專利名稱：一種超細(xì)晶粒鋼晶粒的自動測量及其形態(tài)分類統(tǒng)計方法
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)晶粒鋼晶粒的自動測量及其形態(tài)分類統(tǒng)計方法。
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)出很高的強度、硬度、塑性及韌性。對于超細(xì)晶粒鋼而言，其晶粒的粒徑、形態(tài)及分布對鋼的性能起著決定性的影響。在進行定量金相分析時，對于超細(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，必須進行圖像修復(fù)，使原始晶界真實再現(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，需要對超細(xì)晶粒鋼晶粒的粒徑、形態(tài)等進行準(zhǔn)確測量、分類和統(tǒng)計。因此，如何精確、高效地測量與統(tǒng)計晶粒的粒徑、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。
在工程實踐中，這項工作主要依賴具有深厚金屬材料知識和豐富定量金相分析經(jīng)驗的工程技術(shù)人員，采用傳統(tǒng)的人工修復(fù)方法進行金相圖像修復(fù)工作和傳統(tǒng)網(wǎng)格法人工測量、計算及統(tǒng)計的工作模式進行晶粒的測量、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、測量分類統(tǒng)計結(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)晶粒鋼晶粒的自動測量及其形態(tài)分類統(tǒng)計方法， 該方法能自動的實現(xiàn)對超細(xì)晶粒鋼的金相組織(晶粒)圖像進行修復(fù)并對其形態(tài)特征進行精確、高效的測量、分類與統(tǒng)計。
本發(fā)明的技術(shù)方案是一種超細(xì)晶粒鋼晶粒的自動測量及其形態(tài)分類統(tǒng)計方法， 其具體步驟為(1)采集超細(xì)晶粒鋼晶粒圖像，并進行預(yù)處理；(2)采用基于區(qū)域劃分的自適應(yīng)閾值分割算法對預(yù)處理后的圖像進行二值分割，得到二值圖像；(3)對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)對所述修復(fù)圖像進行標(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、長寬比、直徑、圓形度及形狀系數(shù)；(5)以所述直徑為判據(jù)對晶粒尺寸進行分級統(tǒng)計，以所述圓形度、形狀系數(shù)、長寬比為判據(jù)對晶粒形態(tài)進行分類；進一步，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整幅圖像； (1-2)利用邊緣檢測微分算子法提取邊緣，將灰度突變的點處視為相應(yīng)的邊界點，進而確定邊界的點集；(1-3)同時利用拉伸算法加大圖像的對比度。
進一步，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，采用大津法算法。
進一步，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)進行歐氏距離變換，獲得各個獨立晶核；(3-2)根據(jù)修正系數(shù)逐層擴大各獨立晶核，當(dāng)修正之后兩獨立晶核粘連，則將其視為一個獨立晶核，統(tǒng)一編號；(3-3)對所述編號后的晶核進行膨脹處理，膨脹過程中晶核保持同層位增長，當(dāng)兩晶核相遇即為分水嶺，此時形成晶粒的分界線。
進一步，所述修正系數(shù)為2。
本發(fā)明優(yōu)點是1、采用基于距離變換的修正分水嶺分割算法和改進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、晶粒圖像的測量精度可達± 0. 01 μ m，并做到無漏檢、無重檢。
3、采用基于像素點的測量方法可精確、高效、便捷地進行晶粒特征參數(shù)的測量分類，整個測量分類過程在標(biāo)準(zhǔn)配置的計算機上運行，完成一個視場的晶粒測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)雜的粒狀物測量分類工作。


下面結(jié)合附圖和具體實施方式
對本發(fā)明作進一步詳細(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是實施例1的原始圖像； 圖4是實施例1經(jīng)預(yù)處理后的圖像； 圖5是實施例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是實施例1的修復(fù)圖像；圖10 (a)是實施例1晶粒的粒徑分布圖；(b)是實施例1晶粒的形態(tài)分布圖； 圖11是實施例2的原始圖像； 圖12是實施例2經(jīng)預(yù)處理及二值分割后的圖像； 圖13是實施例2的修復(fù)圖像；圖14 (a)是實施例2晶粒的粒徑分布圖；(b)是實施例2晶粒的形態(tài)分布圖； 圖15是實施例3的原始圖像； 圖16是實施例3經(jīng)預(yù)處理及二值分割后的圖像； 圖17是實施例3的修復(fù)圖像；圖18 (a)是實施例3晶粒的粒徑分布圖；(b)是實施例3晶粒的形態(tài)分布圖。
具體實施方式
