CN106484956B - 一种基于图像像素点阵坐标的数值模型构建方法 - Google Patents

Abstract

本发明提供一种基于图像像素点阵坐标的数值模型构建方法。本发明基于图像像素点阵坐标构建的数值模型，每个像素点对应一个特定的像素值；数值模型由一系列单元构成，每个单元都对应一个特定的材质；根据像素值差别区分出不同的材质，设定每个像素点与每一个单元一一对应，同时定义数值模型中顶点序号和顶点坐标以及单元与顶点之间的关系，从而建立一种将图像模型直接转换为数值模型的方法。

Description

一种基于图像像素点阵坐标的数值模型构建方法

技术领域

本发明属于材料静/动态力学行为数值模拟技术领域，尤其涉及一种基于图像像素点阵坐标的数值模型构建方法，能够反映材料真实微观组织结构特征。

背景技术

在建立研究材料显微组织结构特征对其宏观力学性能影响的数值模拟方法时，首先需要建立与实际材料微观组织形貌、分布、比例等特征一致的数值模型，进而选择合适的材料本构，通过施加虚拟的加载及边界条件，来模拟具有特定微观组织结构特征的材料在外加载荷下的力学响应过程，并最终指导材料微结构设计。因而，建立的数值模型能否反映对实际材料显微组织结构特征直接影响了其数值模拟结果的可靠性。

国内外在研究能够表征材料显微组织结构特征的数值模型构建时，通常都将重点放在建立具有表征整个材料显微结构特征的单胞模型上。所有这些单胞模型均采用人为假定、统计工具或随机生成算法来生成材料的显微结构特征，但是采用此方法建立的理想模型与材料真实的显微组织结构通常具有很大的差异。比如构建颗粒增强复合材料单胞时，一般将增强体颗粒简化为球形或椭球形，并固定在单胞中心来模拟材料在外加载荷下的力学响应过程，这种单胞模型无法充分反映实际增强体颗粒的形状、尺寸和分布等显微结构特征对材料整体力学性能影响，因此采用单胞模型无法准确地预测材料微观组织结构特征对其宏观力学性能的影响。

最近，国内外出现了基于MATLAB图像处理工具将材料显微组织图像转换为CAD几何矢量模型，最终导入到数值模拟软件内进行网格剖分，以获得能够反映材料显微组织结构特征的数值模型的方法。但是该方法需要借助MATLAB、CAD和数值模拟软件前处理模块，操作过程繁杂；另外，随着显微图像测试技术的发展，材料显微组织图像反映出的材料显微组织结构特征更加精细和复杂，导致生成的CAD几何模型结构更加复杂，对当前的数值模拟软件前处理模块的网格剖分过程带来了巨大挑战。背散射电子成像技术(EBSD)可以获得晶体材料中晶粒组织取向图像，目前已经普遍应用于研究晶体材料的晶粒组织取向信息研究中，且已经出现针对晶体材料晶粒组织的数值模拟研究。但由于EBSD图像的晶粒组织结构更加精细和复杂，采用上述数值模型构建方法很难获得晶体材料晶粒组织数值模型。

发明内容

为解决上述问题，本发明提供一种基于图像像素点阵坐标的数值模型构建方法。本发明基于图像像素点阵坐标构建的数值模型，每个像素点对应一个特定的像素值；数值模型由一系列单元构成，每个单元都对应一个特定的材质；根据像素值差别区分出不同的材质，设定每个像素点与每一个单元一一对应，同时定义数值模型中顶点序号和顶点坐标以及单元与顶点之间的关系，从而建立一种将图像模型直接转换为数值模型的方法。

一种基于图像像素点阵坐标的数值模型构建方法，包括以下步骤：

步骤1：读入尺寸大小为W×H的图像；其中W为图像宽度方向像素个数，H为图像高度方向像素个数；

其中图像为基于腐蚀衬度成像的显微组织形貌图或者基于取向衬度成像的EBSD晶粒取向分布图；

步骤2：遍历图像中所有像素点并逐一编号，获得每个像素点对应的像素序号pixel_num以及像素值pixel_value；同时确定每个像素点坐标(w,h)，并建立像素点对应的像素序号Pixel_Num(w,h)二维数组以及像素值Pixel_Value(w,h)二维数组；其中，w为像素点在宽度方向的像素坐标，h为像素点在高度方向的像素坐标；

步骤3：将图像像素点等效为需构建的数值模型中的单元，其中：

如果图像为基于腐蚀衬度成像的显微组织形貌图，构建2D数值模型；且每个像素点对应一个正方形单元，每个单元由四个顶点构成；

如果图像为基于取向衬度成像的EBSD晶粒取向分布图，构建2.5D数值模型；且每个像素点对应一个立方体单元，每个单元由八个顶点构成；

同时建立与像素点坐标(w,h)相对应的单元序号Ele_Num(w,h)二维数组，则Pixel_Num(w,h)与Ele_Num(w,h)一一对应；

步骤4：确定图像中包含的k种材质各自对应的像素值pixel_value或像素值区间，并按照不同像素值pixel_value或像素值区间由小到大依次对k种材质进行编号，获得像素点坐标(w,h)对应的材质序号mat_num；

步骤5：建立笛卡尔坐标系xyz，xy平面为图像所在平面，x轴方向平行于图像宽度方向，y轴方向平行于图像高度方向，z轴的方向选取符合右手准则；根据图像尺寸W、H对数值模型的单元顶点进行逐一编号，根据各顶点序号node_num、图像像素的实际尺寸pixel_resolution以及图像尺寸W、H确定各顶点的坐标(x,y,z)；根据像素坐标(w,h)和图像尺寸W、H确定各单元序号与自身顶点序号的对应关系；

步骤6：通过与像素点坐标(w,h)相对应的单元序号ele_num、材质序号mat_num、顶点序号node_num以及顶点坐标(x,y,z)，单元与自身顶点的对应关系，构建所述数值模型。

其中基于腐蚀衬度成像的显微组织形貌图包括光学显微镜图或扫描电子显微镜图。

进一步地，像素序号pixel_num的取值为1,2,3,…，W×H；像素值pixel_value的取值范围为0～255；w的取值为0,1,2,…,W-1；h的取值为0,1,2,…,H-1。

如果图像为基于腐蚀衬度成像的显微组织形貌图，步骤4中的k种材质各自对应的像素值pixel_value区间依次确定为:

[0,max_pixelvalue_1]，[1+max_pixelvalue_1,max_pixelvalue_2]，……，[1+max_pixelvalue_i,max_pixelvalue_i+1]，……，[1+max_pixelvalue_(k-1),255]；其中max_pixelvalue_i是材质序号为i的材质对应的最大像素值，i＝1,2,3,…,(k-1)。

如果图像为基于取向衬度成像的EBSD晶粒取向分布图，步骤4中的确定图像中包含的k种材质各自对应的像素值pixel_value具体方法为：

获取每一个晶粒质心像素坐标(grain_w,grain_h)及其对应的晶粒质心像素值grain_pixelvalue；

grain_w为晶粒质心在宽度方向的像素坐标，grain_h为晶粒质心在高度方向的像素坐标；

其中晶粒由多个像素点组成，晶粒内所有像素点的像素值相同；每一个晶粒对应一种材质，则每个晶粒质心像素值grain_pixelvalue即为图像中包含的k种材质各自对应的像素值pixel_value；

进一步地，组成晶粒的多个像素点具体确定方法如下：

遍历图像中任意像素点的像素值pixel_value，并与所有晶粒质心像素值grain_pixelvalue进行比较，如果像素点的像素值pixel_value与其中一个晶粒质心像素值grain_pixelvalue相同，则该像素点属于该晶粒；

所述的按照不同像素值pixel_value分别由小到大依次对k种材质进行编号具体为：对各个晶粒进行编号，晶粒序号grain_num的取值为1,2,3,…,k，其中k为晶粒的总数量；晶粒序号grain_num与材质序号mat_num对应，则晶粒质心像素点对应的晶粒序号即为该晶粒其他像素点对应的材质序号。

如果图像为基于腐蚀衬度成像的显微组织形貌图，步骤5中的各顶点序号值node_num、图像像素的实际尺寸pixel_resolution以及图像尺寸W、H确定顶点坐标(x,y,z)具体为：

任意一个像素点坐标(w,h)对应的单元由左上顶点node_left_up、右上顶点node_right_up、右下顶点node_right_down、左下顶点node_left_down组成；

任意一个顶点序号node_num对应的顶点坐标(x,y,z)满足如下公式：

x＝[node_num-1-(node_num-1)//(W+1)×H]×pixel_resolution (1)

y＝(node_num-1)//(W+1)×pixel_resolution (2)

z＝0 (3)

其中，//为求整数商运算符；

步骤5中的像素坐标(w,h)和图像尺寸W、H确定单元序号与自身顶点序号的对应关系具体方法为：

对于任意一个像素点坐标(w,h)对应的单元，该单元中的四个顶点的顶点序号与该单元对应的像素点坐标(w,h)满足如下公式：

node_left_up_num＝h×(W+1)+w+1 (4)

node_right_up_num＝h×(W+1)+w+2 (5)

node_right_down_num＝(h+1)×(W+1)+w+2 (6)

node_left_down_num＝(h+1)×(W+1)+w+1 (7)

如果图像为基于取向衬度成像的EBSD晶粒取向分布图，步骤5中的各顶点序号值node_num、图像像素的实际尺寸pixel_resolution以及图像尺寸W、H确定顶点坐标(x,y,z)具体为：

任意一个像素点坐标(w,h)对应的单元由前左上顶点node_front_left_up、前右上顶点node_front_right_up、前右下顶点node_front_right_down、前左下顶点node_front_left_down、后左上顶点node_behind_left_up、后右上顶点node_behind_right_up、后右下顶点node_behind_right_down以及后左下顶点node_behind_left_down组成；

顶点序号node_num的值为1,2,3,…，(W+1)×(H+1)时，任意一个顶点序号node_num对应的顶点坐标(x,y,z)满足公式如下公式：

x＝[node_num-1-(node_num-1)//(W+1)×H]×pixel_resolution (1)

y＝(node_num-1)//(W+1)×pixel_resolution (2)

z＝0 (3)

其中，//为求整数商运算符；

顶点序号node_num的值为(W+1)×(H+1)+1,(W+1)×(H+1)+2,(W+1)×(H+1)+3,…2×(W+1)×(H+1)时，任意一个顶点序号node_num对应的顶点坐标(x,y,z)，x,y满足公式(1)-(2)，z满足如下公式：

z＝pixel_resolution (8)

步骤5中的像素坐标(w,h)和图像尺寸W、H确定单元与自身顶点的对应关系具体为：

对与任意一个像素点坐标(w,h)相对应的单元，该单元中的八个顶点的顶点序号与该单元对应的像素点坐标(w,h)满足如下公式：

node_front_left_up_num＝h×(W+1)+w+1 (9)

node_front_right_up_num＝h×(W+1)+w+2 (10)

node_front_right_down_num＝(h+1)×(W+1)+w+2 (11)

node_front_left_down_num＝(h+1)×(W+1)+w+1 (12)

node_behind_left_up_num＝(W+1)×(H+1)+h×(W+1)+w+1 (13)

node_behind_right_up_num＝(W+1)×(H+1)+h×(W+1)+w+2 (14)

node_behind_right_down_num＝(W+1)×(H+1)+(h+1)×(W+1)+w+2 (15)

node_behind_left_down_num＝(W+1)×(H+1)+(h+1)×(W+1)+w+1 (16)

有益效果：

1、本发明方法克服了采用现有技术建立的数值模型与材料真实的显微组织结构特征不能很好的吻合以及操作过程繁杂的缺点；

2、本发明方法不仅适用于传统的光学显微镜图和扫描电子显微镜图，而且适用于EBSD图像，采用该方法构建的数值模型可直接用于模拟材料显微组织结构特征对其宏观静/动态力学性能影响的数值模拟研究中，可得到与实际情况相吻合的结果。

附图说明

图1为本发明的数值模型构建方法流程图。

图2为本发明的四边形单元网格与对应顶点的示意图。

图3为本发明的六面体单元网格与对应顶点的示意图。

图4为本发明具体实施例1中所述的SiC/Al双连通结构复合材料的扫描电子显微镜SEM图。

图5为本发明具体实施例1中所构建的有限元数值模型。

图6为本发明具体实施例2所述的β20C钛合金EBSD晶粒取向分布图。

图7为本发明具体实施例2中所构建的有限元数值模型。

具体实施方式

下面结合附图和具体实施方式对本发明做进一步说明。如图1所示，为本发明的数值模型构建方法流程图。本发明基于图像像素点阵坐标构建的数值模型，每个像素点对应一个特定的像素值；数值模型由一系列单元构成，每个单元都对应一个特定的材质；根据像素值差别区分出不同的材质，设定每个像素点与每一个单元一一对应，同时定义数值模型中顶点序号和顶点坐标以及单元与顶点之间的关系，从而建立一种将图像模型直接转换为数值模型的方法。

以下实施例中：

采用日本日立公司的Hitachi S4800冷场发射扫描电子显微镜中的二次电子模式对材料表面进行显微形貌表征，得到扫描电子显微图；

采用日本日立公司的Hitachi S4800冷场发射扫描电子显微镜中的背散射电子模式及相应的HKL Technology Channel 5软件对材料晶粒取向进行表征，得到EBSD晶粒取向图及包含晶粒信息的Excel文档。

具体实施例1

步骤1：通过Python程序的Pillow图像处理模块读入放大倍数为200，图像像素尺寸大小为250×250的SiC/Al双连通结构复合材料的SEM图片，如图4所示；其中，图像宽度尺寸为W＝250个像素，高度尺寸为H＝250个像素；

步骤2：利用Python程序的for循环语句遍历图像中所有像素点，得到任意像素点坐标(w,h)对应的像素序号pixel_num以及像素值pixel_value，从而建立像素点坐标(w,h)对应的像素序号Pixel_Num(w,h)二维数组以及像素值Pixel_Value(w,h)二维数组；

其中，pixel_num的取值为1,2,3,…,62500，pixel_value的取值范围为0～255，w为像素点在宽度方向的像素坐标，w的取值为0,1,2,…,249；h为像素点在高度方向的像素坐标，h的取值为0,1,2,…,249；

步骤3：如图2所示，图像像素点阵与构建的数值模型中的单元一一对应，从而设定Pixel_Num(w,h)与Ele_Num(w,h)等价，即建立起与像素点坐标(w,h)相对应的单元序号Ele_Num(w,h)二维数组；

步骤4：由于SiC/Al双连通结构复合材料主要由SiC陶瓷和和Al金属两相材料组成，根据SEM图像的像素值分布与SiC/Al双连通结构复合材料中的两相材料分布设定SiC陶瓷相材料最大像素值为180；则代表SiC陶瓷相的材质1对应的像素区间为[0,180]，代表金属Al相的材质2对应的像素区间为[181,255]，从而获得像素点坐标(w,h)对应的材质序号mat_num；

步骤5：构建的数值模型中，任意一个像素点对应的单元由node_left_up、node_right_up、node_right_down、node_left_down四个顶点组成；其中顶点名称加num表示顶点序号。顶点序号node_num的值为1,2,3,…，63001时，顶点的坐标(x,y,z)满足如下公式：

x＝[node_num-1-(node_num-1)//(W+1)×H]×pixel_resolution (1)

y＝(node_num-1)//(W+1)×pixel_resolution (2)

z＝0 (3)

其中，//为求整数商运算符，pixel_resolution＝4.5μm为SEM图中单位像素的实际尺寸；

任意一个像素点坐标(w,h)相对应的单元中，该单元中的四个顶点的顶点序号与该单元对应的像素点坐标(w,h)满足如下公式：

node_left_up_num＝h×(W+1)+w+1 (4)

node_righ t_up_num＝h×(W+1)+w+2 (5)

node_right_down_num＝(h+1)×(W+1)+w+2 (6)

node_left_down_num＝(h+1)×(W+1)+w+1 (7)

步骤6：由获得的与任意像素点坐标(w,h)相对应的单元序号ele_num、材质序号mat_num、顶点序号node_num以及顶点的绝对坐标(x,y,z)，从而构建成Ansys/LS-Dyna软件所需要的有限元数值模型，如图5所示。

具体实施例2

步骤1：通过Python程序的Pillow图像处理模块读入β20C超细等轴β型钛合金的EBSD晶粒取向分布图以及包含图像中晶粒信息的Excel文档，图像像素尺寸大小为50×50，如图6所示；其中，图像宽度尺寸为W＝50个像素，高度尺寸为H＝50个像素；图像对应晶粒取向信息的excel文档详见表1，excel文档中grain_num为晶粒序号，晶粒序号grain_num是按照Excel文档中记录晶粒质心像素坐标信息的行数由上到下依次进行编号的，grain_w和grain_h为对应的晶粒质心像素坐标，Phase type为晶体结构类型，E1、E2和E3为晶粒取向信息。

表1实施例2中所述EBSD图对应的晶粒信息excel文档

步骤2：利用Python程序的for循环语句遍历图像中所有像素点，得到任意像素点坐标(w,h)对应的像素序号pixel_num以及像素值pixel_value，从而建立像素点坐标(w,h)对应的像素序号Pixel_Num(w,h)二维数组以及像素值Pixel_Value(w,h)二维数组；

其中，pixel_num的取值为1,2,3,…,2500，pixel_value的取值范围为0～255，w为像素点在宽度方向的像素坐标w的取值为0,1,2,…,49；h为像素点在高度方向的像素坐标，h的取值为0,1,2,…,49；

步骤3：图像像素点阵与构建的数值模型中的单元一一对应，从而设定Pixel_Num(w,h)与Ele_Num(w,h)等价，即建立起与像素点坐标(w,h)相对应的单元序号Ele_Num(w,h)二维数组；

步骤4：通过读取Excel文档中记录的晶粒质心像素坐标的信息，得到每一个晶粒质心像素坐标(grain_w,grain_h)；任意晶粒质心像素坐标(grain_w,grain_h)对应的晶粒序号为grain_num以及晶粒质心像素值为grain_pixelvalue；其中，grain_num的取值为1,2,3,…,44，grain_w为晶粒质心在宽度方向的像素坐标，grain_h为晶粒质心在高度方向的像素坐标，晶粒的总数量为44个；每一个晶粒对应一种材质，则令晶粒序号grain_num与材质序号mat_num等价；

通过Pillow图像处理模块中的查找函数find(w,h)，根据晶粒质心像素坐标(grain_w,grain_h)，从步骤2中获得的像素值Pixel_Value(w,h)二维数组中查找与其相对应的值，即得到该晶粒质心像素坐标(grain_w,grain_h)相对应的晶粒质心像素值grain_pixelvalue；然后，将图像中任意像素点坐标(w,h)对应的像素值pixel_value与所有晶粒质心像素值grain_pixelvalue进行比较，找到与其像素值相等的晶粒质心像素点，则该晶粒质心像素点对应的晶粒序号即为该像素点坐标(w,h)对应的材质序号，从而得到EBSD晶粒取向分布图中像素坐标(w,h)对应的材质序号mat_num；

步骤5：如图3所示，构建的数值模型中，任意一个像素点对应的单元由node_front_left_up、node_front_right_up、node_front_right_down、node_front_left_down、node_behind_left_up、node_behind_right_up、node_behind_right_down以及node_behind_left_down八个顶点组成。其中顶点名称加num表示顶点序号。

当node_num取值为1,2,3,…,2601，对于任意顶点序号node_num对应的顶点的坐标(x,y,z)满足如下公式：

x＝[node_num-1-(node_num-1)//(W+1)×H]×pixel_resolution (1)

y＝(node_num-1)//(W+1)×pixel_resolution (2)

z＝0 (3)

其中，//为求整数商运算符，pixel_resolution＝0.25μm为EBSD晶粒取向分布图中单位像素的实际尺寸；

当node_num取值为2602,2603,2604,…,5202，对于任意顶点序号node_num对应的顶点的坐标(x,y,z)中，x,y满足上述公式(1)-(2)，z满足如下公式：

z＝pixel_resolution (8)

对于任意一个像素点坐标(w,h)相对应的单元中，该单元中的八个顶点的顶点序号与该单元对应的像素点坐标(w,h)满足如下公式：

node_front_left_up_num＝h×(W+1)+w+1 (9)

node_front_right_up_num＝h×(W+1)+w+2 (10)

node_front_right_down_num＝(h+1)×(W+1)+w+2 (11)

node_front_left_down_num＝(h+1)×(W+1)+w+1 (12)

node_behind_left_up_num＝(W+1)×(H+1)+h×(W+1)+w+1 (13)

node_behind_right_up_num＝(W+1)×(H+1)+h×(W+1)+w+2 (14)

node_behind_right_down_num＝(W+1)×(H+1)+(h+1)×(W+1)+w+2 (15)

node behind left down_num＝(W+1)×(H+1)+(h+1)×(W+1)+w+1 (16)

步骤6：由获得的与任意像素点坐标(w,h)相对应的单元序号ele_num、材质序号mat_num、顶点序号node_num以及顶点的绝对坐标(x,y,z)，从而构建成Ansys/LS-Dyna数值模拟软件所需要的有限元数值模型，如图7所示。

当然，本发明还可有其他多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (6)

1.一种基于图像像素点阵坐标的数值模型构建方法，其特征在于，包括以下步骤：

步骤1：读入尺寸大小为W×H的图像；其中W为图像宽度方向像素个数，H为图像高度方向像素个数；

所述图像为基于腐蚀衬度成像的显微组织形貌图或者基于取向衬度成像的EBSD晶粒取向分布图；

步骤2：遍历图像中所有像素点并逐一编号，获得每个像素点对应的像素序号pixel_num以及像素值pixel_value；同时确定每个像素点坐标(w,h)，并建立像素点对应的像素序号Pixel_Num(w,h)二维数组以及像素值Pixel_Value(w,h)二维数组；其中，w为像素点在宽度方向的像素坐标，h为像素点在高度方向的像素坐标；

步骤3：将图像像素点等效为需构建的数值模型中的单元，其中：

如果图像为基于腐蚀衬度成像的显微组织形貌图，构建2D数值模型；且每个像素点对应一个正方形单元，每个单元由四个顶点构成；

如果图像为基于取向衬度成像的EBSD晶粒取向分布图，构建2.5D数值模型；且每个像素点对应一个立方体单元，每个单元由八个顶点构成；

同时建立与像素点坐标(w,h)相对应的单元序号Ele_Num(w,h)二维数组，则Pixel_Num(w,h)与Ele_Num(w,h)一一对应；

步骤4：确定图像中包含的k种材质各自对应的像素值pixel_value或像素值区间，并按照不同像素值pixel_value或像素值区间由小到大依次对k种材质进行编号，获得像素点坐标(w,h)对应的材质序号mat_num；

其中，如果图像为基于腐蚀衬度成像的显微组织形貌图，则k种材质各自对应的像素值pixel_value区间依次确定为：

[0,max_pixelvalue_1]，[1+max_pixelvalue_1,max_pixelvalue_2]，……，[1+max_pixelvalue_i,max_pixelvalue_i+1]，……，[1+max_pixelvalue_(k-1),255]；其中max_pixelvalue_i是材质序号为i的材质对应的最大像素值，i＝1,2,3,…,(k-1)；

如果图像为基于取向衬度成像的EBSD晶粒取向分布图，则k种材质各自对应的像素值pixel_value具体确定方法为：

获取每一个晶粒质心像素坐标(grain_w,grain_h)及其对应的晶粒质心像素值grain_pixelvalue；

grain_w为晶粒质心在宽度方向的像素坐标，grain_h为晶粒质心在高度方向的像素坐标；

其中晶粒由多个像素点组成，晶粒内所有像素点的像素值相同；每一个晶粒对应一种材质，则每个晶粒质心像素值grain_pixelvalue即为图像中包含的k种材质各自对应的像素值pixel_value；

步骤5：建立笛卡尔坐标系xyz，xy平面为图像所在平面，x轴方向平行于图像宽度方向，y轴方向平行于图像高度方向，z轴的方向选取符合右手准则；根据图像尺寸W、H对数值模型的单元顶点进行逐一编号，根据各顶点序号node_num、图像像素的实际尺寸pixel_resolution以及图像尺寸W、H确定各顶点的坐标(x,y,z)；根据像素坐标(w,h)和图像尺寸W、H确定各单元序号与自身顶点序号的对应关系；

步骤6：通过与像素点坐标(w,h)相对应的单元序号ele_num、材质序号mat_num、顶点序号node_num以及顶点坐标(x,y,z)，单元与自身顶点的对应关系，构建所述数值模型。

2.如权利要求1所述的一种基于图像像素点阵坐标的数值模型构建方法，其特征在于，所述基于腐蚀衬度成像的显微组织形貌图包括光学显微镜图或扫描电子显微镜图。

3.如权利要求1所述的一种基于图像像素点阵坐标的数值模型构建方法，其特征在于，所述像素序号pixel_num的取值为1,2,3,…，W×H；像素值pixel_value的取值范围为0～255；w的取值为0,1,2,…,W-1；h的取值为0,1,2,…,H-1。

4.如权利要求1所述的一种基于图像像素点阵坐标的数值模型构建方法，其特征在于，如果图像为基于取向衬度成像的EBSD晶粒取向分布图，组成晶粒的多个像素点具体确定方法如下：

遍历图像中任意像素点的像素值pixel_value，并与所有晶粒质心像素值grain_pixelvalue进行比较，如果像素点的像素值pixel_value与其中一个晶粒质心像素值grain_pixelvalue相同，则该像素点属于该晶粒；

所述的按照不同像素值pixel_value分别由小到大依次对k种材质进行编号具体为：对各个晶粒进行编号，晶粒序号grain_num的取值为1,2,3,…,k，其中k为晶粒的总数量；晶粒序号grain_num与材质序号mat_num对应，则晶粒质心像素点对应的晶粒序号即为该晶粒其他像素点对应的材质序号。

5.如权利要求1所述的一种基于图像像素点阵坐标的数值模型构建方法，其特征在于，如果图像为基于腐蚀衬度成像的显微组织形貌图，步骤5所述的各顶点序号node_num、图像像素的实际尺寸pixel_resolution以及图像尺寸W、H确定顶点坐标(x,y,z)具体为：

任意一个像素点坐标(w,h)对应的单元由左上顶点node_left_up、右上顶点node_right_up、右下顶点node_right_down、左下顶点node_left_down组成；

任意一个顶点序号node_num对应的顶点坐标(x,y,z)满足如下公式：

x＝[node_num-1-(node_num-1)//(W+1)×H]×pixel_resolution (1)

y＝(node_num-1)//(W+1)×pixel_resolution (2)

z＝0 (3)

其中，//为求整数商运算符；

步骤5所述的像素坐标(w,h)和图像尺寸W、H确定单元序号与自身顶点序号的对应关系具体方法为：

对于任意一个像素点坐标(w,h)对应的单元，该单元中的四个顶点的顶点序号与该单元对应的像素点坐标(w,h)满足如下公式：

node_left_up_num＝h×(W+1)+w+1 (4)

node_right_up_num＝h×(W+1)+w+2 (5)

node_right_down_num＝(h+1)×(W+1)+w+2 (6)

node_left_down_num＝(h+1)×(W+1)+w+1 (7) 。

6.如权利要求4所述的一种基于图像像素点阵坐标的数值模型构建方法，其特征在于，如果图像为基于取向衬度成像的EBSD晶粒取向分布图，步骤5所述的各顶点序号node_num、图像像素的实际尺寸pixel_resolution以及图像尺寸W、H确定顶点坐标(x,y,z)具体为：

任意一个像素点坐标(w,h)对应的单元由前左上顶点node_front_left_up、前右上顶点node_front_right_up、前右下顶点node_front_right_down、前左下顶点node_front_left_down、后左上顶点node_behind_left_up、后右上顶点node_behind_right_up、后右下顶点node_behind_right_down以及后左下顶点node_behind_left_down组成；

顶点序号node_num的值为1,2,3,…，(W+1)×(H+1)时，任意一个顶点序号node_num对应的顶点坐标(x,y,z)满足公式如下公式：

x＝[node_num-1-(node_num-1)//(W+1)×H]×pixel_resolution (1)

y＝(node_num-1)//(W+1)×pixel_resolution (2)

z＝0 (3)

其中，//为求整数商运算符；

顶点序号node_num的值为(W+1)×(H+1)+1,(W+1)×(H+1)+2,(W+1)×(H+1)+3,…2×(W+1)×(H+1)时，任意一个顶点序号node_num对应的顶点坐标(x,y,z)，x,y满足公式(1)-(2)，z满足如下公式：

z＝pixel_resolution (8)

步骤5所述的像素坐标(w,h)和图像尺寸W、H确定单元与自身顶点的对应关系具体为：

对与任意一个像素点坐标(w,h)相对应的单元，该单元中的八个顶点的顶点序号与该单元对应的像素点坐标(w,h)满足如下公式：

node_front_left_up_num＝h×(W+1)+w+1 (9)

node_front_right_up_num＝h×(W+1)+w+2 (10)

node_front_right_down_num＝(h+1)×(W+1)+w+2 (11)

node_front_left_down_num＝(h+1)×(W+1)+w+1 (12)

node_behind_left_up_num＝(W+1)×(H+1)+h×(W+1)+w+1 (13)

node_behind_right_up_num＝(W+1)×(H+1)+h×(W+1)+w+2 (14)

node_behind_right_down_num＝(W+1)×(H+1)+(h+1)×(W+1)+w+2 (15)

node_behind_left_down_num＝(W+1)×(H+1)+(h+1)×(W+1)+w+1 (16) 。