Page 218 - КЛАСИФІКАЦІЯ ЛОКАЛІЗОВАНИХ ДЕФЕКТІВ ЗВАРНИХ ШВІВ НА РЕНТГЕНІВСЬКИХ ЗОБРАЖЕННЯХ ТРУБ

218

з R приблизно 10 µm. Зменшення шорсткості методом шліфування поверхні
a
спричиняє затирання пор та втрату інформації про стан поверхні.

Оскільки оксидокерамічні покриви на магнієвих сплавах прозорі, мають

білий або сіруватий колір, використання фотографій, зроблених за методом

світлого поля, зумовить великий перепад інтенсивностей у зображенні, що

негативно вплине на якість аналізу. Освітлення зразка за методом темного поля

дає можливість отримати чіткішу інформацію про пори на поверхні.

Відомо [255], що об’єктиви мікроскопів мають як хроматичні, так і

сферичні аберації внаслідок проходження променів через об’єктив мікроскопа,

які призводять до розмиття зображення. Корегують ці аберації як додатковими

лінзами в об’єктиві, так і окулярами та обмежувальними діафрагмами. У

мікроскопі ЕС МЕТАМ РВ-21 відеокамера стоїть на місці окуляра, через що

зростає вплив аберацій і втрачається чіткість зображення. Для зменшення

негативного впливу аберацій аналізували центральну зону зображення.

Для застосування розроблених методів обробки оптичних зображень покрив

досліджували мікрофотографії цього ж зразка, отримані на сканівному

електронному мікроскопі EVO-40XVP за збільшення в 100 та 300 разів.

Для локалізації та сегментації пор на зображеннях зразків, отриманих за

допомогою оптичного мікроскопа, запропоновано алгоритм, який
використовує багатомасштабну функцію інформативності для локалізації

об'єктів та подальшої сегментації виділеної області [280]. Області уваги
вибирають за допомогою локальної функції зображення, що набуває більших

значень в точках, що належать об'єкту, ніж у точках фону. Розглянемо область
об'єкта O(i, j), яка є структурним елементом круглої форми, з центром в точці

(i, j) і область B(i, j), яка є фоном навколо об'єкта. Спочатку для кожного вікна

обчислюємо робастні оцінки функції інтенсивності зображення області об'єкту

G O k , (i ) j та фону G B k , (i ) j для всіх значень параметра масштабу k. Для

зменшення обчислювальної складності вибрали кусково-сталу модель функції

інтенсивності зображення. Робастну оцінку інтенсивності  для області, що