CN105957091A - 一种基于显微级全景图的焦炭显微结构分析方法 - Google Patents
一种基于显微级全景图的焦炭显微结构分析方法 Download PDFInfo
- Publication number
- CN105957091A CN105957091A CN201610334476.8A CN201610334476A CN105957091A CN 105957091 A CN105957091 A CN 105957091A CN 201610334476 A CN201610334476 A CN 201610334476A CN 105957091 A CN105957091 A CN 105957091A
- Authority
- CN
- China
- Prior art keywords
- level
- micro
- coke
- panorama sketch
- digital photograph
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000000571 coke Substances 0.000 title claims abstract description 43
- 238000003696 structure analysis method Methods 0.000 title abstract 2
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 230000003321 amplification Effects 0.000 claims abstract description 9
- 238000003199 nucleic acid amplification method Methods 0.000 claims abstract description 9
- 238000001914 filtration Methods 0.000 claims abstract description 7
- 238000001556 precipitation Methods 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 8
- 238000005267 amalgamation Methods 0.000 claims description 2
- 238000002360 preparation method Methods 0.000 claims 1
- 230000007246 mechanism Effects 0.000 abstract description 3
- 230000033558 biomineral tissue development Effects 0.000 abstract description 2
- 239000000203 mixture Substances 0.000 description 9
- 239000000126 substance Substances 0.000 description 6
- 238000000879 optical micrograph Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000019552 anatomical structure morphogenesis Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003638 chemical reducing agent Substances 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
- G06T2207/10061—Microscopic image from scanning electron microscope
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明属于焦炭显微结构分析技术领域,具体涉及一种基于显微级全景图的焦炭显微结构分析方法,该方法包括如下步骤:S10、拍摄焦炭样品的表面得到低倍电子图片集;S20、用中值滤波法对的各数码照片进行平滑处理;S30、对低倍电子图片集进行拼接融合,得到显微级全景图;S40、基于显微级全景图指定各局部放大区域,拍摄各局部放大区域的表面得到各高倍电子图片集;S50、用中值滤波法对各数码照片进行平滑处理;S60、对各高倍电子图片集进行拼接融合,得到各显微级局部放大图;S70、各显微级局部放大图与各局部放大区域进行链接。该方法提供了全面深入的分析焦炭显微结构的途径,为寻找成矿机理和解决办法,提高和改善焦炭产品和质量提供依据。
Description
技术领域
本发明属于焦炭显微结构分析技术领域,具体涉及一种基于显微级全景图的焦炭显微结构分析方法。
背景技术
焦炭在高炉内的反应机理会直接影响高炉的热状态和顺行程度,从而对高炉技术经济指标有着很重要的影响。同时焦炭作为能源、骨架、还原剂对高炉内各个环节都有着重要影响。因此,通过了解焦炭内部的组织结构和孔隙分布,能大幅度的改善焦炭性能,从而做到降低成本。焦炭的光学显微结构具有十分重要的意义,有利于节约能源,降低经济成本,减轻对环境的污染。
国内外研究者普遍使用单张显微图像来分析焦炭显微结构,普通的光学显微镜不具备自动拼接功能,观察视野局限,较难全面反映焦炭组织结构信息,手工拼接又是一项繁琐、依靠经验且工作量非常大的事情,而目前市场上具有自动拼接功能的显微镜价格较高。在焦炭光学显微结构识别的过程中,操作者的经验和技能水平决定着测定结果的准确性,主观性比较强。
发明内容
为解决现有技术的不足,本发明提供了一种基于显微级全景图的焦炭显微结构分析方法。
一种基于显微级全景图的焦炭显微结构分析方法,包括如下步骤:
S10、拍摄焦炭样品的表面得到低倍数码照片集,并将所述低倍数码照片集储存为低倍电子图片集,其中,所述低倍数码照片集中的各数码照片的放大倍数为20~40倍;
S20、用中值滤波法对步骤S10得到的低倍电子图片集中的各数码照片进行平滑处理;
焦炭显微图像在拍摄过在程中,由于噪声的影响会造成图像质量退化,利用中值滤波法滤除各种噪声,可对图像进行平滑处理,改善图像质量。
S30、将步骤S20得到的低倍电子图片集进行拼接融合,得到焦炭的显微级全景图;
S40、基于显微级全景图指定各局部放大区域,拍摄各所述局部放大区域的表面得到各高倍数码照片集,并将各所述高倍数码照片集储存为各高倍电子图片集,其中,所述高倍数码照片集中的各数码照片的放大倍数为200倍以上;
S50、用中值滤波法对步骤S40得到的各高倍电子图片集中的各数码照片进行平滑处理;
S60、将步骤S50得到的各高倍电子图片集进行拼接融合,得到焦炭的各显微级局部放大图;
S70、将步骤S60得到的各显微级局部放大图与步骤S40中的各局部放大区域进行一一对应的链接。
基于上述步骤的处理,可以得到用于进行焦炭显微结构分析的显微级全景图,进而可以进行焦炭显微结构的分析。
具体的,步骤S70中,通过设置超链接的方式将S60得到的各显微级局部放大图与步骤S40中的各局部放大区域进行一一对应的链接。
具体的,步骤S10和步骤S40中的拍摄过程均包括以下步骤:
a)、选定同一数码照相设备,数码照相设备可选用显微镜与摄像头的组合;
b)、选定起始拍照区域进行拍摄;
c)、以起始拍照区域为起点,进行X向的多次单向移动,并在每次移动后进行拍摄;
d)、以起始拍照区域为起点,进行一次Y向的单向移动并拍摄,再进行X向的多次单向移动,并在每次移动后进行拍摄;
e)、重复步骤d),得到焦炭样品的指定区域表面的数码照片集。
具体的,X向任意相邻的两张数码照片有区域重叠。
进一步的,重叠方式为:X向的任意一张在后的数码照片的左侧均与在前的一张数码照片的右侧有区域重叠。
具体的,Y向任意相邻的两张数码照片有区域重叠。
进一步的,重叠方式为:Y向的任意一张在下的数码照片的上端均与在上的一张数码照片的下端有区域重叠。
具体的,步骤S30和步骤S60中的拼接融合方法均包括以下步骤:
通过基于灰度的图像拼接进行X向任意相邻的两张数码照片的拼接融合;
通过基于灰度的图像拼接进行Y向任意相邻的两张数码照片的拼接融合;
基于指定X向任意相邻的两张数码照片的重合区域进行拼接;
基于指定Y向任意相邻的两张数码照片的重合区域进行拼接。
以上各步骤之间可根据需要进行组合。
优选的,在步骤S10之前对焦炭样品进行处理,处理步骤包括粗磨、细磨、抛光和干燥。
本发明的有益效果:
通过本发明所提供的基于显微级全景图的焦炭显微结构分析方法,可以得到不同倍数显微图像的综合以及多尺度图像微观信息的表达,从而全面的获得焦炭显微结构信息。在此基础上,提供了全面深入的分析焦炭显微结构的途径,为寻找成矿机理和解决办法,提高和改善焦炭产品和质量提供依据。
与现有技术相比较,本发明所提供的基于显微级全景图的焦炭显微结构分析方法的有益效果在于:
1)能利用显微镜,获得全局矿相;
2)通过拼接进行全局矿相观察,能全面观察焦炭微观结构;
3)可以根据操作需求,通过不同的缩放比获得所需要的信息程度;
4)有助于根据全局结构,推测出焦炭形貌形成机理,进而提高和改善焦炭的质量。
附图说明
图1是实施例1中的低倍电子图片集。
图2是实施例1中的显微级全景图。
图3是实施例1中的高倍电子图片集。
图4是实施例1中的显微级局部放大图。
图5是实施例2中的低倍电子图片集。
图6是实施例2中的显微级全景图。
图7是实施例2中的高倍电子图片集。
图8是实施例2中的显微级局部放大图。
图9是实施例3中的低倍电子图片集。
图10是实施例3中的显微级全景图。
图11是实施例3中的高倍电子图片集。
图12是实施例3中的显微级局部放大图
图13是本发明所提供的基于显微级全景图的焦炭显微结构分析方法的流程图。
具体实施方式
以下对本发明的原理和特征进行描述,所举实施例只用于解释本发明,并非用于限定本发明的范围。
实施例1
1)本实施例采用的焦炭化学成分如表1所示。将样品粗磨,热镶嵌制样,表面抛光,干燥之后放到显微镜下观察。
表1实验采用焦炭的化学成分
2)全景图的图像采集:用低倍(40×)的光学显微镜,由摄像头捕捉图像信息。固定样品,选择从样品的左上角开始进行第一次拍摄,然后进行X向的2次单向移动,并在每次移动后进行拍摄。之后显微镜移动到第一次拍摄区域,进行Y向的一次单向移动并拍摄,然后进行X向的2次单向移动,并在每次移动后进行拍摄。重复进行Y向的第二次单向移动并拍摄,然后进行X向的2次单向移动,并在每次移动后进行拍摄。将所有图片储存到计算机上,分别得到矿相所有的9个单个图片,组成了3×3的图片集,如图1所示。
3)全景图的图像的拼接:将得到的所有图片进行拼接,可对应各单个图片的采集顺序,进行9个图片的拼接。拼接过程中,根据需要选择基于灰度的图像拼接方式或基于指定重合区域拼接方式,得到完整的低倍光学矿相全景图像,如图2所示。
4)参考全景图,指定感兴趣的局部区域,用低倍(200×)的光学显微镜,由摄像头捕捉图像信息。固定样品,选择从局部区域的左上角开始进行第一次拍摄,然后进行X向的2次单向移动,并在每次移动后进行拍摄。之后显微镜移动到第一次拍摄区域,进行Y向的一次单向移动并拍摄,然后进行X向的2次单向移动,并在每次移动后进行拍摄。重复进行Y向的第二次单向移动并拍摄,然后进行X向的2次单向移动,并在每次移动后进行拍摄。将所有图片储存到计算机上,分别得到局部区域所有的9个单个图片,组成了3×3的图片集,如图3所示
5)局部图的图像的拼接:将得到的所有图片进行拼接,可对应各单个图片的采集顺序,进行9个图片的拼接。拼接过程中,根据需要选择基于灰度的图像拼接方式或基于指定重合区域拼接方式,得到完整的低倍光学矿相全景图像,如图4所示。
6)结合局部放大图和全景图进行焦炭样品形貌等得分析,分析结果如下:
根据全景图,可以看出焦炭孔洞的大致分布。并且能看出部分的组织结构,通过局部放大图可以看出孔洞及其周围的组织结构。并且可以通过扫描电镜分析其成分。孔洞多,说明焦炭的抗压性能差,容易破裂,不利于实际生产。
实施例2
1)本实施例采用的焦炭化学成分如表2所示。将样品粗磨,热镶嵌制样,表面抛光,干燥之后放到显微镜下观察。
表2实验采用焦炭的化学成分
2)全景图的图像采集:用低倍(40×)的光学显微镜,由摄像头捕捉图像信息。固定样品,选择从样品的左上角开始进行第一次拍摄,然后进行X向的2次单向移动,并在每次移动后进行拍摄。之后显微镜移动到第一次拍摄区域,进行Y向的一次单向移动并拍摄,然后进行X向的2次单向移动,并在每次移动后进行拍摄。重复进行Y向的第二次单向移动并拍摄,然后进行X向的2次单向移动,并在每次移动后进行拍摄。将所有图片储存到计算机上,分别得到矿相所有的9个单个图片,组成了3×3的图片集,如图5所示。
3)全景图的图像的拼接:将得到的所有图片进行拼接,可对应各单个图片的采集顺序,进行9个图片的拼接。拼接过程中,根据需要选择基于灰度的图像拼接方式或基于指定重合区域拼接方式,得到完整的低倍光学矿相全景图像,如图6所示。
4)参考全景图,指定感兴趣的局部区域,用低倍(200×)的光学显微镜,由摄像头捕捉图像信息。固定样品,选择从局部区域的左上角开始进行第一次拍摄,然后进行X向的2次单向移动,并在每次移动后进行拍摄。之后显微镜移动到第一次拍摄区域,进行Y向的一次单向移动并拍摄,然后进行X向的2次单向移动,并在每次移动后进行拍摄。重复进行Y向的第二次单向移动并拍摄,然后进行X向的2次单向移动,并在每次移动后进行拍摄。将所有图片储存到计算机上,分别得到局部区域所有的9个单个图片,组成了3×3的图片集,如图7所示
5)局部图的图像的拼接:将得到的所有图片进行拼接,可对应各单个图片的采集顺序,进行9个图片的拼接。拼接过程中,根据需要选择基于灰度的图像拼接方式或基于指定重合区域拼接方式,得到完整的低倍光学矿相全景图像,如图8所示。
6)结合局部放大图和全景图进行焦炭样品形貌等得分析,分析结果如下:
根据全景图,可以看出焦炭孔洞的大致分布。并且能看出部分的组织结构,通过局部放大图可以看出孔洞及其周围的特征组织结构。并且可以通过扫描电镜分析其成分。从局部放大图可以看出该焦炭孔洞大,对焦炭的抗压性能产生不利影响。
实施例3
1)本实施例采用的焦炭化学成分如表3所示。将样品粗磨,热镶嵌制样,表面抛光,干燥之后放到显微镜下观察。
表3实验采用焦炭的化学成分
2)全景图的图像采集:用低倍(40×)的光学显微镜,由摄像头捕捉图像信息。固定样品,选择从样品的左上角开始进行第一次拍摄,然后进行X向的2次单向移动,并在每次移动后进行拍摄。之后显微镜移动到第一次拍摄区域,进行Y向的一次单向移动并拍摄,然后进行X向的2次单向移动,并在每次移动后进行拍摄。重复进行Y向的第二次单向移动并拍摄,然后进行X向的2次单向移动,并在每次移动后进行拍摄。将所有图片储存到到计算机上,分别得到矿相所有的9个单个图片,组成了3×3的图片集,如图9所示。
3)全景图的图像的拼接:将得到的所有图片进行拼接,可对应各单个图片的采集顺序,进行9个图片的拼接。拼接过程中,根据需要选择基于灰度的图像拼接方式或基于指定重合区域拼接方式,得到完整的低倍光学矿相全景图像,如图10所示。
4)参考全景图,指定感兴趣的局部区域,用低倍(200×)的光学显微镜,由摄像头捕捉图像信息。固定样品,选择从局部区域的左上角开始进行第一次拍摄,然后进行X向的2次单向移动,并在每次移动后进行拍摄。之后显微镜移动到第一次拍摄区域,进行Y向的一次单向移动并拍摄,然后进行X向的2次单向移动,并在每次移动后进行拍摄。重复进行Y向的第二次单向移动并拍摄,然后进行X向的2次单向移动,并在每次移动后进行拍摄。将所有图片储存到计算机上,分别得到局部区域所有的9个单个图片,组成了3×3的图片集,如图11所示
5)局部图的图像的拼接:将得到的所有图片进行拼接,可对应各单个图片的采集顺序,进行9个图片的拼接。拼接过程中,根据需要选择基于灰度的图像拼接方式或基于指定重合区域拼接方式,得到完整的低倍光学矿相全景图像,如图12所示。
6)结合局部放大图和全景图进行焦炭样品形貌等得分析,分析结果如下:
根据全景图,可以看出该焦炭孔洞分布范围大,组织较为疏松,并且能看出部分的组织结构,通过局部放大图可以看出孔洞及其周围的特征组织结构。并且可以通过扫描电镜分析其成分。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于显微级全景图的焦炭显微结构分析方法,其特征在于,包括如下步骤:
S10、拍摄焦炭样品的表面得到低倍数码照片集,并将所述低倍数码照片集储存为低倍电子图片集,其中,所述低倍数码照片集中的各数码照片的放大倍数为n级,20≤n≤40;
S20、用中值滤波法对步骤S10得到的低倍电子图片集中的各数码照片进行平滑处理;
S30、将步骤S20得到的低倍电子图片集进行拼接融合,得到焦炭的显微级全景图;
S40、基于显微级全景图指定各局部放大区域,拍摄各所述局部放大区域的表面得到各高倍数码照片集,并将各所述高倍数码照片集储存为各高倍电子图片集,其中,所述高倍数码照片集中的各数码照片的放大倍数为m级,m≥200;
S50、用中值滤波法对步骤S40得到的各高倍电子图片集中的各数码照片进行平滑处理;
S60、将步骤S50得到的各高倍电子图片集进行拼接融合,得到焦炭的各显微级局部放大图;
S70、将步骤S60得到的各显微级局部放大图与步骤S40中的各局部放大区域进行一一对应的链接。
2.根据权利要求1所述的基于显微级全景图的焦炭显微结构分析方法,其特征在于,步骤S10和/或步骤S40中的拍摄过程包括以下步骤:
a)、选定同一数码照相设备;
b)、选定起始拍照区域进行拍摄;
c)、以起始拍照区域为起点,进行X向的多次单向移动,并在每次移动后进行拍摄;
d)、以起始拍照区域为起点,进行一次Y向的单向移动并拍摄,再进行X向的多次单向移动,并在每次移动后进行拍摄;
e)、重复步骤d),得到焦炭样品的指定区域表面的数码照片集。
3.根据权利要求2所述的基于显微级全景图的焦炭显微结构分析方法,其特征在于:X向任意相邻的两张数码照片有区域重叠。
4.根据权利要求3所述的基于显微级全景图的焦炭显微结构分析方法,其特征在于,重叠方式为:X向的任意一张在后的数码照片的左侧均与在前的一张数码照片的右侧有区域重叠。
5.根据权利要求2所述的基于显微级全景图的焦炭显微结构分析方法,其特征在于:Y向任意相邻的两张数码照片有区域重叠。
6.根据权利要求5所述的基于显微级全景图的焦炭显微结构分析方法,其特征在于,重叠方式为:Y向的任意一张在下的数码照片的上端均与在上的一张数码照片的下端有区域重叠。
7.根据权利要求1所述的基于显微级全景图的焦炭显微结构分析方法,其特征在于,步骤S30和/或步骤S60中的拼接融合方法包括以下步骤:
通过基于灰度的图像拼接进行X向任意相邻的两张数码照片的拼接融合;
通过基于灰度的图像拼接进行Y向任意相邻的两张数码照片的拼接融合;
基于指定X向任意相邻的两张数码照片的重合区域进行拼接;
基于指定Y向任意相邻的两张数码照片的重合区域进行拼接。
8.根据权利要求1所述的基于显微级全景图的焦炭显微结构分析方法,其特征在于:步骤S70中,通过设置超链接的方式将S60得到的各显微级局部放大图与步骤S40中的各局部放大区域进行一一对应的链接。
9.根据权利要求1至8任一所述的基于显微级全景图的焦炭显微结构分析方法,其特征在于:在步骤S10之前对焦炭样品进行处理,处理步骤包括依次进行的粗磨、热镶嵌制样、表面抛光和干燥。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610334476.8A CN105957091A (zh) | 2016-05-19 | 2016-05-19 | 一种基于显微级全景图的焦炭显微结构分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610334476.8A CN105957091A (zh) | 2016-05-19 | 2016-05-19 | 一种基于显微级全景图的焦炭显微结构分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105957091A true CN105957091A (zh) | 2016-09-21 |
Family
ID=56912879
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610334476.8A Pending CN105957091A (zh) | 2016-05-19 | 2016-05-19 | 一种基于显微级全景图的焦炭显微结构分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105957091A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108509759A (zh) * | 2018-02-13 | 2018-09-07 | 武汉科技大学 | 一种焦炭基因库的建立方法及其应用 |
CN109187623A (zh) * | 2018-08-01 | 2019-01-11 | 彩虹显示器件股份有限公司 | 一种测量基板玻璃收缩率的方法 |
CN110197476A (zh) * | 2019-04-24 | 2019-09-03 | 武汉科技大学 | 一种基于特征融合的复杂烧结矿三维显微矿相的分析方法 |
CN110208162A (zh) * | 2019-05-13 | 2019-09-06 | 武汉科技大学 | 一种高温胶真空封装铁焦后定量分析表面气化反应的方法 |
CN112381842A (zh) * | 2021-01-14 | 2021-02-19 | 湖南兰茜生物科技有限公司 | 一种显微全景图像聚焦映射面的获取方法及*** |
CN113128511A (zh) * | 2021-03-31 | 2021-07-16 | 武汉钢铁有限公司 | 一种焦炭组织识别方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101288585A (zh) * | 2007-04-17 | 2008-10-22 | 天津市索维电子技术有限公司 | 一种超声生物显微镜检查实现眼科前节的全景成像方法 |
US20120025074A1 (en) * | 2010-07-30 | 2012-02-02 | Pulsetor, Llc | Electron detector including an intimately-coupled scintillator-photomultiplier combination, and electron microscope and x-ray detector employing same |
CN203490416U (zh) * | 2013-09-17 | 2014-03-19 | 上海皓信生物科技有限公司 | 适用于结核杆菌抗酸染色图像拼接的装置 |
-
2016
- 2016-05-19 CN CN201610334476.8A patent/CN105957091A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101288585A (zh) * | 2007-04-17 | 2008-10-22 | 天津市索维电子技术有限公司 | 一种超声生物显微镜检查实现眼科前节的全景成像方法 |
US20120025074A1 (en) * | 2010-07-30 | 2012-02-02 | Pulsetor, Llc | Electron detector including an intimately-coupled scintillator-photomultiplier combination, and electron microscope and x-ray detector employing same |
CN203490416U (zh) * | 2013-09-17 | 2014-03-19 | 上海皓信生物科技有限公司 | 适用于结核杆菌抗酸染色图像拼接的装置 |
Non-Patent Citations (1)
Title |
---|
马宁宁: "基于全局显微视野的多尺度定位研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108509759A (zh) * | 2018-02-13 | 2018-09-07 | 武汉科技大学 | 一种焦炭基因库的建立方法及其应用 |
CN109187623A (zh) * | 2018-08-01 | 2019-01-11 | 彩虹显示器件股份有限公司 | 一种测量基板玻璃收缩率的方法 |
CN110197476A (zh) * | 2019-04-24 | 2019-09-03 | 武汉科技大学 | 一种基于特征融合的复杂烧结矿三维显微矿相的分析方法 |
CN110208162A (zh) * | 2019-05-13 | 2019-09-06 | 武汉科技大学 | 一种高温胶真空封装铁焦后定量分析表面气化反应的方法 |
CN112381842A (zh) * | 2021-01-14 | 2021-02-19 | 湖南兰茜生物科技有限公司 | 一种显微全景图像聚焦映射面的获取方法及*** |
CN112381842B (zh) * | 2021-01-14 | 2021-04-02 | 湖南兰茜生物科技有限公司 | 一种显微全景图像聚焦映射面的获取方法及*** |
CN113128511A (zh) * | 2021-03-31 | 2021-07-16 | 武汉钢铁有限公司 | 一种焦炭组织识别方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105957091A (zh) | 一种基于显微级全景图的焦炭显微结构分析方法 | |
JP2013201530A (ja) | 撮像装置及びその制御方法 | |
JP5996334B2 (ja) | 顕微鏡システム、標本画像生成方法及びプログラム | |
JP2017506367A (ja) | 地質学のスキャナ | |
CN106018406A (zh) | 一种基于全景矿相图的烧结矿显微结构分析方法 | |
CN105190686A (zh) | 多重获取载玻片成像中的引用 | |
JP2015118378A (ja) | 顕微鏡およびspim顕微鏡検査方法 | |
CN202204985U (zh) | 一种显微镜快速图像扩展、融合和三维成像*** | |
Van de Linde | Single-molecule localization microscopy analysis with ImageJ | |
CN102998787A (zh) | 一种显微镜下纤维横截面切片对焦数字图像获取方法 | |
CN108765285A (zh) | 一种基于视频清晰度融合的大尺寸显微图像生成方法 | |
Chantziantoniou et al. | Digital applications in cytopathology: problems, rationalizations, and alternative approaches | |
CN105247567B (zh) | 一种图像重新聚焦装置、方法、***以及非瞬态程序存储设备 | |
EP3156967A2 (de) | Verfahren und vorrichtung zum erstellen einer mikroskopiepanoramadarstellung | |
CN109342288A (zh) | 页岩储层孔隙的表征方法 | |
CN105372803A (zh) | 一种增大景深的显微光学*** | |
CN205193097U (zh) | 一种原子力/荧光共定位显微成像*** | |
JP6362062B2 (ja) | 画像生成装置および画像生成方法 | |
CN101487801B (zh) | 纺织纤维纵向切段显微图像全自动采集方法 | |
CN103091827A (zh) | 高清自动识别比对显微镜及痕迹自动识别比对方法 | |
CN109003228A (zh) | 一种暗场显微大视场自动拼接成像方法 | |
CN107844487A (zh) | 用于谱分析光电子/低能电子显微镜的自动数据采集方法 | |
CN109489816A (zh) | 一种显微高光谱成像平台及大区域数据立方体采集的方法 | |
Carozza et al. | An incremental method for mosaicing of optical microscope imagery | |
CN108398318A (zh) | 基于数字图像相关技术确定岩石表面裂缝类型与分布的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160921 |