CN105593669B - 图像分析装置和程序 - Google Patents

图像分析装置和程序 Download PDF

Info

Publication number
CN105593669B
CN105593669B CN201480053930.1A CN201480053930A CN105593669B CN 105593669 B CN105593669 B CN 105593669B CN 201480053930 A CN201480053930 A CN 201480053930A CN 105593669 B CN105593669 B CN 105593669B
Authority
CN
China
Prior art keywords
image
orientation
fibre bundle
center
center pixel
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.)
Active
Application number
CN201480053930.1A
Other languages
English (en)
Other versions
CN105593669A (zh
Inventor
菱田宽之
稻垣宏
稻垣宏一
中村武志
山内雄太
铃木宏正
道川隆士
大竹丰
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.)
IHI Corp
University of Tokyo NUC
Original Assignee
IHI Corp
University of Tokyo NUC
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 IHI Corp, University of Tokyo NUC filed Critical IHI Corp
Publication of CN105593669A publication Critical patent/CN105593669A/zh
Application granted granted Critical
Publication of CN105593669B publication Critical patent/CN105593669B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
    • G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B15/00—Measuring arrangements characterised by the use of electromagnetic waves or particle radiation, e.g. by the use of microwaves, X-rays, gamma rays or electrons
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
    • G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
    • G01N23/046—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material using tomography, e.g. computed tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/40—Imaging
    • G01N2223/419—Imaging computed tomograph
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G06T2207/10012—Stereo images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30124—Fabrics; Textile; Paper

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pulmonology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Electromagnetism (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Image Analysis (AREA)

Abstract

本发明的课题为，提出能够根据CMC的三维图像容易地分析纤维束的取向的图像分析装置和程序。解决方法为，一种图像分析装置，其特征在于，是根据纤维增强复合材料的三维图像来分析纤维束的取向的图像分析装置，具备：输入部，输入三维图像；二值化处理部，将所输入的三维图像二值化并取得二值图像；取向推定处理部，基于具有对检测截面的形状赋予各向异性的参数的取向检测滤波器，推定二值图像中的各前景像素的取向；中心提取处理部，基于取向检测滤波器，从推定出取向的前景像素群提取表示纤维束的中心的中心像素；纤维束连接处理部，对于所提取的中心像素群，将表示相同或类似的取向的中心像素视为相同的纤维束，将表示相同的纤维束的中心像素彼此连接；蜿蜒判断处理部，计算所连接的表示相同的纤维束的中心像素群的蜿蜒量。

