Typicaldrop images obtained using t

Typical
drop images obtained using this technique are shown in Fig. 3.
We used fixed thresholding to convert the gray-scale raw images to
binary images, leading to the detection of the drop boundaries. Since
only the images of drops within a short distance from the focal plane
were captured, the drop images were sharp and fixed thresholding
was sufficient to accurately detect the drop boundaries. Fig. 4 shows a
representative raw image (Fig. 4a), the corresponding processed
image after fixed thresholding (Fig. 4b), and the gray level histogram
plot of the raw drop image (Fig. 4c). As can be seen in Fig. 4c, the gray
level intensity histogram plots of raw images showed a distinct peak
that corresponds to a steep gradient in gray level intensity at the drop
boundary. Such a distinct peak indicates that a fixed threshold value
can be selected for accurate processing of raw drop images to detect
drop boundaries. The suitability of the selected threshold value
(which is 235 for the gray level intensity range of 0–black to 255–
white) was verified in three ways: (i) through experiments with the
spherical ball lenses that are discussed later in this section, (ii) through
comparing the detected and visual boundaries of water drops, and (iii)
through a sensitivity analysis for the axis ratio measurements with the
selected threshold value. The experiments with the spherical lenses
showed that the measured diameter values of the lenses were almost
identical to the actual diameter values. Similarly, the experiments
with water drops showed that the detected and visual boundaries of
water drops were almost identical. These visual verifications for the
drop boundaries were conducted by superimposing the raw drop images
and the detected drop boundaries. The sensitivity analysis with different
threshold values that are ±10 gray level intensities around the
selected threshold value of 235 showed that measured axis ratio values
vary only up to 6% from those that are obtained using the selected
threshold value. Consequently, it was concluded that the selected
fixed threshold value is suitable to extract accurate drop shape information.
Note that the setup including the camera and background light
remained unaltered for the entire experiments, ensuring consistency
for the image processing purposes. The conversion to binary images
was followed by an analysis to extract the necessary drop information
on the shape characteristics and the fall velocity. Drop fall velocities
were calculated by the displacement of the drop's centroid between
two consecutive frames. For non-equilibrium shaped drops, the centroid
location obtained from the captured drop images may shift,
resulting in fall velocity calculation errors. The fall velocity of a given
drop was calculated multiple times using the sequential high-speed
images as the drop passes through the short vertical distance within
the camera view frame. The differences between the calculated fall velocities
for a given drop at consecutive instances were insignificant
(with standard deviation values less than 0.5%, 0.9%, and 3.2% of the respective
terminal velocities for 2.6 mm, 3.7 mm, and 5.1 mm drops at a
given station). This indicates that fall velocity calculation errors were
unimportant. Furthermore, the calculated fall velocity values for a
given drop at consecutive instances were averaged to minimize these
errors.

ผลลัพธ์ (ไทย) 1:

โดยทั่วไปฝากภาพได้ใช้เทคนิคนี้แสดงในรูปที่ 3เราใช้ถาวร thresholding เพื่อแปลงภาพดิบสีเทาขนาดไปรูปภาพไบนารี การนำไปตรวจหารอยหล่น ตั้งแต่เฉพาะภาพหยดภายในอยู่ห่างจากระนาบโฟกัสถูกจับ ภาพหล่นได้คมชัด และถาวร thresholdingไม่เพียงพอที่จะถูกตรวจหาขอบเขตวาง รูปที่ 4 แสดงการสอดคล้องกันการประมวลผลภาพดิบแทน (รูปที่ 4a),ภาพหลัง thresholding ถาวร (รูปที่ 4b), และกราฟระดับสีเทาพล็อตของภาพดิบหล่น (รูป 4c) ได้มาในรูป 4c สีเทาความเข้มระดับฮิสโตแกรมแปลงภาพ raw พบสูงสุดแตกต่างกันที่สอดคล้องกับการไล่ระดับสีสูงชันความเข้มระดับสีเทาที่วางขอบเขต สูงสุดแตกต่างดังกล่าวบ่งชี้ว่า ค่าเกณฑ์คงคุณสามารถเลือกสำหรับการประมวลผลที่ถูกต้องของภาพดิบหล่นเพื่อตรวจหาวางขอบเขต ความเหมาะสมของค่าเกณฑ์การเลือก(ซึ่งเป็น 235 สำหรับช่วงความเข้มระดับสีเทาดำ 0 ถึง 255 –รับการตรวจสอบสีขาว) ในสามวิธี: (i) ผ่านการทดลองกับการเลนส์ลูกบอลทรงกลมที่กล่าวถึงในภายหลังในส่วนนี้, (ii) ผ่านเปรียบเทียบการตรวจพบ และแสดงขอบเขตของหยดน้ำ และ (iii)ผ่านการวิเคราะห์ความไวสำหรับการวัดอัตราส่วนแกนด้วยการเลือกค่าขีดจำกัด ทดลองเลนส์ทรงกลมพบว่า ค่าวัดเส้นผ่าศูนย์กลางของเลนส์จะได้เกือบเหมือนกับค่าของเส้นผ่านศูนย์กลางจริง ในทำนองเดียวกัน การทดลองมีน้ำ หยดแสดงที่ตรวจพบ และแสดงขอบเขตของหยดน้ำเหมือนกันเกือบ ดำเนินการตรวจสอบเหล่านี้แสดงสำหรับการวางขอบเขตได้ดำเนินการ โดยเปิดภาพดิบหล่นและขอบเขตการตรวจปล่อย การวิเคราะห์ความไวกับค่าขีดจำกัดที่± 10 ความเข้มระดับสีเทารอบตัวค่าเกณฑ์การเลือก 235 แสดงแกนที่วัดค่าอัตราส่วนแตกต่างกันไปเท่านั้นถึง 6% จากที่ได้รับใช้ที่เลือกค่าขีดจำกัด จึง มันเป็นสรุปที่เลือกค่าขีดจำกัดคงเหมาะในการดึงข้อมูลรูปร่างหล่นถูกต้องหมายเหตุที่การตั้งค่ารวมถึงไฟกล้องและพื้นหลังยังคงเกี่ยวข้องได้สำหรับการทดลองทั้งหมด ความสอดคล้องสำหรับการประมวลผลเพื่อวัตถุประสงค์ในภาพ การแปลงรูปแบบไบนารีตามมา ด้วยการวิเคราะห์เพื่อแยกข้อมูลจำเป็นหล่นลักษณะรูปร่างและความเร็วของการตก ความเร็วร่วงหล่นคำนวณ โดยย้ายของเซนทรอยด์ของหล่นระหว่างสองเฟรมติดกัน สำหรับไม่สมดุลทรงหยด เซนทรอยด์ตำแหน่งที่ได้จากภาพถ่ายหล่นอาจเลื่อนตำแหน่งเกิดข้อผิดพลาดการคำนวณความเร็วตก ความเร็วของการตกของการกำหนดคำนวณหล่นหลายครั้งโดยใช้การลำดับความเร็วสูงภาพเป็นแนวตั้งระยะสั้นภายในผ่านหล่นกรอบการมองของกล้อง ความแตกต่างระหว่างการคำนวณความเร็วตกได้เลื่อนกำหนดที่ติดต่อกันกรณีสำคัญ(มีน้อยกว่าร้อย ละ 0.5, 0.9%, 3.2% ของ และค่าส่วนเบี่ยงเบนมาตรฐานความเร็วเทอร์มินัลสำหรับหยด 2.6 มม. 3.7 mm และ 5.1 มม.ที่มีกำหนดสถานี) บ่งชี้ว่า มีข้อผิดพลาดในการคำนวณความเร็วตกไม่สำคัญ นอกจากนี้ การตกค่าความเร็วสำหรับการกำหนดติดต่อกันกรณีเบนช์ลดเหล่านี้ข้อผิดพลาด

ผลลัพธ์ (ไทย) 2:

โดยทั่วไป
ภาพลดลงได้โดยใช้เทคนิคนี้จะแสดงในรูป 3.
เราใช้ thresholding คงแปลงภาพดิบสีเทาขนาดเพื่อ
ภาพไบนารีที่นำไปสู่การตรวจสอบของขอบเขตการลดลง ตั้งแต่
เพียงภาพของหยดภายในระยะไม่ไกลจากระนาบโฟกัส
ถูกจับภาพลดลงได้คมชัดและกำหนดเกณฑ์ขั้นต่ำคงที่
ก็เพียงพอที่จะตรวจสอบขอบเขตลดลงได้อย่างถูกต้อง มะเดื่อ. 4 แสดงให้เห็น
ภาพดิบตัวแทน (รูป. 4A) ประมวลผลที่สอดคล้องกัน
Image หลังจากกำหนดเกณฑ์ขั้นต่ำคงที่ (รูป. 4b) และระดับสีเทา histogram
พล็อตของภาพที่ลดลงดิบ (รูป. 4C) ที่สามารถเห็นได้ในรูป 4C, สีเทา
เข้มระดับแปลง histogram ของภาพดิบพบว่ามียอดเขาที่แตกต่างกัน
ที่สอดคล้องกับลาดชันในระดับความเข้มของสีเทาที่ลดลง
เขตแดน ดังกล่าวเป็นยอดเขาที่แตกต่างกันแสดงให้เห็นว่าค่าเกณฑ์คง
สามารถเลือกที่ถูกต้องสำหรับการประมวลผลของภาพลดลงดิบในการตรวจสอบ
ขอบเขตลดลง ความเหมาะสมของค่าเกณฑ์ที่เลือก
(ซึ่งเป็น 235 สำหรับช่วงความเข้มระดับสีเทาของ 0-255- สีดำ
สีขาว) ได้รับการยืนยันในสามวิธี: (i) ผ่านการทดลองกับ
เลนส์ลูกทรงกลมที่จะกล่าวถึงต่อไปในส่วนนี้ (ii) ผ่าน
การเปรียบเทียบขอบเขตการตรวจพบและภาพของหยดน้ำและ (iii)
ผ่านการวิเคราะห์ความไวในการวัดอัตราส่วนแกนด้วย
ค่าเกณฑ์การคัดเลือก การทดลองกับเลนส์ทรงกลม
แสดงให้เห็นว่าค่าที่วัดเส้นผ่าศูนย์กลางของเลนส์เกือบจะ
เหมือนกันกับค่าเส้นผ่าศูนย์กลางที่เกิดขึ้นจริง ในทำนองเดียวกันการทดลอง
กับหยดน้ำแสดงให้เห็นว่าขอบเขตการตรวจพบและภาพของ
หยดน้ำเหมือนกันเกือบ เหล่านี้ตรวจสอบภาพสำหรับ
ขอบเขตลดลงได้ดำเนินการโดยซ้อนภาพลดลงดิบ
และตรวจพบขอบเขตลดลง การวิเคราะห์ความไวที่แตกต่างกันกับ
ค่าเกณฑ์ที่มี± 10 ความเข้มระดับสีเทารอบ
ค่าเกณฑ์การคัดเลือกจาก 235 แสดงให้เห็นว่าค่าอัตราส่วนแกนวัด
แตกต่างกันเพียงไม่เกิน 6% จากผู้ที่จะได้รับเลือกโดยใช้
ค่าเกณฑ์ ดังนั้นจึงสรุปได้ว่าที่เลือก
ค่าเกณฑ์คงเหมาะที่จะดึงข้อมูลที่ถูกต้องลดลงรูปร่าง.
โปรดทราบว่าการติดตั้งรวมถึงกล้องถ่ายภาพและพื้นหลังแสง
ยังคงไม่เปลี่ยนแปลงสำหรับการทดลองทั้งสร้างความมั่นใจให้สอดคล้อง
เพื่อวัตถุประสงค์ในการประมวลผลภาพ การแปลงให้กับภาพไบนารี
ตามมาด้วยการวิเคราะห์เพื่อดึงข้อมูลแบบเลื่อนที่จำเป็น
เกี่ยวกับลักษณะรูปร่างและความเร็วในฤดูใบไม้ร่วง Drop ความเร็วในฤดูใบไม้ร่วง
นี้จะถูกคำนวณโดยการกำจัดของเซนทรอยด์ลดลงของระหว่าง
สองเฟรมติดต่อกัน สำหรับรูปหยดที่ไม่สมดุลเซนทรอยด์
ที่ตั้งที่ได้รับจากภาพลดลงบันทึกอาจเปลี่ยน
ที่เกิดข้อผิดพลาดในการคำนวณความเร็วในฤดูใบไม้ร่วง ความเร็วการล่มสลายของที่ได้รับ
การลดลงที่คำนวณได้หลายครั้งโดยใช้ความเร็วสูงลำดับ
ภาพเป็นแบบเลื่อนผ่านระยะทางแนวตั้งสั้นภายใน
กรอบมุมมองกล้อง ความแตกต่างระหว่างความเร็วในฤดูใบไม้ร่วงคำนวณ
สำหรับการลดลงได้รับในกรณีที่ต่อเนื่องกันเป็นนัยสำคัญ
(มีค่าส่วนเบี่ยงเบนมาตรฐานน้อยกว่า 0.5%, 0.9% และ 3.2% ของแต่ละ
ความเร็วขั้ว 2.6 มิลลิเมตร 3.7 มิลลิเมตรและ 5.1 มมลดลงใน
สถานีที่กำหนด) นี้บ่งชี้ว่าข้อผิดพลาดในการคำนวณความเร็วในฤดูใบไม้ร่วงเป็น
สำคัญ นอกจากนี้ฤดูใบไม้ร่วงคำนวณค่าความเร็วเป็น
แบบเลื่อนได้รับในกรณีที่ต่อเนื่องกันถูกนำมาเฉลี่ยเพื่อลดการเหล่านี้
มีข้อผิดพลาด

ผลลัพธ์ (ไทย) 3:

โดยทั่วไปปล่อยภาพที่ได้รับการใช้เทคนิคนี้จะถูกแสดงในรูปที่ 3เราใช้คงปรับแปลงสีเทาขนาดภาพดิบภาพไบนารี นำไปสู่การวางขอบเขต ตั้งแต่เฉพาะภาพหยดห่างจากระนาบโฟกัสถูกจับแล้วปล่อยภาพคมชัดและปรับแก้ไขก็เพียงพอที่จะได้อย่างถูกต้องตรวจสอบวางขอบเขต รูปที่ 4 แสดงตัวแทนภาพดิบ ( รูปที่ 4 ) ที่ประมวลผลภาพหลังจากซ่อมปรับ ( ภาพ 4B ) และระดับกราฟสีเทาแปลงภาพปล่อยดิบ ( รูปที่ 4C ) ที่สามารถเห็นได้ในรูปที่ 4C , สีเทาระดับความเข้มความถี่แปลงภาพดิบ พบสูงสุดที่แตกต่างกันที่สอดคล้องกับระดับความเข้มสีเทาลาดชันลดหลั่นในที่ปล่อยขอบเขต เป็นยอดที่แตกต่างกันพบว่า กำหนดเกณฑ์ค่าคุณสามารถเลือกสำหรับการประมวลผลที่ถูกต้องของภาพดิบลดลงตรวจจับวางขอบเขต ความเหมาะสมของเกณฑ์การเลือกค่า( ซึ่งเป็น 235 สำหรับสีเทาระดับความเข้มช่วง 0 ถึง 255 ) –สีดำสีขาว ) ยืนยันใน 3 วิธี : ( ฉัน ) ผ่านการทดลองกับเลนส์ลูกบอลทรงกลมที่กล่าวถึงต่อไปในส่วนนี้ ( 2 ) ผ่านเปรียบเทียบการตรวจพบและมองเห็นขอบเขตของหยดน้ำ และ ( 3 )ผ่านการวิเคราะห์ความไว สำหรับอัตราส่วนแกนวัดกับเกณฑ์การเลือกค่า การทดลองกับเลนส์ทรงกลมพบว่าค่าวัดเส้นผ่าศูนย์กลางของเลนส์เกือบเหมือนกันกับเส้นผ่านศูนย์กลางจริงค่า ส่วนการทดลองกับหยดน้ำ พบว่า การตรวจพบและขอบเขตของภาพน้ำหยดเป็นเหมือนกันเกือบ ภาพเหล่านี้โทรศัพท์มือถือสำหรับวางขอบเขตโดยซ้อนวางภาพดิบและตรวจพบวางขอบเขต การวิเคราะห์ความอ่อนไหวมีแตกต่างกันค่าเกณฑ์ที่± 10 ระดับสีเทาเข้มๆเลือกเกณฑ์มูลค่า 235 วัดอัตราส่วนค่าแกน พบว่าแตกต่างกันเพียงถึง 6 % จากผู้ที่ได้รับการคัดสรรค่าเกณฑ์ ดังนั้นจึงสรุปได้ว่าเลือกค่าเกณฑ์คงที่เหมาะสมเพื่อสกัดข้อมูลรูปร่างวางที่ถูกต้องโปรดสังเกตว่า การตั้งค่ารวมทั้งกล้องและพื้นหลังแสงยังคงที่ไม่เปลี่ยนแปลงเพื่อให้มั่นใจว่าสอดคล้องกับการทดลองทั้งหมดสำหรับภาพลักษณ์ของวัตถุประสงค์ การแปลงภาพไบนารีตามการวิเคราะห์เพื่อแยกข้อมูลที่จำเป็นลดลงเกี่ยวกับรูปร่างลักษณะและตกเร็ว ปล่อยตกความเร็วคำนวณด้วยการกระจัดของเคมบริดจ์ระหว่างปล่อยติดต่อกัน 2 เฟรม สำหรับรูปของภาพไม่สมดุลลดลงตำแหน่งที่ได้รับจาก จับวาง ภาพอาจจะเลื่อนส่งผลให้ตกความเร็วการคำนวณผิดพลาด ฤดูใบไม้ร่วงความเร็วให้ปล่อยผ่านหลายครั้ง ใช้ต่อเนื่องความเร็วสูงภาพที่ลงผ่านระยะทางสั้น ๆในแนวตั้งกล้องดูภาพ ความแตกต่างระหว่างค่าความเร็วตกสำหรับการวางที่อินสแตนซ์ติดต่อกันอยู่เล็กน้อย( มีค่าน้อยกว่าร้อยละ 0.5 , 0.9 % และ 3.2 % ของแต่ละส่วนเบี่ยงเบนมาตรฐานขั้วความเร็ว 2.6 มม. 3 มม. และลดลง 5.1 มม. ที่ให้สถานี ) นี้บ่งชี้ว่าตกความเร็วการคำนวณข้อผิดพลาดไม่สำคัญ นอกจากนี้ การคำนวณความเร็วตกค่าสำหรับให้วางที่อินสแตนซ์ติดต่อกันได้เฉลี่ยลดเหล่านี้ข้อผิดพลาด