Способ распознавания объектов цифровой обработкой исходных изображений в градациях серого Российский патент 2023 года по МПК G06T7/44 

Известен способ распознавания графических образов объектов на исходном изображении, представленном в цифровом виде в градациях серого, инвариантный к поворотам и масштабированию графических образов объектов на изображении, характеризуется предварительным формированием эталонных контуров и эталонных фрагментов контуров, выполнением предварительной обработки исходного изображения, выделением и замыканием контуров графических образов объектов исходного изображения, переводом полученных контуров из пространства координат растра в комплекснозначное пространство вектор-контуров, выполнением структурного анализа формы изображения фильтрами, используя вычисление значения модуля нормированного скалярного произведения и строя взаимно корреляционной функции контуров графических образов объектов исходного изображения и эталонных фрагментов контуров, при этом в качестве предварительно формируемых эталонных контуров используют «замкнутый квадрат», «замкнутый прямоугольник», «линия», «незамкнутый прямоугольник», «шум», а эталонных фрагментов контуров - «прямая линия», «прямой угол» (патент RU 2672622; МПК G06K 9/48, G06K 9/52, G06T 7/44; 2018 год).

Недостатком известного способа является невозможность распознавания микроструктуры объекта по фазовому составу, поскольку способ обеспечивает только распознавание графических образов.

Наиболее близким к заявляемому способу является способ для обнаружения и классификации частиц на основе обработки микрофотографических изображений, полученных с помощью оптического микроскопа, который выполнен не субъективным и, следовательно, точным в отношении качества выбранного микрофотографического изображения путем установления соответствия его заданным пользователем параметров, включая яркость, контрастность и резкость, необходимые для анализа содержания изображения. Представленный способ включает: выбор микрофотографии образца, которая удовлетворяет определенным пользователем критериям качества изображения и содержания изображения; измерение интенсивности уровня серого отдельных пикселей, составляющих микрофотографию в условных оттенках серого, в масштабе от 0 до 255 с шагом единицы измерения 10 пунктов и объединения между ними пикселей, имеющих одинаковую интенсивность уровня серого, чтобы тем самым разграничить контуры, отражающие частицы, распределенные в образце; группирование контуров на основе близости указанных контуров и общей площади между ними, чтобы, таким образом, установить контурные кластеры, представляющие отдельные частицы в образце; идентификацию очерчивающих границ частиц из числа контурных кластеров, чтобы тем самым идентифицировать отдельные частицы в образе; измерения характерных данных, путем включения калибровочного набора микрофотографий, соответствующих стандартизированному масштабу, в частности, шаблоны кругов диаметром, в котором размер пикселя выполнен с учетом коэффициента увеличения микрофотографических изображений, выбранных пользователем (патент US 10783348; МПК G06K 9/00, G06K 9/03, G06K 9/40, G06K 9/46, G06K 9/62, H04N 5/232, А61В 5/05, G01N 21/01, G06T 7/00, G06T 7/11, G06T 7/187, G06T 7/60; 2020 год).

Однако недостатком способа является невозможность распознавания микроструктуры объектов по фазовому составу, в частности распространения фазы определенного состава по поверхности ми ко структуры сплава.

Таким образом, перед автором стояла задача разработать способ распознавания объектов цифровой обработкой исходных изображений в градациях серого, обеспечивающий визуализацию распространения фазы качественно известного химического состава по поверхности микроструктуры сплава.

Поставленная задача решена в предлагаемом Способ распознавания объектов цифровой обработкой исходных изображений в градациях серого, включающий наложение калибровочного набора на исходное изображение, полученное на экране ЭВМ в градациях серого с использованием электронного микроскопа, с последующим измерением интенсивности уровня серого отдельных пикселей, составляющих изображение в условных оттенках серого, и объединение между ними пикселей, имеющих одинаковую интенсивность уровня серого, отличающийся тем, что в качестве калибровочного набора используют квадратную сетку с заданным числом пикселей сторон, соответствующим уровню серого в градациях серого, при этом на исходное изображение шлифа микроструктуры сплава, полученное с применением растрового электронного микроскопа в режиме съемки в градациях серого, накладывают квадратную сетку с заданным числом пикселей сторон, соответствующим уровню серого в градациях серого, затем вручную задают в единицах градации серого допуск отклонения от среднего значения тонового диапазона пикселей, входящих в выбранный квадрат, выделяют цветом на изображении все квадраты сетки, смежные с первоначально выбранным квадратом и имеющие аналогичный допуск отклонения по тоновому диапазону, процедуру повторяют последовательно для всех выделенных цветом квадратов на сетке, при этом окончательное количество квадратов фиксируют на экране ЭВМ, по расположению смежных с выбранным квадратом клеток сетки определяют тоновое пространственное расположение конкретной фазы в указанном месте поверхности материала.

