SEM照片孔隙参数提取技术研究

SEM 照片孔隙参数提取技术研究 汪 � 灿,刘艳敏, 祝艳波 (中国地质大学学院, 武汉 430074) 摘 � 要: 扫描电镜技术对岩土体微观结构的分析起着越来越重要的作用, 从 SEM 照片中获得定量化的信息参数是 众多岩土工程研究者关注的问题。本文以湖南省郴州市王仙岭的黏性土 SEM 照片的二维和三维分析方法为例来说 明 SEM 照片孔隙参数的提取,并对这两种方法所得结果进行分析比较, 结果明:通常采用的二维及三维分析方法 所求得的孔隙率参数值往往偏大;在二维方法中合理选择分割阈值是孔隙率提取的关键, 过大过小的阈值都会导致 较大的误差;三维方法中需要考虑实际的颗粒形态而不能简单地按照像素值进行三维高程建模。 关键词: SEM 照片;孔隙结构参数; 图像分割; G IS; 中图分类号: TU411. 92� � � 文献标识码 : A � � � 文章编号: 1671-1556( 2011) 03-0117-04 收稿日期: 2010-09-14 � � 修回日期: 2010- 10-27 作者简介:汪灿( 1987 � ) ,男,硕士研究生,主要研究方向为工程地质。E-mail: w an gcan _dd@ 163. com Study on Using SEM Photos to Obtain the Pore Parameters of Soil Samples WANG Can, LIU Yan-min, ZHU Yan-bo ( Faculty of Engineer ing , China Univer sity of Geosciences, Wuhan 430074, China ) Abstract: Scanning elect ron micr oscopy play s an increasing ly important role in analyzing the rock micro- st ructure, and how to obtain quant itat ive informat ion fr om the SEM photos is concerned by many scholars. The key to tw o-dimensional approach is the image segmentat ion, and thr ee-dimensional method is to use three-dimensional GIS o f digital elevat ion model to ex t ract the parameters. Bo th of them have some limita- t ions. U sing the SEM pho to s of the clay f rom Wangx ianling of Chenzhou City as an example, this paper i-l lustr ates how to use SEM photos to g ain por e parameter s w ith the above tw o methods and then compar es the r esults. T he results show that : T he po rosity parameters obtained by the commonly used tw o-dimen- sional and three-dimensional analysis are o ften too g reat ; for tw o-dimensional method, select ing appropriate segmentat ion threshold is the key, because a to o lar ge or to o smal l threshold w ill lead to lar ge err ors; and three-dimensional approach needs to consider the actual part icle shape instead of a simple three-dimensional pix el value in acco rdance w ith the elevat ion model. Key words: SEM photo; por e st ructure parameter; image segmentat ion; GIS 0 � 引 � 言 土的微观结构是其物质存在的基础,反映了土 的形式及存在状态。