CN104820994A - 一种适用于连续高分辨透射电镜图像的分析方法 - Google Patents

一种适用于连续高分辨透射电镜图像的分析方法 Download PDF

Info

Publication number
CN104820994A
CN104820994A CN201510190333.XA CN201510190333A CN104820994A CN 104820994 A CN104820994 A CN 104820994A CN 201510190333 A CN201510190333 A CN 201510190333A CN 104820994 A CN104820994 A CN 104820994A
Authority
CN
China
Prior art keywords
image
resolution
continuous high
change
correlation coefficient
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.)
Granted
Application number
CN201510190333.XA
Other languages
English (en)
Other versions
CN104820994B (zh
Inventor
于成龙
曹舒尧
王斐
王道益
温志刚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shaanxi University of Science and Technology
Original Assignee
Shaanxi University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shaanxi University of Science and Technology filed Critical Shaanxi University of Science and Technology
Priority to CN201510190333.XA priority Critical patent/CN104820994B/zh
Publication of CN104820994A publication Critical patent/CN104820994A/zh
Application granted granted Critical
Publication of CN104820994B publication Critical patent/CN104820994B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Abstract

本发明公开了一种适用于连续高分辨透射电镜图像的分析方法,包括以下步骤:对连续高分辨动态图像进行分帧处理,得到分帧图像;对所获得的分帧图像进行相关性处理,获得相关性系数矩阵;对所获得相关性系数矩阵进行差值处理,获得相关性系数差值矩阵;将所获得的相关性系数差值矩阵转化为等高线图,根据等高线范围及形状在短时间内区分不同的区域及区域间的界限,根据等高线的数值变化及平均变化速率获得连续图像的细微运动变化,获得能量的传输机制。本发明通过图像进行分帧、转化以及相关性处理,对得到的相关性系数矩阵进行计算,该方法将原本无法定量表达的原子或原子团簇运动信息,转换为可以定量分析的信息,且实现过程相对简单,容易实行。

