CN105894509A - 用结构体数组处理和计算陶瓷釉sem图像微相特征方法 - Google Patents
用结构体数组处理和计算陶瓷釉sem图像微相特征方法 Download PDFInfo
- Publication number
- CN105894509A CN105894509A CN201610196184.2A CN201610196184A CN105894509A CN 105894509 A CN105894509 A CN 105894509A CN 201610196184 A CN201610196184 A CN 201610196184A CN 105894509 A CN105894509 A CN 105894509A
- Authority
- CN
- China
- Prior art keywords
- sem image
- array
- gray
- sem
- structural body
- 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.)
- Pending
Links
Classifications
-
- 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
- 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
- G06T2207/10056—Microscopic image
- G06T2207/10061—Microscopic image from scanning electron microscope
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
一种用结构体数组处理和计算陶瓷釉SEM图像微相特征方法,包括:步骤一:选择读取清晰的SEM灰度值图像;步骤二:根据SEM灰度图像分相信息特征,对SEM图像从头开始,判断并选取灰度像素值变化小于10的连续区域,统计该区域像素总个数,并计算该区域的灰度像素均值,用结构数组a保存各区域灰度像素均值和像素个数;步骤三:对结构体数组a,按结构体数组a中成员像素个数进行排序;步骤四:编写程序,分别重新改写结构体数组a中灰度像素均值成员值,完成区域轮廓标记;步骤五:对标记过的SEM图像,判断并进行计算各种分相微球形状信息(圆形度,半径,球心等)和距离信息(两球心之距离);步骤六:并用此方法分析大量不同温度、呈色的SEM图像,找规律并试着建模。
Description
技术领域
本发明属于陶瓷釉分相呈色研究技术领域,涉及对陶瓷釉分相呈色机理及规律的研究,尤其是涉及到对陶瓷釉分相呈色数学模型的推导,具体涉及一种用结构体数组处理和计算陶瓷釉SEM图像微相特征方法。
背景技术
目前从分相瓷釉的基础和应用研究成果来看,分相釉在艺术、陈设瓷方面的地位和重要性已无可置疑。分相釉在传统陶瓷方面的基础和应用研究虽然深度和广度都极为有限,但陶瓷釉随着分相状态变换可以呈现不同颜色却引人入胜,而且根据实验观察与分析,发现陶瓷釉分相呈色与温度、分相尺寸和形状有密切关系。由于分相现象复杂,根据现有测量手段,一般根据电镜扫描图像(SEM)进行手工测量各微相形状等信息,存在工作量大,效率低,不精准等缺陷。因此,研究便捷、快速、准确的陶瓷釉SEM图像分相形状距离计算方法,对减轻计算强度,提高效率和准确性具有重要意义。
发明内容
为了克服上述现有技术的缺点,本发明的目的在于提供一种用结构体数组处理和计算陶瓷釉SEM图像微相特征方法,利用图像处理技术及计算机技术,在较短的时间内可以准确判断SEM图像各分相微球信息,进行分类,并快速计算出各分相微球尺寸,形状信息等参数,可以减少工作强度,提高精准度。
为了实现上述目的,本发明采用的技术方案是:
一种用结构体数组处理和计算陶瓷釉SEM图像微相特征方法,包括以下步骤:
步骤一:根据实验样品及烧制温度变化,选择清晰的SEM灰度值图像,并在数据表中保存记录当下变化颜色和当时所处的环境温度;
步骤二:由于连续区域基本为圆形,区域内所有像素个数之和为圆面积A,可知圆面积A与半径r成正比关系,所以A的大小也反映r的大小。因此,根据SEM灰度图像分相信息特征,对SEM图像从头开始,判断并选取灰度像素值变化小于10的连续区域,计算各连续区域的灰度像素均值,并记下连续区域内的像素个数,用结构体数组a保存,每个结构体包含两个成员,一是区域灰度像素均值,二是区域像素总个数即成员值,用相同方法,完成SEM图像的区域统计和记录;
步骤三:对结构体数组a,按结构体数组a中成员像素个数进行排序;
步骤四:分别重新改写结构体数组a中灰度像素均值和成员值,完成区域轮廓标记,实现方法:结构体数组a中成员像素个数一样的,其对应的成员灰度像素均值用相同标号代替(可以设置颜色区分,标号用具有明显颜色的灰度像素值表示,比如对a各区域像素个数总和排序后,发现有3种,即有3个微相,标记就用三种颜色表示,由于颜色灰度值变化表现在像素值上,故可以选择标号1是85,2是150,三是190等)。
步骤五:对标记过的SEM图像,判断并进行计算各分相微球形状信息和距离信息。
利用所述步骤一至五的方法,分析大量不同温度、呈色的SEM图像,画出温度、呈色和分相形状信息间关系图。
所述清晰的SEM灰度值图像是指烧制受热均匀,样品图像噪声小的清晰图像。
区域像素个数总和也即反映微球半径信息,半径相同意味着区域像素个数总和相同,用像素个数总和判断是否是同一种微相,若是就用同一个像素值替换区域中的所有像素信息,使这个区域呈现同一种颜色,同理,SEM图像中同一种微相半径应该相同,也即标记过的颜色也应该一致,所以根据颜色或者根据连续区域标记数字判断,数字相同就属于同一个微相。
所述形状信息至少包括圆形度、半径以及球心,距离信息是指两球心之距离,其中圆形度计算公式为其中C为圆形度,A为微相微球面积,P为微相微球周长,半径计算公式为球心由球心像素位置信息得到,两球心之距离通过球心坐标直接计算获取。
与现有技术相比,本发明的有益效果是:
现有技术一般通过人工根据标尺手工测量SEM图像中各微相尺寸,只能肉眼判断是否为圆形,不是圆形无法定性、定量表示,具有不精确、费时,还有判断错误等问题,而本发明利用图像技术结合计算机技术,让计算机自动分类各个微相,并分别计算各微相尺寸,圆形度等形状信息,具有计算精准、速度快和计算参数全等特点。为后续研究陶瓷釉分相呈色提供大量精准数据和节省时间和人力。
附图说明
图1是本发明方法处理流程图。
图2是本发明方法处理前的SEM图像。
图3是本发明用阈值和标记处理过的SEM图像。
具体实施方式
下面结合附图和实施例详细说明本发明的实施方式。
如图1所示,一种陶瓷釉SEM图像分相形状距离计算方法,包括以下步骤:
步骤一:根据样品烧成过程中,在不同温度点取出样品,待其冷却至室温后,进行样品切割、清洗、干燥等,再进行SEM分析,并一一记录并保存实验样品当下烧制温度和对应颜色,选择具有分相明显特征的SEM图像,准备处理;
步骤二:根据SEM灰度图像分相信息特征,对SEM图像从头开始,判断并选取灰度像素值变化小于10的连续区域,计算各连续区域的灰度像素均值,并记下连续区域内的像素个数a1,用结构体数组a保存,每个结构体包含两个成员,一是区域灰度像素均值,二是区域像素总个数,用相同方法,完成SEM图像的区域统计和记录;
步骤三:对结构体数组a,按结构体数组a中成员像素个数进行排序;
步骤四:编写程序,分别重新改写结构体数组a中灰度像素均值成员值,完成区域轮廓标记;
实现方法是若结构体数组a中成员像素个数一样的,其对应的成员灰度像素均值用相同标号代替(可以设置颜色区分,标号用具有明显颜色的灰度像素值表示,比如对a各区域像素个数总和排序后,发现有3种,即有3个微相,标记就用三种颜色表示,由于颜色灰度值变化表现在像素值上,故可以选择标号1是85,2是150,三是190等);
步骤五:对标记过的SEM图像,判断并进行计算各种分相微球形状信息(圆形度,半径,球心等)和距离信息(两球心之距离)。具体地:
对标记过的SEM图像,分别用不同标记值做阈值,筛选不同分相形状信息区域,计算分相微球形状信息(圆形度,半径,球心等)和距离信息(两球心之距离)。由于区域内所有像素个数之和为圆面积,区域边界所有像素个数之和为圆周长,根据圆形度计算公式为其中C为圆形度,A为微相微球面积,P为微相微球周长,可以算出微球形状信息C,很容易求出半径信息球心根据球心像素位置信息很容易得到,两球心距离根据两点坐标(两球心像素位置信息)也很容易得到。但要注意,由于SEM图像是对原实物进行放大几万多倍得到的,要想求实际半径和球心距离还应考虑这个放大倍数因素;
步骤六:并用此方法分析大量不同温度、呈色的SEM图像,并一一生成对应数据信息;
步骤七:画出温度、呈色和分相形状信息间关系图。利用步骤六得到的数据,画出温度、呈色和分相形状信息间关系图,并试着建立数据模型。
图2是未处理的SEM图像,图3是用阈值处理过的SEM图像,说明可以用阈值屏蔽一部分无用信息图像,标记图像,可使各微相形状更清晰,容易识别。
Claims (5)
1.一种用结构体数组处理和计算陶瓷釉SEM图像微相特征方法,其特征在于,包括以下步骤:
步骤一:根据实验样品及烧制温度变化,选择清晰的SEM灰度值图像,并在数据表中保存记录当下变化颜色和当时所处的环境温度;
步骤二:根据SEM灰度图像分相信息特征,对SEM图像从头开始,判断并选取灰度像素值变化小于10的连续区域,计算各连续区域的灰度像素均值,并记下连续区域内的像素个数,用结构体数组a保存,每个结构体包含两个成员,一是区域灰度像素均值,二是区域像素总个数即成员值,用相同方法,完成SEM图像的区域统计和记录;
步骤三:对结构体数组a,按结构体数组a中成员像素个数进行排序;
步骤四:分别重新改写结构体数组a中灰度像素均值和成员值,完成区域轮廓标记,实现方法:结构体数组a中成员像素个数一样的,其对应的成员灰度像素均值用相同标号代替;
步骤五:对标记过的SEM图像,判断并进行计算各分相微球形状信息和距离信息。
2.根据权利要求1所述用结构体数组处理和计算陶瓷釉SEM图像微相特征方法,其特征在于,利用所述步骤一至五的方法,分析大量不同温度、呈色的SEM图像,画出温度、呈色和分相形状信息间关系图。
3.根据权利要求1所述用结构体数组处理和计算陶瓷釉SEM图像微相特征方法,其特征在于,所述清晰的SEM灰度值图像是指烧制受热均匀,样品图像噪声小的清晰图像。
4.根据权利要求1所述用结构体数组处理和计算陶瓷釉SEM图像微相特征方法,其特征在于,所述步骤五中判断规则:数字相同就属于同一个微相。
5.根据权利要求1所述用结构体数组处理和计算陶瓷釉SEM图像微相特征方法,其特征在于,所述形状信息至少包括圆形度、半径以及球心,距离信息是指两球心之距离,其中圆形度计算公式为其中C为圆形度,A为微相微球面积,P为微相微球周长,半径计算公式为球心由球心像素位置信息得到,两球心之距离通过球心坐标直接计算获取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610196184.2A CN105894509A (zh) | 2016-03-31 | 2016-03-31 | 用结构体数组处理和计算陶瓷釉sem图像微相特征方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610196184.2A CN105894509A (zh) | 2016-03-31 | 2016-03-31 | 用结构体数组处理和计算陶瓷釉sem图像微相特征方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105894509A true CN105894509A (zh) | 2016-08-24 |
Family
ID=57011709
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610196184.2A Pending CN105894509A (zh) | 2016-03-31 | 2016-03-31 | 用结构体数组处理和计算陶瓷釉sem图像微相特征方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105894509A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109813744A (zh) * | 2019-02-15 | 2019-05-28 | 陕西科技大学 | 一种用材料图像特征面积比计算聚苯乙烯结构色薄膜等效折射率的方法 |
CN113567353A (zh) * | 2020-10-19 | 2021-10-29 | 中国科学院上海硅酸盐研究所 | 判别古瓷釉物理呈色及微纳结构的无损检测方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1364743A (zh) * | 2002-02-09 | 2002-08-21 | 中国科学院上海硅酸盐研究所 | 生物活性硅灰石陶瓷的制备方法 |
-
2016
- 2016-03-31 CN CN201610196184.2A patent/CN105894509A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1364743A (zh) * | 2002-02-09 | 2002-08-21 | 中国科学院上海硅酸盐研究所 | 生物活性硅灰石陶瓷的制备方法 |
Non-Patent Citations (3)
Title |
---|
丁萍 等: "古瓷釉显微结构定量分析系统的设计", 《陕西科技大学学报》 * |
朱聪旭 等: "釉烧工艺及氧化铁含量对钧瓷呈色及微观组织的影响", 《中国陶瓷》 * |
王芬 等: "分相呈色陶瓷釉的特性及呈色机理", 《硅酸盐学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109813744A (zh) * | 2019-02-15 | 2019-05-28 | 陕西科技大学 | 一种用材料图像特征面积比计算聚苯乙烯结构色薄膜等效折射率的方法 |
CN113567353A (zh) * | 2020-10-19 | 2021-10-29 | 中国科学院上海硅酸盐研究所 | 判别古瓷釉物理呈色及微纳结构的无损检测方法 |
CN113567353B (zh) * | 2020-10-19 | 2022-05-10 | 中国科学院上海硅酸盐研究所 | 判别古瓷釉物理呈色及微纳结构的无损检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110659636B (zh) | 基于深度学习的指针式仪表读数识别方法 | |
Peng et al. | Computer vision algorithm for measurement and inspection of O-rings | |
Tai et al. | Machine vision assisted robotic seedling transplanting | |
CN101634551A (zh) | 一种检测表面粗糙度的方法及其系统 | |
CN103759676A (zh) | 一种工件表面粗糙度非接触式的检测方法 | |
CN109801318A (zh) | 一种快速物体匹配算法 | |
CN110136130A (zh) | 一种检测产品缺陷的方法及装置 | |
CN109241948A (zh) | 一种数控刀具视觉识别方法及装置 | |
Ates et al. | An image-processing based automated bacteria colony counter | |
CN108664970A (zh) | 一种快速目标检测方法、电子设备、存储介质及系统 | |
Tian et al. | The detection system for greenhouse tomato disease degree based on android platform | |
CN105894509A (zh) | 用结构体数组处理和计算陶瓷釉sem图像微相特征方法 | |
CN109556533B (zh) | 一种针对多线结构光条纹图像的自动提取方法 | |
JP5780791B2 (ja) | 細胞の追跡処理方法 | |
CN104515473A (zh) | 一种漆包线直径的在线检测方法 | |
CN112233104A (zh) | 实时位移场和应变场检测方法、系统、装置和存储介质 | |
CN105894510A (zh) | 一种对陶瓷釉sem图像微相形状距离的计算方法 | |
Zhao et al. | Automated phenotyping of single seeds using a novel volume sculpting framework | |
Jian et al. | Task-Specific Near-Field Photometric Stereo for Measuring Metal Surface Texture | |
Gray et al. | Cell identification and sizing using digital image analysis for estimation of cell biomass in High Rate Algal Ponds | |
Li et al. | Persistent homology demarcates a leaf morphospace | |
Siatou et al. | Reflectance Transformation Imaging (RTI) Data Analysis for Change Detection: Application to Monitoring Protective Coating Failure on Low Carbon Steel | |
Rao et al. | A real-time auto-recognition method for pointer-meter under uneven illumination | |
Eshghi et al. | WingSegment: A Computer Vision‐Based Hybrid Approach for Insect Wing Image Segmentation and 3D Printing | |
Wang et al. | Monitor geomatical information of plant by reconstruction 3D model based on Kinect V2 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160824 |