CN114419284A - 一种基于ct切片图像的纤维增强复合材料三维重构建模方法 - Google Patents
一种基于ct切片图像的纤维增强复合材料三维重构建模方法 Download PDFInfo
- Publication number
- CN114419284A CN114419284A CN202210271330.9A CN202210271330A CN114419284A CN 114419284 A CN114419284 A CN 114419284A CN 202210271330 A CN202210271330 A CN 202210271330A CN 114419284 A CN114419284 A CN 114419284A
- Authority
- CN
- China
- Prior art keywords
- reinforced composite
- contour
- fiber reinforced
- point
- dimensional reconstruction
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 239000003733 fiber-reinforced composite Substances 0.000 title claims abstract description 43
- 239000000463 material Substances 0.000 claims abstract description 48
- 239000000835 fiber Substances 0.000 claims abstract description 46
- 238000002591 computed tomography Methods 0.000 claims abstract description 44
- 239000002131 composite material Substances 0.000 claims abstract description 12
- 238000009499 grossing Methods 0.000 claims abstract description 5
- 239000011148 porous material Substances 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000009941 weaving Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000008676 import Effects 0.000 claims 1
- 230000008859 change Effects 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000011218 binary composite Substances 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000012783 reinforcing fiber Substances 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
Images
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
-
- G06T3/04—
-
- 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
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20164—Salient point detection; Corner detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明属于材料细观结构三维重构建模技术领域，特别涉及一种基于CT切片图像的纤维增强复合材料三维重构建模方法，包括如下步骤：1)采用CT技术，获取纤维增强复合材料细观切片图像，并转化为灰度图像；2)复合材料细观CT切片灰度图像二值化；3)二值化的材料灰度图像纤维束轮廓识别；4)材料灰度图像纤维束轮廓光滑处理；5)纤维增强复合材料细观结构三维重构。本发明专利提供了一种细观尺度三维重构建模的方法，大大降低了人工三维重构建模的成本和误差，对材料细观结构形貌和尺寸的变化可进行准确、高效的量化表征和建模，具有较好的工程推广性。
Description
技术领域
本发明属于材料细观结构三维重构建模技术领域，特别涉及一种基于CT切片图像的纤维增强复合材料三维重构建模方法。
背景技术
纤维增强复合材料由于具有高比强度、高比刚度、低密度等优异的力学性能，在航空航天、车辆、建筑等工程领域具有广阔的应用前景。但是纤维增强复合材料细观结构复杂多变，制备过程在高温、应力和时间的作用下，纤维束会不可避免地相互挤压、扭曲、变形，形成不规则的细观编织结构，而材料的宏观性能都取决于其内部的微观、细观结构。复合材料的宏观力学性能对细观编织结构的形貌、形状等参数具有强相关性，细观结构的扭曲、变形必然会影响材料的模量和强度，危害工程应用的可靠性和安全性。
为了保证纤维增强复合材料在工程领域的安全应用，工程上必须要研究材料的细观编织特征对材料宏观力学性能的影响规律，但是现有的细观建模方法都基于一定近似、简化假设，缺乏能够表征、反映真实细观结构特征的三维重构建模方法。
中国专利CN 111063402 A公布了一种基于蒙特卡洛方法的纤维增强复合材料细观尺度几何重构方法，能够得到几何重构体中纤维的数量、填充率、平均取向和长度分布等数据，但该方法不能体现细观尺度纤维束的形貌、尺寸变化特征。国内还没有其他能够真实还原细观结构特征的重构建模方法。
随着计算机图像处理方法在材料微细观结构特征分析、提取中的广泛应用，各种图像处理算法开始应用于材料微细观组织、结构特征的提取和表征，因此基于图像算法发展一种纤维增强复合材料的三维重构建模方法，能够在大幅降低纤维增强复合材料细观结构三维重构的人工成本的同时，提高建模的精确性。
发明内容
为了解决上述技术问题，本发明提供一种基于CT切片图像的纤维增强复合材料三维重构建模方法，所用到的核心图像处理算法包括孔隙填充算法和轮廓提取算法。
本发明是这样实现的，提供一种基于CT切片图像的纤维增强复合材料三维重构建模方法，包括如下步骤：
1)采用CT技术，获取纤维增强复合材料细观切片图像，并转化为灰度图像；
2)复合材料细观CT切片灰度图像二值化；
3)二值化的复合材料细观灰度图像轮廓识别与提取；
4)材料细观灰度图像轮廓光滑处理；
5)纤维增强复合材料细观结构三维重构。
优选的，步骤1)具体包括如下步骤：
利用X射线三维CT扫描技术，获得纤维增强复合材料内部不同位置的切片图像，扫描时CT切片截面与复合材料的编织主方向垂直。
进一步优选，步骤2)具体包括如下步骤：
利用阈值分割法将步骤1)获得的CT切片灰度图像转换为黑白二值图像，黑白二值图像中黑色代表纤维束，像素值为0；白色代表基体相，像素值为1。
进一步优选，步骤3)具体包括如下步骤：
301)采用孔隙填充算法将纤维束/基体内部的微小孔隙进行填充。填充算法采用具有一定尺寸的窗口(如正方形、长方形窗口)对二值图像进行遍历，如果窗口边界上点的像素值均相同，则令窗口内部点的像素值等于边界上点的像素值。窗口的形状和尺寸、窗口遍历的次数应根据实际情况确定。
302)提取纤维束轮廓点。具体操作方法为：采用具有一定尺寸的窗口对二值图像进行遍历，如果窗口边界上点的像素值均为0(像素值为0表示是纤维束)，则令窗口内部点的像素值等于1。窗口的形状和尺寸、窗口遍历的次数应根据实际情况确定。
303)将轮廓点按曲线分组，并对每组曲线轮廓点排序。分组、排序操作方法为：首先任意选取一个轮廓点A，并以点A为基准，计算其他轮廓点与A点的距离，若轮廓点B与A点的距离最小，且距离小于x，则A点与B点相邻；再以轮廓点B位基准，依此类推，直至最小距离大于x，则以上轮廓点属于同一轮廓线。然后在剩余轮廓点中选取任意一个轮廓点作为基准点，重复以上过程，直至所有轮廓点完成分组。其中，临界距离x的值根据实际情况确定。采用该方法对轮廓点分组的过程中，也同时进行、完成了轮廓点的排序工作。
进一步优选，步骤4)具体包括如下步骤：
401)对于每组轮廓曲线，在一定距离范围内，仅取一个轮廓点，以缩减纤维束轮廓线的轮廓点数量，提高纤维束轮廓线的光滑性。
402)将缩减的纤维束轮廓点按照曲线分组，并输出轮廓点三维坐标。
进一步优选，步骤5)具体包括如下步骤：
501)在UG软件中使用“样条-通过点”功能，将轮廓点按各个独立曲线依次导入。
502)将各切片截面的纤维束轮廓沿高度方向堆叠，然后采用“网格曲面-直纹”功能，将不同切片中对应的纤维束轮廓线依次连接，重构得到纤维增强复合材料的细观纤维束模型。
进一步优选，步骤2)至步骤4)依靠商业计算编程软件实现。
与现有技术相比，本发明的优点在于：
1、本发明结合图像的灰度特征，通过窗口算法函数可以方便高效地提取纤维束轮廓，并且可以通过计算机软件进行编程，实现批量CT切片图像的快捷操作，大大降低了人工操作方法的成本和误差；
2、本发明不仅能够用于纤维增强复合材料细观尺度的三维重构建模，对于多相复合材料/结构的三维重构建模也同样适用，具有较好的工程推广性。
附图说明
下面结合附图及实施方式对本发明作进一步详细的说明：
图1为本发明基于CT切片图像的纤维增强复合材料三维重构建模方法的简易流程图；
图2为某纤维增强复合材料CT切片图像；
图3为纤维增强复合材料CT切片二值化图像；
图4为二值化图像处理算法流程图；
图5为孔隙填充算法处理后，CT切片的二值化图像；
图6为切片图像纤维束轮廓提取结果的散点图；
图7为切片图像纤维束轮廓点按曲线分组、排序后的轮廓曲线；
图8为光滑处理后的纤维束轮廓曲线图；
图9为CT切片图像组处理后的纤维束轮廓曲线；
图10为纤维束轮廓曲线沿高度方向的堆叠图；
图11为对应纤维束轮廓曲线沿高度方向扫掠，重构得到的纤维增强复合材料细观胞元三维模型；
图12为复合材料细观三维重构模型与原始CT切片图像的对比图。
具体实施方式
为使本发明技术方法的优点更加清楚，使本领域专业人员更加容易实行，下面结合附图和发明实施例对本发明的具体操作做进一步说明。应当指出，实施例只是为了使本领域人员对本发明的优势和操作方法更容易了解和掌握，而不能限制本发明在纤维增强复合材料三维重构建模以及其他相关场合的应用。
本发明提供一种基于CT切片图像的纤维增强复合材料三维重构建模方法，参见图1，为本发明的实施例提供的某纤维增强复合材料三维重构建模方法的简易流程图，具体步骤为：
S101：纤维增强复合材料CT切片图像获取。利用X射线三维CT扫描技术，获得纤维增强复合材料内部不同位置的切片图像，如图2所示。扫描时应使CT切片截面与复合材料的编织主方向垂直。
S102：CT切片图像二值化。对S101中获得的复合材料CT切片图像，以图2为例，利用阈值分割法将复合材料的CT图像转换为黑白二值图像，如图3所示，此时图3中的黑色像素区域代表增强纤维束，像素值为0；白色区域代表基体相，像素值为1。
S103：二值化图像孔隙填充、轮廓识别与分组。分以下三步：
(1)采用孔隙填充算法将纤维束/基体内部的微小孔隙进行填充。填充算法采用具有一定尺寸的窗口(如正方形、长方形窗口)对二值图像进行遍历，如果窗口边界上点的像素值均相同，则令窗口内部点的像素值等于曲线上点的像素值。窗口的形状和尺寸、窗口遍历的次数应根据实际情况确定。采用孔隙填充算法处理后，得到的CT切片二值图像如图5所示。
(2)提取纤维束轮廓点。采用具有一定尺寸的窗口对图5二值图像进行遍历，如果窗口边界上点的像素值均为0(像素值为0表示是纤维束)，则令窗口内部点的像素值等于1。窗口的形状和尺寸、遍历的次数应根据实际情况确定。提取得到的纤维束轮廓点如图6所示。
(3)轮廓点按曲线分组、排序。首先选取图6中任意一个轮廓点A，并以点A为基准，计算其他轮廓点与A点的距离，若轮廓点B与A点的距离最小，且距离小于2，则A点与B点相邻；再以轮廓点B位基准，依此类推，直至最小距离大于2，则以上轮廓点属于同一轮廓线。然后在剩余轮廓点中选取任意一个轮廓点作为基准点，重复以上过程，直至所有轮廓点完成分组。采用该方法对轮廓点分组的过程中，也同时进行、完成了轮廓点的排序工作。完成分组、排序后，可将轮廓点按照分组、顺序连线，得到图7所示的纤维束轮廓。
S104：轮廓光滑处理。对于每组轮廓曲线，在一定距离范围内，仅取一个轮廓点，以缩减纤维束轮廓线的轮廓点数量，提高纤维束轮廓线的光滑性(图8)。把缩减的纤维束轮廓点按照曲线分组，并输出轮廓点三维坐标。
S105：纤维增强复合材料细观结构三维重构。分以下两步：
(1)轮廓点导入建模软件。在UG软件中使用“样条-通过点”功能，将轮廓点按各个独立曲线依次导入。导入的各切片截面的纤维束轮廓如图9所示。
(2)三维重构建模。将各切片截面的纤维束轮廓沿高度方向堆叠(见图10)，然后采用“网格曲面-直纹”功能，将不同切片中对应的纤维束轮廓线依次连接，重构出纤维增强复合材料的细观纤维束模型，见图11。最终重构的纤维束三维模型与原始CT切片图像的对比如图12所示。
本领域技术人员可依据所述流程图对S102至S104借助计算机语言进行变成实现。当需要处理大量复合材料CT切片图像，批量化处理会使得复合材料细观纤维束轮廓提取时间成本大大降低。
以上所述仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。
Claims (8)
1.一种基于CT切片图像的纤维增强复合材料三维重构建模方法，其特征在于，包括如下步骤：
1)采用CT技术，获取纤维增强复合材料细观切片图像，并转化为灰度图像；
2)复合材料细观CT切片灰度图像二值化；
3)二值化的材料细观灰度图像轮廓识别；
4)材料细观灰度图像轮廓光滑处理；
5)纤维增强复合材料细观结构三维重构。
2.如权利要求1所述的基于CT切片图像的纤维增强复合材料三维重构建模方法，其特征在于，步骤1)具体包括如下步骤：
利用X射线三维CT扫描技术，获得纤维增强复合材料内部不同位置的切片图像，扫描时CT切片截面与复合材料的编织主方向垂直。
3.如权利要求1所述的基于CT切片图像的纤维增强复合材料三维重构建模方法，其特征在于，步骤2)具体包括如下步骤：
利用阈值分割法将步骤1)获得的CT切片灰度图像转换为黑白二值图像，黑白二值图像中黑色代表纤维束，像素值为0；白色代表基体相，像素值为1。
4.如权利要求1所述的基于CT切片图像的纤维增强复合材料三维重构建模方法，其特征在于，步骤3)具体包括如下步骤：
301)采用孔隙填充算法将纤维束/基体内部的微小孔隙进行填充，填充算法采用具有一定尺寸的窗口对二值图像进行遍历，如果窗口边界上点的像素值均相同，则令窗口内部点的像素值等于边界上点的像素值；
302)提取纤维束轮廓点，具体操作方法为：采用具有一定尺寸的窗口对二值图像进行遍历，如果窗口边界上点的像素值均为0，则令窗口内部点的像素值等于1；
303)将轮廓点按曲线分组，并对每组曲线轮廓点排序，分组、排序操作方法为：首先任意选取一个轮廓点A，并以点A为基准，计算其他轮廓点与A点的距离，若轮廓点B与A点的距离最小，且距离小于x，则A点与B点相邻；再以轮廓点B位基准，依此类推，直至最小距离大于x，则以上轮廓点属于同一轮廓线；然后在剩余轮廓点中选取任意一个轮廓点作为基准点，重复以上过程，直至所有轮廓点完成分组；采用该方法对轮廓点分组的过程中，也同时进行、完成了轮廓点的排序工作。
5.如权利要求1所述的基于CT切片图像的纤维增强复合材料三维重构建模方法，其特征在于，步骤4)具体包括如下步骤：
401)对于每组轮廓曲线，在一定距离范围内，仅取一个轮廓点，以缩减纤维束轮廓线的轮廓点数量，提高纤维束轮廓线的光滑性；
402)将缩减的纤维束轮廓点按照曲线分组，并输出轮廓点三维坐标。
6.如权利要求1所述的基于CT切片图像的纤维增强复合材料三维重构建模方法，其特征在于，步骤5)具体包括如下步骤：
501)在UG软件中使用“样条-通过点”功能，将轮廓点按各个独立曲线依次导入；
502)将各切片截面的纤维束轮廓沿高度方向堆叠，然后采用“网格曲面-直纹”功能，将不同切片中对应的纤维束轮廓线依次连接，重构得到纤维增强复合材料的细观纤维束模型。
7.如权利要求1-6任一项所述的基于CT切片图像的纤维增强复合材料三维重构建模方法，其特征在于，所述材料为纤维增强复合材料。
8.如权利要求1-6任一项所述的基于CT切片图像的纤维增强复合材料三维重构建模方法，其特征在于，步骤2)至步骤4)依靠商业计算机软件编程实现。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2021115274771 | 2021-12-14 | ||
| CN202111527477 | 2021-12-14 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114419284A true CN114419284A (zh) | 2022-04-29 |
Family
ID=81264400
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210271330.9A Pending CN114419284A (zh) | 2021-12-14 | 2022-03-18 | 一种基于ct切片图像的纤维增强复合材料三维重构建模方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114419284A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116277978A (zh) * | 2023-05-12 | 2023-06-23 | 高州市人民医院 | 多模态骨关节数字化3d打印方法 |
| CN116380943A (zh) * | 2023-04-07 | 2023-07-04 | 中国航发北京航空材料研究院 | 一种复合材料偏轴角度的无损检测方法及应用 |
-
2022
- 2022-03-18 CN CN202210271330.9A patent/CN114419284A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116380943A (zh) * | 2023-04-07 | 2023-07-04 | 中国航发北京航空材料研究院 | 一种复合材料偏轴角度的无损检测方法及应用 |
| CN116380943B (zh) * | 2023-04-07 | 2024-04-02 | 中国航发北京航空材料研究院 | 一种复合材料偏轴角度的无损检测方法及应用 |
| CN116277978A (zh) * | 2023-05-12 | 2023-06-23 | 高州市人民医院 | 多模态骨关节数字化3d打印方法 |
| CN116277978B (zh) * | 2023-05-12 | 2023-08-04 | 高州市人民医院 | 多模态骨关节数字化3d打印方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114419284A (zh) | 一种基于ct切片图像的纤维增强复合材料三维重构建模方法 | |
| CN106202728B (zh) | 基于Micro-CT三维编织复合材料非均匀Voxel网格离散方法 | |
| Lian et al. | Image-based computational homogenization and localization: comparison between X-FEM/levelset and voxel-based approaches | |
| WO2020244593A1 (zh) | 一种基于拓扑特征的编织复合材料细观结构快速重构方法 | |
| Wintiba et al. | Automated reconstruction and conformal discretization of 3D woven composite CT scans with local fiber volume fraction control | |
| Fang et al. | Micro-tomography based geometry modeling of three-dimensional braided composites | |
| US11681269B2 (en) | Systems, methods and file format for 3D printing of microstructures | |
| Huang et al. | Skeleton-based tracing of curved fibers from 3D X-ray microtomographic imaging | |
| CN108932385A (zh) | 一种编织复合材料内部变截面纤维束代表性体元的建模方法 | |
| CN110264555B (zh) | 一种基于Micro-CT三维五向编织复合材料统计细观模型建立方法 | |
| CN113570651B (zh) | 基于sem图像的碳酸盐岩储层孔隙半径分布定量方法 | |
| Song et al. | Material twins generation of woven polymer composites based on ResL-U-Net convolutional neural networks | |
| CN108921945B (zh) | 结合居中轴线与实体模型的孔隙网络模型构建方法 | |
| Lux | Automatic segmentation and structural characterization of low density fibreboards | |
| Chowdhury et al. | Design of an uncontaminated textile CFRP specimen optimised for both mechanical testing and X-ray microtomography | |
| CN112862816B (zh) | 一种hrtem图像中煤芳香烃晶格条纹的智能提取方法 | |
| CN111696111B (zh) | 一种基于ssdf衰减图聚类的3d模型网格分割方法 | |
| CN113987882A (zh) | 一种机织复合材料细观纱线结构的数字化建模方法 | |
| Fischer et al. | Reverse engineering: multilevel-of-detail models for design and manufacturing | |
| Sul et al. | Automatic volumetric measurement of nanofiber webs using metaball approximation based on scanning electron microscope images | |
| Madra et al. | Automatic detection and classification of defects in woven composites manufactured by RTM based on X-ray microtomography | |
| CN116486037A (zh) | 一种基于ct图像切片的编织复合材料快速网格重构方法 | |
| Gigliotti et al. | X-ray μCT based assessment of thermal cycling induced cracks in non-crimp 3D orthogonal woven composite materials with porosity | |
| Straumit et al. | Automatic transformation of 3D micro-CT images into finite element models with anisotropic local properties | |
| Tian et al. | An efficient finite element mesh generation methodology based on μCT images of multi-layer woven composites |
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 |