В настоящее время из патентной и научно-технической информации не известен способ распознавания объектов цифровой обработкой исходных изображений в градациях серого, в котором используют квадратную сетку с заданным числом пикселей сторон, соответствующим уровню серого в градациях серого, которую накладывают на исходное изображение, выбирают один из квадратов сетки и вручную задают для него в единицах градации серого допуск отклонения от среднего значения тонового диапазона пикселей, входящих в выбранный квадрат, выделяют цветом на изображении все квадраты сетки, смежные с первоначально выбранным квадратом и имеющие аналогичный допуск отклонения по тоновому диапазону, процедуру повторяют последовательно для всех выделенных цветом квадратов на сетке, при этом окончательное количество выделенных квадратов фиксируют на экране ЭВМ.

Реализация автором предлагаемого способа основывалась на современном понятии графического представления информации как результата исследований. С ростом сложности научно-технических задач и количества научных исследований обработка и анализ графической информации требуют разработки новых подходов, основанных на новых математических теориях. Одним из таких подходов служит теория фракталов. Фракталами называют геометрические объекты (линии, поверхности, пространственные тела), имеющие сильно изрезанную форму и обладающие свойствами самоподобия. Более строго фрактал можно определить как множество, хаусдорфова размерность которого строго больше (или меньше) топологической размерности. Фрактальная кривая в идеале па сколь угодно малом масштабе не вырождается в прямую и является в общем случае геометрически нерегулярной, хаотической. Для нее не существует и понятия касательной в точке, так как функции, описывающие эти кривые, являются в общем случае не дифференцируемыми. Измеряя размер, например, длину объекта, при увеличении масштаба получают все более возрастающее ее значение. Одним из наиболее перспективных приложений теории фракталов является компьютерная графика (https://cyberleninka.ru/article/n/fraktalnyy-analiz-polutonovyh-izobrazheniy/viewer). С учетом, что процессы перколяции (вытеснения жидкостей в пористых средах или смачиваемость объектов) во многих своих проявлениях подобны механизму протекания твердофазных реакций при формировании микроструктуры керметов и сплавов в процессе их синтеза (В.А. Жиляев, Е.П. Патраков. Кинетика и механизм взаимодействия карбонитрида титана с Ni-Mo-расплавом // Тугоплавкие, керамические и композиционные материалы. Известия вузов. ПМ и ФП. 2015. №2. С. 30-37) появляется возможность применения фрактального анализа при исследовании подобных явлений. Применение фрактального анализа в предлагаемом способе позволяет визуализировать распространение фазы качественно известного химического состава по поверхности микроструктуры сплава.

Предлагаемый способ может быть осуществлен следующим образом. На исходное изображение шлифа микроструктуры сплава, полученное с применением растрового электронного микроскопа в режиме съемки в градациях серого (патент RU 2707980), накладывают квадратную сетку с заданным числом пикселей сторон, соответствующим уровню серого в градациях серого, затем вручную задают в единицах градации серого допуск отклонения от среднего значения тонового диапазона пикселей, входящих в выбранный квадрат, выделяют цветом на изображении все квадраты сетки, смежные с первоначально выбранным квадратом и имеющие аналогичный допуск отклонения по тоновому диапазону, процедуру повторяют последовательно для всех выделенных цветом квадратов на сетке, при этом окончательное количество квадратов фиксируют на экране ЭВМ, по расположению смежных с выбранным квадратом клеток сетки определяют тоновое пространственное расположение конкретной фазы в указанном месте поверхности материала. В предлагаемом способе используют программу Сетка (Grider)(свидетельство о государственной регистрации программы для ЭВМ №2021668188), которая снабжена калибровочным набором соответствия между количеством пикселей и фоновым тоном изображения в градациях серого. С учетом того, что композиционный контраст является функцией атомного номера химического элемента, а рентгеноспектральный анализ определяет номер химического элемента, и следовательно, по композиционному контрасту и данным рентгеноспектрального анализа можно установить химический состав фазы и однозначное соответствие его определенному тоновому диапазону для фаз в любом месте микроструктуры (Гоулдстейн Дж,, Ньюбери Д., Эчлин П., Джой Д., Фи ори Ч., Лиф шин Э. "Растровая электронная микроскопия и рентгеновский микроанализ" в 2-х книгах, книга 1, - М., Мир, 1984 г. - 303 стр.), в предлагаемом способе в выбранном квадрате сетки на изображении микроструктуры определяют качественный состав фазы исследуемого материала.

Предлагаемое техническое решение иллюстрируется примером конкретного исполнения способа цифровой обработки изображения поверхности микроструктуры сплава КНТ - 12 (ГОСТ 26530-85; состав TiCN - 88%, (Ni+Mo) -12%) и поясняется следующими фигурами.

