CN112164134A - 一种基于图像处理的随机曲线建模方法 - Google Patents

一种基于图像处理的随机曲线建模方法 Download PDF

Info

Publication number
CN112164134A
CN112164134A CN202011036904.1A CN202011036904A CN112164134A CN 112164134 A CN112164134 A CN 112164134A CN 202011036904 A CN202011036904 A CN 202011036904A CN 112164134 A CN112164134 A CN 112164134A
Authority
CN
China
Prior art keywords
curve
image
modeling
layer
image processing
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.)
Granted
Application number
CN202011036904.1A
Other languages
English (en)
Other versions
CN112164134B (zh
Inventor
刘旺玉
吴霖
谢卫规
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN202011036904.1A priority Critical patent/CN112164134B/zh
Publication of CN112164134A publication Critical patent/CN112164134A/zh
Application granted granted Critical
Publication of CN112164134B publication Critical patent/CN112164134B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00Three dimensional [3D] modelling, e.g. data description of 3D objects
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/13Edge detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10004Still image; Photographic image
    • G06T2207/10012Stereo images

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于图像处理的随机曲线建模方法,包括以下步骤:1)读取通过SEM拍摄所得的图像;2)将图像进行相关图像处理,得到图像数据;3)通过Matlab在同SEM图相同大小的图层中绘制若干条随机B样曲线,并赋予每条曲线宽度;4)通过图片处理软件将每个图层中所有曲线的边缘勾画出来,成为曲线线框图;5)将曲线线框图通过Illustrator保存为DWG格式;6)将曲线线框图导入建模软件建模。通过对SEM图像进行图像处理、生成随机曲线、提取去曲线轮廓、曲线轮廓建模的处理来实现随机三维纤维结构网格的生成。解决了Matlab二维模型难以导入建模软件的问题。

Description

一种基于图像处理的随机曲线建模方法
技术领域
本发明涉及二维曲线建模技术领域,具体涉及一种基于图像处理的随机曲线建模方法。
背景技术
纤维素作为自然界中储量大、产量大的一种天然高分子,具有众多优点,如可完全生物降解、无毒、无污染、易于改性、生物相容性好等,是未来世界能源、化工的主要原料,可广泛用于造纸、纤维与纺织品以及纤维素衍生物等领域。
造纸技术在我国传承悠久,历久弥新,从造纸延伸出了许多领域,如在锂电池领域,可以通过造纸技术来制备锂离子电池四大关键材料之一的隔膜。纸张结构在不同情况下都有不同的要求,因此针对纸张结构不同尺度的研究已经进行了许多年。而作为造纸材料的纤维素的不同尺度的结构也被研究了很多年。许多年以来,有研究者在考虑周围纤维对单根纤维的干扰情况下,利用计算机技术生成二维编织纤维结构;也有研究者利用计算机技术随机产生二维或者三维的纤维结构。然而,这两类方法建立所得的模型并不能真实反映纤维的结构,甚至与实际结构差异巨大,只能应用于一些简单的定性模拟分析。导致这中结果的原因中,除了因为对纤维微观图片的处理以及参数统计中无法得到足够多以及较为准确的统计数据之外,也有部分原因是因为随机曲线的建立不合理,以及在将Matlab建立的纤维模型导入到solidworks等建模软件实行建模这一操作较难实现,使得二维编织网格模型较为常见,而多层随机纤维网格较为少见(彭羽健《锂离子电池纤维素隔膜多尺度结构与力学性能研究》)。
发明内容
本发明的目的是针对上述现有技术的不足,在对纤维SEM图进行相关的图像处理以及纤维直径统计后,通过相关数据绘制B样曲线,更好的体现纤维素的走向随机性以及分布随机性的特征,同时通过第三方绘图软件,实现了数学模型到实体模型的转化,方便后续通过对建立起来的实体模型进行仿真来优化算法。
本发明至少通过如下技术方案之一实现。
一种基于图像处理的随机曲线建模方法,包括以下步骤:
1)使用SEM拍摄纳米纤维素纤维微观结构图像image,利用软件读取所述纳米纤维素纤维微观结构图像;
2)将所述纳米纤维素纤维微观结构图像image进行相关图像处理,统计出纤维直径数据;
3)通过建模软件在同SEM图相同大小的图层中绘制若干条随机B样曲线,并赋予每条曲线宽度;
4)通过图片处理软件将每个图层中所有曲线的边缘勾画出来,成为曲线线框图;
5)将曲线线框图通过矢量图形处理工具保存为DWG格式;
6)将DWG格式的曲线线框图导入建模软件建模。
优选的,步骤2)具体包括:
2.1)将所述纳米纤维素纤维微观结构图像image用图像分割算法处理,使得后续纤维直径统计更加准确;
2.2)将用分割算法处理过的图像,通过使用边缘提取、骨骼提取操作实现的宽度统计算法,统计出纤维直径数据。
优选的,步骤3)具体过程为:
3.1)通过Matlab建立同SEM图相同大小的图层;
3.2)在每一层图层中随机画若干条B样曲线,并根据统计到的纤维直接数据,按特定概率赋予每一条曲线,作为曲线的线宽;
3.3)判断已建立的层数是否达到目标
优选的,步骤3.3)具体过程为:
3.3.1)如果已建立的层数不达标,则返回步骤3.1)继续建立图层绘制曲线;
3.3.2)如果已建立的层数达标,则将每一个绘制好的图层保存成图片,并进入下一个步骤。
优选的,步骤6)具体过程为:
6.1)逐一将每层曲线线框图导入建模软件solidworks进行拉伸建模;
6.2)将建模所有模型,进行厚度方向的一一叠加,最终得到一个完整的模型。
本发明通过对SEM图像进行图像处理、生成随机曲线、提取去曲线轮廓、曲线轮廓建模的处理来实现随机三维纤维结构网格的生成。解决了Matlab二维模型难以导入建模软件的问题,生成的纤维随机模型可在仿真软件进行相应的仿真
本发明与现有技术相比,具有如下优点和有益效果:
1、本发明采用的图像处理涉及图像分割算法以及宽度统计算法,使得纤维直径数据更具准确性,统计数据量足够多,能为后续的建模提供更准确的参数;
2、本发明中的绘制随机曲线,选择的是B样曲线,使得曲线更平缓,同时由于B样曲线控制点的随机性,使得B样曲线的走向以及分布更具随机性;
3、本发明通过第三方绘图软件实现Matlab数学模型向Solidworks实体模型的转化,解决了数学模型难以建立实体模型进行仿真实验的问题。
附图说明
图1为本实施例一种基于图像处理的随机曲线建模方法的流程图;
图2a为本实施例的SEM图;
图2b为本实施例经过图像处理后的图;
图2c为本实施例image经过图像处理后得到的纤维直径参数的统计图;
图2d为本实施例建立的一层随机曲线二维模型图;
图2e为本实施例通过一层随机曲线二维模型建立的三维模型立体图;
图2f为本实施例通过五层随机曲线二维模型建立的三维模型正视图;
图2g为本实施例通过五层随机曲线二维模型建立的三维模型立体图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
如图1所示,本实施例提供了一种基于图像处理的随机曲线建模方法,包括以下步骤:
1)通过Matlab软件读取SEM(扫描电子显微镜)拍摄所得的纳米纤维素微观结构图像image(如图2a所示);
2)将图像image进行相关图像处理,得到纤维直径数据;具体步骤为:
2.1)将图像image用图像分割算法处理(如图2b所示),使得后续纤维直径统计更加准确;
2.2)将用分割算法处理过的图像,通过使用边缘提取、骨骼提取等操作实现的宽度统计算法(如图2c所示),统计出纤维直径数据;
3)通过Matlab在同SEM图相同大小的图层中绘制50根随机B样曲线,并赋予每条曲线宽度,具体过程为:
3.1)通过Matlab建立同SEM图相同大小的图层;
3.2)如图2d所示,在每一层图层中随机画一定数目的B样曲线,并根据统计到的纤维直径数据,得出各直径出现的概率,按该概率赋予每一条曲线,作为曲线的线宽;
3.3)判断已建立的层数是否达到目标,判断过程为:
3.3.1)如果已建立的层数不达标,则返回步骤3.1)继续建立图层绘制曲线;
3.3.2)如果已建立的层数达标,则将每一个绘制好的图层保存成图片,并进入下一个步骤;
4)通过图片处理软件Photoshop将每个图层中所有曲线的边缘勾画出来,成为曲线线框图;
5)将曲线线框图通过矢量图形处理工具Adobe Illustrator保存为DWG格式;
6)将曲线线框图导入建模软件solidworks建模:
6.1)逐一将每层曲线线框图导入建模软件solidworks进行拉伸建模;
6.2)将所有模型,进行厚度方向的一一叠加,最终得到一个完整的模型,如图2e、图2f、图2g所示。生成的纤维随机模型可在仿真软件进行相应的仿真。
以上所述,仅为本发明较佳的实施例,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明所公开的范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都属于本发明的保护范围。

Claims (5)

1.一种基于图像处理的随机曲线建模方法,其特征在于:包括以下步骤:
1)使用SEM拍摄纳米纤维素纤维微观结构图像image,利用软件读取所述纳米纤维素纤维微观结构图像image;
2)将所述纳米纤维素纤维微观结构图像image进行相关图像处理,统计出纤维直径数据;
3)通过建模软件在同SEM图相同大小的图层中绘制若干条随机B样曲线,并赋予每条曲线宽度;
4)通过图片处理软件将每个图层中所有曲线的边缘勾画出来,成为曲线线框图;
5)将曲线线框图通过矢量图形处理工具保存为DWG格式;
6)将DWG格式的曲线线框图导入建模软件建模。
2.根据权利要求1所述的一种基于图像处理的随机曲线建模方法,其特征在于:步骤2)具体包括:
2.1)将所述纳米纤维素纤维微观结构图像image用图像分割算法处理,使得后续纤维直径统计更加准确;
2.2)将用分割算法处理过的图像,通过使用边缘提取、骨骼提取操作实现的宽度统计算法,统计出纤维直径数据。
3.根据权利要求2所述的一种基于图像处理的随机曲线建模方法,其特征在于:步骤3)具体过程为:
3.1)通过Matlab建立同SEM图相同大小的图层;
3.2)在每一层图层中随机画若干条B样曲线,并根据统计到的纤维直接数据,按特定概率赋予每一条曲线,作为曲线的线宽;
3.3)判断已建立的层数是否达到设定的目标。
4.根据权利要求3所述的一种基于图像处理的随机曲线建模方法,其特征在于:步骤3.3)具体过程为:
3.3.1)如果已建立的层数不达标,则返回步骤3.1)继续建立图层绘制曲线;
3.3.2)如果已建立的层数达标,则将每一个绘制好的图层保存成图片,并进入下一个步骤。
5.根据权利要求4所述的一种基于图像处理的随机曲线建模方法,其特征在于:步骤6)具体过程为:
6.1)逐一将每层曲线线框图导入建模软件solidworks进行拉伸建模;
6.2)将建模所有模型,进行厚度方向的一一叠加,最终得到一个完整的模型。
CN202011036904.1A 2020-09-28 2020-09-28 一种基于图像处理的随机曲线建模方法 Active CN112164134B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011036904.1A CN112164134B (zh) 2020-09-28 2020-09-28 一种基于图像处理的随机曲线建模方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011036904.1A CN112164134B (zh) 2020-09-28 2020-09-28 一种基于图像处理的随机曲线建模方法

Publications (2)

Publication Number Publication Date
CN112164134A true CN112164134A (zh) 2021-01-01
CN112164134B CN112164134B (zh) 2024-03-22

Family

ID=73861681

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011036904.1A Active CN112164134B (zh) 2020-09-28 2020-09-28 一种基于图像处理的随机曲线建模方法

Country Status (1)

Country Link
CN (1) CN112164134B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001174227A (ja) * 1999-12-17 2001-06-29 Kawasaki Heavy Ind Ltd 繊維の径分布測定方法および装置
JP2002083318A (ja) * 2000-09-07 2002-03-22 Sony Corp 画像処理装置および方法、並びに記録媒体
US20030053696A1 (en) * 2001-06-28 2003-03-20 Darren Schmidt System and method for performing edge detection in an image
US20070103668A1 (en) * 2005-11-01 2007-05-10 Board Of Regents, The University Of Texas System System, method and apparatus for fiber sample preparation for image analysis
CN102359762A (zh) * 2011-06-20 2012-02-22 东华大学 利用计算机图像处理技术检测熔喷超细纤维主体直径方法
CN102622602A (zh) * 2012-02-28 2012-08-01 中国农业大学 一种棉花异性纤维图像在线分割方法及***
WO2014080622A1 (ja) * 2012-11-21 2014-05-30 パナソニック株式会社 複合材料中の繊維状フィラーの3次元画像処理方法および3次元画像処理装置
CN107240141A (zh) * 2017-05-19 2017-10-10 华南理工大学 一种基于图像处理的纸张纤维素纤维二维结构重建方法
CN107256298A (zh) * 2017-06-01 2017-10-17 上海交通大学 单向纤维复合材料随机结构生成方法及其***
CN110047074A (zh) * 2019-05-17 2019-07-23 广东工业大学 纺织品的纤维混和含量检测、逆向工程分析方法及设备
CN110276814A (zh) * 2019-06-05 2019-09-24 上海大学 一种基于拓扑特征的编织复合材料细观结构快速重构方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001174227A (ja) * 1999-12-17 2001-06-29 Kawasaki Heavy Ind Ltd 繊維の径分布測定方法および装置
JP2002083318A (ja) * 2000-09-07 2002-03-22 Sony Corp 画像処理装置および方法、並びに記録媒体
US20030053696A1 (en) * 2001-06-28 2003-03-20 Darren Schmidt System and method for performing edge detection in an image
US20070103668A1 (en) * 2005-11-01 2007-05-10 Board Of Regents, The University Of Texas System System, method and apparatus for fiber sample preparation for image analysis
CN102359762A (zh) * 2011-06-20 2012-02-22 东华大学 利用计算机图像处理技术检测熔喷超细纤维主体直径方法
CN102622602A (zh) * 2012-02-28 2012-08-01 中国农业大学 一种棉花异性纤维图像在线分割方法及***
WO2014080622A1 (ja) * 2012-11-21 2014-05-30 パナソニック株式会社 複合材料中の繊維状フィラーの3次元画像処理方法および3次元画像処理装置
CN107240141A (zh) * 2017-05-19 2017-10-10 华南理工大学 一种基于图像处理的纸张纤维素纤维二维结构重建方法
CN107256298A (zh) * 2017-06-01 2017-10-17 上海交通大学 单向纤维复合材料随机结构生成方法及其***
CN110047074A (zh) * 2019-05-17 2019-07-23 广东工业大学 纺织品的纤维混和含量检测、逆向工程分析方法及设备
CN110276814A (zh) * 2019-06-05 2019-09-24 上海大学 一种基于拓扑特征的编织复合材料细观结构快速重构方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张传雄 等: "图像处理技术在纤维素纤维纵向特征参数研究中的应用", 《东华大学学报(自然科学版)》, pages 46 - 49 *

Also Published As

Publication number Publication date
CN112164134B (zh) 2024-03-22

Similar Documents

Publication Publication Date Title
CN111062282B (zh) 基于改进yolov3模型的变电站指针式仪表识别方法
CN113178014B (zh) 场景模型渲染方法、装置、电子设备和存储介质
CN111681162B (zh) 一种缺陷样本生成方法、装置、电子设备及存储介质
CN112101434A (zh) 基于改进YOLO v3的红外图像弱小目标检测方法
CN111539949B (zh) 一种基于点云数据的锂电池极片表面缺陷检测方法
CN111127610A (zh) 一种点云数据三维可视化渲染方法与计算方法
CN113609736B (zh) 一种基于孔裂隙结构数字图像的数值计算模型构建方法
CN105095581A (zh) 一种铸造缩孔缺陷图像生成方法
CN113344110B (zh) 一种基于超分辨率重建的模糊图像分类方法
CN112164134A (zh) 一种基于图像处理的随机曲线建模方法
CN113807497B (zh) 一种增强纹理细节的非配对图像翻译方法
CN110188790B (zh) 图片样本的自动化生成方法和***
CN110874843A (zh) 一种器官图像分割方法和装置
CN113689360B (zh) 一种基于生成对抗网络的图像修复方法
CN110378999A (zh) 训练样本中目标物体的目标框标注方法、装置及存储介质
Zhou et al. Visibility-driven mesh analysis and visualization through graph cuts
CN109993816A (zh) 联合绘画方法、装置、终端设置及计算机可读存储介质
Su et al. View frustum culling algorithm based on optimized scene management structure
CN112949742B (zh) 使用隐马尔科夫模型增强星座图数据的方法与电子设备
Liu Yunnan ancient mural restoration based on deep learning
CN117350088B (zh) 生成电池极片仿真网格的方法,装置,存储介质和设备
CN113345077B (zh) 基于PIFu和3D-GAN改进的秦腔人物三维模型重建的方法
Wang et al. Research on Image Processing of Big Data Based on Computer Vision
Wang et al. Layered textures for image-based rendering
Lou et al. Object Detection with the High-Frequency Change of Objects Classes

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant