專利名稱:一種超細(xì)晶粒鋼晶粒的自動(dòng)測(cè)量及其形態(tài)分類統(tǒng)計(jì)方法
技術(shù)領(lǐng)域:
本發(fā)明涉及鋼鐵材料微觀組織的定量金相分析領(lǐng)域,具體涉及一種超細(xì)晶粒鋼晶粒的自動(dòng)測(cè)量及其形態(tài)分類統(tǒng)計(jì)方法。
背景技術(shù):
隨著鋼鐵材料科技的飛速發(fā)展,各類鋼材的研發(fā)已經(jīng)逐漸建立在成分、結(jié)構(gòu)、組織和性能定量關(guān)系的基礎(chǔ)上,意即對(duì)于鋼材可以通過制備和各種后續(xù)工藝控制其相結(jié)構(gòu)和顯微組織從而獲得所需的性能。定量金相分析正是研究金屬材料成分、組織、工藝及性能之間關(guān)系的重要方法,通過對(duì)各種材料金相組織的定量分析,在材料的微觀組織和宏觀性能間構(gòu)建定量關(guān)系。
超細(xì)晶粒鋼是近年來快速發(fā)展的一種新型鋼材,其主要特點(diǎn)在于其金相組織大多為極度細(xì)化的晶粒,其晶粒尺寸通常小于4微米,故而表現(xiàn)出很高的強(qiáng)度、硬度、塑性及韌性。對(duì)于超細(xì)晶粒鋼而言,其晶粒的粒徑、形態(tài)及分布對(duì)鋼的性能起著決定性的影響。在進(jìn)行定量金相分析時(shí),對(duì)于超細(xì)晶粒鋼金相組織中大量出現(xiàn)的諸如晶界缺失、晶內(nèi)孔洞等圖像缺陷,必須進(jìn)行圖像修復(fù),使原始晶界真實(shí)再現(xiàn);否則,將嚴(yán)重影響其后的定量金相分析效果,致使材料的成分、結(jié)構(gòu)、組織和性能的定量關(guān)系難以準(zhǔn)確建立。為了提高超細(xì)晶粒鋼的性能,需要對(duì)超細(xì)晶粒鋼晶粒的粒徑、形態(tài)等進(jìn)行準(zhǔn)確測(cè)量、分類和統(tǒng)計(jì)。因此,如何精確、高效地測(cè)量與統(tǒng)計(jì)晶粒的粒徑、形態(tài)分布,成為超細(xì)晶粒鋼微觀組織分析領(lǐng)域中迫切需要解決的重要問題。
在工程實(shí)踐中,這項(xiàng)工作主要依賴具有深厚金屬材料知識(shí)和豐富定量金相分析經(jīng)驗(yàn)的工程技術(shù)人員,采用傳統(tǒng)的人工修復(fù)方法進(jìn)行金相圖像修復(fù)工作和傳統(tǒng)網(wǎng)格法人工測(cè)量、計(jì)算及統(tǒng)計(jì)的工作模式進(jìn)行晶粒的測(cè)量、分類。由于這種分析效果主要取決于人的主觀因素故必然產(chǎn)生各種主觀誤差、效率低、測(cè)量分類統(tǒng)計(jì)結(jié)果精度低以及大量占用人力成本的問題,從而造成鋼材成分、結(jié)構(gòu)、組織和性能的定量關(guān)系難以準(zhǔn)確建立的后果,這已成為嚴(yán)重影響新材料研發(fā)工作進(jìn)程的“瓶頸”問題。發(fā)明內(nèi)容
本發(fā)明的目的是提供了一種超細(xì)晶粒鋼晶粒的自動(dòng)測(cè)量及其形態(tài)分類統(tǒng)計(jì)方法, 該方法能自動(dòng)的實(shí)現(xiàn)對(duì)超細(xì)晶粒鋼的金相組織(晶粒)圖像進(jìn)行修復(fù)并對(duì)其形態(tài)特征進(jìn)行精確、高效的測(cè)量、分類與統(tǒng)計(jì)。
