基于Matlab的球墨鑄鐵金相圖像處理分析

基于Matlab的球墨鑄鐵金相圖像處理分析第一章緒論1.1研究背景和意義Matlab是MATrixLABoratory（“矩陣實驗室”）的縮寫，是由美國MathWorks公司開發(fā)的集數(shù)值計算、符號計算和圖形可視化三大基本功能于一體的，功能強大、操作簡單的語言。是國際公認的優(yōu)秀數(shù)學應用軟件之一。時至今日，經(jīng)過MathWorks公司的不斷完善，Matlab已經(jīng)發(fā)展成為適合多學科，多種工作平臺的功能強大的大型軟件。在國外的許多高校，Matlab已經(jīng)成為線性代數(shù)、自動控制理論、數(shù)理統(tǒng)計、數(shù)字信號處理、動態(tài)系統(tǒng)仿真等高級課程的基本數(shù)學工具。Matlab的主要特點有：①語言簡潔緊湊，使用方便靈活，庫函數(shù)機器豐富；②運算符豐富；③具有結構化的控制語句（如for循環(huán)，while循環(huán)，break語句和if語句）；④程序限制不嚴格，程序設計自由度大；⑤程序的可移植性很好，基本上不做修改就可以再各種型號的計算機和操作系統(tǒng)上運行；⑥Matlab的圖形功能強大；⑦功能強大的工具箱是Matlab的另一特色；⑧缺點是和其他高級程序相比，程序執(zhí)行速度較慢。它將數(shù)值分析、矩陣計算、圖形圖像處理、信號處理和仿真等諸多強大的功能集成在較容易使用的交互計算機環(huán)境之中，為科學研究、工程運用提供了一種功能強、效率高的編程工具［１］。利用Matlab對球墨鑄鐵進行金相圖像分析時，就是使用圖像處理工具包的函數(shù)種類很多：圖像顯示、圖像文件輸入與輸出、幾何操作、像素值統(tǒng)計、圖像分析與增強、圖像濾波、濾波器、圖像變換、圖像類型轉換等。1.2存在的問題圖像處理在Matlab中的應用是由一系列支持圖像處理的操作函數(shù)組成，如幾何操作、區(qū)域操作、塊操作、濾波、變換、圖像分割、圖像邊緣提取、圖像增強等，為便于應用，在該軟件中形成圖像處理工具包。圖像處理工具包的函數(shù)種類很多：圖像顯示、圖像文件輸入與輸出、幾何操作、像素值統(tǒng)計、圖像分析與增強、圖像濾波、濾波器、圖像變換、圖像類型轉換等。該工具包與其它一樣，使用者可以根據(jù)需要自行編寫函數(shù).其中就有很多的問題出現(xiàn)：1.圖像采集問題：在采集圖片時由于相機的成像效果、拍攝角度、拍攝人員的自身感覺等因素都會影響到后邊圖像處理的工作和效果，因為顏色和灰度是決定一幅圖像表現(xiàn)能力的關鍵因素；2.圖像處理問題：①圖像讀入imread，是Matlab支持的7種格式之一，顯示圖像用imshow(h)語句，h為圖像句柄；輸出圖像若需要永久保存，可用imwrite(h,map,’filename.bmp’,’bmp’),寫入存儲器。注意在該語句前要設置調色板，即map=(gray(256))。②要注意圖像格式的轉化。不同的圖像格式對應不同的處理方式，如果處理與格式不符，將引起錯誤。③盡管Matlab允許未定義使用數(shù)組，但在實際應用中這樣經(jīng)常出錯，特別是遇到在double和uint8型之間的轉換時。所以最好還是養(yǎng)成用前定義的習慣，避免出現(xiàn)不必要的錯誤。④在做完一定量的運算后，一般要用Clear清除內存變量，以防影響后面的程序運行。⑤

一般默認路徑在Matlab安裝文件下的work文件夾中，程序和資源都放在此，如果需要引用新的文件，應事先指明路徑。⑥應注意語句結尾“;”的使用，特別是圖像處理中。⑦應做好程序的注釋工作。1.3研究的內容和方法本設計主要工作內容為研究基于Matlab對球墨鑄鐵金相圖像處理分析、從圖像分割、球墨鑄鐵組織的定位、組織特征的提取及對提取的組織的特征分析等。，選取適合的圖像處理方法對圖像進行二值化，對二值化后的圖像進行圖像分割和特征提取,最后對球墨鑄鐵組織進行金相分析。主要研究的內容包括：1.球墨鑄鐵金相圖像預處理，包括:RGB彩色圖像的灰度化、圖像灰度拉伸、圖像邊緣檢測、灰度圖的二值化等;直方圖均衡化、圖像增強、中值濾波等.2.圖像分割及特征提取。先對定位后的金相圖像進行預處理，然后用邊緣檢測、面積提取法來確定特征區(qū)域。3.特征分析。對提取出來的特征進行形態(tài)分析,并進行球墨大小分級,球化率的計算。主要研究方案如下：(1)、采集球墨鑄鐵金相樣本；(2)、對圖像預處理(灰度變換增強、圖像平滑處理、圖像銳化)得到包含信息量較小和噪聲較低的圖像；(3)、用邊緣檢測、面積提取法來確定特征區(qū)域；(4)、提取出特征區(qū)域；(5)、對提取出的特征區(qū)域進行簡單分析；(6)、對本次球墨鑄鐵金相研究進行總結。主要的技術路線如下表1。表1技術路線第二章圖像采集與預處理圖像是當光輻射能量照在物體上經(jīng)過發(fā)射或透射，或由發(fā)光物體本身發(fā)出光的能量，在人的視覺器官或者機器視覺中所呈現(xiàn)出的物體的視覺信息。圖像源于自然景物，是其原始的形態(tài)，是連續(xù)變換的模擬量。圖像每個像素點都有自己的屬性，如顏色、灰度等。顏色和灰度是決定一幅圖像表現(xiàn)能力的關鍵因素。圖像的色彩是根據(jù)光的色彩決定的，人對圖像色彩感覺決定于光譜成分。灰度是像素的亮度，它用于表示圖像像素在黑白之間的可區(qū)分程度，用等級來度量，級數(shù)越多，黑白圖像的表現(xiàn)力就越強。圖像可以根據(jù)其表現(xiàn)形式和生成方式做出不同的劃分，按形式分可以分為：實際圖像和抽像圖像。按圖像亮度等級分分為：二值圖像和灰度圖像。按照光譜分分為：彩色圖像和黑白圖像。按照圖像是否隨時間而變換分：靜止圖像和活動圖像。按照圖像所占空間的維數(shù)分：二維圖像和三維圖像等。圖像預處理是相對于圖像識別、圖像理解的一種前期處理。通常圖像會出現(xiàn)邊緣過于模糊、圖像上出現(xiàn)一些不知來源的黑點或白點，圖像失真、變形等，因而要進行圖像增強，按特定需要突出一幅圖像中的某些有用信息；同時，削弱或去除某些不需要的信息，改善圖像質量，如改變圖像對比度、去除噪聲或強調邊緣等處理【２】。圖像預處理主要包括以下內容：1)圖像增強。主要包含灰度變換增強、圖像平滑處理、圖像銳化處理等；2)灰度化。變換增強主要使用的是直方圖均衡化histeq和對比度增imadjust；3)圖像平滑。圖像平滑的主要目的是減少圖像噪聲。Matlab提供的圖像平滑函數(shù)主要有wiener2、medfilt2和ordfilt2。wiener2用于實現(xiàn)線性平滑濾波；medfilt2用于實現(xiàn)中值濾波；ordfilt2是二維統(tǒng)計順序濾波，它是中值濾波的推廣；4)圖像銳化。圖像銳化的目的就是使邊緣和輪廓線模糊的圖像變得清晰，并使其細節(jié)清晰。由于銳化會使噪聲受到比信號還強的增強，故一般先去除或減輕干擾噪聲后才能進行銳化處理?？梢杂胠aplacian算子銳化和prewitt模板銳化【３】?；镜牧鞒虉D表2。表2圖像處理流程圖2.1圖像采集圖像采集方法主要有三種：（1）用數(shù)碼相機拍攝靜態(tài)圖片，這種方法簡單，圖像清晰度高，移動性強，可在野外進行；不足的是圖像易傾斜、畸變、光照不均出現(xiàn)陰影，增加圖像處理難度。（2）用數(shù)字攝像機采集動態(tài)圖像。一般是把數(shù)字攝像機(攝像頭)固定在支架上，通過圖像采集卡把數(shù)字影像輸入計算機，通過計算機觀察動態(tài)圖像，根據(jù)需要采集靜態(tài)圖像。這種方法采集速度和傳輸速度快，圖像較小。通過在不同角度放置光源，來消除陰影，比較具有可塑性，通過支架的調節(jié)還能消除圖像畸變，因而應用較多。但這種方法同樣存在光照不均勻問題，還需要圖像尺寸的標準參照。所設計的系統(tǒng)硬件由計算機，數(shù)碼相機、光源等組成。本論文主要采用的是第一種方法即用數(shù)碼相機拍攝靜態(tài)圖片然后進行處理。如圖1所示。圖1球墨鑄鐵的金相圖拍攝時效果處理后效果圖245#金相圖像2.2圖像讀入對一幅圖像如果整體進行處理，不僅浪費時間，而且圖像其它部分可能會影響處理效果。因此，可以先通過圖像剪切函數(shù)imcrop剪切所關心的、特征明顯的一部分圖像，然后對這部分圖像進行相關地處理。Matlab工具箱中的imread函數(shù)讀入圖像，支持以下幾種圖像文件格式：BMP，GIF，TIFF，JPEG，HDF，PCX，XWD，PNG，ICO，CUR，PGM，PPM和RAS等類型?？衫脠D像處理工具箱中的imrade()和imwrite()函數(shù)來實現(xiàn),同時可利用imshow()函數(shù)將該圖像顯示出來。其程序如下:（如我把圖像存在D盤，并面命為“qt.jpg”）clear,closeallA=imread(‘d:\qt.jpg’);imshow(A);imwrite(A,’d:\qt.jpg’);2.3圖像顯示1.image函數(shù)是matlab提供的最原始的圖像顯示函數(shù)（主要彩色顯示圖像），程序如下：a=[1,2,3,4,5,6,7,8,9,10,11,12];image(a);結果顯示為圖3所示。