基于Matlab的球墨鑄鐵金相圖像處理分析

基于Matlab的球墨鑄鐵金相圖像處理分析第一章緒論1.1研究背景和意義Matlab是MATrixLABoratory（“矩陣實(shí)驗(yàn)室”）的縮寫(xiě)，是由美國(guó)MathWorks公司開(kāi)發(fā)的集數(shù)值計(jì)算、符號(hào)計(jì)算和圖形可視化三大基本功能于一體的，功能強(qiáng)大、操作簡(jiǎn)單的語(yǔ)言。是國(guó)際公認(rèn)的優(yōu)秀數(shù)學(xué)應(yīng)用軟件之一。時(shí)至今日，經(jīng)過(guò)MathWorks公司的不斷完善，Matlab已經(jīng)發(fā)展成為適合多學(xué)科，多種工作平臺(tái)的功能強(qiáng)大的大型軟件。在國(guó)外的許多高校，Matlab已經(jīng)成為線性代數(shù)、自動(dòng)控制理論、數(shù)理統(tǒng)計(jì)、數(shù)字信號(hào)處理、動(dòng)態(tài)系統(tǒng)仿真等高級(jí)課程的基本數(shù)學(xué)工具。Matlab的主要特點(diǎn)有：①語(yǔ)言簡(jiǎn)潔緊湊，使用方便靈活，庫(kù)函數(shù)機(jī)器豐富；②運(yùn)算符豐富；③具有結(jié)構(gòu)化的控制語(yǔ)句（如for循環(huán)，while循環(huán)，break語(yǔ)句和if語(yǔ)句）；④程序限制不嚴(yán)格，程序設(shè)計(jì)自由度大；⑤程序的可移植性很好，基本上不做修改就可以再各種型號(hào)的計(jì)算機(jī)和操作系統(tǒng)上運(yùn)行；⑥Matlab的圖形功能強(qiáng)大；⑦功能強(qiáng)大的工具箱是Matlab的另一特色；⑧缺點(diǎn)是和其他高級(jí)程序相比，程序執(zhí)行速度較慢。它將數(shù)值分析、矩陣計(jì)算、圖形圖像處理、信號(hào)處理和仿真等諸多強(qiáng)大的功能集成在較容易使用的交互計(jì)算機(jī)環(huán)境之中，為科學(xué)研究、工程運(yùn)用提供了一種功能強(qiáng)、效率高的編程工具［１］。利用Matlab對(duì)球墨鑄鐵進(jìn)行金相圖像分析時(shí)，就是使用圖像處理工具包的函數(shù)種類很多：圖像顯示、圖像文件輸入與輸出、幾何操作、像素值統(tǒng)計(jì)、圖像分析與增強(qiáng)、圖像濾波、濾波器、圖像變換、圖像類型轉(zhuǎn)換等。1.2存在的問(wèn)題圖像處理在Matlab中的應(yīng)用是由一系列支持圖像處理的操作函數(shù)組成，如幾何操作、區(qū)域操作、塊操作、濾波、變換、圖像分割、圖像邊緣提取、圖像增強(qiáng)等，為便于應(yīng)用，在該軟件中形成圖像處理工具包。圖像處理工具包的函數(shù)種類很多：圖像顯示、圖像文件輸入與輸出、幾何操作、像素值統(tǒng)計(jì)、圖像分析與增強(qiáng)、圖像濾波、濾波器、圖像變換、圖像類型轉(zhuǎn)換等。該工具包與其它一樣，使用者可以根據(jù)需要自行編寫(xiě)函數(shù).其中就有很多的問(wèn)題出現(xiàn)：1.圖像采集問(wèn)題：在采集圖片時(shí)由于相機(jī)的成像效果、拍攝角度、拍攝人員的自身感覺(jué)等因素都會(huì)影響到后邊圖像處理的工作和效果，因?yàn)轭伾突叶仁菦Q定一幅圖像表現(xiàn)能力的關(guān)鍵因素；2.圖像處理問(wèn)題：①圖像讀入imread，是Matlab支持的7種格式之一，顯示圖像用imshow(h)語(yǔ)句，h為圖像句柄；輸出圖像若需要永久保存，可用imwrite(h,map,’filename.bmp’,’bmp’),寫(xiě)入存儲(chǔ)器。注意在該語(yǔ)句前要設(shè)置調(diào)色板，即map=(gray(256))。②要注意圖像格式的轉(zhuǎn)化。不同的圖像格式對(duì)應(yīng)不同的處理方式，如果處理與格式不符，將引起錯(cuò)誤。③盡管Matlab允許未定義使用數(shù)組，但在實(shí)際應(yīng)用中這樣經(jīng)常出錯(cuò)，特別是遇到在double和uint8型之間的轉(zhuǎn)換時(shí)。所以最好還是養(yǎng)成用前定義的習(xí)慣，避免出現(xiàn)不必要的錯(cuò)誤。④在做完一定量的運(yùn)算后，一般要用Clear清除內(nèi)存變量，以防影響后面的程序運(yùn)行。⑤

一般默認(rèn)路徑在Matlab安裝文件下的work文件夾中，程序和資源都放在此，如果需要引用新的文件，應(yīng)事先指明路徑。⑥應(yīng)注意語(yǔ)句結(jié)尾“;”的使用，特別是圖像處理中。⑦應(yīng)做好程序的注釋工作。1.3研究的內(nèi)容和方法本設(shè)計(jì)主要工作內(nèi)容為研究基于Matlab對(duì)球墨鑄鐵金相圖像處理分析、從圖像分割、球墨鑄鐵組織的定位、組織特征的提取及對(duì)提取的組織的特征分析等。，選取適合的圖像處理方法對(duì)圖像進(jìn)行二值化，對(duì)二值化后的圖像進(jìn)行圖像分割和特征提取,最后對(duì)球墨鑄鐵組織進(jìn)行金相分析。主要研究的內(nèi)容包括：1.球墨鑄鐵金相圖像預(yù)處理，包括:RGB彩色圖像的灰度化、圖像灰度拉伸、圖像邊緣檢測(cè)、灰度圖的二值化等;直方圖均衡化、圖像增強(qiáng)、中值濾波等.2.圖像分割及特征提取。先對(duì)定位后的金相圖像進(jìn)行預(yù)處理，然后用邊緣檢測(cè)、面積提取法來(lái)確定特征區(qū)域。3.特征分析。對(duì)提取出來(lái)的特征進(jìn)行形態(tài)分析,并進(jìn)行球墨大小分級(jí),球化率的計(jì)算。主要研究方案如下：(1)、采集球墨鑄鐵金相樣本；(2)、對(duì)圖像預(yù)處理(灰度變換增強(qiáng)、圖像平滑處理、圖像銳化)得到包含信息量較小和噪聲較低的圖像；(3)、用邊緣檢測(cè)、面積提取法來(lái)確定特征區(qū)域；(4)、提取出特征區(qū)域；(5)、對(duì)提取出的特征區(qū)域進(jìn)行簡(jiǎn)單分析；(6)、對(duì)本次球墨鑄鐵金相研究進(jìn)行總結(jié)。主要的技術(shù)路線如下表1。表1技術(shù)路線第二章圖像采集與預(yù)處理圖像是當(dāng)光輻射能量照在物體上經(jīng)過(guò)發(fā)射或透射，或由發(fā)光物體本身發(fā)出光的能量，在人的視覺(jué)器官或者機(jī)器視覺(jué)中所呈現(xiàn)出的物體的視覺(jué)信息。圖像源于自然景物，是其原始的形態(tài)，是連續(xù)變換的模擬量。圖像每個(gè)像素點(diǎn)都有自己的屬性，如顏色、灰度等。顏色和灰度是決定一幅圖像表現(xiàn)能力的關(guān)鍵因素。圖像的色彩是根據(jù)光的色彩決定的，人對(duì)圖像色彩感覺(jué)決定于光譜成分?；叶仁窍袼氐牧炼?，它用于表示圖像像素在黑白之間的可區(qū)分程度，用等級(jí)來(lái)度量，級(jí)數(shù)越多，黑白圖像的表現(xiàn)力就越強(qiáng)。圖像可以根據(jù)其表現(xiàn)形式和生成方式做出不同的劃分，按形式分可以分為：實(shí)際圖像和抽像圖像。按圖像亮度等級(jí)分分為：二值圖像和灰度圖像。按照光譜分分為：彩色圖像和黑白圖像。按照?qǐng)D像是否隨時(shí)間而變換分：靜止圖像和活動(dòng)圖像。按照?qǐng)D像所占空間的維數(shù)分：二維圖像和三維圖像等。圖像預(yù)處理是相對(duì)于圖像識(shí)別、圖像理解的一種前期處理。通常圖像會(huì)出現(xiàn)邊緣過(guò)于模糊、圖像上出現(xiàn)一些不知來(lái)源的黑點(diǎn)或白點(diǎn)，圖像失真、變形等，因而要進(jìn)行圖像增強(qiáng)，按特定需要突出一幅圖像中的某些有用信息；同時(shí)，削弱或去除某些不需要的信息，改善圖像質(zhì)量，如改變圖像對(duì)比度、去除噪聲或強(qiáng)調(diào)邊緣等處理【２】。圖像預(yù)處理主要包括以下內(nèi)容：1)圖像增強(qiáng)。主要包含灰度變換增強(qiáng)、圖像平滑處理、圖像銳化處理等；2)灰度化。變換增強(qiáng)主要使用的是直方圖均衡化histeq和對(duì)比度增imadjust；3)圖像平滑。圖像平滑的主要目的是減少圖像噪聲。Matlab提供的圖像平滑函數(shù)主要有wiener2、medfilt2和ordfilt2。wiener2用于實(shí)現(xiàn)線性平滑濾波；medfilt2用于實(shí)現(xiàn)中值濾波；ordfilt2是二維統(tǒng)計(jì)順序?yàn)V波，它是中值濾波的推廣；4)圖像銳化。圖像銳化的目的就是使邊緣和輪廓線模糊的圖像變得清晰，并使其細(xì)節(jié)清晰。由于銳化會(huì)使噪聲受到比信號(hào)還強(qiáng)的增強(qiáng)，故一般先去除或減輕干擾噪聲后才能進(jìn)行銳化處理。可以用laplacian算子銳化和prewitt模板銳化【３】?；镜牧鞒虉D表2。表2圖像處理流程圖2.1圖像采集圖像采集方法主要有三種：（1）用數(shù)碼相機(jī)拍攝靜態(tài)圖片，這種方法簡(jiǎn)單，圖像清晰度高，移動(dòng)性強(qiáng)，可在野外進(jìn)行；不足的是圖像易傾斜、畸變、光照不均出現(xiàn)陰影，增加圖像處理難度。（2）用數(shù)字?jǐn)z像機(jī)采集動(dòng)態(tài)圖像。一般是把數(shù)字?jǐn)z像機(jī)(攝像頭)固定在支架上，通過(guò)圖像采集卡把數(shù)字影像輸入計(jì)算機(jī)，通過(guò)計(jì)算機(jī)觀察動(dòng)態(tài)圖像，根據(jù)需要采集靜態(tài)圖像。這種方法采集速度和傳輸速度快，圖像較小。通過(guò)在不同角度放置光源，來(lái)消除陰影，比較具有可塑性，通過(guò)支架的調(diào)節(jié)還能消除圖像畸變，因而應(yīng)用較多。但這種方法同樣存在光照不均勻問(wèn)題，還需要圖像尺寸的標(biāo)準(zhǔn)參照。所設(shè)計(jì)的系統(tǒng)硬件由計(jì)算機(jī)，數(shù)碼相機(jī)、光源等組成。本論文主要采用的是第一種方法即用數(shù)碼相機(jī)拍攝靜態(tài)圖片然后進(jìn)行處理。如圖1所示。圖1球墨鑄鐵的金相圖拍攝時(shí)效果處理后效果圖245#金相圖像2.2圖像讀入對(duì)一幅圖像如果整體進(jìn)行處理，不僅浪費(fèi)時(shí)間，而且圖像其它部分可能會(huì)影響處理效果。因此，可以先通過(guò)圖像剪切函數(shù)imcrop剪切所關(guān)心的、特征明顯的一部分圖像，然后對(duì)這部分圖像進(jìn)行相關(guān)地處理。Matlab工具箱中的imread函數(shù)讀入圖像，支持以下幾種圖像文件格式：BMP，GIF，TIFF，JPEG，HDF，PCX，XWD，PNG，ICO，CUR，PGM，PPM和RAS等類型。可利用圖像處理工具箱中的imrade()和imwrite()函數(shù)來(lái)實(shí)現(xiàn),同時(shí)可利用imshow()函數(shù)將該圖像顯示出來(lái)。