張利欣， 孫 涵， 堯昊天， 邊勝琴

（北京科技大學(xué)a.自動化學(xué)院；b.計算機與通信工程學(xué)院，北京 100083）

0 引 言

通過對金相組織分析來預(yù)測材料的相關(guān)性能是材料研究的重要方法，而晶粒作為金相組織結(jié)構(gòu)的核心組成部分，是微觀組織結(jié)構(gòu)研究的重點。傳統(tǒng)的晶粒提取和測量主要通過人工操作。隨著圖像處理技術(shù)在材料領(lǐng)域的應(yīng)用不斷拓展，自動化和精度更高且不受人為因素影響的微觀組織晶粒分析技術(shù)被提出。例如，Xu等［1］提出了一種基于區(qū)域分離的晶界自動檢測算法，在20鋼金相圖上獲取到較為完整、準(zhǔn)確的晶界。刁福林等［2］采用圖像增強方法對高溫合金進行晶界檢測，有效抑制了偽邊界的產(chǎn)生，提高了晶界的完整性。韓越祥等［3］提出一種k-均值聚類算法＋Kirsch算子的自適應(yīng)多閾值晶界檢測方法，在20鋼晶界檢測方面優(yōu)于Kirsch算子的晶界提取效果。王寶珠等［4］采用改進的分水嶺變換法實現(xiàn)了工業(yè)純鐵晶粒的檢測。甄海洋［5］提出一種快速有效的金相圖像邊緣恢復(fù)與重建算法，成功解決了高質(zhì)量金相圖像邊緣丟失與斷裂的問題。上述方法，對智能技術(shù)在材料金相分析中的研究和發(fā)展都起到了積極的作用。相關(guān)研究主要針對金相試樣表面處理較好、晶界清晰、成像質(zhì)量較高的圖像。但實際金相圖片獲取過程中，影響金相圖清晰度的因素很多，如光源的光強分布不均勻；拍攝、放大過程中帶來的噪聲［6］以及金相試樣制備過程中產(chǎn)生的劃痕、侵蝕不充分等因素，導(dǎo)致的晶界模糊、斷續(xù)等現(xiàn)象，使得上述方法在這類圖像中無法獲得精度高的晶界。鑒于上述問題，本文提出了基于自適應(yīng)標(biāo)記的金相組織智能檢測方法，并開展了一系列的對比實驗和結(jié)果分析。

1 自適應(yīng)標(biāo)記的金相組織檢測原理與方法

復(fù)雜金相組織圖像無法通過簡單的邊緣檢測、閾值和區(qū)域分割進行晶界的提取等工作。因此，本文在圖像預(yù)處理、邊緣分割和形態(tài)學(xué)的基礎(chǔ)上，提出了一套基于自適應(yīng)標(biāo)記的分水嶺算法的金相組織智能檢測方法。具體流程見圖1：①采用多尺度Retinex（Multi-Scale Retinex，MSR）算法和中值濾波算法作為預(yù)處理，去除金相圖像因光照不均、噪聲等產(chǎn)生的影響；②通過拉普拉斯銳化等方法獲取晶界基本骨架；③在晶界重建階段，采用距離變換和基于自適應(yīng)標(biāo)記的分水嶺算法快速重建完整閉合的晶界；④通過計算獲得金相組織的晶粒數(shù)、晶粒度等信息。

1.1 預(yù)處理

針對金相組織圖像存在的光照不均低對比度等問題，采用了MSR算法，該方法是在Retinex算法基礎(chǔ)上發(fā)展的。Retinex算法［7］通過去除或降低原始圖像中入射圖像的影響，從而盡量得到反射物體本質(zhì)圖像。由于Retinex算法需要在顏色保真度和細節(jié)保持度上追求完美的平衡，而這個平衡在應(yīng)對不同圖像的時候一般都有差別。所以，提出了多尺度Retinex算法MSR［8］，即對一幅圖像在不同的尺度上采用單尺度Retinex算法處理，然后再對不同尺度上的處理結(jié)果進行加權(quán)求和，獲得所估計的照度圖像。MSR算法把不同尺度下的增強結(jié)果線性地組合在一起，充分考慮局部信息和整體信息。對復(fù)雜模糊的金相組織預(yù)處理效果更優(yōu)，同時融合中值濾波算法濾除內(nèi)部噪聲，進一步保護圖像邊緣。本文以7050鋁合金金相圖為例開展實驗驗證，圖2（a）、（b）分別是原圖和經(jīng)過預(yù)處理后的結(jié)果圖。

1.2 晶界基本骨架提取

在邊緣檢測的算法分析過程中發(fā)現(xiàn)，大部分的邊緣檢測算法都能夠較為準(zhǔn)確的獲得清晰的晶界。難點主要在模糊、斷裂的地方。因此，對于顯著性晶界本文首先提出了骨架提取算法，對于模糊、斷裂、析出物夾雜等難以復(fù)原的晶界進行晶界重建。

為了獲取更加準(zhǔn)確的晶界骨架，本文采用2種不同的晶界提取方法融合獲得最終晶界骨架。2種方法分別是：①對圖像進行拉普拉斯銳化增強邊緣和細節(jié)，減弱非邊緣區(qū)域，進一步去除雜質(zhì)后二值化、細化；②對圖像進行均值二值化、細化。圖2（c）為方法①和②結(jié)果相與獲得的晶界基本骨架圖?？梢钥吹饺诤虾蟮慕Y(jié)果，基本去除內(nèi)部的噪聲，同時獲得了基本的晶粒輪廓。

1.3 晶界重建

晶界骨架提取確定了晶粒的基本輪廓，需要通過晶界重建實現(xiàn)晶界的完整閉合。因分水嶺算法［9］對微弱邊緣具有良好的響應(yīng)特性，同時能夠得到封閉的區(qū)域，為提取完整晶界提供了可能。但分水嶺算法對圖像中的噪聲、物體表面細微的灰度變化敏感，易產(chǎn)生過度分割的現(xiàn)象。因此，本文提出了基于自適應(yīng)標(biāo)記的分水嶺方法：①采用距離變換得到簡化的地形圖；②采用自適應(yīng)標(biāo)記方法得到各晶粒準(zhǔn)確的標(biāo)記；③采用優(yōu)化的分水嶺算法快速得到完整的晶界圖。

（1）距離變換。距離變換［10］是把目標(biāo)點到最近邊緣點的歐式距離作為目標(biāo)點的灰度值。圖3（b）為圖2（c）距離變換的結(jié)果。圖3（c）和圖3（d）分別為圖3（a）的灰度圖和圖3（b）同一區(qū)域的地形三維圖。

對比圖3（c）和圖3（d）發(fā)現(xiàn)，以上處理不僅將原圖中復(fù)雜、難以分辨的地形重建為簡單、清晰的地形，而且不會改變原地形分布。前者保證了后續(xù)得到更準(zhǔn)確的標(biāo)記，后者保證最終得到更準(zhǔn)確的晶界。

（2）自適應(yīng)標(biāo)記法。通常情況下，晶粒面積越大對應(yīng)的距離圖極大值也會越大。因此，可以由局部距離圖的極大值自適應(yīng)控制標(biāo)記范圍。

首先，尋找局部區(qū)域的極大值點，然后，以各極值點為起點在一定閾值范圍內(nèi)進行區(qū)域生長。本文選取極大值的3/4作為閾值，合并大于該閾值的極值點臨近區(qū)域。對于單個晶粒內(nèi)部存在多個極大值點的情況，各極值點生長區(qū)域發(fā)生接觸，形成單個晶粒的標(biāo)記。這種自適應(yīng)的方法能夠避免單個晶粒內(nèi)部多個標(biāo)記產(chǎn)生的過分割；同時，由于相鄰晶粒之間或存在部分晶界，或灰度值較低，阻止標(biāo)記接觸，避免欠分割。

（3）優(yōu)化的分水嶺算法。地形重建得到了簡單清晰的地形，同時標(biāo)記取自各極大值區(qū)域，那么在模擬水平面上升、淹沒盆地的過程中，被淹沒區(qū)域的高度是漸變的，對應(yīng)距離圖上待分類區(qū)域的灰度是逐漸降低的，且待分類區(qū)域中灰度值大的點靠近已標(biāo)記區(qū)域。

基于上述分析，提出了一種優(yōu)化的分水嶺算法，對未標(biāo)記點按照灰度值從高到低排序，依次對待標(biāo)記點進行標(biāo)記分類。具體分類方法是：①若該點八鄰域內(nèi)沒有標(biāo)記點，則跳過該點；②如果八鄰域內(nèi)有1種標(biāo)記，則將該點劃為該標(biāo)記；③如果八鄰域內(nèi)有2種以上標(biāo)記，則將該點分類為晶界，直到所有點分類完畢。該方法相比傳統(tǒng)分水嶺算法相比無需反復(fù)對標(biāo)記外邊界的點進行判斷，提高了運算效率，時間復(fù)雜度從O（n4）降到了O（n3）。

1.4 金相組織參數(shù)計算

金相組織主要由晶粒組成，通常用晶粒度來表征晶粒尺寸的大小。面積法是通過計數(shù)給定面積網(wǎng)格內(nèi)的晶粒數(shù)N來測定晶粒度［11］。晶粒數(shù)N：

式中：N內(nèi)為完全落在測量網(wǎng)格內(nèi)的晶粒數(shù)；N交為被網(wǎng)格所切割的晶粒數(shù)，對于矩形網(wǎng)格，N交不包含4個角的晶粒。晶粒度級別

