CN103093231B - 一种合金中第二相的自动识别与定量分析方法 - Google Patents

Abstract

本发明提供了一种合金中第二相的自动识别与定量分析方法，通过使用顶帽变换技术对合金第二相图像过滤得到图像中的条状第二相，接着利用条状第二相对合金第二相图像进行图像代数运算，得到板块状第二相，利用通过对条状第二相和板块状第二相进行定量分析，通过对条状第二相中的独立连通域作最小外接矩形，选取每个独立连通域对应的最小外接矩阵，利用最小外接矩形获得条状第二相的长、宽及面积大小信息，通过统计板块状第二相的像素面积和个数，实现两种第二相的面积，条状第二相的宽度等参数的定量统计，相对于人工识别精度大大提高，并且有效地降低了在此工作中较高的劳动强度，提高了工作效率。

Description

一种合金中第二相的自动识别与定量分析方法

技术领域

本发明涉及一种合金中第二相的自动识别与定量分析方法。

背景技术

在材料学的相关研究中，对合金中第二相的尺寸（长，宽）、面积和数量等参数的统计分析是研究铝合金材料组织性能演变的重要手段和方法。合金中第二相的尺寸大小和数量直接影响到合金的力学性能。通过对合金中第二相的尺寸及体积的定量分析，可以利用现有的计算模型定量计算出合金的强度。通过对合金在不同环境下的第二相粗化规律的分析，可以揭示合金在相应环境下的力学性能演变的微观机理。比如，部分研究通过对铝合金透射电镜照片中的第二相尺寸分布和数量的分析，揭示了铝合金中第二相在热暴露过程中的长大和粗化规律，以及热暴露后铝合金力学性能演变的微观机理。这些对于新材料合金相的设计、揭示材料服役性能演变规律和机理，具有重要的科学意义和实际应用价值。

目前，对合金透射电镜照片中第二相的定量分析工具主要为ImageTool和Nano Measurer两款软件。

Image Tool的作者为得克萨斯大学圣安东尼奥健康科学研究中心的Don Wilcox，BrentDove,Doss McDavid,David Greer开发团队。作为一款专业图像处理软件，其可以进行简单的灰阶阈值处理，从而分割图像并提取相关信息。当初开发此款软件主要意图为统计粒径、孔径、孔面积，孔的总面积，角度等，主要用于生物学及医学显微镜照片的处理与分析。目前此款软件广泛应用于提取铝铜镁银合金照片的数字图像中第二相相关信息的工作中。使用其对铝铜镁银合金照片中第二相的提取与定量进行分析时，需要先使用Photoshop或者类似图像处理软件对原始图像进行预处理，具体操作为使用Photoshop的“钢笔”工具将需要进行信息采集统计的区域涂抹为深色的单一色调，进而使用软件ImageTool（IT）读取经预处理后的图像，设定适当的阈值对图像进行分割处理；进而对指定深色单一色调的连通域进行人工设定分割阈值，并对分割后得到的连通域进行定量统计获取需要的相关信息。虽然使用函数ImageTool（IT）对图像中单一色调的连通域进行识别并提取信息快捷简便，但由于其功能的局限性（只能做阈值分割）及铝铜镁银合金照片的复杂性，只能对单一灰阶色调连通区域进行识别统计，而铝铜镁银合金照片本身需要分析的第二相目标区域并非为单一灰阶色调区域，故需要借助Photoshop等第三方图像处理软件对原图像进行大量效率极为低下的人工预处理，工作强度高（据不完全统计，使用该方法处理一张铝合金照片所需的时间为一周），并且由于人工操作的出错率高等问题（例如，高强度工作下由于疲劳等关系工作人员会遗漏部分不明显的第二相），会导致一部分数据误差。同时，由于板块的厚度不均匀和照片拍摄时光线的问题，导致大部分照片中第二相的板面边缘模糊不清，无法使用人工涂抹的方法予以处理，故导致合金照片中第二相版面无法进行有效的定量统计。