本發(fā)明的技術(shù)方案是一種超細(xì)晶粒鋼晶粒的自動(dòng)測(cè)量及其形態(tài)分類統(tǒng)計(jì)方法, 其具體步驟為(1)采集超細(xì)晶粒鋼晶粒圖像,并進(jìn)行預(yù)處理;(2)采用基于區(qū)域劃分的自適應(yīng)閾值分割算法對(duì)預(yù)處理后的圖像進(jìn)行二值分割,得到二值圖像;(3)對(duì)所述二值圖像通過基于距離變換的修正分水嶺算法修復(fù)晶界,并用改進(jìn)種子填充算法填充晶內(nèi)孔洞,得到修復(fù)圖像;(4)提取晶粒形態(tài)特征參數(shù),其具體步驟為 (4-1)對(duì)所述修復(fù)圖像進(jìn)行標(biāo)尺設(shè)定和區(qū)域標(biāo)定;(4-2)提取晶粒形態(tài)特征參數(shù)面積、周長(zhǎng)、長(zhǎng)寬比、直徑、圓形度及形狀系數(shù);(5)以所述直徑為判據(jù)對(duì)晶粒尺寸進(jìn)行分級(jí)統(tǒng)計(jì),以所述圓形度、形狀系數(shù)、長(zhǎng)寬比為判據(jù)對(duì)晶粒形態(tài)進(jìn)行分類;進(jìn)一步,所述步驟(1)的預(yù)處理的具體步驟為 (1-1)利用可保留圖像細(xì)節(jié)的直方圖均衡算法增強(qiáng)整幅圖像; (1-2)利用邊緣檢測(cè)微分算子法提取邊緣,將灰度突變的點(diǎn)處視為相應(yīng)的邊界點(diǎn),進(jìn)而確定邊界的點(diǎn)集;(1-3)同時(shí)利用拉伸算法加大圖像的對(duì)比度。
進(jìn)一步,所述步驟(2)基于區(qū)域劃分的自適應(yīng)閾值分割算法,其區(qū)域劃分的子區(qū)域數(shù)位2500個(gè),采用大津法算法。
進(jìn)一步,所述步驟(3)基于距離變換的修正分水嶺算法,其步驟為 (3-1)進(jìn)行歐氏距離變換,獲得各個(gè)獨(dú)立晶核;(3-2)根據(jù)修正系數(shù)逐層擴(kuò)大各獨(dú)立晶核,當(dāng)修正之后兩獨(dú)立晶核粘連,則將其視為一個(gè)獨(dú)立晶核,統(tǒng)一編號(hào);(3-3)對(duì)所述編號(hào)后的晶核進(jìn)行膨脹處理,膨脹過程中晶核保持同層位增長(zhǎng),當(dāng)兩晶核相遇即為分水嶺,此時(shí)形成晶粒的分界線。
進(jìn)一步,所述修正系數(shù)為2。
本發(fā)明優(yōu)點(diǎn)是1、采用基于距離變換的修正分水嶺分割算法和改進(jìn)種子填充算法分別能很好地解決晶界缺失和晶內(nèi)孔洞等圖像缺陷,可獲得理想的圖像修復(fù)效果。
2、晶粒圖像的測(cè)量精度可達(dá)± 0. 01 μ m,并做到無漏檢、無重檢。
3、采用基于像素點(diǎn)的測(cè)量方法可精確、高效、便捷地進(jìn)行晶粒特征參數(shù)的測(cè)量分類,整個(gè)測(cè)量分類過程在標(biāo)準(zhǔn)配置的計(jì)算機(jī)上運(yùn)行,完成一個(gè)視場(chǎng)的晶粒測(cè)量分類只需幾分鐘即可。
4、本發(fā)明為超細(xì)晶粒鋼中晶粒的定量微觀分析提供了可靠依據(jù)。
5、本發(fā)明具有優(yōu)異的普適性,可以推廣應(yīng)用于材料領(lǐng)域、生物領(lǐng)域中一切背景復(fù)雜和形態(tài)復(fù)雜的粒狀物測(cè)量分類工作。
下面結(jié)合附圖和具體實(shí)施方式