式中：M為放大倍數(shù)；A為所使用的測量網(wǎng)格面積，mm2；N為放大M倍時，使用面積為A的測量網(wǎng)格內(nèi)晶粒數(shù)。

2 實驗與分析

本文選取具有復(fù)雜特征的7050鋁合金圖片為例開展實驗，該圖像具有光照不均勻、邊界模糊、斷裂等典型特征，能夠較好地驗證本文方法的有效性。

2.1 標(biāo)記效果的對比與分析

對于本文提出的自適應(yīng)標(biāo)記方法，分別與八鄰域法［12］（為了清晰顯示標(biāo)記點，做了適當(dāng)膨脹處理）、閾值法、形態(tài)學(xué)重建法［13］、裁剪法［5］等標(biāo)記方法進行對比，結(jié)果如圖4所示。

實驗結(jié)果顯示：八鄰域法在單個晶粒中標(biāo)記了多個極值點。閾值法選擇單一全局閾值無法將大小不一的晶粒同時標(biāo)記。形態(tài)學(xué)重建法無法得到小晶粒的標(biāo)記。裁剪法采用固定值裁剪，對于晶粒大小差異大的圖像，標(biāo)記效果不理想。本文提出的自適應(yīng)標(biāo)記方法依據(jù)晶粒大小確定標(biāo)記范圍，標(biāo)記結(jié)果基本與晶粒一一對應(yīng)，為后續(xù)晶粒計數(shù)的準(zhǔn)確性奠定了必要基礎(chǔ)。

2.2 晶界分割結(jié)果的對比與評價

（1）結(jié)果對比。本文對圖5（a）所示的金相組織進行了手工標(biāo)注，結(jié)果如圖5（b）所示的。同時選取了常用的5種晶界檢測方法和本文的智能檢測方法進行對比，如圖5（c）～（h）所示。

結(jié)果顯示，圖5（c）和（d）分別運用Canny和Sobel檢測方法存在晶界斷裂嚴(yán)重的問題；圖5（e）用傳統(tǒng)的分水嶺算法提取的晶界與實際存在較大差異，對金相組織形貌分析會產(chǎn)生較大影響；圖5（f）用文獻［2］中的方法對于復(fù)雜圖像出現(xiàn)了嚴(yán)重過分割的問題；圖5（g）用文獻［14］中的方法將復(fù)雜金相圖的晶界與內(nèi)部干擾項一同提取，后續(xù)處理難以將兩者區(qū)分；圖5（h）運用本文方法獲得了與原圖非常接近的晶粒形貌和數(shù)量，且晶界完整閉合，結(jié)果較為理想。

（2）結(jié)果評價。Boundary IoU是一種衡量邊緣分割質(zhì)量好壞的指標(biāo)，相比Mask IoU、Trimap IoU和Fmeasure作為衡量指標(biāo)對各種類型的分割錯誤更加敏感［15］。具體表達式如下：

式中：G為真實的邊緣；P為算法分割的邊緣；d為邊界區(qū)域的寬度，通常設(shè)置為圖像對角線的百分比dilation ratio為2%，為更全面地評價本文算法的分割效果，增加了dilation ratio為1和0.5%的結(jié)果對比；Gd為與真實邊緣距離為d的像素組成的區(qū)域；Pd為與分割的邊緣距離為d的像素組成的區(qū)域。以手工標(biāo)注的晶界為標(biāo)準(zhǔn)，分割結(jié)果如表1所示。

表1顯示，本文方法與其它5種方法相比，晶界分割準(zhǔn)確度有了較大提升，降低dilation ratio值后，依然明顯優(yōu)于其他方法。

2.3 金相組織計算結(jié)果對比與分析

在金相組織計算方面，主要通過晶粒數(shù)和計算時間兩方面對比。表2為5種方法和人工法的對比，結(jié)果顯示本文方法在晶粒數(shù)計算準(zhǔn)確率能夠達到91.4%，明顯優(yōu)于其它方法。

本文方法在獲得較高的晶粒分割和計數(shù)的前提下，大大降低了計算時間和人工計算強度，但相比方法2～4，算法運行時間略長，但精度更高且檢測時間可以滿足金相組織的檢測需求。

3 結(jié) 語

本文以復(fù)雜金相組織圖像晶粒檢測問題為研究對象，提出了基于自適應(yīng)標(biāo)記分水嶺的微觀組織智能檢測方法，通過對比實驗證明該方法能夠獲得很高的金相組織分割精度和更準(zhǔn)確的晶粒計數(shù)。該方法不用人為操作，大大提高了金相組織分析的計算速度，尤其在高通量的金相組織定量計算和表征的研究中，將起到重要作用。