一种孪晶晶界的识别方法、装置、设备及可读存储介质

1.本发明属于材料科学与计算机图像数字化处理技术的交叉领域，具体涉及一种孪晶晶界的识别方法、装置、设备及可读存储介质。


背景技术：

2.随着社会的发展以及科学技术的进步，先进设备对可靠性的要求也日益提高。金属材料作为现代先进仪器设备发展应用的基础，其性能直接关乎设备的运行可靠性，因此在现有金属材料的基础上对其进行针对性的完善和优化具有重要的科研意义和工程价值。在成分相同的情况下，材料宏观性能与微观结构直接相关，而晶体界面即是影响金属材料强度、塑性与韧性等宏观性能的关键结构之一。其中，孪晶晶界对材料宏观性能的影响程度远高于一般晶界。考虑到孪晶晶界对研究和改善材料宏观性能的重要性，对其进行精确的表征成为金属材料科学研究中重要且基础的一环。
3.ebsd在材料微观结构的表征中得到广泛应用，通过ebsd对金属材料进行孪晶表征，是目前最常见也是最有效的分析手段之一。ebsd图谱中包含大量以孪晶晶界为主的孪晶视觉信息，然而现阶段孪晶信息的特征提取仍过多依赖于人的主观感受，缺乏统一的检测度量规则，因此需要以图像数字化处理的手段分析检测ebsd图谱中的孪晶信息。相关的研究和应用受限于检测方法，存在着分段不足或分段过量导致的精度有限以及细节信息丢失现象带来的准确度有限的问题，面临着无法持续深入探索的风险。


技术实现要素：

4.针对现有技术中存在的问题，本发明提供了一种孪晶晶界的识别方法、装置、设备及可读存储介质，能够准确识别出多晶粒图像中的孪晶晶界。
5.为了解决上述技术问题，本发明通过以下技术方案予以实现：
6.一种孪晶晶界的识别方法，包括：
7.获取包含孪晶的多晶粒图像；
8.采用基于像素值的区域生长算法对所述多晶粒图像进行分割，得到单一晶粒图像；
9.采用clahe方法自适应增强所述单一晶粒图像中孪晶与其周边对比度，得到增强后的单一晶粒图像；
10.采用多尺度图像金字塔空间表示方法对所述增强后的单一晶粒图像进行多尺度表示，得到各尺度的单一晶粒图像；
11.采用概率hough变换与基于马尔科夫链的标准动态规划算法对所述各尺度的单一晶粒图像进行检测，得到所述各尺度的单一晶粒图像中若干条位于孪晶晶界上的直线段；
12.将所述各尺度的单一晶粒图像中若干条位于孪晶晶界上的直线段进行自适应合并与融合，最终得到单一晶粒图像中的孪晶晶界信息。
13.进一步地，所述包含孪晶的多晶粒图像为采用ebsd获得。
14.进一步地，所述采用基于像素值的区域生长算法对所述多晶粒图像进行分割，得到单一晶粒图像，具体包括：
15.对所述多晶粒图像进行二值化，选定二值化后的所述多晶粒图像中的待分割目标晶粒内一点作为种子点；
16.以所述种子点作为生长起点，定义所述生长起点所在像素位置与其周围的8个像素点构成的3
×
3区域为初始已生长区域r，根据式(1)和式(2)计算所述已生长区域r中所有像素点灰度值的平均值和方差，并将所述平均值和方差作为生长条件，根据式(3)和式(4)构建区域生长准则，将满足所述区域生长准则的像素点归入所述已生长区域r，完成一次迭代；多次迭代直到没有满足所述区域生长准则的邻域像素点归入所述己生长区域r为止，则图像分割结束，得到所述单一晶粒图像；
[0017][0018][0019]
|seedpoint(p)-f(p)
mean
|《th1ꢀꢀꢀ
(23)
[0020]
|seedpoint(p)-f(p)
var
|《th2ꢀꢀꢀ
(24)
[0021]
th1＝10％
×
f(p)
mean
ꢀꢀꢀ
(25)
[0022]
th2＝10％
×
f(p)
var
ꢀꢀꢀ
(26)
[0023]
公式中，p为多晶粒图像中的种子点的像素位置；q为种子点周围像素点的位置；f(p)
mean
为当前邻域的均值；f(p)
var
为当前邻域的方差；seedpoint(p)是种子点的灰度值；th1和th2均为区域生长的阈值。
[0024]
进一步地，所述采用clahe方法自适应增强所述单一晶粒图像中孪晶与其周边对比度，得到增强后的单一晶粒图像，具体包括：
[0025]
将所述单一晶粒图像分为多个子区域，并获取各子区域的像素分布直方图，根据式(7)计算各子区域的剪切阈值δ，并对各子区域的像素分布直方图进行剪切；
[0026][0027]
式中，n
subi
为各子区域内像素点的个数，0≤n
subi
≤85；l为最大灰度级；c为决定图像对比度的常量；
[0028]
对剪切后的各子区域的像素分布直方图进行重新分布，根据式(8)计算超出剪切阈值的像素点个数n
total
，将超出剪切阈值的像素点均匀分布到其他子区域的像素分布直方图中；
[0029][0030]
式中，k为灰度级，0≤k≤l-1；l(k)为各子区域的像素分布直方图；
[0031]
通过对比度受限函数对图像对比度增强的程度进行限制，根据式(9)、式(10)和式(11)得到最终的图像直方图l'(k)，进而得到增强后的单一晶粒图像；
[0032]
[0033]
μ＝δ-n
sub
ꢀꢀꢀ
(30)
[0034]nsub
＝n
tatal
/l
ꢀꢀꢀ
(31)
[0035]
式中，μ为分配阈值；n
sub
为每个子区域增加的平均像素点数。
[0036]
进一步地，所述采用多尺度图像金字塔空间表示方法对所述增强后的单一晶粒图像进行多尺度表示，得到各尺度的单一晶粒图像，具体包括：
[0037]
根据多尺度图像金字塔空间表示，对已获得待检晶粒图像进行上下多尺度采样，上采样过程即在原有图像像素的基础上采用式(12)所示的三次多项式s(x)为插值核，根据式(13)计算得到插入像素点的灰度值f(m)；下采样过程即在通过不断地删除图像的偶数行和偶数列得到，不断重复该过程即可得到该图像的图像金字塔，进而获得单一晶粒图像的多尺度表示；
[0038][0039]
f(m)＝a*b*c
ꢀꢀꢀ
(33)
[0040]
a＝[s(u+1),s(u),s(u-1),s(u-2)]
ꢀꢀꢀ
(34)
[0041]
b＝im[i-1:i+2,j-1:j+2]
ꢀꢀꢀ
(35)
[0042]
c＝[s(v+1),s(v)，s(v-1)，s(v-2)]
t
ꢀꢀꢀ
(36)
[0043]
式中，u、v为灰度区间上的各点；im为原图的灰度矩阵。
[0044]
进一步地，所述采用概率hough变换与基于马尔科夫链的标准动态规划算法对所述各尺度的单一晶粒图像进行检测，得到所述各尺度的单一晶粒图像中若干条位于孪晶晶界上的直线段，具体包括：
[0045]
将晶粒图像上构建直角坐标系xoy，随机获取直角坐标系中一点，通过式(17)映射到极坐标系；
[0046]
ρ＝xcos(θ)+ysin(θ)
ꢀꢀꢀ
(37)
[0047]
其中，x为晶粒图像各观测点的直角横坐标；y为晶粒图像各观测点的直角纵坐标；ρ为晶粒图像各观测点的极坐标，表示对应观测点的位置信息；θ也为晶粒图像各观测点的极坐标，表示对应观测点的方向信息；
[0048]
利用式(18)计算得到观测点在hough空间中的协方差ch，并根据bvn分布描述，利用式(19)计算各观测直线所贡献的投票数vote(ρ,θ|xi,yi,θi)；
[0049][0050][0051]
式中，ρi为hough空间中第i个观测点的位置信息，θi为hough空间中第i个观测点的方向信息，通过式(20)对所有观测结果在每个位置的投票累加，实现全局概率hough图的构建；
[0052][0053]
根据上述构造的全局概率hough图，按照概率累计值降序得到hough图中的每个峰值，峰的位置对应直线的位置和角度信息，峰的大小对应观测到直线的概率大小；
[0054]
利用全局概率hough图中获得的观测概率，计算得到各像素的状态概率；对于位置i的相关位置像素，包含有xi、di和yi这些状态信息，yi包括ei和θi，其中，xi代表i位置是否为待检线段的一部分，如果是，则xi＝on，如果否，则xi＝off，di代表i点偏离待检直线的距离，yi代表在i点处的概率观测值，ei表示该像素点是否为待检直线的一部分，θi表示当ei＝1时，观测直线与实际直线的角度偏差；
[0055]
对于边缘像素，其状态概率p(yi|xi)
∝
p(ei＝1|xi,di)p(θi|xi,ei＝1)，对于非边缘像素，其状态概率为p(yi|xi)
