专利名称：球墨铸铁中显微粒子的自动分类评级方法
技术领域：
本发明的技术方案涉及金相显微图像数据处理，具体地说是球墨铸铁中显微粒子的自动分类评级方法。
背景技术：
金相显微分析是金属材料科学研究中一种很重要的研究方法，它可以观察及研究金属中用宏观分析方法无法观察到的组织细节及缺陷。由于金相几何参数的尺寸对材料性能的影响很大，它的检测在金属材料分析中起着很重要的作用。在现有金相显微分析技术中，金相显微图像中粒子的差别不大，人为很难区别判断，且判断检验标准不统一，人为因素影响很大，对检验的准确性和权威性以及品控都产生了很大的负面效应。金相图像中往往夹杂了很多种的物质，如球墨铸铁中或某种钢中，往往含有球墨、珠光体和铁素体等多种物质，而金相检验室要对不同的物质以不同的标准去检验测量，如这些夹杂物都放在一起检验测量势必会产生干扰效应，使测量评级结果准确性降低。CN201010199148公开了一种基于图切割对彩色图像和灰度图像进行自动分割的方法。主要解决现有图切割技术在图像分割中需要交互、建模和手动修改分割结果的问题， 但对含有多种组织的金相图像的处理缺乏适应性和准确性。CN20101(^62281披露了对金相显微组织图像处理方法的改进。处理的步骤如下 通过电子显微镜采集金相图片，规定金相图片的图像模式，对变换到HIS模式的图像进行图像滤波，对滤波后的图像进行Hotelling变换，采用人工神经网络聚类算法处理图像，图像特征提取，计算提取后的所有晶粒元素中的像素点的个数，得到晶粒的面积百分比。该方法不能准确的识别和判断分割后组织的名称，对含有多种组织的金相图像的处理也缺乏适应性和准确性。
发明内容
本发明所要解决的技术问题是提供球墨铸铁中显微粒子的自动分类评级方法， 采用将改进的K均值聚类算法与图像分割算法融合应用并结合金相的特征值的手段，依据图像中显微粒子的种类将其分割成相应数量的样本图像，将一张球墨铸铁金相样本图像按不同的显微粒子分离开来，分割后的每张图像中只包含一种显微粒子，用户可根据自己的需求选择适当的显微粒子进行分类评级，克服了现有金相显微分析技术对金相图像的处理，特别是多含有多种组织的金相图像的处理缺乏检验的准确性和权威性的缺点。本发明解决该技术问题所采用的技术方案是球墨铸铁中显微粒子的自动分类评级方法，具体步骤如下第一步，采集图像通过光学显微镜和CXD相机采集球墨铸铁的金相图像，所用CXD相机的分辨率在 130万 300万像素，采用USB接口通信，视频采集时每秒帧数大于10帧，抓拍其中效果较好的一帧保存为BMP或JPG格式的图像，其中优选视频采集时每秒帧数为11 31帧；第二步，客户输入分类的显微粒子类别数目估计值考虑到球墨铸铁的金相组织评级的定量性，确定客户输入分类的显微粒子聚类数目估计值为k=2 5类；第三步，图像预处理将由第一步采集的图像经过图像预处理，其操作过程是先对图像进行灰度化处理，然后将三通道图像转换成单通道图像，再根据用户选择进行滤波操作使图像清晰化，这里采用高斯滤波和中值滤波两种滤波相结合的滤波方法；第四步，图像聚类分类将改进的K均值聚类算法与图像分割算法融合应用，即采用多阈值迭代的分割方法并将K均值聚类算法融入其中，对第三步图像预处理的图像聚类分类，具体步骤是4. 1为每个聚类确定一个初始的聚类中心，这样k个聚类存在k个聚类中心，4. 2将样本集中的每一个样本按照最小距离原则分配到k个聚类中的某一个，4. 3使用每个聚类中所有样本的均值作为新的聚类中心，4. 4如果聚类中心有变化则重复4. 2和4. 3步直到聚类中心不再变化为止，4. 5最后得到的k个聚类中心就是聚类的结果，4. 6找出图像中的亮度特征，通过迭代方法将其归类标记为1，2，3…K类；第五步，提取和计算图像中的显微粒子的形态特征，结合相应国标来区分球墨铸铁中显微粒子的种类并确定级别将由第四步图像聚类分类好的球墨铸铁的金相图像抽取显微粒子的形态特征，包括显微粒子的球化率、面积率、粒子大小和珠光体数量，通过计算这些显微粒子的形态特征，结合相应的国家标准来区分球墨铸铁中显微粒子的种类并确定级别，具体步骤如下5. 1球墨铸铁中石墨显微粒子种类的区分先通过计算各个石墨显微粒子的球化率和面积率，
Ixw1 n +0.8x n + 0.6χ, +0.3x n, +Oxwn , τ Λ球化率计算
权利要求