Nano Measurer软件的作者为复旦大学化学系，表面化学与催化实验室研究员许杰。设计该款软件的初衷是用于化学方面的粒径的分布计算分析。使用该软件对合金照片中的第二相进行定量分析时，首先需要确定对应拍照时的标尺画一根同样长度的直线以设定标尺，并手动输入标尺代表的实际长度。在对图中需要测量统计的第二相上使用鼠标人工划出线段连接条状第二相的两个端点以标记需要测量的距离，并得到有序号的标记。在所有需要统计的距离都人工划出线段标注完毕之后，可以点击报告查看报告和相关统计图。但由于缺少面积统计方法，无法统计其中第二相的面积。并且由于板块厚度不均匀以及拍摄照片时的光照不均等原因，导致不同厚度的板块亦无法使用此方法进行统计，仅可测量统计竖置第二相的长度。相比上面提到的ImageTool软件，虽然不需要借助第三方软件进行涂抹操作，并且相对于涂抹操作来说，画线操作的工作量大大减少，但是人工处理效率仍旧低下，工作强度依旧过高（据不完全统计，使用该方法处理一张图片所需时间为2-3小时），同样由于人工操作的疏忽等客观因素，依旧会有部分第二相的信息被遗漏的问题发生。

可以看出，目前在合金第二相的定量统计与分析使用的图像处理方法及两种工具软件，都存在需要大量高强度人工操作，效率低下，无法识别板块状的第二相，以及人工处理精度较低且因人而异问题。

发明内容

本发明要解决的问题：克服现有方法的不足之处，提供一种基于顶帽变换技术的合金透射电镜照片中第二相的定量分析方法，有效降低在现有第二相的定量分析工作所需劳动强度，提高工作效率与结果精度。

一种合金中第二相的自动识别与定量分析方法，包括如下步骤：

步骤1：将采集的图像转换为灰阶图像，对灰阶图像进行灰阶反转处理，接着对其进行光照均衡处理，即采用顶帽变换操作，得到灰度图像A；

步骤2：估计图像A中的条状第二相的宽度为X，利用半径尺寸为95%X～115%X的结构元素，对灰度图像A进行顶帽变换操作，以过滤出条状第二相，消除图中的大尺寸背景，得到灰度图像C，即帽顶图像；

步骤3：对图像A使用Ostu算法得到其迭代阈值，设置迭代阈值的比例因子为N，利用与N相乘的迭代阈值对图像A进行分割处理，得到只包含条状第二相和板块状第二相的二值图像D，该二值图像D用于步骤8，N的取值范围是0.8～1.2；

步骤4：对图像C使用Ostu算法得到其迭代阈值，设置迭代阈值的比例因子为P，利用与比例因子P相乘后的迭代阈值对灰度图像C进行分割处理，得到其二值图像E，即条状第二相提取结果二值图像；

步骤5：对步骤2中顶帽变换所得的帽底图像使用Ostu算法得到其迭代阈值，设置迭代阈值的比例因子为Q，利用与比例因子Q相乘的迭代阈值对帽底图像进行分割处理，得到其二值图像F,即为板块状第二相的粗略定位图；

其中，Q的取值范围是0.8～1.2，所述帽底图像为图像A减去图像C得到的图像；

步骤6：使用板块定位的二值图像F与已得到的条状第二相的二值图像E进行代数加运算，采用Ostu法则计算阈值并基于该阈值对运算结果图进行分割处理，得到两种第二相图像中背景重合部分二值图像G；

步骤7：对条状第二相提取结果二值图像E与二值图像G进行图像代数减运算，消去图E中步骤6中所得的二值图像G，采用Ostu法则取阈值对运算结果图进行分割处理，得到消去与板块重合部分的条状第二相的二值图像H；

步骤8：对二值图像D和二值图像H进行代数减运算，消去二值图像D中的条状第二相图像信息，采用Ostu法则取阈值对运算结果图进行分割处理，得到板块状第二相的二值图像I；

步骤9：对二值图像E和二值图像I进行定量分析，得到并统计原始图像中第二相的有效信息，包括条状第二相的长度、宽度、面积、个数以及板块状第二相的面积和个数。

利用步骤1得到的二值图像A与二值图像C进行代数减运算，得到板块状第二相二值图像F，完成对板块状第二相的边缘定位，板块状第二相二值图像F即为所述步骤5中的定位图。

所述步骤9中的对二值图像E和二值图像I进行定量分析的步骤如下：

对二值图像E进行定量分析的步骤如下：

1）依次作二值图像E中各个独立连通域的外接矩形，并记录每个外接矩形的周长；

2）以正外接矩形中心为圆心，以此圆心作为坐标原点，水平坐标轴和垂直坐标轴分别与图像的水平线和垂直线平行，将水平坐标轴顺时针旋转1°，作新外接矩形，新外接矩形的一条边与水平坐标轴平行，记录新的外接矩形的周长；

3）以新的外接矩形的中心为圆心，重复步骤2），直至旋转一周（360°）；

4）从所有的外接矩形周长中选周长最小的外接矩形的长度和宽度作为条状第二相的长度和宽度；

5）利用步骤4）得到的条状第二相的长度和宽度相乘得到条状第二相的面积大小，并统计条状第二相的个数；

对二值图像I进行定量分析是指，计算二值图像I中各独立连通域的像素面积，并统计板块状第二相的个数。

有益效果

本发明提供了一种合金中第二相的自动识别与定量分析方法，通过使用顶帽变换技术对合金第二相图像过滤得到图像中的条状第二相，接着利用条状第二相对合金第二相图像进行图像代数运算，得到板块状第二相，利用通过对条状第二相和板块状第二相进行定量分析，通过对条状第二相中的独立连通域作最小外接矩形，选取每个独立连通域对应的最小外接矩阵，利用最小外接矩形获得条状第二相的长、宽及面积大小信息，通过统计板块状第二相的像素面积和个数，实现两种第二相的面积，条状第二相的宽度等参数的定量统计，相对于人工识别精度大大提高，并且有效地降低了在此工作中较高的劳动强度，提高了工作效率。

附图说明

图1为采用本发明对合金中第二相的处理过程中各步骤所得的效果图；

图2为条状第二相的外接矩形示意图；

图3为采用本发明对合金第二相中的板块状第二相和条状第二相的检测分析数据图，其中，a图为板块状第二相各面积与平均面积的比值分布图，b图为条状第二相各长度与平均长度的比值分布图，c图为条状第二相宽度与平均宽度的比值分布图，d图为条状第二相各面积与平均面积的比值分布图。

具体实施方式

下面将结合附图对本发明进行详细说明。

首先对本发明中运用到专业术语进行解释如下：

1.灰度形态学

形态学操作包括二值形态学和灰度形态学两种，分布用于二值图像和灰度图像。本文中所处理的合金透射电镜照片，具有复杂的背景，噪点较多，第二相尤其是板块状第二相无明显特征等情况。尤其在第二相与背景灰阶差别不大的情况下，使用传统方法通过人肉眼判断第二相长度以及个数是极为不准确的，无法得到较好的效果。为了抑制原图中第二相所处的复杂背景，本发明采用灰度形态学处理此类灰度图像。在灰度形态学中，有四种基本操作，即：膨胀，腐蚀，开运算以及闭运算。

最基本的膨胀(Dilation)与腐蚀(Erosion)定义如下，设A为原图像，B为结构元素，其余为通用数学符号，A被B膨胀记作：

A被B腐蚀记作：

$\mathrm{A\ΘB}=\left\{x\right|{\left(B\right)}_x\⊆A\}---\left(2\right)$

开运算(Opening)及闭运算(Closing)都是在腐蚀和膨胀基础上得到的，定义分别如下：

AоB=(AΘB)⊕B     （3）

A·B=(A⊕B)ΘB     （4）

2.顶帽变换操作

顶帽变换在数字图像处理技术中具有类似于高频滤波的效果。根据Top-Hat算子使用开、闭运算的不同而分为开Top-Hat算子和闭Top-Hat算子。

从原图像中减去结构元素对其作开运算后得到的图像，称作开顶帽原理(Open Top-Hat)其定义如下：

OTHA,B=A-AΘB    （5）

利用结构元素将原始图像闭运算处理后中减去原图像，称作闭顶帽原理(ClosingTop-Hat)其定义如下：

CTHA,B=A⊕B-A    （6）

3.Ostu算法

最大类间方差法是由日本学者大津(Nobuyuki Otsu)于1979年提出的,是一种自适应的阈值确定的方法,又叫大津法,简称OTSU。它是按图像的灰度特性,将图像分成背景和目标两部分。背景和目标之间的类间方差越大,说明构成图像的两部分的差别越大,当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小。因此,使类间方差最大的分割意味着错分概率最小。对于图像I(x,y),前景(即目标)和背景的分割阈值记作T,属于前景的像素点数占整幅图像的比例记为ω₁,其平均灰度μ₁；背景像素点数占整幅图像的比例为ω₂,其平均灰度为μ₂。图像的总平均灰度记为μ,类间方差记为g。