Description

图像分析装置和程序
技术领域
本发明涉及图像分析装置和程序，特别是，适合应用于对纤维增强复合材料中所含有的纤维束的取向进行分析的图像分析装置和程序中。
背景技术
近年来，正在推进作为一种纤维增强复合材料的陶瓷基复合材料(CMC:CeramicMatrix Composites)的开发。CMC是将陶瓷的纤维用母材(基质)增强的复合材料，具有重量轻且耐热性优异这样的特征。正在探讨利用该特征，例如将CMC用于飞机用引擎构件的方案，目前正在尝试实用化。另外，通过将CMC用作飞机用引擎构件，可期待大幅度地改善油耗。
CMC的一般的形成工艺如下。首先，将几百根左右的陶瓷纤维集束，制作纤维束，将该纤维束编织来制作织物。纤维束的编织方法中，有例如被称为三维编织或平织的方法。三维编织是将纤维束从XYZ方向这三个方向编织来制作织物的方法，平织是将纤维束从XY方向这两个方向编织来制作织物的方法。
制作织物后，通过化学气相渗透(CVI(Chemical Vapor Infiltration))和聚合物浸渍热解(PIP(Polymer Impregnation and Pyrolysis))来形成基质，最后通过进行机械加工和表面涂覆等来形成CMC。在此，此时形成的CMC中的纤维束取向大幅度地影响CMC的强度。
即，当纤维束在原本应呈直线的部位蜿蜒、或整体上从原本应配置的基准轴位移而偏向、或在中途断裂时，CMC的强度显著降低。相对于此，纤维束没有蜿蜒、偏向或断裂并向着特定的方向齐整地且恰当地排列的情况下，强度高且耐热性优异。因而为了确认所形成的CMC的强度是否充分，重要的是评价纤维束的取向。
专利文献1中，公开了下述取向分析方法：将树脂成型品的切片图像二值化，取得二值图像，对该二值图像进行傅里叶变换，取得功率谱图，将与该功率谱图所描绘的椭圆正交的椭圆的主轴方向视为树脂成型品所含有的填充剂(纤维)的取向方向。
此外，非专利文献1中公开了下述技术：利用X射线CT装置拍摄将纤维束编织而成的织物，取得X射线CT图像，使用特殊的滤波函数对该X射线CT图像进行计算，从而分析构成纤维束的每一根纤维的取向。
现有技术文献
专利文献
专利文献1:日本特开2012-2547号公报
非专利文献
非专利文献1:T.Shinohara,J.Takayama,S.Ohyama,and A.Kobayashi,“使用结构分析用长丝模型的纱线跟踪来进行的由纺织面料的三维DT图像的纱线位置信息的提取(Extraction of Yarn Positional Information from a Three-dimensional CT Imageof Textile Fabric using Yarn Tracing with a Filament Model for StructureAnalysis)”，纺织研究杂志(Textile Research Journal),Vol.80,No.7,pp.623-630(2010)
发明内容
发明所要解决的课题
然而，就专利文献1中所述的技术而言，对于切片图像所含有的填充剂(纤维)的取向，作为分析结果，只能得到一个方向的取向方向。因此，例如三维编织、平织那样在纤维束在多个方向上取向的情况下，作为分析结果无法得到各自的纤维束的取向。此外，无法分析纤维束是否没有蜿蜒、偏向或断裂并向着特定的方向齐整地且恰当地排列。
此外，就非专利文献1中所述的技术而言，需要取得能够识别构成纤维束的每根纤维的程度的高解像度的X射线CT图像。此时，为取得X射线CT图像的拍摄时间变长，无法在产品检查中利用，因而不实用。此外，这是对截面呈圆形的纤维有效的技术，无法直接作为对截面呈扁平的纤维束的取向进行分析的技术来使用。进而存在需要输入X射线CT图像内的各纤维的起始点而操作变得繁琐这样的问题。
本发明考虑以上方面而完成，提出能够由CMC的三维图像容易地分析纤维束的取向的图像分析装置和程序。
用于解决课题的方法
为了解决这样的课题，本发明的特征在于，是根据纤维增强复合材料的三维图像来分析纤维束的取向的图像分析装置，具备：输入部，输入三维图像；二值化处理部，将输入的三维图像二值化并取得二值图像；取向推定处理部，基于具有对检测截面的形状赋予各向异性的参数的取向检测滤波器，推定二值图像中各前景像素的取向；中心提取处理部，基于取向检测滤波器从推定出取向的前景像素群提取表示纤维束中心的中心像素；纤维束连接处理部，对所提取的中心像素群，将表示相同或类似的取向的中心像素视为相同的纤维束，将表示相同的纤维束的中心像素彼此连接；蜿蜒判断处理部，计算所连接的表示相同的纤维束的中心像素群的蜿蜒量。
此外，为了解决这样的课题，本发明的特征在于，是根据纤维增强复合材料的三维图像来分析纤维束的取向的程序，使计算机执行下述步骤：第一步骤，输入三维图像；第二步骤，将所输入的三维图像二值化并取得二值图像；第三步骤，基于具有对检测截面的形状赋予各向异性的参数的取向检测滤波器，推定二值图像中各前景像素的取向；第四步骤，基于取向检测滤波器从推定出取向的前景像素群提取表示纤维束中心的中心像素；第五步骤，对所提取的中心像素群，将表示相同或类似的取向的中心像素视为相同的纤维束，将表示相同的纤维束的中心像素彼此连接；第六步骤，计算所连接的表示相同的纤维束的中心像素群的蜿蜒量。
发明的效果
通过本发明，能够容易地根据CMC的三维图像来分析纤维束的取向。
附图说明
图1为本实施方式中的图像分析装置的整体构成图。
图2为表示图像分析处理的流程图。
图3A为取向检测滤波器的概念构成图。
图3B为姿态控制角的概念构成图。
图4A为检测纤维束的方向的操作的概念图。
图4B为检测纤维束的中心位置的操作的概念图。
图5为取向推定处理的详细的流程图。
图6为中心提取处理的详细的流程图。
图7为纤维束连接处理的详细的流程图。
