CN107464248A - 用于各向异性组织和夹杂物自动定量评价方法 - Google Patents

用于各向异性组织和夹杂物自动定量评价方法 Download PDF

Info

Publication number
CN107464248A
CN107464248A CN201710616683.7A CN201710616683A CN107464248A CN 107464248 A CN107464248 A CN 107464248A CN 201710616683 A CN201710616683 A CN 201710616683A CN 107464248 A CN107464248 A CN 107464248A
Authority
CN
China
Prior art keywords
field trash
tissue
value
pixel
gray
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
Application number
CN201710616683.7A
Other languages
English (en)
Inventor
柳洋波
孙齐松
佟倩
晁月林
程四华
李舒茄
徐士新
温娟
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.)
Shougang Group Co Ltd
Original Assignee
Shougang Group Co Ltd
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 Shougang Group Co Ltd filed Critical Shougang Group Co Ltd
Priority to CN201710616683.7A priority Critical patent/CN107464248A/zh
Publication of CN107464248A publication Critical patent/CN107464248A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/20Image enhancement or restoration using local operators
    • G06T5/30Erosion or dilatation, e.g. thinning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/70Denoising; Smoothing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

一种用于各向异性组织和夹杂物自动定量评价的方法,属于金相检验分析技术领域。该方法包含图片读入、图片二进制化、将图中的干扰项消除优化、设置网格步长、自动计算网格交点、输出评价参数等步骤。本发明和现有技术相比取得以下效果:采用计算机自动定量评级,大大降低了人力消耗,提高了检验效;排除检测人员的主观判定误差。