Description

一种适用于连续高分辨透射电镜图像的分析方法
技术领域
本发明涉及连续图像处理方法技术领域,具体涉及一种适用于连续高分辨透射电镜图像的分析方法。
背景技术
连续高分辨透射电镜由于其分辨率高,可获得三维衍射信息,有利于分析点群、空间群的对称性,便于计算机存储和处理等优点,被广泛应用于晶体形貌、结构的表征。但目前仍缺乏分析连续高分辨动态图像的方法。以Sang Ho Oh报道的蓝宝石纳米线生长过程为例,由于纳米线生长周期短、研究尺度小,现有研究方法难以确认生长过程中晶面内部原子的运动情况。若要深入认识纳米线生长过程中物质、能量的传输机制,就必须从微观层次研究生长过程中晶面内原子的运动情况。
发明内容
针对上述缺陷或不足,本发明提供了一种适用于连续高分辨透射电镜图像的分析方法,通过图像处理、计算手段,对比、分析动态图像中的细微变化。
为达到以上目的,本发明的技术方案为:
包括以下步骤:
1)对连续高分辨动态图像进行分帧处理,得到分帧图像,其中,分帧处理的帧速范围为10~100帧/s;
2)对步骤1)所获得的分帧图像进行相关性处理,获得相关性系数矩阵;
3)对步骤2)所获得相关性系数矩阵进行差值处理,获得相关性系数差值矩阵;
4)将步骤3)所获得的相关性系数差值矩阵转化为等高线图,等高线的数值范围-1.4×10-2~1.4×10-2,其中,x时刻等高线图中,等高线的数值表示该时刻图像与基准时刻图像的相关性,某一点处数值越正,表示图像之间相关性高,即该点处无变化;数值越负,表示图像之间相关性低,即该点处变化明显;
5)由步骤4)所获得的等高线图,根据等高线的范围及形状可以在短时间内区分不同的区域及区域间的界限,根据等高线的数值变化及平均变化速率获得连续图像的细微运动变化;根据不同区域平均动能的变化,获得能量的传输机制。
步骤1)与步骤2)之间还包括:
1.1)对步骤1)所获得的分帧图像进行转换,转化为BMP格式的灰度图像;
1.2)对步骤1.2)所获得的灰度图像进行傅里叶变换,获得傅里叶变换频率谱图,确认相邻图像之间的关联性。
所述步骤1.1)中,分帧图像水平和垂直方向的图像分辨率不小于72dpi,以使得转换过程中信息完整。
所述步骤1.2)确认相邻图像之间的关联性具体为:
将相邻两帧图像的傅里叶变换频率谱图相减,发生变化的区域的大小占总面积的0%~15%范围内,则图像变化是连续的,否则为不连续。
所述步骤3)具体包括:选择一个变化周期起始时刻的图像作为基准,周期内包括基准时刻图像本身的所有图像,分别与基准图像进行相关性处理,获得相应的相关性系数矩阵。
所述步骤5)具体过程为:
根据获得的等高线图,记录不同时刻图像内同一坐标处等高线的变化,用变化值除以图像之间的时间间隔,得到该点处的平均变化速率;利用公式计算出该点处的赝平均动能,其中,m为原子团簇的质量,v为赝运动速度。
与现有技术比较,本发明的有益效果为:
本发明提供了一种适用于连续高分辨透射电镜图像的分析方法,本发明中的方法通过图像进行分帧、转化以及相关性处理后,对得到的相关性系数矩阵进行计算,对比,从而分析动态图像中的细微变化。该方法的特点在于,基于原始的影像进行处理,充分保证了数据的准确性,减少了分析误差。由于帧速可选,因此可以分析不同精度的图像之间的误差。二维相关性直接将定性的差别表达为定量的差别。并根据相关系数矩阵的差值,运用经典的动能公式即可分析原子获原子团簇的赝平均动能,可比较相对的动能变化。方法总体简单易行,运算过程相对容易,便于批量、定量地分析精细高分辨透射电镜图像。
附图说明
图1是一种原子运动及物质、能量传输机制研究方法的总流程图分析框架;
图2是实施例2中0.64s时刻实场图像经二维傅里叶变换后的二维傅里叶变换频率谱图;
图3是实施例2中0.28s时刻实场图像与基准时刻实场图像的相关性系数差值矩阵等高线图;
图4是实施例2中1.00s时刻实场图像与0.20s时刻实场图像的相关性系数差值矩阵等高线图;
图5是本发明的流程框图。
具体实施方式
下面结合附图对本发明做详细描述。
实施例1
如图5所示,本发明提出一种用于连续高分辨透射电镜图像的分析方法,其包括以下步骤:
1)对连续高分辨动态图像进行分帧处理,得到分帧图像,其中,分帧处理的帧速范围为10~100帧/s;
1.1)对步骤1)所获得的图像进行转换,转化为BMP格式的灰度图像,为了保证转换过程中不丢失信息,要求保证水平和垂直方向的图像分辨率不小于72dpi;
1.2)对步骤1.1)所获得的灰度图像进行傅里叶变换,获得傅里叶变换频率谱图,确认相邻图像之间的关联性:相邻两帧图像的傅里叶变换频率谱图相减,发生变化的区域的大小占总面积的0%~15%范围内,即可认为图像变化是连续的;
4)经过步骤1.2)验证相邻图像是连续变化后,对步骤2)所获得的分帧图像进行相关性处理:
选择一个变化周期起始时刻的图像作为基准,周期内的所有图像,包括基准时刻图像本身,分别与基准图像进行相关性处理,获得相应的相关性系数矩阵。
5)对步骤4)所获得相关性系数矩阵进行差值处理,获得相关性系数差值矩阵。例如,以0时刻为基准,0-0矩阵表示基准图像与自身的相关性系数矩阵,x-0矩阵表示x时刻图像与基准时刻图像的相关性系数矩阵。分别用x-0矩阵与0-0矩阵做差值处理。
6)将步骤5)所获得的相关性系数差值矩阵转化为等高线图,等高线的数值范围-1.4×10-2~1.4×10-2。其中,x时刻等高线图中,等高线的数值,表示该时刻图像与基准时刻图像的相关性。某一点处数值越正,表示图像之间相关性高,即该点处无变化。数值越负,表示图像之间相关性低,即该点处变化明显;
7)由步骤6)所获得的等高线图,记录不同时刻图像内同一坐标处等高线的变化,用变化值除以图像之间的时间间隔,即得到该点处的平均变化速率。利用公式可进一步计算出该点处的赝平均动能;利用公式计算出该点处的赝平均动能,其中,m为原子团簇的质量,v为赝运动速度。
8)由步骤6)所获得的等高线图,根据等高线的范围及形状可以在短时间内区分不同的区域及区域间的界限,根据等高线的数值变化及平均变化速率来研究连续图像的细微运动变化,根据不同区域平均动能的变化来研究能量的传输机制。
实施例2
图1是连续高分辨投射电镜图像研究方法流程图。以蓝宝石纳米线VLS生长过程研究为例,具体步骤包括:
(1)对S.H.Oh等人提供的HR-TEM影像进行分帧处理,帧速为25帧/s,获得相应的实场图像。
(2)对所获得的实场图像进行灰度转换,转化为BMP格式的灰度图像,水平和垂直分辨率为72dpi。对所获得的灰度图像进行傅里叶变换,获得傅里叶变换频率谱图,如图2所示。
(3)进行先期验证,确认相邻图像之间的关联性。相邻两帧图像的傅里叶变换频率谱图相减,发生变化的区域的大小占总面积的5%范围内,认为是连续变化。
(4)经验证是连续变化后,对所获得分帧图像进行相关性处理。选择一个变化周期起始时刻的图像作为基准(生长阶段基准时刻为0.20s,溶解阶段基准时刻为0.04s),周期内的所有图像(包括基准时刻图像本身)分别与基准图像进行相关性处理,获得相应的相关性系数矩阵。
(5)对所获得相关性系数矩阵进行差值处理,获得相关性系数差值矩阵。将所获得的相关性系数差值矩阵转化为等高线图,如图3~图4所示。
(6)以生长阶段,固相区域内一点(2,8)为例,测量等高线数值变化(位移),计算出平均变化速率(平均速率)及能量变化,结果如表1所示。
表1 平均速率及赝平均动能变化表
等高线范围变化方面,以坐标为(4,13)点附近等高线数值为-1.3×10-4的等高线为参考,经与实场图像比对,确认在生长阶段,原子运动主要有两个方向,即垂直晶面方向和垂直晶面方向,分别记为A方向和B方向。等高线范围变化如表2所示。
表2 生长阶段固相区域内等高线范围变化表
(7)由所得数据分析,纳米线内部区域的等高线数值明显变负,等高线密集程度增加,说明这些区域内原子发生剧烈位移,且原子运动逐渐加剧。随着时间增加,原子运动的平均速率逐渐增大,动能也相应增大。等高线范围沿A方向和B方向逐渐增大,即在生长阶段内,沿A,B方向上,这些区域内的保持同一运动状态的原子数量逐渐增加。说明晶面,和晶面生长是引起原子运动的主要原因,且受到不同晶面的影响不同。由于A,B方向上的范围比值增大,说明晶面的生长比晶面更为剧烈。

