CN107148569A - 图像解析装置、图像解析方法以及程序 - Google Patents

图像解析装置、图像解析方法以及程序 Download PDF

Info

Publication number
CN107148569A
CN107148569A CN201580051215.9A CN201580051215A CN107148569A CN 107148569 A CN107148569 A CN 107148569A CN 201580051215 A CN201580051215 A CN 201580051215A CN 107148569 A CN107148569 A CN 107148569A
Authority
CN
China
Prior art keywords
mentioned
yarns
image
fibre bundle
overlapping region
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
CN201580051215.9A
Other languages
English (en)
Other versions
CN107148569B (zh
Inventor
菱田宽之
稻垣宏
稻垣宏一
中村武志
长谷川悠
铃木宏正
道川隆士
大竹丰
近藤俊
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 CN107148569A publication Critical patent/CN107148569A/zh
Application granted granted Critical
Publication of CN107148569B publication Critical patent/CN107148569B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06H—MARKING, INSPECTING, SEAMING OR SEVERING TEXTILE MATERIALS
    • D06H3/00—Inspecting textile materials
    • D06H3/08—Inspecting textile materials by photo-electric or television means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N2021/8444—Fibrous material
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • 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

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

Abstract

提出一种从CMC的三维图像能够容易地解析纤维束取向的图像解析装置、图像解析方法以及程序。图像解析装置从由X纱线、Y纱线以及Z纱线的纤维束构成的编织物的三维图像解析X纱线和Y纱线的纤维束的取向，其特征为具备：二值化部，其对三维图像进行二值化；重叠区域提取部，其从二值化后的图像提取X纱线和Y纱线垂直地立体交叉的重叠区域；参考方向决定部，其使重叠区域中包含的各体素的重叠方向平均化，将平均化后的方向决定为参考方向；Z纱线去除部，其在相对于参考方向垂直的参考平面上应用方向性距离法，从二值化后的图像中去除Z纱线；以及纤维束取向推定部，其针对去除了Z纱线的图像在参考平面上再次应用方向性距离法，根据应用时计算的方向性距离，推定X纱线和Y纱线的纤维束取向。