图8为纤维束提取图像制作处理的详细的流程图。
图9为表示其他图像分析处理的流程图。
图10为输入三维编织织物的X射线CT图像时的分析结果。
具体实施方式
以下对于附图，详述本发明的一个实施方式。
(1)整体构成
图1表示本实施方式中的图像分析装置1的整体构成。图像分析装置1是具备中央处理器(CPU(Central Processing Unit))11、输入部12、记录部13、显示部14和存储器15而构成的计算机。
CPU11是与容纳于存储器15中的各种程序协同性地作用，并综合性地控制图像分析装置1的动作的处理器。输入部12是接受来自用户的输入的界面，例如为键盘、鼠标。此外，本实施方式中的输入部12也是输入构成陶瓷基复合材料(CMC(Ceramic MatrixComposites))的织物的X射线CT图像G10的界面。
在此，CMC是纤维增强复合材料，其通过将几百根左右的陶瓷的纤维集束，制作纤维束，编织该纤维束而制作织物后，用碳等被覆纤维表面，经过用于形成基质的化学气相渗透(CVI(Chemical Vapor Infiltration))工艺和聚合物浸渍热解(PIP(PolymerImpregnation and Pyrolysis))工艺等来形成。
制作织物时的编织方法中，有被称为三维编织或平织的方法。三维编织是从XYZ方向这三个方向编织纤维束而制作织物的方法，而平织是从XY方向这两个方向编织纤维束而制作织物的方法。
本实施方式中，X射线CT装置拍摄通过该三维编织或平织(或其他编织方法)制作的织物或由该织物形成的CMC，试图根据所得到的X射线CT图像G10对纤维束的取向进行自动分析。构成织物的纤维束的取向大幅度地影响CMC的强度。因此，基于自动分析的结果，能够评价由该织物形成的CMC的强度。
另外，一般而言，取向是指向着特定的方向齐整地排列或指这样排列的状态的术语，但本实施方式中，作为指没有蜿蜒、偏向和断裂并向着特定的方向齐整地排列或这样排列的状态的术语而使用。此外，有时将排列的方向记述为取向方向或仅记述为取向来进行说明。
返回图1，记录部13是记录从输入部12输入的X射线CT图像G10和通过各种图像处理对该X射线CT图像G10进行加工修正而制作的图像的记录介质。显示部14是显示X射线CT图像G10图像和通过各种图像处理进行加工修正而制作的图像的液晶显示器(LCD(LiquidCrystal Display))等显示装置。例如，显示部14在显示画面上显示纤维束提取图像G20，来作为根据X射线CT图像G10对纤维束的取向进行自动分析而得的分析结果。
存储器15是与CPU11协同性地作用且容纳用于执行图像分析处理的各种程序的记录介质。各种程序中，有二值化处理部151、取向推定处理部152、中心提取处理部153、高精度化处理部154、纤维束连接处理部155、蜿蜒判断处理部156和纤维束提取图像制作处理部157。关于通过这些各种程序执行的图像分析处理(图2)和图像分析处理中的各处理的详细内容(图3A～图9)，在后阐述。
(2)整体处理
图2表示本实施方式中图像分析处理的处理顺序。该图像分析处理以输入部12接受来自用户的执行指示为契机，通过CPU11和容纳于存储器15的各种程序协同性地作用而执行。以下，为说明的方便起见，将处理主体作为各种程序来进行说明。
首先，二值化处理部151输入X射线CT图像G10(SP1)。虽然X射线CT图像G10为三维图像，但为了便于说明，图2和图6中使用二维的图。接着，二值化处理部151对所输入的X射线CT图像G10执行二值化处理，制作前景中表示纤维束的二值图像G2(SP2)。
接着，取向推定处理部152对于二值图像G2所示的多个前景像素(前景像素群)的每一个，使用本实施方式中预先准备的各向异性筱原滤波(ASF(Anisotropic ShinoharaFilter))函数执行取向推定处理，制作对于前景像素群的每一个示出所推定的取向的初始取向推定图像G3(SP3)。
关于ASF的详细内容如后所述(图3A～图4B)，但该ASF是将历来公知的筱原滤波器(Shinohara Filter)扩展的滤波器，是在筱原滤波器中添加了赋予各向异性的参数的滤波器。通过使用该ASF，不仅对于截面为圆形的对象物(例如纤维)，对于截面为椭圆或长方形的对象物(例如纤维束)也能够进行取向检测。
接着，中心提取处理部153使用ASF对初始取向推定图像G3中所示的前景像素群执行仅提取中心像素的中心提取处理，制作表示细线化的前景像素群的中心提取图像G4(SP4)。
接着，高精度化处理部154对中心提取图像G4中所示的前景像素群的每一个，执行对在步骤SP3中推定的取向进行微修正的高精度化处理，制作表示经高精度化的取向的高精度化图像G5(SP5)。
接着，纤维束连接处理部155对高精度化图像G5中所示的前景像素群，将取向表示相同或类似(预定的角度范围内)的方向的前景像素视为表示相同的纤维束的前景像素，执行将表示相同的纤维束的前景像素彼此连接的纤维束连接处理，制作纤维束连接图像G6(SP6)。
接着，蜿蜒判断处理部156对纤维束连接图像G6中所示的各纤维束，执行使用最小二乘法来计算蜿蜒量的蜿蜒判断处理，制作表示用于进行蜿蜒判断的近似直线的蜿蜒判断图像G7(SP7)。
此外，纤维束提取图像制作处理部157执行对纤维束连接图像G6或蜿蜒判断图像G7中所示的各纤维束附加体积(volume)(像素)的纤维束提取图像制作处理，制作表示纤维束的实际宽度的纤维束提取图像G8(SP8)。
执行完以上的步骤SP1～SP8的各处理后，CPU11结束该图像分析处理。
(3)各处理的详细内容
以下，参照图3A～图9，并使用计算式(式1～式4)，对在图2中所说明的各处理(SP3～SP8)的详细内容进行说明。另外，由于X射线CT图像G10的输入处理(SP1)和二值化处理(SP2)是通过一般的方法进行的，因此省略说明。
