Спосіб автоматизованого аналізу структурних складових багатокомпонентних зображень мікроструктур

Спосіб автоматизованого аналізу структурних складових багатокомпонентних зображень мікроструктур, при якому на зображення наносять групу паралельних рівновіддалених січних, належність точки зображення, що лежить на січній, до певної 3 найближчого аналога полягає в тому, що спроба вирішити цю проблему шляхом завдання більшої кількості опорних точок не завжди призводить до бажаного результату, але неминуче збільшує час аналізу за рахунок зростання кількості операцій порівняння кольорів. В основу корисної моделі "Спосіб автоматизованого аналізу структурних складових багатокомпонентних зображень мікроструктур" поставлено задачу автоматизованого інтерактивного виділення ділянок, колір яких неоднозначно ідентифікується. Задача вирішується наступним способом. Як у найближчому аналозі на зображення наносять групу паралельних рівновіддалених січних, належність точки зображення, що лежить на січній, до певної структурної складової визначають за її кольором, після визначення належності до структурної складової точці надають умовний колір, що за домовленістю відповідає цій структурній складовій, а точки з однаковим умовним кольором об'єднують у хорди, за довжиною яких реконструюють мікроструктуру. Але запропонований спосіб відрізняється тим, що на межах областей зображення, у яких неможливе однозначне визначення кольору, позначають декілька точок, через які проводять плавну замкнену криву, а точкам, що лежать посередині контуру, обмеженого цією кривою, надають умовний колір, що відповідає конкретній структурній складовій зображення мікроструктури матеріалу. Таким чином, ділянкам, точки яких мають колір надто близький до однієї чи декількох структурних складових, або ж утворюють кольорову текстуру, зокрема райдужну, визначити яку надзвичайно складно, надають по домовленості інший колір, що легко ідентифікується. Для цього замість того, щоб визначати багато опорних точок усередині ділянок, на їхніх межах визначають усього декілька точок. Кількість потрібних точок залежить від складності контуру ділянки. Через ці точки проводять плавну замкнену криву (сплайн). Внутрішнім точкам, обмеженим цією кривою, надають умовний колір, достатньо віддалений від Інших опорних кольорів, і саме цей колір призначають у якості опорного для цієї структурної складової. Під час подальшого аналізу зображення беруть кожну точку на січній, вимірюють кольорову відстань від цієї точки до опорної точки та приймають рішення про належності цієї точки певній структурній складовій за найменшою кольоровою відстанню. Після прийняття рішення про належність до певної структурної складової цій точці надають колір, прийнятий за домовленістю для цієї структурної складової. Далі точки з однаковим кольором, що лежать на одній січній, об'єднують у хорди та вимірюють їхню довжину. За сукупністю результатів вимірювання реконструюють тривимірні характеристики мікроструктури матеріалу. Таким чином, усі об'єкти, що символізують перерізи частинок структури матеріалу, у запропонованій корисній моделі створюють автоматично кількість інтерактивних дій по заданню положення та кольорів точок порівняно з найближчим аналогом не збільшується, а похибки стають меншими. Ефективність способу, що пропонується, підтверджено експериментальними даними, результа 59408 4 тами обробки зображень мікроструктур порошкових матеріалів. Суть корисної моделі пояснюється кресленнями. На фіг.1 представлено схему прийняття рішення щодо віднесення кольору точки до тієї чи іншої структурної складової. Точку А віднесено до структурної складової 2 на основі істотно меншої кольорової відстані від цієї точки до опорної області 2, ніж до області 1. Навпроти, для точки В прийняти рішення про віднесення до певної структурної складової неможливо, бо кольорові відстані від цієї точки до обох опорних областей є рівними. У такому випадку на основі матеріалознавчих чи інших міркувань цю точку треба примусово віднести або до однієї з структурних складових 1 чи 2, або до якоїсь третьої структурної складової, якій відповідає опорна область 3, достатньо віддалена (у розумінні простору кольорів) від областей 1 та 2. Приклад застосування запропонованої корисної моделі приведено на фіг.2. Зображення фіг.2а являє собою фрагмент фотографії мікроструктури композиції Сr-Сu. Якщо перехід між зернами хрому (у оригіналі світло-сірого кольору, на фіг.2а - більш світлими) та мідною матрицею (у оригіналі - рожевою, на фіг.2а - більш темною) добре розділяється завдяки зеленкуватому відтінку з боку зерен хрому та темно-брунатному - з боку мідної матриці, то пора (пляма овальної форми у середині знімку) має темно-брунатний колір і може сприйматися при автоматичному аналізі, як частина мідної матриці. Щоб цього не сталося, по контуру пори задають точки, через які проводять плавну замкнену криву, що обмежує контур, внутрішнім точкам якого надають синій колір, який є опорним для визначення пор (на фіг.2б - темно-сірий). Умовним кольором для міді за домовленістю призначено білий, для хрому - чорний, для пор - світло-сірий. Результат автоматичного розділення на структурні складові наведено на фіг.2в. Слід відзначити, що новий об'єкт за необхідності створюють і інші відомі засоби автоматизації аналізу зображень, але мета цієї дії інша. Зокрема новий об'єкт у програмі AnalySIS (http://www.softimaging.com) створюють для виділення окремих часток структури, але роблять це вручну після обробки зображення, а в запропонованій корисній моделі позначають область, де буде створено об'єкт, ще до автоматичного аналізу, в процесі якого цей об'єкт з'являється. Також вручну створюють нові об'єкти у продуктах фірми SIAMS (http://www.siams.ru), зокрема у програмі SIAMS2000, при цьому фактично виконують розділення зображення на структурні складові стороннім програмним продуктом (графічним редактором), а функція автоматичного аналізу обмежується вимірюванням хорд та реконструкцією структури матеріалу. Корисна модель стосується автоматизації обробки зображень мікроструктур і може бути застосована у галузі матеріалознавства для кількісної металографії металевих, композиційних та інших матеріалів, особливо тих, що мають складну структуру (наприклад композити Сr-Сu, системи Fe-SiС(В)). Запропонований спосіб автоматизованої 5 59408 обробки багатокомпонентних зображень мікроструктур дозволяє підвищити точність та знизити Комп’ютерна верстка М. Ломалова 6 копіткість аналізу зображень мікроструктур за рахунок зменшення кількості інтерактивних операцій. Підписне Тираж 24 прим. Міністерство освіти і науки України Державний департамент інтелектуальної власності, вул. Урицького, 45, м. Київ, МСП, 03680, Україна ДП “Український інститут промислової власності”, вул. Глазунова, 1, м. Київ – 42, 01601