CN101413792B - 一种多孔材料孔隙边界提取和数值化方法 - Google Patents
一种多孔材料孔隙边界提取和数值化方法 Download PDFInfo
- Publication number
- CN101413792B CN101413792B CN2008102326081A CN200810232608A CN101413792B CN 101413792 B CN101413792 B CN 101413792B CN 2008102326081 A CN2008102326081 A CN 2008102326081A CN 200810232608 A CN200810232608 A CN 200810232608A CN 101413792 B CN101413792 B CN 101413792B
- Authority
- CN
- China
- Prior art keywords
- pore
- image
- porosint
- boundary
- summit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Abstract
本发明公开了一种多孔材料孔隙边界提取和数值化方法，该方法包括以下步骤：摄取被检测多孔材料的多个相互平行断面的微观孔隙结构图像；将多个孔隙结构图像分别传输至计算机进行预处理；提取黑白孔隙结构图像中黑色图像区域和白色图像区域的交界线即孔隙空间边界并进行标示，标示出来的孔隙空间边界为由多个像素点为顶点组成的多边形，确定多边形所有顶点的二维坐标值并对其各顶点进行连续编号，即获得二维孔隙边界；将相邻两个二维孔隙边界图像中所有平面多边形的各顶点按编号顺序对应依次连接后，所组成的空间多边形即为三维孔隙边界。本发明操作简单且成本低，能对多孔材料的孔隙形貌和孔通道的弯曲程度等性能参数进行数值化处理，分析准确。
Description
技术领域
本发明涉及一种孔隙边界的提取和描述方法，尤其是涉及一种多孔材料孔隙边界提取和数值化方法。
背景技术
多孔材料广泛存在于自然界和工程应用中，是一类重要的结构和功能一体化材料，多孔材料内部所存在的大量孔隙使得其具有诸多不同于致密材料的优异性能。多孔材料的应用性能主要取决于孔结构特征，孔结构参数是多孔材料最重要的特征参量，对于孔结构的准确描述是多孔材料研究、制造和应用的基础问题。但是由于孔隙大小不一、随机分布，孔隙空间结构的杂乱无序，使得多孔材料孔结构的科学描述变得异常复杂。
常规多孔材料孔结构的描述方法是基于毛细管假设下的物理性能检测，其将孔隙和孔通道分别简化为圆和直管，即所谓的“圆-直管模型”，用不同的流体压差-流量数据计算得到等效孔径和孔径分布，这是一种近似描述，而且由于检测方法的不同，结果差异较大，也难以反映孔隙形貌、孔通道的弯曲程度等特征。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种多孔材料孔隙边界提取和数值化方法，其操作简单且成本低，能对多孔材料的孔隙形貌和孔通道的弯曲程度等性能参数进行较准确分析。
为解决上述技术问题，本发明采用的技术方案是：一种多孔材料孔隙边界提取和数值化方法，其特征在于该方法包括以下步骤：
步骤一、采用图像采集设备摄取被检测多孔材料的多个相互平行的断面的微观孔隙结构图像，其中，所述多孔材料的实体骨架材料和孔隙空间分别对应的图像区域之间具有明显的色彩对比；
步骤二、将所述多个孔隙结构图像分别传输至计算机进行预处理，其预处理过程包括以下步骤：
(a)将所述孔隙结构图像转化为多灰度级灰度图像；
(b)对所述多灰度级灰度图像进行去噪和滤波处理；
(c)将经去噪和滤波处理的所述多灰度级灰度图像转换为二灰度级图像即黑白图像；
所述黑白图像由像素值为1的白色图像区域和像素值为0的黑色图像区域组成，其中，所述实体骨架材料对应的图像区域为白色图像区域或黑色图像区域，所述孔隙空间对应的图像区域相应为黑色图像区域或白色图像区域；
步骤三、用计算机提取所述黑白图像中黑色图像区域和白色图像区域的交界线即孔隙空间边界并用彩色线条进行标示，所标示出来的孔隙空间边界为由多个像素点为顶点组成的多边形，确定所述平面多边形所有顶点的二维坐标值并对其各顶点进行连续编号，即获得被检测多孔材料的多个相互平行断面的二维孔隙边界图像；
步骤四、用计算机将相邻两个所述二维孔隙边界图像中所有平面多边形的各顶点按编号顺序对应依次连接后，所组成的空间多边形即为被检测多孔材料的三维孔隙边界。
步骤一中所述的图像采集设备为金相显微镜或扫描电子显微镜。
步骤一中所述的孔隙结构图像为分辨率不低于500×500的清晰彩色或多灰度级灰度图像。
步骤(c)中所述的滤波处理为最小值滤波和/或中值滤波和/或最大值滤波和/或均值滤波和/或低通滤波和/或高通滤波处理。
步骤(c)中所述的实体骨架材料对应的图像区域为白色图像区域，所述孔隙空间对应的图像区域相应为黑色图像区域。
步骤三中还需对所述平面多边形进行简化处理，所述简化处理的方法为减少所述平面多边形的边数并相应增加各边边长。
步骤三中确定所述平面多边形所有顶点的二维坐标值时，选取所述黑白图像左下方的顶点为坐标原点。
步骤三中对所述平面多边形各顶点进行连续编号时，以二维坐标绝对值最小的顶点为1#顶点，然后按照逆时针顺序依次对剩余顶点进行连续编号。
步骤一中所述相互平行断面的数量不少于三个。
步骤一中所述相互平行断面的数量为三个。
本发明与现有技术相比具有以下优点，1、不但可得到数字化的二维孔隙边界，还可得到数字化的三维孔隙边界；2、所得到的孔隙边界即孔隙空间边界反映了材料的真实孔隙结构，同时具有操作简单、成本低等优点；3、通过数学分析方法和计算机数据处理技术，再结合孔隙边界数值化后的大量结果数据，对多孔材料结构进行系统分析，便可获得多孔材料的孔径、孔径分布、孔隙面积、孔隙周长等结构性能参数，可利用分形理论对多孔材料进行数学分析，进而建立孔隙边界特征与材料应用性能间的关系，以便于指导多孔材料的制造和应用；4、适用范围广，不仅可以对已知的材质，例如金属、陶瓷、高分子、岩土等制成多孔材料的表面或剖面孔隙结构进行分析，也可以对骨骼、木材等具有多孔结构的材料的表面或剖面孔隙结构进行分析。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明所获取的二维孔隙边界多边形结构示意图。
图2为本发明所形成三个平行剖面的结构示意图。
图3为本发明重建形成的三维孔隙边界结构示意图。
附图标记说明：
1—剖面一； 2—剖面二； 3—剖面三；
4—简化多边形。
具体实施方式
本发明所述的多孔材料孔隙边界的提取及其数值化方法包括以下步骤：
步骤一、采用图像采集设备摄取被检测多孔材料的多个相互平行断面的微观孔隙结构图像，其中，所述多孔材料的实体骨架材料和孔隙空间分别对应的图像区域之间具有明显的色彩对比。其中，所述断面为多孔材料的外表面和/或剖面。所述图像采集设备为金相显微镜或扫描电子显微镜，并且所述相互平行断面的数量不少于三个。实践中，也可以采用其它光学或电子的材料结构图像采集设备获取上述微观孔隙结构图像。所检测的多孔材料可以是已知的材质，例如金属、陶瓷、高分子、岩土等制成多孔材料的表面或剖面微观结构图像，也可以是骨骼、木材等具有多孔结构的材料的表面或剖面微观结构图像。本实施例中，所采用的图像采集设备为金相显微镜，被检测的多孔材料为烧结金属粉末多孔材料。并且，为保证所提取孔隙边界的精度，所获取的多孔材料的孔隙结构图像应具有较高的清晰度和分辨率，本实施例中，所述孔隙结构图像为分辨率不低于500×500的清晰彩色图像或多灰度级灰度图像。
另外，结合图2，本实施例中，所述相互平行断面的数量为三个，并且为被检测多孔材料的三个相互平行的剖面。具体的提取过程是：首先准备一块待分析多孔材料的样品，获取被检测多孔材料外表面即剖面一1的孔隙结构；再平行切除剖面一1上的一薄层材料，获取新形成的剖面二2的孔隙结构图像；最后，再切除一薄层材料，获取新形成的剖面三3的孔隙结构图像。
步骤二、将所述多个孔隙结构图像分别传输至计算机进行预处理，本实施例中，即将所获取的三个相互平行剖面的孔隙结构图像分别传输至计算机，通过计算机依次对所述三个孔隙结构图像进行预处理，其预处理过程包括以下步骤：
(a)将所述孔隙结构图像转化为多灰度级灰度图像：即将RGB、CMYK等色彩模式转换为灰度的色彩模式。
(b)对所述多灰度级灰度图像进行去噪和滤波处理：所述滤波处理为最小值滤波和/或中值滤波和/或最大值滤波和/或均值滤波和/或低通滤波和/或高通滤波处理。实践中，可以根据具体实际情况，相应选择最小值滤波、中值滤波、最大值滤波、均值滤波、低通滤波和高通滤波中的一种或几种滤波处理方式的组合方式进行滤波处理。
(c)将经去噪和滤波处理的所述多灰度级灰度图像转换为二灰度级图像即黑白图像；
所述黑白图像由像素值为1的白色图像区域和像素值为0的黑色图像区域组成，其中，所述实体骨架材料对应的图像区域为白色图像区域或黑色图像区域，所述孔隙空间对应的图像区域相应为黑色图像区域或白色图像区域。
也就是说，本步骤中，将所述孔隙结构图像中的所有像素值分别置为0(黑色图像区域)或1(白色图像区域)，本实施例中，所述实体骨架材料对应的图像区域为白色图像区域，所述孔隙空间对应的图像区域相应为黑色图像区域。实际操作过程中，根据不同的多孔材料以及不同的孔隙结构图像获取方式，黑色图像区域和白黑色图像区域分别与实体骨架材料和孔隙空间的对应关系不同。
步骤三、用计算机提取所述黑白图像中黑色图像区域和白色图像区域的交界线即孔隙空间边界并用彩色线条进行标示，所标示出来的孔隙空间边界为由多个像素点为顶点组成的多边形，确定所述平面多边形所有顶点的二维坐标值并对其各顶点进行连续编号，即获得被检测多孔材料的多个相互平行断面的二维孔隙边界图像。另外，还需对所述平面多边形进行简化处理，所述简化处理的方法为减少所述平面多边形的边数并相应增加各边边长。在确定所述平面多边形所有顶点的二维坐标值时，选取所述黑白图像左下方的顶点为坐标原点，也就是说，以所述黑白图像左下方的顶点为坐标原点，确定所述平面多边形各顶点的二维坐标值。对所述平面多边形各顶点进行连续编号时，以二维坐标绝对值最小的顶点为1#顶点，然后按照逆时针顺序依次对剩余顶点进行连续编号。
结合图1，本步骤中，从转换后的黑白图像中提取孔隙空间边界即孔隙边界，为便于识别孔隙边界，利用计算机将黑色图像区域和白色图像区域的交界线识别出来后，并用红色或蓝色等彩色线条在所述黑白图像中标示出来，所标示出来的孔隙空间边界即孔隙边界是由多个像素点为顶点组成的多边形。为降低后续计算处理的工作量，可对所标示出来的多边形进行简化处理，其简化处理的方法是减少多边形的边数并增加多边形的边长，优选的减少多边形的边数并增加多边形边长的实施方法是每隔若干个像素点将首尾两个像素点连接起来构成简化的多边形，本实施例中，每隔5个像素点将首尾两个像素点连接起来构成简化多边形4。
为方便对孔隙边界的多边形进行数学分析处理，则先对孔隙边界多边形进行数值化处理，即利用计算机确定所述平面多边形所有顶点的二维坐标值，并对所述平面多边形的所有顶点进行编号。本实施例中，确定所述平面多边形所有顶点的二维坐标值时，选取所述黑白图像左下方的顶点为坐标原点，而对所述平面多边形各顶点进行连续编号时，以二维坐标绝对值最小的顶点为1#顶点，然后按照逆时针顺序依次对剩余的12个顶点进行连续编号。
分别按照步骤三提取所述三个孔隙结构图像的孔隙边界并分别进行数值化，便获得被检测多孔材料的三个相互平行剖面的二维孔隙边界图像。
步骤四、用计算机将相邻两个所述二维孔隙边界图像中所有平面多边形的各顶点按编号顺序对应依次连接后，所组成的空间多边形即为被检测多孔材料的三维孔隙边界图像。
本实施例中，通过三维重建形成被检测多孔材料孔结构的三维孔隙边界。如图3所示，按照步骤三获取剖面一1、剖面二2和剖面三3三个相互平行剖面的二维孔隙边界图像后，将相邻两个二维孔隙边界图像中所述平面多边形的各顶点按照编号顺序依次进行连接，即将对应的坐标值最接近的顶点连接起来，例如，将剖面一1中的1#、2#......13#顶点分别对应与剖面二2中的1’#、2’#......13’#顶点连接起来构成一个空间多边形，再将剖面二2中的顶点1’#、2’#......13’#顶点分别对应与剖面三3中的1”#、2”#......13”#顶点连接起来构成另外一个空间多边形。将所有相邻剖面的二维孔隙边界图像中的各顶点连接后所组成的空间多边形即三维面，便是被检测多孔材料的三维孔隙边界。
以上所述，仅是本发明的较佳实施例，并非对本发明作任何限制，凡是根据本发明技术实质对以上实施例所作的任何简单修改、变更以及等效结构变化，均仍属于本发明技术方案的保护范围内。
Claims (9)
1.一种多孔材料孔隙边界提取和数值化方法，其特征在于该方法包括以下步骤：
步骤一、采用图像采集设备摄取被检测多孔材料的多个相互平行的断面的微观孔隙结构图像，其中，所述多孔材料的实体骨架材料和孔隙空间分别对应的图像区域之间具有明显的色彩对比；
步骤二、将所述多个孔隙结构图像分别传输至计算机进行预处理，其预处理过程包括以下步骤：
(a)将所述孔隙结构图像转化为多灰度级灰度图像；
(b)对所述多灰度级灰度图像进行去噪和滤波处理；
(c)将经去噪和滤波处理的所述多灰度级灰度图像转换为二灰度级图像即黑白图像；
所述黑白图像由像素值为1的白色图像区域和像素值为0的黑色图像区域组成，其中，所述实体骨架材料对应的图像区域为白色图像区域或黑色图像区域，所述孔隙空间对应的图像区域相应为黑色图像区域或白色图像区域；
步骤三、用计算机提取所述黑白图像中黑色图像区域和白色图像区域的交界线即孔隙边界并用彩色线条进行标示，所标示出来的孔隙边界为由多个像素点为顶点组成的平面多边形，确定所述平面多边形所有顶点的二维坐标值并对其各顶点进行连续编号，即获得被检测多孔材料的多个相互平行断面的二维孔隙边界图像；
步骤四、用计算机将相邻两个所述二维孔隙边界图像中所有平面多边形的各顶点按编号顺序对应依次连接后，所组成的空间多边形即为被检测多孔材料的三维孔隙边界。
2.按照权利要求1所述的一种多孔材料孔隙边界提取和数值化方法，其特征在于：步骤一中所述的图像采集设备为金相显微镜或扫描电子显微镜。
3.按照权利要求1或2所述的一种多孔材料孔隙边界提取和数值化方法，其特征在于：步骤一中所述的孔隙结构图像为分辨率不低于500×500的清晰彩色图像。
4.按照权利要求1或2所述的一种多孔材料孔隙边界提取和数值化方法，其特征在于：步骤(c)中所述的滤波处理为最小值滤波和/或中值滤波和/或最大值滤波和/或均值滤波和/或低通滤波和/或高通滤波处理。
5.按照权利要求1或2所述的一种多孔材料孔隙边界提取和数值化方法，其特征在于：步骤(c)中所述的实体骨架材料对应的图像区域为白色图像区域，所述孔隙空间对应的图像区域相应为黑色图像区域。
6.按照权利要求1或2所述的一种多孔材料孔隙边界提取和数值化方法，其特征在于：步骤三中确定所述平面多边形所有顶点的二维坐标值时，选取所述黑白图像左下方的顶点为坐标原点。
7.按照权利要求1或2所述的一种多孔材料孔隙边界提取和数值化方法，其特征在于：步骤三中对所述平面多边形各顶点进行连续编号时，以二维坐标绝对值最小的顶点为1#顶点，然后按照逆时针顺序依次对剩余顶点进行连续编号。
8.按照权利要求1或2所述的一种多孔材料孔隙边界提取和数值化方法，其特征在于：步骤一中所述相互平行的断面的数量不少于三个。
9.按照权利要求1或2所述的一种多孔材料孔隙边界提取和数值化方法，其特征在于：步骤一中所述相互平行的断面的数量为三个。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2008102326081A CN101413792B (zh) | 2008-12-05 | 2008-12-05 | 一种多孔材料孔隙边界提取和数值化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2008102326081A CN101413792B (zh) | 2008-12-05 | 2008-12-05 | 一种多孔材料孔隙边界提取和数值化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101413792A CN101413792A (zh) | 2009-04-22 |
| CN101413792B true CN101413792B (zh) | 2010-08-18 |
Family
ID=40594436
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2008102326081A Expired - Fee Related CN101413792B (zh) | 2008-12-05 | 2008-12-05 | 一种多孔材料孔隙边界提取和数值化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101413792B (zh) |
Families Citing this family (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101869106B1 (ko) * | 2009-11-12 | 2018-06-19 | 스미스 앤드 네퓨, 인크. | 제어된 무작위 다공성 구조물 및 이의 제작 방법 |
| EP2386823A1 (de) * | 2010-05-12 | 2011-11-16 | Siemens Aktiengesellschaft | Oberflächenanalyse zur Detektierung verschlossener Löcher und Verfahren zur Wiedereröffnung |
| CN101986099B (zh) * | 2010-10-21 | 2013-11-06 | 中国林业科学研究院木材工业研究所 | 一种确定材料边缘的方法和系统 |
| CN102157015A (zh) * | 2011-04-24 | 2011-08-17 | 大连理工大学 | 纤维增强复合材料三维随机孔隙模型的建立方法 |
| CN102297832A (zh) * | 2011-07-12 | 2011-12-28 | 长安大学 | 一种基于数字图像技术的路面混凝土气孔结构测试方法 |
| CN102314609B (zh) * | 2011-09-13 | 2012-12-12 | 中国科学院地理科学与资源研究所 | 一种多边形图像的骨架提取方法及装置 |
| CN102507411B (zh) * | 2011-10-27 | 2013-11-06 | 哈尔滨工业大学 | 基于金相照片和图像分析技术分析铝基多孔复合材料中微孔分布的方法 |
| CN102519853A (zh) * | 2011-12-05 | 2012-06-27 | 中国石油大学(华东) | 孔隙结构约束下有效储层采出工业孔隙度下限求取方法 |
| CN102572219B (zh) * | 2012-01-19 | 2014-12-24 | 西安联客信息技术有限公司 | 移动终端及其图像处理方法 |
| CN105260526A (zh) * | 2015-09-29 | 2016-01-20 | 中国矿业大学 | 基于图像的自适应有限元网格划分方法 |
| CN105761241A (zh) * | 2016-01-25 | 2016-07-13 | 中国水利水电科学研究院 | 一种基于ct扫描图像的土壤大孔隙空间结构确定方法 |
| CN108399615B (zh) * | 2018-01-18 | 2019-11-19 | 中国矿业大学 | 基于二维数字图像连续孔径分布的计算方法 |
| CN108956423A (zh) * | 2018-07-19 | 2018-12-07 | 中国石油大学(华东) | 厘定岩石二维孔隙度-三维孔隙度定量关系的方法 |
| CN110174335B (zh) * | 2019-03-12 | 2022-03-25 | 北京建筑大学 | 基于测量的纤维材料等效最大孔径获取系统及其方法 |
| CN111739041B (zh) * | 2020-05-18 | 2024-04-12 | 北京完美知识科技有限公司 | 图像边框的裁剪方法、装置及设备 |
| CN113533158B (zh) * | 2021-07-06 | 2022-07-19 | 中国地质大学（北京） | 一种基于sem图像的煤储层孔隙结构参数定量分析方法 |
-
2008
- 2008-12-05 CN CN2008102326081A patent/CN101413792B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN101413792A (zh) | 2009-04-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101413792B (zh) | 一种多孔材料孔隙边界提取和数值化方法 | |