图3A表示ASF(以下，称为取向检测滤波器F)函数的概念构成。取向检测滤波器F用于在取向推定处理(SP3)中推定前景像素群各自的取向。此外，取向检测滤波器F用于在中心提取处理(SP4)中从前景像素群中提取中心像素。
取向检测滤波器F是如上所述那样对筱原滤波器添加了赋予各向异性的参数的滤波器。取向检测滤波器F，通过更改赋予各向异性的参数，能够将检测截面的形状更改为任意的形状。在此，对纤维束方向为Z方向时的XY方向使用赋予各向异性的参数，以使得能够检测截面呈椭圆的纤维束的取向。取向检测滤波器F由下述式1表示。
数1
φ,θ,ψ：取向检测滤波器的姿态控制角
u：检测截面的参数
s：调节用参数(s+1>0)
图3B表示取向检测滤波器F的姿态控制角的概念性的构成。如上述式1中所示，取向检测滤波器F，作为变数，具有用于指定滤波器的轴方向的两个角度(φ、θ)和用于指定在将轴方向作为旋转轴进行旋转时的旋转量的一个角度(ψ)。在此，将这三个角度(φ、θ、ψ)称为取向检测滤波器F的姿态控制角。当基于该姿态控制角而定的滤波器轴方向和旋转角与纤维束的取向方向一致时，如后所述，输出值成为最大。利用该特性，能够检测出纤维束的取向。
图4A表示在使用取向检测滤波器F来检测纤维束方向时的操作的概念图。在如图4A所示那样纤维束朝向右斜上方的情况下，以该纤维束的方向为基准(0°)，操作取向检测滤波器F的滤波器轴以使其在例如-90°～90°的范围内旋转。若将由此时的取向检测滤波器F所表示的函数(式1)和表示纤维束的函数进行卷积积分而得的值设为输出值，则旋转范围内的输出值如该图的曲线所示。
若参照该图4A的曲线中所示的输出值，则其示出了取向检测滤波器F的滤波器轴为0°时，即，滤波器轴呈与纤维束的方向(在此指右斜上方)相同方向时，输出值成为最大。由此，该取向检测滤波器F具有能够检测纤维束的方向这样的特性。
图4B表示当使用取向检测滤波器F来检测纤维束的中心位置时的操作的概念图。如图4B所示，纤维束朝向右斜上方而位于对象区域的中心时，以该纤维束的位置为基准，操作取向检测滤波器F的滤波器轴以使其在例如-20～20(省略单位)的范围内相对于纤维束方向垂直地移动。若将由此时的取向检测滤波器F所表示的函数(式1)和表示纤维束的函数进行卷积积分而得的值作为输出值，则平行移动范围内的输出值如该图的曲线所示。
若参照该图4B的曲线中所示的输出值，则其示出了当取向检测滤波器F的滤波器轴为0时，即，滤波器轴与纤维束的位置(在此为对象区域的中心位置)为相同位置时，输出值成为最大。由此，该取向检测滤波器F具有能够检测出纤维束的中心位置这样的特性。
这样，取向检测滤波器F具有能够检测出纤维束的方向和中心位置这样的特性。因此，利用能够检测出方向的该特性，在取向推定处理(SP3)中，在二值图像G2的前景像素上使取向检测滤波器F的姿态控制角变化，探索输出值成为最大的姿态控制角，由此推定前景像素的取向。输出值成为最大的姿态控制角由下述式2表示。
数2
fB：二值图像、hφ,θ,ψ：取向检测滤波器
此外，利用能够检测出中心位置这样的特性，在中心提取处理(SP4)中，对推定出取向的前景像素，使取向检测滤波器F在预定的探索范围内相对于取向方向垂直地移动，探索输出值成为最大的位置的前景像素，由此提取前景像素群的中心。
另外，实际上，由于所输入的X射线CT图像G10为三维图像，因此在探索取向时，会通过在前景体素(voxel)上使取向检测滤波器F的姿态控制角变化来探索输出值成为最大的姿态控制角。此外，探索中心位置时，会通过对推定出取向的前景体素，使取向检测滤波器F在所定范围内相对于取向方向垂直地移动来探索输出值成为最大的位置。姿态控制角的刻度(分辨率)可使用例如将正二十面体细分化而得的五千一百二十面体的顶点的上半部分(或下半部分)。这种情况下，分辨率为3.9度。
图5表示取向推定处理的详细的处理顺序。该取向推定处理以图2的图像分析处理进入步骤SP3为契机而执行。
另外，在此说明的取向推定处理为，如上所述那样通过在二值图像G2的前景像素上使取向检测滤波器F的姿态控制角变化，将输出值(卷积积分的值)成为最大的姿态控制角推定为对象前景像素的取向的处理。
根据卷积定理，卷积积分的计算可以利用傅里叶变换来变换成两个函数的单纯的乘积。此时，与按照定义来计算卷积积分相比能够缩短计算时间。因此，本实施方式的取向推定处理中，对两个函数进行傅里叶变换，进行单纯的乘积，通过对其结果进行傅里叶反变换来计算卷积积分。
首先，取向推定处理部152指定取向检测滤波器F的姿态控制角(SP31)。接着，取向推定处理部152将所指定的姿态控制角输入至取向检测滤波器F，计算取向检测滤波器F(SP32)。接着，取向推定处理部152对取向检测滤波器F进行傅里叶变换(SP33)。
接着，取向推定处理部152对二值图像G2进行傅里叶变换(SP34)。接着，取向推定处理部152对经傅里叶变换的取向检测滤波器F和经傅里叶变换的二值图像进行单纯乘积(SP35)，对乘积结果进行傅里叶反变换(SP36)。取向推定处理部152判断是否结束了对全部的姿态控制角的计算(SP37)。
若取向推定处理部152在步骤SP37的判断中得到否定的结果，则会更新姿态控制角并反复进行上述的处理。相对于此，若取向推定处理部152在步骤SP37的判断中得到肯定结果，则将输出值(卷积积分的值)成为最大的姿态控制角作为对象前景像素的取向进行输出(SP38)，结束该取向推定处理。
图6表示中心提取处理的详细的处理顺序。该中心提取处理以图2的图像分析处理进入步骤SP4为契机而执行。
首先，中心提取处理部153对于推定出取向的初始取向推定图像G3的前景像素群的每一个，执行使取向检测滤波器F在相对于所推定的取向垂直的方向上移动，探索局部最大值的局部最大值探索处理，制作局部最大值识别图像G31(SP41)。