其程序如下:（如我把圖像存在D盤(pán)，并面命為“qt.jpg”）clear,closeallA=imread(‘d:\qt.jpg’);imshow(A);imwrite(A,’d:\qt.jpg’);2.3圖像顯示1.image函數(shù)是matlab提供的最原始的圖像顯示函數(shù)（主要彩色顯示圖像），程序如下：a=[1,2,3,4,5,6,7,8,9,10,11,12];image(a);結(jié)果顯示為圖3所示。圖3彩色顯示圖像2.colorbarcolorbar函數(shù)用顯示圖像的顏色條。通常，顏色映象進(jìn)行過(guò)調(diào)節(jié)，把數(shù)據(jù)從最小擴(kuò)展到最大，也就是說(shuō)整個(gè)顏色映象都用于繪圖。有時(shí)也許想改變顏色使用的方法。函數(shù)caxis代表顏色軸，因?yàn)轭伾黾恿肆硪粋€(gè)維數(shù)，它允許對(duì)數(shù)據(jù)范圍的一個(gè)子集使用整個(gè)顏色映象或者對(duì)數(shù)據(jù)的整個(gè)集合只使用當(dāng)前顏色映象的一部分。[cmin,cmax]=caxis返回映射到顏色映象中第一和最后輸入項(xiàng)的最小和最大的數(shù)據(jù)。它們通常被設(shè)成數(shù)據(jù)的最小值和最大值。比如，函數(shù)mesh(peaks)會(huì)畫(huà)出函數(shù)peaks的網(wǎng)格圖，并把顏色軸caxis設(shè)為[-6.5466，8.0752]，即Z的最小值和最大值【４】。這些值之間的數(shù)據(jù)點(diǎn)，使用從顏色映象中經(jīng)插值得到的顏色。如：i=imread('d:\qt.jpg');imshow(i);colorbar;結(jié)果如圖4所示。圖4圖像顏色映射2.4圖像灰度化將彩色圖像轉(zhuǎn)化成為灰度圖像的過(guò)程成為圖像的灰度化處理。彩色圖像中的每個(gè)像素的顏色有R、G、B三個(gè)分量決定，而每個(gè)分量有255中值可取，這樣一個(gè)像素點(diǎn)可以有1600多萬(wàn)（255*255*255）的顏色的變化范圍。而灰度圖像是R、G、B三個(gè)分量相同的一種特殊的彩色圖像，其一個(gè)像素點(diǎn)的變化范圍為255種，所以在數(shù)字圖像處理中一般先將各種格式的圖像轉(zhuǎn)變成灰度圖像以使后續(xù)的圖像的計(jì)算量變得少一些?；叶葓D像的描述與彩色圖像一樣仍然反映了整幅圖像的整體和局部的色度和亮度等級(jí)的分布和特征。圖像的灰度化處理可用兩種方法來(lái)實(shí)現(xiàn)【5】。第一種方法使求出每個(gè)像素點(diǎn)的R、G、B三個(gè)分量的平均值，然后將這個(gè)平均值賦予給這個(gè)像素的三個(gè)分量。第二種方法是根據(jù)YUV的顏色空間中，Y的分量的物理意義是點(diǎn)的亮度，由該值反映亮度等級(jí)，根據(jù)RGB和YUV顏色空間的變化關(guān)系可建立亮度Y與R、G、B三個(gè)顏色分量的對(duì)應(yīng)：Y=0.3R+0.59G+0.11B，以這個(gè)亮度值表達(dá)圖像的灰度值?；叶然Y(jié)果如圖所示，程序：A=imread('d:\qt.jpg');B=rgb2gray(A);figuresubplot(1,2,1);imshow(A)title('原圖');subplot(1,2,2);imshow(B)title('原圖灰度圖像')其結(jié)果如圖5所示。圖5圖像灰度化2.5圖像分割圖像分割一般采用的方法有邊緣檢測(cè)（edgedetection）、邊界跟蹤（edgetracing）、區(qū)域生長(zhǎng)（regiongrowing）、區(qū)域分離和聚合等。圖像分割算法一般基于圖像灰度值的不連續(xù)性或其相似性。不連續(xù)性是基于圖像灰度的不連續(xù)變化分割圖像，如針對(duì)圖像的邊緣有邊緣檢測(cè)、邊界跟蹤等算法。相似性是依據(jù)事先制定的準(zhǔn)則將圖像分割為相似的區(qū)域，如閾值分割、區(qū)域生長(zhǎng)等。圖像分割其實(shí)也是對(duì)圖像進(jìn)行二值化。分割的目的是從圖像中將研究對(duì)象—球墨鑄鐵中的石墨形態(tài)提取出來(lái)，通過(guò)增強(qiáng)有用信息、抑制無(wú)用信息，改善圖像的視覺(jué)效果，提高球墨鑄鐵圖像的可分辨性，使球墨鑄鐵圖像更利于機(jī)器分析。圖像二值化是對(duì)圖像灰度取閾值θ,用θ將圖像數(shù)據(jù)分成兩大部分:大于θ的像素群和小于θ的像素群,若輸入圖像為f(x,y),輸出圖像為f’(x,y),則:（1）二值圖像匯總所有的像素值能從0和1兩個(gè)值中取，因此在matlab中，二值圖像使用一個(gè)由0和1組成的二維矩陣表示。這兩個(gè)可取的值分別對(duì)應(yīng)于關(guān)閉和打開(kāi)，關(guān)閉表征該像素處于背景，而打開(kāi)表征該像素處于前景。以這種方式來(lái)操作圖像可以更容易識(shí)別出圖像的結(jié)果特征。二值化程序如下：A=imread('d:\qt.jpg');figuresubplot(1,2,1);imshow(A)title('原圖')C=im2bw(A,0.2);subplot(1,2,2);imshow(C)title('原圖二值圖')結(jié)果如圖6所示。圖6二值化圖像進(jìn)行閾值選擇是一個(gè)較復(fù)雜的問(wèn)題,必須根據(jù)圖像的統(tǒng)計(jì)性質(zhì)（直方圖）,即從概率角度來(lái)選擇合適的閾值。最大方差閾值的設(shè)定方法是閾值自動(dòng)選擇的最優(yōu)方法,且效果良好。該閾值可通過(guò)相應(yīng)的Matlab程序計(jì)算得出。Matlab提供了多種圖像類型轉(zhuǎn)換函數(shù)，其中二值化圖像函數(shù)主要有dither和im2bw。函數(shù)dither通過(guò)顏色抖動(dòng)來(lái)達(dá)到轉(zhuǎn)換圖像的目的；函數(shù)im2bw通過(guò)設(shè)置閾值將灰度及真彩圖像轉(zhuǎn)換成二值圖像，結(jié)果如下圖8，圖像直方圖程序如下：I=imread('d:\灰度.jpg');B=rgb2gray(I);imshow(B,[40255]);figure;imhist(B)title('直方圖');J=imadjust(B,[0.150.9],[01]);figure;imhist(B,64)title('均衡直方圖')結(jié)果如圖7、8所示。圖7直方圖圖8均衡直方圖圖像分割的關(guān)鍵問(wèn)題在于如何確定分割的閾值，系統(tǒng)中提供了兩種選取閾值的方法—Ostu法和指定閾值法。為了增加靈活性，在這里我們選取了指定閾值法對(duì)圖像進(jìn)行背景分割。閾值分割的Matlab主程序如下：A=imread('d:\qt.jpg');figuresubplot(1,4,1),imshow(A);title('原圖像')B=im2bw(A,91/255);subplot(1,4,2),imshow(B);title('閾值91的圖像')C=im2bw(A,71/255);subplot(1,4,3),imshow(C);title('閾值71的圖像')D=im2bw(A,140/255);subplot(1,4,4),imshow(D);title('閾值140的圖像')結(jié)果如圖9：圖9圖像分割2.6濾波為了改善圖像質(zhì)量,從圖像中提取有效信息,必須對(duì)圖像進(jìn)行去噪預(yù)處理。根據(jù)噪聲頻譜分布的規(guī)律和統(tǒng)計(jì)特征以及圖像的特點(diǎn),出現(xiàn)了多種多樣的去噪方法。經(jīng)典的去噪方法有：空域合成法,頻域合成法和最優(yōu)合成法等,與之適應(yīng)的出現(xiàn)了許多應(yīng)用方法,如均值濾波器,中值濾波器,低通濾波器,維納濾波器,最小失真法等。這些方法的廣泛應(yīng)用,促進(jìn)數(shù)字信號(hào)處理的極大發(fā)展,顯著提高了圖像質(zhì)量【6】。本文給定的圖像為二維信號(hào)，在信號(hào)中加入指定的椒鹽噪聲,然后利用中值濾波進(jìn)行去噪。雖然有關(guān)中值濾波的函數(shù)是在Matlab函數(shù)庫(kù)中已經(jīng)提供，但在圖像處理中利用中值濾波去除圖像中的椒鹽噪聲是一種有效的方法，利用中值濾波函數(shù)去除圖像中的噪聲過(guò)程如下：（1）使用imread()讀入原始的彩色圖像。（2）因?yàn)槭褂弥兄禐V波器只能對(duì)灰度圖像進(jìn)行處理，所以利用rgb2gray()將彩色圖像轉(zhuǎn)化為灰度圖像。（3）用imnoise()在灰度圖像中加入椒鹽噪聲。（4）利用medfilt2()函數(shù)進(jìn)行中值濾波,并在Matlab環(huán)境下運(yùn)行。圖10圖像濾波2.7輪廓提取對(duì)圖像進(jìn)行輪廓提取即圖像的邊緣檢測(cè)。邊緣檢測(cè)的基本思想首先是利用邊緣增強(qiáng)算子，突出圖像中局部邊緣，然后定義像素的“邊緣強(qiáng)度”，通過(guò)設(shè)置域值的方法提取邊緣點(diǎn)集。由于噪聲和模糊的存在，檢測(cè)到得邊界可能會(huì)變寬或在某點(diǎn)出發(fā)生斷裂。因此，邊緣檢測(cè)包括兩個(gè)基本內(nèi)容：①用邊緣算子提取出反映灰度變化的邊緣點(diǎn)集。②在邊緣點(diǎn)集合中剔除某些邊界點(diǎn)或是填補(bǔ)邊界間斷點(diǎn)，并將這些邊緣連續(xù)成完整的線。I=imread('d:\灰度.jpg');A=rgb2gray(I);figuresubplot(1,4,1);imshow(A);title('原圖像');B=edge(A,'sobel',0.1);%edge邊緣檢測(cè)函數(shù)subplot(1,4,2);imshow(B);title('sobel算子檢測(cè)');C=edge(A,'roberts',0.1);%0.1為門(mén)限subplot(1,4,3);imshow(C);title('roberts算子檢測(cè)');D=edge(A,'prewitt',0.1);subplot(1,4,4);imshow(D);title('prewitt算子檢測(cè)');結(jié)果如圖11所示。圖11圖像輪廓提取第三章金相分析3.1球墨鑄鐵金相組織概述金相，指金屬組織中化學(xué)成分、金體結(jié)構(gòu)和物理性能相同的組成，其中包括固溶體、金屬化合物及純物質(zhì)。金相組織是反映金屬金相的具體形態(tài)，如鐵素體、珠光體、奧氏體、馬氏體等等。球墨鑄鐵金相組織中含有以下形態(tài)【7】：（1）鐵素體根據(jù)GB9441-1988球墨鑄鐵金相檢驗(yàn)評(píng)定鐵素體數(shù)量。其百分比，按大多數(shù)視場(chǎng)對(duì)照?qǐng)D片評(píng)定。一般不檢查鐵素體數(shù)量，僅檢查與其共存的珠光體數(shù)量（2）珠光體在球墨鑄鐵中，珠光體的形態(tài)一般分三級(jí)：粗狀珠光體、片狀珠光體、細(xì)片狀珠光體。隨著珠光體的細(xì)化，球墨鑄鐵的強(qiáng)度和硬度有所提高。若基體為粒狀珠光體，則球墨鑄鐵在保持一定強(qiáng)度的同時(shí)，具有更高的塑性。（3）奧氏體、貝氏體、馬氏體由奧氏體、上貝氏體或下貝氏體通過(guò)等溫淬火，加入適當(dāng)元素獲得。（4）滲碳體滲碳體多呈針狀、條狀，在球墨鑄鐵中易使基體變脆，故應(yīng)避免其出現(xiàn)。（5）磷共晶體磷共晶體在球墨鑄鐵中對(duì)性能的危害比在灰鑄鐵中大得多。沿晶界分布的二元或三元磷共晶體，強(qiáng)烈降低球墨鑄鐵的韌性、塑性和強(qiáng)度，受沖擊時(shí)，裂痕總是沿磷共晶體邊緣開(kāi)始開(kāi)裂。3.2球墨鑄鐵金相特征分析Matlab具有強(qiáng)大的圖形圖像處理功能，能很好地滿足定量金相分析工作。要分析圖像的集合特征就要對(duì)圖像進(jìn)行分解，分解的結(jié)果就是圖像被分解成一些具有某些特征的圖像的基元。相對(duì)于圖像來(lái)說(shuō)這些基元更容易被快速處理，顯然這些特征的提取是很重要的，它對(duì)分類器設(shè)計(jì)及其性能影響甚大。而所謂的特征提取是指從特征定義、經(jīng)選擇或變換直到得出有效特征的全過(guò)程。特征提取是模式識(shí)別的關(guān)鍵問(wèn)題，圖像的特征是圖像中可用作標(biāo)記的屬性，它可分為圖像的統(tǒng)計(jì)特征和圖像的視覺(jué)特征。圖像的統(tǒng)計(jì)特征是指人為定義的特征，通過(guò)變換才能得到，如圖像的直方圖、矩等；圖像的視覺(jué)特征是指人的視覺(jué)可直接感受到的自然特征，如區(qū)域的輪廓、紋理等。經(jīng)過(guò)圖像處理后得到的二值圖像，不僅比灰度圖像的存儲(chǔ)量要更小之外，更主要的是可以通過(guò)二值圖像計(jì)算出圖像中目標(biāo)物的幾何特性，如目標(biāo)物的大小、位置等。如果不止一個(gè)目標(biāo)物，則可以對(duì)應(yīng)于這些目標(biāo)物進(jìn)行標(biāo)記，以及定出對(duì)像物間的差別，從而可以進(jìn)一步進(jìn)行圖像相關(guān)參數(shù)的測(cè)量。球墨鑄鐵金相組織特征主要有石墨形態(tài),石墨球化率,石墨大小，球化分級(jí),磷共晶和碳化物的類型,數(shù)量等特征。本研究針對(duì)以上提及的球墨鑄鐵的金相組織特征一一進(jìn)行了研究分析，結(jié)果顯示石墨形態(tài)、大小是評(píng)定石墨球化率的基礎(chǔ)。3.3石墨球化分析在金相檢驗(yàn)中，通常所見(jiàn)到的是幾種形態(tài)的石墨共存。在這種情況下，評(píng)定石墨的球化質(zhì)量須用球化率來(lái)解決。所謂球化率，是指在規(guī)定的視場(chǎng)內(nèi)，所有石墨球化程度的綜合指標(biāo)。它反映該視場(chǎng)內(nèi)所有石墨接近球狀的程度。國(guó)家標(biāo)準(zhǔn)根據(jù)石墨形態(tài)及其分布和球化率，將球墨鑄鐵石墨球化分為1-6級(jí)。球墨鑄鐵的力學(xué)性能在很大程度上決定于球化率。一般來(lái)說(shuō)，在其他條件相同的情況下，球化率愈高，力學(xué)性能也高。3.3.1石墨大小分級(jí)GB9441－1988球墨鑄鐵金相檢驗(yàn)標(biāo)準(zhǔn)將石墨大小分成六級(jí)。球墨鑄鐵石墨球的大小對(duì)力學(xué)性能的影響很大，減小石墨球徑，增加石墨球在單位面積的個(gè)數(shù)可以明顯地提高球墨鑄鐵的強(qiáng)度、塑性和韌性。石墨球徑的減小，使單位面積上球墨鑄鐵數(shù)量增多，可使抗疲勞強(qiáng)度提高，因此，細(xì)化石墨也是提高抗疲勞強(qiáng)度的一個(gè)要求。如表3。表3（石墨直徑（100×）mm）石墨大小分級(jí)級(jí)別3級(jí)4級(jí)5級(jí)6級(jí)7級(jí)8級(jí)直徑＞25-50＞12-25＞6-12＞3-6＞1.5-3≤1.5將圖12金相圖像中的石墨球進(jìn)行部分標(biāo)記，計(jì)算其石墨球的外接圓直徑，確定石墨球的大小級(jí)別。圖12標(biāo)記圖號(hào)的金相圖結(jié)果如表4所示。表4石墨大小級(jí)別圖號(hào)球1球2球3球4球5球6球7直徑5032251612106級(jí)別3級(jí)3級(jí)4級(jí)4級(jí)5級(jí)5級(jí)6級(jí)3.3.2石墨球化率分級(jí)（1）石墨球化率評(píng)級(jí)的方法：石墨球化率是球墨鑄鐵分析的一個(gè)最常用的指標(biāo)，對(duì)球化率的計(jì)算，首先需求出每個(gè)石墨球的外接圓，然后算出單個(gè)石墨的面積率，即石墨的實(shí)際面積除以最小外接圓的面積，再把面積率和球狀修正系數(shù)對(duì)照，具體方法如下：（2）石墨的面積率：（2）在確定最小外接圓時(shí)，采用的是石墨的最大投影長(zhǎng)為直徑，石墨的實(shí)際面積根據(jù)封閉圖形中的像素來(lái)計(jì)算。根據(jù)GB9441—88可查出5種球狀的修正系數(shù)如表5所示。表5球狀修正系數(shù)1.石墨面積≥0.810.80-0.610.60-0.410.40-0.21＜0.21修正系數(shù)1.00.80.60.30定義二值圖像中目標(biāo)物的面積A就是目標(biāo)物所占的像素點(diǎn)的數(shù)目，即區(qū)域的邊界內(nèi)包含的像素點(diǎn)數(shù)。設(shè)目標(biāo)的大小為M×N，對(duì)二值圖像，目標(biāo)物，背景為0，則目標(biāo)物的面積A為：（3）通常面積的計(jì)算可以直接對(duì)分割出的物體區(qū)內(nèi)像素記數(shù)即可。如圖13所示。圖13示意圖圖14單粒石墨如圖14左邊的圖像顯示，其中的網(wǎng)格放大了2000倍，每一格為6x6的大小，數(shù)得黑色區(qū)域所占的網(wǎng)格數(shù)量，近似值為160；（4）球墨鑄鐵的力學(xué)性能是和它的金相組織密切相關(guān),保證鑄鐵中石墨球化良好，是熔制球墨鑄鐵的第一要求。只有石墨球化，才能充分發(fā)揮金屬基體的作用，使鑄鐵的力學(xué)性能大幅度提高。也只有石墨球化后，進(jìn)一步改變基體的性能才更有意義。國(guó)標(biāo)中有把球鐵石墨球化分級(jí)如表6。表6球化級(jí)別球化級(jí)別說(shuō)明球化率（%）1級(jí)石墨呈球狀，少量團(tuán)絮，允許少量團(tuán)絮狀≥952級(jí)石墨大部分呈球狀，余為團(tuán)狀和極少量團(tuán)絮狀90--953級(jí)石墨大部分呈團(tuán)狀，余為團(tuán)絮狀，允許少量蠕蟲(chóng)狀80--904級(jí)石墨呈分散的蠕蟲(chóng)狀球狀團(tuán)狀團(tuán)絮狀70--805級(jí)石墨呈聚集分布的蠕蟲(chóng)狀片狀及球狀團(tuán)狀團(tuán)絮狀60--706級(jí)石墨呈聚集分布的蠕蟲(chóng)狀和片狀及球狀、團(tuán)狀、團(tuán)絮狀不規(guī)定采集下列a、b、c、d、e、f六種球墨鑄鐵的金相組織圖來(lái)分析計(jì)算它們的球化率，評(píng)定其球化級(jí)別，結(jié)果如表7。表7球化率和球化級(jí)別圖樣計(jì)算球化率球化級(jí)別a、99.9%1級(jí)b、95%2級(jí)c、90%3級(jí)d、78%4級(jí)e、65%5級(jí)f、45%6級(jí)球化率的計(jì)算公式：（5）其中分別表示五種球狀修正系數(shù)的石墨顆數(shù)。驗(yàn)證某球墨鑄鐵材料的球化級(jí)別也可以通過(guò)數(shù)視場(chǎng)中的石墨顆粒數(shù)來(lái)初步確定，根據(jù)表8可進(jìn)行估算。表8修正系數(shù)2.球狀修正系數(shù)1.00.80.60.30.0顆粒數(shù)42715263429第四章結(jié)語(yǔ) 經(jīng)過(guò)三個(gè)多月的努力，畢業(yè)設(shè)計(jì)終于在老師的指導(dǎo)和同學(xué)們的協(xié)助下結(jié)束了。通過(guò)畢業(yè)設(shè)計(jì)，首先讓我們自己對(duì)Matlab這門(mén)課的掌握有了進(jìn)一步的加深和鞏固，能夠更熟練得應(yīng)用各種功能，特別是運(yùn)用它來(lái)完成對(duì)圖像的處理。突然感覺(jué)到Matlab在圖像處理方面的運(yùn)用的廣泛和它的功能之精湛。對(duì)于我們即將步入社會(huì)的應(yīng)屆畢業(yè)生來(lái)說(shuō)，這是我們?cè)趯W(xué)校里最后的學(xué)習(xí)任務(wù)，所以我們都竭盡全力去完成，不敢馬虎。在畢業(yè)設(shè)計(jì)的期間，我們查閱了許多有關(guān)Matlab圖像處理的書(shū)籍，盡管這只是我們完成畢業(yè)設(shè)計(jì)的一個(gè)手段，也跟我們的專業(yè)知識(shí)沒(méi)太大的聯(lián)系，可我們也在用心的學(xué)。其次就是關(guān)于球墨鑄鐵各方面的深入了解，由于我們有上《機(jī)械工程材料》這門(mén)課程，所以我們大體知道球鐵的各性能和存在的問(wèn)題。從中我們學(xué)到了許多圖像處理的方法，也認(rèn)識(shí)到了我們自身存在的不足。由于畢業(yè)設(shè)計(jì)時(shí)間較短，所以該設(shè)計(jì)在完成的時(shí)候還有許多問(wèn)題存在，比如：（1）Matlab安裝的問(wèn)題；（2）對(duì)Matlab的工作環(huán)境不熟悉；（3）Matlab的相關(guān)操作不熟練，功能沒(méi)有完全掌握等。其次，我深刻體會(huì)到利用Matlab來(lái)實(shí)現(xiàn)圖像處理的方便簡(jiǎn)單。圖像處理技術(shù)在許多應(yīng)用領(lǐng)域受到廣泛重視并取得了重大的開(kāi)拓性成就，屬于這些領(lǐng)域的有航空航天、生物醫(yī)學(xué)工程、工業(yè)檢測(cè)、機(jī)器人視覺(jué)、公安司法、軍事指導(dǎo)、文化藝術(shù)等，使得數(shù)字圖像處理成為一門(mén)引人注目、前景遠(yuǎn)大的新型學(xué)科。1、在這次課程設(shè)計(jì)過(guò)程中，感觸很深，由于對(duì)Matlab圖像處理的函數(shù)不熟悉，導(dǎo)致自己走了很多的彎路，2、通過(guò)本次課程設(shè)計(jì)，使自己對(duì)Matlab設(shè)計(jì)流程有了比較深刻的體會(huì)，同時(shí)也了解了一般軟件設(shè)計(jì)的過(guò)程。在設(shè)計(jì)過(guò)程中碰到了很多的問(wèn)題，通過(guò)這些問(wèn)題，使自己分析問(wèn)題，解決問(wèn)題的能力得到了較大的提高。利用Matlab只需幾個(gè)簡(jiǎn)單的函數(shù)就可以實(shí)現(xiàn)復(fù)雜的處理和計(jì)量過(guò)程，這不僅避免了人工在測(cè)量時(shí)結(jié)果不可靠、精度不高的缺點(diǎn)，同時(shí)也免去了使用其它軟件時(shí)繁瑣的編程工序?？梢?jiàn)，Matlab具有強(qiáng)大的圖形圖像處理功能，能很好地滿足定量金相分析工作:（1）利用Matlab軟件來(lái)實(shí)現(xiàn)鑄鐵金相組織的分析、測(cè)量是完全可行的,這為鑄鐵的深入研究、揭示其組織與性能的關(guān)系提供了有力的技術(shù)支持。該方法也可擴(kuò)展應(yīng)用于其他材料的金相分析,具有積極作用。（2）運(yùn)用Matlab圖像處理工具箱不需要傳統(tǒng)的繁瑣編程,研究人員只需掌握一些基本的處理等函數(shù),從而節(jié)省了程序設(shè)計(jì)、調(diào)試所需的時(shí)間,可集中精力思考解決問(wèn)題的方法,研究問(wèn)題的本質(zhì),提高了效率及質(zhì)量。參考文獻(xiàn)[1]鄧紅濤,趙慶展.基于Matlab的圖像處理的研究[J].科技資訊,2009,(04).[2]張新平.Matlab圖形圖像處理在材料研究中的應(yīng)用[J]鑄造技術(shù),2003,(05).[3]王向垟,張釗,童森林.基于Matlab圖像處理的布氏硬度測(cè)量[J]機(jī)械工程師,2010,(02).[4]呂英華,牛守強(qiáng).基于Matlab的金屬材料顯微圖像處理[J]鞍山科技大學(xué)學(xué)報(bào),2006,(03).[5]徐建林,王智平,王延露,路陽(yáng),李文生.基于Matlab的鑄造鋁青銅金相組織分析[J].宇航材料工藝,2005,(05).[6]于廣州,楊秀娟.Matlab在圖像處理中的應(yīng)用[J].中國(guó)校外教育(理論),2009,(02).[7]許志影,李晉平.Matlab及其在圖像處理中的應(yīng)用[J].計(jì)算機(jī)與現(xiàn)代化,2003,(04).[8]劉文,賈志欣,邢書(shū)明.半固態(tài)合金定量金相分析系統(tǒng)的開(kāi)發(fā)[J].鑄造,2008,(07).[9]于永泗，齊民等.機(jī)械工程材料.大連理工大學(xué)出版社，第七版.[10]衣雪梅,郭康權(quán).Matlab圖形圖像處理在農(nóng)機(jī)材料定量金相分析中的應(yīng)用[J].農(nóng)機(jī)化研究,2006,(05)[11]張毓晉.圖像工程（第二版）.北京：清華大學(xué)出版社,2007[12]孫宏琦，施維穎,巨永峰.利用中值濾波進(jìn)行圖像處理《長(zhǎng)安大學(xué)學(xué)報(bào)（自然科學(xué)版）》2003(2)[13]李彥軍,蘇紅旗等.改進(jìn)的中值濾波圖像去噪方法研究《計(jì)算機(jī)工程與設(shè)計(jì)》，2009(12)[14]胡鵬,徐會(huì)燕.基于Matlab的圖像去噪算法的研究與實(shí)現(xiàn)《福建電腦》，2009(12)[15]宋兆基、徐流美等.Matlab6.5在科學(xué)計(jì)算中的應(yīng)用.北京：清華大學(xué)出版社,2005[16]吳建軍.計(jì)算機(jī)圖像處理技術(shù)在定量金相分析中的應(yīng)用研究[D]重慶大學(xué),2002.致謝本次設(shè)計(jì)能夠按期完成除了本人的努力之外，謹(jǐn)向我的學(xué)校、工程技術(shù)學(xué)院、我的指導(dǎo)教師和各位同學(xué)致謝，他們的幫助使我受益良多。首先感謝學(xué)校給我們提供了良好的學(xué)習(xí)環(huán)境。良好的學(xué)習(xí)氛圍使我們始終保持探究的精神；規(guī)模龐大、種類齊全的學(xué)校藏書(shū)為我們提供了精辟的名家論述。手邊隨察的工具書(shū)是這種關(guān)懷的具體體現(xiàn)。其次我要感謝工程技術(shù)學(xué)院以及農(nóng)機(jī)系的各位領(lǐng)導(dǎo)、老師的細(xì)心照顧。為使設(shè)計(jì)能夠順利進(jìn)行，學(xué)院的計(jì)算機(jī)房向我們開(kāi)放，為我們提供了上機(jī)場(chǎng)所，并且竭盡所能為我們上網(wǎng)查閱資料提供方便。最后我要向我的導(dǎo)師致敬，楊老師和張老師治學(xué)嚴(yán)謹(jǐn)，平易近人，為我營(yíng)造了一種良好的精神氛圍。授人以魚(yú)不如授人以漁，置身其間，耳濡目染，潛移默化，使我不僅接受了全新的思想觀念，還樹(shù)立了嚴(yán)謹(jǐn)?shù)膶W(xué)術(shù)研究態(tài)度，領(lǐng)會(huì)了基本的思考方式，掌握了通用的研究方法。正是他深厚的學(xué)識(shí)、長(zhǎng)輩無(wú)微不至的關(guān)懷和細(xì)心全面的解答使我在設(shè)計(jì)過(guò)程中解決了許多難題，使我在對(duì)這個(gè)領(lǐng)域的了解和掌握能夠更進(jìn)一步。導(dǎo)師正確的指導(dǎo)正是本次設(shè)計(jì)能夠順利完成的關(guān)鍵。畢業(yè)設(shè)計(jì)的完成意味著我們即將畢業(yè)，即將和我朝夕相處的同學(xué)們分別，我們都要各奔前程了。在此，我要向我的班主任老師和其他任課老師們致敬，不論在學(xué)習(xí)或是生活中老師們給予我們的幫助和關(guān)懷都是最多的，其次，就是我那些攜手共度四年大學(xué)時(shí)光的同學(xué)們，謝謝！附錄一、圖像預(yù)處理（1）彩色圖像變灰度圖像A=imread('1.jpg');B=rgb2gray(A);figuresubplot(1,2,1),imshow(A)title('原圖')subplot(1,2,2),imshow(B)title('原圖灰度圖像')（2）彩色圖像變索引圖像A=imread('1.jpg');figuresubplot(1,2,1),imshow(A)title('原圖')[X,map]=rgb2ind(A,128);subplot(1,2,2),imshow(X,map)title('原圖索引圖像')（3）彩色圖像變二值圖像A=imread('1.jpg');figuresubplot(1,2,1),imshow(A)title('原圖')C=im2bw(A,0.2);subplot(1,2,2),imshow(C)title('原圖二值圖像')（4）灰度圖像變索引圖像（一）A=imread('1.jpg');figureB=rgb2gray(A);subplot(1,2,1),imshow(B)title('灰度圖像')C=grayslice(B,39);subplot(1,2,2),imshow(C)title('灰度變索引圖像')（5）灰度圖像變索引圖像（二）A=imread('1.jpg');figureB=rgb2gray(A);subplot(1,2,1),imshow(B)title('灰度圖像')[X,map]=gray2ind(B,63);subplot(1,2,2),imshow(X,map)title('灰度變索引圖像')（6）灰度圖像變彩色圖像A=imread('1.jpg');figureB=rgb2gray(A);subplot(1,2,1),imshow(B)title('灰度圖像')C=gray2rgb(B,map);subplot(1,2,2),imshow(C)title('灰度變彩色圖像')（7）灰度平均值A(chǔ)=imread('1.jpg');figureB=rgb2gray(A);subplot(1,2,1),imshow(B)title('灰度圖像')B=double(B);[m,n]=size(B);sumg=0.0;fori=1:m;forj=1:n;sumg=sumg+B(i,j);endendavg=sumg/(m*n)%均值maxg=max(max(B))%區(qū)域最大灰度ming=min(min(B))%區(qū)域最小灰度（8）彩色平均值A(chǔ)=imread('1.jpg');figureimshow(A)title('彩色圖像')A=double(A);[m,n]=size(A);sumg=0.0;fori=1:m;forj=1:n;sumg=sumg+A(i,j);endendavg=sumg/(m*n)squre=m*nmaxg=max(max(A))ming=min(min(A))二、圖像變換(1)傅里葉變換、反變換、I=imread('19.jpg');A=rgb2gray(I);x1=fft2(A);x2=fftshift(x1);x3=ifft(x1)/10;figure,subplot(1,4,1);imshow(A)title('原圖');subplot(1,4,2);imshow(x1)title('頻譜圖');subplot(1,4,3);imshow(log(abs(x2)+1),[010]);title('直流分量移至頻譜圖中心');subplot(1,4,4);imshow(x3,[010])title('傅里葉反變換');(2)DCT變換、反變換X=imread('19.jpg');I=rgb2gray(X);subplot(1,3,1);imshow(I);title('原圖');subplot(1,3,2);J=dct2(I);imshow(log(abs(J)),[020]);title('二維離散余弦變換');subplot(1,3,3);K=idct2(J)/20;imshow(K,[020]);title('二維離散反余弦變換');(3)利用DCT變換壓縮圖像I=imread('19.jpg');A=rgb2gray(I);B=DCT2(A);B(abs(B)<0.1)=0;C=idct2(B)/255;figure,subplot(1,3,1);imshow(A);title('原圖');subplot(1,3,2);imshow(B);title('二維離散余弦變換頻譜圖');subplot(1,3,3);imshow(C);title('壓縮后圖像');三、圖像增強(qiáng)（一）灰度圖像增強(qiáng)（1）線性變換法clc;clearall;I=imread('19.jpg');A=rgb2gray(I);colormap;imshow(A);%設(shè)置圖像倒數(shù)參數(shù)j=imadjust(A,[01],[10],1.5);figure;subimage(j)(2)灰度圖像的非線性變換（之對(duì)數(shù)）I=imread('19.jpg');colormapimshow(I)J=double(I);J=45*log(J+1);I=uint8(J);figure,subimage(J)(二)直方圖校正直方圖均衡I=imread('19.jpg');B=rgb2gray(I);imshow(B,[40255]);figure,imhist(B)title('直方圖')J=imadjust(B,[0.150.9],[01]);figure,imhist(B,64)title('均衡直方圖')四、濾波I=imread('19.jpg');figure,B=rgb2gray(I);C=imnoise(B,'salt&pepper',0.02);D=imfilter(B,fspecial('average',3));E=medfilt2(B);subplot(1,3,2)imshow(D)title('均值濾波')subplot(1,3,3)imshow(D)title('中值濾波')subplot(1,3,1)imshow(C)title('加入椒鹽噪聲圖像')五、銳化處理I=imread('19.jpg');A=rgb2gray(I);figure,subplot(2,3,1),imshow(A);title('原圖');hs=fspecial('sobel');S=imfilter(A,hs);hp=fspecial('prewitt');P=imfilter(A,hs);A=double(A);%雙精度型H=[010,1-41,010];%拉普拉斯算子J=conv2(A,H,'same');K=A-J;subplot(2,3,2),imshow(K);title('拉普拉斯銳化圖像');B=edge(A,'roberts',0.1);subplot(2,3,3),imshow(B)