基于扫描电镜( SEM )技术的 土体微观结构研究是当前岩土工程中最有效、最直 接的方法。过去几十年在对岩土样品进行微观结构 分析中,获取了大量的 SEM 照片, 如何准确地提取 SEM 照片中包含的结构参数量化信息已经得到越 来越多研究者的关注 [ 1, 2]。 对于一张普通的 SEM 图像, 人们能获得的最 直观的信息主要是孔隙和土颗粒的形态结构特征。 对于土微观结构特征的定量分析方法目前主要有基 于图像处理技术的二维处理方法和基于 GIS 分析 的三维处理方法两种[ 3] 。二维方法能自主选择分割 阈值,通过合理的阈值选择使结果趋近真实的孔隙 度[ 4 ] ;三维方法由于借助了 GIS技术的数据分析处 理能力, 因而具有较高的分析率与精度。但不论是 哪种分析方法都或多或少地存在误差, 而对这些误 差产生的影响因素却鲜有研究。对此, 笔者通过对 第 18卷 � 第 3期 2 01 1年 � � 5月 � � � � � � � 安 全与 环境 工 程 Safety and Environmental Engineering � � � � � � Vol. 18 � No. 3 M ay � 2 011 二维处理方法和三维处理方法具体过程的阐述来分 析这些误差产生的原因并给出建议,以期对研究人 员通过 SEM 照片获取孔隙参数信息提供帮助。 1 � 土样孔隙参数的二维提取方法 1. 1 � 基本原理 在对图像的二维处理方法中, 图像分割是处理 与机器视觉的基本问题之一, 其任务是把图像划分 成互不交迭区域的集合。图像分割算法一般是基于 亮度值的两个基本特性之一: 不连续性和相似性。 第一个性质的应用途径是基于亮度的不连续变化分 割图像,比如图像的边缘;第二个性质的应用途径是 依据事先制定的准则将图像分割为相似的区域, 如 门限处理、区域生长、区域分离和聚合都是这类方 法[ 5]。由于土体 SEM 图像的特征, 后一个性质即 相似性原则可以将图像中的孔隙分离出来, 本研究 中选用灰度门限方法提取孔隙 [ 6~ 8]。 所谓的灰度门限法是指根据像素的灰度划分来 将其分类。若图像 f ( x , y ) 的灰度范围属于 [ z 1 , z 2 ] ,根据一定的经验及知识确定一个灰度的门 限值 k, 或者根据一定准则确定[ z 1 , z 2 ]的一个划分 Z1 , Z2 , 其中 Z1 代表目标, Z2 代表背景。即: 如果 f ( x , y )属于 Z1 , 则判断( x , y )像素属于目标; 如果 f ( x , y )属于 Z2 , 则判断( x , y )像素属于背景。 而 k 值可以通过多种算法获得,如双峰法、迭代 法、大津法、灰度拉伸法等,本研究采用的是大津法, 具体实现过程可见参考文献[ 7]。 1. 2 � 图像处理过程 1. 2. 1 � 图像的预处理 由于在获取图像的过程中受多种因素的影响,导 致图像中亮度不均匀, 或者是质量有所退化, 此外在 图像的下方还有一些系统附带的信息,这些都会影响 分析的结果。图像预处理的主要任务包括消除图像 亮度不均匀性和图像增强、剪切。为了消除这些影 响, 主要采用 MATLAB 中自带的有 Gamma 校正 ( imadjust函数实现)、中值滤波( medfilt2函数实现)、 图像剪切( imcrop函数实现)等图像处理方法。图 1 为图像经过预处理后的结果。 1. 2. 2 � 图像分割 图像分割是从图像预处理进入到图像分析的关 键步骤,利用 MATLAB 将上面提到的大津法进行程 序化,求取各图像的最佳分割门限即阈值,对图像进 行二值化分割处理,并通过数学形态学中的开运算和 闭运算删除二值化后图像中存在的一些孤立的单点, 图 1 � 经过预处理的图片 Fig. 1 � Pho to after pr ior handling 填补图像中的空穴,以保证颗粒或孔隙的结构准确 性。图 2为图 1经过分割并作数学运算后的图片。 图 2 � 经过图像分割后的图片 F ig . 2 � Photo after handling 2 � 岩样微观参数的三维提取方法 2. 1 � 基本原理 利用三维 GIS 分析孔隙性质由王宝君等[ 9] 提 出,该方法主要是利用微观结构图像中的三维信息 可通过图像的灰度值来表现这一理论, 因为不同的 灰度反映出电镜成像过程中反射能量平面(颗粒表 面)与成像表面之间的距离,虽然通过灰度表达的该 距离是一个近似值, 但该灰度值与距离之间存在一 种线性关系。因此,利用 GIS 中用于表达地面起伏 状态的数字高程模型研究岩样某一断面的表面形态 是完全可行的,同时模型高程数据存储形式与 SEM 图像的像素灰度数据的存储方式完全相同,故而就 可以利用 GIS 中的数字高程模型将 SEM 图像的像 素值以数字高程的形式表示来实现颗粒表面的三维 重建和可视化。 118� � � � � � � � � � � � � � � � � 安 全 与 环 境 工 程 � � � � � � � � � � � � � � 第 18 卷 Administrator 高亮 Administrator 高亮 Administrator 高亮 在可视化后的三维空间中,可以想象一个以二 维图像为底,以最大灰度值为高的长方体,在这个长 方体中,以分析区域的像素面积为底面积,各自的灰 度值为高度,所有这样以底面及高度占据的空间之 和被认为是颗粒的体积之和, 长方体中剩余的空间 被认为是孔隙的体积之和。然后可以根据 GIS 功 能中的三维分析模块求出岩样的孔隙参数。 2. 2 � 实现步骤 在计算机中 SEM 图像的尺寸是以像素大小来 量测的,高度则是以灰度值来表达,两者都不是真实 的量测数据,在创建三维表面模型后必然会产生比 例失调,在三维图像中出现大量陡峭的�山峰�,与实 际情况不符,因此在显示过程中需要调整纵横比例 尺。对于所选图像,显示比例尺系数可根据实际的 调试选取 0. 004, 此时可以较好地显示其三维图像。 图 3为根据以上原理三维化后的示意图像。然后通 过 GIS 功能中的三维数据分析模块求取三维化后 颗粒的总体积, 通过计算获得孔隙率。 图 3 � 灰度图像三维化效果图 Fig . 3 � 3D v isualization o f gr ay image 3 � 实例分析 3. 1 � 试样的制备 土微观结构试样制备的质量直接决定了扫描电 镜照片是否能够真实反映土的微观结构特征, 本研 究中的样品采用了冷冻真空干燥法进行土样的制 备,选用的土样为湖南省郴州市王仙岭的黏性土, 根 据取土位置及放大点位的不同分为( a) ( b)、( c) ( d)、 ( e) ( f ) 3组。 由于土体 SEM 照片孔隙性分析是一项系统工 程,所以将放大的倍数根据参考文献[ 10]的研究建 议确定为 1 000倍,图 4为 3组样品的 SEM 照片成 像图。 3. 2 � 孔隙率结果比较 按照前面所述的二维及三维的分析方法分别对 图4中的SEM 照片提取孔隙参数,结果见图5和表 1。 表 1� 几种方法孔隙率计算结果 Table 1 � Results of por osiy computat ion by three different methods 组别 图号 二维处理方法 三维处理方法 三相法 最佳分割 阈值 孔隙率/ % 平均值/ % 孔隙率/ % 平均值/ % 孔隙率/ % 1 ( a) ( b) 95 90 55. 69 62. 23 58. 96 62. 06 72. 06 67. 06 47. 55 2 ( c) ( d) 120 111 64. 00 59. 31 61. 66 68. 20 68. 91 68. 55 49. 29 3 ( e) ( f ) 113 113 60. 85 61. 67 61. 26 67. 91 72. 56 70. 24 51. 58 将二维、三维两种方法的计算结果进行比较可 以看出: 两种方法计算的相同 SEM 图像的孔隙率 存在一定的差别, 差距范围由最小的 4. 2%到最大 的 10. 89% ;总体上看,采用二维方法计算得到的孔 隙率小于三维方法获得的孔隙率, 但相对于由三相 法得到的孔隙率参数, 它们都太过偏大了,最大的计 算差竟达到了 20%, 这样的精度对于采用 SEM 图 像来分析土样的孔隙性质是远远不够的。 3. 3 � 孔隙率误差分析 注意到在二维方法中利用图像二值化来区分孔 隙和颗粒后的图 2, 在某些颗粒的中心部位由于同 119第 3 期 � � � � � � 汪 � 灿等: SEM 照片孔隙参数提取技术研究 � � � � � � 一表面的灰度值的差异, 导致某些颗粒中心部分被 误划为孔隙,也就是说这种机器分割的阈值会导致 孔隙面积增大、颗粒面积减小,最后导致计算的孔隙 率变大。可见二维处理方法中合理的阈值选择对于 提取接近更加真实的孔隙率是关键。图 6 为 ( e)图 像选取不同的阈值情况下孔隙率的变化情况。 图 6 � 阈值与孔隙率的关系曲线 F ig . 6 � Relationship between poro sity and thresho ld value 由图 6可以看出:阈值是一个非常重要的因素, 大的阈值可能导致定量分析结果比实际值偏大; 反 之,过小的阈值也可能导致结果偏小。因此, 在定量 提取过程中不能简单地把机器视觉上的最佳分割阈 值作为提取孔隙率的最佳阈值。 理论上三维方法由于不用像二维方法那样需要 选择阈值进行图像的二值化处理,其计算值应该更 接近真值,而通过图 5中孔隙率曲线的对比, 发现三 维方法计算的孔隙率结果更大。分析其原因认为: 除了参考文献[ 8]中提到的由于电镜扫描是对土样 的切片进行拍照而无法获得颗粒被遮挡的下半个表 面的形态,通过 GIS 创建的三维图像不能反映颗粒 和孔隙的真实形态这个原因外, 笔者认为在对三维 体积的计算过程中不能简单地通过用图片某点的像 素值来作为颗粒三维形态上的高度,这样重建的形 态相对于其真实的颗粒形态不可避免地被拉伸或者 压缩了,这也是造成孔隙率结果不准确的原因之一。 因此,在三维计算的过程中必须对这个高度进行一 定的增加或折减,图 7为对( e)图像进行不同程度的 图 7 � 高度因子与孔隙率的关系曲线 Fig . 7 � Relat ionship betw een por osity and high facto r 增加或折减后得到的孔隙率与高度因子的关系图。 由图 7可以看出: 高度因子从 0. 6 变化到 1. 6的过 程中孔隙率差值也达到了 17%, 可见高度因子对孔 隙率的影响很大, 而高度因子取值的决定因素是样 品颗粒的真实形态。 4 � 结 � 论 ( 1) 通过机器视觉分割所得的最佳阈值计算孔 隙率的二维方法以及不考虑颗粒的真实形态的三维 GIS方法计算孔隙率, 它们的计算结果都往往偏大, 所得结果的精度不能满足要求。 ( 2) 阈值的选取是一个非常重要的因素, 大的 阈值可能导致定量分析结果比实际值偏大;反之,过 小的阈值也可能导致结果偏小。在定量提取过程中 不能简单地把机器视觉上的最佳分割阈值作为提取 孔隙率的最佳阈值。 ( 3)利用 GIS 方法建立三维模型, 然后提取孔 隙性质参数的三维处理方法操作简单, 在理论模型 上也更加符合实际, 但在三维体积计算的过程中简 单地把某点的像素值作为其三维高度的做法使颗粒 存在被拉伸或压缩的情况,因此在计算过程中必须 要考虑真实颗粒的形态,选择好合理的高度因子。 参考文献: [ 1] 熊承仁,唐辉明,刘宝琛, 等.利用 SEM 照片获取土的孔隙结构 参数[ J] .地球科学, 2007, 32( 3) : 415- 419. [ 2] 毛灵涛,薛茹,安里千. M ATLAB在微观结构 SEM 图像定量分 析中的应用[ J ] . 电子显微学报, 2004, 23( 5) : 579- 583. [ 3] 张礼中,胡瑞林,李向全,等.土体微观结构定量分析系统及应用 [ J] .地质科技情报, 2008, 27( 1) : 108- 112. [ 4] 王宝军,施斌,刘志彬,等.基于 GIS 的黏性土微观结构的分形研 究[ J] .岩土工程学报, 2004, 26( 2) : 244- 247. [ 5] 朱珍德,渠文平,蒋志坚.岩石细观结构量化试验研究[ J ] .岩石 力学与工程学报, 2007, 26( 7) : 1 313- 1 324. [ 6] 朱习军,隋思涟,张宾, 等. MAT LAB在信号与图像处理中的应 用[ M ] .北京:电子工业出版社, 2009. [ 7] 孙兆林. M ATLAB 6. x 图像处理[ M ] .北京: 清华大学出版社, 2002. [ 8] 金克胜.昆明红土的固化特性及微观结构图像特征参数研究 [ D] .昆明:昆明理工大学,硕士学位论文, 2005. [ 9] 王宝军,施斌,蔡奕,等.基于 GIS 的黏性土 SEM 图像三维可视 化与孔隙度计算[ J ] .岩土力学, 2008, 29( 1) : 251- 255. [ 10]刘志彬.非饱和土中团聚体的组构与强度研究[ D] . 南京:南京 大学,博士学位论文, 2004. 120� � � � � � � � � � � � � � � � � 安 全 与 环 境 工 程 � � � � � � � � � � � � � � 第 18 卷