由于鋼材中碳化物的含量和密集程度直接影響其硬度、韌性等性能指標(biāo),利用金相分析的方法實現(xiàn)碳化物的檢測與鋼材定級是鋼材生產(chǎn)過程中的重要過程,然而傳統(tǒng)的金相分析主要靠人工目測、手動調(diào)節(jié)、機(jī)械定位等方法,測量結(jié)果的準(zhǔn)確性受人為因素影響較大、精度控制不穩(wěn)定、定位查找能力差,將數(shù)字圖像處理系統(tǒng)應(yīng)用于金相分析,具有精度高、速度快等優(yōu)點,可大大提高工作效率。本文實驗在國標(biāo)GB/T18876《應(yīng)用自動圖像分析測定鋼和其他金屬中金相組織、夾雜物含量和級別的標(biāo)準(zhǔn)試驗方法》的基礎(chǔ)上,結(jié)合金相分析、圖像分割、模式識別、數(shù)學(xué)形態(tài)學(xué)等理論知識和工具,實現(xiàn)了基于數(shù)字圖象處理的鋼中06系列碳化物帶狀定量金相分析與定級。實驗中首先進(jìn)行圖像預(yù)處理,該階段主要包括圖像類型轉(zhuǎn)換、圖像去噪和基于二維信息熵的復(fù)雜度分類。其次,在進(jìn)行關(guān)鍵的圖像分割過程中,對比分析了邊緣分割、閾值分割和基于區(qū)域的區(qū)域生長及分水嶺等分割方法,最終確定使用結(jié)合基于二維熵的多閾值分割與基于SLIC的超像素分割方法進(jìn)行圖像分割。緊接著將分割后的二值圖通過擬合圓算法得到圓內(nèi)目標(biāo)區(qū)域,再利用數(shù)學(xué)形態(tài)學(xué)的相關(guān)方法統(tǒng)計條帶面積,計算面積比,最終實現(xiàn)碳化物帶狀定級。目前,該方法對06系列各等級碳化物帶狀均能實現(xiàn)準(zhǔn)確的定級,達(dá)到自動化定級的效果。
【學(xué)位單位】：長江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TF701.3;TP391.41
【部分圖文】：

必不可少的工具，論文第四章第一節(jié)從數(shù)學(xué)形態(tài)學(xué)的定義和分類、結(jié)構(gòu)元素的選取以及數(shù)學(xué)形態(tài)學(xué)在圖像處理中的應(yīng)用三個方面先介紹了數(shù)學(xué)形態(tài)學(xué)的相關(guān)知識。接著，介紹了本實驗中提出的實現(xiàn) 06 系列碳化物帶狀定級的定量金相分析系統(tǒng)的主要過程及相關(guān)結(jié)果。實驗中首先利用二維信息熵實現(xiàn)對原始圖像的復(fù)雜度分類，接著利用原始圖像的熵值實現(xiàn)基于二維熵的多閾值分割，再通過 SLIC 分割方法完成基于塊狀區(qū)域的超像素分割，然后將分割好的二值圖通過擬合圓算法得到圓內(nèi)目標(biāo)區(qū)域，以進(jìn)行后續(xù)形態(tài)學(xué)變化來統(tǒng)計條帶面積，計算面積比，最終實現(xiàn)碳化物帶狀定級。論文的第五章，總結(jié)了前文所述方法及其特點，并且針對提出方法中存在的幾點不足和考慮不周之處進(jìn)行展望。1.3.2 技術(shù)路線

圖 2-1 彩色圖與灰度圖的類型轉(zhuǎn)換igure2-1 Type conversion between color image and grayscale imag2.2 圖像去噪和傳輸?shù)倪^程中，由于成像設(shè)備和外界環(huán)境等各種因量的噪聲，影響圖像質(zhì)量[17]。為了方便后續(xù)的圖像分在圖像的預(yù)處理階段，選用合適的去噪方法進(jìn)行適當(dāng)?shù)倪^程。原始信號中混入的噪聲，根據(jù)其與原始信號之式： f ( x ,y )表示帶噪圖像， g ( x ,y )表示原始圖像信號。加性噪聲主要是圖像信號在采集及傳輸過程中，由于而形成的，與原始的圖像信號無關(guān)，其中信道噪聲就時，光導(dǎo)攝像管獲取得到的帶噪圖像含有的噪聲也是像信號可以統(tǒng)一表示為 f ( x , y ) = g ( x, y ) + n ( x ,y)；。在與原始圖像信號有無相關(guān)性上，乘性噪聲與加性噪

圖像的二維信息熵被引入。圖像的二維信息熵增加考慮了圖像的鄰域灰度均，選擇合適的鄰域范圍，計算出某點的鄰域灰度均值，并與該點的灰度值組成個灰度特征二元組，綜合反映灰度的分布情況。灰度二元組可記為( i, j )，其中i示像素的灰度值( 0 ≤ i≤ 255)， j 表示鄰域灰度均值( 0 ≤ j≤ 255)。討論特征二元( i, j )出現(xiàn)的概率 ( )2ijp = f i, j N，其中 f ( i, j )為 ( i, j )出現(xiàn)的頻數(shù)，N 為圖像的小，那么圖像二維熵的表達(dá)形式為：2550ij ijiH p log p== 由于該實驗各種等級的碳化物圖像中，碳化物帶狀形狀不同，所含信息差別大，在進(jìn)行精確的圖像分割之前，通過二維信息熵將原始圖像進(jìn)行大致的分類，利于后續(xù)快速有效的進(jìn)行圖像分割。計算 06 系列各等級圖片的復(fù)雜度，統(tǒng)計結(jié)果如圖 2-2 所示。

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張正延;李昭東;雍岐龍;孫新軍;王振強(qiáng);王國棟;;升溫過程中Nb和Nb-Mo微合金化鋼中碳化物的析出行為研究[J];金屬學(xué)報;2015年03期

2 黃果;陳慶利;許黎;門濤;蒲亦非;;帶邊緣補(bǔ)償?shù)姆謹(jǐn)?shù)階積分圖像去噪算法[J];計算機(jī)應(yīng)用;2014年10期

3 王大海;;基于圖像處理技術(shù)的金相分析研究[J];鑄造技術(shù);2014年07期

4 王明;馬黨參;劉振天;周健;遲宏宵;代建清;;Nb對芯棒用H13鋼偏析、液析碳化物及力學(xué)性能的影響[J];金屬學(xué)報;2014年03期

5 肖大雪;;淺析數(shù)學(xué)形態(tài)學(xué)在圖像處理中的應(yīng)用[J];科技廣場;2013年05期

6 張紅旗;王春光;王全喜;張永;;數(shù)字圖像處理技術(shù)在金相分析中的應(yīng)用研究[J];農(nóng)機(jī)化研究;2013年03期

7 王旭晨;孫愛程;;一種基于閾值的圖像分割算法研究[J];無線電工程;2012年09期

8 黃果;蒲亦非;陳慶利;周激流;;基于分?jǐn)?shù)階積分的圖像去噪[J];系統(tǒng)工程與電子技術(shù);2011年04期

9 岳洪偉;李揚(yáng);蔡肯;岳偉亞;;數(shù)學(xué)形態(tài)學(xué)在圖像處理中的應(yīng)用與展望[J];影像技術(shù);2006年02期

10 單鸝娜,李大勇;金相組織計算機(jī)圖像處理與識別技術(shù)研究現(xiàn)狀[J];中國鑄造裝備與技術(shù);2005年01期

相關(guān)博士學(xué)位論文 前4條

1 李輝;高碳鉻軸承鋼中碳化物演變及貝氏體相變行為[D];北京科技大學(xué);2015年

2 雷博;基于圖像不確定性信息的閾值分割方法研究[D];西安電子科技大學(xué);2013年

3 蔣明星;基于數(shù)學(xué)形態(tài)學(xué)和分形的金相圖像處理關(guān)鍵技術(shù)研究[D];華南理工大學(xué);2011年

4 閆海霞;基于數(shù)學(xué)形態(tài)學(xué)的圖像邊緣檢測和增強(qiáng)算法的研究[D];吉林大學(xué);2009年

相關(guān)碩士學(xué)位論文 前9條

1 強(qiáng)軻楠;形態(tài)學(xué)分水嶺結(jié)合譜聚類的圖像分割算法[D];長安大學(xué);2014年

2 余婷;基于分?jǐn)?shù)階微積分的數(shù)字圖像去噪與增強(qiáng)算法研究[D];寧夏大學(xué);2014年

3 張冬生;基于閾值的圖像分割算法研究[D];東北石油大學(xué);2011年

4 劉東菊;基于閾值的圖像分割算法的研究[D];北京交通大學(xué);2009年

5 劉杰;基于分水嶺與區(qū)域生長的彩色圖像分割算法研究[D];湖南師范大學(xué);2009年

6 吳顯斌;基于分形理論的定量金相分析系統(tǒng)的開發(fā)[D];中國石油大學(xué);2009年

7 肖海波;圖像處理在定量金相分析中的應(yīng)用[D];江西理工大學(xué);2008年

8 張海軍;基于數(shù)字圖像處理技術(shù)的灰鑄鐵金相分析[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2008年

9 陳威;基于圖像處理的定量金相分析系統(tǒng)[D];廣東工業(yè)大學(xué);2004年

本文編號：2807526