CN110110474B - 一种基于金相图片的材料微结构几何模型建立方法 - Google Patents

一种基于金相图片的材料微结构几何模型建立方法 Download PDF

Info

Publication number
CN110110474B
CN110110474B CN201910415944.8A CN201910415944A CN110110474B CN 110110474 B CN110110474 B CN 110110474B CN 201910415944 A CN201910415944 A CN 201910415944A CN 110110474 B CN110110474 B CN 110110474B
Authority
CN
China
Prior art keywords
cells
picture
cell
grain
metallographic
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
Application number
CN201910415944.8A
Other languages
English (en)
Other versions
CN110110474A (zh
Inventor
申刚
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.)
Suzhou University of Science and Technology
Original Assignee
Suzhou University of Science and Technology
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 Suzhou University of Science and Technology filed Critical Suzhou University of Science and Technology
Priority to CN201910415944.8A priority Critical patent/CN110110474B/zh
Publication of CN110110474A publication Critical patent/CN110110474A/zh
Application granted granted Critical
Publication of CN110110474B publication Critical patent/CN110110474B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种基于金相图片的材料微结构几何模型建立方法，包括如下步骤：步骤1，获取材料微观组织金相图片并将其灰度化；步骤2，以图片像素作为正方形元胞，灰度值作为元胞状态变量，将灰度图片转换为相同尺寸的元胞自动机模型；步骤3，阈值化与噪点过滤处理；步骤4，晶界抽取与第二相分离；步骤5，基体晶粒识别；步骤6，晶界消除。本发明的目的在于提供一种基于组织金相图片的双相多晶材料微结构几何模型程式化建立方法，该方法能够克服组织金相图片中可能存在的不连续晶界特征，其所建立的材料微结构几何模型能够有效反映双相多晶材料微观组织组成相以及晶粒之间的几何拓扑关系。

Description

一种基于金相图片的材料微结构几何模型建立方法
技术领域
本发明涉及集成计算材料工程领域，具体地涉及一种基于金相图片的材料微结构几何模型的程式化建立方法。
背景技术
集成计算材料工程(Integrated Computational Materials Engineering，ICME)将复杂的材料冶金过程和材料力学性能联系起来，通过虚拟实验为材料设计和加工工艺制定提供可靠的辅助信息。材料微结构几何模型作为ICME仿真的初始输入数据之一，对最终仿真结果的可靠性以及准确性有着至关重要的作用。
材料微观组织几何模型建立方法主要分为两类：一类是基于微观特征统计数据和随机算法建立的伪微观组织几何模型，此类模型并不能完全反映材料的微结构特征，对于不具有明显统计特性的复杂微观组织结构，过度简化的微结构模型的可靠性将大打折扣；另一类是基于真实微观组织图片建立材料微结构几何模型，此类模型能够真实反映材料微观组织形貌特征，在预测结果可靠性上具有明显的优势。
由于腐蚀或拍摄等原因，材料微观组织金相图片中的晶界轮廓可能并不连续。因此，采用常规的图片处理方法无法将组织晶粒和晶界从图像中分离出来。
发明内容
本发明针对现有技术中存在的缺陷，提出一种基于金相图片的材料微结构几何模型建立方法。该方法能够适应材料金相图片中可能存在的不连续晶界，实现双相多晶材料微结构几何模型的程式化建立。
本发明是通过以下技术方案实现的：
一种基于金相图片的材料微结构几何模型建立方法，包括如下步骤：
步骤1，获取材料微观组织金相图片并将其灰度化，使得图片中任意像素点的像素值为0～1之间的小数；
步骤2，以图片像素作为正方形元胞，灰度值作为元胞状态变量，将灰度图片转换为相同尺寸的元胞自动机模型，模型中单个正方形元胞的边长由原始金相图片标尺以及图片中标尺长度方向包含的像素数目计算得出：Lc＝Ls/Ns，其中Lc为元胞边长，Ls为金相图片标尺，Ns为标尺沿长度方向所包含的像素数目；
步骤3，阈值化与噪点过滤处理，具体过程如下：
(1)基于金相图片中不同相以及晶界之间的灰度差异，采用局部自适应阈值法将灰度图像二值化；
(2)设定一个临界噪点尺寸Nc1，当二值化图像中某一像素团内像素点的数目小于Nc1时，判定该像素团为图像噪点，并将其从图像中剔除；
步骤4，晶界抽取与第二相分离，具体过程如下：
(1)根据晶界在厚度上所占据的最大元胞数确定元胞自动机算法的邻域范围Nb；
(2)对于每一个黑色元胞i，计算其邻居内的黑色元胞数目Ni，若Ni小于预设的临界值Nc2时，当前黑色元胞被判定为晶界，否则为第二相；
步骤5，基体晶粒识别，具体过程如下：
(1)在未识别的基体组织元胞中随机选取一个元胞作为新晶粒的生长核心，赋予新的晶粒序号，同时将其邻居内的未识别的基体组织元胞转变为新晶粒前沿元胞；
(2)历遍所有的前沿元胞，判断其是否满足晶粒生长停止规则。若不满足，该前沿元胞将转变为当前晶粒元胞，并将其邻居内未识别的基体组织元胞转变为晶粒生长前沿元胞；否则前沿元胞转变为未识别基体组织元胞。循环该步骤直至所有前沿元胞都转变为当前晶粒元胞；
(3)重复(1)和(2)，直至所有基体组织元胞都转变为相应的晶粒元胞；
步骤6，晶界消除，具体过程如下：
(1)历遍所有晶界元胞，计算其邻居内不同晶粒元胞的数目，并将其转变为具有最大数目的晶粒；
(2)重复(1)直至所有晶界元胞都转变为相应的晶粒元胞。
优选地，步骤3(1)中所述的局部自适应阈值法，其局部自适应阈值由目标像素点局部邻域块像素值的高斯加权和确定，局部邻域块的大小NL由晶界元胞厚度NGB确定，NL＝(2NGB+1)2。
优选地，步骤3(2)中所述的临界噪点尺寸Nc1由用户根据过滤后的质量确定，初始默认值为10。
优选地，步骤4(2)中所述的预设临界值Nc2的定义如下：
Nc2＝Nb(1+2Nb)-1。
优选地，步骤5(2)所述的晶粒生长停止规则定义如下：
对于当前前沿元胞2层厚度邻居内已识别的当前晶粒元胞数目Ni，当Ni小于预设的临界值Nc3时，当前前沿元胞将不会转变为当前晶粒元胞。临界值Nc3根据平直晶界特征确定，Nc3＝10。
较之现有技术而言，本发明针对材料真实组织金相图片提出了一种双相多晶材料微结构几何模型程式化建立方法，并且针对组织金相图片中存在的不连续晶界特征提出了一种新的晶粒分离策略。通过本发明方法建立的材料微结构几何模型可以准确有效地反映双相多晶材料微观组织组成相以及晶粒之间的几何拓扑关系。
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，下面描述中的附图是本申请的一些实施例，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。在附图中：
图1为本发明所述方法的流程图。
图2为本发明所述方法的执行过程示例图。
图3是晶界抽取与第二相分离算法示意图。
图4是晶粒识别与晶界消除算法示意图。
具体实施方式
下面结合说明书附图和实施例对本发明内容进行详细说明：
一种基于金相图片的材料微结构几何模型建立方法，实现流程如图1所示，算法执行过程示例如图2所示，初始金相图片输入如图2中(a)所示，最终输出结果如图2中(f)所示，具体包括如下步骤：
步骤1，获取材料微观组织金相图片并将其灰度化，使得图片中任意像素点的像素值为0～1之间的小数，如图2中(b)所示；
步骤2，以图片像素作为正方形元胞，灰度值作为元胞状态变量，将灰度图片转换为相同尺寸的元胞自动机模型，模型中单个正方形元胞的边长由原始金相图片标尺以及图片中标尺长度方向包含的像素数目计算得出：Lc＝Ls/Ns，其中Lc为元胞边长，Ls为金相图片标尺，Ns为标尺沿长度方向所包含的像素数目；
步骤3，阈值化与噪点过滤处理，具体过程如下：
(1)基于金相图片中不同相以及晶界之间的灰度差异，采用局部自适应阈值法将灰度图像二值化，如图2中(c)所示；
(2)设定一个临界噪点尺寸Nc1，当二值化图像中某一像素团内像素点的数目小于Nc1时，判定该像素团为图像噪点，并将其从图像中剔除，如图2中(d)所示。
步骤4，晶界抽取与第二相分离，算法示意图如图3所示，算法执行结果如图2中(e)所示，具体过程如下：
(1)根据晶界在厚度上所占据的最大元胞数确定元胞自动机算法的邻域范围Nb；
(2)对于每一个黑色元胞i，计算其邻居内的黑色元胞数目Ni，若Ni小于预设的临界值Nc2时，当前黑色元胞被判定为晶界，否则为第二相；
步骤5，基体晶粒识别，具体过程如下：
(1)在未识别的基体组织元胞中随机选取一个元胞作为新晶粒的生长核心，赋予新的晶粒序号，同时将其邻居内的未识别的基体组织元胞转变为新晶粒前沿元胞；
(2)历遍所有的前沿元胞，判断其是否满足晶粒生长停止规则。若不满足，该前沿元胞将转变为当前晶粒元胞，并将其邻居内未识别的基体组织元胞转变为晶粒生长前沿元胞；否则前沿元胞转变为未识别基体组织元胞。循环该步骤直至所有前沿元胞都转变为当前晶粒元胞；
(3)重复(1)和(2)，直至所有基体组织元胞都转变为相应的晶粒元胞，如图4中(a)、(b)、(c)和(d)所示；
步骤6，晶界消除，具体过程如下：
(1)历遍所有晶界元胞，计算其邻居内不同晶粒元胞的数目，并将其转变为具有最大数目的晶粒；
(2)重复(1)直至所有晶界元胞都转变为相应的晶粒元胞，如图4中(e)、(f)所示。
优选地，步骤3(1)中所述的局部自适应阈值法，其局部自适应阈值由任意像素点局部邻域块的高斯加权和确定，局部邻域块的大小NL由晶界元胞厚度NGB确定，NL＝(2NGB+1)2。
优选地，步骤3(2)中所述的临界噪点尺寸Nc1由用户根据过滤后的质量确定，初始默认值为10。
优选地，步骤4(2)中所述的预设临界值Nc2的定义如下：
Nc2＝Nb(1+2Nb)-1。
优选地，步骤5(2)所述的晶粒生长停止规则定义如下：
对于当前前沿元胞2层厚度邻居内已识别的当前晶粒元胞数目Ni，当Ni小于预设的临界值Nc3时，当前前沿元胞将不会转变为当前晶粒元胞。临界值Nc3根据平直晶界特征确定，Nc3＝10。
以上所述仅为本发明的优选实施例而已，其并非因此限制本发明的保护范围，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，通过常规的替代或者能够实现相同的功能在不脱离本发明的原理和精神的情况下对这些实施例进行变化、修改、替换、整合和参数变更均落入本发明的保护范围内。

Claims (4)

1.一种基于金相图片的材料微结构几何模型建立方法，其特征在于，所述方法包括如下步骤：
步骤1，获取材料微观组织金相图片并将其灰度化，使得图片中任意像素点的像素值为0～1之间的小数；
步骤2，以图片像素作为正方形元胞，灰度值作为元胞状态变量，将灰度图片转换为相同尺寸的元胞自动机模型，模型中单个正方形元胞的边长由原始金相图片标尺以及图片中标尺长度方向包含的像素数目计算得出：Lc＝Ls/Ns，其中Lc为元胞边长，Ls为金相图片标尺，Ns为标尺沿长度方向所包含的像素数目；
步骤3，阈值化与噪点过滤处理，具体过程如下：
(1)基于金相图片中不同相以及晶界之间的灰度差异，采用局部自适应阈值法将灰度图像二值化；
(2)设定一个临界噪点尺寸Nc1，当二值化图像中某一像素团内像素点的数目小于Nc1时，判定该像素团为图像噪点，并将其从图像中剔除；
步骤4，晶界抽取与第二相分离，具体过程如下：
(1)根据晶界在厚度上所占据的最大元胞数确定元胞自动机算法的邻域范围Nb；
(2)对于每一个黑色元胞i，计算其邻居内的黑色元胞数目Ni，若Ni小于预设的临界值Nc2时，当前黑色元胞被判定为晶界，否则为第二相；
步骤5，基体晶粒识别，具体过程如下：
(1)在未识别的基体组织元胞中随机选取一个元胞作为新晶粒的生长核心，赋予新的晶粒序号，同时将其邻居内的未识别的基体组织元胞转变为新晶粒前沿元胞；
(2)历遍所有的前沿元胞，判断其是否满足晶粒生长停止规则，若不满足，该前沿元胞将转变为当前晶粒元胞，并将其邻居内未识别的基体组织元胞转变为晶粒生长前沿元胞，否则前沿元胞转变为未识别基体组织元胞，循环该步骤直至所有前沿元胞都转变为当前晶粒元胞；其中晶粒生长停止规则定义如下：对于当前前沿元胞2层厚度邻居内已识别的当前晶粒元胞数目Ni，当Ni小于预设的临界值Nc3时，当前前沿元胞将不会转变为当前晶粒元胞，临界值Nc3根据平直晶界特征确定，Nc3＝10；
(3)重复(1)和(2)，直至所有基体组织元胞都转变为相应的晶粒元胞；
步骤6，晶界消除，具体过程如下：
(1)历遍所有晶界元胞，计算其邻居内不同晶粒元胞的数目，并将其转变为具有最大数目的晶粒；
(2)重复(1)直至所有晶界元胞都转变为相应的晶粒元胞。
2.根据权利要求1所述的基于金相图片的材料微结构几何模型建立方法，其特征在于：步骤3(1)中所述的局部自适应阈值法，其局部自适应阈值由目标像素点局部邻域块像素值的高斯加权和确定，局部邻域块的大小NL由晶界元胞厚度NGB确定，NL＝(2NGB+1)2。
3.根据权利要求1所述的基于金相图片的材料微结构几何模型建立方法，其特征在于：步骤3(2)中所述的临界噪点尺寸Nc1由用户根据过滤后的质量确定，初始默认值为10。
4.根据权利要求1-3任一项所述的基于金相图片的材料微结构几何模型建立方法，其特征在于：步骤4(2)中所述的预设临界值Nc2的定义如下：
Nc2＝Nb(1+2Nb)-1。
CN201910415944.8A 2019-05-19 2019-05-19 一种基于金相图片的材料微结构几何模型建立方法 Active CN110110474B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910415944.8A CN110110474B (zh) 2019-05-19 2019-05-19 一种基于金相图片的材料微结构几何模型建立方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910415944.8A CN110110474B (zh) 2019-05-19 2019-05-19 一种基于金相图片的材料微结构几何模型建立方法

Publications (2)

Publication Number Publication Date
CN110110474A CN110110474A (zh) 2019-08-09
CN110110474B true CN110110474B (zh) 2022-04-05

Family

ID=67490922

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910415944.8A Active CN110110474B (zh) 2019-05-19 2019-05-19 一种基于金相图片的材料微结构几何模型建立方法

Country Status (1)

Country Link
CN (1) CN110110474B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112053748B (zh) * 2019-12-03 2022-04-19 苏州科技大学 一种奥氏体化组织演变的双尺度元胞自动机模型模拟方法
CN111738131B (zh) * 2020-06-17 2022-03-04 北京航空航天大学 一种合金两相微结构参数特征提取方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104063902A (zh) * 2014-06-22 2014-09-24 湘潭大学 一种基于材料真实微观组织结构的有限元建模方法
CN105868468A (zh) * 2016-03-28 2016-08-17 南京航空航天大学 一种基于元胞自动机的新型邻居捕获方法
CN107358005A (zh) * 2017-07-24 2017-11-17 哈尔滨工业大学 基于真实微观组织结构sem‑ebsd图像的有限元模型建模方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104063902A (zh) * 2014-06-22 2014-09-24 湘潭大学 一种基于材料真实微观组织结构的有限元建模方法
CN105868468A (zh) * 2016-03-28 2016-08-17 南京航空航天大学 一种基于元胞自动机的新型邻居捕获方法
CN107358005A (zh) * 2017-07-24 2017-11-17 哈尔滨工业大学 基于真实微观组织结构sem‑ebsd图像的有限元模型建模方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Micro-scale cellular automaton modeling of interface evolution during reaustenitization from pearlite structure in steels;Gang Shen等;《Acta Metallurgica Sinica (English Letters)》;20180206;第31卷;第713-722页 *
微观组织演变元胞自动机模拟研究进展;陈飞等;《机械工程学报》;20150228;第51卷(第4期);第30-39页 *

Also Published As

Publication number Publication date
CN110110474A (zh) 2019-08-09

Similar Documents

Publication Publication Date Title
US10970844B2 (en) Image segmentation method and device, computer device and non-volatile storage medium
CN114723681B (zh) 一种基于机器视觉的混凝土裂缝缺陷检测方法
WO2021212913A1 (zh) 一种图像分割方法、装置、设备及介质
CN110110474B (zh) 一种基于金相图片的材料微结构几何模型建立方法
WO2022041865A1 (zh) 基于多背景色统计的自动抠图方法及装置
CN111145209A (zh) 一种医学图像分割方法、装置、设备及存储介质
CN110223305B (zh) 细胞分割方法、装置及可读存储介质
CN109416749B (zh) 一种图像的灰阶分类方法、装置以及可读存储介质
JP2011139366A (ja) 画像処理装置、画像処理方法、及びプログラム
CN110969620A (zh) 一种磁瓦波纹类缺陷的检测方法及装置
CN111383191B (zh) 用于血管断裂修复的图像处理方法及装置
CN111223083A (zh) 表面划痕检测神经网络的构建方法、系统、装置及介质
CN109166092A (zh) 一种图像缺陷检测方法及系统
CN113505702A (zh) 基于双神经网络优化的路面病害识别方法及系统
CN110796624B (zh) 一种图像生成方法、装置及电子设备
CN110544262B (zh) 一种基于机器视觉的子宫颈细胞图像分割方法
CN117094975A (zh) 钢铁表面缺陷检测方法、装置及电子设备
CN111627038A (zh) 一种背景去除方法、装置、设备及可读存储介质
CN109712075B (zh) 一种数字图像数据原图识别方法及装置
CN114219790A (zh) 一种基于边缘信息的钢铁表面缺陷显著性检测方法
CN111914947A (zh) 基于特征融合图像实例分割方法、装置、设备及存储介质
CN108109120B (zh) 一种点阵二维码的光照补偿方法及装置
CN116363064A (zh) 融合目标检测模型和图像分割模型的缺陷识别方法及装置
CN115423765A (zh) 一种基于模板图像的晶粒缺陷量化分割方法
CN110580706A (zh) 一种视频背景模型的提取方法及装置

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