吳 偉，吳劍劍，張永華，鄔冠華，盧 鵬，吳 宇，張士晶

(1.無損檢測技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室(南昌航空大學(xué))，南昌 330063;2.湖北宜昌市特種設(shè)備檢驗(yàn)檢測所，湖北 宜昌 443005)

0 引言

TC4鈦合金材料強(qiáng)度高，硬度高，抗疲勞和抗腐蝕性能顯著，600℃溫度左右狀態(tài)下工作表現(xiàn)突出，并且TC4的密度僅為鋼和鎳基高溫合金的一半，使得其在航天航空工業(yè)中應(yīng)用廣泛［1－2］。TC4材料在不同熱處理狀態(tài)下組織結(jié)構(gòu)差異較大，表現(xiàn)為α相組織的形狀和相對量不一樣。金相組織定量分析方法為研究不同熱處理狀態(tài)下各相成份與材料性能之間關(guān)系意義重大。

金相組織特征參數(shù)包括晶粒尺寸、復(fù)相合金中各相的相對量、界面曲率、位錯密度、第二相粒子尺寸及分布等。如何準(zhǔn)確地算出金相組織中各參數(shù)，是圖像處理方法的主要研究方向。吳雪平等［3］開發(fā)的半固態(tài)金屬金相組織的計(jì)算機(jī)軟件系統(tǒng)，以及徐建林等［4］研發(fā)的鑄造材料金相組織圖像分析軟件，這些系統(tǒng)自動化程度不高，而且準(zhǔn)確率差;靳伍銀等［5］以 Matlab為工具，提出一種對金相定量分析的數(shù)字圖像處理方法，這類方法需要熟練Matlab編程，且占用計(jì)算機(jī)內(nèi)存大;其他的金相處理方法普遍存在自動化程度不高，準(zhǔn)確率低，處理的過程不直觀。本研究提出一種對金相定量分析的數(shù)字圖像處理方法，可用于對處理的結(jié)果進(jìn)行檢查與修正，提高圖像處理準(zhǔn)確率。

1 TC4鈦合金的ImageJ處理過程

1.1 陰影校正

金相樣品在觀察過程中，顯微鏡光軸不正、照度不均勻都可能會使得金相圖片明暗不均勻，對晶界的提取干擾很大［6］。對此采用滾動球背景減法(Rolling ball algorithm，RBA)來修正不均勻的背景。設(shè)將二維灰度圖中每個點(diǎn)對應(yīng)的值看成第三維(高度)，形成一個空間曲面。在曲面上放置一個給定半徑的球必將滾落在該曲面的低洼處，將小球接觸到的曲面部分稱為背景。利用滑動拋物面將滾動球替換為與給定半徑小球的頂點(diǎn)具有不同曲率的滑動拋物面，這就使得任何圖像值都可以找到合適的拋物面。對于大的像素值的點(diǎn)，在沿x、y及2個斜45°方向上，旋轉(zhuǎn)拋物面均可被近似為拋物線。利用這些滑動拋物線可對這些方向上的圖像數(shù)值進(jìn)行處理，為遍歷整個曲面，需要多次使用同一方向上的拋物線對圖像進(jìn)行處理，因此只能在精度和速度之間進(jìn)行折中選擇。在滾動拋物面算法中為了降噪，使用一個3×3的背景作為應(yīng)用對象，因此無論是使用滾動球還是滑動拋物面算法，在計(jì)算背景過程中都會對圖像產(chǎn)生輕微的平滑效果，但在算法中可以有效的避免圖像角落處的對象被當(dāng)做背景而減去的現(xiàn)象發(fā)生(注意:滾動球總會接觸到圖像4個角中的像素，從而把他們當(dāng)做背景像素)。以圓形結(jié)構(gòu)元g(r=10)作為結(jié)構(gòu)元，對平滑濾波后的圖像I進(jìn)行形態(tài)學(xué)的開運(yùn)算(滾動球算法)以產(chǎn)生背景圖像，即

圖1為背景增強(qiáng)效果圖，可以看出來背景增強(qiáng)后金相圖片中晶界更加清晰。

1.2 圖像增強(qiáng)

灰度值0～255用直方圖表示，灰度級太大導(dǎo)致圖像模糊，通過變換使圖像的像素占有的灰度級盡量集中［7］。圖2調(diào)節(jié)前灰度值范圍為0～255，變換后為108～255;變換后使圖像更加明亮，黑白差異更加明顯，輪廓更加清晰［8］。

圖1 背景增強(qiáng)效果圖Fig.1 Background enhanced renderings

圖2 亮度調(diào)節(jié)Fig.2 Brightness adjustment

1.3 數(shù)值化

二值化和閾值化統(tǒng)稱數(shù)值化。圖像進(jìn)行二值化處理能使圖像變得簡單，不僅數(shù)據(jù)量減少，而且更能凸顯感興趣的目標(biāo)輪廓。將所有灰度值小于閾值的像素點(diǎn)被判為特定物體，灰度值為0表示;否則這些點(diǎn)被排除在物體區(qū)域之外，灰度值為255，表示背景以及之外的物體區(qū)域。為便于邊緣提取和圖像分割將灰度圖像(典型的是8位每像素)轉(zhuǎn)換為黑白圖像。從灰度圖像獲得這種黑白圖像的過程通常稱作為閾值化。采用ISODATA算法［10］來確定閾值，如圖3所示，閾值化后圖片黑白分明，利于邊緣提取。

1.4 顆粒分析

設(shè)置閾值將高于或低于閾值的值設(shè)置為黑或白，再設(shè)置目標(biāo)的像素大小、圓度等參數(shù)來提取出顆粒。把顆粒選中后即可去除顆粒。有些小的噪聲可以通過簡單的去噪就可以實(shí)現(xiàn)，但是有些大的、大規(guī)模的噪聲通過簡單的去噪只能達(dá)到降噪的效果。要達(dá)到完全消除噪聲，必須通過去除顆粒來實(shí)現(xiàn)。去除顆粒是把金相圖片中一些影響邊緣提取的噪聲去掉，如圖4所示。

1.5 圖像分割

采用分水嶺分割算法(Watershed segmentation algorithm，WSA)對圖像進(jìn)行分割，相比其他的分割算法能夠較好地提取對象輪廓，準(zhǔn)確識別對象邊界且運(yùn)算量小等優(yōu)點(diǎn)［9－11］。分割后的圖片將α相組織分成了若干個特定的，更利于提取的區(qū)域(圖5)。

圖3 閾值化效果圖Fig.3 Thresholding renderings

圖4 去除顆粒Fig.4 Remove particulate extract

2 TC4金相組織圖片處理與結(jié)果分析

2.1 圖片處理

本研究基于TC4合金的金相圖片處理，大致過程為:原始圖片→陰影校正→增強(qiáng)去噪→二值化→去噪點(diǎn)→ 圖像分割→計(jì)算識別。圖6為TC4材料金相圖片從原始金相照片到TC4鈦合金材料α相組織識別和提取的整個處理過程的直觀顯示。

2.2 結(jié)果分析

圖5 圖像分割效果圖Fig.5 Image segmentation renderings

圖6 圖像處理過程圖Fig.6 Image processing

由圖6可以看出該方法效果明顯，TC4組織中的α相都準(zhǔn)確識別到了，而且輪廓提取較精準(zhǔn)，沒有出現(xiàn)過度分割現(xiàn)象。圖7是TC4棒材鍛件金相圖片處理后的α相數(shù)據(jù)結(jié)果，包含了α相面積、長軸、短軸等數(shù)據(jù)信息。將Area列相加再除以總的像素即為 α相面積比例，如1723652/3491484=0.4938，即可知 α 相比例為49.38%。將Feret和MinFeret列分別求均值為長短軸數(shù)值，如:Feret=147.705，MinFeret=101.302，長軸/短軸 =147.705/101.302=1.458。

3 結(jié)論

1)基于TC4合金棒材，以ImageJ軟件為工具的數(shù)字圖像處理結(jié)果顯示，TC4合金棒材中α相占 49.38%，長短軸比為 1.458。

2)提出的數(shù)字圖像處理技術(shù)對TC4鈦合金的金相組織定量分析，不僅可以測出不同相的相對量，以及金相分析中其他特征參數(shù)，還實(shí)現(xiàn)了對處理的過程保存，用于對處理的結(jié)果進(jìn)行檢查，且具有方便快捷、精度高、自動化程度高等優(yōu)點(diǎn)。

圖7 數(shù)據(jù)結(jié)果分析圖Fig.7 Data Analysis for α phrase in microstructure images of TC4 alloy

3)ImageJ軟件強(qiáng)大的圖像處理工具箱為處理金相照片提供了很大的便利，函數(shù)齊全，編程方便，可實(shí)現(xiàn)對TC4鈦合金組織金相圖片進(jìn)行處理和定量分析。其他多相組織定量也可以應(yīng)用本研究提出的方法，為組織含量對力學(xué)性能影響的研究提供了必要的依據(jù)。

［1］蔣少松.TC4鈦合金超塑成形精度控制［D］.哈爾濱:哈爾濱工業(yè)大學(xué)，2009:1－2.

［2］王召軍.TC4合金高溫形變工藝與顯微組織特征［D］.沈陽:東北大學(xué)，2009:1－15.

［3］吳雪平，吳樹森，毛有武，等.鎂、鋁合金半固態(tài)金相組織分析軟件的開發(fā)［J］.特種鑄造及有色合金，2002(5):51－53.

［4］徐建林，陳超，路陽，等.鑄造鋁青銅顯微組織的計(jì)算機(jī)輔助分析［J］.鑄造，2004，53(10):819－822.

［5］靳伍銀，趙霞霞，祁曉玲，等.基于數(shù)字圖像處理的GCr15軸承鋼金相組織定量分析［J］.蘭州理工大學(xué)學(xué)報(bào)，2013，39(1):6－9.

［6］王建萍，王家平，許建廣.數(shù)字圖像處理在定量金相分析中的應(yīng)用［J］.材料導(dǎo)報(bào)，2003，17(1):63－65.

［7］張紅旗，王春光，王全喜，等.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(3):209－213.

［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］.呼和浩特:內(nèi)蒙古農(nóng)業(yè)大學(xué)，2008:9－12.

［9］汪穎，劉奇，李成鑫.基于數(shù)學(xué)形態(tài)學(xué)的分水嶺圖像分割方法［J］.四川大學(xué)學(xué)報(bào):自然科學(xué)版，2004，41(增刊):457－460.

［10］Liu Q J，Zhao Z M，Li Y X，et al.Feature selection based on sensitivity analysis of fuzzy ISODATA［J］. Neurocomputing，2012，85:29－37.

［11］Guo L H，Li J H，Yang S T，et al.Image segmentation using an improved watershed algorithm［J］. JournalofShanghai Jiaotong University(Science)，2004，9(2):16－19.