對(duì)本發(fā)明作進(jìn)一步詳細(xì)說明 圖1本發(fā)明的流程框圖;圖2是圖像采集系統(tǒng)的硬件示意圖; 圖3是實(shí)施例1的原始圖像; 圖4是實(shí)施例1經(jīng)預(yù)處理后的圖像; 圖5是實(shí)施例1二值分割后的圖像; 圖6 (a)是前向模板;(b)是后向模板;圖7 (a)是待修復(fù)晶界的缺陷晶粒;(b)是晶界修復(fù)后的晶粒; 圖8 (a)是待填充的晶內(nèi)孔洞圖像;(b)是填充晶內(nèi)孔洞后的圖像; 圖9是實(shí)施例1的修復(fù)圖像;圖10 (a)是實(shí)施例1晶粒的粒徑分布圖;(b)是實(shí)施例1晶粒的形態(tài)分布圖; 圖11是實(shí)施例2的原始圖像; 圖12是實(shí)施例2經(jīng)預(yù)處理及二值分割后的圖像; 圖13是實(shí)施例2的修復(fù)圖像;圖14 (a)是實(shí)施例2晶粒的粒徑分布圖;(b)是實(shí)施例2晶粒的形態(tài)分布圖; 圖15是實(shí)施例3的原始圖像; 圖16是實(shí)施例3經(jīng)預(yù)處理及二值分割后的圖像; 圖17是實(shí)施例3的修復(fù)圖像;圖18 (a)是實(shí)施例3晶粒的粒徑分布圖;(b)是實(shí)施例3晶粒的形態(tài)分布圖。
具體實(shí)施方式
本發(fā)明涉及到的中值濾波、對(duì)比度拉伸算法,其具體內(nèi)容參見楊淑瑩。 VC++圖像處理程序設(shè)計(jì)(2005年1月第二版).清華大學(xué)出版社,北京交通大學(xué)出版社.ISBNB7-81082-450-3/TP. 162. PP98-105, 76-80;可保留圖像細(xì)節(jié)的直方圖均衡算法是本發(fā)明在冷璐,黎明,張家樹.結(jié)合邊緣細(xì)節(jié)局部自適應(yīng)增強(qiáng)的直方圖均衡化[J].微電子學(xué)與計(jì)算機(jī).2010. 1. vol27. Nol. PP :38-41. —文基礎(chǔ)上的創(chuàng)新工作;基于區(qū)域劃分的自適應(yīng)閾值分割算法是本發(fā)明在孫即祥.圖像分析(2005年7月第一版).科學(xué)出版社· ISBN7-03-013850-3/TP. 391. 41. . PP9-10.基礎(chǔ)上的創(chuàng)新工作;基于距離變換的修正分水嶺分割算法是本發(fā)明在 J. J. Charles, L.I. Kunchevaa, B. Wells, I. S. Lima. Object segmentation within microscope images of palynofacies[J]. Computers & Geosciences . 34 (2008) . PP:688 - 698. 一文基礎(chǔ)上的創(chuàng)新工作。
如圖1所示,本發(fā)明首先利用圖像采集系統(tǒng)獲取晶粒的原始圖像(目標(biāo)晶粒圖像) 并將其存入附帶的圖像采集卡。對(duì)目標(biāo)晶粒圖像進(jìn)行預(yù)處理,以利于后續(xù)操作的進(jìn)行。鑒于本發(fā)明的目的僅涉及晶粒的形態(tài)特征,而與顏色信息無關(guān),故只需對(duì)其用基于區(qū)域劃分的自適應(yīng)閾值算法進(jìn)行二值分割,得到目標(biāo)圖像的黑白模板,即晶粒的二值圖像。由于晶粒二值圖像“繼承”了原始圖像所特有的晶界缺失、晶內(nèi)孔洞等問題,還必須通過基于距離函數(shù)的修正分水嶺分割算法修復(fù)晶粒邊界,改進(jìn)種子填充算法填充孔洞。當(dāng)完成上述圖像修復(fù)步驟且設(shè)定標(biāo)尺后,就可對(duì)各晶粒進(jìn)行區(qū)域標(biāo)定。采用追溯法并以像素點(diǎn)為測(cè)量單位,對(duì)目標(biāo)晶粒分別提取三個(gè)初始形態(tài)特征參數(shù)晶粒面積、周長(zhǎng)及長(zhǎng)寬比;再利用面積、周長(zhǎng), 則可分別算出晶粒粒徑、圓形度和形狀系數(shù)三個(gè)特征參數(shù)。
由此,即可根據(jù)晶粒粒徑對(duì)目標(biāo)圖像進(jìn)行晶粒粒徑的分級(jí)統(tǒng)計(jì)分析,得到相應(yīng)的分析圖表;然后,根據(jù)圓形度、形狀系數(shù)及長(zhǎng)寬比對(duì)目標(biāo)圖像進(jìn)行形態(tài)分類統(tǒng)計(jì);最后將以上的晶粒粒徑和形態(tài)的自動(dòng)分級(jí)、分類統(tǒng)計(jì)結(jié)果存檔并以圖表文件形式顯示輸出。
下面通過3個(gè)實(shí)施例對(duì)本發(fā)明再詳細(xì)說明 實(shí)施例1利用圖像采集系統(tǒng)獲得鋼材的原始晶粒圖像,圖像采集系統(tǒng)的硬件如圖2所示鋼材試樣1、專業(yè)顯微鏡2、攝像頭(CCD) 3、計(jì)算機(jī)(內(nèi)插圖像采集卡)4、打印機(jī)5。圖像采集的具體步驟是利用顯微鏡將圖像調(diào)至合適焦距,在圖像最清晰時(shí)攝像并存儲(chǔ)到圖像采集卡中 (原始圖像),方可進(jìn)行圖像預(yù)處理。
實(shí)施例1的原始圖像如圖3所示。先對(duì)圖3的原始圖像進(jìn)行預(yù)處理。首先,利用中值濾波對(duì)圖像進(jìn)行去噪處理。然后,利用可保留圖像細(xì)節(jié)的直方圖均衡算法對(duì)整幅圖像進(jìn)行增強(qiáng)處理,以豐富圖像的細(xì)節(jié)信息,從而強(qiáng)化圖像的顯示效果。為了進(jìn)一步提取邊緣, 本發(fā)明利用邊緣檢測(cè)微分算子法進(jìn)行,其原理主要是利用灰度變化的作用。由于灰度突變的點(diǎn)處其梯度值很高,可視為相應(yīng)的邊界點(diǎn),從而確定邊界的點(diǎn)集。同時(shí)利用拉伸算法加大圖像的對(duì)比度,經(jīng)預(yù)處理后的效果如圖4所示。
對(duì)圖4還需進(jìn)行二值分割以得到晶粒的二值圖像。由于超細(xì)晶粒鋼晶粒圖像的多樣性、復(fù)雜性,故本發(fā)明采用基于區(qū)域劃分的自適應(yīng)閾值分割算法對(duì)圖像進(jìn)行二值分割。基于區(qū)域劃分的自適應(yīng)閾值分割算法即對(duì)圖像按坐標(biāo)分塊,對(duì)每一子塊分別自動(dòng)獲得最佳閾值Ti。本發(fā)明經(jīng)過大量試驗(yàn)發(fā)現(xiàn),劃分2500個(gè)子區(qū)域時(shí),采用OTSU (大津法)算法,其分割效果最好,如圖5所示。
目標(biāo)圖像在經(jīng)過上述預(yù)處理和二值分割后,雖然其圖像質(zhì)量獲得明顯改善,但仍存在著超細(xì)晶粒鋼所特有的缺陷(晶界缺失、晶內(nèi)孔洞等),影響目標(biāo)晶粒測(cè)量分類的精確度。為此,本發(fā)明對(duì)傳統(tǒng)的分水嶺分割算法進(jìn)行了改進(jìn),形成了新的基于距離變換的修正分水嶺分割算法。該算法主要通過對(duì)目標(biāo)圖像進(jìn)行距離變換獲取各晶粒的幾何中心即晶粒核心,對(duì)各晶粒核心進(jìn)行修正,以避免過度分割,對(duì)修正后的晶粒圖像再應(yīng)用分水嶺分割算法修復(fù)晶界。
上述基于距離變換的修正分水嶺分割算法的具體過程為①進(jìn)行歐氏距離變換, 獲得各個(gè)獨(dú)立晶核,其過程為先將二值圖像中背景灰度設(shè)置為0,目標(biāo)(晶粒)灰度設(shè)置為 255,然后使用前向模板(如圖6a所示)、后向模板(如圖6b所示)對(duì)其自左至右一自上至下和自右至左一自下至上依次做兩次掃描,當(dāng)模板中心到達(dá)一個(gè)新目標(biāo)位置時(shí),就將模板中的每個(gè)元素與其對(duì)應(yīng)位置的像素值相加,最小的和值即作為當(dāng)前目標(biāo)的像素值。②根據(jù)修正系數(shù)的大小逐層擴(kuò)大各獨(dú)立晶核,若修正之后兩獨(dú)立晶核粘連,則將其視為一個(gè)獨(dú)立晶核,統(tǒng)一編號(hào)。本發(fā)明根據(jù)超細(xì)晶的圖像特征,經(jīng)反復(fù)試驗(yàn)表明,采用修正系數(shù)為2時(shí),效果最佳。③對(duì)上述編號(hào)后的晶核進(jìn)行膨脹處理,根據(jù)水位同步上升的原理,膨脹過程中晶核保持同層位增長(zhǎng),一旦兩晶核相遇即為分水嶺,此時(shí)形成晶粒的分界線。圖7a、圖7b分別為缺陷晶粒和晶界修復(fù)后的晶粒形態(tài)。
對(duì)于如圖8a所示的晶內(nèi)孔洞缺陷,本發(fā)明采用改進(jìn)的種子填充算法進(jìn)行填充處理,填充后的圖像如圖8b所示。該填充算法詳見本發(fā)明人的另一發(fā)明專利(“一種鋼中析出粒子的自動(dòng)測(cè)量及其形態(tài)分類方法”,申請(qǐng)?zhí)?00910030216. 1)。該種子填充改進(jìn)算法的基本流程如下⑴種子像素壓入堆棧。
⑵當(dāng)堆棧非空時(shí),從堆棧中推出一個(gè)像素,并將該像素設(shè)置成所要的值。
⑶對(duì)于每個(gè)與當(dāng)前像素鄰接的四連通或八連通像素,進(jìn)行測(cè)試,以確定測(cè)試點(diǎn)的像素是否處在區(qū)域內(nèi)且未被訪問過。
⑷若所測(cè)試的像素在區(qū)域內(nèi)沒有被填充過,則將該像素壓入堆棧。
綜上所述,對(duì)目標(biāo)圖像分別進(jìn)行了預(yù)處理、二值分割、晶界修復(fù)及孔洞填充各步驟處理后,即可得到整幅目標(biāo)圖像的自動(dòng)修復(fù)圖像,如圖9所示。
至此,即可進(jìn)行晶粒的測(cè)量、分類工作。首先,提取所需的晶粒形態(tài)特征參數(shù),提取過程為(1)設(shè)定圖像標(biāo)尺,即標(biāo)定圖像中每個(gè)像素的實(shí)際尺寸,其算法如下①在目標(biāo)圖像中畫一條水平直線段,記下起點(diǎn)坐標(biāo)(xl,y)和終點(diǎn)坐標(biāo)(x2,y),并計(jì)算出該線段的長(zhǎng)度Ll=|xl-x2| (單位微米)和所劃過的像素?cái)?shù)m ;②在目標(biāo)圖像中畫一條豎直線段,記下起點(diǎn)坐標(biāo)(x,yl)和終點(diǎn)坐標(biāo)(x,y2),并計(jì)算出該線段的長(zhǎng)度L2=|yl-y2| (單位微米)和所劃過的像素?cái)?shù)N2 ; ③設(shè)定此金相圖像的放大倍數(shù)A。X SCALE = —---—-. Ujr fpixsi ~NlxAF 7I SCALE =-am/ptc^_N2xAψ ζXY SCALE = ((X SCALE}2 + (7 SCALE)5)Λ μιη/ρ α^
上式中HXLE—水平方向尺寸因子,即為每個(gè)像素在水平方向上的實(shí)際尺寸; —豎直方向尺寸因子,即為每個(gè)像素在豎直方向上的實(shí)際尺寸; IStMZ^—二維尺寸因子,即為每個(gè)像素的二維實(shí)際尺寸;(2)對(duì)同一圖像中各晶粒進(jìn)行區(qū)域標(biāo)定,即對(duì)各晶粒區(qū)域像素進(jìn)行標(biāo)識(shí),并進(jìn)一步取得它們各自的特征參數(shù)。該區(qū)域標(biāo)定算法詳見本發(fā)明人的另一發(fā)明專利該區(qū)域標(biāo)定算法詳見本發(fā)明人的另一發(fā)明專利(“一種鋼中析出粒子的自動(dòng)測(cè)量及其形態(tài)分類方法”,申請(qǐng)?zhí)?00910030216. 1)。該區(qū)域標(biāo)定算法為遞歸標(biāo)記算法,其步驟為①首先按從左到右,從上到下以TV光柵的方式從圖像的左上角開始掃描。直到發(fā)現(xiàn)一個(gè)沒有標(biāo)記的1像素點(diǎn)。