| CN101413871B (zh) | 一种多孔材料孔结构分形维数的计算方法 | |
| CN107133630B (zh) | 一种基于扫描图像判断碳酸盐岩孔隙类型的方法 | |
| Long et al. | A box-counting method with adaptable box height for measuring the fractal feature of images | |
| CN109118528A (zh) | 基于区域分块的奇异值分解图像匹配算法 | |
| CN108109157B (zh) | 一种基于数字式全景钻孔图像的岩体评估分析方法 | |
| CN109658391B (zh) | 一种基于轮廓归并和凸包拟合的圆半径测量方法 | |
| Mehrshad et al. | New image-processing algorithm for measurement of bubble size distribution from flotation froth images | |
| CN110544300A (zh) | 一种基于二维手绘图像特征自动生成三维模型的方法 | |
| CN101587189A (zh) | 用于合成孔径雷达图像的纹理基元特征提取方法 | |
| Fahrurozi et al. | Wood texture features extraction by using glcm combined with various edge detection methods | |
| CN111323788A (zh) | 建筑物变化的监测方法、装置及计算机设备 | |
| Anangsha et al. | A new autonomous program customized for computing surface cracks in an unsaturated soil in a 1-D column | |
| CN109766850A (zh) | 基于特征融合的指纹图像匹配方法 | |
| Dulecha et al. | Crack detection in single-and multi-light images of painted surfaces using convolutional neural networks | |
| CN110728061B (zh) | 基于朗伯体反射建模的陶瓷表面气孔检测方法 | |
| Ma et al. | Rapid estimation of apple phenotypic parameters based on 3D reconstruction | |
| CN104599229A (zh) | 一种岩土体材料快速矢量化方法 | |
| Lam et al. | Fractal analysis and multifractal spectra for the images | |
| CN114332079A (zh) | 基于图像处理的塑料餐盒裂缝检测方法、装置及介质 | |
| CN117274240B (zh) | 一种承台基础混凝土表面裂缝识别方法 | |
| CN107064136B (zh) | 基于二维数字图像处理的沥青混合料接触特性的评价方法 | |
| Barmpoutis et al. | Detection of various characteristics on wooden surfaces, using scanner and image processing techniques | |
| CN107204002B (zh) | 一种基于三维数字图像的曲面自动识别及曲面结构参数智能提取方法 | |
| Chen et al. | 2-D image-based volumetric modeling for particle of random shape |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20100818 Termination date: 20211205 |