1.球墨铸铁中显微粒子的自动分类评级方法，其特征在于具体步骤如下 第一步，采集图像通过光学显微镜和CXD相机采集球墨铸铁的金相图像，所用CXD相机的分辨率在130 万 300万像素，采用USB接口通信，视频采集时每秒帧数为11 31帧，抓拍其中效果较好的一帧保存为BMP或JPG格式的图像；第二步，客户输入分类的显微粒子类别数目估计值考虑到球墨铸铁的金相组织评级的定量性，确定客户输入分类的显微粒子聚类数目估计值为k = 2 5类； 第三步，图像预处理将由第一步采集的图像经过图像预处理，其操作过程是先对图像进行灰度化处理，然后将三通道图像转换成单通道图像，再根据用户选择进行滤波操作使图像清晰化，这里采用高斯滤波和中值滤波两种滤波相结合的滤波方法； 第四步，图像聚类分类将改进的K均值聚类算法与图像分割算法融合应用，即采用多阈值迭代的分割方法并将K均值聚类算法融入其中，对第三步图像预处理的图像聚类分类，具体步骤是 4. 1为每个聚类确定一个初始的聚类中心，这样k个聚类存在k个聚类中心， 4. 2将样本集中的每一个样本按照最小距离原则分配到k个聚类中的某一个， 4. 3使用每个聚类中所有样本的均值作为新的聚类中心， 4. 4如果聚类中心有变化则重复4. 2和4. 3步直到聚类中心不再变化为止， 4. 5最后得到的k个聚类中心就是聚类的结果，4.6找出图像中的亮度特征，通过迭代方法将其归类标记为1，2，3··· K类；第五步，提取和计算图像中的显微粒子的形态特征，结合相应国标来区分球墨铸铁中显微粒子的种类并确定级别将由第四步图像聚类分类好的球墨铸铁的金相图像抽取显微粒子的形态特征，包括显微粒子的球化率、面积率、粒子大小和珠光体数量，通过计算这些显微粒子的形态特征，结合相应的国家标准来区分球墨铸铁中显微粒子的种类并确定级别，具体步骤如下5.1球墨铸铁中石墨显微粒子种类的区分先通过计算各个石墨显微粒子的球化率和面积率，球化率计算 V = 1Χ^0+0·8Χ^08 +0·6Χ%6+0·3Χ^0.3+0Χ^0 ( J )^1.0+0(16 +0(13 +M〇式中，II1.n0.8、n0.6、n0.3、n0分别表示五种球状修正系数的石墨显微粒子颗数，面积率计算μ = 4(II)Ttr上式中，Si为各个石墨显微粒子的实际面积，单位为mm2，r为各个石墨显微粒子的外接圆半径，单位为mm，(I)式中的五种球状修正系数的石墨显微粒子颗数与(II)式计算所得的面积率大小范围的对应关系分别为 .Q对应u彡0. 81、nQ 8对应u = 0. 80 0. 61、ηα6对应u = 0. 60 0. 41、nQ 3 对应 u = 0. 40 0. 21 和 nQ 对应 u 彡 0. 20，再用面积率来区分球墨铸铁球化中的石墨显微粒子的种类，由计算的面积率数值与GB9441-88对比，石墨显微粒子面积率小于0. 2的为片状石墨；大于0. 2至小于0. 4的为蠕虫状石墨；大于0. 4至小于0. 6的为团絮状石墨；大于0. 6至小于0. 8的为团状石墨；大于 0. 8至小于1. 0的为球状石墨；-5. 2球墨铸铁中石墨显微粒子的大小评级计算各个石墨显微粒子平均直径D的计算公式为
2.权利要求1所述球墨铸铁中显微粒子的自动分类评级方法，其特征在于所述图像分割算法的流程是开始一确定聚类中心一分配样本，样本均值为新的聚类中心一中心变化？一是，返回分配样本，样本均值为新的聚类中心；否，找出图像亮度特征，迭代归类。
3.权利要求1所述球墨铸铁中显微粒子的自动分类评级方法，其特征在于其中五个步骤的实施是由计算机按照如下的技术流程所控制的开始一采集图像一图像预处理一确定聚类中心一分配样本，样本均值为新的聚类中心一中心变化？一是，返回分配样本，样本均值为新的聚类中心；否，找出图像亮度特征，迭代归类。
全文摘要
本发明球墨铸铁中显微粒子的自动分类评级方法，涉及金相显微图像数据处理，步骤是采集图像；客户输入分类的显微粒子类别数目估计值；图像预处理；图像聚类分类；提取和计算图像中的显微粒子的形态特征，结合相应国标来区分球墨铸铁中显微粒子的种类并确定级别。本发明方法采用将改进的K均值聚类算法与图像分割算法融合应用并结合金相特征值的手段，依据图像中显微粒子的种类将其分割成相应数量的样本图像，分割后的每张图像中只包含一种显微粒子，用户可根据自己需求选择适当的显微粒子进行分类评级，克服了现有金相显微分析技术对金相图像的处理，特别是含有多种组织的金相图像的处理缺乏检验的准确性和权威性的缺点。
文档编号G01N15/14GK102494987SQ20111041536
公开日2012年6月13日 申请日期2011年12月13日 优先权日2011年12月13日
发明者岳洋, 张坤宇, 李旺 申请人:天津卓朗科技发展有限公司