②對(duì)此1像素點(diǎn)賦予一個(gè)新的標(biāo)記NewFlag。
③按圖的編號(hào)次序,對(duì)此目標(biāo)像素(陰影)點(diǎn)的8個(gè)鄰點(diǎn)進(jìn)行掃描,如果遇到?jīng)]有標(biāo)記的1像素點(diǎn)就把它標(biāo)記為NewFlag(它也就是②中的NewFlag)。此時(shí)又要按上述次序掃描8個(gè)鄰點(diǎn)中的1像素的8個(gè)鄰點(diǎn),如遇到?jīng)]有標(biāo)記的1像素,又將它標(biāo)記為NewFlag。 此過程是一個(gè)遞歸,在鄰點(diǎn)中遇到?jīng)]有標(biāo)記的1像素點(diǎn),遞推一層,直到?jīng)]有標(biāo)記的1像素點(diǎn)被耗盡,才開始返回,返回也是層層返回。
④遞歸結(jié)束,繼續(xù)掃描沒有標(biāo)記的1像素點(diǎn),然后執(zhí)行②、③兩個(gè)步驟。
⑤反復(fù)執(zhí)行上述過程直到光柵掃描到圖像的右下腳。
(3)提取圖像的幾何形態(tài)特征參數(shù),具體如下 ①粒子面積對(duì)二值圖像模板數(shù)組進(jìn)行掃描,計(jì)算出目標(biāo)區(qū)域中灰值為255的像素點(diǎn)總數(shù)義,即可得出目標(biāo)區(qū)域面積為 ②晶粒周長(zhǎng)采用Freeman鏈碼對(duì)二值圖像模板數(shù)組進(jìn)行遍歷掃描,跟蹤目標(biāo)晶粒區(qū)域的邊界,將邊界點(diǎn)坐標(biāo)轉(zhuǎn)換成8方向鏈碼,(區(qū)域邊界輪廓線由相鄰邊界像素點(diǎn)之間的短連線逐段相連而成。短連線的斜率僅可能有八個(gè)方向,即0。、45。、90。、1;35。、180。、225。、270。、 315°,分別用0、1、2、3、4、5、6、7數(shù)碼來表示,稱為鏈碼ci= {0,1, ,7}。)即可得出目標(biāo)區(qū)域晶粒周長(zhǎng)Pi:Rl=Nj xX SCLil^^N2^T SCLiI^+ N3 ^XT SCAI^Lm)式中代一水平方向鏈碼個(gè)數(shù),即0°、180°方向邊界上的像素點(diǎn)總數(shù)凡一垂直方向鏈碼個(gè)數(shù),即90°、270°方向邊界上的像素點(diǎn)總數(shù)罵一斜向鏈碼個(gè)數(shù),即45。、135。、225。、315。方向邊界上的像素點(diǎn)總數(shù)。
③晶粒粒徑晶粒粒徑代即為與晶粒在圖像中的輪廓面積相等時(shí)的圓的直徑,
權(quán)利要求
1.一種超細(xì)晶粒鋼晶粒的自動(dòng)測(cè)量及其形態(tài)分類統(tǒng)計(jì)方法,其特征是采用下列步驟(1)采集超細(xì)晶粒鋼晶粒圖像,并進(jìn)行預(yù)處理;(2)采用基于區(qū)域劃分的自適應(yīng)閾值分割算法對(duì)預(yù)處理后的圖像進(jìn)行二值分割,得到二值圖像;(3)對(duì)所述二值圖像通過基于距離變換的修正分水嶺算法修復(fù)晶界,并用改進(jìn)種子填充算法填充晶內(nèi)孔洞,得到修復(fù)圖像;(4)提取晶粒形態(tài)特征參數(shù),其具體步驟為 (4-1)對(duì)所述修復(fù)圖像進(jìn)行標(biāo)尺設(shè)定和區(qū)域標(biāo)定;(4-2)提取晶粒形態(tài)特征參數(shù)面積、周長(zhǎng)、長(zhǎng)寬比、直徑、圓形度及形狀系數(shù);(5)以所述直徑為判據(jù)對(duì)晶粒尺寸進(jìn)行分級(jí)統(tǒng)計(jì),以所述圓形度、形狀系數(shù)、長(zhǎng)寬比為判據(jù)對(duì)晶粒形態(tài)進(jìn)行分類。