∝
p(ei＝0|xi,di)，其中，p(ei＝1|xi＝on,di)表示实际存在线段也观测到了线段的概率，p(ei＝1|xi＝off,di)表示实际不存在线段但观测到了线段的概率，p(ei＝0|xi＝on,di)表示实际存在线段但没观测到线段的概率，p(ei＝0|xi＝off,di)表示实际不存在线段也没观测到线段的概率；
[0056]
构造一阶马尔科夫链，用估计期望值的边际后验概率对线段各点进行标记，在此，假设各观测位置点之间的状态信息相互独立，即每一位置的状态仅与前一位置的状态有关，进而将直线段检测转化为对的最大化，在此，利用标准动态规划算法对上述问题进行最大后验概率求解，最终识别出单一晶粒图像中在单一尺度下的所有线段。
[0057]
进一步地，所述将所述各尺度的单一晶粒图像中若干条位于孪晶晶界上的直线段进行自适应合并与融合，最终得到单一晶粒图像中的孪晶晶界信息，具体包括：
[0058]
根据角度和空间接近度对各尺度下的直线段进行分组，规定角度差值与空间接近度差值在设定阈值范围内的直线段被认为满足合并要求，将每组中满足自适应合并准则的直线段依次合并成一条直线段，重复该步骤，直到无法合并，最终获得合并后直线段的长度与角度信息；
[0059]
对各个尺度下的合并结果进行尺度归一化后，在同一空间内对归一化后的结果进行综合筛选，最终获得单一晶粒图像中的孪晶晶界信息。
[0060]
一种孪晶晶界的识别装置，包括：
[0061]
获取模块，用于获取包含孪晶的多晶粒图像；
[0062]
分割模块，用于采用基于像素值的区域生长算法对所述多晶粒图像进行分割，得到单一晶粒图像；
[0063]
对比度增强模块，用于采用clahe方法自适应增强所述单一晶粒图像中孪晶与其周边对比度，得到增强后的单一晶粒图像；
[0064]
多尺度表示模块，用于采用多尺度图像金字塔空间表示方法对所述增强后的单一晶粒图像进行多尺度表示，得到各尺度的单一晶粒图像；
[0065]
直线段检测模块，用于采用概率hough变换与基于马尔科夫链的标准动态规划算法对所述各尺度的单一晶粒图像进行检测，得到所述各尺度的单一晶粒图像中若干条位于孪晶晶界上的直线段；
[0066]
融合模块，用于将所述各尺度的单一晶粒图像中若干条位于孪晶晶界上的直线段进行自适应合并与融合，最终得到单一晶粒图像中的孪晶晶界信息。
[0067]
一种设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述一种孪晶晶界的识别方法的步骤。
[0068]
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现一种孪晶晶界的识别方法的步骤。
[0069]
与现有技术相比，本发明至少具有以下有益效果：本发明针对现阶段孪晶信息的特征提取仍过多依赖于人的主观感受，缺乏统一的定量度量规则以及当前检测方法存在着精度和准确度有限的问题，提出了一种孪晶晶界的识别方法，通过基于像素值的区域生长算法分割多晶粒图像以得到单一晶粒图像，采用clahe方法自适应增强单一晶粒图像中孪晶与其周边对比度并抑制噪声，采用概率hough变换方法对参数空间中的各点逐一进行高斯建模以获得全局概率分布，从而对应获得坐标空间下的直线信息，再使用基于马尔科夫链的标准动态规划算法精准识别检测直线段，最后结合多尺度图像金字塔空间表示方法，利用上述直线检测方法得到多尺度的孪晶界直线表征，进而根据角度和空间接近程度对尺度归一化整合后的直线表征进行自适应的分组和融合，至此获得由直线定量表征的材料孪晶晶界信息。通过对利用ebsd获得的包含孪晶的多晶粒图像进行分析处理，验证了本发明的可行性和有效性，处理结果表明，本发明能够准确识别出多晶粒图像中的孪晶界。本发明主要有以下几点优势，首先，在现阶段孪晶信息的特征提取仍过多依赖于人的主观感受的背景下，将图像数字化处理的手段引入ebsd图谱分析中，通过孪晶界的直线检测实现孪晶信息的精准定量识别，为材料分析提供新思路。其次，将概率hough变化方法与马尔科夫链模型相结合，将二维空间内的直线检测问题简化为一维空间内的线性动态规划问题，确保对直线方向的精确表征，相比传统基于梯度的直线检测方法，有效避免分段不足或分段过量的情况，提高了直线检测的准确性；结合多尺度图像金字塔空间表示，对单一晶粒图像进行多尺度采样以获得不同尺度下的孪晶界边缘，避免细节信息丢失，可以有效提高对于特征不明显的线段的识别与检测。
