CC BY
26
ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ
УДК 004.932
Р. Г. МАГДЕЕВ, Л. А. ВИНОГРАДОВА, В. Е. ДЕМЕНТЬЕВ
СПОСОБ ОПРЕДЕЛЕНИЕ ЗЕРНИСТОСТИ В ПЕРЛИТНОИ СОСТАВЛЯЮЩЕЙ МЕТАЛЛОВ С ИСПОЛЬЗОВАНИЕМ МЕТОДОВ ОБРАБОТКИ ИЗОБРАЖЕНИЙ
Посвящена диагностике надёжности материалов конструктивных элементов (труб) магистральных трубопроводов. Конструктивные таких труб. как правило, изготовлены из малоуглеродистых низколегированных сталей с ферритно-перлитной структурой. Авторы рассматривают вопросы обработки экспериментальных данных микроструктуры металлов труб с использованием алгоритмов цифровой обработки изображений.
Ключевые слова: обработка изображений, микроструктура металлов, структура, зернистость, феррит, перлит, цементит, сталь.
Информационное состояние материала труб определяется микроструктурой. При диагностике и экспертизе безопасности функционирования действующих магистральных тпубоппово
'• ^ 1 I и 1 г
сроком эксплуатации, превышающим амортизационный, возникает вопрос о допустимости микроструктурных изменений в металле труб как для определения рациональной загрузки, так и для оценки остаточного ресурса [4-5].
В литературных источниках отмечено наличие смешанной формы фаз в перлите, которая и^мсияепси с течением времени [4—5]. Авторами при металлографическом исследовании с использованием оптического микроскопа обнаружено изменение зернистости с течением времени в перлитной структурной составляющей фер-ритно-перлитных сталей.
В настоящей работе предложен алгоритм оценки соотношения смешанных фаз в перлите на основе алгоритмов обработки изображений поверхностей металлов, полученных при помощи оптического микроскопа, совмещенного с
цифровой фотокамерой.
* * *
Использование алгоритмов цифровой обработки изображений обусловлено тем, что визуальный анализ и сравнение процентного соотношения формы смешанных фаз в перлите со стандартом не даёт точного результата и несёт в себе субъективную оценку.
В приложении к задаче определения зернис-
Магдеев Р. Г., Виноградова Л. А., Дементьев В. Е., 2010
тости структурной составляющей в ферритно-перлитных сталях используют алгоритмы сегментации и обработки изображений [1-2, 6]. На рис.1 изображена ферригно-перлитная микроструктура трубной стали 17ГС магистрального трубопровода с выделенным зерном перлита (при увеличении х 1000). В выделенной области чётко различима зернистая фаза (светлое пятно на тёмном фоне) [4-5]. Выделение с помощью алгоритмов обработки изображений фаз в перлите позволит определить их соотношение, показывающее искомую характеристику. При этом вкрапления в перлитных пятнах являются зернистой составляющей перлита, а тёмный фон образует пластинчатая фаза цементита. ч Всю обработку изображений можно условно разделить на этапы: предварительный и основной. Предварительный этап связан с обработкой всего изображения. Предварительная обработка необходима для уменьшения погрешности расчётов. Основной же этап сосредоточен исключительно
Рис. 1. Ферритно-перлитная структура с выделенной
областью зернистости в перлите
Рис. 2. Схема выбора центрального значения ряда в нелинейном медианном фильтре
20 12 14 26 32 35 40 12 21 15
12 55 24 24 32 [198 / 198— - 201 53 26
21 186-1 168 - -169 .187 ,'186 (( -196 ,210 в -23 36
32 16 179 \ 185г 240 4• 232 1 4 198^ -198 4 201 35
45 42 198- ^ 192 ^250 /220, —187 ^ 164- -195 84
35 178 гАУа' 176 232-' 12 1 М97гс -198 ' ч 189 34
21 65 78 35 221 200 ! 187 N68 41 35
54 78 36 24 78 13 64 24 45 12
N к \
/ * \ \
Рис.3. Алгоритм выделения пятен
вокруг перлитных пятен.
На первом этапе предварительной обработке необходимо перевести изображение цветного в полутоновое, что позволит существенно сократить вычислительные затраты и практически не отразится на результатах исследований искомых
о^пипии
и \SJ Я Г Л 11111 ^ I ¿-0 ^ V и J
Вторым этапом необходимо устранить импульсные шумы, то есть яркостные искажения, вызванные несовершенством оптических детекторов на микроскопе. Одно из решений - проводить такую коррекцию изображения с использованием нелинейного медианного фильтра [1, 6-8]. Алгоритм работы такого фильтра представлен на рис. 2.
Третьим этапом является процедура эквалай-зинга [1-2, 6-7]. Целью данной процедуры является растягивание гистограммы изображения для повышения качества визуального восприятия.
После проведённых действий определяем положение пятен на изображении, и теперь возникает задача выделения перлитных пятен. Задача решается следующим образом: находим пиксель, яркостная принадлежность к перлиту которого не вызывает сомнения (после проведения процедуры эквалайзинга значения яркости <85). После чего идёт сравнение его яркости с соседними пикселями.
Если значение разности яркостей не превышает порога (обычно не более 20-25), то принимается решение о принадлежности данного пикселя к данному пятну и помечается принадлежность точки к пятну. После чего процедура продолжается для выбранных точек до тех пор, пока разница для всех последующих пикселей превысит заданный порог, то есть будут найдены все точки, принадлежащие данному пятну [6].
Структурная схема данного алгоритма представлена на рис. 3.
Далее выделяем границы полученных пятен с использованием отслеживающих алгоритмов выделения контуров, а в частности, алгоритмом «жук». Смысл данного алгоритма заключается в следующем: «жук» начинает своё движение с первой найденной точки, принадлежащей дан-
ЧУ
I Т/л » Я Ч / П П ПШ 14 Г 9 9 /Ч /л Ж П II А АППП Г» ГХ /УГ «-» /"ч I 1Л1 Г ЛПЛП1 И ГЧ 1 II ГУ I *
лОму ИЛ I пу , п Ш^Ч/ I ОЛЛЧ^ I
точки. Если эта точка не принадлежит пятну, то «жук» поворачивается направо, иначе - налево. Процедура повторяется до тех пор, пока «жук» не вернётся в исходную точку [6-8]. Структура отслеживающего алгоритма представлена на рис. 4.
Далее из всех перлитных пятен выбираются несколько наиболее крупных. Для каждого выбранного пятна осуществляется локальный эква-лайзинг [1-2, 6-8], то есть только для точек, которые лежат внутри границы.
Используя алгоритм сегментации адаптивного порога [6-8], высчитываем порог для каждого из выбранных пятен, учитывая все точки, расположенные внутри границы пятна. После чего сравниваем числа точек с порогом, при нахождении точек, превышающих порог, запускаем алгоритм выделения пятен. Таким образом, выделяем пятно в пятне, рассчитываем его объём и помечаем все точки такого пятна, как обработанные. Затем находим площадь найденных пятен зернистости. После такой процедуры
Ж
Рис. 4. Схема работы отслеживающего
алгоритма «жук»
высчитывается процентное соотношение смешанных фаз в зерне перлита. Данная процедура проводится для всех выбранных пятен.
Для вычисления среднего значения зернистости отбрасываются самое большое и самое маленькое значения из всех полученных значений, после чего вычисляется среднее значение для данного изображения микроструктуры.
Проведённые исследования показывают, что данный способ достаточно точно (с вероятностью ошибки менее 7%) определяет зернистость в перлитовой структурной составляющей.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Васильев, К. К. Методы фильтрации многомерных случайных полей / К. К: Васильев, В. Р. Крашенинников. - Саратов : С ГУ, 1990. -124 с.
2. Гонсалес, Р. Цифровая обработка изображений / Р. Гонсалес, Р. Вудс. - М. [Техносфера, 2005.- 1072 с.
3. Грузман, И. С. Цифровая обработка изображений в информационных системах / И. С. Грузман, В. С. Киричук. - Новосибирск : НГТУ, 2002.-351 с.
4. Гумеров, А. Г. Дефектность труб нефтепроводов и методы их ремонта / А. Г. Гумеров,
I/* \Л О а * О Г1 о О Р Г\/иоплп У А А ОНОПГАП' ПАП
ЖХ. 1Т1. * Ж IV* ЧМ I л . V/ . Л у ^ V. IX. М 1ЛТ1V 1 нид
ред. А. Г. Гумерова - М. : ООО «Недра-Бизнесцентр»,.1998. - 252 с. ...
5. Гумеров, А. Г. Изменение структуры и напряженного состояния трубных сталей в процессе воздействия ударной волны / А. Г. Гумеров, К. М. Ямалеев, А. С. Собачкин, В. М. Муров
// Транспорт и хранение нефти и нефтепродук-торв.-Вып. 4,- 1981.-С.22-24.
6. Кокорин, В. Н. Способ определения плотности пористых структур с использованием телекоммуникационного метода обработки визуальной информации / В. Н. Кокорин, В. Е. Дементьев, А. С. Марков // Известия Самарского научного центра Российской академии наук. -2009. - Т. 11, №3(2). - С. 369-372.
7. Прэтт У. Цифровая обработка изображений Т. 1 / У. Прэтт. - М. : Мир, 1982. - 312 с.
8. Фурман, Я. А. Введение в контурный анализ; приложения к обработке изображений и сигналов/ Я. А .Фурман, А. В. Кревецкий, А. К. Передреев; иод ред. Я. А. Фурмана. — 2-е изд., испр. — М. : Физматлит, 2003. - 592 с.
Магдеев Радик Гильфановин, магистрант кафедры «Телекоммуникации». Область научных интересов: цифровая обработка изображений, криптограф ия.
Виноградова Лидия Александровна, старший преподаватель кафедры «Материаловедение и ОМД». Область научных интересов: изучение структурных превращений в стапях после дли-
/Л Г1 « « I /Л 4 • Г*\ • » Л« % % 4 4 4 <4 #
Дементьев Виталий Евгеньевич, кандидат технических наук, доцент кафедры «Телекоммуникации». Область научных интересов - цифровая обработка изображений.
УДК 681.31
А. Н. АФАНАСЬЕВ, Р. Ф. ГАЙНУЛДИН
АНАЛИЗ ГРАФИЧЕСКИХ СПЕЦИФИКАЦИЙ ПОТОКОВ ПРОЕКТНЫХ
РАБОТ НА ПРИМЕРЕ ЯЗЫКА ЦМЬ
Предлагается автоматная графическая грамматика для анализа потоков проектных работ на языке иМЬ при создании сложных автоматизированных систем.
Ключевые слова: графические спецификации, язык 1ЛМЬ.
»
Введение проблемой, имеющей большое практическое
В настоящее время проектирование, внедре- значение. За последние 10 лет в теории и прак-ние, исследование, реинжениринг автоматизиро- тике разработки АС достигнуты значительные
ванных систем (АС), активно использующих Успехи' в™яющие «а эффективность как про-
- цесса проектирования АС, так и их характери-
программное обеспечение, является актуальной п Г
к к ' у стик. Получили развитие и поддержку (методо-
__логическую, технологическую, инструментальную и нормативную) такие парадигмы, как Афанасьев А. Н., Гайнуллин Р. Ф., 2010 жизненный цикл программных систем, линейки
