《数字图像相关技术介绍ppt课件.pptx》由会员分享，可在线阅读，更多相关《数字图像相关技术介绍ppt课件.pptx（65页珍藏版）》请在三一办公上搜索。
1、数字图像相关（DIC）技术简介,2015.12.30,数字图像处理技术的发展和DIC技术的产生,DIC技术中相关图像分析方法,DIC技术在岩土力学研究中的应用实例,基于MATLAB的图像处理方法简介,1. 数字图像技术的发展,数字图像处理技术：是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。,数字图像处理作为一门学科大约形成于20世纪60年代初期，早期的图像处理的目的是改善图像的质量。例：美国喷气推进实验室首次成功应用其对航天探测器徘徊者7号在1964年发回的照片进行处理，绘制出了月球表面地图。1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X
2、射线计算机断层摄影装置，也就是我们通常所说的CT。CT的基该方法是根据人的头部截面的投影，经计算机处理来重建截面图像，称为图像重建。,伴随着计算机技术的发展，数字图像处理技术在国内外发展十分迅速，在航空航天、生物医学、通信工程、测绘工程、军事公安、视屏和多媒体等方面都有广泛的应用。,卫星遥感监测,卫星遥感测绘,指纹识别,电子眼测速点,DIC技术,DIC技术原理：通过对变形前后采集物体表面的两幅图像进行相关处理，进而实现物 体变形场 的测量。 DIC测量装置,数字图像相关方法测试系统,数字图像相关算法,DIC技术,2. 图像分析方法,数字图像的基本组成元素是像素，RGB通常用来表示一个像素颜色的
3、红绿蓝三个颜色分量，像素的颜色和坐标是图像分析的二个要素。在连续拍摄的试验模型照片序列中，识别出与初始照片上设定的量测点的对应点是关键。模型试验上点的位移由像素块的追踪算法完成。,位移追踪,通过试验数字照片序列上点的相关性判别，追踪模型变形前后测点的坐标位置是实现非接触变形测量的关键图像匹配的基本原理是在两帧相关图像上，通过比较以两个点为中心的大小相同的像素块的像素RGB颜色的相关性，来判别它们是否为相同的点。这里假设图像上任一像素块中的像素点的分布各不相同。,相关性判别,在变形前后图像上搜索区域内，如果二个像素块的相关性最好时，相关函数的值达到峰值。在此给出四中具有代表性的相关函数。,绝对差
4、相关函数介绍,以两像素块各像素点灰度差的绝对值总和为最小作为相关性判别，是一种简便快速的方法。,匹配过程,在变形前图像上，以 点为中心作一长宽为（2k+1）个像素的像素块Block-i, u(x,y)是任一点颜色值。在变形图像上指定的搜索范围内，检查任一点 是否为的对应点，同样以 为中心作一长宽为（2k+1）个像素的像素块Block-d, v(x,y)是任一点颜色值。根据计算公式计算相关系数 ，在搜索范围内最大 对应的 点即是 在变形后的图像上的对应点。,成像原理,摄像机的成像原理就是透镜成像原理，摄摄像机的成像涉及到三个坐标系分别为摄像机坐标系、图像坐标系、像素坐标系。摄像机的成像过程就是这
5、个三个坐标系的一系列转换。,摄像机坐标系的坐标原点是摄像机的光心，用 表示其坐标值。 图像坐标系的坐标原点则为 CCD 图像平面的中心,坐标值用( x , y )表示。像素坐标系的原点定义为 CCD 图像平面的左上角顶点,坐标值用(u , v )表示。,图像坐标系与像素坐标系的转换,其中，dx和dy 分别是每个像素在图像平面上 x 与 y 方向上的物理尺寸。,图像坐标系与摄像机坐标系间的转换,其中，f 是焦距也就是像平面与摄像机坐标系原点间的距离。,DIC技术优点,非接触测量、对测量环境要求低、实现简单、既可以实现全场也可以进行局部变形测量、应用范围广。,粒子图像测速技术（PIV）,粒子图像测
6、速技术是流体力学的重要实验手段，PIV是一种瞬态流动平面二维流速场测试技术，其基本原理是选择具有良好流动跟随性和光散射性的微小示踪粒子播散于流场中，用激光片光源把被测流场的某一测试平面照明，通过图像采集系统，分别记录下 、 时刻的流场粒子图像，通过数字图像处理，求出拍摄时间间隔内粒子的位移，即可算出速度场。,典型的PIV系统示踪粒子以及待测流场摄像头高功率激光器光路同步装置连接激光器和透镜的光导纤维,PIV系统硬件组成,STEP 1 在流场中布撒大量示踪粒子（如固体粒子、液滴或气泡）STEP 2 使用激光片光源照射流场待测切面STEP 3 使用CCD记录示踪粒子位置STEP 4 应用计算机分析
7、图像并计算所测区域内粒子速度STEP 5 得到流场速度并计算其他参数,试验步骤,3D-PIV,传统的二维PIV技术只能测量片光面内速度。实际上，许多工艺装置中的流动都是复杂的三维湍流流动。用2D-PIV技术测量可能导致较大的误差，解决这一问题的方法是使用三维测量技术，这也是PIV技术的发展趋势之一。3D-PIV的关键问题是示踪粒子三维图像的获得及其三维坐标的确定。目前获取示踪粒子三维坐标信息的方法有：体视成像法和全息图像法。,DIC技术在岩土力学研究中的应用实例,基于图像相关分析的砂土模型试验变形场测量李海元 朱合华（同济大学） 岩土工程学报 2004. 01,摘 要:高分辨率数码相机的出现为
8、砂土模型试验变形场非接触量测法的研究开发提供了一条简便经济而且实用的途径,在模型试验观测面上,不再需要布置嵌入式量测标志点或描画网格,直接用数码相机在试验各阶段拍摄照片,然后对照片序列进行图像相关分析,即可得出模型试验的变形场分布。利用图像匹配技术追踪模型上点的位移,借用FEM常用的等参单元的概念进行图像校准和应变计算,采用双线性插值技术可以实现微小变形量测。,应用实例地基承载力试验,地基承载力试验在日本德岛大学离心机上进行(如图1所示)。地基模型材料为曲豆浦标准砂,平均含水率小于0.3%,密度为1.6 g /cm3,相对密度为90%,模型长宽厚度为40 cm30 cm20 cm,基础为铝质材
9、料,宽度30 mm,模型采用空中落下法制成。离心机有效半径1.55 m,最大加速度200g,试验加速度为20g。使用美能达Dimage7型数码相机拍摄照片,相机镜头中心距离模型观测面1 m。,按初步计算的极限承载力确定加载分级，每级加载量为0. 1 kN。每级加载后，第15、30 min 采集一次荷载、位移及应变等数据，其后施加下一级荷载。,采用数码相机拍摄每级荷载下桩 土接触面附近土体图像，利用自行编制的基于数字图像相关法变形场测量程序分析土体位移场，像素块大小为64 64 像素，实践证明该系统具有较高的测量精度。,将数字图像相关方法测得的相邻四个像素块的位移作为四边形单元的四个结点，然后采
10、用有限单元法中常用的四边形等参单元的概念和基于位移模式的应变计算式，计算出单元中心点的应变值。,试验结果及分析,单桩荷载 沉降关系,图2 单桩荷载沉降对比曲线,图2 为单桩的荷载 桩顶沉降曲线。由图2 可知，在加载初始阶段，沉降呈线性发展; 加载后期非线性变形特性较明显，单桩呈陡降型破坏，属于均匀土中的摩擦桩。,桩土接触面荷载传递特性,图3 为平均桩侧摩阻力与桩顶沉降曲线。在加载的开始阶段，单桩沉降较小，其平均侧摩阻力与沉降呈直线关系，随着荷载的增加，平均侧摩阻力增长趋缓，在沉降达到1 mm 左右，平均侧摩阻力达到峰值，说明在加载过程中，平均桩侧摩阻力达到极限值所需要桩身沉降是很小的，约为0.
11、 03b。,由于密实砂土存在剪胀及应变软化特性，因此，随着沉降的继续增加，平均桩侧摩阻力呈下降趋势，并在沉降达到2 mm 左右趋于恒定，即桩侧平均摩阻力 沉降关系呈软化型。,图3 桩侧摩阻力与桩顶沉降曲线,桩 土接触面土体剪切位移场,图4 为桩 土接触面土体在不同沉降条件下的剪切位移场。由图4 可知，剪切位移主要分布在桩侧附近，其影响范围有限。在加载初期，桩周土颗粒以竖向位移为主，且数值较小，这阶段土体处于挤密的过程; 随着桩沉降的增加，桩 土相对位移增加，从而由桩带动桩周土体颗粒运动，接触面上的土颗粒位移逐渐变大，位移矢量方向以斜向下为主。桩身下段较大水平位移的出现，说明在压桩过程中密砂发生
12、了剪胀。,桩 土接触面剪切位移等值线,图5 为不同沉降条件下桩 土接触面土体竖向剪切位移等值线图。由图5 可知，随着离开桩轴线距离的增大，剪切位移不断减小; 沿着桩顶至桩底，剪切位移有不断增大趋势。在沉降达到10 mm 左右，剪切位移影响范围基本保持不变。,剪切位移首先出现在桩身下部，这是由于下部桩侧表面正应力较大，桩与土贴合较紧，桩带动桩周土体一起向下运动。随着桩顶沉降的增加，剪切位移逐步向桩身上部及桩两侧发展。最终的剪切位移影响范围由桩顶的1 倍桩径增加至桩底的3 倍桩径( 从桩中心算起) 。,桩 土接触面土体最大剪应变场,图7 为不同沉降条件下桩 土接触面土体最大剪应变云图。由图7 可知
13、，在靠近桩身处的剪应变较大，随着离桩轴线距离的增加而减小。在加载初期，最大剪应变首先出现在桩顶及桩底附近土体中，随着桩顶荷载的增大，最大剪应变逐渐向桩身中部发展。在极限荷载条件下，最大剪应变沿着桩身表现为“两头大中间小”的分布形式。在沉降达到10 mm后，桩已接近承载能力极限状态，桩周土体最大剪应变的分布形式基本保持不变。,基于PIV 技术的沉桩过程土体位移场模型试验研究曹兆虎 孔纲强（河海大学） 工程力学 2014.08,摘 要：基于粒子图像测速(PIV)技术，利用自行设计的静压桩自动沉桩模型试验系统，对沉桩过程中桩周土体位移场进行测量。在沉桩过程中，利用CCD(charge coupled
14、 device)高速工业相机连续拍摄试验观测面上桩周土体变形的灰度图像，然后对初始点和峰值点进行分析，得到位移场分布。研究了不同沉桩深度、桩-土摩擦系数和桩尖形式情况下沉桩对周围土体位移场的影响规律；相应试验结果与圆孔扩张理论解进行对比分析，其径向位移变形的规律基本一致，验证了模型试验的可靠性。相对常规试验方法，该试验操作简便，对环境要求不高，可以进行非插入式全场测量。,模型试验系统,系统由光学平台、模型槽、加载系统、图像摄录及后处理系统组成，具体如图1 所示。,沉桩过程中拍摄得到的一系列图片通过PIVview2 软件进行处理，将整个图像划分为若干小图像块，通过计算各个小的图像块的位移得到整个
15、图像的位移场，再将像素坐标转化为物理坐标即可得到相应物理坐标下的位移场。其图像匹配的标准关联函数为：,其中：M、N 为图像块的长、宽；f 为t1 时刻图像中，某图像块中心点坐标(m, n)处的灰度值分布函数；g为 t2 时刻图像中，该图像块中心点坐标(m + ,n + )处的灰度值分布函数； 、 分别为 x、y 方向的位移增量。,沉桩深度L 的影响分析,取桩身光滑、桩尖角90情况，对沉桩深度L分别为6R、9R、12R 的桩周土体位移进行分析。如图3 所示，图3(a)、图3(b)、图3(c)为归一化的桩周土体水平位移轮廓图。随着沉桩深度的不断增大，桩侧土体的水平位移不断增大，最大影响范围在6R8
16、R 附近。,图3 归一化水平位移轮廓图,图4(a)、图4(b)、图4(c)为归一化的桩周土体竖向位移轮廓图。从图4 发现，桩底端土体以向下位移为主，最大影响范围在桩底4R5R 附近；桩侧以向上位移为主，随着沉桩深度的增大，竖向位移影响范围逐渐增大，可能原因是随着沉桩深度增加，排开土体的土颗粒增多，一方面土体颗粒之间发生挤密作用，一方面颗粒向斜上方运动，但由于模型槽的边界效应，土体颗粒逐渐向竖向运动，同时造成土体表面的一定隆起。,图4 归一化竖向位移轮廓图,桩尖角度的影响分析,取相同沉桩深度L=12R，桩身光滑情况。图5(a)、图5(b)分别为桩尖角度45时桩周土体的水平位移轮廓图和竖向位移轮廓
17、图。对比图5(a)与图3(c)、图5(b)与图4(c)，由于桩尖角度的存在，改变了沉桩过程中土体颗粒的运动，桩底端排开的土体颗粒由于挤压，向桩侧斜上方运动，导致桩侧水平、竖向位移影响范围增大；而桩底向下的竖向位移及其影响范围均减小。,图5 桩尖角45归一化位移轮廓图,桩土摩擦系数的影响分析,取相同沉桩深度L=12R，桩端水平情况。图6(a)、图6(b)为考虑摩擦的归一化桩周土体水平位移轮廓图和竖向位移轮廓图。对比图6(a)与图3(c)，由于桩身摩擦的存在，增加了土体颗粒与桩身之间的挤压作用，桩侧土体的水平位移增大，最大影响范围增大1R2R。对比图6(b)与图4(c)，由于桩身摩擦的存在，同样桩
18、侧的竖向位移增大，其影响范围增大1R2R，而桩身摩擦对桩端底部的竖向位移改变不大。,图6 考虑摩擦的桩尖角90归一化位移轮廓图,取相同沉桩深度L=12R，桩尖角度45情况。图7(a)、图7(b)为对应的考虑摩擦的归一化桩周土体水平位移轮廓图和竖向位移轮廓图。对比图7(a)与图5(a)、图7(b)与图5(b)，桩身摩擦对水平位移和竖向位移影响均不大，可能原因是桩尖与土体颗粒间挤压作用影响较大。,图7 考虑摩擦的桩尖角45归一化位移轮廓图,将T3、T5 试验结果中的水平位移与圆孔扩张理论方法的结果进行比较。如图8 所示，选取沉桩深度L 等于12R，沿桩身高度z 分别为3R、6R、9R、12R、15
19、R 处水平位移做比较，图中横坐标为归一化的半径r/R，纵坐标为归一化的水平位移r /R。,模型试验与圆孔扩张理论结果的对比分析,由图8 可知，试验结果和圆孔扩张理论解关于水平位移的变化规律基本一致，同时由于试验条件和理论条件的不同，其结果存在一定的差异性。当r/R5 时，对于桩身高度为6R 和9R 时，T5 的水平位移大于圆孔扩张方法，可能是桩身摩擦引起的；当r/R5 时，T3、T5 的水平位移均小于圆孔扩张方法，这主要是由于模型试验的边界效应。当桩身深度为15R 时，T3、T5 的水平位移基本相同，接近于0，说明沉桩过程对于桩端底部深度大于3R的土体影响不大，这与考虑沉桩深度对桩端底部的最大
20、影响范围4R5R 结论相近。,图8 L=12R 时归一化水平位移对比图,基于MATLAB的图像处理方法,图像的分类,在数字图像处理领域，将图像分为模拟图像和数字图像两种，计算机处理的信号都是数字信号，所以在计算机上处理的图像均为数字图像。根据数字图像在计算机中表示方法不同，分为二进制图像，索引图像，灰度图像，RGB图像和多帧图像；根据计算机中图像文件格式不同，图像又分为位图和矢量图。可见，图像的属性是多角度的，图像的分类也是多维的。,二进制图像,二进制图像也称为二值图像，通常用一个二维数组来描述，1位表示一个像素，组成图像的像素值非0即1，没有中间值，通常0表示黑色，1表示白色。如下图所示。二
21、进制图像一般用来描述文字或者图形，其优点是占用空间少，缺点是当表示人物或风景图像时只能描述轮廓。,灰度图像也称为单色图像，通常也由一个二维数组表示一副图像，8位表示一个像素，0表示黑色，255表示白色，1254表示不同的深浅灰色，一副灰度图像放大44大小像素，如下图所示。通常灰度图像显示了黑色与白色之间许多级的颜色深度，比人眼所能识别的颜色深度范围要宽的多。,灰度图像,RGB图像也称为真彩色，是一种彩色图像的表示方法，利用3个大小相同的二维数组表示一个像素，3个数组分别代表R、G、B三个分量，R表示红色，G表示绿色，B表示蓝色，通过三种基本颜色可以合成任意颜色，如图1.10所示RGB图像。每个
22、像素中的每种颜色分量占8位，每一位由0，255中的任意数值表示，那么一个像素由24位表示，允许的最大值为224（即1677216，通常记为16M）。,RGB图像,索引图像是一种把像素值直接作为RGB调色板下标的图像。在MATLAB中，索引图像包含一个数据矩阵X和一个颜色映射（调色板）矩阵map。数据矩阵可以是8位无符号整型、16位无符号整型或双精度类型的。,索引图像,图像类型的转换,在MATLAB中，要进行图形类型转换可以直接调用MATLAB函数。,例：RGB图像转换为灰度图像,MATLAB代码,程序执行结果,膨胀与腐蚀,膨胀是将与物体接触的所有背景点合并到该物体中，使边界向外部扩展的过程。通
23、过膨胀，可以填充图像中的小孔及在图像边缘处的小凹陷部分。在MATLAB中，采用函数imdilate（）进行膨胀操作。IM2=imdilate（IM,SE）:该函数对图像IM进行膨胀，采用的结构元素为SE，返回值IM2为膨胀后得到的图像。,腐蚀和膨胀是对偶操作。腐蚀是一种消除边界点，使边界向内收缩的过程，利用腐蚀操作，可以消除小且无意义的物体。在MATLAB中，采用函数imerode（）进行膨胀操作。IM2=imerode（IM,SE）:该函数对图像IM进行腐蚀，采用的结构元素为SE，返回值IM2为腐蚀后得到的图像。,开运算和闭运算,结构元素B对A的开运算，计作 ,定义为：即首先采用结构元素对A
24、做腐蚀运算，然后做膨胀运算，使用相同的结构元素。在MATLAB中，采用函数imopen（）进行二值图像或灰度图像的开运算。IM2=imopen（IM,SE）:该函数对图像IM进行开运算，采用的结构元素为SE，返回值IM2为开运算后得到的图像。,在上图中，左图为原始图像，右图为开运算后得到的图像。通过开运算，去除了图像中比较小的图像。,闭运算是开运算的对偶运算，计作 ,定义为：即首先用结构元素B对A做膨胀运算，然后做腐蚀运算，使用相同的结构元素。在MATLAB中，采用函数imclose（）进行二值图像或灰度图像的开运算。IM2=imclose（IM,SE）:该函数对图像IM进行开运算，采用的结构
25、元素为SE，返回值IM2为开运算后得到的图像。,在上图中，左图为原始图像，右图为闭运算后得到的图像。通过闭运算，将图像中的多个圆变为一个整体。,高帽滤波和低帽滤波,图像的形态学高帽滤波定义为： 其中A为输入的图形，B为采用的结构元素，即从图像中减去形态学开运算操作后的图像。通过高帽滤波可以增强图像的对比度。在MATLAB中，采用函数imtophat（）对二值图像或灰度图像进行高帽滤波。IM2=imtophat（IM,SE）:该函数对图像IM进行高帽滤波，采用的结构元素为SE，返回值IM2为高帽滤波后得到的图像。,在上图中，左图为原始图像，中间图像为高帽滤波后得到的图像；改变了图像的背景；右图为
26、改变图像的灰度后得到的图像，图像的对比度明显增强了，图像变得更加清晰。,图像的形态学低帽滤波定义为： 其中A为输入的图形，B为采用的结构元素，即从图像中减去形态学闭运算操作后的图像。通过低帽滤波可以获取图像的边缘。在MATLAB中，采用函数imtophat（）对二值图像或灰度图像进行高帽滤波。IM2=imbophat（IM,SE）:该函数对图像IM进行低帽滤波，采用的结构元素为SE，返回值IM2为低帽滤波后得到的图像。,在上图中，左图为原始图像，右图为形态学处理后得到的图像，增强了图像的对比度。,图像填充操作,在MATLAB软件中，采用函数imfill（）对二值图像或灰度图像进行填充操作。BW
27、2=imfill（BW）:该函数对二值图BW进行填充操作，对于二维图像允许用户通过鼠标选择填充的点。通过键盘上面的Backspace键或Delete键可以取消当前选择的点，通过键盘上的Return键可以结束交互式的选择。BW2,locations=imfill(BW):该函数中返回值locations包含交互式选择时的点的坐标。BW2=imfill（BW,locations）：该函数中通过参数locations指定进行填充时的点的坐标。BW2=imfill（BW,holes）:该函数通过参数holes可以填充二值图像中的空洞。I2=imfill(I)：该函数对灰度图像进行填充操作，返回值I2也是灰度图像。,Thats all !,