[0070]
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
[0071]
为了更清楚地说明本发明具体实施方式中的技术方案，下面将对具体实施方式描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0072]
图1为本发明一种孪晶晶界的识别方法的流程图；
[0073]
图2为由ebsd获得的包含孪晶的多晶粒图像；
[0074]
图3为待检单一晶粒的位置图像；
[0075]
图4为获得的待检单一晶粒图像；
[0076]
图5为单一晶粒图像增强后的效果图像；
[0077]
图6为获得的单一晶粒图像孪晶晶界单一尺度下检测结果；
[0078]
图7为获得的单一晶粒图像孪晶晶界多尺度综合检测结果。
具体实施方式
[0079]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0080]
作为本发明的某一具体实施方式，如图1所示，一种孪晶晶界的识别方法，具体包括以下步骤：
[0081]
步骤1：利用ebsd获得包含孪晶的多晶粒图像，如图2所示；
[0082]
步骤2：通过基于像素值的区域生长算法对多晶粒图像进行分割，获得单一晶粒的图像，具体过程如下：
[0083]
步骤2.1：对多晶粒图像进行二值化，选定二值化后的多晶粒图像中的待分割目标晶粒内一点作为种子点；
[0084]
步骤2.2：以种子点作为生长起点，定义生长起点所在像素位置与其周围的8个像素点构成的3
×
3区域为初始已生长区域r，根据式(1)和式(2)计算已生长区域r中所有像素点灰度值的平均值和方差，并将平均值和方差作为生长条件，根据式(3)和式(4)构建区域生长准则，规定满足区域生长准则的像素点可归入已生长区域r，完成一次迭代。以生长规则为标准对已生长区域的邻域像素点进行判断，将符合规则的像素点归入已生长区域，完成一次迭代。多次迭代直到没有满足条件的邻域像素点划分入己生长区域为止，图像分割结束，获得单一晶粒的图像，如图3所示，对应得到的待检晶粒图像如图4所示。
[0085][0086][0087]
|seedpoint(p)-f(p)
mean
|《th1ꢀꢀꢀ
(43)
[0088]
|seedpoint(p)-f(p)
var
|《th2ꢀꢀꢀ
(44)
[0089]
th1＝10％
×
f(p)
mean
ꢀꢀꢀ
(45)
[0090]
th2＝10％
×
f(p)
var
ꢀꢀꢀ
(46)
[0091]
公式中，p为多晶粒图像中的种子点的像素位置；q为种子点周围像素点的位置；f(p)
mean
为当前邻域的均值；f(p)
var
为当前邻域的方差；seedpoint(p)是种子点的灰度值；th1和th2均为区域生长的阈值。
[0092]
步骤3：采用clahe方法自适应增强单一晶粒的图像，获得单一晶粒图像中孪晶与其周边对比度更高的图像，即得到增强后的单一晶粒图像，具体过程如下：
[0093]
步骤3.1：将单一晶粒图像分为多个子区域并获取各子区域的像素分布直方图，根据式(7)计算各子区域的剪切阈值，并对每个子区域内的像素分布直方图进行剪切；
[0094]
[0095]
式中，n
subi
为各子区域内像素点的个数，0≤n
subi
≤85；l为最大灰度级；c为决定图像对比度的常量。
[0096]
步骤3.2：对剪切后的各子区域的像素分布直方图进行重新分布，根据式(8)计算超出剪切阈值的像素点个数n
total
，将超出剪切阈值的像素点均匀分布到其他子区域的像素分布直方图中；
[0097][0098]
式中，k为灰度级，0≤k≤l-1；l(k)为各子区域的像素分布直方图。
[0099]
