本發(fā)明屬于曲面自動識別及曲面結(jié)構(gòu)參數(shù)智能提取技術(shù)領(lǐng)域，尤其涉及一種基于三維數(shù)字圖像的曲面自動識別及中軸骨架提取方法。

背景技術(shù)：

曲面結(jié)構(gòu)形態(tài)廣泛存在于自然界以及我們的生活中，不管是巖石裂縫、斷層構(gòu)造、動植物生理結(jié)構(gòu)等自然曲面結(jié)構(gòu)，還是機(jī)械設(shè)備、材料工藝、建筑造型等人工曲面設(shè)計(jì)。在滲流力學(xué)、材料力學(xué)、地質(zhì)勘探等多個研究領(lǐng)域中，都有著對曲面結(jié)構(gòu)進(jìn)行智能識別、精細(xì)描述、參數(shù)測量、結(jié)構(gòu)處理等研究需求。早期階段，曲面結(jié)構(gòu)處理主要采用人工識別和手動測量的方式，造成工作量大，工作周期長，主觀性強(qiáng)且結(jié)果無法反復(fù)驗(yàn)證等缺點(diǎn)。并且不能無損處理一些無法直接觀測的內(nèi)部結(jié)構(gòu)。隨著高精度成像技術(shù)以及圖像處理技術(shù)的革新，曲面結(jié)構(gòu)的自動化處理經(jīng)歷了從二維圖像分析到三維數(shù)據(jù)體解釋的飛速發(fā)展過程，但仍然存在著諸多難題需要解決，這就使得曲面結(jié)構(gòu)智能識別及結(jié)構(gòu)參數(shù)測量仍然是一個重難點(diǎn)，也是一個十分重要的攻關(guān)領(lǐng)域。

對于不具有面狀特征的常規(guī)三維空間形態(tài)，國內(nèi)外學(xué)者提出了一種基于三維空間拓?fù)浣Y(jié)構(gòu)特征的中軸線骨架識別以及結(jié)構(gòu)參數(shù)測量方法，以單像素曲線表征三維空間結(jié)構(gòu)的拓?fù)湫再|(zhì)，進(jìn)而進(jìn)行非接觸式的智能結(jié)構(gòu)參數(shù)測量，這種技術(shù)在數(shù)字巖心、孔隙網(wǎng)絡(luò)模型等領(lǐng)域普遍應(yīng)用并取得了很好的效果。但不能準(zhǔn)確識別及表征空間結(jié)構(gòu)的面狀特征，無法處理曲面結(jié)構(gòu)形態(tài)。

技術(shù)實(shí)現(xiàn)要素：

為解決上述問題，本發(fā)明采用以下技術(shù)方案實(shí)現(xiàn)：

一種基于三維數(shù)字圖像的曲面自動識別以及曲面結(jié)構(gòu)參數(shù)智能提取方法，提出“特征點(diǎn)化”的曲面自動識別方法，將含曲面的數(shù)據(jù)體空間點(diǎn)分為曲面骨架點(diǎn)、曲線骨架點(diǎn)以及簡單點(diǎn)，曲面骨架點(diǎn)與曲線骨架點(diǎn)共同構(gòu)成中軸骨架，簡單點(diǎn)為對中軸骨架無貢獻(xiàn)的無效點(diǎn)。其中，依據(jù)面狀結(jié)構(gòu)的拓?fù)浣Y(jié)構(gòu)特征又將曲面骨架點(diǎn)分為面點(diǎn)、邊緣點(diǎn)。分類分步識別中軸骨架，精細(xì)描述三維數(shù)字圖像的拓?fù)浣Y(jié)構(gòu)特征，智能測量曲面結(jié)構(gòu)參數(shù)。

一種基于三維數(shù)字圖像的曲面自動識別以及曲面結(jié)構(gòu)參數(shù)智能提取方法包括以下步驟：

s1.利用高精度掃描設(shè)備(如ct、fib-sem等)對樣品進(jìn)行掃描，獲取包含樣品結(jié)構(gòu)信息的三維數(shù)字圖像數(shù)據(jù)體；

s2.將步驟s1中的三維數(shù)字圖像數(shù)據(jù)進(jìn)行數(shù)據(jù)二值化，分離目標(biāo)區(qū)域?qū)?yīng)的所有空間點(diǎn)，標(biāo)記為目標(biāo)點(diǎn)，并賦值1，其余背景區(qū)域標(biāo)記為背景點(diǎn)或噪聲點(diǎn)，賦值0，得到只包含0,1的二值數(shù)據(jù)體；

