CN109087396B - 一种基于混凝土ct图像像素特征的细观结构重构方法 - Google Patents
一种基于混凝土ct图像像素特征的细观结构重构方法 Download PDFInfo
- Publication number
- CN109087396B CN109087396B CN201810833630.5A CN201810833630A CN109087396B CN 109087396 B CN109087396 B CN 109087396B CN 201810833630 A CN201810833630 A CN 201810833630A CN 109087396 B CN109087396 B CN 109087396B
- Authority
- CN
- China
- Prior art keywords
- aggregate
- image
- gray
- grid
- node
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
- G06T17/205—Re-meshing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明公开了一种基于混凝土CT图像像素特征的细观结构重构方法,该方法分为图像处理与重构建模两部分,前者包含批量导入、预处理、范围调整、子区域分割、自适应最佳灰度阈值、二值化、形貌调整、分水岭与图像输出功能;后者包含二值化图像批量导入、像素结点判断、结点匹配、单元匹配、二维矩阵文件导入、数据格式调整与ABAQUS重建细观模型。通过对CT图像的自动识别与提取,确定空间目标体的坐标数据,并以ABAQUS的INP文件数据为基础,对空间目标体的单元节点与集合进行匹配。本发明相对传统的CT图像识别算法,显著地提高了识别的精度,并可根据像素调整建模单元尺寸,平衡数值模拟的计算精度与时间,并且规则的模型单元可显著提高数值计算的收敛性。
Description
技术领域
本发明属于混凝土细观数值模拟技术领域,尤其涉及一种基于混凝土CT图像像素特征的细观结构重构方法。
背景技术
混凝土是由矿质集料与胶浆按照一定比例混合而成的结构,其性能受到矿质集料组份与胶浆力学性能的影响。长期以来,针对混凝土结构的力学分析均是将其假设为宏观连续体,而忽视了起着关键性作用的细观结构影响。近年来,随着X-Ray CT等设备的应用,混凝土内部结构得以扫描并重构,基于细观结构的研究得到了广泛发展。
基于CT图像的混凝土细观结构识别与重构能最大程度地还原结构的真实形貌特征,有助于从本质上明确混凝土在荷载作用下的力学响应与损伤情况。现阶段采用CT图像对混凝土细观结构进行重构,并导入有限元软件中进行计算的技术已经较为成熟:首先对CT原始图像进行识别,获取拟重构结构的二值化图像序列;其后采用相关软件根据二值化图像序列进行结构重构;最后将重构的结构导入有限元软件中进行数值模拟。该方法能有效地还原集料颗粒以及空隙的空间形貌特征,但由于存在较多棱角所导致的大变形单元结构,显著地降低了数值模拟的计算效率与收敛性。另一方面,华南理工大学的李智在其博士学位论文《基于X-ray CT和有限元方法的沥青混合料三维重构与数值试验研究》中曾采用编程计算技术,以立方体单元对细观结构体离散并进行数值模拟,研究结果表明该种结构体系虽并未能完全反映细观结构的形貌,但增加了计算效率与收敛性,同时模拟结果也在可接受的误差范围内,但论文中所采用的重构方法较为复杂,重构成本较高。
发明内容
发明目的:针对以上现有技术存在的问题,本发明提出一种基于混凝土CT图像像素特征的细观结构重构方法,本发明建立了灰度图像最佳阈值的自动计算方法,并结合ABAQUS与MATLAB软件搭建了细观结构的重构步骤,该方法提供了一种简单、高效的细观结构建模方法,解决了以往细观结构研究中繁琐复杂的模型重构过程。
技术方案:为实现本发明的目的,本发明建立了一种基于混凝土CT图像像素特征的细观结构重构方法,算法自动计算针对子区域目标的分割灰度阈值,并结合MATLAB图像处理数据与ABAQUS建模数据生成三维细观结构模型,具体包括下述步骤:
(1)采用X-Ray CT设备对混凝土试件进行扫描,获取内部结构的N张彩色图像,利用MATLAB软件按照图像扫描顺序进行读取与导入操作;
(2)选取第i张彩色图像,将该彩色图像转换为灰度图像,根据相同材料灰度值沿着圆形半径逐渐减小的分布规律,将该灰度图像划分为n个环状子区域,以各环状子区域的灰度直方图自动计算针对该子区域的分割阈值,i=1,2……N;
(3)根据步骤(2)确定的n个环状子区域的分割阈值,分别对第i张灰度图像的各环状子区域进行二值化操作,即大于等于分割阈值的图像像素为集料,其统一标记为1,反之为胶浆与孔隙,统一标记为0,待n个环状子区域均处理完成后,即完成第i张灰度图像中集料的动态识别过程,重复步骤(2)~(3)直至完成所有N张扫描图像;
(4)按照X-Ray CT所扫描的混凝土试件尺寸,采用ABAQUS建立与该试件完全相同的宏观有限元模型结构,以边长为L的空间立方体单元划分网格后导出模型的INP文件,该INP文件包含两部分信息:网格单元结点编号与结点坐标,以及不同网格单元所对应的8个结点编号;
(5)采用MATLAB按照扫描顺序批量读取通过步骤(2)~(3)处理完成后的N张二值化图像,生成仅包含数值0与1的三维矩阵,值为1的矩阵单元为集料,值为0的矩阵单元为胶浆与孔隙,三维矩阵单元尺寸l与灰度图像像素尺寸相同,建立边长为L的空间立方体网格,采用该网格划分三维矩阵,L是l的整数倍,确定空间立方体网格中属于集料的立方体及其8个结点数据;
(6)读取步骤(4)中INP文件的网格单元结点坐标数据,对步骤(5)中集料的空间立方体8个结点坐标进行遍历匹配,确定INP文件中属于集料的结点编号与坐标,根据所确定的INP文件集料结点编号,遍历INP文件中不同网格单元所包含的8个结点,确定INP文件中属于集料的网格单元集合,完成上述流程后,输出明确集料结点与集料网格单元的INP文件;
(7)利用ABAQUS读取明确集料结点与网格单元的INP文件,构建细观结构的空间数值模型。
所述步骤(1)中,采用X-Ray CT设备对混凝土试件进行扫描,获取N张JPG或BMP格式的混凝土CT扫描彩色图像,并以MATLAB按照扫描顺序采用imread函数分别读取彩色图像。
所述步骤(2)中,首先选取步骤(1)读取的第i张彩色图片作为处理对象,采用MATLAB函数rgb2gray将彩色图像转换为灰度图像,以灰度图像中心为圆心点,将灰度图像划分为n个宽度相同的环状子区域,采用MATLAB函数imhist读取第j个环状子区域灰度值并确定其灰度直方图分布数据,以MATLAB函数max确定出现频率最高灰度值Grayij作为分割阈值,其中,j=1,2……n。
根据n个环状子区域图像的灰度值,可以通过重复采用步骤(2)所述方法自动获取最适用于各环状子区域的n组分割阈值Grayij。
所述步骤(3)中,选取第i张灰度图像的第j个环状子区域作为处理对象,将该环状子区域中灰度值大于Grayij的像素识别为集料,二值化后统一标记为1;灰度值小于Grayij的像素识别为胶浆与孔隙,二值化后均统一标记为0;采用上述步骤处理完n个环状子区域后,对整体二值化图像进行形貌学处理,采用MATLAB函数imfill与bwareaopen通过输入整体二值化图像填充集料内部孔洞,并以MATLAB函数bwmorph去除集料边缘噪点并光滑边界,处理完第i张灰度图像后,采用MATLAB函数imwrite按顺序保存JPG或BMP格式的二值化图像文件,按照步骤(3)处理所有N张灰度图像,保存N张对应的二值化图像文件。
所述步骤(4)中,采用ABAQUS有限元软件建立与扫描混凝土试件具有相同尺寸的宏观数值模型,采用三维空间8结点立方体单元C3D8将该宏观模型划分为K部分,即K个尺寸为L的空间网格单元Ek,其中k=1,2……K,ABAQUS建立完成的宏观数值模型在划分网格后即可导出INP文件,该文件中包含宏观数值模型的两部分信息,即所有网格结点编号及其坐标,以及各空间网格单元Ek所包含的8个结点编号。
所述步骤(5)中,采用MATLAB函数imread读取N张二值化图像文件并按照扫描顺序排列生成仅包含数值0与1数据的三维矩阵,三维矩阵中矩阵单元Pt所代表的边长l与灰度图像像素大小相同,其中t=1,2……T,T为所有二值化图像所包含的像素数量,同样构建尺寸为L的空间网格将该三维矩阵划分为K部分,即K个尺寸为L的空间网格立方体单元Eq,其中q=1,2……K,对每一个空间网格立方体单元Eq中所包含的尺寸为l的三维矩阵单元Pt进行判断,L>l,若数值为1的三维矩阵单元数量超过总数量的二分之一,则认为该空间网格立方体单元Eq为集料单元,记录该集料单元的8个集料结点及相应集料结点坐标。
所述步骤(6)中,首先提取INP文件中结点坐标,通过与步骤(5)所确定的属于集料单元的Eq所包括的8个集料结点坐标进行比较,确定INP文件中属于集料的结点编号;为明确位于集料表面的结点,遍历每一个集料结点与所有非集料结点距离,若该距离等于空间网格尺寸L,则标记该集料结点为集料表面结点;提取INP文件中不同空间网格单元Ek所对应的8个结点编号,与上述确定的INP文件集料结点编号进行匹配,若Ek中所包含的8个结点编号均为集料结点编号,则确定空间网格单元Ek属于集料网格单元。
所述步骤(7)中,采用ABAQUS读取确定集料结点及其坐标,以及集料网格单元的INP文件,重构包含集料空间结构的细观有限元模型。
有益效果:与现有技术相比,本发明的技术方案具有以下有益技术效果:
(1)本发明建立了一种基于混凝土CT图像像素特征的细观结构重构方法,针对混凝土结构在外力作用下的应力场与应变场分布计算,以及结构损伤状况分析提供了有效方法。
(2)在CT灰度图像的识别与提取方面,采用了最佳阈值的自动计算技术,避免了图像灰度值不均匀分布导致的不精确识别;
(3)在细观结构重构方面,结合MATLAB与ABAUQS软件建立基于像素的细观结构模型,避免了复杂的编程过程,极大地提高了细观结构建模的有效性;
(4)此外,该技术建立的细观结构模型采用立方体网格单元重构,避免了空间四面体单元重构容易导致的网格畸变与计算不收敛现象。
附图说明
图1为本发明方法的流程图;
图2为沥青混合料扫描试件;
图3为X-Ray CT扫描设备与扫描切片;
图4为沥青混合料灰度图像与灰度值分布图;
图5为按照灰度分布特征进行区域划分;
图6为单个圆环区域内灰度值分布;
图7为原始二值化图像;
图8为处理后二值化图像;
图9为ABAQUS建立的矩阵单元;
图10为基于像素状况进行网格判断;
图11为基于像素特征的集料颗粒模型。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步的说明。
如图1所示,本发明所述的一种基于混凝土CT图像像素特征的细观结构重构方法,具体包括下述步骤:
(1)采用X-Ray CT设备对混凝土试件进行扫描,获取内部结构的N张彩色图像,利用MATLAB软件按照图像扫描顺序进行读取与导入操作;
(2)选取第i张彩色图像,将该彩色图像转换为灰度图像,根据相同材料灰度值沿着圆形半径逐渐减小的分布规律,将该灰度图像划分为n个环状子区域,以各环状子区域的灰度直方图自动计算针对该子区域的分割阈值,i=1,2……N;
(3)根据步骤(2)确定的n个环状子区域的分割阈值,分别对第i张灰度图像的各环状子区域进行二值化操作,即大于等于分割阈值的图像像素为集料,其统一标记为1,反之为胶浆与孔隙,统一标记为0,待n个环状子区域均处理完成后,即完成第i张灰度图像中集料的动态识别过程,重复步骤(2)~(3)直至完成所有N张扫描图像;
(4)按照X-Ray CT所扫描的混凝土试件尺寸,采用ABAQUS建立与该试件完全相同的宏观有限元模型结构,以边长为L的空间立方体单元划分网格后导出模型的INP文件,该INP文件包含两部分信息:网格单元结点编号与结点坐标,以及不同网格单元所对应的8个结点编号;
(5)采用MATLAB按照扫描顺序批量读取通过步骤(2)~(3)处理完成后的N张二值化图像,生成仅包含数值0与1的三维矩阵,值为1的矩阵单元为集料,值为0的矩阵单元为胶浆与孔隙,三维矩阵单元尺寸l与灰度图像像素尺寸相同,建立边长为L的空间立方体网格,采用该网格划分三维矩阵,L是l的整数倍,确定空间立方体网格中属于集料的立方体及其8个结点数据;
(6)读取步骤(4)中INP文件的网格单元结点坐标数据,对步骤(5)中集料的空间立方体8个结点坐标进行遍历匹配,确定INP文件中属于集料的结点编号与坐标,根据所确定的INP文件集料结点编号,遍历INP文件中不同网格单元所包含的8个结点,确定INP文件中属于集料的网格单元集合,完成上述流程后,输出明确集料结点与集料网格单元的INP文件;
(7)利用ABAQUS读取明确集料结点与网格单元的INP文件,构建细观结构的空间数值模型。
其中:步骤(1)中,采用X-Ray CT设备对混凝土试件进行扫描,获取N张JPG或BMP格式的混凝土CT扫描彩色图像,并以MATLAB按照扫描顺序采用imread函数分别读取彩色图像。
步骤(2)中,首先选取步骤(1)读取的第i张彩色图片作为处理对象,采用MATLAB函数rgb2gray将彩色图像转换为灰度图像,以灰度图像中心为圆心点,将灰度图像划分为n个宽度相同的环状子区域,采用MATLAB函数imhist读取第j个环状子区域灰度值并确定其灰度直方图分布数据,以MATLAB函数max确定出现频率最高灰度值Grayij作为分割阈值,其中,j=1,2……n。
根据n个环状子区域图像的灰度值,可以通过重复采用步骤(2)所述方法自动获取最适用于各环状子区域的n组分割阈值Grayij。
步骤(3)中,选取第i张灰度图像的第j个环状子区域作为处理对象,将该环状子区域中灰度值大于Grayij的像素识别为集料,二值化后统一标记为1;灰度值小于Grayij的像素识别为胶浆与孔隙,二值化后均统一标记为0;采用上述步骤处理完n个环状子区域后,对整体二值化图像进行形貌学处理,采用MATLAB函数imfill与bwareaopen通过输入整体二值化图像填充集料内部孔洞,并以MATLAB函数bwmorph去除集料边缘噪点并光滑边界,处理完第i张灰度图像后,采用MATLAB函数imwrite按顺序保存JPG或BMP格式的二值化图像文件,按照步骤(3)处理所有N张灰度图像,保存N张对应的二值化图像文件。
步骤(4)中,采用ABAQUS有限元软件建立与扫描混凝土试件具有相同尺寸的宏观数值模型,采用三维空间8结点立方体单元C3D8将该宏观模型划分为K部分,即K个尺寸为L的空间网格单元Ek,其中k=1,2……K,ABAQUS建立完成的宏观数值模型在划分网格后即可导出INP文件,该文件中包含宏观数值模型的两部分信息,即所有网格结点编号及其坐标,以及各空间网格单元Ek所包含的8个结点编号。
步骤(5)中,采用MATLAB函数imread读取N张二值化图像文件并按照扫描顺序排列生成仅包含数值0与1数据的三维矩阵,三维矩阵中矩阵单元Pt所代表的边长l与灰度图像像素大小相同,其中t=1,2……T,T为所有二值化图像所包含的像素数量,同样构建尺寸为L的空间网格将该三维矩阵划分为K部分,即K个尺寸为L的空间网格立方体单元Eq,其中q=1,2……K,对每一个空间网格立方体单元Eq中所包含的尺寸为l的三维矩阵单元Pt进行判断,L>l,若数值为1的三维矩阵单元数量超过总数量的二分之一,则认为该空间网格立方体单元Eq为集料单元,记录该集料单元的8个集料结点及相应集料结点坐标。
步骤(6)中,首先提取INP文件中结点坐标,通过与步骤(5)所确定的属于集料单元的Eq所包括的8个集料结点坐标进行比较,确定INP文件中属于集料的结点编号;为明确位于集料表面的结点,遍历每一个集料结点与所有非集料结点距离,若该距离等于空间网格尺寸L,则标记该集料结点为集料表面结点;提取INP文件中不同空间网格单元Ek所对应的8个结点编号,与上述确定的INP文件集料结点编号进行匹配,若Ek中所包含的8个结点编号均为集料结点编号,则确定空间网格单元Ek属于集料网格单元。
步骤(7)中,采用ABAQUS读取确定集料结点及其坐标,以及集料网格单元的INP文件,重构包含集料空间结构的细观有限元模型。
具体重构方法结合下述实施例阐述如下:
如图1所示,一种基于混凝土CT图像像素特征的细观结构重构方法,该技术体系包含图像识别与数值建模两部分内容,算法自动计算针对子区域目标分割的最佳灰度阈值,并结合MATLAB图像处理数据与ABAQUS建模数据生成三维细观结构模型。
如图2所示,首先成型沥青混凝土扫描试件,本实施例中选用SMA-13沥青混凝土作为实例对象,扫描试件为高7.5cm、直径5cm的圆柱体试件。
如图3所示,本实施例中采用德国YXLON.International公司生产的Y.CTPrecision S型CT设备对SMA-13沥青混凝土试件进行细观结构扫描,分辨率为0.1mm,扫描间距为0.1mm;经过扫描后,可获得750张原始CT彩色图像文件,文件格式为BMP。
采用MATLAB软件的imread函数对CT图像序列进行批量读取,按照序列顺序对每一张图像文件进行处理。
如图4所示,对每一张原始CT图像采用rgb2gray函数转换为灰度图像,利用mesh函数显示灰度图像的灰度值分布规律,本实施例中图像灰度分布为圆形不均匀分布,即同一种材料的灰度值呈现出靠近圆心而逐渐减少的趋势。
如图5所示,按照灰度分布的特征对每一张灰度图像进行子区域划分,本实施例中采用圆环区域划分灰度图像,设置100个圆环区域,圆环的宽度为0.5mm。
如图6所示,采用MATLAB对任意一张灰度图像中的每一个圆环区域的灰度分布进行统计,采用imhist函数确定该圆环区域的灰度直方图分布,并以max函数确定灰度直方图数据中频率最高灰度值Gray作为识别阈值;本实施例中,最高灰度值Gray为135。
如图7所示,将灰度值大于Gray的像素识别为集料颗粒,二值化后统一标识为1;灰度值小于Gray的像素识别为胶浆体与孔隙,二值化后统一标识为0。
如图8所示,分别二值化处理各圆环区域的集料颗粒,形成集料颗粒的整体二值化图像,针对其中可能存在的集料内部孔洞与集料边界粗糙,分别采用imfill、bwareaopen与bwmorph函数进行处理。
重复上述各步骤,直至处理完毕750张灰度图像,并采用imwrite函数自动按顺序输出文件到指定文件地址。
采用ABAQUS软件建立与扫描混凝土试件尺寸相同的宏观有限元模型,本实例中建立高7.5cm、边长5cm的长方体宏观模型,如图9所示。按照空间网格尺寸为0.5mm进行划分,空间网格单元采用C3D8,最后导出包含空间网格单元结点编号及其坐标,以及各个空间网格单元所包含结点编号集合的INP文件。
采用MATLAB读取所有二值化图像生成二值化图像数据的三维矩阵,三维矩阵中各矩阵单元的值为0或1。同样采用尺寸为0.5mm的空间网格划分三维矩阵,对空间网格中每一个立方体单元所包含的矩阵单元进行判断,若空间网格立方体单元中数值为1的矩阵单元数量超过该空间网格内所有矩阵单元总数的一半,如图10所示,则认为该空间网格立方体单元为集料单元,并记录该空间网格立方体单元的8个结点坐标。按照此方法对所有空间网格立方体单元进行处理,确定属于集料的所有空间网格单元结点坐标。
提取INP文件中结点坐标数据,通过与上述集料空间网格立方体单元结点坐标逐一对比,确定INP文件中属于集料的结点编号。此外,建模与后续计算中需要集料表面结点,逐一选定每一个集料结点,分别计算所有非集料结点与其距离,若出现距离等于0.5mm则可标定该结点位于集料表面。
提取INP文件中所有网格单元所包含的结点编号集合,分别上述确定的集料结点编号进行对比,若某网格单元包含的8个结点均为集料结点,则确定该网格单元为集料网格单元。
根据所确定的集料颗粒结点与集料颗粒单元,可对数据进行格式调整与编辑,导入INP文件中的相关位置,并通过ABAQUS导入INP文件实现细观结构重构,如图11所示。
Claims (7)
1.一种基于混凝土CT图像像素特征的细观结构重构方法,其特征在于,该方法包括下述步骤:
(1)采用X-Ray CT设备对混凝土试件进行扫描,获取内部结构的N张彩色图像,利用MATLAB软件按照图像扫描顺序进行读取与导入操作;
(2)选取第i张彩色图像,将该彩色图像转换为灰度图像,根据相同材料灰度值沿着圆形半径逐渐减小的分布规律,将该灰度图像划分为n个环状子区域,以各环状子区域的灰度直方图自动计算针对该子区域的分割阈值,i=1,2……N;
(3)根据步骤(2)确定的n个环状子区域的分割阈值,分别对第i张灰度图像的各环状子区域进行二值化操作,即大于等于分割阈值的图像像素为集料,其统一标记为1,反之为胶浆与孔隙,统一标记为0,待n个环状子区域均处理完成后,即完成第i张灰度图像中集料的动态识别过程,重复步骤(2)~(3)直至完成所有N张扫描图像;
(4)按照X-Ray CT所扫描的混凝土试件尺寸,采用ABAQUS建立与该试件完全相同的宏观有限元模型结构,以边长为L的空间立方体单元划分网格后导出模型的INP文件,该INP文件包含两部分信息:网格单元结点编号与结点坐标,以及不同网格单元所对应的8个结点编号;
(5)采用MATLAB按照扫描顺序批量读取通过步骤(2)~(3)处理完成后的N张二值化图像,生成仅包含数值0与1的三维矩阵,值为1的矩阵单元为集料,值为0的矩阵单元为胶浆与孔隙,三维矩阵单元尺寸l与灰度图像像素尺寸相同,建立边长为L的空间立方体网格,采用该网格划分三维矩阵,L是l的整数倍,确定空间立方体网格中属于集料的立方体及其8个结点数据;
所述步骤(5)中,采用MATLAB函数imread读取N张二值化图像文件并按照扫描顺序排列生成仅包含数值0与1数据的三维矩阵,三维矩阵中矩阵单元Pt所代表的边长l与灰度图像像素大小相同,其中t=1,2……T,T为所有二值化图像所包含的像素数量,同样构建尺寸为L的空间网格将该三维矩阵划分为K部分,即K个尺寸为L的空间网格立方体单元Eq,其中q=1,2……K,对每一个空间网格立方体单元Eq中所包含的尺寸为l的三维矩阵单元Pt进行判断,L>l,若数值为1的三维矩阵单元数量超过总数量的二分之一,则认为该空间网格立方体单元Eq为集料单元,记录该集料单元的8个集料结点及相应集料结点坐标;
(6)读取步骤(4)中INP文件的网格单元结点坐标数据,对步骤(5)中集料的空间立方体8个结点坐标进行遍历匹配,确定INP文件中属于集料的结点编号与坐标,根据所确定的INP文件集料结点编号,遍历INP文件中不同网格单元所包含的8个结点,确定INP文件中属于集料的网格单元集合,完成上述流程后,输出明确集料结点与集料网格单元的INP文件;
所述步骤(6)中,首先提取INP文件中结点坐标,通过与步骤(5)所确定的属于集料单元的Eq所包括的8个集料结点坐标进行比较,确定INP文件中属于集料的结点编号;为明确位于集料表面的结点,遍历每一个集料结点与所有非集料结点距离,若该距离等于空间网格尺寸L,则标记该集料结点为集料表面结点;提取INP文件中不同空间网格单元Ek所对应的8个结点编号,与上述确定的INP文件集料结点编号进行匹配,若Ek中所包含的8个结点编号均为集料结点编号,则确定空间网格单元Ek属于集料网格单元;
(7)利用ABAQUS读取明确集料结点与网格单元的INP文件,构建细观结构的空间数值模型。
2.根据权利要求1所述的一种基于混凝土CT图像像素特征的细观结构重构方法,其特征在于:所述步骤(1)中,采用X-Ray CT设备对混凝土试件进行扫描,获取N张JPG或BMP格式的混凝土CT扫描彩色图像,并以MATLAB按照扫描顺序采用imread函数分别读取彩色图像。
3.根据权利要求1所述的一种基于混凝土CT图像像素特征的细观结构重构方法,其特征在于:所述步骤(2)中,首先选取步骤(1)读取的第i张彩色图片作为处理对象,采用MATLAB函数rgb2gray将彩色图像转换为灰度图像,以灰度图像中心为圆心点,将灰度图像划分为n个宽度相同的环状子区域,采用MATLAB函数imhist读取第j个环状子区域灰度值并确定其灰度直方图分布数据,以MATLAB函数max确定出现频率最高灰度值Grayij作为分割阈值,其中,j=1,2……n。
4.根据权利要求3所述的一种基于混凝土CT图像像素特征的细观结构重构方法,其特征在于:根据n个环状子区域图像的灰度值,可以通过重复采用步骤(2)所述方法自动获取最适用于各环状子区域的n组分割阈值Grayij。
5.根据权利要求1所述的一种基于混凝土CT图像像素特征的细观结构重构方法,其特征在于:所述步骤(3)中,选取第i张灰度图像的第j个环状子区域作为处理对象,将该环状子区域中灰度值大于Grayij的像素识别为集料,二值化后统一标记为1;灰度值小于Grayij的像素识别为胶浆与孔隙,二值化后均统一标记为0;采用上述步骤处理完n个环状子区域后,对整体二值化图像进行形貌学处理,采用MATLAB函数imfill与bwareaopen通过输入整体二值化图像填充集料内部孔洞,并以MATLAB函数bwmorph去除集料边缘噪点并光滑边界,处理完第i张灰度图像后,采用MATLAB函数imwrite按顺序保存JPG或BMP格式的二值化图像文件,按照步骤(3)处理所有N张灰度图像,保存N张对应的二值化图像文件。
6.根据权利要求1所述的一种基于混凝土CT图像像素特征的细观结构重构方法,其特征在于:所述步骤(4)中,采用ABAQUS有限元软件建立与扫描混凝土试件具有相同尺寸的宏观数值模型,采用三维空间8结点立方体单元C3D8将该宏观模型划分为K部分,即K个尺寸为L的空间网格单元Ek,其中k=1,2……K,ABAQUS建立完成的宏观数值模型在划分网格后即可导出INP文件,该文件中包含宏观数值模型的两部分信息,即所有网格结点编号及其坐标,以及各空间网格单元Ek所包含的8个结点编号。
7.根据权利要求1所述的一种基于混凝土CT图像像素特征的细观结构重构方法,其特征在于:所述步骤(7)中,采用ABAQUS读取确定集料结点及其坐标,以及集料网格单元的INP文件,重构包含集料空间结构的细观有限元模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810833630.5A CN109087396B (zh) | 2018-07-26 | 2018-07-26 | 一种基于混凝土ct图像像素特征的细观结构重构方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810833630.5A CN109087396B (zh) | 2018-07-26 | 2018-07-26 | 一种基于混凝土ct图像像素特征的细观结构重构方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109087396A CN109087396A (zh) | 2018-12-25 |
CN109087396B true CN109087396B (zh) | 2023-09-29 |
Family
ID=64830802
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810833630.5A Active CN109087396B (zh) | 2018-07-26 | 2018-07-26 | 一种基于混凝土ct图像像素特征的细观结构重构方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109087396B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109765103A (zh) * | 2019-03-13 | 2019-05-17 | 长安大学 | 一种沥青混合料颗粒标记及追踪方法 |
CN109915295B (zh) * | 2019-04-02 | 2020-08-25 | 北京理工大学 | 一种进气道式喷油器喷雾锥角的测试方法 |
CN110706352B (zh) * | 2019-10-10 | 2023-03-10 | 重庆交通大学 | 基于多边形随机骨料的混凝土三相细观模型构建及内氯离子侵蚀数值模拟方法 |
CN111222276A (zh) * | 2020-01-08 | 2020-06-02 | 武汉科技大学 | 一种沥青混合料细观有限元建模方法及其应用 |
CN111508075B (zh) * | 2020-04-09 | 2022-08-19 | 北京理工大学 | 一种闭孔泡沫铝的三维真实有限元模型建模方法 |
CN111553886B (zh) * | 2020-04-09 | 2024-02-13 | 哈尔滨工业大学 | 一种沥青混合料ct图像中颗粒的自适应识别方法 |
CN112435332A (zh) * | 2020-06-03 | 2021-03-02 | 中煤华晋集团有限公司王家岭矿 | 一种基于ct三维重构的裂隙煤体细观数值建模方法 |
CN111931647B (zh) * | 2020-08-10 | 2024-02-02 | 西安建筑科技大学 | 钢结构表面锈坑识别、提取与评价设备、方法及存储介质 |
CN112069704B (zh) * | 2020-08-21 | 2024-04-26 | 武汉大学 | 真实混凝土试件的多自由度格构模型的构建方法 |
CN112632661A (zh) * | 2020-12-14 | 2021-04-09 | 河南工业大学 | 一种基于智能识别算法的sbs改性沥青三维微观结构重建方法 |
CN112613208B (zh) * | 2020-12-16 | 2022-09-13 | 武汉科技大学 | 基于三维随机重构的无机非金属材料性能分析方法 |
CN116913432A (zh) * | 2023-07-25 | 2023-10-20 | 中国人民解放军陆军工程大学 | 基于多边形网格的推进剂模拟填充模型的重构方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102760309A (zh) * | 2012-05-30 | 2012-10-31 | 合肥工业大学 | 基于沥青路面试件X-ray CT图像的集料细观实体模型重构方法 |
CN102768699A (zh) * | 2012-06-14 | 2012-11-07 | 西安交通大学 | 基于ct图像精确重构异质材料微观有限元网格模型的方法 |
CN104809756A (zh) * | 2015-04-23 | 2015-07-29 | 合肥工业大学 | 基于X-ray CT图像的沥青混合料空隙空间结构重构方法 |
-
2018
- 2018-07-26 CN CN201810833630.5A patent/CN109087396B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102760309A (zh) * | 2012-05-30 | 2012-10-31 | 合肥工业大学 | 基于沥青路面试件X-ray CT图像的集料细观实体模型重构方法 |
CN102768699A (zh) * | 2012-06-14 | 2012-11-07 | 西安交通大学 | 基于ct图像精确重构异质材料微观有限元网格模型的方法 |
CN104809756A (zh) * | 2015-04-23 | 2015-07-29 | 合肥工业大学 | 基于X-ray CT图像的沥青混合料空隙空间结构重构方法 |
Non-Patent Citations (7)
Title |
---|
Influence of aggregate particles on mastic and air-voids in asphalt concrete;Jing Hu等;Construction and Building Materials;全文 * |
基于CT切片的三维混凝土细观层次力学建模;秦武等;《工程力学》;20120725;第29卷(第07期);全文 * |
基于CT技术的混凝土三维有限元模型构建;戚永乐等;《混凝土》;20080527(第05期);全文 * |
基于X-ray CT和有限元方法的沥青混合料三维重构与数值试验研究;万成;中国知网博士电子期刊工程科技Ⅱ辑;全文 * |
基于沥青混凝土三维细观结构的路面性能及安全评估研究;胡靖;《中国博士学位论文全文数据库》;20160515;第1-2章 * |
基于沥青混凝土三维细观结构的路面性能及安全评估研究;胡靖;中国博士学位论文全文数据库;第1-2章 * |
基于真实细观尺度的沥青混合料三维重构算法;万成等;中南大学学报(自然科学版);第第43卷卷(第第7期期);第2813-2820页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109087396A (zh) | 2018-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109087396B (zh) | 一种基于混凝土ct图像像素特征的细观结构重构方法 | |
CN105261068B (zh) | 基于Micro-CT技术的储层岩心三维实体模型重构方法 | |
CN104299260B (zh) | 一种基于sift和lbp的点云配准的接触网三维重建方法 | |
CN107909039B (zh) | 基于并行算法的高分辨率遥感影像的地表覆盖分类方法 | |
Stoyanova et al. | An enhanced computational method for age‐at‐death estimation based on the pubic symphysis using 3 D laser scans and thin plate splines | |
CN112069704B (zh) | 真实混凝土试件的多自由度格构模型的构建方法 | |
CN107437068B (zh) | 基于Gabor方向直方图和猪体毛发模式的猪个体识别方法 | |
CN103020637B (zh) | 一种基于K-plane算法的建筑物顶面点云数据分割方法 | |
CN107123162A (zh) | 基于二维激光传感器的三维环境表面三角网格构建方法 | |
CN113658117B (zh) | 一种基于深度学习的沥青混合料中集料边界识别与划分方法 | |
Gibson et al. | A comparison of fractal analytical methods on 2-and 3-dimensional computed tomographic scans of soil aggregates | |
CN115100467B (zh) | 一种基于核注意力网络的病理全切片图像分类方法 | |
CN112150430A (zh) | 一种利用岩石细观结构数字图像的数值分析方法 | |
CN104849276A (zh) | 一种基于像素统计的花岗岩三维细观结构重构方法 | |
CN105389821A (zh) | 一种基于云模型和图割相结合的医学图像分割方法 | |
Maravelakis et al. | 3D modelling of the oldest olive tree of the world | |
CN117932974B (zh) | 一种水库水下数字高程模型的构建方法 | |
CN117635615B (zh) | 基于深度学习实现冲孔模具的缺陷检测方法及系统 | |
CN104732230A (zh) | 一种基于细胞核统计信息的病理图像局部特征提取方法 | |
CN113487728B (zh) | 一种鱼体模型确定方法及系统 | |
CN116452604A (zh) | 一种复杂变电站场景分割方法、设备及存储介质 | |
CN115828339A (zh) | 一种基于工业ct图像的带内部缺陷工件三维cad实体模型重构方法 | |
CN116412759A (zh) | 一种利用三维激光扫描仪进行林业调查的方法 | |
Al-Mestarehi et al. | Creating a Complete Model of the Wooden Pattern from Laser Scanner Point Clouds Using Alpha Shapes. | |
CN114529466B (zh) | 基于多尺度高程变异系数的点云植被去除方法 |
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 |