Description

图像解析装置、图像解析方法以及程序
技术领域
本发明涉及图像解析装置、图像解析方法以及程序，特别是适用于对纤维增强复合材料中包含的纤维束取向进行解析的图像解析装置、图像解析方法以及程序。
背景技术
近年来，正在进行纤维增强复合材料的一种即陶瓷基复合材料(CMC：CeramicMatrix Composites)的开发。CMC是通过母材(基质)将陶瓷纤维增强而得到的复合材料，具有轻质且耐热性优良这种的特征。正在研究利用该特征例如将CMC用于飞机发动机部件，当前正在进行实用化。通过将CMC用作飞机发动机部件，能够期待大幅提高燃料经济性。
以下是CMC的一般的形成工艺。首先，捆扎几百根左右的陶瓷纤维来制作纤维束，编织该纤维束来制作编织物。关于纤维束的编织方法，例如具有三维编织或平纹编织。三维编织是在XYZ方向这三个方向上编织纤维束来制作编织物的方法，平纹编织为在XY方向这两个方向上编织纤维束来制作编织物的方法。
在制作编织物之后，通过CVI(Chemical Vapor Infiltration：化学气相渗透法)和PIP(Polymer Impregnation and Pyrolysis：浸渍裂解工艺)来形成基质，最后进行机械加工和表面涂层等，由此形成CMC。在此，此时形成的CMC中的纤维束取向对CMC的强度影响大。
即，当纤维束在本来应该为直线的地方蜿蜒，或者整体偏离本来应该配置的基准轴从而发生偏向，或者在途中断裂的情况下，CMC的强度降低。与此相对，在纤维束不发生蜿蜒、偏向或断裂而在固定方向上使朝向一致地来恰当地进行排列时，强度高且耐热性优良。因此为了确认所形成的CMC的强度是否足够，重要的是评价纤维束取向。
在专利文献1中公开了以下取向解析方法：对树脂成型品的切片图像进行二值化来获取二值图像，对该二值图像进行傅里叶变换来获取能谱图像，将与根据该能谱图像描绘的椭圆正交的椭圆的主轴方向设为树脂成型品中包含的填充剂(纤维)的取向方向。
另外，在非专利文献1中公开了以下技术：通过X射线CT装置对编织纤维束而得到的编织物进行拍摄来获取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，由此对构成纤维束的一根一根纤维的取向进行解析。
在先技术文献
专利文献1：日本特开2012-2547号公报
非专利文献1：T.Shinohara,J.Takayama,S.Ohyama,and A.Kobayashi,“Extraction of Yarn Positional Information from a Three‐dimensional CT Imageof Textile Fabric using Yarn Tracingwith a Filament Model for StructureAnalysis”,Textile Research Journal,Vol.80,No.7,pp.623-630(2010)
发明内容
但是，在专利文献1所记载的技术中，关于切片图像内包含的填充剂(纤维)的取向，作为解析结果只能得到一个方向。因而，例如在如三维编织、平纹编织那样纤维束在多个方向上排列的情况下，无法得到各个纤维束取向来作为解析结果。另外，无法解析纤维束是否不会蜿蜒、偏向或断裂而在固定方向上使朝向一致地来适当地排列。
另外，在非专利文献1所记载的技术中，需要获取能够一根一根地识别构成纤维束的纤维的程度的高分辨率的X射线CT图像。在该情况下，用于得到X射线CT图像的拍摄时间变长，无法用于产品检查，因此并不实用。另外，是针对截面为圆形的纤维有效的技术，无法作为对截面为扁平的纤维束取向进行解析的技术而直接使用。并且存在需要输入X射线CT图像中的各纤维的开始点从而操作变得繁杂这种问题。
本发明是考虑上述问题点而做出的，提出一种从CMC的三维图像能够容易地解析纤维束取向的图像解析装置、图像解析方法以及程序。
为了解决该课题，本发明公开一种图像解析装置，其从由X纱线、Y纱线以及Z纱线的纤维束构成的编织物的三维图像解析X纱线和Y纱线的纤维束的取向，其特征在于，具备：二值化部，其对三维图像进行二值化；重叠区域提取部，其从二值化后的图像提取X纱线和Y纱线垂直地立体交叉的重叠区域；参考方向决定部，其使重叠区域中包含的各体素的重叠方向平均化，将平均化后的方向决定为参考方向；Z纱线去除部，其在相对于参考方向垂直的参考平面上应用方向性距离法，从二值化后的图像中去除Z纱线；以及纤维束取向推定部，其针对去除了Z纱线的图像在参考平面上再次应用方向性距离法，根据应用时计算的方向性距离，推定X纱线和Y纱线的纤维束取向。
另外，为了解决该课题，本发明公开了一种图像解析方法，其从由X纱线、Y纱线以及Z纱线的纤维束构成的编织物的三维图像解析X纱线和Y纱线的纤维束取向，其特征在于，计算机具有以下步骤：第一步骤，对三维图像进行二值化；第二步骤，从二值化后的图像中提取X纱线和Y纱线垂直地立体交叉的重叠区域；第三步骤，使重叠区域内包含的各体素的重叠方向平均化，将平均化后的方向决定为参考方向；第四步骤，在相对于参考方向垂直的参考平面上应用方向性距离法，从二值化后的图像中去除Z纱线；以及第五步骤，针对去除了Z纱线的图像在参考平面上再次应用方向性距离法，根据应用时计算的方向性距离，推定X纱线和Y纱线的纤维束取向。
另外，为了解决该课题，本发明公开一种程序，其从由X纱线、Y纱线以及Z纱线的纤维束构成的编织物的三维图像解析X纱线和Y纱线的纤维束取向，其特征在于，程序使计算机执行以下步骤：第一步骤，对三维图像进行二值化；第二步骤，从二值化后的图像中提取X纱线和Y纱线垂直地立体交叉的重叠区域；第三步骤，使重叠区域内包含的各体素的重叠方向平均化，将平均化后的方向决定为参考方向；第四步骤，在相对于参考方向垂直的参考平面上应用方向性距离法，从二值化后的图像中去除Z纱线；以及第五步骤，针对去除了Z纱线的图像在参考平面上再次应用方向性距离法，根据应用时计算的方向性距离，推定X纱线和Y纱线的纤维束取向。
另外，为了解决该课题，公开的图像解析装置的特征在于，具备：二值化部，其对由X纱线、Y纱线以及Z纱线的纤维束构成的编织物的三维图像进行二值化；重叠区域提取部，其从上述二值化后的图像中提取上述X纱线和上述Y纱线立体交叉的重叠区域；以及重叠区域形态解析部，其解析上述提取的重叠区域的形态。
另外，为了解决该课题，公开的图像解析方法的特征在于，具备以下步骤：对由X纱线、Y纱线以及Z纱线的纤维束构成的编织物的三维图像进行二值化的步骤；从上述二值化后的图像中提取上述X纱线和上述Y纱线立体交叉的重叠区域的步骤；以及解析上述提取的重叠区域的形态的步骤。
另外，为了解决该课题，公开的程序使计算机执行以下步骤：对由X纱线、Y纱线以及Z纱线的纤维束构成的编织物的三维图像进行二值化的步骤；从上述二值化后的图像中提取上述X纱线和上述Y纱线立体交叉的重叠区域的步骤；以及解析上述提取的重叠区域的形态的步骤。
根据公开的本发明，能够从CMC的三维图像容易地解析纤维束取向。
附图说明
图1是图像解析装置的整体结构图。
图2是三维编织的编织物的概念图。
图3是图像解析处理的整体流程图。
图4是二值化处理的详细流程图。
图5是通过二值化处理生成的处理图像。
图6是重叠区域提取处理的详细流程图。
图7是通过重叠区域提取处理生成的处理图像。
图8是参考方向决定处理的详细流程图。
图9是应用通常的方向性距离法来推定方向性距离的处理的概要图。
图10是通过参考方向决定处理生成的处理图像。
图11是Z纱线去除处理的详细流程图。
图12是应用了通常的方向性距离法时的概念图。
图13是附带参考的方向性距离法的概念图。
图14是应用了附带参考的方向性距离法时的概念图。
图15是对附带条件的方向性距离进行推定的处理的概要图。
图16是表示X纱线或Y纱线的区域与Z纱线的区域的概念图。
图17是纤维束取向推定处理的详细流程图。
图18是输入图像为模拟图像时的解析结果。
图19是输入图像为高分辨率的X射线CT图像时的解析结果。
图20是输入图像为低分辨率的X射线CT图像时的解析结果。
图21是输入图像为缺陷模拟图像时的解析结果。
图22是输入图像为曲面模拟图像时的解析结果。
图23是图像解析装置的整体结构图。
图24是图像解析处理的整体流程图。
图25表示支柱的体积的计算例。
图26表示支柱伸长的方向的计算例。
图27表示支柱弯曲时的图像处理。
图28表示支柱的一部分不规则地排列的例子。
图29是通过XY平面表示X纱线和Y纱线的纤维束的理想的配置。
图30示意性地表示图29的纤维束的配置中的XZ平面(或YZ平面)上的重叠区域提取图像。
图31示意性地表示图29的纤维束的配置中的XY平面上的重叠区域提取图像。