s3.利用基于三維空間鄰居關(guān)系的歐式距離變換方法，對步驟s2中得到的二值數(shù)據(jù)體進(jìn)行三維距離測度處理，依照歐式距離大小確定數(shù)據(jù)掃描順序；距離測度步驟如下：

s31.設(shè)定基于三維空間鄰居域的計(jì)算游標(biāo)；

s32.利用三維計(jì)算游標(biāo)依照由面到體的掃描順序遍歷所有目標(biāo)點(diǎn)，計(jì)算數(shù)據(jù)體的歐氏距離數(shù)據(jù)。

s4.利用基于三維空間拓?fù)浣Y(jié)構(gòu)參數(shù)的面狀特征識別方法，按順序掃描識別數(shù)字圖像中具有面狀特征的區(qū)域，提取表征曲面拓?fù)浣Y(jié)構(gòu)特征的曲面骨架面點(diǎn)，具體步驟如下：

s41.計(jì)算步驟s2得到的二值數(shù)據(jù)體中所有目標(biāo)點(diǎn)的拓?fù)浣Y(jié)構(gòu)特征參數(shù)數(shù)值；

s42.判斷具有面狀特征的區(qū)域，并提取表征曲面拓?fù)浣Y(jié)構(gòu)的中軸骨架面點(diǎn)；

s43.整合得到曲面部分的曲面面點(diǎn)骨架。

s5.基于三維空間鄰居關(guān)系，基于步驟s4得到的曲面面點(diǎn)集合，判斷步驟s2得到的二值數(shù)據(jù)體中的所有曲面邊緣點(diǎn)，提取邊緣點(diǎn)，刻畫曲面區(qū)域輪廓；

s6.利用基于三維空間拓?fù)浣Y(jié)構(gòu)參數(shù)的簡單點(diǎn)識別方法，掃描識別并剔除數(shù)據(jù)體中的所有簡單點(diǎn)；

s7.對初始中軸骨架進(jìn)行優(yōu)化，僅保留對樣品拓?fù)浣Y(jié)構(gòu)特征做有效貢獻(xiàn)的中軸骨架點(diǎn)，得到表征三維數(shù)字圖像拓?fù)浣Y(jié)構(gòu)特征，且厚度僅為一個像素點(diǎn)的中軸骨架數(shù)據(jù)體；

s8.對步驟s7中的中軸骨架數(shù)據(jù)體進(jìn)行智能測量，獲取三維數(shù)字圖像的拓?fù)浣Y(jié)構(gòu)參數(shù)(如：曲面輪廓、曲面折角、曲面厚度變化等)。

本發(fā)明的優(yōu)勢是：本發(fā)明基于三維數(shù)字圖像的空間拓?fù)浣Y(jié)構(gòu)性質(zhì)，自動區(qū)分曲面空間以及線性空間，構(gòu)建含曲面三維空間結(jié)構(gòu)的中軸骨架結(jié)構(gòu)，進(jìn)而智能測量曲面結(jié)構(gòu)參數(shù)。工作周期短，可重復(fù)，測量準(zhǔn)確，同時采用大數(shù)據(jù)處理算法，使本發(fā)明的實(shí)現(xiàn)更方便高效。

附圖說明

圖1是本發(fā)明的一種基于三維數(shù)字圖像的曲面自動識別以及曲面結(jié)構(gòu)參數(shù)智能提取方法流程示意圖。

圖2是本發(fā)明對一塊簡單三維曲面數(shù)據(jù)的應(yīng)用實(shí)例圖，左圖為原始數(shù)據(jù)體，右圖為提取的中心曲面體。

圖3是本發(fā)明對一塊簡單中空圓柱曲面數(shù)據(jù)的應(yīng)用實(shí)例圖，左圖為原始數(shù)據(jù)體，右圖為提取的中心曲面體。

圖4是本發(fā)明對一塊含有曲面裂縫的巖石成像數(shù)據(jù)進(jìn)行中心曲面提取的應(yīng)用實(shí)例圖，左圖為原始數(shù)據(jù)體，右圖為提取的中心曲面體。

圖5是本發(fā)明對圖4所述數(shù)據(jù)體骨架提取工作的局部放大圖，可見裂縫中心面及與基質(zhì)真實(shí)連接的邊緣點(diǎn)集。圖中，面狀為中心曲面骨架，線狀為中軸曲線骨架。

圖6是本發(fā)明對一塊富含曲面的多孔介質(zhì)成像數(shù)據(jù)進(jìn)行曲面自動識別以及中心曲面提取、中軸骨架構(gòu)建的應(yīng)用實(shí)例圖。圖中，面狀為曲面骨架，線狀為中軸曲線骨架。

具體實(shí)施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。

如圖1所示，為本發(fā)明的一種基于三維數(shù)字圖像的曲面自動識別及曲面結(jié)構(gòu)參數(shù)智能提取方法流程示意圖。一種基于三維數(shù)字圖像的曲面自動識別及曲面結(jié)構(gòu)參數(shù)智能提取方法，其特征在于，包括以下步驟：

s1.利用高精度掃描設(shè)備(如ct、fib-sem等)對樣品進(jìn)行掃描，獲取包含樣品結(jié)構(gòu)信息的三維數(shù)字圖像數(shù)據(jù)體；

s2.將步驟s1中的三維數(shù)字圖像數(shù)據(jù)進(jìn)行數(shù)據(jù)二值化，分離目標(biāo)區(qū)域?qū)?yīng)的所有空間點(diǎn)，標(biāo)記為目標(biāo)點(diǎn)，并賦值1，其余背景區(qū)域標(biāo)記為背景點(diǎn)或噪聲點(diǎn)，賦值0，得到只包含0,1的二值數(shù)據(jù)體；

s3.利用基于三維空間鄰居關(guān)系的歐式距離變換方法，對步驟s2中得到的二值數(shù)據(jù)體進(jìn)行三維距離測度處理，依照歐式距離大小確定數(shù)據(jù)掃描順序；距離測度步驟如下：

s31.設(shè)定基于三維空間鄰居域的計(jì)算游標(biāo)；

s32.利用三維計(jì)算游標(biāo)依照由面到體的掃描順序遍歷所有目標(biāo)點(diǎn)，計(jì)算數(shù)據(jù)體的歐氏距離數(shù)據(jù)。

s4.利用基于三維空間拓?fù)浣Y(jié)構(gòu)參數(shù)的面狀特征識別方法，按順序掃描識別數(shù)字圖像中具有面狀特征的區(qū)域，提取表征曲面拓?fù)浣Y(jié)構(gòu)特征的曲面骨架面點(diǎn)，具體步驟如下：

s41.計(jì)算步驟s2得到的二值數(shù)據(jù)體中所有目標(biāo)點(diǎn)的拓?fù)浣Y(jié)構(gòu)特征參數(shù)數(shù)值；

s42.判斷具有面狀特征的區(qū)域，并提取表征曲面拓?fù)浣Y(jié)構(gòu)的中軸骨架面點(diǎn)；

s43.整合得到曲面部分的曲面面點(diǎn)骨架。

s5.基于三維空間鄰居關(guān)系，基于步驟s4得到的曲面面點(diǎn)集合，判斷步驟s2得到的二值數(shù)據(jù)體中的所有曲面邊緣點(diǎn)，提取邊緣點(diǎn)，刻畫曲面區(qū)域輪廓；

s6.利用基于三維空間拓?fù)浣Y(jié)構(gòu)參數(shù)的簡單點(diǎn)識別方法，掃描識別并剔除數(shù)據(jù)體中的所有簡單點(diǎn)；

s7.對初始中軸骨架進(jìn)行優(yōu)化，僅保留對樣品拓?fù)浣Y(jié)構(gòu)特征做有效貢獻(xiàn)的中軸骨架點(diǎn)，得到表征三維數(shù)字圖像拓?fù)浣Y(jié)構(gòu)特征，且厚度僅為一個像素點(diǎn)的中軸骨架數(shù)據(jù)體；

s8.對步驟s7中的中軸骨架數(shù)據(jù)體進(jìn)行智能測量，獲取三維數(shù)字圖像的拓?fù)浣Y(jié)構(gòu)參數(shù)(如：曲面輪廓、曲面折角、曲面厚度變化等)。

圖4是本發(fā)明對一塊含有曲面裂縫的巖石成像數(shù)據(jù)進(jìn)行中心曲面提取的應(yīng)用實(shí)例圖，左圖為原始數(shù)據(jù)體，右圖為提取的中心曲面體。

圖5是本發(fā)明對圖4所述數(shù)據(jù)體骨架提取工作的局部放大圖，可見裂縫中心面及與基質(zhì)真實(shí)連接的邊緣點(diǎn)集。圖中，面狀為中心曲面骨架，線狀為中軸曲線骨架。

上述說明僅用于解釋本發(fā)明的原理，應(yīng)被理解為本發(fā)明的保護(hù)范圍并不局限于這樣的特別陳述和實(shí)施例。本領(lǐng)域的普通技術(shù)人員可以根據(jù)本發(fā)明公開的這些技術(shù)啟示做出各種不脫離本發(fā)明實(shí)質(zhì)的其它各種具體變形和組合，這些變形和組合仍然在本發(fā)明的保護(hù)范圍內(nèi)。