基于图像处理建立轴承钢真实微观组织RVE模型的方法

本发明涉及计算机辅助设计，具体涉及一种基于图像处理建立轴承钢真实微观组织rve模型的方法。

背景技术：

1、高碳轴承钢作为轴承等精密零部件的材料，因热处理工艺不同而存在众多第二相，第二相是材料中不同于基体相的所有其他相的统称，一般非连续分布在基体相中。第二相由于尺寸跨度大、成分以及组织形貌不同从而导致其对基体强韧性的影响机理也各不相同，因而迫切需要一种能够体现微观第二相对宏观影响的方法。多尺度分析作为一种联系宏微观的重要方法，通过在模拟过程中添加两相的本构参数，可以将微观组织变化以有限元的形式呈现，从而体现材料的宏观性能，目前最主要的工具是代表性体积单元rve。目前建立rve的方法有两种，一种是基于微观特征统计数据和随机算法建立的rve模型，但该模型不能完全反映材料的微结构特征；另一种是基于真实微观组织建立的rve模型，基于真实微观组织建立的rve模型，具有更好的预测准确性。

2、在多尺度分析中，需要对rve模型添加边界条件，包括对称性边界条件、同质化边界条件和周期性边界条件，周期性边界条件更符合实际工况，但是对单元和节点数过多的rve而言，周期性边界条件的添加是一大难点。现有的人工手动添加方式效率很低；采用digimat软件的话不能基于微观组织构建的rve模型添加周期性边界条件。因此，提供一种基于图像处理建立轴承钢真实微观组织rve模型的方法，能够在真实微观组织rve模型建立周期性边界条件，提高rve模型的建模效率和准确性，是非常必要的。

技术实现思路

1、有鉴于此，本发明提出了一种采用源于真实组织的sem图像像素点、可真实的反映微观原貌、合理的设定了周期性边界条件的基于图像处理建立轴承钢真实微观组织rve模型的方法。

2、本发明的技术方案是这样实现的：本发明提供了一种基于图像处理建立轴承钢真实微观组织rve模型的方法，包括如下步骤：

3、步骤1、获取包含第二相颗粒的轴承钢的显微形貌图；

4、步骤2、进行图像分割，将获得的显微形貌图分割为 n张图片；

5、步骤3、图像预处理，对分割后得到的 n张图片进行灰度处理，得到 n张灰度图；

6、步骤4、将得到的 n张灰度图进行阈值分割，分离基体和第二相，基体和第二相分别采用黑色和白色，输出 n张二值图；

7、步骤5、对得到的 n张二值图进行初步图像降噪，消除二值图中的噪点；

8、步骤6、利用开闭操作消除图中仍然存在的噪点、缺失和孔洞，输出 n张开闭处理图；

9、步骤7、利用matlab中的填充函数对开闭处理图中仍然存在的边缘孔洞进行进一步填充，得到 n张孔洞修复后的图像；

10、步骤8、将 n张孔洞修复后的图像进行拼接，形成拼接图像，根据需要输出对应大小的像素点矩阵；

11、步骤9、基于python软件对像素点矩阵进行处理，根据abaqus中的节点单元对应关系以及周期性边界条件施加准则，将其转换成abaqus所能识别的inp文件；

12、步骤10、将得到的inp文件导入abaqus中生成真实微观组织模型，并根据两相参数分配其属性参数。

13、在以上技术方案的基础上，优选的，步骤1中的显微形貌图是通过扫描电子显微镜获得的sem图。

14、优选的，步骤2中所述的进行图像分割，是依照如下原则：1）获取sem图的像素点数x×y，其中x是沿着sem图的行方向的像素点数量，y是沿着sem图的列方向的像素点数量；2）将sem图均分为t×t份；如果sem图不能均分为t×t份，则通过函数imresize(x1，y1)对sem图的行数和列数进行调整，调整后的sem图的像素点数为x1×y1，x1是最接近x并能被t整除的数值，y1是最接近y并能被t整除的数值，对调整后的sem图进行t×t份均分；通过均分得到n1份均分图；3）对sem图进行随机图划分，每份随机图的像素点数为m×n，其中m，n∈random（100，1000），并按如下方式对每份随机图进行定义：{随机图编号label、初始点位置(x，y)，边长（m，n）}，通过随机划分得到n2份随机图，且满足n1+n2= n。

15、进一步优选的，步骤3中所述的对分割后得到的 n张图片进行灰度处理，是将sem图像的全局灰度相加求平均，先用公式gary=（r+g+b）/3求得每个像素的灰度值gary，r、g和b分别是像素的红绿蓝像素值；然后再把sem图像每个像素的灰度值相加求平均得到灰度均值，以灰度均值作为sem图像的亮度评价值。

16、更进一步有优选的，步骤4中所述的将得到的 n张灰度图进行阈值分割，是采用阈值二分法，大于设定灰度阈值的像素赋值灰度为255，小于设定灰度阈值的像素赋值灰度0，设定灰度阈值的选取基于麻雀算法优化的ostu分割算法进行选取。

17、再进一步优选的，步骤6中所述的利用开闭操作消除图中仍然存在的噪点、缺失和孔洞，是采用imopen函数实现开操作，采用imclose函数实现闭操作；开操作和闭操作都基于膨胀操作形成，开操作用于消除暗背景下的较亮区域，闭操作用于消除背景下的较暗区域；开操作和闭操作交替进行。

18、进一步优选的，步骤7中所述的利用matlab中的填充函数对开闭处理图中仍然存在的边缘孔洞进行进一步填充，是采用imfill函数填充边缘孔洞；边缘孔洞填充规则如下：将开闭图进行上下左右翻转生成四幅翻转图，通过将翻转图与开闭图进行拼接，将边缘处的孔洞补全再进行填充处理。

19、优选的，步骤8中所述的将 n张孔洞修复后的图像进行拼接，形成拼接图像，所采用的拼接图像的规则如下：1）根据sem图像建立全0矩阵，使用matlab中的zeros(x,y)函数，或者zeros(x1,y1)函数进行建立；2）根据均分的n1份均分图对全0矩阵进行初步替换，获得初步替换图；3）将随机划分获得的n2份随机图插入初步替换图中，根据随机图的属性{随机图编号label、初始点位置(x，y)，边长（m，n）}，对初步替换图中的相同位置进行进一步替换，获取最终拼接图，并输出像素点矩阵。

20、进一步优选的，步骤9具体包括如下步骤：

21、步骤9.1、读取像素点矩阵，得到每行每列的像素点个数 m2和 n2，进而得到每行的节点数和每列的节点数，其中每行节点数= m2+1，每列节点数= n2+1，sem图共有节点数node= （m 2 +1）× （n 2 +1）个，sem图所有的单元的个数element= m2× n2个，每个单元对应了一个像素点的面积；

22、步骤9.2、确定每个单元的边长，根据sem图的尺寸与 m2和 n2的值，确定每个单元的边长；

23、步骤9.3、确定每个节点的坐标；

24、步骤9.4、确定每个单元位置和构成该单元的节点编号，其规则如下：对于第 t个单元，若其位于第 k行，进行判断：

25、若 t满足 t> n2× k且 t< n2×（ k+1），则构成该单元的四个节点编号分别为： t+ k、 t+ k+1、 t+ k+ n2+1和 t+ k+ n2；

26、若 t不满足 t> n2× k且 t< n2×（ k+1），则第 t个单元的行数 k调整为 k+1，构成该单元的四个节点编号为： t+ k、 t+ k+1、 t+ k+ n2+1和 t+ k+ n2；

27、步骤9.5、对所建立的真实微观组织建立周期性边界条件，周期性边界条件施加准则如下：

28、，其中表示正向的、方向，表示负向方向，表示第 k行像素点的水平方向；代表节点 i的位移，表示第 i个单元右侧边线的节点，表示第 i个单元左侧边线的节点，两者之差表示相邻列边线之间的间距；是平均应变；是第 k行的相邻列之间的rve边长；

29、步骤9.6、将得到的所有的节点坐标、单元及节点编号、周期性边界调节施加准则按照abaqus能识别的inp文件进行输出。

30、优选的，sem图所有的单元为四边形网格单元。

31、本发明提供的基于图像处理建立轴承钢真实微观组织rve模型的方法，相对于现有技术，具有以下有益效果：

32、（1）本技术通过采用真实轴承钢微观组织的sem图像，对图像进行了分割和拼接操作，避免因图像过大而造成二值化阈值不便选取的缺陷，运用麻雀算法优化的最大类间方差法ostu分割算法选取最佳灰度阈值，保证每个分块图像二值化的合理性，使得重新拼接的图像与sem图的内容相符，可提高建模质量；

33、（2）基于数学逻辑，建立了像素点单元与节点之间的关系，使建模过程更为清晰，同时基于周期性边界条件理论，对所得到的真实微观组织建立了周期性边界条件方程，极大方便了后续rve模型的建立与仿真。