一川
(3-1)3.4計算時間の短縮
3.4.1組織の特徴抽出(高速化・1)
光学顕微銑也織から作成した画像データは、368 x304画素で構成されている。第2章で、
画像データの画素と計算格子点をl対lに対応させ、各画素の輝度に応じた熱拡散率を計算 格子に代入して数値シミュレーションを行うことにより、系且織と正しく対応した温度分布を 得ることに成功し、 この温度分布から試料の有効熱拡散率の推定を行ったO これは画像デー タの画素数が、 そのまま計算格子点数になることを意味する。 計算格子点の数が多いほど試 料内部の温度分布を正確に見積もることが可能であるが、 その反面試料全体にわたって十分 な温度上昇を得るためには非常に多くの計算時間を必要とする。 そこで画像データの縮小を 組織の特徴抽出結果を利用して行い、 計算格子数を減少させた。 試料の約300倍の光学顕微 鋭也織から作成した原画像の一例をFig.3-1に示す。
A
B
Fig.3・1. Original image data ofFl sample(sintered porous lronラporosity ;30.5%， 368 x 304 pixels).
司、d吋3
まず札織に含まれる気孔に着目して、札織の特徴抽出を行ったo 画像処理を行い、 各気孔 の面積A、 絶対最大長1m、 パターン幅ん、 パターン方向。、 円相当径dHの計測を行った。各
気孔の円相当径ぬから平均細孔径dpを求めた。 各気孔をA、ら、ん、 。の各値を利用し、 各 気孔を長軸/短軸の比がん/ん に等しく、かっ面積がA に等しい楕円で近似した。これらの楕 円で近似した各気孔を、 格子間隔を1/ 4dpに設定した格子と重ね合わせ、 楕円の内側に存在 する格子点を気孔とした。以上の処理を経て得られた画像をFig.3-2に示す。
Fig.3-2. Characterized pore structure of original image data shown in Fig. 3・1.
次に系]J織の固体部分に細線化処理をほどこし、 固体部分の骨格成分を抽出した。 細線化は 注目した組織の中心線を求める処理である。原画像(Fig.3・1)に細線化処理を施すことにより 得られた画像をFig.3-3に示す。細線化処理後に得られた画像は、 熱の流れの中心を表してい る。
気孔に着目して特徴抽出を行った画像はFig.3-2にも見られるように、気孔と気孔が重なっ て、 本来の熱の流れを遮断する。 そこで気孔に着目して特徴抽出を行った画像(Fig.3-2)と固 体に着目して特徴抽出を行った画像σig.3-3)を重ね合わせ、 縮小後の画像を得たO この縮/J 後の画像をFig.3-4に示す。
原画像であるFig.3-1と縮小後の画像Fig.3-4とを比較すると、組織の特徴を維持したまま、
-
34-画像の縮小が行われているとことがわかる。 気孔の特徴抽出の際に、1/4dpを基準として画像 の縮小を行うという理由から、試料の平均細孔径4が大きいほど、 縮小後の画像は小さくな る。
Fig.3-3. Characterized matrix structure of original image
data shown in Fig. 3-1 (Thinning method was applied).
以上の処理を原画像に対して施すことにより、 細孔構造の特徴を維持したまま画素数のみ を原画像の1110'"'"'11100程度にまで減少させることが可能である。 したがって、 有効熱拡散 率の推定を行う際の、 数値シミュレーションに要する計算時間も1/10'"'"'11100程度に短縮さ れる。
F、d司3
B
Fig.3-4. Image data characterized 企om original one shown in Fig. 3-1 (101 x 84 pixels).
3.4.2数値シミュレーションに使用する熱拡散率の値(高速化-2) l次元の熱伝導を考えると、(3・2)式が得られる。
ou* * 02u.
一一一
=α内
θ(
(
ox*r
(3-2)ß*=αγと置くと(3・2)式は、(3-3)式へと書き直すことが出来る。