图32表示在XY平面上纤维束的一部分在与应该延伸的方向相反的XY平面内的方向上延伸的状态。
图33示意性地表示图32的纤维束的状态下的YZ平面的重叠区域提取图像。
图34示意性地表示图32的纤维束的状态下的XY平面的重叠区域提取图像。
图35表示在XY平面上纤维束的一部分在与应该延伸的方向相反的Z方向上延伸的状态。
图36示意性地表示图35的纤维束的状态下的YZ平面的重叠区域提取图像。
图37表示在XY平面上纤维束的一部分在与应该延伸的方向不同的一同具有XY平面内的方向成分和Z方向成分的方向上进行延伸的状态。
图38示意性地表示图37的纤维束的状态下的、YZ平面的重叠区域提取图像。
图39表示在XY平面上纤维束作为整体分别在倾斜的方向上延伸的状态。
图40表示在XY平面上纤维束作为整体分别在倾斜的方向上延伸的状态。
图41示意性地表示图39或40所示的纤维束的状态下的、XY平面的重叠区域提取图像。
图42表示在XY平面上不存在纤维束的一部分(例如X纱线)的状态的图。
图43表示在XY平面上纤维束的一部分的粗细比其它纤维束粗或细的情况。
图44示意性地表示图42或图43的纤维束的状态下的、YZ平面的重叠区域提取图像。
图45表示在XY平面上纤维束的一部分(例如X纱线)折返的状态。
图46示意性地表示图45的纤维束的状态下的、XY平面的重叠区域提取图像。
图47是图像解析装置的整体结构图。
图48是图像解析处理的整体流程图。
具体实施方式
以下，根据附图详细说明本发明的一个实施方式。
(1)图像解析装置1的整体结构
图1表示本实施方式的图像解析装置1的整体结构。图像解析装置1为具备CPU(Central Processing Unit：中央处理器)11、输入部12、存储部13、显示部14以及存储器15而构成的计算机。
CPU 11是与存储器15中存储的各种程序进行协作来综合控制图像解析装置1的动作的处理器。输入部12为接受来自用户的输入的接口，例如为键盘、鼠标。本实施方式的输入部12可以是用于输入构成CMC(Ceramic Matrix Composites：陶瓷基复合材料)的编织物的X射线CT图像G10的接口。
在此，CMC是指捆扎几百根左右的陶瓷纤维来制作纤维束，在编织该纤维束而作成编织物之后用碳等覆盖纤维表面，并经过用于形成基质的CVI(Chemical VaporInfiltration化学气相渗透)工艺和PIP(Polymer Impregnation and Pyrolysis浸渍裂解)工艺等而形成的纤维增强复合材料。
在制作编织物时的编织方法中存在被称为三维编织或平纹编织的方法。三维编织为从XYZ方向这三个方向编织纤维束来制作编织物的方法，平纹编织为从XY方向这两个方向上编织纤维束来制作编织物的方法。
图2表示三维编织的编织物的概念图。在本实施方式中，通过X射线CT装置对特别是通过复杂的三维编织而制作出的编织物或由该编织物形成的CMC进行拍摄，根据得到的X射线CT图像G10来自动解析纤维束取向。
如图2所示，将由等间隔排列的X纱线的纤维束形成的纤维层以及由等间隔排列的Y纱线的纤维束形成的纤维层交替地进行层叠，并通过Z纱线的纤维束进行固定以使层叠的很多纤维层不会在CMC形成过程中剥离，从而形成三维编织的编织物。
关于通过该编织物形成的CMC，通常预想向X纱线方向或Y纱线方向进行伸缩来进行设计。由此，与X纱线和Y纱线大致垂直而编织的Z纱线不对直接影响CMC的强度。另一方面，关于Z纱线的存在，在对X纱线和Y纱线的取向进行解析时，有时造成精度不良。
因此，在本实施方式中，想要从三维编织的编织物的X射线CT图像G10中去除Z纱线，高精度地解析X纱线和Y纱线的纤维束取向。
此外，通常，取向是指在固定方向上使朝向一致地进行排列或进行了排列的状态的术语，在本实施方式中也以相同的意思来使用。即使在蜿蜒、偏向或断裂地排列的状态下，如果是在固定方向上使朝向一致地进行了排列的状态则也称为取向。
返回至图1，存储部13为用于存储从输入部12输入的X射线CT图像G10和对该X射线CT图像G10实施了各种图像处理后的处理图像的存储介质。显示部14为显示X射线CT图像G10图像和处理图像的LCD(Liquid Crystal Display：液晶显示器)等显示装置。例如，显示部14从X射线CT图像G10中自动解析纤维束取向，将纤维束取向推定图像G100显示在显示画面上。
存储器15为用于存储各种程序的存储介质，各种程序与CPU 11进行协作来执行图像解析处理。在各种程序中具有二值化部151、重叠区域提取部152、参考方向决定部153、Z纱线去除部154以及纤维束取向推定部155。在后文说明通过这些各种程序而执行的图像解析处理(图3)。
(2)图像解析处理的流程图
图3表示本实施方式的图像解析处理P1的整体流程图。以输入部12接受了来自用户的执行指示为契机，通过CPU 11与存储在存储器15中的各种程序的协作来执行该图像解析处理。以下，为了便于说明，将处理主体作为各种程序来进行说明。
首先，当经由输入部12输入了X射线CT图像G10时(SP1)，二值化部151根据规定阈值对输入的X射线CT图像G10进行二值化，生成在前景中表示X纱线、Y纱线以及Z纱线的各纤维束的二值图像(SP2)。
接着，重叠区域提取部152提取X纱线与Y纱线垂直地立体交叉的重叠区域(SP3)，参考方向决定部153将提取出的重叠区域的重叠方向决定为参考方向(SP4)。
在此，提取重叠区域的理由在于，为了对提取出的重叠区域应用通常的方向性距离法，推定重叠方向。在后文中说明通常的方向性距离法。
另外，将重叠方向决定为参考方向的理由在于，为了在与该参考方向垂直的平面上应用二维的通常的方向性距离法，来推定纤维束取向。
将与参考方向垂直的平面称为参考平面，将在参考平面上应用二维的通常的方向性距离法的方法称为附带参考的方向性距离法。
在参考平面上存在X纱线或Y纱线，因此通过应用附带参考的方向性距离法，能够高精度地推定X纱线和Y纱线的纤维束取向。在后文中说明附带参考的方向性距离法。
接着，Z纱线去除部154对二值图像应用附带参考的方向性距离法，推定X纱线、Y纱线以及Z纱线的纤维束取向。然后，Z纱线去除部154根据推定出的取向来去除二值图像中包含的Z纱线(SP5)。
接着，纤维束取向推定部155对去除了Z纱线的二值图像再次应用附带参考的方向性距离法，推定X纱线和Y纱线的纤维束取向(SP6)。
然后，纤维束取向推定部155制作纤维束取向推定图像G100，并通过显示部14进行显示(SP7)，结束该图像解析处理。
(3)各处理的详细内容
以下，参照图4～图17，此外使用计算式(式1～式3)来详细说明在图3中说明的各处理(SP2～SP6)。此外，X射线CT图像G10的输入处理(SP1)和纤维束取向推定图像G100的显示处理(SP7)为通常的方法，因此省略说明。
(3-1)二值化处理
图4表示二值化处理的详细流程图。二值化部151首先根据规定阈值对经由输入部12输入的X射线CT图像G10进行二值化，生成二值图像(SP21)。生成的二值图像有时由于纤维束内的纤维密度不均匀而产生的黑斑。即，存在将本来应该为背景的体素当作前景体素的地方。
为了将该本来应该为背景的前景体素返回至背景体素，二值化部151执行形态处理中的闭合处理(SP22)。通过执行闭合处理，能够去除二值图像中产生的黑斑。二值化部151生成去除了黑斑从而清晰的二值图像，结束本处理。
图5表示通过二值化处理生成的处理图像。具体地说，表示闭合处理前的二值图像G21以及闭合处理后的二值图像G22。
如图5所示，在二值图像G21中存在将本来应该为背景的体素当作前景体素的地方。通过执行闭合处理，能够得到去除了黑斑的闭合处理后的二值图像G22。
(3-2)重叠区域提取处理
图6表示重叠区域提取处理的详细流程图。重叠区域提取部152为了提取X纱线与Y纱线立体交叉的重叠区域，执行形态处理中的开放处理(SP31)。
通过执行开放处理，能够提取粗略的重叠区域。开放处理后的二值图像的形状发生变化，存在将本来应该为重叠区域的前景体素当作不是重叠区域的背景体素的地方。
为了将该本来为重叠区域的背景体素返回至前景体素，重叠区域提取部152执行形态处理中的膨胀处理(SP32)。
接着，重叠区域提取部152计算膨胀处理后的二值图像与开放处理前的二值图像的交集，提取正确的重叠区域(SP33)。重叠区域提取部152生成提取了重叠区域的重叠区域提取图像，然后结束本处理。
图7表示通过重叠区域提取处理生成的处理图像。具体地说，表示了开放处理前的二值图像G3、开放处理后的二值图像G31、膨胀处理后的二值图像G32以及重叠区域提取图像G33。
如图7所示，通过计算开放处理前的二值图像G3与膨胀处理后的二值图像G32的交集，能够得到提取了正确的重叠区域的重叠区域提取图像G33。
(3-3)参考方向决定处理
图8表示了参考方向决定处理的详细流程图。参考方向决定部153对重叠区域提取图像G33(图7)应用通常的方向性距离法，针对重叠区域中的各体素推定重叠方向(SP41)。
图9表示应用通常的方向性距离法来推定关注体素的方向性距离的处理的概要。在输入了二值化后的输入图像G411的情况下，对关注体素，计算直到背景为止的方向性距离。关于朝向与关注体素接近的体素的方向，在二维的情况下为8个方向，在三维的情况下为26个方向。
在此，说明二维的情况。当把去除了朝向为反向的向量后的方向设为vsi时，在图像上在4个方向上行进，在到达背景的时间点停止行进。关于－vsi也同样地在图像上在4个方向行进，在到达背景的时间点停止行进。
此时，当把在vsi方向上行进的距离设为d(vsi)，把在－vsi方向上行进的距离设为d(－vsi)时，用以下式1表示±vsi方向的方向性距离d(±vsi)。
[式1]
d(±vsi)＝d(vsi)+d(-vsi)……(1)
另外，分别用以下的式2和3定义方向向量Pi和方向张量M。在对方向张量M进行固有值分解的情况下，针对最大固有值的固有向量表示纤维束取向。另外，针对第二大固有值的固有向量表示纤维束的宽度方向。在三维的情况下，针对最小固有值的固有向量表示厚度方向。
[式2]
Pi＝d(±vsi)·vsi……(2)
[式3]
返回至图8，关于在步骤SP41中推定出的重叠方向，根据方向性距离法的性质，对于重叠区域与背景的边界部分的体素无法正确地计算。为了去除无法正确计算的该边界部分的体素，参考方向决定部153执行形态处理中的收缩处理，从重叠区域中提取中心区域(SP42)。
接着，因为构成了重叠区域各自独立的连结成分，因此参考方向决定部153对于提取出的各中心区域执行6附近的标记处理来进行区域分割，从而将重叠区域分离(SP43)。
接着，参考方向决定部153使在步骤SP41中推定出的重叠方向中的、中心区域的各体素的重叠方向平均化，将平均化而得到的方向决定为参考方向(SP44)，结束本处理。
图10表示通过参考方向决定处理生成的处理图像。具体地说，表示重叠方向推定图像G41、中心区域提取图像G42、标记图像G43以及参考方向图像G44。
如图10所示，通过对重叠区域提取图像G33(图7)应用通常的方向性距离法，能够得到重叠方向推定图像G41。另外，通过对重叠方向推定图像G41执行收缩处理，能够得到中心区域提取图像G42。
另外，通过对中心区域提取图像G42执行标记处理，能够得到标记图像G43。另外，通过使中心区域的重叠方向平均化，能够得到参考方向图像G44。
(3-4)Z纱线去除处理
图11表示Z纱线去除处理的详细流程图。Z纱线去除部154对在步骤SP2中得到的二值图像G22(图5)应用附带参考的方向性距离法，计算方向性距离(SP51)。
附带参考的方向性距离法是指使计算方向性距离的平面旋转为与参考方向垂直的平面(参考平面)，在该参考平面上通过二维的通常的方向性距离法来计算方向性距离的方法。
图12表示应用通常的方向性距离法来计算方向性距离时的概念图。当在X纱线与Y纱线立体交叉的重叠区域中应用通常的方向性距离法来计算方向性距离时，存在无法计算正确的方向性距离的问题。
具体地说，关于接近纤维束取向的方向，由于X纱线和Y纱线的纤维束厚度薄，因此很快到达背景从而距离变短，另一方面，关于接近参考方向的方向，由于重叠区域的截面粗因此不容易到达背景从而距离变长。
因此，与接近纤维束取向的方向的距离相比，接近参考方向的方向的距离长。结果，存在将接近参考方向的方向的方向性距离作为重叠区域中的方向性距离来进行计算的问题。因此，在本实施方式中应用附带参考的方向性距离法来计算方向性距离。
图13表示附带参考的方向性距离法的概念图。附带参考的方向性距离法是指使成为方向性距离计算对象的平面进行旋转，在旋转后的平面上应用二维的方向性距离法来计算方向性距离的方法。
具体地说，使方向±vs0旋转从而使其与参考方向一致，并按照使±vs0进行旋转的量，还使与±vs0垂直的其它方向±vs1和±vs2进行旋转。当把旋转后的方向分别设为±vs0’、±vs1’以及±vs2’时，X纱线或Y纱线存在于通过±vs1’以及±vs2’定义的平面(参考平面)上。
通过在该参考平面上应用二维的方向性距离法来计算方向性距离，能够不受重叠区域的影响地推定纤维束取向。
图14表示应用附带参考的方向性距离法来计算参考平面上的X纱线或Y纱线的方向性距离时的概念图。在针对位于重叠区域内的关注体素计算方向性距离的情况下，应用附带参考的方向性距离法来计算方向性距离。
具体地说，如上所述，使方向±vs0旋转从而使其与参考方向一致，还使与±vs0垂直的其它方向±vs1、±vs2、±vs3以及±vs4旋转相同程度。
当把旋转后的方向分别设为±vs0’、±vs1’、±vs2’、±vs3’以及±vs4’时，在通过±vs1’、±vs2’、±vs3’以及±vs4’定义的参考平面上应用二维的方向性距离法来计算方向性距离。
在应用附带参考的方向性距离法来计算方向性距离的情况下，上述式1～3表示的关系成立。即，在对方向张量M进行固有值分解的情况下针对最大固有值的固有向量表示纤维束取向。另外，针对第二大固有值的固有向量表示纤维束的宽度方向。在三维的情况下针对最小固有值的固有向量表示厚度方向。
返回至图11，Z纱线去除部154使用在进行附带参考的方向性距离法的计算时得到的针对第二大固有值的固有向量来计算附带条件的方向性距离(SP52)。然后，Z纱线去除部154根据附带条件的方向性距离，将X纱线或Y纱线的区域与Z纱线的区域分离(SP53)。
附带条件的方向性距离是指在以下的条件下计算的方向性距离，该条件为从关注体素开始在图像上行进，在到达背景的时间点，或者在位于下一个行进的位置的体素的固有向量所示的方向与行进方向所形成的角度大于规定阈值的时间点停止行进。
图15表示用于推定附带条件的方向性距离的处理概要。以位于位置x的关注体素为起点，在关注体素的固有向量v2(x)所示的方向上在图像上行进，在到达背景的时间点停止行进。将从最后到达的体素至关注体素为止的距离设为xe1。
另一方面，关于反向的向量－v2(x)的方向，在图像上行进，在位于下一个行进的位置x’的体素的固有向量v2(x’)所示的方向与－v2(x)所示的方向所形成的角度大于规定阈值的时间点停止行进。将从最后到达的体素至关注体素为止的距离设为xe2。然后，将距离xe1与xe2的绝对值的总和作为附带条件的方向性距离dc(x)。
图16表示根据附带条件的方向性距离将X纱线或Y纱线的区域与Z纱线的区域分离的概念图。X纱线或Y纱线的宽度Wxy大于Z纱线的截面的对角线距离Wz，因此X纱线或Y纱线的区域中的体素p的附带条件的方向性距离dc(p)大于Z纱线的区域中的体素q的附带条件的方向性距离dc(q)。
例如，能够将大于Z纱线的截面的对角线距离Wz且小于X纱线或Y纱线的宽度Wxy的值设为阈值，将大于该阈值的附带条件的方向性距离的体素包含在X纱线或Y纱线的区域中，将小于阈值的附带条件的方向性距离的体素包含在Z纱线的区域中。
返回至图11，Z纱线去除部154删除Z纱线的区域中包含的体素，由此从二值图像G22(图5)中去除Z纱线(SP54)。当去除了Z纱线时，有时还将X纱线或Y纱线的区域的一部分去除。
因此，Z纱线去除部154对去除Z纱线后的图像执行形态处理中的膨胀处理(SP55)，计算膨胀处理后的图像与膨胀处理前的图像的交集来提取X纱线和Y纱线(SP56)，结束本处理。
(3-5)纤维束取向推定处理
图17表示纤维束取向推定处理的详细流程图。纤维束取向推定部155对提取了X纱线和Y纱线的图像再次应用附带参考的方向性距离法，推定X纱线和Y纱线的纤维方向(SP61)。
接着，纤维束取向推定部155在推定了纤维方向的体素中仅保留视为精度较好的中心部附近的体素而删除其它体素，提取中心部附近的体素(SP62)。
接着，纤维束取向推定部155对中心部附近的体素执行以下的聚类处理：将相同程度的方向的体素进行连接，使连接的体素群属于同一簇，使在纤维束的途中向量急剧变化的体素属于不同的簇。
纤维束的取向不会在数个体素单位的短距离中急剧变化。由此，能够判断在纤维束的途中向量急剧变化的体素为噪声。因此，纤维束取向推定部155删除所属的体素少的簇来去除噪声(SP63)，结束本处理。
(4)解析结果
以下，参照图18～图21来说明对各种输入图像执行上述说明的本实施方式中的图像解析处理时得到的处理图像。
图18表示输入图像为模拟图像G11的情况下执行图像解析处理而得到的处理图像。模拟图像G11为设定X纱线和Y纱线的纤维束的长度、宽度、厚度、X纱线的纤维层和Y纱线的纤维层的层叠数、纤维束彼此的间隔以及Z纱线的截面形状等而制作的三维图像。即，是各种信息为已知的图像。
在对该模拟图像G11执行本实施方式的图像解析处理的情况下，能够得到三维图像G110、X纱线截面图像G111以及Y纱线截面图像G112。三维图像G110为表示X纱线和Y纱线的纤维束取向的三维图像。
另外，X纱线截面图像G111为表示X纱线的纤维束取向的二维图像，Y纱线截面图像G112为表示Y纱线的纤维束取向的二维图像。
对得到这些处理图像G110～G112时计算出的纤维束的方向与制作模拟图像G11时设定的纤维束的方向所形成的角度进行计算来作为误差，结果，误差的最大值为89.9度，平均值为4.9度。
此外，已知通常方向性距离法本身的平均误差为4.3度。另外，全部体素中94.7％的体素的误差在6度以内。根据上述结果，能够确认本实施方式的图像解析处理的有效性。
图19表示输入图像为X射线CT图像G10的情况下执行图像解析处理而得到的处理图像。X射线CT图像G10为通过X射线CT装置对实际的编织物进行拍摄而得到的三维图像。另外，X射线CT图像G10与图20表示的X射线CT图像G12相比为高分辨率。
在对该X射线CT图像G10执行本实施方式的图像解析处理的情况下，能够得到三维图像G100(纤维束取向推定图像G100)、X纱线截面图像G101和Y纱线截面图像G102。三维图像G100为表示X纱线和Y纱线的纤维束取向的三维图像。
另外，X纱线截面图像G101为表示X纱线的纤维束取向的二维图像，Y纱线截面图像G102为表示Y纱线的纤维束取向的二维图像。通过参照这些处理图像G100～G102，能够容易地确认X纱线和Y纱线的纤维束取向。
另外，计算时间为243.8秒左右。当以往要对相同程度的体素数的图像进行解析时，需要20倍左右的时间，由此通过执行本实施方式的图像解析处理，能够谋求缩短计算时间。
图20表示输入图像为X射线CT图像G12的情况下执行图像解析处理而得到的处理图像。X射线CT图像G12与图19表示的X射线CT图像G10相比，不同点在于为低分辨率。
在对该X射线CT图像G12执行本实施方式的图像解析处理的情况下，能够得到三维图像G120、X纱线截面图像G121以及Y纱线截面图像G122。当参照这些处理图像G120～G122时，虽然一部分纤维束缺失，但是能够大致容易地确认其纤维束取向。
图21表示输入图像为缺陷模拟图像G13的情况下执行图像解析处理而得到的处理图像。缺陷模拟图像G13与图18表示的模拟图像G11相比，不同点在于具有X纱线的纤维束在途中弯曲10度的缺陷。
在对该缺陷模拟图像G13执行本实施方式的图像解析处理的情况下，能够得到三维图像G130和X纱线截面图像G131。当参照这些处理图像G130和G131时，虽然存在一些误差，但是能够容易地确认X纱线的纤维束从弯曲地点开始弯曲。
图22表示输入图像为曲面模拟图像G14的情况下执行图像解析处理而得到的处理图像。曲面模拟图像G14与图18表示的模拟图像G11相比，不同点在于，具有在圆弧上变形的曲面部分。
在对该曲面模拟图像G14执行本实施方式的图像解析处理的情况下，能够得到三维图像G140和X纱线截面图像G141。当参照这些处理图像G140和G141时，能够容易地确认纤维束在圆弧上取向。
(5)本实施方式的效果
如上所述通过本实施方式的图像解析装置、图像解析方法以及程序，针对通过三维编织制作的编织物的X射线CT图像应用附带参考的方向性距离法而去除Z纱线，对去除了Z纱线的图像再次应用附带参考的方向性距离法来推定X纱线和Y纱线的纤维束取向，因此能够去除Z纱线的影响而高精度地在短时间内推定纤维束取向。另外，对于具有曲面形状的编织物的X射线CT图像，也能够推定纤维束取向。因此，能够用于实际的产品检查。
接着，参照图23～图46说明作为本发明的一实施方式的图像解析装置2。
(1)图像解析装置2的整体结构
如图23所示，本实施方式的图像解析装置2具备与图1的图像解析装置1相同的CPU11、输入部12、存储部13、显示部14以及存储器15，存储器15具有二值化部151和重叠区域提取部152。这些结构与图1中具有相同的名称和附图标记的结构相同，并进行相同的处理，因此省略重复说明。在此，在本实施方式的图像解析装置2中，在存储器15内还具有重叠区域形态解析部253。重叠区域形态解析部253对通过重叠区域提取部152的处理而得到的重叠区域提取图像G33中的“重叠区域”的形态进行解析。在此，在重叠区域的形态中不仅包含一个重叠区域的形态，还包含将多个散布的重叠区域进行组合后的形态。另外，在附图中，图像解析装置2具有显示部14，但是也可以是不具有不进行显示地进行解析的显示部14的结构。
(2)图像解析处理P2的流程图
在图24中表示通过图像解析装置2进行的图像解析处理P2的流程图。如该流程图所示，在图像解析处理P2中，首先，进行X射线CT图像的输入(SP1)、二值化处理(SP2)以及重叠区域提取处理(SP3)。这些处理与上述图3表示的SP1～SP3的处理相同，因此省略说明。接着，在重叠区域形态解析处理(SP14)中，通过重叠区域形态解析部253，使用通过重叠区域提取处理而得到的重叠区域提取图像G33(参照图7)来进行重叠区域21的形态解析的处理。在此，在本实施方式中，以后，将重叠区域提取图像G33中的各个重叠区域21称为“支柱21”。
(3)重叠区域形态解析处理的示例
重叠区域形态解析部253例如可以通过对三维图像的支柱21内包含的体素数进行计数等来计算各支柱21的体积。在图25中例示地表示了在二维图像中用黑点表示的支柱21内的像素，但是在三维图像中也能够同样地对体素数进行计数。在该情况下，例如也可以将多个支柱21的体积平均作为参照值，通过与特定支柱21的体积进行比较，来判断特定支柱21的体积是否适当。在此，在体积的参照值中，不仅能够使用多个支柱21的平均，还能够使用设计上的基准值这样的其它值。另外，虽然设为计算支柱21的体积，但是在使用二维图像进行解析的情况下也可以计算面积。通过这样的计算体积的处理，能够提供与周围的支柱21的体积相比不同的体积等用于检测纤维束取向异常的信息。另外，根据所提供的信息，例如能够检测应该立体交叉的X纱线或Y纱线数量不足等纤维束取向异常。
另外，重叠区域形态解析部253还可以计算支柱21伸长的方向。关于支柱21伸长的方向，例如图26所示，即可以使用形态图像处理的收缩处理来使伸长方向显现化(S21的斜线部)、向量化(S22)，也能够使用其它的图像处理来求出伸长的方向。另外，例如，重叠区域形态解析部253将多个支柱21伸长的方向的平均作为参照值，通过与特定的支柱21伸长的方向进行比较，能够判断支柱21伸长的方向是否适当。在此，关于伸长的方向的参照值，不仅能够使用多个支柱21伸长的方向的平均，还能够使用设计上的基准值等其它值。另外，也可以与支柱21伸长的方向不同地求出支柱21的中立轴的形状。例如如图27的斜线部所示，能够使用形态图像处理的收缩处理来提取中立轴。在该情况下，还能够检测支柱21并非向某一固定方向伸长而弯曲的情况等，并且通过与参照形状进行比较，能够判断是否为适当的形状。通过这样的对支柱21伸长的方向、中立轴进行计算的处理，例如能够提供层叠产生偏差的部分等其他的用于检测纤维束取向异常的信息。另外，根据提供的信息，能够检测纤维束取向异常。
另外，重叠区域形态解析部253还可以计算多个支柱21的重心位置。理想地是，将相邻支柱21的重心位置进行连结的线成为X纱线和Y纱线延伸的方向，因此在XY平面上，检测这些纱线不在平滑的线上排列等，求出不规则的重心位置，由此能够判断重心位置是否适当。图28表示了用斜线表示的支柱21的重心G与周围支柱21的重心G相比并非平滑地排列的样子。另外，确定某一区域，通过对该区域内包含的重心G的数量进行计数等，求出在区域内是否存在适当数量的重心G，由此可以判断是否存在不规则的配置的支柱21。通过这样的计算重心位置的处理，能够提供用于检测纤维束取向异常的信息。另外，根据所提供的信息，能够检测纤维束取向异常。
在上述重叠区域形态解析处理的示例中，还记载了包含纤维束取向异常检测处理的情况，但是也可以在重叠区域形态解析部253的处理中不包含这样的检测，仅进行计算支柱21的体积、计算支柱21伸长的方向或计算支柱21的重心位置等重叠区域形态解析处理，并且，例如通过输出到显示部14或向其它装置发送计算出的数据等来提供处理后的信息。通过这种处理，能够提供用于检测纤维束取向异常的信息。
(4)纤维束取向异常的具体例
以下，使用图29～46说明通过支柱21的形态解析检测出的纤维束取向异常的具体例。在检测纤维束取向异常的具体例中，还记载了在通过重叠区域形态解析部253进行的重叠区域形态解析处理中包含检测纤维束取向异常的情况，但是在重叠区域形态解析部253的处理中也可以不包含这样的判断而仅提供通过支柱21的形态解析而得到的与纤维束取向有关的信息。参考FAA(Federal Aviation Administration：美国联邦航空管理局)发布的报告“DOT/FAA/AR-06/10”来记载了图30、33、36、38、40、41、43、44以及46。
图29在XY平面上表示X纱线和Y纱线的纤维束的理想的配置例子，图30和31分别示意性地表示图29那样的理想的纤维束的配置中的XZ平面(或YZ平面)以及XY平面上的重叠区域提取图像。如图30所示，在X纱线和Y纱线的纤维束的理想的配置中，支柱21在X纱线和Y纱线的纤维束的层叠方向(Z方向)上不间断地延伸，如图31所示，支柱21(或支柱21的重心G)规则性地排列。
图32(－Y方向)表示在XY平面上纤维束的一部分在与应该延伸的方向不同的XY平面内的方向上延伸的状态。图33和34分别示意性地表示图32的纤维束的状态下的YZ平面和XY平面的重叠区域提取图像。如这些附图所示，在图33的重叠区域提取图像中，由于向－Y方向延伸的纤维束(斜线部)的影响，具有该纤维素的支柱211的重心位置G向－Y方向移动。在图34的重叠区域提取图像中，支柱211的重心位置G从附近的支柱21的重心位置G的规则性偏离。因而，重叠区域形态解析部253例如能够解析重叠区域提取图像中的各个支柱21的重心位置G，检测纤维束的一部分在与应该延伸的方向不同的XY平面内的方向上延伸的区域。
图35表示在XY平面上纤维束的一部分在与应该延伸的方向不同的Z方向上延伸的状态。图36示意性地表示图35的纤维束的状态下的YZ平面的重叠区域提取图像。如该图所示，在图36的重叠区域提取图像中，由于向Z方向延伸的纤维束(斜线部)的影响，支柱212被分割成多个。因而，重叠区域形态解析部253能够使用重叠区域提取图像来检测纤维束的一部分在与应该延伸的方向不同的Z方向上延伸的区域。
图37表示在XY平面上纤维束的一部分在与应该延伸的方向不同的一同具有XY平面内的方向成分和Z方向成分的方向上延伸的状态。图38示意性地表示图37的纤维束的状态下的YZ平面的重叠区域提取图像。如该图所示，在图38的重叠区域提取图像中，由于在－Z方向和－Y方向上延伸的纤维束(斜线部)的影响，支柱213被分割成多个。另外，被分割的支柱213的一方的重心位置G向+Y方向移动。因而，重叠区域形态解析部253能够使用重叠区域提取图像来检测纤维束的一部分在与应该延伸的方向不同的一同具有XY平面内的方向成分和Z方向成分的方向上延伸的区域。
图39和图40表示在XY平面上各个纤维束作为整体在倾斜的方向上延伸的状态。图41示意性地表示图39或40所示的纤维束的状态下的XY平面的重叠区域提取图像。如该图所示，在图41的重叠区域提取图像中，规则排列的支柱21的排列中的一部分列即支柱214被错开配置。因而，重叠区域形态解析部253通过使用重叠区域提取图像来检测例如支柱214的重心位置G的排列从规定的规则性偏离等，能够检测纤维束作为整体在倾斜的方向上延伸的区域。
图42表示在XY平面上纤维束的一部分(例如X纱线)不存在的状态。图43表示在XY平面上纤维束的一部分的粗细比其它纤维束粗或细的情况。图44示意性地表示图42或图43的纤维束的状态下的YZ平面的重叠区域提取图像。在图44的重叠区域提取图像中，一部分支柱215被分割成多个，即使将分割后的多个支柱215的体积合并，也小于通常的支柱21的体积。因而，重叠区域形态解析部253能够使用重叠区域提取图像来检测纤维束的一部分不存在的情况以及纤维束的一部分的粗细比其它纤维束粗或细的区域。
图45表示在XY平面上纤维束的一部分(例如X纱线)折返的状态。图46示意性地表示图45的纤维束的状态下的XY平面的重叠区域提取图像。在图46的重叠区域提取图像中，由于纤维素的一部分折返，折返周围的支柱216被推开，与其周围的支柱21的有规则性的重心位置G相比，支柱216的重心位置G发生混乱。因而，重叠区域形态解析部253能够使用重叠区域提取图像来对这些重心位置G的混乱进行解析，由此检测纤维束的一部分折返的区域。
(5)本实施方式的效果
如上所述，在本实施方式的图像解析装置2中，二值化部151对由X纱线、Y纱线以及Z纱线的纤维束构成的编织物的三维图像进行二值化，重叠区域提取部152从二值化后的图像中提取X纱线和Y纱线立体交叉的重叠区域，重叠区域形态解析部253对提取出的重叠区域的形态进行解析。由此，仅通过处理时间短的图像处理的组合来进行解析，因此能够更简单且在短时间内提供与X纱线和Y纱线的纤维束取向有关的信息。
另外，重叠区域形态解析部253在进一步检测纤维束取向异常的情况下，能够更简单且在短时间内发现纤维束取向异常的部位。另外，即使在对于纤维束取向异常需要进行详细解析的情况下，仅对包含检测出的取向异常的区域另行进行详细解析即可，因此作为整体能够谋求缩短解析时间。
另外，无论全体纤维束的形状为平面的情况还是为曲面的情况，都能够使用本实施方式的针对重叠区域的形态的解析。无论全体纤维束为怎样的形状都能够提取重叠区域，因此能够应用重叠区域的形态的解析处理。另外，支柱21沿全体纤维束的形状有规则地配置，因此无论全体纤维束的形状为平面的情况还是为曲面的情况，都能够通过解析重叠区域的形态来检测纤维束取向的异常等。
另外，重叠区域形态解析部253可以计算重叠区域的体积。在该情况下，能够与重叠区域的“体积的参照值”进行比较，并且能够将该“体积的参照值”设为多个重叠区域的体积的平均值。
另外，重叠区域形态解析部253可以计算重叠区域伸长的方向。在该情况下，能够与重叠区域的“朝向的参照值”进行比较，能够将该“朝向的参照值”设为多个上述重叠区域的方向的平均值。
另外，重叠区域形态解析部253可以计算多个重叠区域的重心位置。在该情况下，能够检测重心位置的配置不规则的区域。例如求出重心位置排列的参照线，计算从该参照线以怎样的程度分离或计算在某一区域内包含的重心位置的数量等，由此可以检测重心位置的配置不规则的区域。
另外，重叠区域形态解析部253可以计算重叠区域的中立轴，并与参照形状进行比较。在该情况下，在中立轴的计算中能够使用形态的收缩处理。
另外，本实施方式的图像解析方法的特征在于，具备以下步骤：对由X纱线、Y纱线以及Z纱线的纤维束构成的编织物的三维图像进行二值化；从上述二值化后的图像中提取上述X纱线和上述Y纱线立体交叉的重叠区域；以及对上述提取出的重叠区域的形态进行解析。
另外，本实施方式的程序使计算机执行以下步骤：对由X纱线、Y纱线以及Z纱线的纤维束构成的编织物的三维图像进行二值化；从上述二值化后的图像中提取上述X纱线和上述Y纱线立体交叉的重叠区域；以及对上述提取出的重叠区域的形态进行解析。
(6)其它的实施方式
在上述各实施方式中，说明了分别使用图1所示的图像解析装置1的图像解析处理(图3)以及图23所示的图像解析装置2的图像解析处理P2(图24)的情况，但是能够使这些处理关联地进行动作。在图47中表示了将这些处理进行组合来执行的一实施方式的图像解析装置3的结构。图像解析装置3与上述图像解析装置1或2相同，具备CPU 11、输入部12、存储部13、显示部14以及存储器15，存储器15具有二值化部151、重叠区域提取部152、参考方向决定部153、Z纱线去除部154、纤维束取向推定部155以及重叠区域形态解析部253。各结构进行与上述对应的结构的处理相同的处理。
在图48中表示了该图像解析装置3的图像解析处理P3的流程图。图像解析处理P3首先与图24的图像解析处理P2同样地进行X射线CT图像的输入(SP1)、二值化处理(SP2)、重叠区域提取处理(SP3)以及重叠区域形态解析处理(SP14)。在此，在重叠区域形态解析处理中，不仅解析重叠区域的形态，还进行纤维束取向异常检测。接着，对于包含检测出的纤维束取向异常的区域，与图3的图像解析处理P1中的对应的处理相同地，进行参考方向决定处理(SP4)、Z纱线去除处理(SP5)、纤维束取向推定处理(SP6)。
这样，将处理时间短的图像解析处理P2应用于例如成为检查对象的X射线CT图像，将处理时间较长且进行详细解析的图像解析处理P1应用于通过图像解析处理P2检测出的包含纤维束取向异常的区域，由此能够更高效且详细地解析纤维束取向异常。
符号说明
1：图像解析装置；11：CPU；12：输入部；13：存储部；14：显示部；15：存储器；151：二值化部；152：重叠区域提取部；153：参考方向决定部；154：Z纱线去除部；155：纤维束取向推定部；2：图像解析装置；21：支柱；253：重叠区域形态解析部；3：图像解析装置。

Claims (16)

1.一种图像解析装置，其从由X纱线、Y纱线以及Z纱线的纤维束构成的编织物的三维图像解析上述X纱线和上述Y纱线的纤维束的取向，其特征在于，具备：
二值化部，其对上述三维图像进行二值化；
重叠区域提取部，其从上述二值化后的图像提取上述X纱线和上述Y纱线垂直地立体交叉的重叠区域；
参考方向决定部，其使上述重叠区域中包含的各体素的重叠方向平均化，将平均化后的方向决定为参考方向；
Z纱线去除部，其在相对于上述参考方向垂直的参考平面上应用方向性距离法，从上述二值化后的图像中去除上述Z纱线；以及
纤维束取向推定部，其针对去除了上述Z纱线的图像在上述参考平面上再次应用方向性距离法，根据应用时计算的方向性距离，推定上述X纱线和上述Y纱线的纤维束取向。
2.根据权利要求1所述的图像解析装置，其特征在于，
上述二值化部根据规定的阈值对上述三维图像进行二值化，
对上述二值化后的图像执行闭合处理。
3.根据权利要求2所述的图像解析装置，其特征在于，
上述重叠区域提取部对上述闭合处理后的图像执行开放处理，
对上述开放处理后的图像执行膨胀处理，
计算上述膨胀处理后的图像与上述闭合处理后的图像的交集来提取上述重叠区域。
4.根据权利要求1～3中的任意一项所述的图像解析装置，其特征在于，
上述参考方向决定部对上述重叠区域应用方向性距离法，根据应用时计算的各体素的方向性距离，推定上述重叠区域中包含的各体素的重叠方向，
针对上述重叠区域执行收缩处理来提取中心区域，
使上述中心区域中包含的各体素的上述重叠方向平均化，将平均化后的方向决定为上述参考方向。
5.根据权利要求1～4中的任意一项所述的图像解析装置，其特征在于，
上述Z纱线去除部在上述参考平面上应用方向性距离法，根据应用时计算的各体素的方向性距离，计算针对方向张量第二大的固有值的固有向量，
根据上述固有向量，将上述二值化后的图像分离为上述X纱线或上述Y纱线的区域以及上述Z纱线的区域，
通过去除上述Z纱线的区域中包含的体素来从上述二值化后的图像中去除上述Z纱线。
6.根据权利要求5所述的图像解析装置，其特征在于，
上述Z纱线去除部在计算关注体素的方向性距离时，使体素向上述关注体素的固有向量所示的方向以及与上述固有向量所示的方向相反的方向行进，在到达背景时或者在与下一个行进的体素的固有向量所示的方向所形成的角大于规定的阈值时停止行进，计算最后到达的体素间的距离来作为附带条件的方向性距离，
根据上述附带条件的方向性距离，将上述二值化后的图像分离为上述X纱线或上述Y纱线的区域以及上述Z纱线的区域。
7.根据权利要求1～6中的任意一项所述的图像解析装置，其特征在于，
上述Z纱线去除部在从上述二值化后的图像中去除上述Z纱线后执行膨胀处理，
计算上述膨胀处理后的图像与上述膨胀处理前的图像的交集。
8.根据权利要求1～7中的任意一项所述的图像解析装置，其特征在于，
上述纤维束取向推定部针对去除了上述Z纱线的图像在上述参考平面上再次应用方向性距离法，推定上述X纱线和上述Y纱线的纤维束取向，
提取推定了上述纤维束取向的体素中的中心部附近的体素，
对上述中心部附近的体素执行聚类处理，
将所属的体素为最小的簇删除来去除噪声。
9.根据权利要求1～8中的任意一项所述的图像解析装置，其特征在于，
具备显示部，该显示部显示表示上述X纱线和上述Y纱线的纤维束取向的图像。
10.一种图像解析方法，其从由X纱线、Y纱线以及Z纱线的纤维束构成的编织物的三维图像解析上述X纱线和上述Y纱线的纤维束取向，其特征在于，
计算机具有以下步骤：
第一步骤，对上述三维图像进行二值化；
第二步骤，从上述二值化后的图像中提取上述X纱线和上述Y纱线垂直地立体交叉的重叠区域；
第三步骤，使上述重叠区域内包含的各体素的重叠方向平均化，将平均化后的方向决定为参考方向；
第四步骤，在相对于上述参考方向垂直的参考平面上应用方向性距离法，从上述二值化后的图像中去除上述Z纱线；以及
第五步骤，针对去除了上述Z纱线的图像在上述参考平面上再次应用方向性距离法，根据应用时计算的方向性距离，推定上述X纱线和上述Y纱线的纤维束取向。
11.一种程序，其从由X纱线、Y纱线以及Z纱线的纤维束构成的编织物的三维图像解析上述X纱线和上述Y纱线的纤维束取向，其特征在于，
上述程序使计算机执行以下步骤：
第一步骤，对上述三维图像进行二值化；
第二步骤，从上述二值化后的图像中提取上述X纱线和上述Y纱线垂直地立体交叉的重叠区域；
第三步骤，使上述重叠区域内包含的各体素的重叠方向平均化，将平均化后的方向决定为参考方向；
第四步骤，在相对于上述参考方向垂直的参考平面上应用方向性距离法，从上述二值化后的图像中去除上述Z纱线；以及
第五步骤，针对去除了上述Z纱线的图像在上述参考平面上再次应用方向性距离法，根据应用时计算的方向性距离，推定上述X纱线和上述Y纱线的纤维束取向。
12.一种图像解析装置，其特征在于，具备：
二值化部，其对由X纱线、Y纱线以及Z纱线的纤维束构成的编织物的三维图像进行二值化；
重叠区域提取部，其从上述二值化后的图像中提取上述X纱线和上述Y纱线立体交叉的重叠区域；以及
重叠区域形态解析部，其解析上述提取的重叠区域的形态。
13.根据权利要求12所述的图像解析装置，其特征在于，
上述重叠区域形态解析部还根据上述重叠区域的形态的解析结果来检测上述X纱线或上述Y纱线的纤维束的取向异常。
14.根据权利要求12或13所述的图像解析装置，其特征在于，
上述重叠区域形态解析部计算上述重叠区域的体积。
15.根据权利要求12～14中的任意一项所述的图像解析装置，其特征在于，上述重叠区域形态解析部计算上述重叠区域伸长的方向。
16.根据权利要求12～15中的任意一项所述的图像解析装置，其特征在于，上述重叠区域形态解析部计算多个上述重叠区域的重心位置。
CN201580051215.9A 2014-09-29 2015-09-29 图像解析装置、图像解析方法以及程序 Expired - Fee Related CN107148569B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2014-199406 2014-09-29
JP2014199406 2014-09-29
PCT/JP2015/077472 WO2016052489A1 (ja) 2014-09-29 2015-09-29 画像解析装置、画像解析方法及びプログラム

