基于数字图像处理的TC4钛合金金相组织定量分析

吴 伟，吴剑剑，张永华，邬冠华，卢 鹏，吴 宇，张士晶

(1.无损检测技术教育部重点实验室(南昌航空大学)，南昌 330063;2.湖北宜昌市特种设备检验检测所，湖北 宜昌 443005)

0 引言

TC4钛合金材料强度高，硬度高，抗疲劳和抗腐蚀性能显著，600℃温度左右状态下工作表现突出，并且TC4的密度仅为钢和镍基高温合金的一半，使得其在航天航空工业中应用广泛［1－2］。TC4材料在不同热处理状态下组织结构差异较大，表现为α相组织的形状和相对量不一样。金相组织定量分析方法为研究不同热处理状态下各相成份与材料性能之间关系意义重大。

金相组织特征参数包括晶粒尺寸、复相合金中各相的相对量、界面曲率、位错密度、第二相粒子尺寸及分布等。如何准确地算出金相组织中各参数，是图像处理方法的主要研究方向。吴雪平等［3］开发的半固态金属金相组织的计算机软件系统，以及徐建林等［4］研发的铸造材料金相组织图像分析软件，这些系统自动化程度不高，而且准确率差;靳伍银等［5］以 Matlab为工具，提出一种对金相定量分析的数字图像处理方法，这类方法需要熟练Matlab编程，且占用计算机内存大;其他的金相处理方法普遍存在自动化程度不高，准确率低，处理的过程不直观。本研究提出一种对金相定量分析的数字图像处理方法，可用于对处理的结果进行检查与修正，提高图像处理准确率。

1 TC4钛合金的ImageJ处理过程

1.1 阴影校正

金相样品在观察过程中，显微镜光轴不正、照度不均匀都可能会使得金相图片明暗不均匀，对晶界的提取干扰很大［6］。对此采用滚动球背景减法(Rolling ball algorithm，RBA)来修正不均匀的背景。设将二维灰度图中每个点对应的值看成第三维(高度)，形成一个空间曲面。在曲面上放置一个给定半径的球必将滚落在该曲面的低洼处，将小球接触到的曲面部分称为背景。利用滑动抛物面将滚动球替换为与给定半径小球的顶点具有不同曲率的滑动抛物面，这就使得任何图像值都可以找到合适的抛物面。对于大的像素值的点，在沿x、y及2个斜45°方向上，旋转抛物面均可被近似为抛物线。利用这些滑动抛物线可对这些方向上的图像数值进行处理，为遍历整个曲面，需要多次使用同一方向上的抛物线对图像进行处理，因此只能在精度和速度之间进行折中选择。在滚动抛物面算法中为了降噪，使用一个3×3的背景作为应用对象，因此无论是使用滚动球还是滑动抛物面算法，在计算背景过程中都会对图像产生轻微的平滑效果，但在算法中可以有效的避免图像角落处的对象被当做背景而减去的现象发生(注意:滚动球总会接触到图像4个角中的像素，从而把他们当做背景像素)。以圆形结构元g(r=10)作为结构元，对平滑滤波后的图像I进行形态学的开运算(滚动球算法)以产生背景图像，即

图1为背景增强效果图，可以看出来背景增强后金相图片中晶界更加清晰。

1.2 图像增强

灰度值0～255用直方图表示，灰度级太大导致图像模糊，通过变换使图像的像素占有的灰度级尽量集中［7］。图2调节前灰度值范围为0～255，变换后为108～255;变换后使图像更加明亮，黑白差异更加明显，轮廓更加清晰［8］。

图1 背景增强效果图Fig.1 Background enhanced renderings

图2 亮度调节Fig.2 Brightness adjustment

1.3 数值化

二值化和阈值化统称数值化。图像进行二值化处理能使图像变得简单，不仅数据量减少，而且更能凸显感兴趣的目标轮廓。将所有灰度值小于阈值的像素点被判为特定物体，灰度值为0表示;否则这些点被排除在物体区域之外，灰度值为255，表示背景以及之外的物体区域。为便于边缘提取和图像分割将灰度图像(典型的是8位每像素)转换为黑白图像。从灰度图像获得这种黑白图像的过程通常称作为阈值化。采用ISODATA算法［10］来确定阈值，如图3所示，阈值化后图片黑白分明，利于边缘提取。

1.4 颗粒分析

设置阈值将高于或低于阈值的值设置为黑或白，再设置目标的像素大小、圆度等参数来提取出颗粒。把颗粒选中后即可去除颗粒。有些小的噪声可以通过简单的去噪就可以实现，但是有些大的、大规模的噪声通过简单的去噪只能达到降噪的效果。要达到完全消除噪声，必须通过去除颗粒来实现。去除颗粒是把金相图片中一些影响边缘提取的噪声去掉，如图4所示。

1.5 图像分割

采用分水岭分割算法(Watershed segmentation algorithm，WSA)对图像进行分割，相比其他的分割算法能够较好地提取对象轮廓，准确识别对象边界且运算量小等优点［9－11］。分割后的图片将α相组织分成了若干个特定的，更利于提取的区域(图5)。

图3 阈值化效果图Fig.3 Thresholding renderings

图4 去除颗粒Fig.4 Remove particulate extract

2 TC4金相组织图片处理与结果分析

2.1 图片处理

本研究基于TC4合金的金相图片处理，大致过程为:原始图片→阴影校正→增强去噪→二值化→去噪点→ 图像分割→计算识别。图6为TC4材料金相图片从原始金相照片到TC4钛合金材料α相组织识别和提取的整个处理过程的直观显示。

2.2 结果分析

图5 图像分割效果图Fig.5 Image segmentation renderings

图6 图像处理过程图Fig.6 Image processing

由图6可以看出该方法效果明显，TC4组织中的α相都准确识别到了，而且轮廓提取较精准，没有出现过度分割现象。图7是TC4棒材锻件金相图片处理后的α相数据结果，包含了α相面积、长轴、短轴等数据信息。将Area列相加再除以总的像素即为 α相面积比例，如1723652/3491484=0.4938，即可知 α 相比例为49.38%。将Feret和MinFeret列分别求均值为长短轴数值，如:Feret=147.705，MinFeret=101.302，长轴/短轴 =147.705/101.302=1.458。

3 结论

1)基于TC4合金棒材，以ImageJ软件为工具的数字图像处理结果显示，TC4合金棒材中α相占 49.38%，长短轴比为 1.458。

2)提出的数字图像处理技术对TC4钛合金的金相组织定量分析，不仅可以测出不同相的相对量，以及金相分析中其他特征参数，还实现了对处理的过程保存，用于对处理的结果进行检查，且具有方便快捷、精度高、自动化程度高等优点。

图7 数据结果分析图Fig.7 Data Analysis for α phrase in microstructure images of TC4 alloy

3)ImageJ软件强大的图像处理工具箱为处理金相照片提供了很大的便利，函数齐全，编程方便，可实现对TC4钛合金组织金相图片进行处理和定量分析。其他多相组织定量也可以应用本研究提出的方法，为组织含量对力学性能影响的研究提供了必要的依据。

［1］蒋少松.TC4钛合金超塑成形精度控制［D］.哈尔滨:哈尔滨工业大学，2009:1－2.

［2］王召军.TC4合金高温形变工艺与显微组织特征［D］.沈阳:东北大学，2009:1－15.

［3］吴雪平，吴树森，毛有武，等.镁、铝合金半固态金相组织分析软件的开发［J］.特种铸造及有色合金，2002(5):51－53.

［4］徐建林，陈超，路阳，等.铸造铝青铜显微组织的计算机辅助分析［J］.铸造，2004，53(10):819－822.

［5］靳伍银，赵霞霞，祁晓玲，等.基于数字图像处理的GCr15轴承钢金相组织定量分析［J］.兰州理工大学学报，2013，39(1):6－9.

［6］王建萍，王家平，许建广.数字图像处理在定量金相分析中的应用［J］.材料导报，2003，17(1):63－65.

［7］张红旗，王春光，王全喜，等.数字图像处理技术在金相分析中的应用研究［J］.农机化研究，2013(3):209－213.

［8］张海军.基于数字图像处理技术的灰铸铁金相分析［D］.呼和浩特:内蒙古农业大学，2008:9－12.

［9］汪颖，刘奇，李成鑫.基于数学形态学的分水岭图像分割方法［J］.四川大学学报:自然科学版，2004，41(增刊):457－460.

［10］Liu Q J，Zhao Z M，Li Y X，et al.Feature selection based on sensitivity analysis of fuzzy ISODATA［J］. Neurocomputing，2012，85:29－37.

［11］Guo L H，Li J H，Yang S T，et al.Image segmentation using an improved watershed algorithm［J］. JournalofShanghai Jiaotong University(Science)，2004，9(2):16－19.