CN111462838B - 一种直接将图像像素转换成有限元单元的方法 - Google Patents

一种直接将图像像素转换成有限元单元的方法 Download PDF

Info

Publication number
CN111462838B
CN111462838B CN202010217947.3A CN202010217947A CN111462838B CN 111462838 B CN111462838 B CN 111462838B CN 202010217947 A CN202010217947 A CN 202010217947A CN 111462838 B CN111462838 B CN 111462838B
Authority
CN
China
Prior art keywords
unit
node
image
finite element
pixel
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
CN202010217947.3A
Other languages
English (en)
Other versions
CN111462838A (zh
Inventor
刘旺玉
谢卫规
党艳萍
吴霖
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.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
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 South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN202010217947.3A priority Critical patent/CN111462838B/zh
Publication of CN111462838A publication Critical patent/CN111462838A/zh
Application granted granted Critical
Publication of CN111462838B publication Critical patent/CN111462838B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16CCOMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C60/00Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20Finite element generation, e.g. wire-frame surface description, tesselation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种直接将图像像素转换成有限元单元的方法,包括步骤:采用扫描电子显微镜获取研究对象的微观图像,并对图像进行图像处理以及进行不同相的划分;将图像的像素点矩阵坐标值转换成二维空间坐标系的点坐标值;将每个像素点定义成一个有限单元并计算其相应的节点坐标,对每个单元与节点坐标分别进行编号;将网格模型中每个单元的材料属性根据其图像像素颜色进行区分,并分别定义好相对应的单元属性;建立特殊相以及各个边界的单元和节点集,便于边界条件的施加与定义。本发明的方法适用于基于图像重建模型的有限元模拟分析,为图像模型有限元模拟领域提供一种直接将像素转换成单元与节点的方法。

Description

一种直接将图像像素转换成有限元单元的方法
技术领域
本发明涉及计算机模拟技术领域,尤其涉及一种直接将图像像素转换成有限元单元的方法。
背景技术
一直以来实验是学术研究者进行材料表征、结构性能测试等科学研究采用的最佳手段。实验带来的数据是直观、客观且可靠的,但是受实验环境、实验边界条件、材料均匀性、样品精度等各方面的因素影响,实验往往存在局限性,实验过程总是不可避免地出现实验误差,并且一些周期过长、重复次数多的实验需要耗费大量时间精力。于是研究者们采用计算机模拟计算来代替一些难以实现的实验以及验证一些难以评判可靠性的实验数据。其中有限元模拟是计算机数值计算的一类有效方法,有限元模拟需要先建立精确的结构模型,并确立符合实际的材料属性,定义精准的边界条件,才能获得有价值的仿真结果。
近年来,随着电子显微镜的发展,材料的微观结构可以由扫描电镜获取清晰的图像,而随着有限元技术的广泛应用,基于图像的微观结构重建模型及其有限元模拟研究正在日益增长。在许多学者的工作中,微观结构模型的重建与有限元模拟往往是区分为两个步骤,其中需要使用三维绘图软件,并且需要借助商用有限元软件进行有限单元模型的网格划分,对整个计算过程带来极大的不便利。于是本发明提供一种直接将图像像素转换成有限元单元的方法。
发明内容
本发明的目的在于克服现有技术的不足,提供一种直接将图像像素转换成有限元单元的方法。本发明可以直接将图像像素转换成有限单元模型,无需多余的软件手动操作,能够高效便捷地得到有限元模型以及完成计算所需要的参数定义,使其应用于有限元模拟计算。
本发明的目的能够通过以下技术方案实现:
一种直接将图像像素转换成有限元单元的方法,包括步骤:
采用扫描电子显微镜(SEM)获取研究对象的微观图像,并对图像进行图像处理以及进行不同相的划分;
将图像的像素点矩阵坐标值转换成二维空间坐标系的点坐标值;
将每个像素点定义成一个有限单元并计算其相应的节点坐标,对每个单元与节点坐标分别进行编号;
将网格模型中每个单元的材料属性根据其图像像素颜色进行区分,并分别定义好相对应的单元属性;
建立特殊相以及各个边界的单元和节点集,便于边界条件的施加与定义。
具体地,所述并对图像进行图像处理以及进行不同相的划分的步骤中,包括:
通过Matlab编程平台将SEM图像读取为RGB三维矩阵;
将SEM图像从彩色RGB图像格式转换成灰度图;
采用默认阈值将灰度图转换成二值图,即分为2个相,前景值为1,背景值为0;若模型包括三个及以上的相,则根据不同相的灰度值情况进行多阈值分割;
采用形态学处理对二值图进行优化,所述优化包括膨胀、开运算和闭运算等处理方法。
具体地,所述将图像的像素点矩阵坐标值转换成二维空间坐标系的点坐标值的步骤中,坐标转换公式为:
Figure BDA0002425069890000031
其中,(x0,y0)为大小为m×n的像素矩阵中某一个像素点(i,j)转换到平面坐标系中的坐标值。
具体地,所述将每个像素点定义成一个有限单元并计算其相应的节点坐标,对每个单元与节点坐标分别进行编号的步骤中,包括:
将每个像素点(i,j)转换成一个平面矩形四节点单元,并且像素点坐标(x0,y0)直接作为单元左下角节点坐标;
每个单元包括4个节点,从左下角开始进行逆时针编号为1~4,以1个像素点单位为节点间隔,则4个节点的坐标值表示为:
Figure BDA0002425069890000032
分别对单元与节点进行编号,并界定好每个单元对应的节点编号,即完成了图像矩阵像素点坐标转换成有限元单元节点坐标。
更进一步地,由于相邻的像素点在转换成相邻单元时会出现节点共享的情况,且节点定义中需要避免重复定义,因此在计算某单元的节点坐标以及对单元与节点的归属关系进行界定时,需要优先判断该单元相邻单元的节点是否已完成定义。
由于像素矩阵的扫描顺序是从左上角像素点开始,并按照从左往右,从上往下的顺序进行逐行扫描,因此节点定义的原则为:
基于扫描转换顺序,不管该单元的上邻与左邻是否已存在单元,右下角节点都未生成,优先根据像素点坐标值定义2号节点坐标值;
如果该单元上邻已有定义单元,即该单元的3号和4号节点坐标可以分别直接提取上邻单元的2号和1号节点坐标;
如果该单元左邻也有已定义单元,则该单元的1号节点坐标直接提取左邻单元的2号节点坐标;否则,则需要根据像素点坐标值定义1号节点的坐标值;
如果该单元上邻没有已定义单元,则需要根据像素点坐标值定义3号节点的坐标值;
如果左邻有已定义单元,则该单元的1号和4号节点坐标可以分别直接提取上邻单元的2号和3号节点坐标;否则,则需要根据像素点坐标值定义1、4号节点的坐标值。
具体地,所述将网格模型中每个单元的材料属性根据其图像像素颜色进行区分,并分别定义好相对应的单元属性的步骤中,包括:
在对SEM图像的灰度图进行图像处理时,对不同材料的区域进行相的区分;
给不同材料的区域赋予不同颜色,分别获取对应的二值图,建立不同相的单元模型;
根据图像中不同颜色对应的材料相对有限元网格模型进行不同材料属性的定义。
本发明相较于现有技术,具有以下的有益效果:
1、本发明提供的像素转换成有限元单元及节点的方法简单且有效,保证了网格连续性。
2、本发明中的有限元模型构建方法可以直接将图像转换成模型,并且不同材料相有对应的材料属性,可应用于多材料体系模型。
3、本发明最终得到的有限元模型可以直接应用于有限元模拟计算,转换步骤清晰、简单,无需第三方商用建模软件与有限元软件的参与,大大提高了计算智能化,有效简化了基于图像重建模型的有限元模拟计算方法。
附图说明
图1是本发明中一种直接将图像像素转换成有限元单元的方法的流程图;
图2是本发明实施例中图像像素转换成单元模型的示意图。
图3是本发明实施例中单元对应的节点编号示意图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例
在本实施例中,如图1所示为一种直接将图像像素转换成有限元单元的方法的流程图,所述方法包括步骤:
(1)采用扫描电子显微镜(SEM)获取研究对象的微观图像,并对图像进行图像处理以及进行不同相的划分,包括步骤:
(1-1)通过Matlab编程平台将SEM图像读取为RGB三维矩阵;
(1-2)将SEM图像从彩色RGB图像格式转换成灰度图SEM-Gray;
(1-3)采用默认阈值将灰度图SEM-Gray转换成二值图,前景值为1,背景值为0;
(1-4)采用形态学处理对二值图进行优化,所述优化包括膨胀、开运算和闭运算等处理方法。
如图2所示为图像像素转换成单元模型的示意图,从图2中可以看出图像在计算机中由像素矩阵组成,放大来看一个面是由点组成的。每个像素点可以转换成一个单元,相对应的每个单元由一定的节点组成。
(2)将图像的像素点矩阵坐标值转换成二维空间坐标系的点坐标值,具体转换公式如下:
Figure BDA0002425069890000061
其中,(x0,y0)为大小为m×n的像素矩阵中某一个像素点(i,j)转换到平面坐标系中的坐标值。
(3)将每个像素点定义成一个有限单元并计算其相应的节点坐标,对每个单元与节点坐标分别进行编号,包括步骤:
(3-1)将像素点Pn(i,j)转换成一个平面矩形四节点单元n,并且像素点坐标(x0,y0)直接作为单元左下角节点坐标;
(3-2)单元n包括4个节点,从左下角开始进行逆时针编号1~4,具体编号如图3所示,以1个单位为节点间隔,即4个节点的坐标值如下:
Figure BDA0002425069890000062
(3-3)分别对单元与节点进行编号,并界定好每个单元对应的节点编号,即完成了图像矩阵像素点坐标转换成有限元单元节点坐标。
更进一步地,由于相邻的像素点在转换成相邻单元时会出现节点共享的情况,且节点定义中需要避免重复定义,因此在计算某单元的节点坐标以及对单元与节点的归属关系进行界定时,需要优先判断该单元相邻单元的节点是否已完成定义。
由于像素矩阵的扫描顺序是从左上角像素点开始,并按照从左往右,从上往下的顺序进行逐行扫描,因此节点定义的原则为:
基于扫描转换顺序,不管该单元的上邻与左邻是否已存在单元,右下角节点都未生成,优先根据像素点坐标值定义2号节点坐标值;
如果该单元上邻已有定义单元,即该单元的3号和4号节点坐标可以分别直接提取上邻单元的2号和1号节点坐标;
如果该单元左邻也有已定义单元,则该单元的1号节点坐标直接提取左邻单元的2号节点坐标;否则,则需要根据像素点坐标值定义1号节点的坐标值;
如果该单元上邻没有已定义单元,则需要根据像素点坐标值定义3号节点的坐标值;
如果左邻有已定义单元,则该单元的1号和4号节点坐标可以分别直接提取上邻单元的2号和3号节点坐标;否则,则需要根据像素点坐标值定义1、4号节点的坐标值。
(4)网格模型中每个单元的材料属性根据其图像像素颜色进行区分,分别定义好相对应的单元属性,包括步骤:
(4-1)在对SEM图像的灰度图进行图像处理时,对不同材料的区域进行相的区分;
(4-2)给不同材料的区域赋予不同颜色,分别获取对应的二值图,建立不同相的单元模型;
(4-3)根据图像中不同颜色对应的材料相对有限元网格模型进行不同材料属性的定义。
(5)建立特殊相以及各个边界的单元、节点集,便于边界条件的施加与定义。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。

Claims (3)

1.一种直接将图像像素转换成有限元单元的方法,其特征在于,包括步骤:
采用扫描电子显微镜获取研究对象的微观图像,并对图像进行图像处理以及进行不同相的划分;
所述并对图像进行图像处理以及进行不同相的划分的步骤中,包括:
通过Matlab编程平台将SEM图像读取为RGB三维矩阵;
将SEM图像从彩色RGB图像格式转换成灰度图;
采用默认阈值将灰度图转换成二值图,前景值为1,背景值为0;
采用形态学处理对二值图进行优化;
将图像的像素点矩阵坐标值转换成二维空间坐标系的点坐标值;
所述将图像的像素点矩阵坐标值转换成二维空间坐标系的点坐标值的步骤中,坐标转换公式为:
Figure FDA0004058096160000011
其中,(x0,y0)为大小为m×n的像素矩阵中某一个像素点(i,j)转换到平面坐标系中的坐标值;
将每个像素点定义成一个有限单元并计算其相应的节点坐标,对每个单元与节点坐标分别进行编号;
所述将每个像素点定义成一个有限单元并计算其相应的节点坐标,对每个单元与节点坐标分别进行编号的步骤中,包括:
将每个像素点(i,j)转换成一个平面矩形四节点单元,并且像素点坐标(x0,y0)直接作为单元左下角节点坐标;
每个单元包括4个节点,从左下角开始进行逆时针编号为1~4,以1个单位为节点间隔,则4个节点的坐标值表示为:
Figure FDA0004058096160000021
分别对单元与节点进行编号,并界定好每个单元对应的节点编号,即完成了图像矩阵像素点坐标转换成有限元单元节点坐标;
将有限元网格模型中每个单元的材料属性根据其图像像素颜色进行区分,并分别定义好相对应的单元属性;
所述将网格模型中每个单元的材料属性根据其图像像素颜色进行区分,并分别定义好相对应的单元属性的步骤中,包括:
在对SEM图像的灰度图进行图像处理时,对不同材料的区域进行相的区分;
给不同材料的区域赋予不同颜色,分别获取对应的二值图,建立不同相的单元模型;
根据图像中不同颜色对应的材料相对有限元网格模型进行不同材料属性的定义;
建立特殊相以及各个边界的单元和节点集。
2.根据权利要求1所述的方法,其特征在于,由于相邻的像素点在转换成相邻单元时会出现节点共享的情况,且节点定义中需要避免重复定义,因此在计算某单元的节点坐标以及对单元与节点的归属关系进行界定时,需要优先判断该单元相邻单元的节点是否已完成定义。
3.根据权利要求2所述的方法,其特征在于,由于像素矩阵的扫描顺序是从左上角像素点开始,并按照从左往右,从上往下的顺序进行逐行扫描,因此节点定义的原则为:
基于扫描转换顺序,不管该单元的上邻与左邻是否已存在单元,右下角节点都未生成,优先根据像素点坐标值定义2号节点坐标值;
如果该单元上邻已有定义单元,即该单元的3号和4号节点坐标可以分别直接提取上邻单元的2号和1号节点坐标;
如果该单元左邻也有已定义单元,则该单元的1号节点坐标直接提取左邻单元的2号节点坐标;否则,则需要根据像素点坐标值定义1号节点的坐标值;
如果该单元上邻没有已定义单元,则需要根据像素点坐标值定义3号节点的坐标值;
如果左邻有已定义单元,则该单元的1号和4号节点坐标可以分别直接提取上邻单元的2号和3号节点坐标;否则,则需要根据像素点坐标值定义1、4号节点的坐标值。
CN202010217947.3A 2020-03-25 2020-03-25 一种直接将图像像素转换成有限元单元的方法 Active CN111462838B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010217947.3A CN111462838B (zh) 2020-03-25 2020-03-25 一种直接将图像像素转换成有限元单元的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010217947.3A CN111462838B (zh) 2020-03-25 2020-03-25 一种直接将图像像素转换成有限元单元的方法

Publications (2)

Publication Number Publication Date
CN111462838A CN111462838A (zh) 2020-07-28
CN111462838B true CN111462838B (zh) 2023-04-21

Family

ID=71683183

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010217947.3A Active CN111462838B (zh) 2020-03-25 2020-03-25 一种直接将图像像素转换成有限元单元的方法

Country Status (1)

Country Link
CN (1) CN111462838B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112487575B (zh) * 2020-11-25 2023-06-06 南京航空航天大学 双转子系统高压转子及低压转子连接节点的检查方法
CN113536617B (zh) * 2021-03-31 2024-04-02 长安大学 一种复杂结构的精细有限元模型快速生成方法
CN113779823B (zh) * 2021-08-20 2024-01-02 桂林电子科技大学 基于微观组织图像三角形网格划分的有限元建模方法
CN117648846B (zh) * 2024-01-30 2024-04-26 中国空气动力研究与发展中心计算空气动力研究所 一种用于复合材料性能预测建模的图像样本生成方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102236737A (zh) * 2011-07-14 2011-11-09 西安交通大学 一种基于序列图像的多相材料细观构造有限元重构方法
CN106446421A (zh) * 2016-09-28 2017-02-22 桂林电子科技大学 一种基于图像识别的快速有限元建模和求解分析方法
CN107766640A (zh) * 2017-10-16 2018-03-06 北京理工大学 考虑微观组织界面的颗粒增强复合材料有限元建模方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102236737A (zh) * 2011-07-14 2011-11-09 西安交通大学 一种基于序列图像的多相材料细观构造有限元重构方法
CN106446421A (zh) * 2016-09-28 2017-02-22 桂林电子科技大学 一种基于图像识别的快速有限元建模和求解分析方法
CN107766640A (zh) * 2017-10-16 2018-03-06 北京理工大学 考虑微观组织界面的颗粒增强复合材料有限元建模方法

Also Published As

Publication number Publication date
CN111462838A (zh) 2020-07-28

Similar Documents

Publication Publication Date Title
CN111462838B (zh) 一种直接将图像像素转换成有限元单元的方法
CN105261068A (zh) 基于Micro-CT技术的储层岩心三维实体模型重构方法
TWI773063B (zh) 圖像產生系統及圖像產生方法
CN111784840B (zh) 基于矢量数据自动分割lod层级三维数据单体化方法及系统
CN112069704B (zh) 真实混凝土试件的多自由度格构模型的构建方法
CN110688756B (zh) 一种采集和制图一体化的竣工图制作方法
CN114219819A (zh) 基于正射影像边界检测的倾斜摄影模型单体化方法
CN115423978A (zh) 用于建筑物重建的基于深度学习的图像激光数据融合方法
CN113609736B (zh) 一种基于孔裂隙结构数字图像的数值计算模型构建方法
CN116756836B (zh) 一种隧道超欠挖体积计算方法、电子设备及存储介质
CN115186347B (zh) 户型平面图与倾斜模型相结合的建筑物CityGML建模方法
CN105550682B (zh) 钟鼎碑刻拓印方法
CN117708904A (zh) 面向半导体数值模拟的混合单元网格生成方法
CN109727255B (zh) 一种建筑物三维模型分割方法
CN111462837B (zh) 一种面向图像模型的abaqus有限元计算Input文件自动生成方法
CN105957027B (zh) 一种基于所需方向结构特征统计的mrf样本块图像修复方法
CN110162903B (zh) 一种基于格网并行的城市建筑迎风面密度计算方法及系统
CN109190255B (zh) 一种面向城市三维产权空间立体重构方法
CN114842356B (zh) 一种高分辨率地表类型样本自动生成方法、系统及设备
CN116051771A (zh) 一种基于无人机倾斜摄影模型的光伏bim屋顶自动建模方法
CN106909720B (zh) 一种有限元节点坐标快速提取方法
CN113298784B (zh) 基于视角的骨折线提取映射方法
CN113255499B (zh) 一种变电站电缆二次回路数字化自动建模方法
CN114359701A (zh) 一种基于深度学习的山顶点识别算法
CN114020857A (zh) 一种土地调查用快速建库方法及系统

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