圖3彩色顯示圖像2.colorbarcolorbar函數(shù)用顯示圖像的顏色條。通常，顏色映象進行過調節(jié)，把數(shù)據(jù)從最小擴展到最大，也就是說整個顏色映象都用于繪圖。有時也許想改變顏色使用的方法。函數(shù)caxis代表顏色軸，因為顏色增加了另一個維數(shù)，它允許對數(shù)據(jù)范圍的一個子集使用整個顏色映象或者對數(shù)據(jù)的整個集合只使用當前顏色映象的一部分。[cmin,cmax]=caxis返回映射到顏色映象中第一和最后輸入項的最小和最大的數(shù)據(jù)。它們通常被設成數(shù)據(jù)的最小值和最大值。比如，函數(shù)mesh(peaks)會畫出函數(shù)peaks的網(wǎng)格圖，并把顏色軸caxis設為[-6.5466，8.0752]，即Z的最小值和最大值【４】。這些值之間的數(shù)據(jù)點，使用從顏色映象中經(jīng)插值得到的顏色。如：i=imread('d:\qt.jpg');imshow(i);colorbar;結果如圖4所示。圖4圖像顏色映射2.4圖像灰度化將彩色圖像轉化成為灰度圖像的過程成為圖像的灰度化處理。彩色圖像中的每個像素的顏色有R、G、B三個分量決定，而每個分量有255中值可取，這樣一個像素點可以有1600多萬（255*255*255）的顏色的變化范圍。而灰度圖像是R、G、B三個分量相同的一種特殊的彩色圖像，其一個像素點的變化范圍為255種，所以在數(shù)字圖像處理中一般先將各種格式的圖像轉變成灰度圖像以使后續(xù)的圖像的計算量變得少一些?；叶葓D像的描述與彩色圖像一樣仍然反映了整幅圖像的整體和局部的色度和亮度等級的分布和特征。圖像的灰度化處理可用兩種方法來實現(xiàn)【5】。第一種方法使求出每個像素點的R、G、B三個分量的平均值，然后將這個平均值賦予給這個像素的三個分量。第二種方法是根據(jù)YUV的顏色空間中，Y的分量的物理意義是點的亮度，由該值反映亮度等級，根據(jù)RGB和YUV顏色空間的變化關系可建立亮度Y與R、G、B三個顏色分量的對應：Y=0.3R+0.59G+0.11B，以這個亮度值表達圖像的灰度值?；叶然Y果如圖所示，程序：A=imread('d:\qt.jpg');B=rgb2gray(A);figuresubplot(1,2,1);imshow(A)title('原圖');subplot(1,2,2);imshow(B)title('原圖灰度圖像')其結果如圖5所示。圖5圖像灰度化2.5圖像分割圖像分割一般采用的方法有邊緣檢測（edgedetection）、邊界跟蹤（edgetracing）、區(qū)域生長（regiongrowing）、區(qū)域分離和聚合等。圖像分割算法一般基于圖像灰度值的不連續(xù)性或其相似性。不連續(xù)性是基于圖像灰度的不連續(xù)變化分割圖像，如針對圖像的邊緣有邊緣檢測、邊界跟蹤等算法。相似性是依據(jù)事先制定的準則將圖像分割為相似的區(qū)域，如閾值分割、區(qū)域生長等。圖像分割其實也是對圖像進行二值化。分割的目的是從圖像中將研究對象—球墨鑄鐵中的石墨形態(tài)提取出來，通過增強有用信息、抑制無用信息，改善圖像的視覺效果，提高球墨鑄鐵圖像的可分辨性，使球墨鑄鐵圖像更利于機器分析。圖像二值化是對圖像灰度取閾值θ,用θ將圖像數(shù)據(jù)分成兩大部分:大于θ的像素群和小于θ的像素群,若輸入圖像為f(x,y),輸出圖像為f’(x,y),則:（1）二值圖像匯總所有的像素值能從0和1兩個值中取，因此在matlab中，二值圖像使用一個由0和1組成的二維矩陣表示。這兩個可取的值分別對應于關閉和打開，關閉表征該像素處于背景，而打開表征該像素處于前景。以這種方式來操作圖像可以更容易識別出圖像的結果特征。二值化程序如下：A=imread('d:\qt.jpg');figuresubplot(1,2,1);imshow(A)title('原圖')C=im2bw(A,0.2);subplot(1,2,2);imshow(C)title('原圖二值圖')結果如圖6所示。圖6二值化圖像進行閾值選擇是一個較復雜的問題,必須根據(jù)圖像的統(tǒng)計性質（直方圖）,即從概率角度來選擇合適的閾值。最大方差閾值的設定方法是閾值自動選擇的最優(yōu)方法,且效果良好。該閾值可通過相應的Matlab程序計算得出。Matlab提供了多種圖像類型轉換函數(shù)，其中二值化圖像函數(shù)主要有dither和im2bw。