一种基于图像识别技术的三维数字模型孔隙率计算方法与流程

1.本发明涉及孔隙率计算技术领域，特别涉及一种基于图像识别技术的三维数字模型孔隙率计算方法。


背景技术：

2.在数值模拟的后处理分析中，常常涉及到对加工件的质量评估，由于孔隙的存在可能导致打印件中的诸多不良影响，所以计算得到孔隙率是质量评估过程中的重要一环；
3.现有的数值模拟后处理软件并没有根据某些问题需求集成孔隙率的计算模块，往往需要人工提取结果数据进行分析计算孔隙率；且如果操作计算对象直接为三维数字对象，则提取的数据往往信息量庞大且可能因模型复杂程度较高不易处理。


技术实现要素：

4.本发明针对现有技术的缺陷，提供了一种基于图像识别技术的三维数字模型孔隙率计算方法。将操作对象进行降维处理后进行分析计算，直接通过图像获得孔隙率，对模型敏感程度不高，计算快速准确，适用范围广。
5.为了实现以上发明目的，本发明采取的技术方案如下：
6.一种基于图像识别技术的三维数字模型孔隙率计算方法，包括以下步骤：
7.s1、对三维数字模型进行切片处理；三维数字模型的相关信息从求解计算程序输出结果文件中提取得到，相关信息具体包括但不限于节点的空间坐标；
8.切片的具体流程：
9.s11、设定适当的隐函数来对数字模型进行切除计算，选择三维数字模型的切除部分，切除部分应该具有数字模型的特征，即能通过部分映射出整体的孔隙情况。
10.s12、设定隐函数后，遍历输入数字模型中的所有单元节点，移除所定义隐函数空间之外的单元格的节点。当单元格被隐函数所定义的剪切面横跨时，单元格将被剪切，在剪切面上通过生成新的节点。留下的节点可以通过其节点坐标构成图形轮廓，输出特定分辨率的图像。
11.s2、切片图像二值化处理；
12.图像根据设定的阈值，将灰度值高于阈值的像素点设定为255，灰度值低于阈值的像素点设定为0，通过上述处理，将若干张图像分割成灰度值为0的实体，灰度值为255的孔隙、背景部分。二值化后的图像中0代表实体，1代表孔隙和背景。阈值选择实体的灰度值即可。
13.s3、图像识别方法计算切片的孔隙信息；
14.s31、计算切片总像素和a；
15.a为黑色和白色像素点的个数。
16.s32、计算切片孔和边界的像素和b；
17.b为二值图中白色像素点的个数。
18.s33、将二值图去除边界得到新的二值图；
19.去除边界是将与图像边界相连接的像素全部清除，这里的图像边界并不是指图像里面物体和背景的边界，而是指实实在在的图像显示的边界。将与边界像素点相连的像素区域的像素点的值全设为0，即黑色像素点。
20.s34、计算新二值图孔隙的像素和c；
21.孔隙的像素和即为新二值图中的白色像素点。
22.s35、计算材料和孔所占像素个数；
23.材料和孔像素个数为a
‑
(b
‑
c)。
24.s4、计算三维数字实体的孔隙率；
25.在计算过程中人为规定多少像素组成的孔隙认定为此处存在孔隙，通过筛选选择适当的阈值。
26.三维实体孔隙率计算公式：
[0027][0028]
进一步地，s11中隐函数可以选择包括：矩形面和三角形面。
[0029]
进一步地，s12中分辨率选择通过实验反推的结果或者通过不同分辨率下的收敛结果来选取满足结果精度要求的分辨率。
[0030]
与现有技术相比，本发明的优点在于：
[0031]
将三维数字模型切片处理为照片形式，通过二维照片的信息近似推得三维实体孔隙率，对模型复杂程度不敏感，直接通过图像获得孔隙率，且在数字模型精度足够且图像分辨率足够大的情况下，理论上计算孔隙率结果可以无限逼近真实值，处理操作简便适用性强，计算结果满足精度要求。
附图说明
[0032]
图1是本发明实施例三维数字模型孔隙率计算方法流程图；
[0033]
图2是本发明实施例切片效果图；
[0034]
图3是本发明实施例分辨率选择变化图；
[0035]
图4是本发明实施例二值化处理效果图；
[0036]
图5是本发明实施例去除边界处理效果图；
[0037]
图6是本发明实施例增材制造后的数值模型；
[0038]
图7是本发明实施例将模型切片导出的二值图；
[0039]
图8是本发明实施例计算得到的孔隙率结果和误差图。
具体实施方式
[0040]
为使本发明的目的、技术方案及优点更加清楚明白，以下根据附图并列举实施例，对本发明做进一步详细说明。
[0041]
如图1所示，一种基于图像识别技术的三维数字模型孔隙率计算方法，包括以下步骤：
[0042]
s1、对三维数字模型进行切片处理；
[0043]
三维数字模型的相关信息,其中相关信息具体包括但不限于节点的空间坐标，对于想要在切片进一步输出应力应变等云图，可进一步输出节点上应力应变等信息。从求解计算程序输出结果文件中提取得到。空间坐标等相关信息的建立和求解问题时建立模型的坐标系相同。切片的具体流程：
[0044]
s11、设定适当的隐函数来对数字模型进行切除计算，选择三维数字模型的切除部分，切除部分应该具有数字模型的特征(即能通过部分映射出整体的孔隙情况)。隐函数可以选择多种形式，如矩形面，三角形面等。
[0045]
s12、设定隐函数后，遍历输入数字模型中的所有单元节点，移除所定义隐函数空间之外的单元格的节点。当单元格被隐函数所定义的剪切面横跨时，单元格将被剪切，在剪切面上通过生成新的节点。留下的节点可以通过其节点坐标构成图形轮廓，输出特定分辨率的图像。
[0046]
分辨率选择可以通过实验反推的结果或者通过不同分辨率下的收敛结果来选取满足结果精度要求的分辨率。如图2所示为孔隙率随分辨率变化下的趋势，切片图像选择满足精度的分辨率即可，如图3所示。
[0047]
s2、切片图像二值化处理；
[0048]
图像根据设定的阈值，将灰度值高于阈值的像素点设定为255，灰度值低于阈值的像素点设定为0，通过上述处理，将若干张图像分割成灰度值为0的实体，灰度值为255的孔隙、背景部分。二值化后的图像中0代表实体，1代表孔隙和背景。阈值选择实体的灰度值即可，二值化处理后的效果如图4所示。
[0049]
s3、图像识别方法计算切片的孔隙信息；
[0050]
s31、计算切片总像素和a；
[0051]
a为黑色和白色像素点的个数。
[0052]
s32、计算切片孔和边界的像素和b；
[0053]
b为二值图中白色像素点的个数。
[0054]
s33、将二值图去除边界得到新的二值图；
[0055]
去除边界是将与图像边界相连接的像素全部清除，这里的图像边界并不是指图像里面物体和背景的边界，而是指实实在在的图像显示的边界。将与边界像素点相连的像素区域的像素点的值全设为0(即黑色像素点)，去除边界效果如图5所示。
[0056]
s34、计算新二值图孔隙的像素和c
[0057]
孔隙的像素和即为新二值图中的白色像素点。
[0058]
s35、计算材料和孔所占像素个数(整体面积)
[0059]
材料和孔像素个数为a
‑
(b
‑
c)
[0060]
s4、计算三维数字实体的孔隙率；
[0061]
在计算过程中可以人为规定多少像素组成的孔隙认定为此处存在孔隙，通过筛选选择适当的阈值。
[0062]
三维实体孔隙率计算公式：
[0063][0064]
实例结果展示：
[0065]
图6为金属增材制造过程数值模拟后的结果图，拟计算不同激光速度条件下的熔覆层孔隙率，图7为将数值模型进行切片并导出的二值图，通过计算得到的孔隙率结果见图8，图像8中x,y表示沿不同方向进行切片，xyave为将沿x和y方向切片计算的孔隙率平均值，可以在计算过程中认为设置孔隙阈值，即认为大于多少像素点的孔隙纳入统计，得到的误差图8右图。本实例的优势在于，在设备允许的条件下，提高图像分辨率，计算得到的结果将逼近仿真环境下的真实值。
[0066]
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的实施方法，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。