CN106780597B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN106780597B CN106780597B CN201611091619.3A CN201611091619A CN106780597B CN 106780597 B CN106780597 B CN 106780597B CN 201611091619 A CN201611091619 A CN 201611091619A CN 106780597 B CN106780597 B CN 106780597B
- Authority
- CN
- China
- Prior art keywords
- fiber
- image
- length
- fibre
- extraction
- 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
Links
- 239000000835 fiber Substances 0.000 title claims abstract description 104
- 238000000034 method Methods 0.000 title claims abstract description 19
- 239000002131 composite material Substances 0.000 title claims abstract description 11
- 238000000605 extraction Methods 0.000 claims abstract description 15
- 230000000877 morphologic effect Effects 0.000 claims abstract description 10
- 238000006243 chemical reaction Methods 0.000 claims abstract description 9
- 239000000463 material Substances 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 4
- 230000010339 dilation Effects 0.000 description 4
- 229920000049 Carbon (fiber) Polymers 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 239000004917 carbon fiber Substances 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 239000004918 carbon fiber reinforced polymer Substances 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003733 fiber-reinforced composite Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000011208 reinforced composite material Substances 0.000 description 1
- 239000011150 reinforced concrete Substances 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 239000012779 reinforcing material Substances 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06T2207/30132—Masonry; Concrete
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Reinforced Plastic Materials (AREA)
Abstract
本发明公开了一种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,包括以下步骤:S1:基于MatLab图像处理技术对图像进行信息转化:包括读取原始彩色图像rgbData转化为灰度图像grayData、灰度图像二值化、去除小面积区域、形态学操作和均值滤波;S2:图像信息转化即对MatLab图像处理的应用操作:包括纤维面积比例和纤维骨架的提取和纤维取向的提取和有效纤维长度,S3:纤维特征信息分布的验证:据显微镜的像素比例或比例尺来测量并标出的纤维长度和纤维取向角度的真实数值。本方法可以提取图像中纤维中的长度和对应的角度;提取出图像中纤维的面积比例以及根据像素比求得的实际面积;可以将纤维有效长度与材料性能建立函数关系。
Description
技术领域
本发明涉及复合材料的性能领域,尤其涉及短纤维增强复合材料中的纤维特征分析和碳纤维增强导电ITO薄膜的实际应用。
背景技术
建筑用的钢筋混凝土复合材料,碳纤维等高端纤维增强的复合材料在使用前应该进行力学,导电性能等方面的评估和预测。这样一来才能为产品的初步设计方案和预算情况提供可量化的科学依据.而合理地计算统计出复合材料所达到的性能是件复杂和困难的项目,比如卵石混合水泥土或短切碳纤维增强塑料等复合材料中,增强材(卵石或短切纤维)的特定局域含量,长度和取向的量化数值及分布情况。本专利通过图像处理方法能切实地解决上述的问题,并且可以为产品的增值特征分析提供重要的判断参数。
发明内容
根据现有技术存在的问题,本发明通过显微镜观察采集的扩大50~500倍的未处理原图像。其中,黑色部分是增强材料—纤维,黄色部分是基体塑料。因为显微镜和扫描电镜不同,它是点光源,所以图像的中间部分和边缘部分在尺寸表现上是有差异的,需要补光调节减少这一差异。由于实际采集的图像是有很多细小的杂质,虽然消除他们会导致一定的偏差,但他们的存在不利于提取增强材料在基体中的特征信息。并且对于消除杂质的范围程度等设定都是可调的。对于短切碳纤维,由于直径规格统一,所以本项目将纤维直径信息消去并转化成骨架特征的形式。本专利以图像处理的角度重新定义了纤维的长度和取向。以纤维上的端点开始360度的扫描来寻找临近像素点,扫描精度为0.5度。累计相同取向的相邻像素点的总数并按照像素比例进行数值转化,从而得到纤维取向及其对应的纤维长度值。本发明的实现步骤如下:
S1:基于MatLab图像处理技术对图像进行信息转化:包括读取原始彩色图像rgbData转化为灰度图像grayData、灰度图像二值化、去除小面积区域、形态学操作和均值滤波;
S2:图像信息转化即对MatLab图像处理的应用操作:包括纤维面积比例和纤维骨架的提取和纤维取向的提取和有效纤维长度,
图10为本发明中实施例中灰度图像的形态学膨胀示意图。
具体实施方式
为使本发明的技术方案和优点更加清楚,下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚完整的描述:
如图1-图10所示的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实现步骤如下:
第一部分:图像信息转化,本过程基于MatLab图像处理的基础操作。
A、读取原始彩色图像rgbData转化为灰度图像grayData:
将RGB值到转换成灰度值通过R(red),G(green)和B(blue)分量加权,如公式:0.2989*R+0.5870*G+0.1140*B。直方图均衡后采用矫正算法去除光照不均的影响,将所需的直方图尽量减少灰度变换T,|c1(T(k))-c0(k)|,c0为直方图的累积和,c1为直方图中强度值k的累积和。
B、灰度图像二值化:
利用大津算法[1]将灰度值按设定阈值划分成黑白图像,1为white(白色),0为black(黑色)。
C、去除小面积区域:
在MatLab数学分析软件中,我们通过调试将SmallThreshold函数的ceil(total*X)中的X设定为0.0005来对应200倍放大的图像,设定为0.0001来对应于100倍放大的图像。并且,对新生成的形态结构图像单元进行腐蚀,EdgeWidth参数设定为5。
D、形态学操作:
形态学是基于形状的图像处理操作的过程。形态运算应用一个结构元素到输入图像,创建相同大小的输出图像。在形态学运算中,输出图像中的每个像素值是基于相应像素的相邻输入图像中的比较。通过选择邻域的大小和形状,则可以构造一个形态运算是对输入图像中的特定的形状。其操作过程分为膨胀和腐蚀。膨胀:输出像素的值是在输入像素邻域的所有像素中的最大值。在二进制图像中,如果任何像素被设置为值1时,输出像素被设置为1。腐蚀:输出像素的值是在输入像素邻域的所有像素的最小值。在二进制图像中,如果任何像素被设置为0,输出像素被设置为0。其中ErodeDilateCount参数设定为5。图9为二值图像的形态学膨胀示意图;如图10为灰度图像的形态学膨胀示意图。
E、均值滤波:
fspecial函数创建高斯滤波器和拉普拉斯过滤器如下公式:其中平均噪声计数
其中纤维面积比例和纤维骨架的提取和纤维取向的提取具体是:提取纤维取向边线进而除去纤维宽度使柱状纤维成为像素点线性连接,从线型纤维的右底端开始水平扫描有效像素点并360°连接相邻像素点使其最大长度length(X)相当于最大非空数组,按原图的像素比将像素长度转化为实际长度,单位为微米;
其中纤维取向的提取和有效纤维长度具体过程是:水平扫描线与每段纤维骨架线段的夹角为纤维取向。统计角度的范围-89°到90°;骨架线段投影在水平扫描线的长度为纤维的有效纤维长度,并求和;统计纤维取向和与其对应的长度,做成纤维分布图,x轴范围-89°到90°,y轴的单位为微米;
S3:纤维特征信息分布的验证:据显微镜的像素比例或比例尺来测量并标出的纤维长度和纤维取向角度的真实数值。
通过本发明公开的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,可以提取图像中纤维中的长度和对应的角度;提取出图像中纤维的面积比例以及根据像素比求得的实际面积;可以将纤维有效长度与材料性能建立函数关系。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明中短切纤维增强复合材料的层面图;
图2为根据显微镜的像素比例或比例尺来测量并标出的纤维长度的实测数值;
图3为根据显微镜的像素比例或比例尺来测量并标出的纤维取向(角度)的实测数值;
图4为本发明中通过图像处理来对原图像进行补光预处理图;
图5为本发明中去噪和填充后的图像;
图6为本发明中纤维骨架特征图;
图7为本发明中纤维分布图;
图8为本发明中纤维特征提取方法的流程图;
图9位本发明中实施例中二值图像的形态学膨胀示意图;设为5。
第二部分:图像信息转化,本过程为MatLab图像处理的应用操作
F、纤维面积比例和纤维骨架的提取:
纤维面积比例可以在灰度二值化过程中统计出黑或白的像素点占总像素点的比例。而对于纤维骨架的提取,是提取纤维取向边线进而除去纤维宽度使柱状纤维成为像素点线性连接。从线型纤维的右底端开始水平扫描有效像素点并360°连接相邻像素点使其最大长度length(X)相当于最大非空数组。按原图的像素比将像素长度转化为实际长度,单位为微米。
G、纤维取向的提取和有效纤维长度:
水平扫描线与每段纤维骨架线段的夹角为纤维取向。统计角度的范围-90°到90°。骨架线段投影在水平扫描线的长度为纤维的有效纤维长度,并求和。
统计纤维取向和与其对应的长度,做成纤维分布图(如图所示)。x轴范围-90°到90°,y轴的单位为微米。
第三部分:纤维特征信息分布的验证
根据显微镜的像素比例或比例尺来测量并标出的纤维长度和纤维取向(角度)的真实数值。有效纤维长度的偏差在10%以内为验证成功,如图像的倍数改变或纤维状态复杂,偏差大于10%,则调节相关参数,如流程图所示。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (1)
1.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,其特征在于:包括以下步骤:
S1:基于MatLab图像处理技术对图像进行信息转化:包括读取原始彩色图像rgbData转化为灰度图像grayData、灰度图像二值化、去除小面积区域、形态学操作和均值滤波;
S2:图像信息转化即对MatLab图像处理的应用操作:包括纤维面积比例和纤维骨架的提取和纤维取向的提取和有效纤维长度,
其中纤维面积比例和纤维骨架的提取和纤维取向的提取具体是:提取纤维取向边线进而除去纤维宽度使柱状纤维成为像素点线性连接,从线型纤维的右底端开始水平扫描有效像素点并360°连接相邻像素点使其最大长度length(X)相当于最大非空数组,按原图的像素比将像素长度转化为实际长度,单位为微米;
其中纤维取向的提取和有效纤维长度具体过程是:水平扫描线与每段纤维骨架线段的夹角为纤维取向,统计角度的范围-89°到90°;骨架线段投影在水平扫描线的长度为纤维的有效纤维长度,并求和;统计纤维取向和与其对应的长度,做成纤维分布图,x轴范围-89°到90°,y轴的单位为微米;
S3:纤维特征信息分布的验证:据显微镜的像素比例或比例尺来测量并标出的纤维长度和纤维取向角度的真实数值。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610644190X | 2016-08-08 | ||
CN201610644190 | 2016-08-08 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106780597A CN106780597A (zh) | 2017-05-31 |
CN106780597B true CN106780597B (zh) | 2019-08-30 |
Family
ID=58915636
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611091619.3A Active CN106780597B (zh) | 2016-08-08 | 2016-12-01 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106780597B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108303522B (zh) * | 2018-01-05 | 2019-08-20 | 华南理工大学 | 一种短纤维增强复合材料纤维长度分布定量评估方法 |
CN109492544B (zh) * | 2018-10-19 | 2023-01-03 | 兰波(苏州)智能科技有限公司 | 一种通过增强光学显微镜对动物纤维进行分类的方法 |
CN109543531B (zh) * | 2018-10-19 | 2023-01-03 | 兰波(苏州)智能科技有限公司 | 一种纤维提取和纤维视觉矫正的方法 |
CN111951904B (zh) * | 2020-02-03 | 2021-04-06 | 苏州鸿凌达电子科技有限公司 | 基于碳纤维的微观结构量化与性能检测方法 |
CN112164085B (zh) * | 2020-09-28 | 2023-08-18 | 华南理工大学 | 一种基于图像处理的纤维图像分割及直径统计方法 |
