Methodological description
ADQUISICIÓN, TRATAMIENTO Y SEGMENTACIÓN
El proceso de adquisición de las imágenes (Figura 9) deberá realizarse una vez finalizado el proceso de puesta a punto del equipo y en particular, tomando en cuenta
el precalentamiento del equipo, ajuste de la cámara y fundamentalmente, la adquisición de las imágenes tomando en cuenta el promediado (el número adecuado de imágenes para el cálculo de la imagen promedio final es de 32 imágenes de una misma escena). Las imágenes adquiridas
200 400 600 800 1000 1200 1400 1600 200 400 600 800 1000 1200 1400 1600
son almacenadas en un archivo tiff. Un
ejemplo de las imágenes adquiridas se ven en la Figura 9 y Figura 10.
100 micras
Figura 9. Algoritmo de adquisición e Imágenes adquiridas por ADI.
Figura 10. Imágenes adquiridas por ADI: Imagen Original. Valores medios, máxima intensidad, máxima posición y máximo gradiente.
Una vez digitalizada y almacenada la información digital de la imagen en color (RGB) como un archivo tipo tif, el siguiente paso es, tal como se había descrito en apartados anteriores, aplicar una secuencia de tratamientos (filtros espaciales y morfológicos) enfocados a mejorar, restaurar y resaltar la información que buscamos. El proceso seguirá la siguiente secuencia. A) Aplicación de secuencias de tratamiento (filtros espaciales y morfológicos) en imágenes digitales. B) Selección de la secuencia óptima de tratamiento. La evaluación de la secuencia óptima de procesamiento de
imágenes ha sido realizada mediante la comparación de las imágenes finales resultantes (imágenes tratadas). Un ejemplo de secuencia de tratamiento se presentas en la Figura 11. La evaluación ha consistido en estudiar estadísticamente, para cada imagen tratada, el comportamiento de las distribuciones de las fases minerales presentes. Además, ha sido tomado en consideración el tiempo de ejecución de cada secuencia.
Figura 11. Aplicación de Filtros de mejora (Median y Low Pass).
Como parte inicial a la etapa de la
segmentación o clasificación de la imágenes (Figura 12 y Figura 13), los
datos en NG obtenidos a través de las ventanas de muestreo para cada fase mineral, han de ser separados en tres grupos (bandas R, G, y B) y recibirán un estudio estadístico individualizado. En general, este estudio estadístico pretende entre otras cosas definir el tipo de distribución a la que se ajusta la muestra y
delimitar el rango óptimo de segmentación de cada fase con la mayor precisión y fiabilidad posible. Definidos los rangos de detección, se aborda el proceso de extracción de la información de una imagen digital, que usualmente recibe el nombre de análisis de imagen. En este caso, la información que queremos obtener son las “regiones” que corresponden a cada una de las fases minerales presentes en la imagen (“objetos”).
Figura 12. Ejemplo de segmentación de minerales opacos (Berrezueta, 2004).
Figura 13. Ejemplo de segmentación de minerales transparentes (Berrezueta, 2006).
Segmentación de Fases Minerales
Una vez clasificada la imagen, el estudio y medida de las diferentes fases o componentes minerales pasa por aplicar funciones de medida de los parámetros: áreas totales de fases minerales; número, tamaño, área y asociación de los granos minerales; áreas del sistema poroso,
perfiles del sistema poroso (Figura 14), caracterización morfológica de granos/fase minerales, etc.
Figura 14. Medida de porosidad y perfiles de evolución de porosidad mediante ADI. (Berrezueta, 2008). CONCLUSIONES
Desde el punto de vista metodológico, el desarrollo de una secuencia de trabajo que permita la reproductibilidad de la técnica y de las medidas obtenidas ha sido conseguido. En este trabajo han sido descritos, documentados y corregidos la mayor parte de aspectos que podrían llegar a condicionar las medidas mediante análisis digital de imágenes de parámetros mineralógico/petrográficos, en estudios con microscopios de transmisión de reflexión: ruidos, derivas espaciales, derivas temporales, calibración del color, ganancia, ajuste de blanco, calibración geométrica, etc. Durante el ensayo metodológico se ha trabajado sobre muestras de menas (probetas pulidas), materiales rocosos (láminas delgadas y muestras de mano pulidas) obteniendo, aunque sea de forma preliminar segmentaciones y medidas de parámetros geométricos que han permitido verificar y validar el potencial de esta técnica al mismo tiempo que ha ofrecido datos
cuantitativos de parámetros mineralógicos y morfológicos que amplían la caracterización de las muestras de estudio.
AGRADECIMIENTOS
Este trabajo representa parte de los resultados obtenidos en el marco de los proyectos de Investigación: Proyecto Post Doctoral (MEC, España. EX-2007-0758); Proyecto ASIVAM (SENACYT, Ecuador), Proyecto CO2-Pore (Plan Nacional. CGL-2009-10934) y Proyecto ALGEOCO2 (Proyecto IGME).
BIBLIOGRAFÍA
Berrezueta, E. y Castroviejo, R. 2004.
Caracterización de menas metálicas mediante análisis digital de imagen: investigación y diseño de un sistema experto aplicado a problemas Mineros.
Tesis Doctoral. Universidad politécnica de Madrid. 360.
Berrezueta, E. 2006. Análisis digital de imagen: Aplicaciones a microscopía de menas metálicas, mineralurgia y medio ambiente. En: Lao Luqu, C., Iglesias, M. y Rodríguez, R. (eds.) Los residuos
minero-metalúrgicos en el medio ambiente. Instituto
Geológico y Minero de España, Madrid, 679-712
0 0.5 1 1.5 2 2.5 3 3.5 4 0 1 2 3 4 5 6 distance (cm) por os ity ( % ) 200 400 600 800 1000 1200 1400 1600 200 400 600 800 1000 1200 1400 1600
Berrezueta, E. 2008. Updating of Digital Image
Analysis (DIA) Tools and automated characterization of ore minerals. Posdoctoral Report. Universidad de
Oviedo y Geological Survey of Canada. 38.
Castroviejo, R., Chacon, E., Múzquiz, C. y Tarquini, S. 1999(a). A preliminary image analysis characterization of massive sulphide ore from the SW Iberian Pyrite Belt (Spain). Geovision, 1, 37-40. Castroviejo, R., López, A. Múzquiz, C. y Pirard, E. 1999(b). Modal Image Análisis of metallic sulphides in core samles. A critical test of the metodology.
Geovision, 1, 41-44.
Castroviejo, R., Berrezueta, E. y Lastra, R. 2002. Microscopic digital image analyses of gold ores. A critical test of the methodology, comparing Reflected Light and Electron Microscopy. Mineral &
Metallurgical Processing Journal, 19 (2), 102-109.
Coz, E., Castroviejo, R., Bonilla, D. y Garcia Frutos, F. 2003. Quantitative determination of modal content and morphological properties of coal sulphides by digital image análisis as a tool to check their flotation behaviour. FUEL Science Direct (2003), 45-55. Criddle, A. J. & Stanley, C. 1993. Quantitative data
file for ore minerals. Third Edition. Chapman & Hall
Brithish Museum, Londres, 635.
Criddle, A. J. 1998. Ore Microscopy and Photometry (1890-1998). COM/IMA. MAC Short Course Series, 27, Otawa–Canada, 30.
Lastra, R., Wilson, J. & Cabri, L. J. 1999. Automated gold search and applications in process mineralogy. Transactions of the Institution of mining and metallurgy, 108, 75-84.
Martinez Nistal, A., Veniale, F., Setti, M. y Cotecchia, F.1999 A scanning electron microscopy image processing method for quantifying fabric orientation of clay geomaterials. Applied Clay
Science, 14, 235-243.
Martínez-Nistal, A. 1993. Discriminación,
cuantificación y cartografiado de componentes petrográficos mediante proceso digital de multi- imágenes microscópicas. Tesis Doctoral. Facultad de
Geología. Universidad de Oviedo.
Montoto, L. 1982. Digital Multi-Image Analysis: Application to the quantification of rock microfractography. IBM J. Res. Develop, 26, 735- 745.
Montoto, M. (2004). Petrophysics at the rock matrix scale: hydraulic properties and petrographic interpretation. Enresa, Madrid, 11 (3), 297.
Múzquiz, C. 1997. Aplicación del Análisis de Imagen
a la caracterización cualitativa y cuantitativa de menas sulfuradas de la faja pirítica ibérica: Masa Valverde. Proyecto Fin de Carrera, E.T.S.I. de Minas,
Universidad Politécnica de Madrid, Madrid, España. Petruk, W. 1990. Determining Mineralogical Characteristics by Image Analysis. In Jambor, J. L. and Vaughan, D. J. (Eds.). Mineral Association. Short
Course Hdbk, 17. Ottawa, Canada. 409-425.
Petruk, W. 2000. Applied Mineralogy in the Mining
Industry. First Edition. ELSEIVER. Ottawa, Canada.
268.
Pirard, E. 1999(a). Optimal image acquisition of video images in reflected light microscopy. European
Microscopy and Analysis (60), 9-11.
Pirard, E. 1999(b). Colour image analysis in mineralogy. Short Course COM-IMA, IMA-COM
(eds.), 15.
Pirard, E. 2004. Multispectral imaging of ore minerlas in optical microscopy. Mineralogical
Magazine, Mineralogical Society, 68 (447), 323-334.
Russ, J.C. 1990. Computer-Assisted Microscopy. The
measurement and analysis of images. Plenun Press,
New York 450.
Serra, M. 1988. Image Analysis and Mathematical
Morphology. Vol. 1. Academic Press, London
Revisado: García, Oseas
Centro Provincial de gestión Minero Agroempresarial, Alto Nordeste Antioqueño [email protected]