Обработка данных металлографического исследования методами кластерного анализа

Донбасская государственная машиностроительная академия,

Краматорск, Украина

Металлография исследует закономерности образования структуры металла, изучает влияние структуры на механические, электрические, магнитные и другие свойства. Поэтому важна разработка специализированного программно-методического комплекса для анализа металлографических снимков с учетом их особенностей и спецификации.

Для обработки металлографических изображений существуют разные виды программного обеспечения: от ПК общего назначения до специализированных программных комплексов. В качестве примера можно привести следующие. Experttm Pro 3 – программное обеспечение для количественного анализа изображений в науке и на производстве, предназначенное для решения широкого круга задач материаловедения, среди которых можно выделить: анализ микроструктуры сталей, анализ неметаллических включений, анализ графитовых включений, анализ зеренной структуры, определение количества альфа-фазы,, анализ глубины обезуглероженного слоя, анализ пористости. Image Experttm Sample 2 – для качественного анализа изображений, включающего экспертную оценку. Image Experttm MicroHardness 2 – для измерения микротвёрдости фазовых структурных составляющих и для получения распределения микротвердости по толщине химико-термически обработанных слоев [1].

В данной работе ставилась задача разработки программно-методического комплекса, который будет реализовать алгоритмы выделения на металлографическом изображении областей заданного цветового диапазона, характеризующего ориентацию зерна; выделение контура.

Для обработки и систематизации множества данных могут использоваться различные способы обработки. В данной работе реализуются методы кластеризации [2].

Разработанный алгоритм реализации обработки металлографического изображения представлен на структурно-функциональной процесса Статистическая обработка результатов металлографического анализа (рис. 1). Изображения распознаваемых объектов представлялись в виде многомерных векторов. Принадлежность к выбранному классу определялась вычислением меры близости рассматриваемого вектора к области определения класса.

В качестве входных данных используются графические данные, преимущественно в формате jpeg.

Рисунок 1. Структурно-функциональная диаграмма процесса Статистическая обработка результатов металлографического анализа

Существует несколько цветовых моделей: аддитивные (RGB), субтрактивные (CMY, CMYK) и перцепционные (HSV, LAB). В данной работе используются RGB и HSV цветовые модели.

RGB – аддитивная цветовая модель описывает способ синтеза цвета для цветовоспроизведения. Изображение в данной цветовой модели состоит из трёх каналов. Цветовая модель HSV – модель цвета, основанная на интуитивных концепциях, а не на наборе основных цветов. Параметрами цвета в этой модели являются оттенок (hue – H), насыщенность (saturation – S) и значение (value – V).

На главной форме разработанной программы пользователь может загрузить изображение и определить цвет пикселя, выбранного при помощи клика мыши. Следующий шаг – выделение цветового диапазона. На спектре «Выбор первого цвета» и «Выбор второго цвета» пользователь задает границы цветового диапазона, после чего окна с выбранным цветом будут содержать данные о цвете в формате RGB и градус цвета. При нажатии на кнопку «Расчет областей», программа осуществляет поиск по заданному критерию. На форме отображается результат выделения цветов. Когда расчеты произведены, пользователь может нажать на кнопку «Отрисовка контура» (рис. 2).

Рисунок 2. Окно программного комплекса для исследования металлографических снимков методами кластеризации

Конвертирование модели RGB в любую другую цветовую модель выполняется после нормализации значений ее красной, зеленой и синей составляющих. Для этого значение яркости по каждой составляющей переводится из диапазона [0..255] в диапазон [0..1]. В ходе этого преобразования значения яркостей по красной, зеленой и синей составляющим, конвертируются в модель HSV (0–360°).

Выводы

Предложен алгоритм статистической обработки металлографических снимков. Проанализирована возможность использования методов кластерного анализа для систематизации и разбиения полученных данных. Разработан программный комплекс, ориентированный на анализ металлографических изображений.

Литература

1. Новые Экспертные Системы (НЭКСИС) Электронный ресурс [https://www.modificator.ru/ad/nexsys.html]

2. А.С. Бирюков. Решение задач кластерного анализа коллективами алгоритмов / Бирюков А.С. 2008, том48, 176-192.

Аннотация

Представлено описание программно-методического комплекса, реализующего обработку металлографических изображений методами кластерного анализа. Реализован алгоритм выделения областей заданного цветового диапазона. Рассмотрен вопрос использования различных цветовых моделей и их взаимная конвертация.

Анотація

Представлено опис програмно-методичного комплексу, що реалізує обробку металографічних зображень методами кластерного аналізу. Реалізовано алгоритм виділення областей заданого колірного діапазону. Розглянуто питання використання різних колірних моделей і їх взаємна конвертація.

Abstract

The description of program-methodical complex realizing image processing metallographic methods of cluster analysis. The algorithm of allocation of areas specified color range. The question is-to use different color models and their mutual conversion.