基于數字圖像處理技術實現人造板孔穴評價的研究

摘要：利用計算機數字圖像處理技術對人造板板材斷面的圖像進行分析，提取人造板孔穴率、孔穴率均勻程度、孔穴大小和孔穴形態四個參數，作為對板材物理性能進行綜合評價的參數。通過對50個樣本進行實驗對比，驗證了該方法的可行性。

關鍵詞：人造板； 孔穴； 圖像處理； 綜合評價

中圖分類號：TP391文獻標志碼：A

文章編號：1001－3695(2008)03－0936－03

隨著復合材料的微觀力學和木材細胞學等先進理論引入木材學科以來，人們對木材及木質人造板的物理力學性能的研究已經進入了微觀領域，開始從木材及木質人造板的微觀構造角度來解釋影響板材物理力學性能的本質原因[1，2]。

孔穴作為木質人造板的一個微觀結構特征和一個影響板材物理力學性能的重要因素，是評價板材等級的重要參數。傳統檢測手段有基于毛細管原理的壓汞法、真空浸漬法、氣體吸附法、X射線和中子的小角度散射法、超聲波技術等[3~7]。雖然這些方法都有其自身的特點，但也都有各自的缺點，幾乎不能用一種方法對板材品質即孔穴率及孔穴形態特征進行準確快速的全面測量，無法對人造板品質進行監控管理。

1人造板結構分析系統

1．1系統設置

人造板結構分析系統硬件設置如圖1所示。該系統包括一個實體顯微鏡、一個數碼照相機和一臺主機。人造板試件斷面的彩色圖像通過連接于實體顯微鏡的數碼照相機獲取。該實體顯微鏡由計算機自動控制，并可以在X、Y、Z三個方向上自動定位和聚焦。

1．2軟件流程

本文所討論的參數是通過應用Visual C++ 6．0自行開發的圖像處理系統獲得的。孔穴分析過程流程如圖2所示。

1．3圖像采集

由于顯微圖像質量的好壞直接影響到閾值的設置，顯微圖像的采集是整個軟件實現的基礎，因而在取像前應對試件進行磨平、拋光。本文應用光學顯微鏡（型號：XYH－3A）采集的原始顯微數碼圖像如圖3（a）所示。

2人造板孔穴圖像預處理

2．1圖像預處理

圖像預處理是對孔穴形態分析的第一步，它的好壞直接影響分析時的準確度。本文所采用的板材孔穴圖像是通過數碼照相機與實體顯微鏡配合采集到的人造板試件的彩色圖像。圖像中存在一定噪聲。預處理的目的就是去除圖像噪聲，提高圖像的質量，使圖像變得清晰，增強圖像的可識別性，便于提取人造板孔穴的形態特征。

由于板材孔穴圖像有其自身的特點，有小的孔隙，有樹脂分布區域，還有大的板材缺陷等，都不是孔穴提取的內容。所以，抑制噪聲、改善圖像質量，是能否準確提取板材孔穴形態參數，分析孔穴率的前提。在提取特征參數以前要對板材孔穴圖像作如下處理：首先作灰度化處理，以加快圖像處理的速度和方便一些算法的使用；對圖像進行二值化分割，將孔穴與背景分開，針對二值化后圖像的情況選擇有效的去噪方法。

2．2最佳閾值分割

在圖像處理技術中，二值化后的圖像處理技術是基礎，直接影響著后面的處理結果，無論質量好壞的圖像，二值化后的圖像均會產生信息丟失。因此二值化方法的選擇很重要。根據人造板的特點，本文采用最佳閾值法。

最佳閾值法的基本思想是為了劃分背景與目標，一般選擇門限值在背景灰度分布中心之間的中間值。選取門限值的依據是圖像灰度分布的直方圖。圖像的直方圖可以視為亮度分布的概率密度函數的估計。假設圖像中只含有兩種主要的亮度區域，則整個密度函數可以看做是兩個單峰密度函數的總和或混合。一個對應白色區域；另一個對應黑色區域。反映混合程度的參數，比例于每種亮度在圖中所占面積的大小。若密度函數已知，則可以找到一個最佳的門限值來劃分兩個不同亮度的區域。所謂的最佳是指在分割出現錯誤的概率為最小條件下求出的門限值。

圖像二值化處理前后的板材斷面圖像如圖3所示。

2．3腐蝕與膨脹

在通過閾值分割獲得的二值分割圖像中，由于在孔穴周邊還有一些劃痕、不平，使其形態學特征的獲取受到影響。本系統在提取孔穴形態特征之前，對其進行了適當的腐蝕與膨脹處理，以消除這些噪聲的影響。筆者采用兩次開運算，對50個樣本進行實驗，圖像經過這樣的處理后，提高了孔穴形態特征提取的準確性，從而提高了孔穴識別的準確率[8]。

3圖像分析及特征參數提取

3．1圖像分析

3．1．1板材孔穴率分析

顯微分析法計算孔穴率是通過顯微鏡觀測出斷面的總面積S0和其中包含孔穴的面積SP，然后求出板材的孔穴率[9]：

β=SP/S0（1）

其中：β為板材的孔穴率；SP為板材孔穴的面積；S0為板材斷面的面積。

根據體視學關系V=S，即Delesse定律，可以認為顯微鏡下，孔穴面積分數實際上可以看做體積密度的無偏期望值。

對圖像進行二值化處理后，圖像中只存在黑白像素，這里設人造板斷面圖像中孔穴為黑像素，背景顏色為白色。測量孔穴基像內所包含的像素點個數，即孔穴基像內的像素點個數的累加總數。因而可以認為試件斷面圖像中黑像素的總像素點除以斷面總像素點即為孔穴率：

β=S/Stotal（2）

其中：β為板材的孔穴率；S為孔穴基像內像素點個數的累加總數；Stotal為斷面總像素點個數。

3．1．2孔穴當量直徑分析

孔穴大小可以用孔穴直徑來定義。實際上孔穴并不是理想的圓形，故本系統軟件計算出的直徑是各種形態孔穴的當量直徑(equivalent diameter)：

De=2S/π（3）

其中：De為孔穴的當量直徑。

3．1．3孔穴典型形態分析

根據視頻觀察可知，板材的孔穴形態各異。因而為了對孔穴形態進行描述，這里引入參數—圓度：

Rd=P2/（4kπk）（4）

其中：Rd為孔穴圓度；k為圓度修正系數；P為孔穴基像邊界的像素點長度，是按板材孔穴基像內的外廓像素點的累加計數。

圖像學分析中就以該數作為孔穴大小的比較依據。在實際應用中，經顯微鏡圖像的像素點定標比例因子換算就可得到基像的實際周長。實際上板材的孔穴形狀并非理想球形，本系統取圓度修正系數k=1．041 2，即Rd在[0．9，1．51]的孔穴均被近似認為是圓形。

3．1．4孔穴均勻程度分析

這里通過測量試樣兩橫斷面的孔穴率，根據兩者的偏差來近似地估計整個試樣中孔穴率的均勻程度，以此來反映板材的整體孔穴率均勻程度。如果板材試樣兩橫斷面孔穴率偏差量小于2．5%~3．5%，則可以認為板材孔穴率比較均勻。

3．2形態學分類

本方法中，提取的孔穴主要形態學特征有孔穴面積（S）、孔穴當量直徑（De）和孔穴圓度（Rd）。求取以上三個形態特征時，本系統采用對二值分割圖像進行邊緣跟蹤，求取其鏈碼表示，從而獲得其形態特征及導出參數孔穴率的方法。在邊緣跟蹤時，采用如圖4所示的八連通鏈碼表示，上述形態特征用下式求得

S=∑nI=0aj0(yi-1+1/2aj2)（5）

De=2S/π（6）

Rd=P2/（4kπk）（7）

其中：n為鏈碼長度；y0w為初始點的縱坐標，且yi=yi-1+aj2； j表示0~7八個方向，且

{a00，a10，…，a70}={1，1，0，-1，-1，-1，0，1}

{a02，a12，…，a72}={0，1，1，1，0，-1，-1，-1}

其中：P為孔穴周長，且P=n0+n02;ne、n0分別為鏈碼中偶數與奇數方向的鏈碼數；S為孔穴面積，為導出參數；De為孔穴的當量直徑，為導出參數；Rd為孔穴圓度，為導出參數；k為圓度修正系數。

4實驗結果

4．1孔穴率 β與均勻程度

孔穴率β的理論計算為

β=100%-γ|wr/ρr+wf/ρf|（8）

其中：β為孔穴含量百分比；γ為MLFB的密度；wr為樹脂的重量百分數；ρr為樹脂密度；wf為木纖維的重量百分數；ρf為木纖維的密度。

理論計算所得試件1~3的孔穴率與本系統所得孔穴率的比較如表1所示。表1還列出了每一試樣兩橫斷面孔穴率。板材試樣兩橫斷面孔穴率偏差量小于2．5%，則說明板材孔穴率比較均勻[10，11]。

4．3孔穴典型形態

根據圓度不同，孔穴形態大致分為四種，即圓形(圖6(a))、近圓形(圖6(b))、多角形(圖6(c))和細長形(圖6(d))。

5結束語

本文利用計算機數字圖像處理技術對人造板斷面孔穴圖像進行分析，通過分析人造板的孔穴率及其均勻程度、孔穴當量直徑、孔穴形態這四個參數，對人造板材的性能進行綜合評價。經實驗對比驗證，該方法速度快、成本低、準確度高，具有一定的可行性。若能將孔穴的上述特征參數與板材物理力學性能之間的關系進行定量分析，將會對構建、設計具有某一功能的新型板材有更深遠的意義[12]。

參考文獻：

[1]馬巖.微米木纖維定向重組細胞纖維含量的定量求解理論研究[J].生物數學學報，2002，17(3):353－357.

[2]馬巖.木材橫斷面六棱規則細胞數學描述理論研究[J].生物數學學報，2002，17(1):64－68.

[3]MONTILLET A， COMITI J. Legraon of structural parameters of metallic foams from permeametry meand determinatisurements[J]. Journal of Materials Science， 1992，27(6):4460－4464.

[4]FAN Q， TAKATSUBO J， YAMAMOTO S. Quantitative characterization of advanced porous ceramics based on a probabilistic theory of ultrasonic wave propagation[J]. Journal of Applied Physics， 1999，86(7):4023－4028.

[5]SIMONE A E， GIBSON L J. Aluminum foams produced by liquidstate processes[J]. Acta Mater， 1998，46(9):3109－3123.

[6]JEONG H， HSU D K. Quantitative estimation of material properties of porous ceramics by means of composite micromechanics and ultrasonic velocity[J]. NDTE International， 1996，29(2):95101.

[7]QIVIND D T， TORFINN T. Evaluation of binarization methods for document image[J]. IEEE Trans PAMI， 1995，19(3):312－315.

[8]王強，馬利莊.圖像二值化時圖像特征的保留[J].計算機輔助與圖像學學報， 2000，12(10):746－750.

[9]劉培生.多孔材料引論[M].北京:清華大學出版社， 2004.

[10]CAHN R W， HAASEN P， KRAMER E J. Material science and technology series[M]. Beijing: Science Publishing House， 1999:426－443.

[11]GUTOWSKI T G. Advanced composite material manufacturing technology[M]. Beijing: Chinese Chemistry Industry Publishing House， Material Science and Engineering Publishing Center， 2004:304－308.

[12]成俊卿.木材學[M].北京：中國林業出版社， 1985:648－662.

“本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文”