函數(shù)dither通過顏色抖動來達到轉換圖像的目的；函數(shù)im2bw通過設置閾值將灰度及真彩圖像轉換成二值圖像，結果如下圖8，圖像直方圖程序如下：I=imread('d:\灰度.jpg');B=rgb2gray(I);imshow(B,[40255]);figure;imhist(B)title('直方圖');J=imadjust(B,[0.150.9],[01]);figure;imhist(B,64)title('均衡直方圖')結果如圖7、8所示。圖7直方圖圖8均衡直方圖圖像分割的關鍵問題在于如何確定分割的閾值，系統(tǒng)中提供了兩種選取閾值的方法—Ostu法和指定閾值法。為了增加靈活性，在這里我們選取了指定閾值法對圖像進行背景分割。閾值分割的Matlab主程序如下：A=imread('d:\qt.jpg');figuresubplot(1,4,1),imshow(A);title('原圖像')B=im2bw(A,91/255);subplot(1,4,2),imshow(B);title('閾值91的圖像')C=im2bw(A,71/255);subplot(1,4,3),imshow(C);title('閾值71的圖像')D=im2bw(A,140/255);subplot(1,4,4),imshow(D);title('閾值140的圖像')結果如圖9：圖9圖像分割2.6濾波為了改善圖像質量,從圖像中提取有效信息,必須對圖像進行去噪預處理。根據(jù)噪聲頻譜分布的規(guī)律和統(tǒng)計特征以及圖像的特點,出現(xiàn)了多種多樣的去噪方法。經(jīng)典的去噪方法有：空域合成法,頻域合成法和最優(yōu)合成法等,與之適應的出現(xiàn)了許多應用方法,如均值濾波器,中值濾波器,低通濾波器,維納濾波器,最小失真法等。這些方法的廣泛應用,促進數(shù)字信號處理的極大發(fā)展,顯著提高了圖像質量【6】。本文給定的圖像為二維信號，在信號中加入指定的椒鹽噪聲,然后利用中值濾波進行去噪。雖然有關中值濾波的函數(shù)是在Matlab函數(shù)庫中已經(jīng)提供，但在圖像處理中利用中值濾波去除圖像中的椒鹽噪聲是一種有效的方法，利用中值濾波函數(shù)去除圖像中的噪聲過程如下：（1）使用imread()讀入原始的彩色圖像。（2）因為使用中值濾波器只能對灰度圖像進行處理，所以利用rgb2gray()將彩色圖像轉化為灰度圖像。（3）用imnoise()在灰度圖像中加入椒鹽噪聲。（4）利用medfilt2()函數(shù)進行中值濾波,并在Matlab環(huán)境下運行。圖10圖像濾波2.7輪廓提取對圖像進行輪廓提取即圖像的邊緣檢測。邊緣檢測的基本思想首先是利用邊緣增強算子，突出圖像中局部邊緣，然后定義像素的“邊緣強度”，通過設置域值的方法提取邊緣點集。由于噪聲和模糊的存在，檢測到得邊界可能會變寬或在某點出發(fā)生斷裂。因此，邊緣檢測包括兩個基本內容：①用邊緣算子提取出反映灰度變化的邊緣點集。②在邊緣點集合中剔除某些邊界點或是填補邊界間斷點，并將這些邊緣連續(xù)成完整的線。I=imread('d:\灰度.jpg');A=rgb2gray(I);figuresubplot(1,4,1);imshow(A);title('原圖像');B=edge(A,'sobel',0.1);%edge邊緣檢測函數(shù)subplot(1,4,2);imshow(B);title('sobel算子檢測');C=edge(A,'roberts',0.1);%0.1為門限subplot(1,4,3);imshow(C);title('roberts算子檢測');D=edge(A,'prewitt',0.1);subplot(1,4,4);imshow(D);title('prewitt算子檢測');結果如圖11所示。圖11圖像輪廓提取第三章金相分析3.1球墨鑄鐵金相組織概述金相，指金屬組織中化學成分、金體結構和物理性能相同的組成，其中包括固溶體、金屬化合物及純物質。金相組織是反映金屬金相的具體形態(tài)，如鐵素體、珠光體、奧氏體、馬氏體等等。球墨鑄鐵金相組織中含有以下形態(tài)【7】：（1）鐵素體根據(jù)GB9441-1988球墨鑄鐵金相檢驗評定鐵素體數(shù)量。其百分比，按大多數(shù)視場對照圖片評定。一般不檢查鐵素體數(shù)量，僅檢查與其共存的珠光體數(shù)量（2）珠光體在球墨鑄鐵中，珠光體的形態(tài)一般分三級：粗狀珠光體、片狀珠光體、細片狀珠光體。隨著珠光體的細化，球墨鑄鐵的強度和硬度有所提高。若基體為粒狀珠光體，則球墨鑄鐵在保持一定強度的同時，具有更高的塑性。（3）奧氏體、貝氏體、馬氏體由奧氏體、上貝氏體或下貝氏體通過等溫淬火，加入適當元素獲得。（4）滲碳體滲碳體多呈針狀、條狀，在球墨鑄鐵中易使基體變脆，故應避免其出現(xiàn)。（5）磷共晶體磷共晶體在球墨鑄鐵中對性能的危害比在灰鑄鐵中大得多。沿晶界分布的二元或三元磷共晶體，強烈降低球墨鑄鐵的韌性、塑性和強度，受沖擊時，裂痕總是沿磷共晶體邊緣開始開裂。3.2球墨鑄鐵金相特征分析Matlab具有強大的圖形圖像處理功能，能很好地滿足定量金相分析工作。要分析圖像的集合特征就要對圖像進行分解，分解的結果就是圖像被分解成一些具有某些特征的圖像的基元。相對于圖像來說這些基元更容易被快速處理，顯然這些特征的提取是很重要的，它對分類器設計及其性能影響甚大。而所謂的特征提取是指從特征定義、經(jīng)選擇或變換直到得出有效特征的全過程。特征提取是模式識別的關鍵問題，圖像的特征是圖像中可用作標記的屬性，它可分為圖像的統(tǒng)計特征和圖像的視覺特征。圖像的統(tǒng)計特征是指人為定義的特征，通過變換才能得到，如圖像的直方圖、矩等；圖像的視覺特征是指人的視覺可直接感受到的自然特征，如區(qū)域的輪廓、紋理等。經(jīng)過圖像處理后得到的二值圖像，不僅比灰度圖像的存儲量要更小之外，更主要的是可以通過二值圖像計算出圖像中目標物的幾何特性，如目標物的大小、位置等。如果不止一個目標物，則可以對應于這些目標物進行標記，以及定出對像物間的差別，從而可以進一步進行圖像相關參數(shù)的測量。球墨鑄鐵金相組織特征主要有石墨形態(tài),石墨球化率,石墨大小，球化分級,磷共晶和碳化物的類型,數(shù)量等特征。本研究針對以上提及的球墨鑄鐵的金相組織特征一一進行了研究分析，結果顯示石墨形態(tài)、大小是評定石墨球化率的基礎。3.3石墨球化分析在金相檢驗中，通常所見到的是幾種形態(tài)的石墨共存。在這種情況下，評定石墨的球化質量須用球化率來解決。所謂球化率，是指在規(guī)定的視場內，所有石墨球化程度的綜合指標。它反映該視場內所有石墨接近球狀的程度。國家標準根據(jù)石墨形態(tài)及其分布和球化率，將球墨鑄鐵石墨球化分為1-6級。球墨鑄鐵的力學性能在很大程度上決定于球化率。一般來說，在其他條件相同的情況下，球化率愈高，力學性能也高。3.3.1石墨大小分級GB9441－1988球墨鑄鐵金相檢驗標準將石墨大小分成六級。球墨鑄鐵石墨球的大小對力學性能的影響很大，減小石墨球徑，增加石墨球在單位面積的個數(shù)可以明顯地提高球墨鑄鐵的強度、塑性和韌性。石墨球徑的減小，使單位面積上球墨鑄鐵數(shù)量增多，可使抗疲勞強度提高，因此，細化石墨也是提高抗疲勞強度的一個要求。如表3。表3（石墨直徑（100×）mm）石墨大小分級級別3級4級5級6級7級8級直徑＞25-50＞12-25＞6-12＞3-6＞1.5-3≤1.5將圖12金相圖像中的石墨球進行部分標記，計算其石墨球的外接圓直徑，確定石墨球的大小級別。圖12標記圖號的金相圖結果如表4所示。表4石墨大小級別圖號球1球2球3球4球5球6球7直徑5032251612106級別3級3級4級4級5級5級6級3.3.2石墨球化率分級（1）石墨球化率評級的方法：石墨球化率是球墨鑄鐵分析的一個最常用的指標，對球化率的計算，首先需求出每個石墨球的外接圓，然后算出單個石墨的面積率，即石墨的實際面積除以最小外接圓的面積，再把面積率和球狀修正系數(shù)對照，具體方法如下：（2）石墨的面積率：（2）在確定最小外接圓時，采用的是石墨的最大投影長為直徑，石墨的實際面積根據(jù)封閉圖形中的像素來計算。根據(jù)GB9441—88可查出5種球狀的修正系數(shù)如表5所示。表5球狀修正系數(shù)1.石墨面積≥0.810.80-0.610.60-0.410.40-0.21＜0.21修正系數(shù)1.00.80.60.30定義二值圖像中目標物的面積A就是目標物所占的像素點的數(shù)目，即區(qū)域的邊界內包含的像素點數(shù)。設目標的大小為M×N，對二值圖像，目標物，背景為0，則目標物的面積A為：（3）通常面積的計算可以直接對分割出的物體區(qū)內像素記數(shù)即可。如圖13所示。圖13示意圖圖14單粒石墨如圖14左邊的圖像顯示，其中的網(wǎng)格放大了2000倍，每一格為6x6的大小，數(shù)得黑色區(qū)域所占的網(wǎng)格數(shù)量，近似值為160；（4）球墨鑄鐵的力學性能是和它的金相組織密切相關,保證鑄鐵中石墨球化良好，是熔制球墨鑄鐵的第一要求。只有石墨球化，才能充分發(fā)揮金屬基體的作用，使鑄鐵的力學性能大幅度提高。也只有石墨球化后，進一步改變基體的性能才更有意義。國標中有把球鐵石墨球化分級如表6。表6球化級別球化級別說明球化率（%）1級石墨呈球狀，少量團絮，允許少量團絮狀≥952級石墨大部分呈球狀，余為團狀和極少量團絮狀90--953級石墨大部分呈團狀，余為團絮狀，允許少量蠕蟲狀80--904級石墨呈分散的蠕蟲狀球狀團狀團絮狀70--805級石墨呈聚集分布的蠕蟲狀片狀及球狀團狀團絮狀60--706級石墨呈聚集分布的蠕蟲狀和片狀及球狀、團狀、團絮狀不規(guī)定采集下列a、b、c、d、e、f六種球墨鑄鐵的金相組織圖來分析計算它們的球化率，評定其球化級別，結果如表7。表7球化率和球化級別圖樣計算球化率球化級別a、99.9%1級b、95%2級c、90%3級d、78%4級e、65%5級f、45%6級球化率的計算公式：（5）其中分別表示五種球狀修正系數(shù)的石墨顆數(shù)。驗證某球墨鑄鐵材料的球化級別也可以通過數(shù)視場中的石墨顆粒數(shù)來初步確定，根據(jù)表8可進行估算。表8修正系數(shù)2.球狀修正系數(shù)1.00.80.60.30.0顆粒數(shù)42715263429第四章結語 經(jīng)過三個多月的努力，畢業(yè)設計終于在老師的指導和同學們的協(xié)助下結束了。通過畢業(yè)設計，首先讓我們自己對Matlab這門課的掌握有了進一步的加深和鞏固，能夠更熟練得應用各種功能，特別是運用它來完成對圖像的處理。突然感覺到Matlab在圖像處理方面的運用的廣泛和它的功能之精湛。對于我們即將步入社會的應屆畢業(yè)生來說，這是我們在學校里最后的學習任務，所以我們都竭盡全力去完成，不敢馬虎。在畢業(yè)設計的期間，我們查閱了許多有關Matlab圖像處理的書籍，盡管這只是我們完成畢業(yè)設計的一個手段，也跟我們的專業(yè)知識沒太大的聯(lián)系，可我們也在用心的學。其次就是關于球墨鑄鐵各方面的深入了解，由于我們有上《機械工程材料》這門課程，所以我們大體知道球鐵的各性能和存在的問題。從中我們學到了許多圖像處理的方法，也認識到了我們自身存在的不足。由于畢業(yè)設計時間較短，所以該設計在完成的時候還有許多問題存在，比如：（1）Matlab安裝的問題；（2）對Matlab的工作環(huán)境不熟悉；（3）Matlab的相關操作不熟練，功能沒有完全掌握等。其次，我深刻體會到利用Matlab來實現(xiàn)圖像處理的方便簡單。圖像處理技術在許多應用領域受到廣泛重視并取得了重大的開拓性成就，屬于這些領域的有航空航天、生物醫(yī)學工程、工業(yè)檢測、機器人視覺、公安司法、軍事指導、文化藝術等，使得數(shù)字圖像處理成為一門引人注目、前景遠大的新型學科。1、在這次課程設計過程中，感觸很深，由于對Matlab圖像處理的函數(shù)不熟悉，導致自己走了很多的彎路，2、通過本次課程設計，使自己對Matlab設計流程有了比較深刻的體會，同時也了解了一般軟件設計的過程。在設計過程中碰到了很多的問題，通過這些問題，使自己分析問題，解決問題的能力得到了較大的提高。利用Matlab只需幾個簡單的函數(shù)就可以實現(xiàn)復雜的處理和計量過程，這不僅避免了人工在測量時結果不可靠、精度不高的缺點，同時也免去了使用其它軟件時繁瑣的編程工序?？梢?，Matlab具有強大的圖形圖像處理功能，能很好地滿足定量金相分析工作:（1）利用Matlab軟件來實現(xiàn)鑄鐵金相組織的分析、測量是完全可行的,這為鑄鐵的深入研究、揭示其組織與性能的關系提供了有力的技術支持。該方法也可擴展應用于其他材料的金相分析,具有積極作用。（2）運用Matlab圖像處理工具箱不需要傳統(tǒng)的繁瑣編程,研究人員只需掌握一些基本的處理等函數(shù),從而節(jié)省了程序設計、調試所需的時間,可集中精力思考解決問題的方法,研究問題的本質,提高了效率及質量。參考文獻[1]鄧紅濤,趙慶展.基于Matlab的圖像處理的研究[J].科技資訊,2009,(04).[2]張新平.Matlab圖形圖像處理在材料研究中的應用[J]鑄造技術,2003,(05).[3]王向垟,張釗,童森林.基于Matlab圖像處理的布氏硬度測量[J]機械工程師,2010,(02).[4]呂英華,牛守強.基于Matlab的金屬材料顯微圖像處理[J]鞍山科技大學學報,2006,(03).[5]徐建林,王智平,王延露,路陽,李文生.基于Matlab的鑄造鋁青銅金相組織分析[J].宇航材料工藝,2005,(05).[6]于廣州,楊秀娟.Matlab在圖像處理中的應用[J].中國校外教育(理論),2009,(02).[7]許志影,李晉平.Matlab及其在圖像處理中的應用[J].計算機與現(xiàn)代化,2003,(04).[8]劉文,賈志欣,邢書明.半固態(tài)合金定量金相分析系統(tǒng)的開發(fā)[J].鑄造,2008,(07).[9]于永泗，齊民等.機械工程材料.大連理工大學出版社，第七版.[10]衣雪梅,郭康權.Matlab圖形圖像處理在農(nóng)機材料定量金相分析中的應用[J].農(nóng)機化研究,2006,(05)[11]張毓晉.圖像工程（第二版）.北京：清華大學出版社,2007[12]孫宏琦，施維穎,巨永峰.利用中值濾波進行圖像處理《長安大學學報（自然科學版）》2003(2)[13]李彥軍,蘇紅旗等.改進的中值濾波圖像去噪方法研究《計算機工程與設計》，2009(12)[14]胡鵬,徐會燕.基于Matlab的圖像去噪算法的研究與實現(xiàn)《福建電腦》，2009(12)[15]宋兆基、徐流美等.Matlab6.5在科學計算中的應用.北京：清華大學出版社,2005[16]吳建軍.計算機圖像處理技術在定量金相分析中的應用研究[D]重慶大學,2002.致謝本次設計能夠按期完成除了本人的努力之外，謹向我的學校、工程技術學院、我的指導教師和各位同學致謝，他們的幫助使我受益良多。首先感謝學校給我們提供了良好的學習環(huán)境。良好的學習氛圍使我們始終保持探究的精神；規(guī)模龐大、種類齊全的學校藏書為我們提供了精辟的名家論述。手邊隨察的工具書是這種關懷的具體體現(xiàn)。其次我要感謝工程技術學院以及農(nóng)機系的各位領導、老師的細心照顧。為使設計能夠順利進行，學院的計算機房向我們開放，為我們提供了上機場所，并且竭盡所能為我們上網(wǎng)查閱資料提供方便。最后我要向我的導師致敬，楊老師和張老師治學嚴謹，平易近人，為我營造了一種良好的精神氛圍。授人以魚不如授人以漁，置身其間，耳濡目染，潛移默化，使我不僅接受了全新的思想觀念，還樹立了嚴謹?shù)膶W術研究態(tài)度，領會了基本的思考方式，掌握了通用的研究方法。正是他深厚的學識、長輩無微不至的關懷和細心全面的解答使我在設計過程中解決了許多難題，使我在對這個領域的了解和掌握能夠更進一步。導師正確的指導正是本次設計能夠順利完成的關鍵。畢業(yè)設計的完成意味著我們即將畢業(yè)，即將和我朝夕相處的同學們分別，我們都要各奔前程了。在此，我要向我的班主任老師和其他任課老師們致敬，不論在學習或是生活中老師們給予我們的幫助和關懷都是最多的，其次，就是我那些攜手共度四年大學時光的同學們，謝謝！附錄一、圖像預處理（1）彩色圖像變灰度圖像A=imread('1.jpg');B=rgb2gray(A);figuresubplot(1,2,1),imshow(A)title('原圖')subplot(1,2,2),imshow(B)title('原圖灰度圖像')（2）彩色圖像變索引圖像A=imread('1.jpg');figuresubplot(1,2,1),imshow(A)title('原圖')[X,map]=rgb2ind(A,128);subplot(1,2,2),imshow(X,map)title('原圖索引圖像')（3）彩色圖像變二值圖像A=imread('1.jpg');figuresubplot(1,2,1),imshow(A)title('原圖')C=im2bw(A,0.2);subplot(1,2,2),imshow(C)title('原圖二值圖像')（4）灰度圖像變索引圖像（一）A=imread('1.jpg');figureB=rgb2gray(A);subplot(1,2,1),imshow(B)title('灰度圖像')C=grayslice(B,39);subplot(1,2,2),imshow(C)title('灰度變索引圖像')（5）灰度圖像變索引圖像（二）A=imread('1.jpg');figureB=rgb2gray(A);subplot(1,2,1),imshow(B)title('灰度圖像')[X,map]=gray2ind(B,63);subplot(1,2,2),imshow(X,map)title('灰度變索引圖像')（6）灰度圖像變彩色圖像A=imread('1.jpg');figureB=rgb2gray(A);subplot(1,2,1),imshow(B)title('灰度圖像')C=gray2rgb(B,map);subplot(1,2,2),imshow(C)title('灰度變彩色圖像')（7）灰度平均值A=imread('1.jpg');figureB=rgb2gray(A);subplot(1,2,1),imshow(B)title('灰度圖像')B=double(B);[m,n]=size(B);sumg=0.0;fori=1:m;forj=1:n;sumg=sumg+B(i,j);endendavg=sumg/(m*n)%均值maxg=max(max(B))%區(qū)域最大灰度ming=min(min(B))%區(qū)域最小灰度（8）彩色平均值A=imread('1.jpg');figureimshow(A)title('彩色圖像')A=double(A);[m,n]=size(A);sumg=0.0;fori=1:m;forj=1:n;sumg=sumg+A(i,j);endendavg=sumg/(m*n)squre=m*nmaxg=max(max(A))ming=min(min(A))二、圖像變換(1)傅里葉變換、反變換、I=imread('19.jpg');A=rgb2gray(I);x1=fft2(A);x2=fftshift(x1);x3=ifft(x1)/10;figure,subplot(1,4,1);imshow(A)title('原圖');subplot(1,4,2);imshow(x1)title('頻譜圖');subplot(1,4,3);imshow(log(abs(x2)+1),[010]);title('直流分量移至頻譜圖中心');subplot(1,4,4);imshow(x3,[010])title('傅里葉反變換');(2)DCT變換、反變換X=imread('19.jpg');I=rgb2gray(X);subplot(1,3,1);imshow(I);title('原圖');subplot(1,3,2);J=dct2(I);imshow(log(abs(J)),[020]);title('二維離散余弦變換');subplot(1,3,3);K=idct2(J)/20;imshow(K,[020]);title('二維離散反余弦變換');(3)利用DCT變換壓縮圖像I=imread('19.jpg');A=rgb2gray(I);B=DCT2(A);B(abs(B)<0.1)=0;C=idct2(B)/255;figure,subplot(1,3,1);imshow(A);title('原圖');subplot(1,3,2);imshow(B);title('二維離散余弦變換頻譜圖');subplot(1,3,3);imshow(C);title('壓縮后圖像');三、圖像增強（一）灰度圖像增強（1）線性變換法clc;clearall;I=imread('19.jpg');A=rgb2gray(I);colormap;imshow(A);%設置圖像倒數(shù)參數(shù)j=imadjust(A,[01],[10],1.5);figure;subimage(j)(2)灰度圖像的非線性變換（之對數(shù)）I=imread('19.jpg');colormapimshow(I)J=double(I);J=45*log(J+1);I=uint8(J);figure,subimage(J)(二)直方圖校正直方圖均衡I=imread('19.jpg');B=rgb2gray(I);imshow(B,[40255]);figure,imhist(B)title('直方圖')J=imadjust(B,[0.150.9],[01]);figure,imhist(B,64)title('均衡直方圖')四、濾波I=imread('19.jpg');figure,B=rgb2gray(I);C=imnoise(B,'salt&pepper',0.02);D=imfilter(B,fspecial('average',3));E=medfilt2(B);subplot(1,3,2)imshow(D)title('均值濾波')subplot(1,3,3)imshow(D)title('中值濾波')subplot(1,3,1)imshow(C)title('加入椒鹽噪聲圖像')五、銳化處理I=imread('19.jpg');A=rgb2gray(I);figure,subplot(2,3,1),imshow(A);title('原圖');hs=fspecial('sobel');S=imfilter(A,hs);hp=fspecial('prewitt');P=imfilter(A,hs);A=double(A);%雙精度型H=[010,1-41,010];%拉普拉斯算子J=conv2(A,H,'same');K=A-J;subplot(2,3,2),imshow(K);title('拉普拉斯銳化圖像');B=edge(A,'roberts',0.1);subplot(2,3,3),imshow(B)