CN112541444B (zh) * | 2020-12-17 | 2023-08-22 | 昆明理工大学 | 一种基于双边滤波与Hessian矩阵的多尺度太阳色球纤维识别方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102879398A (zh) * | 2012-09-24 | 2013-01-16 | 上海交通大学 | 一种玻纤增强材料内部纤维朝向定量分析的计算方法 |
CN105593669A (zh) * | 2013-09-30 | 2016-05-18 | 株式会社Ihi | 图像分析装置和程序 |
-
2016
- 2016-12-01 CN CN201611091619.3A patent/CN106780597B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102879398A (zh) * | 2012-09-24 | 2013-01-16 | 上海交通大学 | 一种玻纤增强材料内部纤维朝向定量分析的计算方法 |
CN105593669A (zh) * | 2013-09-30 | 2016-05-18 | 株式会社Ihi | 图像分析装置和程序 |
Non-Patent Citations (3)
Title |
---|
"Study on the Fiber Orientation during Compression";Jin-Woo Kim etal.;《INTERNATIONAL JOURNAL OF PRECISION ENGINEERING AND MANUFACTURING-GREEN TECHNOLOGY》;20141231;第335-339页 |
"基于图像处理的非织造布纤维直径与取向分布的测量";王丽;《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》;20120315;第1-6章 |
"纤维增强混凝土中纤维分布的计算机处理";廖宪廷 王依民;《中国纺织大学学报》;19990228;第25卷(第1期);第53-55页 |
Also Published As
Publication number | Publication date |
---|---|
CN106780597A (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106780597B (zh) | 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 | |
WO2019134252A1 (zh) | 结构裂缝自动化描绘及宽度精准测量方法与设备 | |
CN112837290B (zh) | 一种基于种子填充算法的裂缝图像自动识别方法 | |
CN103499303B (zh) | 一种羊毛细度自动测量方法 | |
CN106969708A (zh) | 一种骨料形态质量的检测装置和方法 | |
CN105424709A (zh) | 一种基于图像标记的水果表面缺陷检测方法 | |
CN113240626A (zh) | 一种基于神经网络的玻璃盖板凹凸型瑕疵检测与分类方法 | |
CN103955937A (zh) | 基于数字图像处理微藻自动计数方法 | |
CN112149543B (zh) | 一种基于计算机视觉的建筑扬尘识别系统与方法 | |
CN106855951A (zh) | 一种基于计算机视觉的粮种品质检测方法 | |
CN104700395A (zh) | 一种构造物外观裂缝检测方法及系统 | |
CN105513082A (zh) | 一种成捆棒材识别计数方法和装置 | |
CN109211918B (zh) | 一种基于纬纱走向的织物弓纬检测方法 | |
CN116630813B (zh) | 一种公路路面施工质量智能检测系统 | |
CN111724354B (zh) | 一种基于图像处理的多株小麦穗长与小穗数的测量方法 | |
CN104637066B (zh) | 基于序贯细化的二值图像快速骨架提取方法 | |
CN114004834B (zh) | 一种图像处理中的雾天情况分析方法、设备及装置 | |
CN110807763A (zh) | 一种陶瓦表面鼓包检测方法及系统 | |
CN110687122A (zh) | 一种陶瓦表面裂纹检测方法及系统 | |
CN112763466B (zh) | 一种聚合物改性沥青相态分布特性识别方法 | |
CN110246139A (zh) | 基于双阈值的浮游生物原位图像roi快速提取方法 | |
CN109116002B (zh) | 一种路用粗集料棱角性量化方法 | |
Merciol et al. | Fast image and video segmentation based on alpha-tree multiscale representation | |
CN206683580U (zh) | 一种骨料形态质量的检测装置 | |
Sun et al. | Automatic pavement cracks detection system based on Visual Studio C++ 6.0 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |