇ：，则令Ｇ＝Ｇ。，即判断该像素位于岩块边界范围内（此时“亮点”的面积增大，即“膨胀”），之后继续对邻近的像素进行灰度比较和判定；反之，如Ｇ≤Ｇ：，令Ｇ＝Ｇ：，即判定该像素处于岩

块边界上。

（３）递减灰度阈值Ｇ，和Ｇ：，循环进行上述步骤，除超出计算机识别能力的“阴影”外，整幅图像中全部变为岩块内部为白色，边界外为黑的黑白二值化图像。

魁≤糕

原灰度

图４非线性灰度变化曲线

２．２．４图像边缘自动检出

在图像中由灰度的不连续性和间断性来反映岩块的边缘。一般情况下，提取图像中边缘的方法是检测图片中某点邻域内灰度的变化，利用其邻近一阶或二阶方向倒数变化的趋势，检测岩块边缘。软件中采用微分算子类的拉普拉斯算子：

ｖ

２厂：掣＋犁．

“

ａ‘戈

ａ‘，，

拉普拉斯算子是不依赖于方向的二次微分算子，数字图像的拉普拉斯算子被定义为

Ｖ了Ｉ戈，Ｙ）＝Ｖｌ≮ｉ√）＋Ｖ０＾（ｉ，Ｊ）＝以ｉ＋１），歹）＋

八ｉ一１√）＋八ｉ，Ｊ＋１）＋八ｉ，Ｊ一１）一４厂（ｉ，Ｊ）．如果把它作为加权矩阵来表示，就成为图５的情况，用它进行空间滤波的话，就可以求出图像的拉普拉斯算子。拉普拉斯算子中，边缘的下端和上端分别产生正和负的尖峰。为此，为了求出边缘位置，可以寻找在正负２个尖峰的中间拉普拉斯算子为０

的位置。

０

ｌ

Ｏ

ｌ

—ｄ

ｌ

０１０

图５拉普拉斯算子

Ｖ狄髫，Ｙ）在（ｉ，Ｊ）处发生零交叉，则（ｉ√）为阶

型边缘点。

２．２。５图像区域分割

为了更好地对图像进行识别，需要对图像进行分割操作。这里采用单一型链结的区域增长法。

区域增长法认为由于属于同一类的像素都具有一些满足相似性准则的性质，所以这些像素可以归为一类。对各个像素定义一些性质集合，这些集合就是该像素的特征向量

ｒ

１

Ｔ

ｐ（ｉ，，）＝ｌＰ。（ｉ，歹），Ｐ：（ｉ，，），…，Ｐ。（ｉ，，）Ｉ，

Ｐ。，Ｐ：，…，Ｐ。都是与（ｉ，Ｊ）有关的性质，如梯度幅值、灰度级、是否为边缘点等。

所谓单一型链结是指Ｐ。、Ｐ：等等性质只与单一像素（ｉ，歹）相关，而与其他像素无关，即Ｐ。（ｉＪ），Ｐ：（ｉ，Ｊ），…，Ｐ。（ｉ，，）只依赖于ｉ，，。

通常这一方法只能利用像素位置信息和像素本

身的灰度信息，因而对噪音的影响反应较大。为了修正此方法的“大化”误差，本系统引进了最小距分割法，其主要步骤如下：①给岩块编号；②求出一岩块的边界及边界坐标；③求出该边界上相隔一定距离的任意２点的最小距离；④如果该距离小于某一给定值，就判定这个岩块再存在最小距离的位置有一边界线，否则进行第二步；⑤重复回到第一步，直到每个岩块的最小距离都不小于某一给定值为止。

．气

总第４４４期金属矿

山

２０１３年第６期

３矿岩块度定量描述方法

根据实验检验和理论分析的结果，岩块随机弦长、最大弦长和投影面积与岩块的体积呈较好的线性相关性，所以这三方面因素是客观反映岩体块度的几何特征参量一１。

对于岩块集合体，随着抽样次数的增加，岩块体积与３个参量之间的线性关系也会越来越趋近一常数，因此，从统计意义上看，可以用岩块的投影尺寸作为判定块度的几何特征参量。

运用计算机图象处理技术对矿岩进行块度测量，首先要识别图像中岩块的边缘，其次再对这个图形的一维（如随机截距或最大弦长）或二维特征参

量（即投影面积）进行测量，而不能直接获得岩块质

ａ）原Ｈ像

量或体积的结果。

中国矿业大学得出的岩块体积块度分布与岩块

投影面积块度分布之间的关系见文献［６，８］。马鞍山矿山研究院院通过实验研究得出，采用平均换算系数法可基本准确地由图像分析块度数据得到矿岩的体积块度分布，并以Ｒ—Ｒ函数描述块度分布，见文献［１０］。

（ｂ）计算机处理图像

图６原图像与计算机处理结果表１块度图像处理结果汇总

４系统性能测试

鉴于计算机可对黑白二值图像进行十分精确的统计与分析，采用计算机图像处理分析技术进行图像处理，其结果的精度仅取决于岩块边界自动识别的精确程度…Ｊ。原始照片图像与计算机处理后的黑白二值图对比如图６所示，对一个爆堆的２９张图片进行岩块边界自动识别分析处理，所得结果与人工处理的相对误差在５％～１０％之间，具有较高的准确性和可靠性，能够满足对爆破块度测量工作的各种基本要求。

对一爆堆采集和分析处理的图像共有２９幅，对这些爆破的岩块尺寸图像处理结果进行综合处理，将所得块度数据汇总并用Ｒ一尺函数进行回归分析，结果见表１和图７。尺一Ｒ函数回归结果：对ｙｌ，相关系数为０．９７８２，剩余标准差为０．８４３１，块度分布特征值为２３０．８，块度均匀指数为１．９５，筛下累计率

为５０％时块度尺寸为１４３．４ｍｍ；对ｙｓ，相关系数为

０．９７８

注：ｙ。为按最大弦长筛下累计率，ｙｓ为按投影面积筛下累积。

２，剩余标准差为０．８４３１，块度分布特征值为

岩块尺寸／ｅｒａ

２３０．８，块度均匀指数为２．０９，筛下累计率为５０％时块度尺寸为１９３．６

ｍｍ。

图７矿岩块度置一只分布

（下转第３７页）

邱俊刚等：焦家金矿破碎岩体岩石力学分级稳定性研究由分级结果可以看出如下情况：

（１）按岩性分级，焦家矿区黄铁绢英岩化变辉长岩质碎裂岩的稳定性相对较差，Ｑ系统、ＲＭＲ分类和ＢＱ分级方法分别定义为Ⅳ、Ⅳ、Ｖ级；钾化硅化花岗岩、煌斑岩稳定性较差，３类方法均分为第Ⅳ级；黄铁绢英岩化花岗岩稳定性相对较好，从３类方法均分为第Ⅲ级。

（２）按区域分级，焦家矿区一１９０ＩＴＩ中段至

一３３０

２０１３年第６期

顶板的区段可稳定数日，但偶会掉落岩块，如不及时处理采空区或进行支护，可能由于岩块滑落引起小塌方；以黄铁绢英岩化变辉长岩质碎裂岩为顶板的区段基本无自稳能力，需要及时进行支护处理，回采

结束应及时回填空区。

（３）结合不同岩石稳定性分级进行不同区域的采矿方法应用，在极不稳定的区域采用下向人工假底进路充填法回采，在较不稳定或稳定性一般的区域采用常规规格（３

格（４．５

ｉｎ×３．５

ｍ×３

ｍ中段７５—１０３勘探线，除６１０９８采场、８１１００ｍ）的上向水平进路充填

采场外，其他区段岩体稳定性多为Ⅳ级，岩体较破碎，稳定性差；１０３～１２９勘探线，由于岩体破碎，取得的样品中包含很多裂隙，没有成功取得试验用试件，缺乏室内岩石力学参数，参考以前资料分为Ｖ级外，其他基本都分为Ⅲ级，岩体稳定性情况一般。

法回采，在稳定性相对较好的区域采用扩大进路规

ｍ）的上向水平进路充填法回采，相

对可以确保矿山安全高效回采。

参考文献

［１］王渭明，李先炜．裂隙岩体优势结构面产状反演［Ｊ］．岩石力

学与工程学报，２００４（１１）：１８３２—１８３５．

［２］夏才初，孙宗颀．工程岩体节理力学［Ｍ］．上海：同济大学出

版社，２００２．

［３］丁铭，袁海平，张贤平．某矿体节理调查与统计分析［Ｊ］．铜

业工程，２００８（２）：１５—１７．

［４］刘刚，赵坚，宋宏伟，等．断续节理方位对巷道稳定性的

影响［Ｊ］．煤炭学报，２００８，３３（８）：８６０－８６５．

４结论

（１）焦家金矿焦家矿区主矿体沿走向从南至北矿岩体趋差，即南部矿体稳定性较好，北部矿体稳定性较差；由上至下矿岩体有趋好现象，即一２７０ｍ中段好于上部２个中段，但不是非常显著，整体稳定性呈现不均匀分布。

（２）焦家矿区采场进路跨度３—３．５ｍ的情况下，以黄铁绢英岩化花岗岩为顶板的地段可基本保持稳定；以黄铁绢英岩、煌斑岩和钾化硅化花岗岩为（上接第４页）

５

（收稿日期２０１３－０３－０３）

［３］于国防，邹士威，秦聪．图像灰度信息在煤矸石自动分选中的应用研究［Ｊ］．工矿自动化，２０１２（２）：３６－３９．

结论

（１）基于矿岩图像中岩块灰度分布本质特征，

［４］郭强，车爱兰，黄醒春，等．用摄影测量方法研究岩体破碎

区域分布规律［Ｊ］．地下空间与工程学报，２０１２（２）：３１８－３２２．［５］傅洪贤，张幼蒂．用图像处理技术建立爆破粒度控制模型

［Ｊ］．金属矿山，２０００（１１）：１７—１９．

［６］璩世杰．矿岩块度图象分析法研究述评［Ｊ］．金属矿山，１９９５

（１１）：１０—１３．

采用双阈值亮点膨胀递减循环处理技术，实现了高效的计算机自动识别岩块边界功能。

（２）采用最小距分割法，此方法是自动分割的核心，显著增强了自动分割的能力和适用性，同时也显著提高了系统的精度和速度。

（３）以岩块投影的最大弦长和投影面积表征岩

［７］璩世杰，张厚科，许文耀．矿岩块度计算机图象分析技术的研究与应用［Ｊ］．金属矿山，１９９９（１）：７－１０．

［８］宋克英，刑占利，谢君琦，等．图像处理技术在矿岩块度统计

中的应用［Ｊ］．矿业快报，２００６（１）：２６－２８．

［９］

ＪｕｓｔＧＤ．Ｔｈｅａｐｐｌｉｃａｔｉｏｎｏｆｓｉｚｅｄｉｓｔｒｉｂｕｔｉｏｎｅｑｕａｔｉｏｎｓ

ｂｒｅａｋａｇｅｂｙ

ｔｏ

块尺寸的大小，并在合理的块度级别划分基础上，采用Ｒ一尺函数作为综合描述爆堆岩块块度的方法。

参考文献

［１］

董建军，邵龙潭，刘永禄，等．基于图像测量方法的非饱和压实土三轴试样变形测量［Ｊ］．岩土力学，２００８（６）：１６１８．１６２２．［２］

杨

民，王卫星．基于图像技术的岩体结构面间距测量［Ｊ］．

［１１］

ｒｏｃｋ

ｅｘｐｌｏｓｉｖｅｓ［Ｊ］．ＲｏｃｋＭｅｃｈａｎｉｃｓ，１９７３（５）：１５１—１６２．

［１０］璩世杰，于亚伦．平面照相法测定爆堆矿岩块度的原理及可靠性分析［Ｊ］．爆破，１９９１（４）：５２－５５．

陈益蔚．露天爆破块度测量与描述的试验结果［Ｊ］．金属矿山，１９８５（１１）：１５－２０．

计算机应用，２０１０（Ｓ１）：１４６—１４７．

（收稿日期２０１３．０４旬２）