Publications (2)

Publication Number Publication Date
CN107148569A true CN107148569A (zh) 2017-09-08
CN107148569B CN107148569B (zh) 2020-01-03

Family

ID=55630516

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580051215.9A Expired - Fee Related CN107148569B (zh) 2014-09-29 2015-09-29 图像解析装置、图像解析方法以及程序

Country Status (6)

Country Link
US (1) US10068349B2 (zh)
EP (1) EP3203218B1 (zh)
JP (1) JP6152488B2 (zh)
CN (1) CN107148569B (zh)
CA (1) CA2961455C (zh)
WO (1) WO2016052489A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110686624A (zh) * 2018-07-04 2020-01-14 国立大学法人东京大学 利用由x射线ct装置获得的投影像的尺寸测定方法
CN110855999A (zh) * 2018-08-20 2020-02-28 富士施乐株式会社 编码装置、解码装置以及存储介质
CN111986143A (zh) * 2020-07-06 2020-11-24 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
TWI811914B (zh) * 2021-01-06 2023-08-11 日商東洋紡股份有限公司 包含纖維之製品的影像的解析方法、程式以及解析裝置

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7157322B2 (ja) * 2018-09-28 2022-10-20 澁谷工業株式会社 物品検査装置および物品検査方法
IT201800009746A1 (it) * 2018-10-24 2020-04-24 Vision Device Srl Metodo di riconoscimento di punti di riferimento in un tessuto
WO2022038825A1 (ja) 2020-08-18 2022-02-24 株式会社Ihi 繊維強化材において繊維束の分布を評価するシステム
EP4206663A4 (en) 2020-12-28 2024-09-18 Ihi Corp IDENTIFICATION DEVICE, IDENTIFICATION METHOD AND IDENTIFICATION PROGRAM FOR IDENTIFYING A FIBER LAYER IN A FIBER-REINFORCED MATERIAL
WO2023133416A1 (en) * 2022-01-04 2023-07-13 Ohio State Innovation Foundation Detecting 3d model clones in mobile games
CN114693680A (zh) * 2022-05-31 2022-07-01 季华实验室 织物纤维的检测方法、电子设备及计算机可读存储介质
WO2024101098A1 (ja) * 2022-11-09 2024-05-16 株式会社Ihi 複合材料に含まれる構造要素を識別する識別装置、識別方法、及び、識別プログラム

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
US20030165258A1 (en) * 2002-03-01 2003-09-04 Hitachi Software Engineering Co., Ltd. Land partition data generating method and apparatus
US7983462B2 (en) * 2005-11-22 2011-07-19 Purdue Research Foundation Methods and systems for improving quality of an image

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2354301A1 (en) * 2001-07-27 2003-01-27 Djamel Yahia Meddah Geometric hashing for model-based recognition of an object
WO2006085254A1 (en) * 2005-02-11 2006-08-17 Koninklijke Philips Electronics N.V. Method of automatic extraction of the pulmonary artery tree from 3d medical images
US7822254B2 (en) * 2006-04-21 2010-10-26 Siemens Medical Solutions Usa, Inc. Automatic positioning of matching multi-planar image reformatting (MPR) views of multiple 3D medical images
US7639253B2 (en) * 2006-07-13 2009-12-29 Inus Technology, Inc. System and method for automatic 3D scan data alignment
US7949162B2 (en) * 2006-08-14 2011-05-24 Siemens Medical Solutions Usa, Inc. System and method for solid component evaluation in mixed ground glass nodules
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
US20090034810A1 (en) * 2007-08-03 2009-02-05 Fujifilm Corporation Abnormal tissue pattern detection apparatus, method and program
US8275194B2 (en) * 2008-02-15 2012-09-25 Microsoft Corporation Site modeling using image data fusion
WO2009140738A1 (en) * 2008-05-23 2009-11-26 The Australian National University Image data processing
US8885926B2 (en) * 2009-04-15 2014-11-11 Massachusetts Institute Of Technology Image and data segmentation
JP5538868B2 (ja) * 2009-12-22 2014-07-02 キヤノン株式会社 画像処理装置、その画像処理方法及びプログラム
US20110304619A1 (en) * 2010-06-10 2011-12-15 Autodesk, Inc. Primitive quadric surface extraction from unorganized point cloud data
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
WO2013040673A1 (en) * 2011-09-19 2013-03-28 The University Of British Columbia Method and systems for interactive 3d image segmentation
JPWO2013099256A1 (ja) * 2011-12-27 2015-04-30 昭和電工株式会社 炭素繊維の製造方法
US20130167374A1 (en) * 2011-12-29 2013-07-04 General Electric Company Process of producing ceramic matrix composites and ceramic matrix composites formed thereby
EP2893511A1 (en) * 2012-09-07 2015-07-15 Region Nordjylland, Aalborg Sygehus System for detecting blood vessel structures in medical images
CN103900503B (zh) * 2012-12-27 2016-12-28 清华大学 提取形状特征的方法、安全检查方法以及设备
CN103903298B (zh) * 2012-12-27 2017-03-01 同方威视技术股份有限公司 三维数据处理和识别方法
US9443297B2 (en) * 2013-07-10 2016-09-13 Cognex Corporation System and method for selective determination of point clouds
JP6118698B2 (ja) * 2013-09-30 2017-04-19 株式会社Ihi 画像解析装置及びプログラム
JP6118699B2 (ja) * 2013-09-30 2017-04-19 株式会社Ihi 画像解析装置及びプログラム

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
US20030165258A1 (en) * 2002-03-01 2003-09-04 Hitachi Software Engineering Co., Ltd. Land partition data generating method and apparatus
US7983462B2 (en) * 2005-11-22 2011-07-19 Purdue Research Foundation Methods and systems for improving quality of an image

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
HRISHIKESH BALE ET AL.: "Characterizing Three-Dimensional Textile Ceramic Composites Using Synchrotron X-Ray Micro-Computed-Tomography", 《J.AM.CERAM.SOC》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110686624A (zh) * 2018-07-04 2020-01-14 国立大学法人东京大学 利用由x射线ct装置获得的投影像的尺寸测定方法
CN110686624B (zh) * 2018-07-04 2023-04-11 国立大学法人东京大学 利用由x射线ct装置获得的投影像的尺寸测定方法
CN110855999A (zh) * 2018-08-20 2020-02-28 富士施乐株式会社 编码装置、解码装置以及存储介质
CN111986143A (zh) * 2020-07-06 2020-11-24 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
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
TWI811914B (zh) * 2021-01-06 2023-08-11 日商東洋紡股份有限公司 包含纖維之製品的影像的解析方法、程式以及解析裝置

Also Published As

Publication number Publication date
JPWO2016052489A1 (ja) 2017-04-27
CA2961455C (en) 2019-09-24
CA2961455A1 (en) 2016-04-07
JP6152488B2 (ja) 2017-06-21
WO2016052489A1 (ja) 2016-04-07
CN107148569B (zh) 2020-01-03
EP3203218A1 (en) 2017-08-09
US10068349B2 (en) 2018-09-04
EP3203218A4 (en) 2018-06-06
EP3203218B1 (en) 2022-02-23
US20170213357A1 (en) 2017-07-27

Similar Documents

Publication Publication Date Title
CN107148569A (zh) 图像解析装置、图像解析方法以及程序
CN105593669B (zh) 图像分析装置和程序
Stig et al. A modelling framework for composites containing 3D reinforcement
Bénézech et al. Variational segmentation of textile composite preforms from X-ray computed tomography
JP6118699B2 (ja) 画像解析装置及びプログラム
CN105069746A (zh) 基于局部仿射和颜色迁移技术的视频实时人脸替换方法及其系统
CN109978871B (zh) 融合概率型和确定型纤维束追踪的纤维束筛选方法
Yu et al. System for the analysis and visualization of large 3D anatomical trees
Sinchuk et al. X-ray CT based multi-layer unit cell modeling of carbon fiber-reinforced textile composites: Segmentation, meshing and elastic property homogenization
CN106233126B (zh) 用于表征零件的方法
CN106251397B (zh) 基于bim模型的框选方法及系统
Lacoste et al. Coronary tree extraction from X-ray angiograms using marked point processes
CN103968781B (zh) 基于构造边的高精度快速相位解缠方法
Ahmed et al. Balancing the vacuum energy in heterotic M-theory
Fourrier et al. Automated conformal mesh generation chain for woven composites based on CT-scan images with low contrasts
Brown et al. Mesoscale geometric modelling of bifurcation in 3D woven T-beam preforms
CN109917460B (zh) 一种复合地表的模型静校正方法及装置
Yang et al. Tomographic modeling and internal structure analysis of engineering textiles: A parametric approach
Straumit et al. Quantification of micro-CT images of textile reinforcements
CN115335858A (zh) 用于在3d图像中使复合材料部件的股线骨架化的方法和系统
DE102017209542A1 (de) Visualisierung von Fasern
CN104240209B (zh) 基于总变分tv最小化模型的精确重建采样条件估算方法
CN106846426A (zh) 一种光学相干层析成像系统中相位解缠的方法
Sun et al. Image-based lightweight tree modeling
Arantes et al. Quiltgan: An adversarially trained, procedural algorithm for texture generation

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200103

CF01 Termination of patent right due to non-payment of annual fee