假设图像的背景较暗,并且图像的大小为M×N,图像中像素的灰度值小于阈值T的像素个数记作N₁,像素灰度大于阈值T的像素个数记作N₂,则有：

${\mathrm{\ω}}_1=\frac{N_1}{M\×N}---\left(7\right)$

${\mathrm{\ω}}_2=\frac{N_2}{M\×N}---\left(8\right)$

N₁+N₂=M×N                     （9）

ω₁+ω₂=1                      （10）

μ=μ₁×ω₁+μ₂×ω₂           （11）

g=ω₁×(μ-μ₁)²+ω₂×(μ-μ₂)²（12）

将式(11)代入式(12),得到等价公式:

g=ω₁×ω₂×(μ₁-μ₂)²         （13）

采用遍历的方法得到使类间方差最大的阈值T,即为所求。

本发明具体实现步骤如下：

（1）将得到的合金透射电镜照片转为灰阶图像，使用顶帽变换技术消除光照不均，即进行光照均衡处理，得到结果图像A即图1a；

（2）对图像A进行顶帽变换中的开顶帽变换操作；开顶帽变换的公式为：OTHA,B=A-AΘB，结构元素B选取半径大小为M的碟形结构元素，估计图A中条状第二相的宽度尺寸为5个像素，本实施例中设置M=7。由于顶帽变换等效于透射电镜原图减去原图与结构元素B进行开运算后得到的图像，选用合适的结构元素B即结构元素半径为图A中条状第二相宽度尺寸的115%，利用结构元素B对原图进行开运算，得到尺寸大于结构元素的背景，再利用原图像减去进行开运算后的结构，就可以消除背景，增强条状第二相区域，得到条状物增强的结果图C即图1b；

（3）对图像A使用Ostu算法得到其自动迭代阈值，对图像A进行阈值分割；其中，由于透射电镜图像的自身特性，简单地套用通过Ostu算法得到的阈值对其进行分割得到的结果并不理想，引入比例因子N，与迭代阈值相乘后对图像A进行分割处理，根据实验总结，N取值范围在0.8～1.2区间为最佳。当N值过大时，板块状第二相的数量会大大减少，并且出现大尺寸板块被分割成多个小块的情况出现。当N值过小时，则会出现多个小尺寸板块相互粘连。本实施例设置N=0.9，得到第二相提取结果图D即图1c；

（4）同样对灰度图像C使用Ostu算法进行分割阈值，同样引入比例因子P，与迭代阈值相乘处理。但在此之前需通过图像C本身属性判断是否需要进行图像对比度增强处理；由实施例中的原图可知板块状第二相的灰度值相对于条状第二相通常较低，单纯从实验角度而言可以观察图中板块状第二相，如果此类第二相轮廓清晰灰阶,与条状第二相灰阶差值较大,则需使用对比度增强处理,如果二者的的灰度值相差不大，则不需。在实验所得的数据中,可知在两种第二相灰阶最大值大于20%需要使用灰度增强。本实例中，由于P的取值最大区间为0.5～1.5，但在实际试验中可知在0.7～0.9区间上所得的阈值分割图效果最佳。P的取值大小对条状第二相的分割结果造成的影响并不明显，但直接关系到结果图中噪点的数量；P取值较大时噪点数量明显减少，本次实施取P=0.9，得到条状第二相二值结果图E即图1d；

（5）选用步骤（2）中顶帽变换操作中的帽底图片，使用Ostu法则取其迭代阈值分割其图像；引入比例因子Q，与迭代阈值相乘处理，同样取0.8～1.2为Q的取值区间，所述帽底图像为图像A减去图像C得到的图像；本次实施取Q=0.9，得到板块定位二值结果图F即图1e；

（6）对二值结果图E和二值结果图F进行图像加代数运算，并使用Ostu法则取阈值对运算结果图进行分割处理，得到图中条状第二相与板块状第二相的重合部分的二值结果图G即图1f；

（7）对二值结果图E和二值结果图G进行图像减代数运算，并使用Ostu法则取阈值对运算结果图进行分割处理，得到消除重合部分的条状第二相的二值结果图H即图1g；

（8）对结果图D和二值结果图H进行图像减代数运算，并使用Ostu法则取阈值对运算结果图进行分割处理，得到图中板块状第二相的二值结果图I即图1h；

（9）对二值结果图E和二值结果图I中的连通域进行分析，统计单个连通域的像素个数幷予以统计。

统计二值结果图I中连通域各个像素点坐标值，分析得出以四个坐标（x_max，y_max）（x_min，y_min）（x_min，y_max）（x_max，y_min）为顶点的连通域正外接矩形，如图2所示为条状第二相的外接矩形示意图；

同时以此外接矩形中心为圆心，以长轴方向为轴心方向，绕圆心将外接矩形旋转1°每次旋转之后以重新构造当前外接矩形的新外接矩形，重新定义旋转圆心和长轴长度，并记录该矩形周长。由于椭圆形的几何特征,其长轴与短轴的长度等于其最小外接矩形的长度以及宽度。故在旋转360°后，可在统计数据中选取周长最小外接矩形，取其长度，宽度，作为对应连通域的条状第二相数据。如图3所示，为合金第二相的板块状第二相的面积比、条状第二相长度比和宽度比数据；其中，图3a是合金第二相图像中含板块状第二相的各面积与平均面积的比值分布图，图3b是合金第二相图像中含条状第二相的各长度与平均长度的比值分布图，图3c是合金第二相图像中含条状第二相的各宽度与平均宽度的比值分布图，图3d是合金第二相图像中含条状第二相的各面积与平均面积的比值分布图。从图3可以看出，采用本发明所述的方法能够对合金中板块第二相和条状第二相的面积及长宽大小进行精确的检测和分析。

Claims (1)

1.一种合金中第二相的自动识别与定量分析方法，其特征在于，包括如下步骤：

步骤1：将采集的图像转换为灰阶图像，对灰阶图像进行灰阶反转处理，接着对其进行光照均衡处理，即采用顶帽变换操作，得到灰度图像A；

步骤2：估计灰度图像A中的条状第二相的宽度为X，利用半径尺寸为95％X～115％X的结构元素，对灰度图像A进行顶帽变换操作，以过滤出条状第二相，消除图中的大尺寸背景，得到灰度图像C，即帽顶图像；

步骤3：对图像A使用Ostu算法得到其迭代阈值，设置迭代阈值的比例因子为N，利用与N相乘的迭代阈值对图像A进行分割处理，得到只包含条状第二相和板块状第二相的二值图像D，该二值图像D用于步骤8，N的取值范围是0.8～1.2；

步骤4：对图像C使用Ostu算法得到其迭代阈值，设置迭代阈值的比例因子为P，利用与比例因子P相乘后的迭代阈值对灰度图像C进行分割处理，得到其二值图像E，即条状第二相提取结果二值图像；

步骤5：对步骤2中顶帽变换所得的帽底图像使用Ostu算法得到其迭代阈值，设置迭代阈值的比例因子为Q，利用与比例因子Q相乘的迭代阈值对帽底图像进行分割处理，得到其二值图像F,即为板块状第二相的粗略定位图；

其中，Q的取值范围是0.8～1.2，所述帽底图像为图像A减去图像C得到的图像；

步骤6：使用板块定位的二值图像F与已得到的条状第二相的二值图像E进行代数加运算得到第一运算结果图，采用Ostu算法计算阈值并基于该阈值对第一运算结果图进行分割处理，得到两种第二相图像中背景重合部分二值图像G；

步骤7：对条状第二相提取结果二值图像E与二值图像G进行图像代数减运算得到第二运算结果图，消去图E中步骤6中所得的二值图像G，采用Ostu算法取阈值对第二运算结果图进行分割处理，得到消去与板块重合部分的条状第二相的二值图像H；

步骤8：对二值图像D和二值图像H进行代数减运算得到第三运算结果图，消去二值图像D中的条状第二相图像信息，采用Ostu算法取阈值对第三运算结果图进行分割处理，得到板块状第二相的二值图像I；

步骤9：对二值图像E和二值图像I进行定量分析，得到并统计原始图像中第二相的有效信息，包括条状第二相的长度、宽度、面积、个数以及板块状第二相的面积和个数；

所述步骤9中的对二值图像E和二值图像I进行定量分析的步骤如下：

对二值图像E进行定量分析的步骤如下：

1)依次作二值图像E中各个独立连通域的外接矩形，并记录每个外接矩形的周长；

2)以正外接矩形中心为圆心，以此圆心作为坐标原点，水平坐标轴和垂直坐标轴分别与图像的水平线和垂直线平行，将水平坐标轴顺时针旋转1°，作新外接矩形，新外接矩形的一条边与水平坐标轴平行，记录新的外接矩形的周长；

3)以新的外接矩形的中心为圆心，重复步骤2)，直至旋转一周(360°)；

4)从所有的外接矩形周长中选周长最小的外接矩形的长度和宽度作为条状第二相的长度和宽度；

5)利用步骤4)得到的条状第二相的长度和宽度相乘得到条状第二相的面积大小，并统计条状第二相的个数；

对二值图像I进行定量分析是指，计算二值图像I中各独立连通域的像素面积，并统计板块状第二相的个数。