接着，中心提取处理部153执行仅使局部最大值识别图像G31中所示的局部最大值的前景像素残留的局部最大值残存处理，制作表示经细线化的纤维束的中心提取图像G4(SP42)，结束该中心提取处理。
通过至目前的处理(SP1～SP4)，图像分析装置1能够得到中心提取图像G4。因此，基本上能够提取推定出取向并经细线化的前景像素群。然而，有时存在未充分满足目标取向精度的前景像素。从而，在本实施方式中，为了进一步精度良好地推定取向，执行高精度化处理(SP5)。
具体地，高精度化处理部154执行下述处理：对于中心提取图像G4的前景像素群的每一个，对取向检测滤波器F用姿态控制角进行偏微分，计算梯度，使其收敛至计算结果成为最大的姿态控制角。梯度的计算式由下述式3表示。
数3
其中，
图7表示纤维束连接处理的详细的处理顺序。该纤维束连接处理以图2的图像分析处理进入步骤SP6为契机而执行。
首先，纤维束连接处理部155对于高精度化图像G5中的前景像素的每一个，探索在附近区域内取向方向相同的或类似的前景像素。并且，纤维束连接处理部155执行对作为探索的结果而得的与取向方向相同或类似的前景像素群进行分组的聚类处理，制作聚类图像G51(SP61)。
接着，在纤维束连接处理部155执行连接部位探索处理(SP62)，其中，在分组后的各前景像素群中，以起点或终点的前景像素为基点，将用于探索可连接的像素的探索区域向着与起点或终点的前景像素的取向方向相同的方向延伸，探索连接部位。
接着，纤维束连接处理部155执行下述连接处理，制作纤维束连接图像G6(SP63)，结束该纤维束连接处理，所述连接处理中，当从不同组的起点或终点的前景像素分别延伸的探索区域相互重叠时，将不同组的起点或终点的前景像素彼此视为表示相同的纤维束的像素，将该前景像素彼此作为相同的组来进行连接。
通过至目前的处理(SP1～SP6)，图像分析装置1能够得到纤维束连接图像G6。本实施方式中，接着执行用于判断蜿蜒量的蜿蜒判断处理(SP7)。具体地，蜿蜒判断处理部156对纤维束连接图像G6中所示的各纤维束适用基于最小二乘法的近似直线。并且，从各前景像素直至该近似直线的法线的距离的最大值作为蜿蜒量来进行判断。当蜿蜒量为预先确定的容许值以下时，可判断为纤维束恰当地取向。蜿蜒量可由下述式4表示。
数4
s＝arg max(|(xk-xg)|-|((xk-xg)*d)d|)
d：J的第一特征向量
N：纤维束的中心像素(中心体素)的总数
图8表示纤维束提取图像制作处理的详细的处理顺序。该纤维束提取图像制作处理以图2的图像分析处理进入步骤SP8为契机而执行。
该纤维束提取图像制作处理中，执行与中心提取处理(SP4)的处理相反的处理。即，纤维束提取图像制作处理部157执行体积附加区域探索处理(SP81)，其中，对于纤维束连接图像G6的前景像素群的每一个，在与所推定的取向相同的方向配置取向检测滤波器F，探索包含在取向检测滤波器F的计算区域内的像素。
接着，纤维束提取图像制作处理部157执行体积附加处理(SP82)，结束该纤维束提取图像制作处理，所述体积附加处理中，提取作为探索包含在取向检测滤波器F的计算区域的像素的结果而得到的像素，作为纤维束的像素，将所提取的像素附加。
图9表示其他图像分析处理的处理顺序。就在输入纤维束的形状不同的图像时分别提取形状不同的纤维束这点而言，此处的图像分析处理与图2所示的图像分析处理不同。实际上，会根据纤维束的形状而更改指定取向检测滤波器F的各向异性的参数，反复执行图2的图像分析处理(SP3～SP8)。
具体地，容纳于存储器15的各种程序中，若输入了表示多个纤维束形状的二值图像G21，则对于第一个形状的纤维束执行图2的图像分析处理(SP3～SP8)，制作第一纤维束提取图像G81。接着，各种程序中，从二值图像G21减去所提取纤维束的前景像素，制作差分图像G9。
并且，各种程序中将更改取向检测滤波器F的参数，进而对差分图像G9再次执行图像分析处理(SP3～SP8)，制作第二纤维束提取图像G82。最后，就CPU11而言，通过合成第一纤维束提取图像G81和第二纤维束提取图像G82来制作合成图像G83，结束本处理。
(4)图像
图10表示作为执行上述的图像分析处理的结果而实际得到的各图像的具体例。X射线CT图像G11为通过输入部12输入的表示三维编织的织物的图像。X纱线图像G12是从X射线CT图像G11中的织物仅提取取向为X方向的纤维束来制作的图像。Y纱线图像G13是从X射线CT图像G11中的织物仅提取取向为Y方向的纤维束来制作的图像。Z纱线图像G14是从X射线CT图像G11中的织物仅提取取向为Z方向的纤维束来制作的图像。
此外，取向合成图像G15是将X纱线取向图像G16、Y纱线取向图像G17和Z纱线取向图像G18合成而制作的表示织物整体的取向的图像。X纱线取向图像G16是表示取向为X方向的纤维束的中心的图像。Y纱线取向图像G17是表示取向为Y方向的纤维束的中心的图像。Z纱线取向图像G18是表示取向为Z方向的纤维束的中心的图像。
(5)本实施方式所带来的效果
如上所述，根据本实施方式中的图像分析装置和程序，使得根据通过三维编织或平织(或其他编织方法)制作的织物的X射线CT图像，对各纤维束的取向进行自动分析，因此，基于分析结果，能够容易地评价由该织物形成的CMC的强度。此外，即使是解像度比较低的X射线CT图像也能够分析出各纤维束的取向，因此能够缩短X射线CT图像的拍摄时间。因此能够用于产品检查中。
符号说明
1 图像分析装置
11 CPU
12 输入部
13 记录部
14 显示部
15 存储器
151 二值化处理部
152 取向推定处理部
153 中心提取处理部
154 高精度化处理部
155 纤维束连接处理部
156 蜿蜒判断处理部
157 纤维束提取图像制作处理部