步骤3.3：通过对比度受限函数对图像对比度增强的程度进行限制，根据式(9)、式(10)和式(11)得到最终的图像直方图l'(k)，进而得到增强后的单一晶粒图像，图像增强的结果如图5所示；
[0100][0101]
μ＝δ-n
sub
ꢀꢀꢀ
(50)
[0102]nsub
＝n
tatal
/l
ꢀꢀꢀ
(51)
[0103]
式中：μ为分配阈值；n
sub
为每个子区域增加的平均像素点数。
[0104]
步骤4：采用多尺度图像金字塔空间表示方法对所述增强后的单一晶粒图像进行多尺度表示，得到各尺度的单一晶粒图像，具体如下：
[0105]
根据多尺度图像金字塔空间表示，对已获得待检晶粒图像进行上下多尺度采样，本实施例中，采样率为：0.5、0.7、0.8、0.9、1、1.1、1.2、1.5、2，上采样过程即在原有图像像素的基础上采用如式(12)所示的三次多项式s(x)为插值核，根据式(13)计算得到插入像素点的灰度值f(m)；下采样过程即在通过不断地删除图像的偶数行和偶数列得到，不断重复该过程即可得到该图像的图像金字塔，进而获得单一晶粒图像的多尺度表示；
[0106][0107]
f(m)＝a*b*c
ꢀꢀꢀ
(53)
[0108]
a＝[s(u+1),s(u),s(u-1),s(u-2)]
ꢀꢀꢀ
(54)
[0109]
b＝im[i-1:i+2,j-1:j+2]
ꢀꢀꢀ
(55)
[0110]
c＝[s(v+1),s(v)，s(v-1)，s(v-2)]
t
ꢀꢀꢀ
(56)
[0111]
式中，u、v为灰度区间上的各点，im为原图的灰度矩阵。
[0112]
步骤5：采用概率hough变换与基于马尔科夫链的标准动态规划算法对各尺度的单一晶粒图像进行检测，获得各尺度的单一晶粒图像中若干条位于孪晶晶界上的直线段，具体过程如下：
[0113]
步骤5.1：采用概率hough变换方法构建hough空间，获得全局概率分布，从而对应获得坐标空间下的直线信息。
[0114]
将晶粒图像上构建直角坐标系xoy，随机获取坐标系中一点，通过式(17)映射到极坐标系；
[0115]
ρ＝xcos(θ)+ysin(θ)
ꢀꢀꢀ
(57)
[0116]
其中x为晶粒图像各观测点的直角横坐标；y为晶粒图像各观测点的直角纵坐标；ρ为晶粒图像各观测点的极坐标，表示对应观测点的位置信息；θ也为晶粒图像各观测点的极坐标，表示对应观测点的方向信息。
[0117]
利用式(18)计算得到观测点在hough空间中的协方差ch，并根据bvn分布描述，利用式(19)计算各观测直线所贡献的投票数vote(ρ,θ|xi,yi,θi)；
[0118][0119][0120]
其中，ρi为hough空间中第i个观测点的位置信息，θi为hough空间中第i个观测点的方向信息，通过式(20)对所有观测结果在每个位置的投票累加，实现全局概率hough图的构建；
[0121][0122]
根据上述构造的全局概率hough图，按照概率累计值降序得到hough图中的每个峰值，峰的位置对应直线的位置和角度信息，峰的大小对应观测到直线的概率大小。
[0123]
步骤5.2：利用所获得的的直线信息以及观测概率，采用基于马尔科夫链的标准动态规划算法精准识别检测直线段。
[0124]
利用全局概率hough图中获得的观测概率，计算得到各像素的状态概率。对于位置i的相关位置像素，包含有xi、di和yi这些状态信息，yi包括ei和θi，其中，xi代表i位置是否为待检线段的一部分，如果是，则xi＝on，否则xi＝off；di代表i点偏离待检直线的距离；yi代表在i点处的概率观测值，yi代表在i点处的概率观测值，ei表示该像素点是否为待检直线的一部分，θi表示当ei＝1时，观测直线与实际直线的角度偏差。
[0125]
对于边缘像素，其状态概率p(yi|xi)
∝
p(ei＝1|xi,di)p(θi|xi,ei＝1)，对于非边缘像素，其状态概率为p(yi|xi)
∝
p(ei＝0|xi,di)，其中，p(ei＝1|xi＝on,di)表示实际存在线段也观测到了线段的概率，p(ei＝1|xi＝off,di)表示实际不存在线段但观测到了线段的概率,p(ei＝0|xi＝on,di)表示实际存在线段但没观测到线段的概率，p(ei＝0|xi＝off,di)表示实际不存在线段也没观测到线段的概率。
[0126]
构造一阶马尔科夫链，用估计期望值的边际后验概率对线段各点进行标记。在此，假设各观测位置点之间的状态信息相互独立，即每一位置的状态仅与前一位置的状态有关，进而将直线段检测转化为对的最大化。在此，利用标准动态规划算法对上述问题进行最大后验概率求解。
[0127]
通过前述步骤，可以识别出单一晶粒图像中在单一尺度下的所有线段，如图6所示。
[0128]
步骤6：对各尺度的单一晶粒图像中若干条位于孪晶晶界上的直线段进行自适应
合并与融合，最终得到单一晶粒图像中的孪晶晶界信息，具体过程如下：
[0129]
步骤6.1：根据角度和空间接近度对各尺度下的线段进行分组，规定角度差值与空间接近度差值在一定阈值范围内的线段被认为满足合并要求，本实施例中，阈值设置为5
°
。将每组中满足自适应合并准则的线段依次合并成一条线段，重复该步骤，直到无法合并，最终获得合并后线段的长度与角度信息。
[0130]
步骤6.2：对各个尺度下的合并结果进行尺度归一化后，在同一空间内对归一化后的结果进行综合筛选，最终获得单一晶粒图像中的孪晶晶界信息，如图7所示。
[0131]
作为本发明的某一具体实施方式，本发明还提供了一种孪晶晶界的识别装置，用于实现上述孪晶晶界的识别方法，具体包括：
[0132]
获取模块，用于获取包含孪晶的多晶粒图像；
[0133]
分割模块，用于采用基于像素值的区域生长算法对所述多晶粒图像进行分割，得到单一晶粒图像；
[0134]
对比度增强模块，用于采用clahe方法自适应增强所述单一晶粒图像中孪晶与其周边对比度，得到增强后的单一晶粒图像；
[0135]
多尺度表示模块，用于采用多尺度图像金字塔空间表示方法对所述增强后的单一晶粒图像进行多尺度表示，得到各尺度的单一晶粒图像；
[0136]
直线段检测模块，用于采用概率hough变换与基于马尔科夫链的标准动态规划算法对所述各尺度的单一晶粒图像进行检测，得到所述各尺度的单一晶粒图像中若干条位于孪晶晶界上的直线段；
[0137]
融合模块，用于将所述各尺度的单一晶粒图像中若干条位于孪晶晶界上的直线段进行自适应合并与融合，最终得到单一晶粒图像中的孪晶晶界信息。
[0138]
本发明在一个实施例中，提供了一种计算机设备，该计算机设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor、dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行一条或一条以上指令从而实现相应方法流程或相应功能；本发明实施例所述的处理器可以用于一种孪晶晶界的识别方法的操作。
[0139]
本发明在一个实施例中，一种孪晶晶界的识别方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。
[0140]
所述计算机存储介质可以是计算机能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(mo)等)、光学存储器(例如cd、dvd、bd、hvd等)、以及半导体存储器(例如rom、eprom、eeprom、非易失性存储器(nandflash)、固态硬盘(ssd))等。
[0141]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0142]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0143]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0144]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0145]
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。