Двумерная корреляция цифровых изображений (2D DIC) с помощью NCORR (MATLAB): работа с высокоскоростными цифровыми изображениями

Аннотация

Корреляция цифровых изображений (DIC) — это бесконтактный метод характеризации, способный количественно определять полнопольную деформацию и напряжение. Этот процесс обычно включает тщательное размещение и наведение одной или нескольких цифровых камер относительно объекта, претерпевающего физические изменения. Записанные изображения затем импортируются в программное обеспечение DIC, которое использует алгоритмы кросс-корреляции для вычисления небольших локальных изменений на поверхности деформируемого материала. Эти небольшие изменения обычно представляются в виде дельта-пикселей и/или значений деформации (т. е. U, V, ɛxy). На сегодняшний день существует несколько мощных сторонних коммерческих программ и несколько пакетов с открытым исходным кодом. Во многих случаях, особенно в академических кругах и в условиях ограниченного бюджета, используются пакеты с открытым исходным кодом, созданные в таких средах, как MATLAB или Python. В этой краткой заметке обсуждаются некоторые ключевые критерии проектирования, которые следует учитывать при работе с высокоскоростными камерами в таких условиях, а также приводится краткое руководство по использованию NCORR (автор Джастин Блабер), представляющего собой графический интерфейс MATLAB, способный обрабатывать высокоскоростные цифровые изображения для выполнения анализа 2D DIC для расчета деформации и напряжения.

Экспериментальное проектирование

При проектировании высокоскоростного эксперимента DIC (будь то 2D или 3D) крайне важно, чтобы группы учитывали рекомендации, выдвинутые Международным обществом корреляции цифровых изображений (iDICs). Эти рекомендации определяют: требования к измерениям, необходимое оборудование и аппаратные средства, специфику паттерна DIC (спекл-структуры), процедуры подготовки к измерению, калибровку и проверку, предостережения при проведении экспериментов, а также некоторую информацию о программном обеспечении DIC и требованиях к отчетности.

Временная дискретизация и артефакты движения

Во время динамических событий, которые превосходят возможности характеризации потребительских камер (т. е. 30–60 кадров в секунду), требуются высокоскоростные камеры. Как правило, хорошей практикой является определение самой быстрой временной особенности в событии (если она известна) и обеспечение как минимум трех кадров для ее охвата, а затем увеличение частоты для улучшения временной четкости. В случае попадания шарика в блок баллистического желатина, если время от начального удара до рикошета составляет 1 мс, жизнеспособным предположением о минимальном межкадровом времени (dframe) и частоте кадров будет ~333 мкс и ~3 ккадр/с соответственно.

Еще одной критической настройкой является время экспозиции или выдержка. Она определяет, как долго каждый кадр собирает свет. Чем дольше период экспозиции, тем больше фотонов могут собрать пиксели за кадр, но ценой более высокой склонности к появлению артефактов размытия движения. Обратите внимание, что DIC основан на субпиксельных процедурах, и поэтому субпиксельные перемещения должны быть тщательно рассмотрены. Поэтому, как рекомендует iDICS, максимально допустимое движение испытуемого образца (в течение времени экспозиции) должно быть как минимум равно порогу шума. Чтобы дать вам представление, этот порог может составлять ~0,01 пикселя, для систем машинного зрения — 0,1–0,3 пикселя, а в некоторых динамических модальных тестах допускалось движение до 3 пикселей в течение периода экспозиции.

Наблюдаемое размытие движения (dblur) напрямую связано со скоростью объекта, длительностью времени экспозиции, полем зрения (FOV) и разрешением сенсора (SR). Размытие в движении можно рассчитать по следующему уравнению: Размытие в движении = Скорость объекта x Время экспозиции.

Нанесение паттерна / Спекл-структуры

Требования к паттерну: рекомендуется, чтобы размер элемента паттерна (т. е. размер спекла) охватывал 3–5 пикселей, так как элементы размером менее 3 пикселей рискуют подвергнуться алиасингу (наложению спектров), а области со спеклами крупнее 5 пикселей требуют больших подмножеств обработки (фасетов), что, в свою очередь, снижает пространственное разрешение смещений и деформаций. Плотность спеклов или элементов должна составлять около 50%, или 25–40%, если используются круглые спеклы. Паттерн должен быть достаточно рандомизирован, и если паттерну присуща локальная периодичность, алгоритм может не выдать точную корреляционную информацию. Контраст в идеале должен быть максимально высоким: черное на белом или белое на черном. Полезным инструментом для проверки того, находитесь ли вы в пределах «качества спеклов», является цифровое увеличение изображения и подсчет количества пикселей, которые пересекают спекл среднего размера.

Меры предосторожности при эксперименте

При разработке экспериментальной установки следует соблюдать осторожность, чтобы избежать всех источников вибрации, включая такие вещи, как свисающие кабели, работающие вентиляторы камеры во время измерения, нестабильность штатива, локальные кондиционеры или вентиляторы, компьютер, расположенный на том же столе, что и камера и/или испытуемый образец, и/или любые виды внешних вибраций, такие как ходьба во время записи. Что касается освещения, избегайте ярких пятен (бликов) от зеркального отражения, которые могут привести к неточным или нулевым данным. Этого можно избежать, используя надлежащее диффузное освещение и нерефлектирующую краску, например, матовую или меловую.

2D против 3D тестов

В целом, использование одной камеры предназначено для выполнения 2D-измерений, и в идеале деформации внутри испытуемого образца должны происходить преимущественно компланарно (в одной плоскости) с датчиком изображения или в фокальной плоскости. Если во время деформации наблюдается какая-либо степень внеплоскостного движения, это может внести значительный вклад в вычисленную 2D-деформацию и, таким образом, привести к неточностям. Представьте, что вы просто перемещаете образец к камере с обычным объективом или от нее: в свою очередь, паттерн объекта будет расширяться или сужаться соответственно, что обманет алгоритм. Чтобы противостоять этому, для уменьшения ошибок рекомендуется использовать двусторонний телецентрический объектив. Если телецентрический объектив не используется, рекомендуется использовать длиннофокусный объектив, чтобы максимально увеличить рабочее расстояние и свести к минимуму ошибки, вызванные внеплоскостным движением. В примере, использованном здесь, где шарик ударяется о баллистический желатин, неизбежно присутствует некоторая небольшая степень внеплоскостного движения. Чтобы справиться с этими проблемами, в конечном итоге требуются две или более камеры для создания набора 3D-данных. Формально этот процесс называется стереофотограмметрией.

Обработка высокоскоростных цифровых изображений через NCORR:

• Шаг 1. Сохраните записанное видео из PCC в папку в виде стека файлов Tiff-8 (рекомендуемое именование: Img_).

• Шаг 2. Выберите «File», а затем «Load a Tiff-8 Reference Frame» в NCORR, затем загрузите кадры для анализа (analysis frames).

• Шаг 3. Нарисуйте область интереса (ROI) — область, по которой будет проводиться анализ.

• Шаг 4. Определите радиус подмножества (Subset radius), расстояние между подмножествами (Subset spacing) и другие параметры DIC.

• Шаг 5. Установите «Seeds» (начальные точки), щелкнув по ROI. Поскольку это одна область анализа, количество Seeds = 1.

• Шаг 6. Прокрутите кадры, чтобы просмотреть эталонное подмножество (Reference Subset) и преобразованные текущие подмножества (Transformed Current Subsets).

• Шаг 7. Просмотрите выходные данные (деформация и/или напряжение). Здесь отображена деформация Эйлера-Альманси (ɛxy).

Заключение

Эта краткая техническая заметка служит обзором того, как выполнять 2D DIC на высокоскоростных изображениях. Как видно из этого примера набора данных и прохождения шагов, выполнить корреляцию цифровых изображений в 2D на высокоскоростных снимках в MATLAB с использованием NCORR довольно просто. Это обеспечивает быстрый способ расчета деформации, происходящей в плоскости x-y испытуемого образца. Если планируется принимать обоснованные решения на основе извлеченных данных анализа, настоятельно рекомендуется провести жесткие контрольные эксперименты для подтверждения этих измерений и учета ошибок, связанных с внеплоскостным движением.