蒸压加气混凝土孔结构特征提取

蒸压加气混凝土孔结构特征提取

气泡混凝土是一种多孔混凝土。它的主要成分是由发气剂产生的气泡破裂引起的孔，这决定了气混凝土的最佳优点。由于加气混凝土的多孔性,它还是一种优良的保温隔热材料。在我国,加气混凝土最初只是作为一种可供选择的新型墙体材料。近年来,随着全球对节能减排和生态保护的不断重视,人们逐渐认识到加气混凝土在节能、节材、工业固体废弃物利用等方面也有优异表现,因此,对加气混凝土的研究逐渐受到关注。多孔性是蒸压加气混凝土最主要的特征,其强度、抗碳化性、收缩性、导热性、吸水性均很大程度受孔隙率和孔分布等孔结构特征的影响。加气混凝土的孔包括宏观孔和微观孔。这种典型多孔材料的孔结构特征对加气混凝土的性能非常重要。因此,如何表征蒸压加气混凝土的孔特征对于深入研究其性能具有重大的基础意义。传统测试和表征孔特征的方法(如渗透法、压汞法等)在表征微观孔方面有良好表现,但对于宏观大孔却不是很合适,因为采用这些方法检测的最大孔径通常比较小,而且很多方法也只能检测贯通孔,而加气混凝土中有大量孔径为1～2mm的非连通孔。随着计算机技术的不断进步和普及,图像分析法在许多研究领域得到了应用,在水泥混凝土材料领域,已在裂缝(裂缝大小、裂缝分布及扩展趋势)、集料(数量、级配、分布均匀性及粗糙度)、胶凝填充效果(填充度及包裹度)及界面结构(过渡区及水化度)等方面发挥了重要作用,也为多孔材料孔结构的研究提供了新的研究手段。近年来,国内已相继有采用图像分析法研究多孔材料孔结构的报道,并取得了较好的效果。然而采用图像分析法表征研究蒸压加气混凝土这种典型多孔材料的孔结构,国内外均尚未见相关报道。尽管文献采用体式显微镜对加气混凝土的孔结构进行了描述,但仍未获得加气混凝土的孔隙率、孔径等重要参数。为此,本研究采用数码相机采集图像,提出一种基于Matlab的图像分析方法来表征加气混凝土的孔特征。Matlab是MathWorks公司推出的一套高性能数值计算和可视化软件。Matlab具有可以实现矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其它编程语言的程序等功能,主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。图像处理工具箱(Imageprocessingtoolbox,IPT)是在Matlab环境下开发的众多工具箱之一,以数字图像理论为基础,用Matlab语言构造出一系列用于图像数据显示与处理的M函数。本研究采用Matlab提供的图像处理功能,通过对加气混凝土宏观断面照片进行数据存取和处理,实现对加气混凝土宏观孔孔隙率、孔径等参数的表征。1图像的获取和处理1.1图像数据转化为灰图取一块蒸压加气混凝土大砌块(240mm×200mm×600mm),在其上截取截面为100mm×100mm、厚度约为30mm的小方块。固定数码相机(CCD摄像头)和蒸压加气混凝土小方块的位置,对其截面拍照,获得砌块截面照片,如图1所示。相机规格和型号为:SONYDSC-W200,1200万像素,水平和垂直分辨率均为72dpi。图1的整体尺寸为4000pixel×3000pixel,因此图像数据很大,导致程序运行时间变长。为便于阐述,将图1放大并截取一个小矩形部分代替整个试块,如图2所示。由图2可以看出,孔分布较均匀,但其尺寸不均匀。利用Matlab将加气混凝土砌块断面的数码照片图像信息储存于矩阵中。但是断面数码照片为RGB图像,即每个像素需要用3个字节来存储三基色,图像分析难度大,且数据量大。