基于数字图像处理的钢中碳化物金相分析

发布时间：2020-08-28 11:29

　　由于钢材中碳化物的含量和密集程度直接影响其硬度、韧性等性能指标,利用金相分析的方法实现碳化物的检测与钢材定级是钢材生产过程中的重要过程,然而传统的金相分析主要靠人工目测、手动调节、机械定位等方法,测量结果的准确性受人为因素影响较大、精度控制不稳定、定位查找能力差,将数字图像处理系统应用于金相分析,具有精度高、速度快等优点,可大大提高工作效率。本文实验在国标GB/T18876《应用自动图像分析测定钢和其他金属中金相组织、夹杂物含量和级别的标准试验方法》的基础上,结合金相分析、图像分割、模式识别、数学形态学等理论知识和工具,实现了基于数字图象处理的钢中06系列碳化物带状定量金相分析与定级。实验中首先进行图像预处理,该阶段主要包括图像类型转换、图像去噪和基于二维信息熵的复杂度分类。其次,在进行关键的图像分割过程中,对比分析了边缘分割、阈值分割和基于区域的区域生长及分水岭等分割方法,最终确定使用结合基于二维熵的多阈值分割与基于SLIC的超像素分割方法进行图像分割。紧接着将分割后的二值图通过拟合圆算法得到圆内目标区域,再利用数学形态学的相关方法统计条带面积,计算面积比,最终实现碳化物带状定级。目前,该方法对06系列各等级碳化物带状均能实现准确的定级,达到自动化定级的效果。
【学位单位】：长江大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TF701.3;TP391.41
【部分图文】：

二值图,实验流程

必不可少的工具，论文第四章第一节从数学形态学的定义和分类、结构元素的选取以及数学形态学在图像处理中的应用三个方面先介绍了数学形态学的相关知识。接着，介绍了本实验中提出的实现 06 系列碳化物带状定级的定量金相分析系统的主要过程及相关结果。实验中首先利用二维信息熵实现对原始图像的复杂度分类，接着利用原始图像的熵值实现基于二维熵的多阈值分割，再通过 SLIC 分割方法完成基于块状区域的超像素分割，然后将分割好的二值图通过拟合圆算法得到圆内目标区域，以进行后续形态学变化来统计条带面积，计算面积比，最终实现碳化物带状定级。论文的第五章，总结了前文所述方法及其特点，并且针对提出方法中存在的几点不足和考虑不周之处进行展望。1.3.2 技术路线

影响图,类型转换,彩色图,灰度图

图 2-1 彩色图与灰度图的类型转换igure2-1 Type conversion between color image and grayscale imag2.2 图像去噪和传输的过程中，由于成像设备和外界环境等各种因量的噪声，影响图像质量[17]。为了方便后续的图像分在图像的预处理阶段，选用合适的去噪方法进行适当的过程。原始信号中混入的噪声，根据其与原始信号之式： f ( x ,y )表示带噪图像， g ( x ,y )表示原始图像信号。加性噪声主要是图像信号在采集及传输过程中，由于而形成的，与原始的图像信号无关，其中信道噪声就时，光导摄像管获取得到的带噪图像含有的噪声也是像信号可以统一表示为 f ( x , y ) = g ( x, y ) + n ( x ,y)；。在与原始图像信号有无相关性上，乘性噪声与加性噪

熵值,不同等级,碳化物,图像

图像的二维信息熵被引入。图像的二维信息熵增加考虑了图像的邻域灰度均，选择合适的邻域范围，计算出某点的邻域灰度均值，并与该点的灰度值组成个灰度特征二元组，综合反映灰度的分布情况。灰度二元组可记为( i, j )，其中i示像素的灰度值( 0 ≤ i≤ 255)， j 表示邻域灰度均值( 0 ≤ j≤ 255)。讨论特征二元( i, j )出现的概率 ( )2ijp = f i, j N，其中 f ( i, j )为 ( i, j )出现的频数，N 为图像的小，那么图像二维熵的表达形式为：2550ij ijiH p log p== 由于该实验各种等级的碳化物图像中，碳化物带状形状不同，所含信息差别大，在进行精确的图像分割之前，通过二维信息熵将原始图像进行大致的分类，利于后续快速有效的进行图像分割。计算 06 系列各等级图片的复杂度，统计结果如图 2-2 所示。

【参考文献】