Claims (10)

1.一种图像分析装置，其特征在于，是根据纤维增强复合材料的三维图像来分析纤维束的取向的图像分析装置，具备：
输入部，输入所述三维图像，
二值化处理部，将所输入的所述三维图像二值化并取得二值图像，
取向推定处理部，基于具有对检测截面的形状赋予各向异性的参数的取向检测滤波器，推定所述二值图像中的前景像素的各自的取向，
中心提取处理部，基于所述取向检测滤波器，从推定出所述取向的前景像素群提取表示纤维束的中心的中心像素，
纤维束连接处理部，对所提取的所述中心像素群，将表示相同或类似的取向的中心像素视为相同的纤维束，将表示相同的纤维束的所述中心像素彼此连接，以及
蜿蜒判断处理部，计算表示所述连接的相同的纤维束的中心像素群的蜿蜒量。
2.如权利要求1所述的图像分析装置，其特征在于，
所述取向推定处理部使所述取向检测滤波器的姿态控制角在所述前景像素上变化，探索由所述取向检测滤波器表示的函数和表示所述前景像素的函数的卷积积分值成为最大的姿态控制角，将所述卷积积分值成为最大的姿态控制角时的所述取向检测滤波器的滤波器轴方向推定为所述前景像素的取向。
3.如权利要求1或2所述的图像分析装置，其特征在于，
所述中心提取处理部使所述取向检测滤波器在所述前景像素群上相对于所推定的所述取向方向垂直地移动，探索由所述取向检测滤波器表示的函数和表示所述前景像素群的函数的卷积积分值成为最大的所述取向检测滤波器的位置，提取与所述卷积积分值成为最大的所述取向检测滤波器的位置对应的所述前景像素群上的像素，作为所述中心像素。
4.如权利要求1所述的图像分析装置，其特征在于，
所述纤维束连接处理部对于所述中心像素群将表示相同或类似的取向方向且连续的中心像素群分别进行分组，向着与经分组的所述中心像素群的起点或终点的像素取向相同的方向延伸探索区域，当所延伸的探索区域重叠时，将属于不同组的所述起点或终点的像素视为表示相同的纤维束的像素，通过将所述起点或终点的像素连接，使表示相同的纤维束的所述中心像素彼此连接。
5.如权利要求1所述的图像分析装置，其特征在于，
所述蜿蜒判断处理部对于所述表示相同的纤维束的中心像素群，基于最小二乘法来计算近似直线，并且将所计算的近似直线适用于所述中心像素群，计算从所述中心像素群中的每一个直至所述近似直线的法线的距离中的最大值，作为蜿蜒量。
6.如权利要求1所述的图像分析装置，其特征在于，具备高精度化处理部，在所述中心提取处理部从所述前景像素群提取所述中心像素后，所述高精度化处理部基于所述取向检测滤波器和梯度法修正所述中心像素的各自的取向。
7.如权利要求1所述的图像分析装置，其特征在于，具备纤维束提取图像制作处理部，在所述纤维束连接处理部将所述中心像素彼此连接后，所述纤维束提取图像制作处理部附加表示纤维束的所述前景像素，制作纤维束提取图像。
8.如权利要求1所述的图像分析装置，其特征在于，
所述纤维增强复合材料的三维图像是利用X射线CT装置拍摄由三维编织或平织而成的织物而得到的图像。
9.一种计算机可读记录介质，其存储有根据纤维增强复合材料的三维图像来分析纤维束的取向的程序，通过执行所述程序使计算机执行下述步骤：
第一步骤，输入所述三维图像，
第二步骤，将所输入的三维图像二值化，取得二值图像，
第三步骤，基于具有对检测截面的形状赋予各向异性的参数的取向检测滤波器，推定所述二值图像中前景像素的各自的取向，
第四步骤，基于所述取向检测滤波器，从推定出所述取向的前景像素群提取表示纤维束的中心的中心像素，
第五步骤，对于所提取的所述中心像素群，将表示相同或类似的取向的中心像素视为相同的纤维束，将表示相同的纤维束的所述中心像素彼此连接，
第六步骤，计算所述连接的表示相同的纤维束的中心像素群的蜿蜒量。
10.如权利要求9所述的计算机可读记录介质，
在所述第四步骤之后，使计算机执行第七步骤，即基于所述取向检测滤波器和梯度法修正所述中心像素的各自的取向，
在所述第六步骤之后，使计算机执行第八步骤，即附加表示纤维束的所述前景像素，制作纤维束提取图像。
CN201480053930.1A 2013-09-30 2014-09-29 图像分析装置和程序 Active CN105593669B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2013-204574 2013-09-30
JP2013204574A JP6118698B2 (ja) 2013-09-30 2013-09-30 画像解析装置及びプログラム
PCT/JP2014/075954 WO2015046534A1 (ja) 2013-09-30 2014-09-29 画像解析装置及びプログラム

