Файл: Определение процента пористости образца пористого никелида титана (задание).pdf

Задание студентам групп 2501 и 2502

Работу оформите в виде презентации с выступлением во время практического занятия.

Материал к самостоятельной работе по КиБМ. Используя микрофотографии структуры пористого никелида титана, полученные с помощью СЭМ, найти значение коэффициента пористости структуры. Можно воспользоваться любой доступной программой обработки изображений из Интернета. Микрофотографии представлены в виде файлов для студентов вашей группы. Алгоритм возможного варианта обработки изображений приведен ниже. Подумайте, отчего зависит получение надежного результата и как оценить его достоверность.

ОПРЕДЕЛЕНИЕ ПРОЦЕНТА ПОРИСТОСТИ ОБРАЗЦА ПОРИСТОГО НИКЕЛИДА ТИТАНА.

Возможный вариант решения

Для получения процентного соотношения черного и белого цветов на микрофотографиях использовали программу UTHSCSA ImageTool. Эта программа для обработки и анализа изображений, созданная сотрудниками центра медицинских наук Техасского университета, США. ImageTool поддерживает такие расширения файлов, как:

BMP, PCX , TIF, TGA, Macintosh PICT, PNG and Photo-CD, а также сжатие графических файлов формата JPEG [1]. Предварительно исходные изображения переводили в серые (полутоновые), далее в бинарные, применяя различные команды в ImageTool.

Исходные графические файлы имели расширение BMP – это формат хранения растровых изображений, разработанный компанией Microsoft [2]. Растровые изображения формируются построчно из отдельных точек растра, имеющих различную степень яркости и разный цвет. Качество таких изображений определяется, в частности, глубиной цвета, т.е. числом бит, приходящихся на один пиксель. Глубина цвета также характеризует количество цветов, в которые окрашиваются точки изображения [3].

Поскольку глубина цвета для «образец 1.bmp» и «образец 2 .bmp» изначально составляла 8 bpp или 256 цветов, команду Processing → Color-to-Grayscale не использовали. На рис. 3 представлено 8-битное исходное изображение «образец 1.bmp», на рис. 4 – 8-битное исходное изображение «образец 1.bmp».

Следующим шагом является получение гистограммы и среднего значения яркости для изображений «образец 1.bmp» и «образец 2.bmp». Для этого воспользовались командой Analysis → Histogram. Гистограмма представляет собой двухмерный график. Каждое значение вдоль горизонтальной оси Х – это значение оттенка серого (яркости) от 0 (черный) до 255 (белый). Значения по вертикальной оси Y – это количество пикселей соответствующего оттенка в изображении [1]. У гистограммы есть параметр Mean — это среднее значение яркости. Справа от этого значения находятся все светлые тона изображения, слева – все темные тона. На рис. 5, б – гистограмма изображения «образец 1.bmp», на рис. 5, в – гистограмма изображения «образец 2bmp».

Параметр Mean для изображения «образец 1.bmp» равен 48, изображения «образец

2.bmp» – 54.

Далее из полутонового изображения получили бинарное, каждый пиксель которого представляет один из двух цветов, которые кодируются нулем или единицей [3]. Это преобразование осуществлялось с помощью команды Processing → Threshold → Manual (ручная регулировка порога).

Среднее значение яркости обрабатываемого снимка должно быть равно среднему значению яркости исходного изображения.

Действия по переводу полутонового изображения в бинарное использовали для рисунков «образец 1.bmp» и «образец 2.bmp». После выбора команды Processing → Threshold → Manual, правый ползунок для первого изображения сдвинули в значение 48, для второго изображения – в значение 54. Рис. 8, б и рис. 8, в являются результатами выполнения

команды ручной регулировки порога для «образец 1.bmp» и «образец 2.bmp» соответственно.

Для вычисления процентного соотношения черного и белого цветов на выбранных обработанных изображениях в ImageTool применялась команда Analysis → Count Black/White Pixels. Результаты ее выполнения представлены в табл. 1, 2.

Таблица 1

Значения характеристик бинарного растрового изображения «образец 1.bmp»

С помощью команды Analysis → Object Analysis → Find Objects находили количество черных областей, которые существовали на изображении. Перед тем как получить результат на экране появлялось диалоговое окно, в котором выбирали пороговый метод. Предоставлялись следующие варианты: Manual, или Automatic, или None. Поскольку пороговая обработка изображений в ручном режиме производилась ранее, то остановились на None. Это означало, что порог при подсчете объектов использоваться не будет. Поиск объектов по изображению в программе выполняется автоматически. В итоге на экране появилось окно с количеством найденных объектов. Для

изображения на рис. 8, б – 18679. Количество объектов на рис. 8, в было велико и вышло за границы числового диапазона, предусмотренные для подсчета объектов в программе

ImageTool.

Для просмотра атрибутов найденных объектов после вычисления количества последних необходимо выбрать команду Analysis → Object Analysis → Analyze. Для каждого объекта предусмотрено 19 различных типов атрибутов, вывод количества которых можно регулировать в общих настройках программы. Например, возможно получение значения площади объекта, которое измеряется количеством пикселей на полигоне. Объекты также можно классифицировать по одному или нескольким атрибутам, выполнив команду Analysis → Object Analysis → Classification.

1.Dr. C. Donald Wilcox, Dr. S. Brent Dove, Dr. W. Doss McDavid, David B. Greer.

«UTHSCSA ImageTool Version 2.0». Department of Dental Diagnostic Science at The

University of Texas Health Science Center, San Antonio, Texas, 1997.

2. Божко А.Н., Жук Д.М., Маничев В.Б. Компьютерная графика: Учеб. пособие для вузов. – М.: Изд-во МГТУ им. Баумана, 2007. – 392 с.

3.Петров М. Н., В. П. Молочков. Компьютерная графика: учебник для вузов (+CD), 2-е издание. – СПб.: Питер, 2006. – 811 с.

Необходимо:

1.Определить пористость никелида титана по предоставленным изображениям.

2.Для решения поставленной задачи, используйте минимум две программы, помимо

UTHSCSA ImageTool.

3.В минигруппе подготовить отчет по проделанной работе:

Вотчете предоставить картинки, которые вы обрабатывали на всех этапах, результаты, проценты и возможные погрешности результатов. Необходимо оценить пористость, сделать выводы о свойствах материала.

Сравнить результаты, полученные разными программами и сделать выводы, если они различны.

С одной минигруппы необходим один отчет.