Claims (6)

1.一种适用于连续高分辨透射电镜图像的分析方法,其特征在于,包括以下步骤:
1)对连续高分辨动态图像进行分帧处理,得到分帧图像,其中,分帧处理的帧速范围为10~100帧/s;
2)对步骤1)所获得的分帧图像进行相关性处理,获得相关性系数矩阵;
3)对步骤2)所获得的相关性系数矩阵进行差值处理,获得相关性系数差值矩阵;
4)将步骤3)所获得的相关性系数差值矩阵转化为等高线图,等高线的数值范围-1.4×10-2~1.4×10-2,其中,x时刻等高线图中,等高线的数值表示该时刻图像与基准时刻图像的相关性,某一点处数值越正,表示图像之间相关性高,即该点处无变化;数值越负,表示图像之间相关性低,即该点处变化明显;
5)由步骤4)所获得的等高线图,根据等高线的范围及形状可以在短时间内区分不同的区域及区域间的界限,根据等高线的数值变化及平均变化速率获得连续图像的细微运动变化;根据不同区域平均动能的变化,获得能量的传输机制。
2.根据权利要求1所述的适用于连续高分辨透射电镜图像的分析方法,其特征在于,步骤1)与步骤2)之间还包括:
1.1)对步骤1)所获得的分帧图像进行转换,转化为BMP格式的灰度图像;
1.2)对步骤1.2)所获得的灰度图像进行傅里叶变换,获得傅里叶变换频率谱图,确认相邻图像之间的关联性。
3.根据权利要求2所述的适用于连续高分辨透射电镜图像的分析方法,其特征在于,所述步骤1.1)中,分帧图像水平和垂直方向的图像分辨率不小于72dpi,以使得转换过程中信息完整。
4.根据权利要求2所述的适用于连续高分辨透射电镜图像的分析方法,其特征在于,所述步骤1.2)确认相邻图像之间的关联性具体为:
将相邻两帧图像的傅里叶变换频率谱图相减,发生变化的区域的大小占总面积的0%~15%范围内,则图像变化是连续的,否则为不连续。
5.根据权利要求1所述的适用于连续高分辨透射电镜图像的分析方法,其特征在于,所述步骤3)具体包括:选择一个变化周期起始时刻的图像作为基准,周期内包括基准时刻图像本身的所有图像,分别与基准图像进行相关性处理,获得相应的相关性系数矩阵。
6.根据权利要求1所述的适用于连续高分辨透射电镜图像的分析方法,其特征在于,所述步骤5)具体过程为:
根据获得的等高线图,记录不同时刻图像内同一坐标处等高线的变化,用变化值除以图像之间的时间间隔,得到该点处的平均变化速率;利用公式计算出该点处的赝平均动能,其中,m为原子团簇的质量,v为赝运动速度。
CN201510190333.XA 2015-04-20 2015-04-20 一种适用于连续高分辨透射电镜图像的分析方法 Active CN104820994B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510190333.XA CN104820994B (zh) 2015-04-20 2015-04-20 一种适用于连续高分辨透射电镜图像的分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510190333.XA CN104820994B (zh) 2015-04-20 2015-04-20 一种适用于连续高分辨透射电镜图像的分析方法

Publications (2)

Publication Number Publication Date
CN104820994A true CN104820994A (zh) 2015-08-05
CN104820994B CN104820994B (zh) 2017-11-28

Family

ID=53731279

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510190333.XA Active CN104820994B (zh) 2015-04-20 2015-04-20 一种适用于连续高分辨透射电镜图像的分析方法

Country Status (1)

Country Link
CN (1) CN104820994B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112132785A (zh) * 2020-08-25 2020-12-25 华东师范大学 一种二维材料的透射电镜图像识别、分析方法及系统
CN115631392A (zh) * 2022-12-26 2023-01-20 西南石油大学 一种基于深度学习的晶体tem图像物相区域划分方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1308230A (zh) * 2001-03-08 2001-08-15 武汉大学 高分辨阿达玛变换显微图像分析仪
JP2004038362A (ja) * 2002-07-01 2004-02-05 National Institute Of Advanced Industrial & Technology 電子顕微鏡観察像の画像処理方法および画像処理プログラム並びに記録媒体
JP2007200769A (ja) * 2006-01-27 2007-08-09 Tokyo Univ Of Agriculture & Technology 電子顕微鏡の画像処理システム及び方法並びにスペクトル処理システム及び方法
US7561756B1 (en) * 2005-05-02 2009-07-14 Nanostellar, Inc. Particle shape characterization from 2D images
CN102227747A (zh) * 2008-11-27 2011-10-26 皇家飞利浦电子股份有限公司 产生未染色生物标本的多色图像

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1308230A (zh) * 2001-03-08 2001-08-15 武汉大学 高分辨阿达玛变换显微图像分析仪
JP2004038362A (ja) * 2002-07-01 2004-02-05 National Institute Of Advanced Industrial & Technology 電子顕微鏡観察像の画像処理方法および画像処理プログラム並びに記録媒体
US7561756B1 (en) * 2005-05-02 2009-07-14 Nanostellar, Inc. Particle shape characterization from 2D images
JP2007200769A (ja) * 2006-01-27 2007-08-09 Tokyo Univ Of Agriculture & Technology 電子顕微鏡の画像処理システム及び方法並びにスペクトル処理システム及び方法
CN102227747A (zh) * 2008-11-27 2011-10-26 皇家飞利浦电子股份有限公司 产生未染色生物标本的多色图像

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112132785A (zh) * 2020-08-25 2020-12-25 华东师范大学 一种二维材料的透射电镜图像识别、分析方法及系统
CN112132785B (zh) * 2020-08-25 2023-12-15 华东师范大学 一种二维材料的透射电镜图像识别、分析方法及系统
CN115631392A (zh) * 2022-12-26 2023-01-20 西南石油大学 一种基于深度学习的晶体tem图像物相区域划分方法

Also Published As

Publication number Publication date
CN104820994B (zh) 2017-11-28

Similar Documents

Publication Publication Date Title
CN101980291B (zh) 基于随机微位移的超分辨率图像重建方法
CN106127688B (zh) 一种超分辨率图像重建方法及其系统
CN102194222B (zh) 一种基于联合运动估计与超分辨率重建的图像重建方法
DeVasto et al. Using image analysis and ArcGIS® to improve automatic grain boundary detection and quantify geological images
CN104820994A (zh) 一种适用于连续高分辨透射电镜图像的分析方法
CN102572499A (zh) 基于小波变换多分辨率预测的无参考图像质量评价方法
CN104385920B (zh) 一种指针式虚拟仪表盘的实现方法
CN103106663B (zh) 计算机系统中基于图像处理实现sim卡缺陷检测的方法
Panagos et al. Multi-scale European Soil Information System (MEUSIS): a multi-scale method to derive soil indicators
CN102006497A (zh) 基于图像局部统计特征的模糊图像无参考评测方法
CN102831621B (zh) 一种基于频谱分析的视频显著性处理方法
CN105005991A (zh) 一种高分辨扫描透射图像中批量计算原子质心位移的方法
CN104297794A (zh) 地震数据成图方法及系统
CN110853088B (zh) 一种基于深度学习和计算机视觉的tem图像晶面间距测量分析方法
Wu et al. Multi-image hybrid super-resolution reconstruction via interpolation and multi-scale residual networks
CN110189392B (zh) 一种流速流向测绘图自动分幅方法
CN102930595B (zh) 基于单幅扫描电子显微镜图像的样品表面三维重建方法
CN107292099B (zh) 一种基于网格的动态碾压层厚分析方法
CN108228043A (zh) 图像数据的移动方法及装置
CN105866144A (zh) 一种利用ct扫描分辨水合物与水两相的方法
Bristow et al. Topographic perturbation of turbulent boundary layers by low‐angle, early‐stage aeolian dunes
Fan et al. Large-Scale Oceanic Dynamic Field Visualization Based On WebGL
Jin et al. Analysis of the Modeling Method and Application of 3D City Model based on the CityEngine
Xue et al. Automatic inspection and reading system of pointer instrument based on computer vision
CN102072723B (zh) 基于数字摄影测量技术的考古器物制图与分类方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
EXSB Decision made by sipo to initiate substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant