CN111932498B - 无规则形状颗粒堆积体系中接触数定量表征方法 - Google Patents
无规则形状颗粒堆积体系中接触数定量表征方法 Download PDFInfo
- Publication number
- CN111932498B CN111932498B CN202010655419.6A CN202010655419A CN111932498B CN 111932498 B CN111932498 B CN 111932498B CN 202010655419 A CN202010655419 A CN 202010655419A CN 111932498 B CN111932498 B CN 111932498B
- Authority
- CN
- China
- Prior art keywords
- particle
- particles
- dimensional
- image
- contact
- 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
- 239000002245 particle Substances 0.000 title claims abstract description 181
- 238000009825 accumulation Methods 0.000 title claims abstract description 16
- 238000012512 characterization method Methods 0.000 title abstract description 9
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000012800 visualization Methods 0.000 claims abstract description 15
- 238000002591 computed tomography Methods 0.000 claims abstract description 10
- 230000011218 segmentation Effects 0.000 claims description 19
- 238000012856 packing Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 11
- 239000000463 material Substances 0.000 claims description 10
- 230000009467 reduction Effects 0.000 claims description 7
- 239000008187 granular material Substances 0.000 claims description 6
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 5
- 238000004445 quantitative analysis Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 238000005520 cutting process Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000001788 irregular Effects 0.000 claims description 3
- 229920003229 poly(methyl methacrylate) Polymers 0.000 claims description 3
- 239000004926 polymethyl methacrylate Substances 0.000 claims description 3
- 238000007789 sealing Methods 0.000 claims description 2
- 239000000377 silicon dioxide Substances 0.000 claims description 2
- 235000012239 silicon dioxide Nutrition 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 5
- 238000003709 image segmentation Methods 0.000 abstract description 4
- 230000008859 change Effects 0.000 abstract description 2
- 238000000605 extraction Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 8
- 238000009826 distribution Methods 0.000 description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 238000002474 experimental method Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000011065 in-situ storage Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 239000011236 particulate material Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000012798 spherical particle Substances 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T2207/10116—X-ray image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20152—Watershed segmentation
-
- 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
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明涉及无规则形状颗粒堆积体系中接触数定量表征方法,包括颗粒填充、CT扫描、图像重构及增强、三维可视化、图像二值化、填实颗粒孔洞、图像分割、连接区域提取、判断接触。采用本方法表征不同密度堆积体内接触数量的变化,不仅计算准确,误差小,而且可以应用于任何形状粒子堆积体系中。
Description
技术领域
本发明涉及颗粒堆积体系中接触数定量表征方法。
背景技术
颗粒材料是复杂的颗粒无序堆积的系统,在自然界、工程建设和工业生产中广泛存在,比如碎屑流灾害、堆石坝、流化床以及球床反应堆等。随机堆积体系作为球形体系的扩展,表现出更复杂的性质,由于颗粒更类似于自然界中普遍存在的非规则颗粒,因此其研究具有重要的实用价值。而在研究颗粒堆积的问题中,每个颗粒的接触数是非常重要的参数。接触个数的计算过程不仅能得到每个颗粒的邻居颗粒的信息,而且由接触形成的接触网络对于研究颗粒堆积的拓扑学特征及力的传递有重大贡献,因为任何力路径或任何无穷小的局部位移都必须通过颗粒的接触网络从颗粒机械地传播到颗粒。因此,接触数的定量表征是十分必要的。而在以往的研究中,研究整个堆积体系的接触网络,大部分都集中在球形颗粒的堆积结构中,而对形状更加复杂的粒子的堆积体系中,专门对其接触数的定量研究,少之又少。尤其是这些堆积结构中的颗粒形状复杂,对其进行定量表征十分困难,阻碍了这方面的研究进展。所以对复杂形状粒子堆积体内接触数的定量分析和研究,具有十分重要的意义。
在现有的颗粒堆积的物理实验中,很难对三维体系内部颗粒的接触数进行定量分析,这是由颗粒形状的复杂性及不可预测性所致。虽然在一些实验研究中,人们也提出的对粒子堆积体内接触数的计算,但整个过程采用的是接触数标度函数拟合或者是计算颗粒一定范围内出现的颗粒数来计算,结果与实际相差很大。更重要的是,它无法对无规则形状粒子堆积体内接触数进行定量表征。
接触数是指每个颗粒几何接触的近邻颗粒数目。由于分辨率的原因,接触信息难以直接从实验中给出。一般采用一种接触数标度函数拟合的方法来给出颗粒的接触信息。
发明内容
本发明的目的在于提供一种针对不同形状粒子在重力作用下形成的初始疏松堆积及在施加外部机械载荷条件下形成的致密堆积体内的接触数量进行定量表征。
为了实现上述目的,本发明采用的技术方案是无规则形状颗粒堆积体系中接触数定量表征方法,包括以下步骤:
获取不同载荷下填充进容器中颗粒堆砌体的衬度图后重构得到二维有序切片图并进行三维可视化得到三维图像;获取衬度图可以采用原位CT获得;
对所述的三维图像二值化得到颗粒相的二值图像;
对所述的颗粒相的二值图像进行算法分割使相互连接的颗粒划分成一个个独立的单个颗粒集并进行三维量化分析,使每个颗粒在三维坐标下皆有各自对应的编号;
获取在分割算法中被去除的连接子集,并对每一个连接区进行编号;
将分割后的单个颗粒集腐蚀一层像素得到腐蚀后的单个颗粒集,获取被腐蚀掉的各个颗粒的最外层像素集;
将所述连接子集膨胀一层像素得到膨胀后的连接子集,获取膨胀后的各连接区的最外层像素集;
根据膨胀掉的各连接区的最外层像素集与腐蚀掉的各颗粒的最外层像素集,通过预设程序分析得到在三维空间坐标系下的每个颗粒的最外层像素坐标点集及每个连接子集的最外层像素坐标集;
对任意两个颗粒之间的一个连接区,根据是否与单个颗粒集有相同像素坐标,筛选与该连接区相接触的两个颗粒;遍历所有的连接区,将所有与其中一个颗粒相接触的所有颗粒的编号进行查重,去掉重复编号后即可统计出与该颗粒相互接触的颗粒个数。
采用本方法表征不同密度堆积体内接触数量的变化,不仅计算准确,误差小,而且可以应用于任何形状粒子堆积体系中。
进一步地是,具体包括以下步骤:
S1、将颗粒物料置入容器中;
S2、获取颗粒物料置入容器后的不同载荷下的衬度图后进行重构得到二维有序切片图并进行三维可视化得到三维图像;
S3、对得到的三维图像进行阈值处理,得到颗粒相的二值化图像;
S4、对所述颗粒相的二值图像进行算法分割使相互连接的颗粒划分成一个个独立的单个颗粒像素集G1并进行三维量化分析,使每个颗粒在三维坐标下皆有各自对应的编号;因为根据阈值首先得到的是一个颗粒相的整体(颗粒之间是连接在一起的),对图像进行分割是指颗粒与颗粒的分离过程;
S5、将分割前的颗粒相像素集与分割后的颗粒相像素集相减,得到连接子集C1;
S6、进行判断接触操作,包括:
将所述G1按6邻域接触准则腐蚀一层像素得到G2;
将所述G1减去G2得到颗粒的最外层像素集G3;
将所述C1按6邻域接触准则膨胀一层像素得到C2;
将所述C2减去C1得到颗粒与颗粒之间的连接区经膨胀一层后的最外层像素集C3;
这样即在不改变位置和形状的前提下使G3和C3有相同像素坐标点,又能提高计算效率;前述的连接区子集是指颗粒与颗粒接触的一小块区域;
S7、经matlab分析得到在三维空间坐标系下每个颗粒的像素坐标点集及每个连接子集的像素坐标集;
S8、对第i个两颗粒之间的连接区,根据是否与颗粒有相同像素坐标筛选与该连接区相接触的第j1和j2个颗粒;遍历所有连接区,将所有与j1相接触的第j2、j3、j4.....个颗粒的编号放至同一列表,去掉重复编号后统计与j1相接触的颗粒个数。因为对于每个内部的连接区与它接触的都是两个颗粒,所以这里只筛选第j1和j2个单个颗粒集即可。
进一步地是,对得到的衬度图进行处理,得到颗粒相的二值化图像包括:
对不同载荷下颗粒堆积的衬度图进行重构包括降噪、去除环状伪影处理;
将降噪、去除环状伪影处理完后的切片图导入三维可视化软件中,在生成的灰度直方图中设定一个阈值,该阈值为灰度直方图中两波峰之间的峰谷处的数值;
对降噪、去除环状伪影处理的反向阈值得到空气相,然后对空气相做分割处理,得到颗粒内部包含的空气相,再加回颗粒相即填实颗粒内部孔洞,目的是提高后续的分割质量。
分割算法采用分水岭算法。
进一步地是,所述三维可视化软件采用Avizo软件。
进一步地是,获取颗粒物料置入容器后的不同载荷下的衬度图后进行重构得到二维有序切片图并进行三维可视化得到三维图像包括以下步骤:
对置于容器中的颗粒物料进行CT扫描得到初始样品颗粒衬度图进行重构并进行三维可视化操作;其中CT扫描设备的参数为X射线光子的能量24.9keV,试样到闪烁体的距离为60mm,像素的分辨率为0.87μm。
对颗粒物料施加载荷并对施加载荷后的颗粒物料进行CT扫描,得到不同载荷下颗粒堆积的衬度图进行重构并进行三维可视化操作。
进一步地是,将颗粒物料置入容器中具体为将直径90-100um的无规则形状二氧化硅颗粒倒入封底PMMA圆柱容器内,颗粒形成高度2-2.5mm。
进一步地是,获取颗粒物料置入容器后的不同载荷下的衬度图进行重构并进行三维可视化操作中,施加载荷时采用一个活塞压头在顶部将容器口封闭,利用微型拉伸机对样品施加载荷。
下面结合附图和具体实施方式对本发明做进一步的说明。本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显。或通过本发明的实践了解到。
附图说明
构成本发明的一部分的附图用来辅助对本发明的理解,附图中所提供的内容及其在本发明中有关的说明可用于解释本发明,但不构成对本发明的不当限定。在附图中:
图1为用于说明实施方式中颗粒填充加载前的初始堆积和加载后的致密堆积;
图2为用于说明实施方式中灰度分布histogram图;
图3为用于说明实施方式中提取得到的颗粒相即分割后的单个颗粒集G1;
图4为用于说明实施方式中将G1减去G2得到颗粒的最外层像素集G3;
图5为用于说明实施方式中将前的颗粒相与后的颗粒相相减得到连接子集C1;
图6为用于说明实施方式中将C2减去C1得到颗粒与颗粒之间的连接区经膨胀一层后的最外层像素集C3;
图7为用于说明实施方式中接触个数统计分布图。
具体实施方式
下面结合附图对本发明进行清楚、完整的说明。本领域普通技术人员在基于这些说明的情况下将能够实现本发明。在结合附图对本发明进行说明前,需要特别指出的是:
本发明中在包括下述说明在内的各部分中所提供的技术方案和技术特征,在不冲突的情况下,这些技术方案和技术特征可以相互组合。
此外,下述说明中涉及到的本发明的实施例通常仅是本发明一分部的实施例,而不是全部的实施例。因此,基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
关于本发明中术语和单位。本发明的说明书和权利要求书及有关的部分中的术语“包括”以及它的任何变形,意图在于覆盖不排他的包含。
如图1-7,无规则形状颗粒堆积体系中接触数定量表征方法,包括颗粒填充、CT扫描、图像重构及增强、三维可视化、图像二值化、填实颗粒孔洞、图像分割、连接区域提取、判断接触。
具体操作举例:
颗粒填充:将直径100um左右的非球形二氧化硅颗粒倒入内径2mm的封底PMMA圆柱容器内,颗粒形成高度约2.5mm(包含成千个颗粒),并用一个直径略小于容器内径的活塞压头在顶部将容器口封闭,与活塞压头相连接的是自制微型拉伸机用于施加载荷。
CT扫描:初始样品颗粒仅受重力作用,载荷为0,将填充好颗粒的容器置于电动旋转台上,在旋转同时通过高分辨率X射线源照射及相机拍摄得到衬度图,然后对衬度图进行重构。随后通过微型拉伸机进行原位压缩实验,对样品施加一定载荷后重复该步骤,得到不同载荷下(即不同堆积密度)颗粒堆积的衬度图。其中CT扫描设备的参数为X射线光子的能量24.9keV,试样到闪烁体的距离为60mm,像素的分辨率为0.87μm。
成像原理:在CT成像中物体对X线的吸收起主要作用,在一均匀物体中,X线的衰减服从指数规律。由于颗粒相和空气相的密度不同所以对X线的吸收程度不同,以此来区分两相。CT图像的本质是衰减系数μ成像。通过计算机对获取的投影值进行一定的算法处理,可求解出各个体素的衰减系数值,获得衰减系数值的二维分布(衰减系数矩阵)。再按CT值的定义,把各个体素的衰减系数值转换为对应像素的CT值,得到CT值的二维分布(CT值矩阵)。然后,图像面上各像素的CT值转换为灰度,就得到图像面上的灰度分布,此灰度分布就是CT影像。
图像重构及增强:通过TomoPy开源软件对CT衬度图进行重构的同时增强图像质量,包括降噪和去除环状伪影,得到二维有序切片图。
三维可视化:将处理后的切片图导入Avizo软件,构建三维图像。
图像二值化:选取阈值将图像二值化,根据灰度分布histogram图确定一个阈值,该值位于两峰之间的峰谷处,此处该值为0.00016,该阈值可以很好的区分空气相和颗粒相,得到我们想要的颗粒相。
填实颗粒孔洞:由于实验采用的颗粒内部含有孔洞,分割前需要填补,该步骤的目的是减少下一步分割产生的误差;具体方法为对空气相阈值后采用分水岭算法分割,提取颗粒内部的孔洞并加回颗粒。
图像分割:通过Avizo分割(separate)工具,选取合适参数,得到分割后的单个颗粒集G1并编号标记,其核心算法是分水岭算法。
分水岭算法:图像的灰度空间很像地球表面的整个地理结构,每个像素的灰度值代表高度。其中的灰度值较大的像素连成的线可以看做山脊,也就是分水岭。其中的水就是用于二值化的gray threshold level,二值化阈值可以理解为水平面,比水平面低的区域会被淹没,刚开始用水填充每个孤立的山谷(局部最小值)。当水平面上升到一定高度时,水就会溢出当前山谷,可以通过在分水岭上修大坝,从而避免两个山谷的水汇集,这样图像就被分成2个像素集,一个是被水淹没的山谷像素集,一个是分水岭线像素集。最终这些大坝形成的线就对整个图像进行了分区,实现对图像的分割。
连接区域提取:分水岭切割前相互接触的颗粒是粘连在一起的,切割后颗粒分离,连接区域会消失,因此切割前后相减即可得到连接区子集C1,并编号标记。
判断接触:
将G1按6邻域接触准则腐蚀(erosion)一层像素得到G2,再G1减去G2得到颗粒的最外层像素集G3;目的是减少数据集的大小以提高计算效率;
将C1按6邻域接触准则膨胀(dilation)一层像素得到C2,再C2减去C1得到连接区子集经膨胀一层后的最外层像素集C3;目的是不改变位置和形状的前提下使G3和C3有相同像素坐标点;
经matlab分析得到每个颗粒的像素坐标点集及每个连接区的像素坐标集;
循环遍历:对第i个两颗粒之间的连接区,根据是否与颗粒有相同像素坐标筛选与该连接区相接触的第j1和j2个颗粒;遍历所有连接区,将所有与j1相接触的第j2、j3、j4.....个颗粒的编号放至同一列表,去掉重复编号后统计与j1相接触的颗粒个数。这里的颗粒即指图3的G1,具体指已经分离好的单个颗粒的最外层像素集合。这里的连接区就是指颗粒与颗粒接触的一小块区域(颗粒相连的桥梁,如图5的C1)。
关于6邻域接触准则。一幅图像经过取样和量化之后就可以得到数字图像。数字图像在存储时,都是由单一的像素保存在存储设备中。像素保存顺序是与像素在数字图片中原本所处在的物理位置相关,那么就要了解像素之间的一些基本关系。在大多数的数字图像处理中,像素之间在运算时都是要发生关系的,这是因为多个像素构成了图像中的一个对象。图像是由像素的形式来保存的。在一个平面中。位于坐标(x,y)处的像素p,在水平和垂直方向分别有两个像素与其相邻,对应坐标为:
(x+1,y),(x-1,y),(x,y+1),(x,y-1)
这一组像素称为像素p的4邻域,即4邻域接触。
对于同样的像素p,在其对角方向有4个像素与其相邻,对应坐标为:
(x-1,y-1),(x-1,y+1),(x+1,y-1),(x+1,y+1);
上面的8个坐标点,构成了像素p的8邻域,即8邻域接触。
当二维平面扩展成三维空间,平面像素扩展为体像素,表现为正方体,与某一体像素以面接触的邻域像素为6个,即6邻域接触准则。除此之外,三维空间还包括18邻域接触准则(6个面接触邻域加上12条线接触邻域)及26邻域接触准则(6个面接触邻域加12条线接触邻域加8个顶点接触邻域)。
对得到的接触个数进行统计分布,如图7所示,结果显示随着加载的进行,颗粒填充的密度增大(由60.99%增大至63.42%),其接触个数也明显向更多的方向偏移,平均接触个数由6.2增大为6.5。
利用x射线层析成像的数据,我们可以较精确地得到颗粒的位置信息及构成颗粒的像素坐标,其精度为0.87um/pixel,以此为基础对无规则形状颗粒堆积体系中接触数进行定量表征。
以上对本发明的有关内容进行了说明。本领域普通技术人员在基于这些说明的情况下将能够实现本发明。基于本发明的上述内容,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
Claims (6)
1.无规则形状颗粒堆积体系中接触数定量表征方法,其特征在于,包括以下步骤:
获取不同载荷下填充进容器中颗粒堆砌体的衬度图后重构得到二维有序切片图并进行三维可视化得到三维图像;
对所述的三维图像二值化得到颗粒相的二值图像;
对所述的颗粒相的二值图像进行算法分割使相互连接的颗粒划分成一个个独立的单个颗粒集并进行三维量化分析,使每个颗粒在三维坐标下皆有各自对应的编号;
获取在分割算法中被去除的连接子集,并对每一个连接区进行编号;
将分割后的单个颗粒集腐蚀一层像素得到腐蚀后的单个颗粒集,获取被腐蚀掉的各个颗粒的最外层像素集;
将所述连接子集膨胀一层像素得到膨胀后的连接子集,获取膨胀后的各连接区的最外层像素集;
根据膨胀掉的各连接区的最外层像素集与腐蚀掉的各颗粒的最外层像素集,通过预设程序分析得到在三维空间坐标系下的每个颗粒的最外层像素坐标点集及每个连接子集的最外层像素坐标集;
对任意两个颗粒之间的一个连接区,根据是否与单个颗粒集有相同像素坐标,筛选与该连接区相接触的两个颗粒;遍历所有的连接区,将所有与其中一个颗粒相接触的所有颗粒的编号进行查重,去掉重复编号后即可统计出与该颗粒相互接触的颗粒个数;
具体包括以下步骤:
S1、将颗粒物料置入容器中;
S2、获取颗粒物料置入容器后的不同载荷下的衬度图后进行重构得到二维有序切片图并进行三维可视化得到三维图像;
S3、对得到的三维图像进行阈值处理,得到颗粒相的二值化图像;
S4、对所述颗粒相的二值图像进行算法分割使相互连接的颗粒划分成一个个独立的单个颗粒像素集G1并进行三维量化分析,使每个颗粒在三维坐标下皆有各自对应的编号;
S5、将分割前的颗粒相像素集与切割后的颗粒相像素集相减,得到连接子集C1;
S6、进行判断接触操作,包括:
将所述G1按6邻域接触准则腐蚀一层像素得到G2;
将所述G1减去G2得到颗粒的最外层像素集G3;
将所述C1按6邻域接触准则膨胀一层像素得到C2;
将所述C2减去C1得到颗粒与颗粒之间的连接区经膨胀一层后的最外层像素集C3;
S7、经matlab分析得到在三维空间坐标系下每个颗粒的像素坐标点集及每个连接子集的像素坐标集;
S8、对第i个两颗粒之间的连接区,根据是否与颗粒有相同像素坐标筛选与该连接区相接触的第j1和j2个颗粒;遍历所有连接区,将所有与j1相接触的第j2、j3、j4.....个颗粒的编号放至同一列表,去掉重复编号后统计与j1相接触的颗粒个数。
2.如权利要求1所述的无规则形状颗粒堆积体系中接触数定量表征方法,其特征在于:对得到的衬度图进行处理,得到颗粒相的二值化图像包括:
对不同载荷下颗粒堆积的衬度图进行重构包括降噪、去除环状伪影处理;
将降噪、去除环状伪影处理完后的切片图导入三维可视化软件中,在生成的灰度直方图中设定一个阈值,该阈值为灰度直方图中两波峰之间的峰谷处的数值;
对经过降噪、去除环状伪影处理的切片图反向阈值得到空气相,然后对空气相做切割处理,得到颗粒内部包含的空气相,再加回颗粒相即填实颗粒内部孔洞,目的是提高后续的分割质量;
分割算法采用分水岭算法。
3.如权利要求2所述的无规则形状颗粒堆积体系中接触数定量表征方法,其特征在于:
所述三维可视化软件采用Avizo软件。
4.如权利要求1所述的无规则形状颗粒堆积体系中接触数定量表征方法,其特征在于:获取颗粒物料置入容器后的不同载荷下的衬度图后进行重构得到二维有序切片图并进行三维可视化得到三维图像包括以下步骤:
对置于容器中的颗粒物料进行CT扫描得到初始样品颗粒衬度图进行重构并进行三维可视化操作;其中CT扫描设备的参数为X射线光子的能量24.9keV,试样到闪烁体的距离为60mm,像素的分辨率为0.87μm;
对颗粒物料施加载荷并对施加载荷后的颗粒物料进行CT扫描,得到不同载荷下颗粒堆积的衬度图进行重构并进行三维可视化操作。
5.如权利要求1所述的无规则形状颗粒堆积体系中接触数定量表征方法,其特征在于:
将颗粒物料置入容器中具体为将直径90-100um的无规则形状二氧化硅颗粒倒入封底PMMA圆柱容器内,颗粒形成高度2-2.5mm。
6.如权利要求1所述的无规则形状颗粒堆积体系中接触数定量表征方法,其特征在于:
获取颗粒物料置入容器后的不同载荷下的衬度图进行重构并进行三维可视化操作中,施加载荷时采用一个活塞压头在顶部将容器口封闭,利用微型拉伸机对样品施加载荷。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010655419.6A CN111932498B (zh) | 2020-07-09 | 2020-07-09 | 无规则形状颗粒堆积体系中接触数定量表征方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010655419.6A CN111932498B (zh) | 2020-07-09 | 2020-07-09 | 无规则形状颗粒堆积体系中接触数定量表征方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111932498A CN111932498A (zh) | 2020-11-13 |
CN111932498B true CN111932498B (zh) | 2022-06-24 |
Family
ID=73312732
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010655419.6A Active CN111932498B (zh) | 2020-07-09 | 2020-07-09 | 无规则形状颗粒堆积体系中接触数定量表征方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111932498B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112668230A (zh) * | 2021-03-18 | 2021-04-16 | 西南交通大学 | Ct三维图像转化为可做有限元模拟模型的方法 |
CN113447502A (zh) * | 2021-06-25 | 2021-09-28 | 河南工业大学 | 一种粮食杂质含量的检测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102239402A (zh) * | 2008-11-04 | 2011-11-09 | 贝克曼考尔特公司 | 用于颗粒分析的非线性的直方图分割 |
CN103377307A (zh) * | 2012-04-16 | 2013-10-30 | 利弗莫尔软件技术公司 | 用于形成包含堆积在任意形状的体积中的多分散球形颗粒的计算机化模型的方法和系统 |
KR101371663B1 (ko) * | 2012-09-03 | 2014-03-12 | 창원대학교 산학협력단 | 입자의 정량적 측정방법 및 그 장치 |
CN103985112A (zh) * | 2014-03-05 | 2014-08-13 | 西安电子科技大学 | 基于改进多目标粒子群优化聚类的图像分割方法 |
CN106855951A (zh) * | 2016-12-16 | 2017-06-16 | 陕西科技大学 | 一种基于计算机视觉的粮种品质检测方法 |
CN108387500A (zh) * | 2018-03-06 | 2018-08-10 | 东北大学 | 一种对非球形颗粒堆积体系中局部孔隙结构定量表征的方法 |
CN110264463A (zh) * | 2019-06-25 | 2019-09-20 | 北京实验工厂有限责任公司 | 一种基于matlab图像处理的物料清点方法 |
CN110929430A (zh) * | 2019-12-31 | 2020-03-27 | 浙江交通职业技术学院 | 柴油机颗粒捕集器中随机填充碳化硅颗粒的模量计算方法 |
-
2020
- 2020-07-09 CN CN202010655419.6A patent/CN111932498B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102239402A (zh) * | 2008-11-04 | 2011-11-09 | 贝克曼考尔特公司 | 用于颗粒分析的非线性的直方图分割 |
CN103377307A (zh) * | 2012-04-16 | 2013-10-30 | 利弗莫尔软件技术公司 | 用于形成包含堆积在任意形状的体积中的多分散球形颗粒的计算机化模型的方法和系统 |
KR101371663B1 (ko) * | 2012-09-03 | 2014-03-12 | 창원대학교 산학협력단 | 입자의 정량적 측정방법 및 그 장치 |
CN103985112A (zh) * | 2014-03-05 | 2014-08-13 | 西安电子科技大学 | 基于改进多目标粒子群优化聚类的图像分割方法 |
CN106855951A (zh) * | 2016-12-16 | 2017-06-16 | 陕西科技大学 | 一种基于计算机视觉的粮种品质检测方法 |
CN108387500A (zh) * | 2018-03-06 | 2018-08-10 | 东北大学 | 一种对非球形颗粒堆积体系中局部孔隙结构定量表征的方法 |
CN110264463A (zh) * | 2019-06-25 | 2019-09-20 | 北京实验工厂有限责任公司 | 一种基于matlab图像处理的物料清点方法 |
CN110929430A (zh) * | 2019-12-31 | 2020-03-27 | 浙江交通职业技术学院 | 柴油机颗粒捕集器中随机填充碳化硅颗粒的模量计算方法 |
Non-Patent Citations (4)
Title |
---|
医用CT在三维椭球颗粒随机堆积结构研究中的应用;闵佶华 等;《CT理论与应用研究》;20160318;第25卷(第01期);49-56 * |
变重力场中散体颗粒堆的安息角及接触力分布;陈辉 等;《北京航空航天大学学报》;20140919;第41卷(第06期);1141-1146 * |
基于同步辐射X射线的SiC颗粒/Al复合材料变形损伤;黄俊宇 等;《复合材料学报》;20190327;第36卷(第12期);2860-2868 * |
砂土堆积试验的组合Clump颗粒离散元模拟;王家全 等;《广西大学学报(自然科学版)》;20160825;第41卷(第04期);1131-1138 * |
Also Published As
Publication number | Publication date |
---|---|
CN111932498A (zh) | 2020-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111932498B (zh) | 无规则形状颗粒堆积体系中接触数定量表征方法 | |
Al-Raoush et al. | Representative elementary volume analysis of porous media using X-ray computed tomography | |
Tuller et al. | Segmentation of X‐ray CT data of porous materials: A review of global and locally adaptive algorithms | |
Zhou et al. | Particle classification and intra-particle pore structure of carbonate sands | |
Thompson et al. | Quantitative computer reconstruction of particulate materials from microtomography images | |
Al-Raoush et al. | Distribution of local void ratio in porous media systems from 3D X-ray microtomography images | |
BRPI0900963A2 (pt) | método para estimar propriedades de material de meios porosos usando imagens de tomografia computadorizada dos mesmos | |
CN106096135A (zh) | 一种基于aims设备的级配颗粒库文件数值生成方法 | |
CN110910444B (zh) | 一种res尺度页岩等效三维孔隙参数快速提取方法 | |
CN113706603B (zh) | 页岩有机质孔隙连通性分类表征的方法 | |
CN110223376B (zh) | 一种基于单幅堆积颗粒材料图像的三维颗粒重建方法 | |
CN100483425C (zh) | 多媒体数据的识别方法及其程序 | |
CN114049618B (zh) | 一种基于图-点-图变换的路面三维病害pci计算方法 | |
CN112669376B (zh) | 一种料堆残垛层高计算方法及系统 | |
CN115824052B (zh) | 一种基于激光雷达点云数据的堆料体积测量方法 | |
CN112836614A (zh) | 一种基于残差网络和迁移学习的高分遥感图像分类方法 | |
Videla et al. | Watershed functions applied to a 3D image segmentation problem for the analysis of packed particle beds | |
CN113129275A (zh) | 一种基于岩土体材料数字图像三维结构表征方法 | |
Yu et al. | Machine learning-assisted upscaling analysis of reservoir rock core properties based on micro-computed tomography imagery | |
Ahmadi et al. | Reconstructing the microstructure of real gap-graded soils in DEM: Application to internal instability | |
CN109886134A (zh) | 高分辨率全球数字高程模型图像的海陆信息索引编码方法 | |
CN110232386B (zh) | 基于局部特征金字塔的肺结节分类方法及装置 | |
Plougonven | Link between the microstructure of porous materials and their permeability | |
Lee et al. | Computer-aided diagnostic system for breast cancer by detecting microcalcifications | |
Kulawiak et al. | 3D object shape reconstruction from underwater multibeam data and over ground LiDAR scanning |
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 | ||
CB03 | Change of inventor or designer information |
Inventor after: Jiang Xueping Inventor after: Huang Junyu Inventor after: Chai Haiwei Inventor after: Luo Shengnian Inventor before: Jiang Xueping Inventor before: Chai Haiwei Inventor before: Huang Junyu Inventor before: Luo Shengnian |
|
CB03 | Change of inventor or designer information |