(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111584832.9 (22)申请日 2021.12.2 2 (71)申请人 云南省地质矿产勘查 开发局中心实 验室 （国土资源部昆明矿产资源监 督检测中心） 地址 650217 云南省昆明市经开区阿拉街 道办事处白水塘 申请人 昆明理工大 学 (72)发明人 黄斌　和丽芳　黄宋魏　罗朝熙　 马关宇　李向益　张淼　冼啸林　 (74)专利代理 机构 昆明隆合知识产权代理事务 所(普通合伙) 53220 代理人 何娇 (51)Int.Cl. G06F 30/20(2020.01)G06K 9/62(2022.01) G06F 119/02(2020.01) (54)发明名称 一种基于改进K-mean s算法的金属矿物光片 图像矿物粒度测量方法 (57)摘要 本发明涉及一种基于改进K ‑means算法的金 属矿物光片图像矿物粒度测量方法， 属于工艺矿 物学技术领域。 本发明包括步骤： 首先将获得的 金属矿物 光片图像进行矿物种类的判别， 并记录 目的矿物的位置； 将获取的矿物种类数量作为K ‑ means算法中的设置K值的依据； 使用K ‑means算 法对图像进行聚类， 让同种矿物呈现单一的颜 色； 利用记录的目的矿物的位置， 将目的矿物所 在位置的颜色单独 分割出来； 对分割出来的矿物 图像进行二值化， 使用Feret  Diameter对目的矿 物嵌布粒度进行精确测量； 本发 明通过计算机图 像处理技术结合高效的 图像聚类算法， 能够准确 快速的代替人工对金属矿物光片下的矿物嵌布 粒度进行测量。 权利要求书1页 说明书4页 附图1页 CN 114239304 A 2022.03.25 CN 114239304 A 1.一种基于改进K ‑means算法的金属矿物光片图像矿物粒度测量方法， 其特征在于， 所 述方法包括： 首先将获得的金属矿物光片图像进行矿物种类的判别， 并记录目的矿物的位置； 将获取的矿物种类数量作为K ‑means算法中的设置K值的依据； 使用K‑means算法对图像进行聚类， 让同种矿物呈现单一的颜色； 利用记录的目的矿物的位置， 将目的矿物所在位置的颜色单独分割出来； 对分割出来的矿物图像进行二值化， 使用Feret  Diameter对目的矿物嵌布粒度进行精 确测量。 2.根据权利要求1所述的基于改进K ‑means算法的金属矿物光片图像矿物粒度测量方 法， 其特征在于： 所述将获得的金属矿物光片图像进行矿物种类的判别的具体方法为通过 金属矿物颜色上的差异判断出光片中的矿物种类数量， 同时记录相应目的矿物的位置 。 3.根据权利要求1所述的基于改进K ‑means算法的金属矿物光片图像矿物粒度测量方 法， 其特征在于： 所述方法的具体步骤如下： Step1、 利用颜色识别金属矿物光片图像中矿物种类， 同时记录目的矿物在图像中的位 置； Step2、 根据Step1所得到的光片图像中矿物种类数量计算K ‑means算法的K值； K值初始 值为1， 由Step1中每识别到一种矿物K值加2， 其中如果是矿物边 缘算一类； Step3、 对聚类中心进行初始化分配， 方法就是将K个聚类中心均匀的分配到图像中； Step4、 将矿物图像进行均值滤波， 用于聚类前图像的预处 理； Step5、 对Step4处 理后的图像使用改进后的K ‑means算法进行聚类； Step6、 利用Step1中记录 的目标矿物位置， 读取该位置 的颜色， 通过颜色分割， 将图像 中该颜色所表示的形状分割出来， 之后对分割后的图像进行二 值化； Step7、 使用Feret  Diameter对二值化后的图像中金属矿物粒度进行测量， 得到金属矿 物光片下 金属矿物嵌布粒度。 4.根据权利要求3所述的基于改进K ‑means算法的金属矿物光片图像矿物粒度测量方 法， 其特征在于： 所述Step5的具体步骤是： Step5.1、 计算每个像素点到聚类中心的距离， 将像素点归类到离其最近的聚类中心， 归类完成后， 形成K个 类； 距离公式如下： 其中， r1， g1， b1分别表示彩色图像中像素点(r1， g1， b1)红绿蓝三通道的向量值， r0， g0， b0 分别表示聚类中心点(r0， g0， b0)红绿蓝三 通道的向量 值； Step5.2、 计算每一个 类中的像素均值， 找到新的聚类中心(cir,cig,cib)； 其中(cir,cig,cib)表示新的聚类中心， cir,cig,cib分别表示新的聚类中心点(cir,cig, cib)红绿蓝三 通道的向量 值， n为样本数， m为颜色通道 r,g,b； i为1,2…n； Step5.3、 重复迭代Step5.1 ‑Step5.2步骤， 直到聚类中心不再变化。 5.根据权利要求3所述的基于改进K ‑means算法的金属矿物光片图像矿物粒度测量方 法， 其特征在于： 所述Step4中， 将矿物图像进行均值滤波， 滤波窗口大小为3 ×3。权　利　要　求　书 1/1 页 2 CN 114239304 A 2一种基于改进K ‑means算法的金属矿物光片图像矿物粒度测 量方法 技术领域 [0001]本发明涉及一种基于改进K ‑means算法的金属矿物光片图像矿物粒度测量方法， 属于工艺矿物学技 术领域。 背景技术 [0002]目前， 在工艺矿物学领域， 对金属矿物光片图像的矿物嵌布粒度的测量， 依然延 续 着人工方法手动进 行测量。 在测量时， 技术人员将偏光显微镜调整到合适倍率的放大倍数， 不断移动和转到金属矿物光片， 直到视野里面嵌布的矿粒方便测 量， 然后通过偏光显微镜 直接读取视野里嵌布矿物的粒度。 虽然这种方法能够直接读取到矿物的嵌布粒度， 但是存 在如下问题： 1、 技术人员工作量和劳动强度大； 2、 测量结果受人为因素影响较大； 3、 测量精 度不高。 [0003]随着计算机图像处理技术的发展， 为了解决上述问题， 提出利用计算机图像处理 技术来代替人工对金属矿物嵌布粒度的测量。 根据金属矿物的颜色特征， 结合图像处理技 术， 能够实现高效的对金属矿物嵌布粒度的测 量。 在对金属矿物颜色特征以及矿物在图像 中的具体形式进 行大量研究， 发现简单的图像分割不能够有效的提取出目的矿物完整的形 状和轮廓。 通过使用K ‑means算法能够将目的矿物在图像中存在差异的颜色聚类为单一的 颜色， 这样能够完整的提取到目的矿物的形状和轮廓。 鉴于K ‑means算法在执行的时候需要 预设K值， 利用颜色识别出矿物种类数量作为参考， 能够使算法发挥最大的优势。 同时为了 提高算法的鲁棒 性， 通过将K ‑means算法的初始聚类中心均匀的分散 到图像中。 [0004]最后将分割到的目的矿物图像， 使用Fer et Diameter对矿物嵌布 粒度进行精确测 量。 发明内容 [0005]本发明提供了一种基于改进K ‑means算法的金属矿物光片图像矿物粒度测量方 法， 以用于克服人工测量显微镜下金属矿物光片中矿物嵌布粒度出现的技术人员工作量 大、 效率低、 测量精度不高等问题。 [0006]本发明的技术方案是： 一种基于改进K ‑means算法的金属矿物光片图像矿物粒度 测量方法， 所述方法包括： [0007]首先将获得的金属矿物光片图像进行矿物种类的判别， 并记录目的矿物的位置； [0008]将获取的矿物种类数量作为K ‑means算法中的设置K值的依据； [0009]使用K‑means算法对图像进行聚类， 让同种矿物呈现单一的颜色； [0010]利用记录的目的矿物的位置， 将目的矿物所在位置的颜色单独分割出来； [0011]对分割出来的矿物图像进行二值化， 使用Fer et Diameter对目的矿物嵌布 粒度进 行精确测量。 [0012]作为本发明的进一步方案， 所述将获得的金属矿物光片图像进行矿物种类的判别说　明　书 1/4 页 3 CN 114239304 A 3