通过CCD摄像技术，采集中密度纤维板(MDF)铣削过程中切屑流的高清晰图像。利用图像处理的最大类间方差法，确定所采集图像的阈值； 利用该阈值对所采集的图像进行分割，得到切屑流的二值图像； 基于八连通准则，对该二值图像中切屑流的边界进行搜索检测，求得切屑流边界线像素的位置坐标，确定切屑流边界线的位置； 采用最小二乘法直线拟合边界线，确定切屑流的扩散角λ。结果表明：当铣削速度达到60 m·s-1后，其扩散角λ存在明显增大趋势。
The velocities of the chip flow could be as high as 60 m·s－1 during MDF milling process, which made chip flow boundary and diffusion angle very difficult to be estimated. Meanwhile, the efficiency of dust absorbing could also be directly affected by characteristics of chip flow. In this research, clear images of chip flow were taken by CCD cameras from MDF milling process. The thresholds of these images were computed by applying Otsu‘s method. Based on those calculated thresholds, the images obtained from CCD cameras were converted to the binary images. Principle of eightconnectivity was adopted to collect the coordinates of chip flow boundary pixels. The boundary lines of the chip flow in the images could be detected and further traced by linking suitable boundary pixels based on their coordinates. Furthermore, diffusion angles of chip flow were determined when the least square method was applied. The experimental results showed that the diffusion angle of the chip flow dramatically increased when milling velocity was higher than 60 m·s-1. Therefore, image processing method presented in this paper could provide the insightful understandings of characteristics of chip flow. Also this study could help further researches on both of highefficiency dust removal systems and dust collection hood design.
全 文 ：第 !" 卷 第 # 期
$ % # % 年 # 月
林 业 科 学
&’()*+(, &(-.,) &(*(’,)
./01 !"，*/1 #
2345，$ % # %
678铣削过程中切屑流边界及扩散角的视频识别
曹平祥9 周9 波9 郭晓磊9 江9 应
（南京林业大学木材工业学院 9 南京 $#%%:;）
摘 9 要：9 通过 ’’7 摄像技术，采集中密度纤维板（678）铣削过程中切屑流的高清晰图像。利用图像处理的最大
类间方差法，确定所采集图像的阈值；利用该阈值对所采集的图像进行分割，得到切屑流的二值图像；基于八连通
准则，对该二值图像中切屑流的边界进行搜索检测，求得切屑流边界线像素的位置坐标，确定切屑流边界线的位
置；采用最小二乘法直线拟合边界线，确定切屑流的扩散角 !。结果表明：当铣削速度达到 "% <·= > #后，其扩散角
! 存在明显增大趋势。
关键词：9 中密度纤维板；铣削速度；图像处理技术；切屑流；扩散角
中图分类号：+&"?:1 "；+*@##1 ;:9 9 9 文献标识码：,9 9 9 文章编号：#%%# > ;!AA（$%#%）%# > %##$ > %?
收稿日期：$%%@ > %? > ##。
基金项目：国家自然科学基金“木材及木质复合材料高速切削过程中切屑流控制机理的研究”（:%A;#@;@）。
!"#$% &#$’(")"*+("%’ %) (,$ -,". /0%1 2%3’#+45 +’# (,$ 6"))37"%’
8’90$ #34"’9 :6/ :"00"’9 ;4%*$77
’3/ BC4DEC34D9 FG/H I/9 JH/ KC3/0LC9 2C34D MC4D
（!"##$%$ "& ’""( )*+$,*$ -,( .$*/,"#"%0，1-,2+,% 3"4$5640 7,+8$45+609 1-,2+,% $#%%:;）
8<7(4+*(：9 +GL NL0/OCPCL= /Q PGL OGCR Q0/S O/H0T UL 3= GCDG 3= "% <·= > # THVC4D 678
TCVLOP0W 3QQLOPLT UW OG3V3OPLVC=PCO= /Q OGCR Q0/S5 (4 PGC= VL=L3VOG，O0L3V C<3DL= /Q OGCR Q0/S SLVL P3XL4 UW ’’7 O3
C<3DL= O/H0T UL TLPLOPLT 34T QHVPGLV PV3OLT UW 0C4XC4D =HCP3U0L U/H4T3VW RCEL0= U3=LT /4 PGLCV O//VTC43PL=5 8HVPGLVTCQQH=C/4 34D0L= /Q OGCR Q0/S SLVL TLPLV
+GLVLQ/VL，C<3DL RV/OL==C4D
=$5 1%4#7：9 678；
高速紊动的切屑流，其初始速度可达 "% <·= > #。铣
削 678 的切屑流为颗粒群，其颗粒群质量中值直径
为 " ] ; !<，切屑总量的 ?%^以上可以从人的呼吸
道吸入（&3VC $6 -#5，$%%;）。这种微小的粉尘颗粒若
不能完全被气力吸尘装置吸走，极易散发在空气中
形成空气污染，对人体健康产生危害。医学研究表
明（闫跃进等，#@@A），小于 #% !< 粉尘易造成上呼
吸道炎症、肺炎、肺癌及尘肺等疾病。然而，除尘效
果的好坏直接依赖于吸尘罩的设计及安装。吸尘罩
的设计及安装基本原则是吸尘罩结构符合切屑流特
性，但由于对切屑流特性研究较少，对吸尘罩的设计
及风机选用一直停留在经验判断上，未能对其进行
理论指导，除尘效果并不理想（李维礼，#@@:）。铣
削 678 的切屑流为紊动射流（董志勇，$%%?），其扩
散角 ! 为切屑流上下边界线之间的夹角，直接关系
到吸尘罩设计和吸尘效率。目前对铣削 678 切屑
流边界线及扩散角的研究鲜见报道，准确地测出切
屑流边界线及扩散角 ! 是研究木基复合材料切屑
流控制的重要目标之一。
本文采用 ’’7 摄像技术，以图像（I6B 格式）
形式记录 678 铣削时紊动切屑流产生过程。对高
! 第 " 期 曹平祥等：#$% 铣削过程中切屑流边界及扩散角的视频识别
速切屑流图像进行缩小降噪采样、&’( 转灰度图、
二值化处理及图像分割，跟踪、检测和处理切屑流图
像的边界线，得到不同转速下切屑流边界线及扩散
角 ! 的变化情况，为研究高速切屑流紊动运动的边
界线及扩散角 ! 提供了新思路，为进一步研究高效
吸尘及吸尘罩设计提供依据。
"! 高速运动切屑流的数字图像获取
!" !# 试验设计
") ") "! 试验装置 ! 高速铣削试验在国产 #*"+, 型
单立轴铣床上进行。机床经接入变频器改造后，可
以实现主轴转速及进给速度的无极变换。铣削试验
的刀具为硬质合金焊接式整体铣刀。铣刀切削圆直
径为 "-, ..，铣刀孔径为 /, ..，铣刀刀齿宽度为
0, ..，刀齿个数为 0 个，刀齿前角 " 1 0,2，刀齿后
角 # 1 0,2，刀齿楔角 $ 1 3,2。
在铣刀切入工件的正上方，架设 44$ 摄像机，
如图 " 所示。试验时，工件在自动进给装置下，匀速
直线进给，铣刀作高速回转运动。44$ 摄像机（型
号：56748/9, 型）拍摄下切屑流紊动运动的高清
晰数字图像。
") ") 0! 试验材料 ! 中密度纤维板（#$%）工件，规
格为 /,, .. : /,, .. : "0 ..。
") ") 9! 试验方法 ! 在硬质合金焊接铣刀参数不变
的条件下，进行铣削的切屑流试验。铣刀的主轴转
速有 9 种，分别为 + ,,,，/ 0,,，0 /,, ;·.<= > "；进
给速度为 9, .·.<= > "；铣削深度为 9 ..。
图 "! 试验装置示意
%!" $# 高清晰数字图像获取
试验在强光下进行，以保证有足够强及均匀的
光照条件。试验时，调整 44$ 摄像机的方位和高
度，保证摄像机与形成的切屑流垂直及 44$ 摄像机
与切屑流在同一位置上；调节镜头焦距，确保采集
的图像清晰。图片保存为真彩色图像，每幅数字图
像是一个被量化的采集数值的二维矩阵，其每一个
像素由 9 个数值来指定红、绿和蓝颜色分量，可表示
为下式：
!（ "，#，"） $ %；!（ "，#，0） $ &；!（ "，#，9） $ ’。
式中："，# 为整数且 ,&"&(，,&#&)，( 和 ) 分别
表示图像的宽度和高度方向上的像素个数；%，&，’
为（ "，#）处像素颜色的红、绿、蓝颜色分量且 ,& %，
&，’&"。采集到的典型数字图像见图 0，图中分别
为不同铣削转速下的紊动切屑流数字图像。
图 0! 采集到的不同铣削转速下切屑流数字图像
%0! 图像分析及处理
$" !# 图像降噪
由于试验采集到图像的原始分辨率存在一定的
噪点干扰，本文采用降采样过滤的方法进行降噪处
理。降采样是图像处理中的常用操作，目的是在图
像空间上降采样现有像素样本获得平滑的边界，而
且不同的降采样卷积函数对不同频率的图像也有加
强和 削 弱 的 效 果。常 用 的 卷 积 核 心 有 (IK，
’FPDD
进一步消除噪点的同时加强切削流与刀具的边界在
图像上的信号强度。
对采集到的不同铣削转速下切屑流数字图像，
进行缩小降噪处理，如图 9 所示。
$" $# %&’ 转灰度图
D&’( 如今已经基本成为摄影与显示器材的标
准色彩空间（R=HC;DI= *+ ,-@，"--S）。本文使用如下
的矩阵将处于 D&’( 色彩空间的彩色图转化到 4TU
9""
林 业 科 学 !" 卷 #
图 $# 图像降噪
%&’( $# )*+’, -.&/, 0,1234&.-
567 色彩空间中，其中 ! 分量为亮度数值。
"
!
#
$
89 !:; ! 89 $<= " 89 :>8 <
89 ;:; " 89 =:< ; 89 8=; ;
89 8:? $ 89 ::? ; 89 ?<8 <
% @&-,+0
& @&-,+0
’
@&-,+0
。
# # 其中 ABC 像素的每个分量 ( 为：
( @&-,+0 $
( /ABC
:;9 ?;
， ( /0’D & 89 8!8 !<；
( /ABC ) 89 8<<( ):9 8<< ;9 !， ( /0’D * 89 8!8 !<
。
# # 将图 $ 中的降噪图进行灰度处理，如图 ! 所示。
图 !# ABC 转灰度图
%&’( !# B0+E &*+’,
!" #$ 数字图像二值化
把灰度图二值化，转换为二值图像（杨东涛等，
;88?）。由图 ! 可以看出，图像中的切屑流与其背景
有较强的对比，采用阈值对图像进行分割特别有用
（朱志刚，:?>:；刘荣丽等，;88;）。阈值的选取，本
文采用最大类间方差法确定图像的阈值（设为 +），
对原始图像进行二值化，二值化后的图像可以表
示为：
图 <# 二值化后的数字图像
%&’( <# F&’&4+@ &*+’, .G D&-+0E &*+’,
,+（ -，.） $
:，,（ -，.）# +；
8，,（ -，.） / +{ 。
# # 如果像素（ -，.）在切屑流中，则 ,+（ -，.）H :；如
果像素位于背景上，则 ,+（ -，.）H 8。这样就可以把
切屑流与其背景分离，将数字图像划分为互不重叠
的 ; 类区域：切屑流和背景。对图 ! 中的切屑流进
行了二值化，结果见图 <，图像大小为 !8 I !8 像素。
!" %$ 图像边缘检测
图像的边缘检测是一种基于边界的图像分割技
术。; 个具有不同灰度的相邻区域间总是存在着一
定的边界，这个边界是灰度值不连续的结果，也是所
要求解的边界线。边界线把图像分为 $ 个大连通
域。而在二值图像连通域（集）中有 ; 种常用方法：
四连通和八连通（王苑楠，;88?）。首先搜索出二值
图像第 : 列中切屑流与气体交界线上像素的坐标，
然后给定某一搜索方向，采用八连通准则逐一搜索
下一个边界像素的位置坐标来求切屑流界线的位
置，连通准则及搜索算法见图 "。
!::
! 第 " 期 曹平祥等：#$% 铣削过程中切屑流边界及扩散角的视频识别
! ! 对图 & 中的不同铣削转速下切屑流图像边界线
求解结果见图 ’。图 ’ 显示了不同铣削转速条件
下，切屑流边界线均为锯齿形线。
图 (! 连通准则（ )）和搜索算法（*）示意
%+,- (! ./+01+234 56 157780+1)9+0, :49（ )）)0; 9<4 *580;)/= 9/)1+0, )3,5/+9<7（ *）
图 ’! 切屑流图像边界求解
%+,- ’! >572894; 2+198/4 56 1<+2 635? *580;)/=
!" #$ 切屑流扩散角
采用最小二乘法直线拟合切屑流边界线（单明
等，@AAB）。首先对最小二乘法的理论基础、最佳经
验公式 ! C " D #$ 中的 "，# 进行求解。
由图 & 得出切屑流边界线的一组像素点数据
（ $%，!%）（ % C "，@⋯&），设此两坐标值（ $，!）满足线性
关系，且假定像素点误差主要出现在 !% 上，设拟合
直线公式为 ! C ’（ $）C " D #$，当所得边界像素点 !%
值与拟合直线上各估计值 ’（ $%）C " D #$% 之间偏差
的 平 方 和 最 小，即 ( ) $ !% * ’（ $%[ ]） @ )
$ !% *（" + #$%[ ]） @ ’ 7+0- 时，所得拟合公式即
为最佳经验公式。
据此有
!(
!"
) * @$（ !% * " * #$%） ) A，
!(
!#
) * @$（ !% * " * #$%）$% ) A。
解得
" )$$% !%$$% *$!%$$
@
%
（$$%）@ * &$$@%
，
# )$$%$!% * &$ $% !%
（$$%）@ * &$$@%
。
! ! 图 B 为图 ’ 中的切屑流边界进行最小二乘法直
线拟合后的求解图。根据射流扩散角的定义（董志
勇，@AA&）可知，切屑流的扩散角 ! 是指 @ 条边界线
之间的夹角。图 B 通过拟合直线的斜率计算出了扩
散角 ! 的大小。
从图 B 可以看出，切屑流下边界线的位置不受
铣刀铣削转速的影响，即随着转速降低，其位置不发
生变化；而切屑流的上边界线位置与铣刀转速有
关，随着转速降低，切屑流上边界线斜率变小，也就
是扩散角 ! 随着切削速度的降低逐渐减小。这就
说明，在 #$% 铣削过程中所形成切屑流的下边界线
始终与铣刀的切削圆相切，且通过铣刀切入工件的
切入点，而切屑流的上边界线会随着铣刀转速的变
化而发生变化，进而造成切屑流的扩散角 ! 随铣刀
转速降低而减小。其机制在于，当切削层材料在高
速回转的刀具作用下，从静止状态变为高速运动的
切屑流（颗粒群），铣刀转速愈大，切屑流的初始速
度愈大，切屑流中的单个颗粒所受的惯性力愈大，颗
&""
林 业 科 学 !" 卷 #
粒越易远离铣刀的切削圆，表现出切屑流的上边界 线远离铣刀切削圆，切屑流扩散角愈大。
图 $# 切屑流图像序列扩散角求解
%&’( $# )*+,-./0 ,&1.-2/ *3 14&, 35*6 0&33-7&*8 98’5/
:# 讨论
# # 切屑流边界线的求解采用了 )); 摄像技术和
数字图像处理技术，所以误差主要产生于图像的采
集和处理 < 个环节中。
每一种摄像物镜都有自己特定的景深，所以采
集到的数字图像会受到像平面前后的切屑流影响，
加上高速切屑流为气固两相（车得福等，<==>），且
边界为锯齿线，在切屑流边缘处界限不清晰，会造成
采集图像的色彩、深度不均匀，形成图像的光学噪
声；而源自电路的噪声也会影响所采集图像的质
量。这些会对切屑流边界线求解结果间接产
生影响。
数字图像处理过程中，对切屑流边界线影响最
大的就是图像二值化过程中阈值的选取，它将直接
影响到结果的精度。
为减小数字图像采集过程中的误差，应该尝试
采用激光片光源结合 )); 摄像采集高速紊动切屑
流运动的瞬时图像；而在数字图像处理过程中，应
进行大量的数字试验，来寻求能够有效分割切屑流
与气体背景两相流图像的更为合理的阈值，以提高
切屑流边界线及扩散角的精度。
!# 结论
# # ?）本文提出采用 )); 摄像技术及图像处理技
术求解铣削 @;% 切屑流边界线的方法，将 )); 拍
摄的高速紊动切屑流运动的数字图像，进行图像分
割对切屑流与气体交界面进行边缘检测，求得切屑
流边界位置，为进一步研究切屑流控制奠定了一定
基础。
<）本文提出采用最小二乘法直线拟合切屑流
边界线的方法，求解强紊动切屑流扩散角 !，是一种
有效的研究手段，且计算误差小，为判定切屑流扩散
角提供了新思路。
:）试验结果表明当铣削速度发生变化（+·7 B ?）时，其切屑流上边界线位置及扩散角会发
生变化，且随着铣削降低，其扩散角 ! 减小。
参 考 文 献
车得福，李会雄 ( <==>C 多相流及其应用 ( 西安：西安交通大学出版
社，?< B D<(
董志勇 ( <==DC 射流力学 ( 北京：科学出版社，?D B <:(
李维礼 ( ?EE:C 木材工业气力输送及厂内运输机械 (北京：中国林业
出版社，<:D B 刘荣丽，戴光清，陈 # 刚 ( <==
大学物理实验，王苑楠 ( <==EC 图像边缘检测方法的比较和研究 ( 计算机与数字工
程，:>（?）：?(
闫跃进，刘建超 ( ?EE$C 呼吸性粉尘监测技术与防治方法 ( 武汉：中
国地质大学出版社，?: B 杨东涛，黄杰贤 ( <==EC 基于图像二值化和特征的车牌定位 ( 广西轻
工业，
朱志刚 ( ?E$?C 数字图像处理 ( 北京：电子工业出版社，? B F80/27*8 @，@*..9 G，)4980297/H92 I，!" #$( ?EE>C J2*,*795 3*2 9
7.980920 0/39-5. 1*5*2 7,91/ 3*2 .4/ K8./28/.L7GMN( J2*1//0&8’7 *3
.4/ )*5*2 K+9’&8’ )*83/2/81/： )*5*2 I1&/81/， IO7./+7 980
F,,5&19.&*87，<:$ B I92& G，J97& P， K2+9 Q， !" #$( <==>C @*0/55&8’ *3 9&2R*28/ 0-7.
/+&77&*87 &8 )S) @;% +&55&8’( P*5T G*4LQ/2H7.*33，"D（D）：::D B
:!?(
（责任编辑 # 石红青）
"??