Автоматизированные методы анализа изображений исследуют двухмерные сечения трехмерных образцов. Первая компьютерная система анализа изображений (или анализатор изображений) была создана в1968 г. компанией Baush & Lomb (США). Из-за несовершенства компьютерной техники того времени система позволяла захватывать только черно-белые изображения. Вскоре после этого цифровой анализатор Quantimet 720 был произведен компанией Imanco (Великобритания). Он обеспечивал оцифровку изображений в 64 градациях серого. Однако, оцифрованные изображения не могли быть сохранены или как-либо обработаны. В1974 г. радикальный прорыв в технологии совершила западногерманская фирма Leitz, представившая систему, которая была основана на принципах «текстурного анализа и математической морфологии».
В 1980-81 гг. западногерманская фирма Kontron и английская Cambridge Instruments (купившая компанию Imanco), каждая отдельно, создали анализаторы изображений с программным обеспечением. Эти системы обеспечивали хранение полноформатных изображений в памяти компьютера. Стала возможной разработка алгоритмов фильтрации изображений и некоторых других операций. С этого времени развитие анализаторов изображений пошло стремительными темпами. Постоянно совершенствовалась аппаратная часть анализаторов (системы ввода изображений, компьютеры) и программное обеспечение. Анализатор изображений сегодня – это автоматизированное компьютерное рабочее место, позволяющее специалисту выполнять задачи, которые казались нерешаемыми вчера или требовали огромных затрат сил и времени.
Полученное каким-либо способом изображение плоского сечения измеряется автоматически методами, аналогичными применяемыми для анализа сходных изображений в ручном методе. В первую очередь интересующий минерал диагностируется наиболее удобным способом среди сопутствующих ему минералов. Затем изображение готовится для анализа. Конечной целью такой подготовки является наиболее корректное выделение интересующей фазы.
Наиболее простым и часто использующимся методом выделения объектов является выделение по яркостным характеристикам. При использовании этого метода выделения объектов или фаз производится выбор всех точек изображения, попадающих в определенный интервал яркости. Такой отбор осуществляется по гистограмме яркости для данного изображения. Оцифрованное изображение представляет собой набор точек, яркость которых (для 8-битных изображений) лежит в интервале от 0 (абсолютно черный цвет) до 255 (абсолютно белый). Гистограмма яркости изображения показывает процентное содержание точек определенной яркости. Выделение объектов по яркости обычно производится методом установки пороговых значений яркости, и все точки изображения, лежащие в пределах данных значений, будут выделены на изображении как маски объектов, которые и будут затем измеряться.
Реже в минералогической практике используется выделение объектов по цвету (применяется для объектов с одинаковыми яркостными характеристиками, отличающимися по цвету), выделение по текстурным особенностям (объект распознается по внешним признакам или текстурным особенностям), наконец, ручное выделение объектов, когда пользователь системы указывает ей, что считать объектом, а что – нет.
В заключении проводится анализ изображения с определением интересующих параметров (содержание фазы, морфологические особенности частиц и т. д.). Морфологические параметры зерен можно анализировать как в полуавтоматическом, так и в автоматическом режиме. Для измерений в полуавтоматическом режиме не требуется выделять объекты изображения. Измеряя линейные размеры объекта или структуры, пользователь системы указывает на изображении начальную и конечную точку отрезка прямой или кривой линии, получая в таблице или непосредственно на изображении информацию о длине отрезка. Аналогичным образом осуществляется измерение углов или радиуса окружности. Простой подсчет объектов также может проводиться методом нанесения меток.
Наибольший интерес для специалиста, использующего анализатор изображений, представляют автоматические измерения выделенных объектов или фаз. Современный анализатор позволяет получить точную количественную информацию по десяткам и сотням объектов изображения за доли секунды, что далеко превосходит возможности человека. Предлагаемый разными фирмами-производителями набор параметров варьирует, однако, в любом случае измеряемые параметры могут быть сгруппированы следующим образом:
- площадные;
- размерные (линейные);
- описывающие форму;
- характеризующие положение и ориентацию объектов;
- денситометрические или оптические.
В настоящее время на рынке присутствует множество программных продуктов для анализа изображений. К наиболее известным фирмам, системы которых широко используются, относятся:
- Leica Microsystems (www.leica-microsystems.com, Германия), производящая универсальные и специализированные системы для различных применений;
- Leco (www.leco.com, США) и Buehler (www.buehler.com, США) – компании ориентированные на материаловедение и металлографию;
- Media Cyberneics (www.mediacy.com, США), фирму, которую можно назвать лидером в данной области, с ее продуктом Image Pro;
- Clemex (www.clemex.com, Канада), специализирующаяся, главным образом, на программном обеспечении для анализа изображений в применении к решению материаловедческих задач;
- Noesis (www.noesis.fr, Франция), предлагающая универсальное программное обеспечение для анализа изображений.
Из российских разработчиков известна компания ВидеоТест (http://www.videotest.ru/), занимающаяся разработкой программ анализа изображения, в том числе и в области материаловедения.
Помимо коммерческих систем можно найти и свободно распространяемые программные пакеты, которые, возможно, уступают в функциональности, но также могут быть использованы. Например, программа ImageTool (http://ddsdx.uthscsa.edu/dig/itdesc.html).
Приведенные ниже примеры базируются на анализе арсенопиритовой руды с помощью программы ImageTool. На подготовленном изображении арсенопирит выделен черным цветом, нерудный цемент – белый. Подсчет черных и белых пикселей привел к следующим результатам: арсенопирит – 72.77 площадных %, нерудная фаза – 27.23 % (рис. 7.7).
Рис. 7.7. Анализ содержаний арсенопирита (черный) с помощью программы ImageTool.
Программа ImageTool позволяет определять различные геометрические характеристики – площадь (Area, S), периметр (Perimeter, P), длина большой оси (Major axis, amax), длина малой оси (Minor axis, amin), приближенность к кругу (Roundness), удлиненность (Elongation), компактность (Compactness).
Приближенность к кругу (Roundness) рассчитывается как 4pS/P2. Результат варьирует от 0 до 1 (круг имеет коэффициент 1).
Удлиненность (Elongation) – отношение длин большой и малой осей amax/amin. Результат варьирует от 0 до 1. Если коэффициент равен 1, то объект круглый или квадратный (изометричный). При уменьшении коэффициента, он становится более удлиненным.
Ферет диаметр (Feret diameter) – диаметр круга, имеющего ту же площадь, что и объект. Расчитывается как Ö(4S/p).
Компактность (Compactness) – рассчитывается как Ö(4S/p)/amax. Также характеризует приближенность к кругу и варьирует от 0 до 1. Чем менее округлый объект, тем меньше единицы компактность.
Длина большой оси – длина самой длинной линии, которую можно провести на объекте.
Длина малой оси – длина линии, которую можно провести на объекте перпендикулярно большой оси.
Определение морфологических параметров зерен можно осуществлять как в полуавтоматическом, так и автоматическом режиме.
После того, как измерения проведены, становится возможной статистическая обработка результатов анализа, а также при необходимости классификация объектов по любому из измеренных признаков или комплексу признаков. Анализ морфологических особенностей той же арсенопиритовой руды позволяет выделить на рассматриваемом снимке 365 частиц, провести полный морфологический анализ и рассчитать статистику измерений (рис. 7.8).
Рис. 7.8. Результаты анализа морфологии частиц арсенопирита в программе ImageTool.
Также с помощью программы ImageTool возможно получение оптических характеристик объекта. Следующий пример демонстрирует оценку отражательной способности кервеллеита из месторождения Мургул, Турция (рис. 7.9). Процедура измерения должна предваряться градуировкой изображения по оптической плотности. Яркость каждого пикселя оцифрованного изображения варьирует от 0 до 255. Градуировка, в сущности, сводится к приведению имеющихся значений яркости к 100 %. Для этого используются минералы с известной отражательной способностью. В рассматриваемом случае, это пирит (R 53 %), халькопирит (R 48 %) и галенит (R 43 %). Далее можно проводить измерения, например, построив гистограмму яркости. Изучаемый кервеллеит характеризуется отражательной способностью, равной 41 %. Приведенный способ измерений конечно же не заменяет микрофотометрирование (см. главу 7.2), но может успешно служить для первичной экспрессной оценки.
Рис. 7.9. Оценка отражательной способности кервеллеита с помощью программы ImageTool.