多相晶粒图像分析中复杂晶界的提取

多相晶粒图像分析中复杂晶界的提取

ID:7822711

大小:377.50 KB

页数:5页

时间:2018-02-27

多相晶粒图像分析中复杂晶界的提取_第1页
多相晶粒图像分析中复杂晶界的提取_第2页
多相晶粒图像分析中复杂晶界的提取_第3页
多相晶粒图像分析中复杂晶界的提取_第4页
多相晶粒图像分析中复杂晶界的提取_第5页
资源描述:

《多相晶粒图像分析中复杂晶界的提取》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、多相晶粒图像分析中复杂晶界的提取在多相晶粒图像分析中常常需提取晶界来进行各种参数的测量和计算。对于简单清晰的图像,可以通过常用的Sobel算子、Roberts算子、Laplace算子等直接处理就能取得较好的效果。但是工程中遇到的大量图像由于材料本身或自然因素的影响,一定程度上都存在着晶粒内部灰度分布不均、边界模糊或划痕,用上述算子直接提取晶界很难获得满意的结果,主要表现在两个方面:(1)晶粒内部产生了许多伪边界,影响了对图像主要停息的研究;(2)部分主要边界丢失,损失较大。本文针对上述情况,提出了一种复杂多相晶粒图像晶界提取的方法,有效

2、地克服了上述缺点,得到了比较理想的晶界。1预处理1.1灰度变换对于一幅多相晶粒图像来说常常存在着灰度偏暗、偏亮或居中的情况,如果直接利用灰度的变化检测边界,一些主要边界会因为灰度变化很小而失失。使用幂次变换可以提高感兴趣区域的对比度。幂次变换的基本形式为:其中r和s分别为输入灰度级和输出灰度级,c和β为正常数。根据图像的实际情况,调整参数c的取值可以改变图像的灰度动态范围,调整β的取值可以增强图像中感兴趣区域的对比度。在c值不变的情况下,随着β值的变化将简单地得到一族变换曲线,如图1。从图1中可以看到,当β>1时该变换把输入窄带暗值映射

3、到宽带输出值,当β<1的值和β<1的值产生的曲线有相反的效果。由于提取的图像的大边界,也就是灰度变化比较明显的各颗粒间的边界,而颗粒内部虽然存在灰度差,但灰度差较小,变化相对平稳,所以可以调节参数c适当压缩图像的灰度动态范围,从而平滑了图像,有利于后面的边界提取。   1.2邻域平滑1.2.1中值滤波由于晶粒内不同程度地都含有杂质、划痕、灰度发布不均匀的情况,可以选用不同尺度的中值滤波来平滑。中值滤波既能平滑图像,同时又能很好地保护边缘轮廓。但是采用大尺度中值滤波时会产生块状模糊。1.2.2自适应滤波经过灰度变换和中值滤波后,若仍然不能

4、得到较满意的平滑图像,可以采用自适应滤波进一步平滑图像。自适应平滑的基本形式为:其中,g(i,j)为输入图像,g(i,j)和分别为M×N邻域内局部图像的均值和方差,σ2为整幅图像局部方差的均值,f(i,j)为平滑处理后的输出图像。恢复系数为:对于一幅图像σ2是固定的,恢复系数k会随局部统计方差的变化而变化。在图像的平坦区域,相对较小,k值较小,用公式(2)平滑后,是对局部值做较小的恢复,或不恢复(k=0时);而对应于灰度变化较大的区域,σ2(i,j)较大,k值也较大,则对局部值做较大的恢复。这就是自适应平滑原理,代价是存在边缘模糊较应。

5、2模糊检测在边缘检测算法中,通常都要事先确定一个灰度阈值,然后把各像素点的灰度值与该阈值比较,大于阈值的像素点被确认为边缘点。如果直接利用某种边缘算子(如Sobel算子)检测边缘,存在两个困难:如果取较小的门限值,则得到的边缘点中包含了许多假边缘;如果取较大的门限值,则边缘很不连续。而基于梯度的模糊边缘检测算法可以自动确定门限,消除了由于选取不同的门限而对边缘产生的巨大影响。2.1模糊子集的定义当论域为一有限集时,其上的模糊子集F定义为:其中uF:[0,1]为F的隶属函数,uF(xj)表示xj属于集合F的程度。当u(x)的值域为{0,1

6、}时,F就退化成一个普通(非模糊)集合。也就是说,普通集合可以看作是一个特殊的模糊集合,其隶属度为0或1。为了求得图像的边界,将定义为梯度的集合,xj定义为图像的梯度;uF(xj)表示梯度为xj的像素点是边界点的程度。2.2边缘隶属函数在实际图像处理中,隶属函数是否合适是模糊集合能否成功运用的关键。现在研究的问题是多相晶粒图像的边缘检测,处理的是灰度图像,本文采用模糊统计法来确定隶属函数。通过大量实验发现,不同的多相晶粒图像的梯度直方图形状非常相似,如图2所示。由图2可见,梯度直方图主要集中在低值区域。这是因为颗粒内部各像素点与领域像素

7、点的灰度值相差不大,而颗粒与颗粒之间像素点的灰度值相差较大,且前者数目远多于后者。统计所得隶属函数的形状近似如图3所示。故选取下型隶属函数:u(x)=(x-n)/(m-n)    (5)其中,x为图像的梯度值,m和n分别为图像梯度的最大值和最小值。   2.3判决函数引入模糊理论后,模糊集合的数学期望就可以作为边缘检测的阈值,具有很强的自适应性。模糊集合F的数学期望为:式6中,u(xj)表示图像边缘隶属函数,p(xj)表示边缘出隶属函数u(xj)在图像中出现的概率,即图像梯度直方图中梯度值为xj时对应的梯度概率。2.4边缘跟踪算法边缘跟

8、踪算法如下:(1)按任意坐标轴方向扫描图像,找到一个非边界点;(2)计算该点的隶属度u,如果u大于E(F),则该点为边界点,记录其行、列号,进行(3),否则返回(1);(3)在该点的8邻域中寻找u最大的点,

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。