本發(fā)明涉及到的中值濾波、對比度拉伸算法，其具體內(nèi)容參見楊淑瑩。 VC++圖像處理程序設(shè)計(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)增強的直方圖均衡化[J].微電子學(xué)與計算機.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。對目標(biāo)晶粒圖像進行預(yù)處理，以利于后續(xù)操作的進行。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)，故只需對其用基于區(qū)域劃分的自適應(yīng)閾值算法進行二值分割，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，就可對各晶粒進行區(qū)域標(biāo)定。采用追溯法并以像素點為測量單位，對目標(biāo)晶粒分別提取三個初始形態(tài)特征參數(shù)晶粒面積、周長及長寬比；再利用面積、周長， 則可分別算出晶粒粒徑、圓形度和形狀系數(shù)三個特征參數(shù)。
由此，即可根據(jù)晶粒粒徑對目標(biāo)圖像進行晶粒粒徑的分級統(tǒng)計分析，得到相應(yīng)的分析圖表；然后，根據(jù)圓形度、形狀系數(shù)及長寬比對目標(biāo)圖像進行形態(tài)分類統(tǒng)計；最后將以上的晶粒粒徑和形態(tài)的自動分級、分類統(tǒng)計結(jié)果存檔并以圖表文件形式顯示輸出。
下面通過3個實施例對本發(fā)明再詳細(xì)說明 實施例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、計算機(內(nèi)插圖像采集卡)4、打印機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，在圖像最清晰時攝像并存儲到圖像采集卡中 (原始圖像)，方可進行圖像預(yù)處理。
實施例1的原始圖像如圖3所示。先對圖3的原始圖像進行預(yù)處理。首先，利用中值濾波對圖像進行去噪處理。然后，利用可保留圖像細(xì)節(jié)的直方圖均衡算法對整幅圖像進行增強處理，以豐富圖像的細(xì)節(jié)信息，從而強化圖像的顯示效果。為了進一步提取邊緣， 本發(fā)明利用邊緣檢測微分算子法進行，其原理主要是利用灰度變化的作用。由于灰度突變的點處其梯度值很高，可視為相應(yīng)的邊界點，從而確定邊界的點集。同時利用拉伸算法加大圖像的對比度，經(jīng)預(yù)處理后的效果如圖4所示。
對圖4還需進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)閾值分割算法對圖像進行二值分割。基于區(qū)域劃分的自適應(yīng)閾值分割算法即對圖像按坐標(biāo)分塊，對每一子塊分別自動獲得最佳閾值Ti。本發(fā)明經(jīng)過大量試驗發(fā)現(xiàn)，劃分2500個子區(qū)域時，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)晶粒測量分類的精確度。為此，本發(fā)明對傳統(tǒng)的分水嶺分割算法進行了改進，形成了新的基于距離變換的修正分水嶺分割算法。該算法主要通過對目標(biāo)圖像進行距離變換獲取各晶粒的幾何中心即晶粒核心，對各晶粒核心進行修正，以避免過度分割，對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進行歐氏距離變換， 獲得各個獨立晶核，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)模板中心到達一個新目標(biāo)位置時，就將模板中的每個元素與其對應(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)的大小逐層擴大各獨立晶核，若修正之后兩獨立晶核粘連，則將其視為一個獨立晶核，統(tǒng)一編號。本發(fā)明根據(jù)超細(xì)晶的圖像特征，經(jīng)反復(fù)試驗表明，采用修正系數(shù)為2時，效果最佳。③對上述編號后的晶核進行膨脹處理，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，一旦兩晶核相遇即為分水嶺，此時形成晶粒的分界線。圖7a、圖7b分別為缺陷晶粒和晶界修復(fù)后的晶粒形態(tài)。
對于如圖8a所示的晶內(nèi)孔洞缺陷，本發(fā)明采用改進的種子填充算法進行填充處理，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測量及其形態(tài)分類方法”，申請?zhí)?00910030216. 1)。該種子填充改進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，從堆棧中推出一個像素，并將該像素設(shè)置成所要的值。
⑶對于每個與當(dāng)前像素鄰接的四連通或八連通像素，進行測試，以確定測試點的像素是否處在區(qū)域內(nèi)且未被訪問過。
⑷若所測試的像素在區(qū)域內(nèi)沒有被填充過，則將該像素壓入堆棧。
綜上所述，對目標(biāo)圖像分別進行了預(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)圖像的自動修復(fù)圖像，如圖9所示。
至此，即可進行晶粒的測量、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)定圖像中每個像素的實際尺寸，其算法如下①在目標(biāo)圖像中畫一條水平直線段，記下起點坐標(biāo)(xl，y)和終點坐標(biāo)(x2，y)，并計算出該線段的長度Ll=|xl-x2| (單位微米)和所劃過的像素數(shù)m ；②在目標(biāo)圖像中畫一條豎直線段，記下起點坐標(biāo)(x，yl)和終點坐標(biāo)(x，y2)，并計算出該線段的長度L2=|yl-y2| (單位微米)和所劃過的像素數(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，即為每個像素在水平方向上的實際尺寸； —豎直方向尺寸因子，即為每個像素在豎直方向上的實際尺寸； IStMZ^—二維尺寸因子，即為每個像素的二維實際尺寸；(2)對同一圖像中各晶粒進行區(qū)域標(biāo)定，即對各晶粒區(qū)域像素進行標(biāo)識，并進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測量及其形態(tài)分類方法”，申請?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)一個沒有標(biāo)記的1像素點。
②對此1像素點賦予一個新的標(biāo)記NewFlag。
③按圖的編號次序，對此目標(biāo)像素(陰影)點的8個鄰點進行掃描，如果遇到?jīng)]有標(biāo)記的1像素點就把它標(biāo)記為NewFlag(它也就是②中的NewFlag)。此時又要按上述次序掃描8個鄰點中的1像素的8個鄰點，如遇到?jīng)]有標(biāo)記的1像素，又將它標(biāo)記為NewFlag。 此過程是一個遞歸，在鄰點中遇到?jīng)]有標(biāo)記的1像素點，遞推一層，直到?jīng)]有標(biāo)記的1像素點被耗盡，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，然后執(zhí)行②、③兩個步驟。
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粒子面積對二值圖像模板數(shù)組進行掃描，計算出目標(biāo)區(qū)域中灰值為255的像素點總數(shù)義，即可得出目標(biāo)區(qū)域面積為 ②晶粒周長采用Freeman鏈碼對二值圖像模板數(shù)組進行遍歷掃描，跟蹤目標(biāo)晶粒區(qū)域的邊界，將邊界點坐標(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之間的短連線逐段相連而成。短連線的斜率僅可能有八個方向，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Pi:Rl=Nj xX SCLil^^N2^T SCLiI^+ N3 ^XT SCAI^Lm)式中代一水平方向鏈碼個數(shù)，即0°、180°方向邊界上的像素點總數(shù)凡一垂直方向鏈碼個數(shù)，即90°、270°方向邊界上的像素點總數(shù)罵一斜向鏈碼個數(shù)，即45。、135。、225。、315。方向邊界上的像素點總數(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的圓的直徑，
權(quán)利要求
1.一種超細(xì)晶粒鋼晶粒的自動測量及其形態(tài)分類統(tǒng)計方法，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)閾值分割算法對預(yù)處理后的圖像進行二值分割，得到二值圖像；(3)對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)對所述修復(fù)圖像進行標(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、長寬比、直徑、圓形度及形狀系數(shù)；(5)以所述直徑為判據(jù)對晶粒尺寸進行分級統(tǒng)計，以所述圓形度、形狀系數(shù)、長寬比為判據(jù)對晶粒形態(tài)進行分類。
2.根據(jù)權(quán)利要求1所述的一種超細(xì)晶粒鋼晶粒的自動測量及其形態(tài)分類統(tǒng)計方法，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整幅圖像； (1-2)利用邊緣檢測微分算子法提取邊緣，將灰度突變的點處視為相應(yīng)的邊界點，進而確定邊界的點集；(1-3)同時利用拉伸算法加大圖像的對比度。
3.根據(jù)權(quán)利要求1所述的一種超細(xì)晶粒鋼晶粒的自動測量及其形態(tài)分類統(tǒng)計方法，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，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)晶粒鋼晶粒的自動測量及其形態(tài)分類統(tǒng)計方法，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)進行歐氏距離變換，獲得各個獨立晶核；(3-2)根據(jù)修正系數(shù)逐層擴大各獨立晶核，當(dāng)修正之后兩獨立晶核粘連，則將其視為一個獨立晶核，統(tǒng)一編號；(3-3)對所述編號后的晶核進行膨脹處理，膨脹過程中晶核保持同層位增長，當(dāng)兩晶核相遇即為分水嶺，此時形成晶粒的分界線。
5.根據(jù)權(quán)利要求4所述的一種超細(xì)晶粒鋼晶粒的自動測量及其形態(tài)分類統(tǒng)計方法，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)晶粒鋼晶粒的自動測量及其形態(tài)分類統(tǒng)計方法，該方法的步驟是，(1)采集超細(xì)晶粒鋼晶粒圖像，并進行預(yù)處理；(2)采用基于區(qū)域劃分的自適應(yīng)閾值分割算法對預(yù)處理后的圖像進行二值分割，得到二值圖像；(3)對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)對晶粒尺寸進行分級統(tǒng)計，以所述圓形度、形狀系數(shù)、長寬比為判據(jù)對晶粒形態(tài)進行分類；該方法能自動的實現(xiàn)對超細(xì)晶粒鋼的金相組織(晶粒)圖像進行修復(fù)并對其形態(tài)特征進行精確、高效的測量、分類與統(tǒng)計。
文檔編號G01B11/02GK102494976SQ20111036804
公開日2012年6月13日 申請日期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 申請人:江蘇大學(xué)