2.根據(jù)權(quán)利要求1所述的一種超細(xì)晶粒鋼晶粒的自動(dòng)測(cè)量及其形態(tài)分類統(tǒng)計(jì)方法,其特征在于所述步驟(1)的預(yù)處理的具體步驟為(1-1)利用可保留圖像細(xì)節(jié)的直方圖均衡算法增強(qiáng)整幅圖像; (1-2)利用邊緣檢測(cè)微分算子法提取邊緣,將灰度突變的點(diǎn)處視為相應(yīng)的邊界點(diǎn),進(jìn)而確定邊界的點(diǎn)集;(1-3)同時(shí)利用拉伸算法加大圖像的對(duì)比度。
3.根據(jù)權(quán)利要求1所述的一種超細(xì)晶粒鋼晶粒的自動(dòng)測(cè)量及其形態(tài)分類統(tǒng)計(jì)方法,其特征在于所述步驟(2)基于區(qū)域劃分的自適應(yīng)閾值分割算法,其區(qū)域劃分的子區(qū)域數(shù)位 2500個(gè),采用大津法算法。
4.根據(jù)權(quán)利要求1所述的一種超細(xì)晶粒鋼晶粒的自動(dòng)測(cè)量及其形態(tài)分類統(tǒng)計(jì)方法,其特征在于所述步驟(3)基于距離變換的修正分水嶺算法,其步驟為(3-1)進(jìn)行歐氏距離變換,獲得各個(gè)獨(dú)立晶核;(3-2)根據(jù)修正系數(shù)逐層擴(kuò)大各獨(dú)立晶核,當(dāng)修正之后兩獨(dú)立晶核粘連,則將其視為一個(gè)獨(dú)立晶核,統(tǒng)一編號(hào);(3-3)對(duì)所述編號(hào)后的晶核進(jìn)行膨脹處理,膨脹過程中晶核保持同層位增長(zhǎng),當(dāng)兩晶核相遇即為分水嶺,此時(shí)形成晶粒的分界線。
5.根據(jù)權(quán)利要求4所述的一種超細(xì)晶粒鋼晶粒的自動(dòng)測(cè)量及其形態(tài)分類統(tǒng)計(jì)方法,其特征在于所述修正系數(shù)為2。
全文摘要
本發(fā)明公開一種超細(xì)晶粒鋼晶粒的自動(dòng)測(cè)量及其形態(tài)分類統(tǒng)計(jì)方法,該方法的步驟是,(1)采集超細(xì)晶粒鋼晶粒圖像,并進(jìn)行預(yù)處理;(2)采用基于區(qū)域劃分的自適應(yīng)閾值分割算法對(duì)預(yù)處理后的圖像進(jìn)行二值分割,得到二值圖像;(3)對(duì)所述二值圖像通過基于距離變換的修正分水嶺算法修復(fù)晶界,并用改進(jìn)種子填充算法填充晶內(nèi)孔洞,得到修復(fù)圖像;(4)提取晶粒形態(tài)特征參數(shù);(5)以所述直徑為判據(jù)對(duì)晶粒尺寸進(jìn)行分級(jí)統(tǒng)計(jì),以所述圓形度、形狀系數(shù)、長(zhǎng)寬比為判據(jù)對(duì)晶粒形態(tài)進(jìn)行分類;該方法能自動(dòng)的實(shí)現(xiàn)對(duì)超細(xì)晶粒鋼的金相組織(晶粒)圖像進(jìn)行修復(fù)并對(duì)其形態(tài)特征進(jìn)行精確、高效的測(cè)量、分類與統(tǒng)計(jì)。
文檔編號(hào)G01B11/02GK102494976SQ20111036804
公開日2012年6月13日 申請(qǐng)日期2011年11月18日 優(yōu)先權(quán)日2011年11月18日
發(fā)明者丁飛, 朱偉興, 李新城, 趙從光 申請(qǐng)人:江蘇大學(xué)