Publications (2)

Publication Number Publication Date
CN105593669A CN105593669A (zh) 2016-05-18
CN105593669B true CN105593669B (zh) 2019-02-19

Family

ID=52743655

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480053930.1A Active CN105593669B (zh) 2013-09-30 2014-09-29 图像分析装置和程序

Country Status (5)

Country Link
US (1) US9824435B2 (zh)
EP (1) EP3054286B1 (zh)
JP (1) JP6118698B2 (zh)
CN (1) CN105593669B (zh)
WO (1) WO2015046534A1 (zh)

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104952043B (zh) * 2014-03-27 2017-10-24 株式会社日立制作所 图像滤波方法及ct 系统
CN107148569B (zh) * 2014-09-29 2020-01-03 株式会社Ihi 图像解析装置、图像解析方法以及程序
JP6535218B2 (ja) * 2015-05-22 2019-06-26 株式会社神戸製鋼所 テープ状プリプレグ及び繊維強化成形体
JP6681221B2 (ja) * 2016-03-03 2020-04-15 株式会社Ihi 構造解析装置、構造解析方法及び三次元織繊維素材製造方法
JP6779688B2 (ja) * 2016-07-25 2020-11-04 キヤノン株式会社 画像処理装置、画像処理方法、コンピュータプログラム
CN106780597B (zh) * 2016-08-08 2019-08-30 大连工业大学 基于图像处理对纤维增强复合材料中纤维特征的提取方法
JP6800676B2 (ja) * 2016-09-27 2020-12-16 キヤノン株式会社 画像処理装置、画像処理方法及びプログラム
FR3060179B1 (fr) * 2016-12-08 2020-04-03 Safran Procede et dispositif de determination des orientations d'elements de fibres dans une piece en materiau composite
US10102452B2 (en) * 2017-03-14 2018-10-16 Clarius Mobile Health Corp. Systems and methods for identifying an imaged needle in an ultrasound image
CN107248154A (zh) * 2017-05-27 2017-10-13 江苏理工学院 一种布匹色差实时在线检测方法
JP6860463B2 (ja) * 2017-10-03 2021-04-14 国立大学法人東海国立大学機構 繊維配向度の測定方法、繊維配向度測定装置、および繊維配向度測定装置の制御プログラム
CN107678153B (zh) * 2017-10-16 2020-08-11 苏州微景医学科技有限公司 光纤束图像处理方法和装置
CN108564560B (zh) * 2017-12-29 2021-05-11 深圳市华星光电半导体显示技术有限公司 基于色阻颜色的对位方法及对位系统
US10572770B2 (en) * 2018-06-15 2020-02-25 Intel Corporation Tangent convolution for 3D data
PL3814759T3 (pl) * 2018-06-29 2024-02-26 Universiteit Antwerpen Kontrola przedmiotu poprzez obrazowanie z wykorzystaniem promieniowania przy użyciu iteracyjnego podejścia opartego na dopasowywaniu projekcji
CN109632857A (zh) * 2019-01-17 2019-04-16 深圳市银宝山新科技股份有限公司 长纤维增强热塑性复合材料纤维取向的测试方法
US20220163434A1 (en) * 2019-03-27 2022-05-26 Ihi Corporation Strength evaluation device and strength evaluation method
FR3104301B1 (fr) * 2019-12-10 2021-11-05 Safran Aircraft Engines Procede de reconstitution automatique de l’architecture du renfort d’un materiau composite
CN111986143B (zh) * 2020-07-06 2021-09-21 南京航空航天大学 一种陶瓷基复合材料的细观结构表征方法
CN113689388B (zh) * 2021-08-03 2024-02-06 慧影医疗科技(北京)股份有限公司 用于主动脉曲面重建的三维中心线起始点定位方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6526305B1 (en) * 1998-11-25 2003-02-25 The Johns Hopkins University Method of fiber reconstruction employing data acquired by magnetic resonance imaging
CN101477062A (zh) * 2008-12-23 2009-07-08 南京工业大学 橡胶基材料中短纤维细观结构参数的识别方法及装置
CN103565404A (zh) * 2012-07-30 2014-02-12 佳能株式会社 识别关注对象的特征及处理断层图像的方法和设备

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4972751B2 (ja) * 2006-11-27 2012-07-11 株式会社日立製作所 神経線維束計測システム及び画像処理システム
GB0708621D0 (en) * 2007-05-04 2007-06-13 Univ Manchester Image processing method
JP5475561B2 (ja) 2010-06-14 2014-04-16 ポリプラスチックス株式会社 充填材の配向解析方法
TWI497063B (zh) 2012-11-21 2015-08-21 Panasonic Corp 複合材料中之纖維狀塡料的三維影像處理方法及三維影像處理裝置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6526305B1 (en) * 1998-11-25 2003-02-25 The Johns Hopkins University Method of fiber reconstruction employing data acquired by magnetic resonance imaging
CN101477062A (zh) * 2008-12-23 2009-07-08 南京工业大学 橡胶基材料中短纤维细观结构参数的识别方法及装置
CN103565404A (zh) * 2012-07-30 2014-02-12 佳能株式会社 识别关注对象的特征及处理断层图像的方法和设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Applications of anisotropic image filters for computing 2D and 3D-fiber orientations;Oliver Wirjadi等;《Proceedings of the 10th European conference in image analysis and stereology (ECS10)》;20090629;第1-6页
Characterizing Three-Dimensional Textile Ceramic Composites Using Synchrotron X-Ray Micro-Computed-Tomography;Hrishikesh Bale 等;《Journal of the American Ceramic Society》;20121231;第95卷(第1期);第392–402页

Also Published As

Publication number Publication date
EP3054286B1 (en) 2021-12-29
US9824435B2 (en) 2017-11-21
EP3054286A4 (en) 2017-05-10
US20160247271A1 (en) 2016-08-25
EP3054286A1 (en) 2016-08-10
JP2015068752A (ja) 2015-04-13
JP6118698B2 (ja) 2017-04-19
CN105593669A (zh) 2016-05-18
WO2015046534A1 (ja) 2015-04-02

Similar Documents

Publication Publication Date Title
CN105593669B (zh) 图像分析装置和程序
Bale et al. Characterizing three‐dimensional textile ceramic composites using synchrotron X‐ray micro‐computed‐tomography
Chen et al. Analysis of the damage initiation in a SiC/SiC composite tube from a direct comparison between large-scale numerical simulation and synchrotron X-ray micro-computed tomography
JP6152488B2 (ja) 画像解析装置、画像解析方法及びプログラム
Bardl et al. Automated detection of yarn orientation in 3D-draped carbon fiber fabrics and preforms from eddy current data
Vanaerschot et al. Stochastic characterisation methodology for 3-D textiles based on micro-tomography
US10139353B2 (en) Apparatus and method for examining components comprising laid fiber composite fabrics or woven fiber composite fabrics
EP3054287B1 (en) Image analysis device and program
Auenhammer et al. Automated X-ray computer tomography segmentation method for finite element analysis of non-crimp fabric reinforced composites
Heieck et al. Influence of the cover factor of 2D biaxial and triaxial braided carbon composites on their in-plane mechanical properties
JP6681221B2 (ja) 構造解析装置、構造解析方法及び三次元織繊維素材製造方法
Mendoza et al. The correlation framework: Bridging the gap between modeling and analysis for 3D woven composites
Liotier et al. Characterization of 3D morphology and microcracks in composites reinforced by multi-axial multi-ply stitched preforms
Auenhammer et al. Robust numerical analysis of fibrous composites from X-ray computed tomography image data enabling low resolutions
Mendoza et al. Measuring yarn deformations induced by the manufacturing process of woven composites
Sherman et al. Mesoscale characterization of continuous fiber reinforced composites through machine learning: Fiber chirality
Chen et al. Generating 3D digital material twins for woven ceramic‐matrix composites from μCT images
Sibellas et al. Experimental study of the fiber orientations in single and multi-ply continuous filament yarns
Fritz-Popovski Two-dimensional indirect Fourier transformation for evaluation of small-angle scattering data of oriented samples
Bhattacharya et al. Metatracts-a method for robust extraction and visualization of carbon fiber bundles in fiber reinforced composites
Kronenberger et al. Fiber segmentation in crack regions of steel fiber reinforced concrete using principal curvature
Pannier et al. Automatic segmentation and fibre orientation estimation from low resolution X-ray computed tomography images of 3D woven composites
Vanaerschot et al. Stochastic characterisation of the in-plane tow centroid in textile composites to quantify the multi-scale variation in geometry
Yu et al. Geometric parameters characterization of minicomposite and modulus prediction of 2D composite based on X-ray computed tomography
Mayerich et al. Metrics for comparing explicit representations of interconnected biological networks

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant