基于局部区域搜索的颗粒最小外接圆与最大内切圆优化算法

颗粒轮廓通常像素点数多、形状复杂,使得现有最小外接圆(minimum circumscribing circle,MCC)和最大内切圆(maximum inscribed circle,MIC)算法常因搜索点选择不当而导致算法无法收敛或者陷入局部最优。针对此问题提出了基于局部区域搜索(partial area search,PAS)的MCC与MIC优化算法。算法采用欧几里得距离变换(Euclidean distance transformation,EDT)获得中心点,根据此中心点划分不同的局部搜索区域,然后在局部区域中分别搜索MCC和MIC所需的候选点,最后通过计算分别得到需要的圆。在MCC计算中详细说明了通过两点直接确定MCC的方式,并在局部区域中优先选择最外围的点作为构建初始圆的依据。通过这种方式,部分颗粒无需迭代即可获得MCC,消除了由于搜索点选择不合适而导致的出错问题,同时减少了后续的迭代计算需求。MIC计算首先在局部区域中搜索候选点,然后利用Voronoi图计算MIC,免去了迭代步骤,提高了计算精度和效率。计算出MCC与MIC后,即可计算出颗粒的不规则度。通过对已有数据集的对比分析和实际颗粒的实验数据,证明了优化算法的稳定性和精确性,并具有较高的计算效率,同时适用于低分辨率的颗粒图像,为颗粒形态的分析提供了一种有效的优化算法。