通过增强鲁棒特征和尺度不变特征变换构造马赛克的金相分析新方法

关于数字图像的分割已经进行了许多研究，试图克服当前在特定应用中使用的各种方法的局限性。因此，对现有技术进行了改进并开发了新方法。

在本文中，将介绍工具和方法论，这些工具和方法论可以将数字图像处理技术用于冶金过程中的金属材料的金相分析。马赛克技术用于通过具有相应特征的小图像来构建场景和环境。最终结果是从较小的图像生成的较大的图像。因此，根据生成的图像，将可能更彻底地进行分析和处理以获得精确的结果。

金相学是最重要的分析研究之一，旨在确保制造过程中材料的质量以及新合金和新材料形成过程中的研究性能。适当的分析和微观技术应用于冶金产品的研究，可以可视化材料的微观结构及其成分，突出显示所形成的各种晶粒以及所得结构的各个相，从而可以根据尺寸进行评估，形状和排列。微观结构从根本上取决于金属的化学成分以及热处理和机械处理，相是具有统一的物理和化学特性的特定系统的均质部分。鉴于材料因采用各种热处理以及所采用的化学成分而具有不同的形态，因此这种分析有时会变得很复杂。显微金相学，也称为金属制品的显微照片研究，借助于旨在确定金属制品的成分和质地的显微镜，突出了形成的各种晶粒。该分析的记录是通过显微镜拍摄的图像和照片进行的。

制备样品后，通过目测进行金相分析。但是，由于人为限制，该分析并不完全可靠。这是因为出现了一些变量，例如疲劳，分心，可重复性动作，注意力不集中以及其他可能导致分析失败的外部因素。当多个专家对同一样品进行分析并且最终结果不相等时，可以观察到此过程中的缺陷。

图1中显示了一个宏观剖面图，其中显示了人工镶嵌的Fe-Cr-Mo合金的焊接成分。这些是通过MIG工艺焊接的17％Cr和5％Mo的非商业钢样品的示例，其中所用的能量消耗有所不同。氩气用作保护气体。使用ERNiCrMo-3 AWS电极（直径为1.2毫米的线）作为填充材料。显示的区域对应于合并区（AWS ERNiCrMo 3电极），焊接的热影响区和基础材料。这些图表示以210 A的电流和30 V的电压沿着焊接熔融区域到达焊接接头横截面的不同点。

图1这项工作中使用的钢微结构金相分析而手动建立的镶嵌示例

图1以9.9kJ / cm的能量和38cm / min的焊接速度获得α。沿熔融区到达基材的微观结构。图1b的能量为19.9 kJ / cm，焊接速度为19 cm / min。 图1以19.9kJ / cm的能量和19cm / min的焊接速度获得c。

影响失效出现的因素之一是仅分析样品的一小部分这一事实。发生此问题的原因是，显微视觉的范围仅限于一个很小的区域，并且不可能分析样品的整个区域。本文建议创建多个相邻金相图像的镶嵌图，以创建一个大图像，从而允许通过在特定点进行局部分析来进行全局分析。提出的模型旨在减少人为限制造成的影响，因为在对整个图像进行分析之后，只能选择特定的图像进行彻底的分析。

在冶金学中，焊接技术广泛使用测试和金相分析。在焊接中，该测试使我们能够了解金属特征，尤其是在热影响区（HAZ）中；在焊接中最容易发生自然冶金问题的区域。热影响区的范围超过了显微镜中观察到的区域的大小，并且通常需要在大图片上安装几张图像，以便研究整个热影响区。

关于数字图像处理，马赛克是指将单独的图像和相邻图像合并在一起，这些图像自动分组为单个图像，其结果是宽而一致的马赛克图像。图像获取和镶嵌图的形成在地理分析中得到了相当的应用，因为它可以生成较小的单个图像，并随后进行整合以生成较大的地图。在GIS中，图像配准是对齐在不同时间段，不同视角或不同传感器上获取的同一场景的不同图像的过程。需要用于许多图像处理和计算机视觉应用，如对象识别，机器人定位，三维医学图像重建和对象追踪。传统上，用于遥感的图像配准技术需要在图像的各个界标处手动选择地面控制点（GCP）。这些GCP然后用于将一个图像与另一个图像对齐。

通过金相分析，将使用数字图像处理技术从显微镜下收集的图像中创建镶嵌图，然后通过将结果与常规分析中当前使用的技术进行比较来进行验证。

目的是提高产生结果的效率并帮助决策；大大减少了镶嵌的时间，并减少了图像组中出现错误的可能性。

面临的挑战之一是将几个不同的图像连接在一起，以形成失真最小的较大图像，因为它将用作使用数字图像处理技术进行镶嵌的自动生成工具。

转载请注明精川材料检测地址：www.jctest.vip