Description

用于各向异性组织和夹杂物自动定量评价方法
技术领域
本发明属于金相检验分析技术领域,尤其涉及一种用于各向异性组织和夹杂物自动定量评价的方法。
背景技术
各向异性组织和夹杂物普遍存在于棒线材及板材产品中,对产品的性能影响较大。因此各国形成了自己的国家标准。国际上各向异性组织和夹杂物评级有两大体系。一是采用标准图片对比法。该方法将试样上的金相组织与图谱相对照,粗略估计与图片最接近的级别。该方法也分为两大体系:一种是以我国、前苏联为主的最严重视场评级法,即浏览整个抛光面后,记录其中一个最严重级别;另一种方法是以欧洲德国DIN标准为代表的平均级别评级法,即记录整个抛光面的级别及出现的视场数,然后计算平均级别。第一种方法是以一点定全局,对其合理性国际国内早有人提出了质疑。后一种方法比第一种方法合理,但一个试样几十个甚至上百个视场的繁琐的测试与记录,又大大增加了测试人员的劳动强度。对比法评级受工作经验、理解程度等因素的影响,操作人员之间、地区之间常引起争议。另一大体系是以美国ASTM E1268-01标准为代表的体视学方法测定和评价钢中各向异性组织和夹杂物的方向性程度,该标准测试原理运用类似于晶粒度测定中的直线网格截点法及数理统计的计算方法实现钢中各向异性组织级别及方向性程度的定量评级,应该说这种方法更具科学性。
定量评定方法减少了国标GB/T13298-91比较法中人为经验因素及视场差异所带来的误差,具有很强的科学性及数理统计意义,缺点是所需测量视场数较多,测量数据多,检测速度较慢。如有专门评级软件,或可提高检测速度。
综上所述,目前尚没有一种自动定量评价各向异性组织和夹杂物的方法。
发明内容
本发明的目的在于提供一种用于各向异性组织和夹杂物自动定量评价的方法,以便于提高工作效率,降低人力消耗,排除检测人员的主观判定误差。为了实现自动定量评价,自主开发一个软件。该软件实现各向异性组织和夹杂物自动定量评价方法的过程如下:
1)读取金相图片
首先将各向异性组织或夹杂物的金相或者电镜照片读入自主开发的软件中,如图1所示。
2)图片二进制化
设置灰度阀值,将灰度阀值设置为图片的平均灰度,当像素的灰度值大于等于平均灰度值时,将像素设为黑色,当像素的灰度值小于平均灰度值时,将像素设为白色,从而将图像转化成二进制图,如图2所示。
3)图像优化
二维化后的图像中有很多干扰项,如晶界,极小的颗粒状组织、夹杂物等,这样对检测结果影响较大。利用滤波、线性膨胀的方法,将图中的干扰项消除。优化后的图像如图3所示。
4)设置网格参数
根据标尺,计算图片每个像素点代表的长度。网格步长小于标尺尺寸。网格设置如图4所示。
5)自动计算网格交点
分别计算水平线、竖直线和组织或夹杂物的交点。线段穿过组织或夹杂物记为2个交点;线段终止于组织或夹杂物内部或者与其相切记为一个交点。利用计算机实现该过程的自动计算,算法如下:设置一个计数器,记录交点数;设置一个开关值并设置为0、1变化,设置循环,从第一行的第一个像素点开始循环到最后一行的最后一个像素点结束,当像素的值不等于开关值时,计数器加1,同时开关值发生变换;设置一个距离计数器来考虑相切的情况,当开关值为1,且距离计算器小于0.1个网格间距,则认为线段与组织或夹杂物相切;当每一行结束时开关值为1,则认为线段终止于组织或夹杂物内部。通过这个算法,即可计算出水平线、竖直线和组织或夹杂物的交点数。
6)输出评价参数
将水平和竖直交点数量代入ASTM E1268-01的公式中即可计算出:各向异性指数、取向变形等级、平均带宽、平均自由程等四个参数。
本发明和现有技术相比取得以下效果:①本方法采用计算机自动定量评级,大大降低了人力消耗,提高了检验效率。②排除检测人员的主观判定误差。
附图说明
图1金相组织的原始图片。
图2二进制图片。
图3优化后的图片。
图4定量评价网格分布。
图5齿轮钢20CrMnTiH热轧棒材的带状组织原始图片。
图6齿轮钢20CrMnTiH热轧棒材的带状组织的二进制图片。
图7齿轮钢20CrMnTiH热轧棒材的带状组织的优化后图片。
图8齿轮钢20CrMnTiH热轧棒材的带状组织的定量评价网格分布。
图9齿轮钢20CrMnTiH热轧棒材的带状组织原始图片。
图10易切钢1215热轧棒材的带状组织的二进制图片。
图11易切钢1215热轧棒材的带状组织的优化后图片。
图12易切钢1215热轧棒材的带状组织的定量评价网格分布。
具体实施方式
实施例1
用于齿轮钢20CrMnTiH的带状组织定量评定。试样取自规格为φ55mm的20CrMnTiH热轧棒材的中心部分。沿纵向切开,研磨、抛光、侵蚀,用金相显微镜照相。金相照片如图5所示。由于中心偏析导致中心的碳含量高于名义碳含量,图像的珠光体高于相图计算的珠光体含量,因此用图像的灰度值来确定阀值,阀值为0.57。二进制化后的图片如图6所示。滤波和线性膨胀优化后的图像如7所示。将网格尺寸设为20μm,如图8所示。计算得到的各向异性指数、取向变形等级、平均带宽、平均自由程分别为3.49、0.61、23.7μm、12.3μm。
实施例2
用于易切削钢的硫化物夹杂定量评定。试样取自规格为φ38mm的易切削钢1215热轧棒材的中心部分。沿纵向切开,研磨、抛光、侵蚀,用金相显微镜照相。金相照片如图9所示。由于不确定夹杂物含量,因此用图像的灰度值来确定阀值,阀值为0.6。二进制化后的图片如图10所示。滤波和线性膨胀优化后的图像如11所示。将网格尺寸设为20μm,如图12所示。计算得到的各向异性指数、取向变形等级、平均带宽、平均自由程分别为11.1、0.87、105μm、101μm。
以上两个实施例表明,本发明可以快速的自动定量评级各向异性组织、夹杂物,获得其各向异性指数、取向变形等级、平均带宽、平均自由程。

Claims (1)

1.一种用于各向异性组织和夹杂物自动定量评价的方法,其特征在于,工艺步骤如下:
1)读取金相图片
首先将各向异性组织或夹杂物的金相或者电镜照片读入自主开发的软件中;
2)图片二进制化
设置灰度阀值,将灰度阀值设置为图片的平均灰度,当像素的灰度值大于等于平均灰度值时,将像素设为黑色,当像素的灰度值小于平均灰度值时,将像素设为白色,从而将图像转化成二进制图;
3)图像优化
二维化后的图像中有很多干扰项,包括晶界,极小的颗粒状组织、夹杂物,这样对检测结果影响较大;利用滤波、线性膨胀的方法,将图中的干扰项消除;
4)设置网格参数
根据标尺,计算图片每个像素点代表的长度,网格步长小于标尺尺寸;
5)自动计算网格交点
分别计算水平线、竖直线和组织或夹杂物的交点。线段穿过组织或夹杂物记为2个交点;线段终止于组织或夹杂物内部或者与其相切记为一个交点;利用计算机实现该过程的自动计算,算法如下:设置一个计数器,记录交点数;设置一个开关值并设置为0、1变化,设置循环,从第一行的第一个像素点开始循环到最后一行的最后一个像素点结束,当像素的值不等于开关值时,计数器加1,同时开关值发生变换;设置一个距离计数器来考虑相切的情况,当开关值为1,且距离计算器小于0.1个网格间距,则认为线段与组织或夹杂物相切;当每一行结束时开关值为1,则认为线段终止于组织或夹杂物内部;通过这个算法,计算出水平线、竖直线和组织或夹杂物的交点数;
6)输出评价参数
将水平和竖直交点数量代入ASTM E1268-01的公式中计算出:各向异性指数、取向变形等级、平均带宽、平均自由程四个参数。
CN201710616683.7A 2017-07-20 2017-07-20 用于各向异性组织和夹杂物自动定量评价方法 Pending CN107464248A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710616683.7A CN107464248A (zh) 2017-07-20 2017-07-20 用于各向异性组织和夹杂物自动定量评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710616683.7A CN107464248A (zh) 2017-07-20 2017-07-20 用于各向异性组织和夹杂物自动定量评价方法

Publications (1)

Publication Number Publication Date
CN107464248A true CN107464248A (zh) 2017-12-12

Family

ID=60547210

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710616683.7A Pending CN107464248A (zh) 2017-07-20 2017-07-20 用于各向异性组织和夹杂物自动定量评价方法

Country Status (1)

Country Link
CN (1) CN107464248A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108896004A (zh) * 2018-08-01 2018-11-27 刘敬寿 一种裂缝面粗糙度各向异性表征方法
CN110646424A (zh) * 2018-12-29 2020-01-03 广东韶钢松山股份有限公司 一种金相组织各向异性快速定量评价方法
CN112763420A (zh) * 2020-12-29 2021-05-07 日照钢铁控股集团有限公司 一种利用金相显微镜定性分析钢中夹杂物的方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101000653A (zh) * 2006-12-31 2007-07-18 沈阳工业大学 纸币号码自动识别方法及自动识别记录系统
CN101403678A (zh) * 2008-09-19 2009-04-08 山西太钢不锈钢股份有限公司 不锈钢铸坯夹杂物金相自动检测方法
CN103884624A (zh) * 2012-12-21 2014-06-25 鞍钢股份有限公司 一种晶界密度测量方法
CN204044076U (zh) * 2014-05-15 2014-12-24 中国石油天然气集团公司 显微带状组织自动定量评级测试设备
US20150315686A1 (en) * 2012-12-21 2015-11-05 Posco Hot-rolled stainless steel sheet having excellent hardness and low-temperature impact properties

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101000653A (zh) * 2006-12-31 2007-07-18 沈阳工业大学 纸币号码自动识别方法及自动识别记录系统
CN101403678A (zh) * 2008-09-19 2009-04-08 山西太钢不锈钢股份有限公司 不锈钢铸坯夹杂物金相自动检测方法
CN103884624A (zh) * 2012-12-21 2014-06-25 鞍钢股份有限公司 一种晶界密度测量方法
US20150315686A1 (en) * 2012-12-21 2015-11-05 Posco Hot-rolled stainless steel sheet having excellent hardness and low-temperature impact properties
CN204044076U (zh) * 2014-05-15 2014-12-24 中国石油天然气集团公司 显微带状组织自动定量评级测试设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
仝珂: "管线钢中带状组织的评级方法", 《压力容器先进技术——第八届全国压力容器学术会议》 *
王智平: "铸造材料金相组织图像分析系统", 《中国机械工程》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108896004A (zh) * 2018-08-01 2018-11-27 刘敬寿 一种裂缝面粗糙度各向异性表征方法
CN108896004B (zh) * 2018-08-01 2020-03-20 中国石油大学(华东) 一种裂缝面粗糙度各向异性表征方法
CN110646424A (zh) * 2018-12-29 2020-01-03 广东韶钢松山股份有限公司 一种金相组织各向异性快速定量评价方法
CN112763420A (zh) * 2020-12-29 2021-05-07 日照钢铁控股集团有限公司 一种利用金相显微镜定性分析钢中夹杂物的方法

Similar Documents

Publication Publication Date Title
Su et al. Quantification of angularity of general-shape particles by using Fourier series and a gradient-based approach
Yue et al. Finite element modeling of geomaterials using digital image processing
CN104200442B (zh) 基于改进的canny边缘检测的非局部均值MRI图像去噪方法
Vollsnes et al. Quantifying rhizosphere particle movement around mutant maize roots using time‐lapse imaging and particle image velocimetry
CN105133471B (zh) 一种基于线结构光路面检测系统的路面深度图像生产方法
CN107464248A (zh) 用于各向异性组织和夹杂物自动定量评价方法
CN104458895A (zh) 管道三维漏磁成像检测方法及系统
CN103759676A (zh) 一种工件表面粗糙度非接触式的检测方法
CN104778684B (zh) 钢材表面异质型缺陷的自动测量、表征分类方法及其系统
CN105069818A (zh) 一种基于图像分析的皮肤毛孔识别方法
CN103632369B (zh) 块平均清晰度组合无参考水下图像通用性质量检测方法
CN105547602A (zh) 一种地铁隧道管片渗漏水的远距离测量方法
CN104408473B (zh) 基于距离度量学习的棉花品级分类方法及装置
CN101976444A (zh) 一种基于像素类型的结构类似性图像质量客观评价方法
CN107784651A (zh) 一种基于模糊检测加权的模糊图像质量评价方法
CN105445160A (zh) 一种沥青混合料的空隙特征及其提取方法
CN104992429A (zh) 一种基于图像局部增强的山体裂缝检测方法
CN116580032B (zh) 一种用于道路施工的质量监控方法
CN108830871B (zh) 基于高分辨率遥感影像和dem的黄土浅沟自动化提取方法
CN110033434A (zh) 一种基于纹理显著性的表面缺陷检测方法
Luo et al. Characterization of the stiffness distribution in two and three dimensions using boundary deformations: a preliminary study
CN108510584B (zh) 脊椎骨旋转角度计算方法
CN105371769A (zh) 一种测量动态裂纹长度的方法及装置
CN108535295B (zh) 一种利用ebsd测量钢中位错密度的方法
Kim et al. Evaluation of fabric pilling using hybrid imaging methods

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20171212