На исходное изображение шлифа микроструктуры сплава КНТ - 12, полученное с применением растрового электронного микроскопа JSM 6390 LA (JEOL) в режиме съемки - отраженные электроны (BES) в градациях серого, накладывают квадратную сетку с заданным числом пикселей сторон, соответствующим уровню серого в градациях серого в соответствии с заложенной в ЭВМ программой. В предлагаемом способе используют программу Сетка (Grider)(свидетельство о государственной регистрации программы для ЭВМ №2021668188), Затем вручную задают для него в единицах градации серого допуск отклонения от среднего значения тонового диапазона пикселей, входящих в выбранный квадрат, автоматически по заложенной в ЭВМ программе выделяют цветом на изображении все квадраты сетки, смежные с первоначально выбранным квадратом и имеющие аналогичный допуск отклонения по тоновому диапазону, процедуру повторяют автоматически по заложенной в ЭВМ программе последовательно для всех выделенных цветом квадратов па сетке, при этом окончательное количество квадратов, выделенных автоматически по заложенной в ЭВМ программе, фиксируют на экране ЭВМ. По расположению смежных с выбранным квадратом клеток сетки можно определить тоновое пространственное расположение конкретной фазы в указанном месте поверхности материала.

На фиг. 1 представлено изображение (композиционный контраст) микроструктуры шлифа твердого сплава КНТ 12. По изображению микроструктуры видно, что микроструктура твердого сплава КНТ12 соответствует структуре типа ядро-оболочка, где ядро (TiC_0.5N_0.5) - темная фаза, коаксиальная оболочка (Ti_1-xMo_xC_0.5N_0.5) - серая фаза, металлическая связка (Ni - 25% масс. Мо) - светлая фаза и черная фаза - поры.

На фиг. 2 представлено изображение после его цифровой обработки предлагаемым способом. Цветом на изображении выделена фаза коаксиальной оболочки (размер клетки 6 пиксель, количество выделенных клеток 64138, тоновый допуск 20).

На фиг. 3-7 показаны примеры цифровой обработки изображений при различных тоновых допусках и параметрах клеток сетки.

На фиг. 3 и 4 представлены изображения после их цифровой обработки предлагаемым способом около металлической связки с относительно большим содержанием Мо. На фиг. 3 размер клетки 6 пиксель, количество выделенных клеток 1832, тоновый допуск 15, на фиг. 4. размер клетки 6 пиксель, количество выделенных клеток 2964, тоновый допуск 20.

На фиг. 5-7 представлены изображения после цифровой обработки предложенным способом коаксиальной оболочки около ядра. На фиг. 5 размер клетки 10 пиксель, количество выделенных клеток 9724, тоновый допуск 5; на фиг. 6 размер клетки 10 пиксель, количество выделенных клеток 28452, тоновый допуск 10, на фиг. 7 размер клетки 10 пиксель, количество выделенных клеток 33491, тоновый допуск 15.

Сравнивая изображения (см, фиг. 2-7) после цифровой обработки изображений предлагаемым способом можно утверждать, что выделенные клетки позволяют более детально исследовать расположение конкретной фазы в указанном месте поверхности материала. Таким образом, заявленный способ позволяет сформировать изображение микроструктуры поверхности с высокой информативностью о пространственном расположении фаз микроструктуры за счет выделения цветом смежных по тоновому допуску клеток сетки на изображении микроструктуры.

Изобретение относится к области цифровой обработки изображений. Способ распознавания объектов цифровой обработкой исходных изображений в градациях серого содержит этапы, на которых осуществляют наложение калибровочного набора на исходное изображение, полученное на экране ЭВМ в градациях серого с использованием электронного микроскопа, с последующим измерением интенсивности уровня серого отдельных пикселей, составляющих изображение в условных оттенках серого, и объединение между ними пикселей, имеющих одинаковую интенсивность уровня серого, в качестве калибровочного набора используют квадратную сетку с заданным числом пикселей сторон, соответствующим уровню серого в градациях серого. Технический результат – повышение информативности формирования изображения о пространственном расположении фаз микроструктуры. 7 ил.

Способ распознавания объектов цифровой обработкой исходных изображений в градациях серого, включающий наложение калибровочного набора на исходное изображение, полученное на экране ЭВМ в градациях серого с использованием электронного микроскопа, с последующим измерением интенсивности уровня серого отдельных пикселей, составляющих изображение в условных оттенках серого, и объединение между ними пикселей, имеющих одинаковую интенсивность уровня серого, отличающийся тем, что в качестве калибровочного набора используют квадратную сетку с заданным числом пикселей сторон, соответствующим уровню серого в градациях серого, при этом на исходное изображение шлифа микроструктуры сплава, полученное с применением растрового электронного микроскопа в режиме съемки в градациях серого, накладывают квадратную сетку с заданным числом пикселей сторон, соответствующим уровню серого в градациях серого, затем вручную задают в единицах градации серого допуск отклонения от среднего значения тонового диапазона пикселей, входящих в выбранный квадрат, выделяют цветом на изображении все квадраты сетки, смежные с первоначально выбранным квадратом и имеющие аналогичный допуск отклонения по тоновому диапазону, процедуру повторяют последовательно для всех выделенных цветом квадратов на сетке, при этом окончательное количество квадратов фиксируют на экране ЭВМ, по расположению смежных с выбранным квадратом клеток сетки определяют тоновое пространственное расположение конкретной фазы в указанном месте поверхности материала.