而如果将图像信息以灰度形式存储,则每个像素点的图像信息只需要1个字节即可储存,另外人眼对灰度的识别能力为20～60级,故采用灰度存储既符合计算机的存储习惯,又保持了人眼的分辨能力,同时提高了孔与孔壁的数值差异。因此,将图2转化为灰度照片。图3为图2的灰度照片及其某一局部对应的灰度值。1.2增加图像对比数码相机的噪音主要是指CCD(Chargecoupleddevice)将光线作为接收信号并输出的过程中所产生的图像中的粗糙部分。图像缩小后这种图像噪音看不出来,而将图像放大后,就会显示出本来没有的颜色(假色)——图像的噪声。本研究选择一种较常用的去除噪声的方法——中值滤波器。中值滤波器是一种平滑滤波,在一定条件下可以克服线性滤波等所带来的图像细节模糊问题,对过滤脉冲干扰及图像扫描噪声非常有效。图4为对图3进行中值滤波去噪声后的图像。由于拍摄角度及光线照射角度的差异,所得图形的灰度值往往容易集中在某一个区域。为了增强视觉差异,以得到对于具体应用视觉效果更“好”、更“有用”的图像,需增加图像的对比度。图像的直方图为数字图像中每一个灰度级与该灰度出现频率的统计关系,可以通过改变直方图的形状来达到增加图像对比度的效果。为此,对图4进行直方图均衡化处理,处理前后的对比结果如图5所示。从图5(a)中可以看出,处理前直方图的组成部分集中在灰度级高(亮)的一侧,即对比度小;而图5(b)中图像直方图的成分覆盖了灰度级很宽的范围,则图像有高的对比度和多变的灰度色调。因此,通过改变直方图的形状,图像的对比度效果得到了增强。常用的增加对比度的方法有直方图均衡化和直方图规定化。直方图均衡化的优点是能自动增加整个图像的对比度,但其增强效果不易控制,因此本研究选择更灵活的直方图规定化。1.3阈值选择方法经过上述处理的矩阵已经可以较好地描述和区分气孔和孔壁。为了更直观地观察分析数据结果,进一步对图像进行二值化处理。二值化常用的方法是选择一个阈值θ,通过设置阈值,把像素点按灰度级分成若干类,从而实现图像分割。二值化的基本原理如下:设原始图像为f(x,y),首先用某一方法在f(x,y)中找出一个灰度值T作为阈值,将图像分割为两部分,即把大于等于该阈值的像素点的值置成1,小于该阈值的像素点的值置成0。阈值计算后的图像为二值图像g(x,y):g(x,y)={1f(x,y)≥T0f(x,y)＜Tg(x,y)={1f(x,y)≥Τ0f(x,y)＜ΤMatlab中阈值选择有人工选择法和自动选择法。本研究选择无需人为介入的自动选择法,而其中较常用的是简单且处理速度快的Otsu法。该方法先调用Graythresh,自动计算一个适当的阈值;然后调用im2bw,使用该阈值进行处理,将灰度图像转换成二值图像。图像二值化就是把图像中的像素根据一定的标准分为2种颜色。二值化后的图像如图6所示,颗粒值为0,黑色,代表非孔;背景值为1,白色,代表孔。为了更直观地观察断面,将矩阵信息导入到Excel文件中,并用背景色将孔的颜色标识出来,如图7所示。2结果与讨论2.1加压混凝土的孔径得到图像信息并导入Excel后,通过自编的程序计算其统计属性(个数和面积)。其结果为:气孔1041个,气孔总面积13582pixel,宏观气孔孔隙率27%。需要说明的是,孔的特征参数中有一个重要指标——孔径。本研究并未给出加气混凝土的孔径及其分布特征,这是因为从图6和图7中可看出,加气混凝土的孔并不是规则的圆形孔,将其换算成孔径存在一定的难度,因此,本研究以孔面积来反映孔的尺寸。图8(a)为不同孔面积的孔个数,图8(b)为不同孔面积的孔个数占总孔个数的比例。图8可以近似地理解为加气混凝土的孔分布特征图,可以看出该加气混凝土样品中小孔的数量最多。图9为不同孔面积的孔占总孔面积的比例,即不同尺寸的孔对总孔隙率的贡献程度。从图9中可以看出,不同尺寸的孔对孔隙率的贡献并没有明显的规律,1～60pixel的孔对孔隙率的贡献最显著。2.2图像结构的表征一般认为加气混凝土中孔径在50～500μm内为宏观孔(普通砂浆中孔径大于5μm的孔为大孔),孔径在50nm～50μm内为宏观毛细孔,孔径在50nm及以下为微观毛细孔。那么采用数码相机拍摄的图像进行图像分析的方法能表征多大范围内的孔结构呢?可做以下估算:对于图1,可以算出该试块的平均边长为2765pixel,又已知砌块加工时实际的边长为100mm,所以图1中任一像素代表的实际大小为100/2765=0.0362mm。本研究采用1200万像素相机拍摄的图片,理论上能表征最小孔径为36μm的孔。可见,采用此方法表征加气混凝土的宏观孔是可行的,同时也说明采用更高像素的相机也可能提高结果的精度。2.3加重混凝土的真实孔隙率测试结果表明样品的孔隙率为27%,然而加气混凝土的真实孔隙率远不止这么小。将样品磨细后采用李氏密度瓶法测试样品的真实密度,得到样品的孔隙率为68%。可见,采用本方法得到的孔隙率与真实孔隙率还存在很大差距。这些误差主要来源于以下2个方面。首先,采用本方法表征的是数码相机“看得见”的孔,即孔径在36μm以上的宏观孔,而加气混凝土的真实孔隙率中还包含了数码相机“看不见”的小孔。其次,由于拍摄角度及光线照射等因素的影响,获得的图像中有些孔与孔壁的对比度不是很高,甚至有些孔的灰度值比非孔的还小。从加气混凝土的SEM相片更能反映这一点,图10中方框标记处能明显看出孔内的亮度比孔外还大。因此,程序识别出的孔隙率结果肯定比实际情况小。上述分析表明,提高分析准确性的关键在于增加图片中孔和非孔的区别。为此,可以采取以下3种方法可以进行改进:一是对程序的改进,提高程序的分辨能力;二是采取措施避免拍摄角度及光线照射等因素的影响,保证孔和非孔的灰度层次;更重要的一种方法是拍摄前对样品进行处理,事先人为增加孔和非孔的对比度。为此采取以下方法对样品的处理进行了尝试:在平整橡胶垫上涂一层薄的黑色墨水,然后把砌块压在上面对砌块截面的孔壁进行人工抹黑,人为地增加孔与孔壁的对比度,如图11所示;之后采用上述孔结构表征方法进行孔结构分析,获得的孔隙率结果为50.4%。由此可见,与未经处理的样品相比,经处理后分析的误差大幅减小。2.4图像分析方法的应用采用数码相机(CCD摄像头)采集图像的图像分析方法,其最大的优点在于所使用的设备和软件都是非常普遍并且容易获得的,因此分析和表征成本非常低。然而,它的缺陷也非常明显,即容易出现图像颜色失真及边界模糊化,从而使分析的精确性不足,这是采用光学摄像头和显微镜进行图像分析的通病。因此,图像分析法适合于蒸压加气混凝土生产过程中对孔结构的控制等精确度要求不高的场合。实际上采用蒸压加气混凝土的SEM相片也可以进行孔结构的图像分析和表征,但同样也存在方法上的缺陷:首先,SEM相片也存在图像颜色失真及边界模糊化的问题,这可从图10中看出;其次,SEM相片的拍摄区域较小,而蒸压加气混凝土的孔通常又较大,因此拍摄处孔结构特征的代表性不是非常充足。总的来说,采用数码相机采集图像,并采取基于Matlab的图像分析法对蒸压加气混凝土的孔结构进行分析是一次初步的尝试,为蒸压加气混凝土宏观孔结构的表征提供了一种新方法。然而,对于如何提高该方法分析的准确性,还需要从程序改进、相片拍摄技巧以及样品准备与处理等方面进行摸索和研究,其中,如何对样品进行处理以获得孔和非孔区别明显的图片是获得准确结果的关键。3孔结构表征分析方法(1)采用数码相机获得加气混凝土的截面相片,采取基于Matlab的图像分析法可以对蒸压加气混凝土的孔结构进行初步的