Modeling irregular-shaped pores based on the brightness of pixels in a digital image

Abstract

One of the current directions in the field of materials science is the study and modeling of processes occurring in capillary-porous bodies. These facilities play an important role in areas such as oil production, medicine, construction, production of filters and batteries, and the creation of new materials, where accurate understanding and control of processes occurring in porous media is required. Modern modeling methods using computer vision and high computing power of computers can significantly improve the accuracy and efficiency of studies of capillary-porous bodies and processes in them. For porous bodies of irregular structure, accurate visual fixation of processes occurring inside objects is difficult, but there is a need for this especially for multilevel processes that affect the state of a porous body. The proposed simulators and models of the structure of such objects using simplifications and abstract models to assess the interaction of substances (diffusion, percolation, etc.) are unsuitable in heterogeneous and irregular structures. To obtain a geometric model of arbitrary-shaped pores, it is proposed to use digital image processing methods. An array of points describing the geometry of the pore has been created. A method of surface modeling based on spline interpolation of selected points is was chosen. To obtain a surface model of an irregular-shaped pore, a technique has been developed for forming an array of points based on the brightness levels of pixels of its digital image. The brightness levels for grouping the initial pore points are determined based on the local maxima of the brightness histogram. An algorithm for constructing a surface model of an irregular-shaped pore using spline interpolation of point arrays has been developed. The result of the software implementation of the developed algorithm for modeling the surface of irregular pores is presented. According to the developed method of geometric modeling of irregular pores, it is possible to obtain further information for analysis on the size and volume of pores, porosity of the object as a whole, as well as to analyze processes in porous objects. If necessary, to increase the accuracy of the shape, the number of brightness levels for grouping points can be increased.

References

  1. Лыков, А. В. Явления переноса в капиллярно-пористых телах / А. В. Лыков. – М.: Государственное издательство технико-теоретической литературы, 1954. – 296 с.
  2. А.В. Медведева, Д.М. Мордасов, М.М. Мордасов. Классификация методов контроля пористости материалов // Вестник ТГТУ. 2012. Том 18. № 3.
  3. Беркман, А. С. Структура и морозостойкость стеновых материалов / А. С. Беркман, И. Г. Мельникова. – М.: Госстройиздат, 1962. – 166 с.
  4. Фандеев, В. П. Методы исследования пористых структур // Интернет-журнал «НАУКОВЕДЕНИЕ». – 2015. – Т. 7, № 4.
  5. Хейфец, Л. И. Многофазные процессы в пористых телах / Л. И. Хейфец, А. В. Неймарк. – М.: Химия, 1982. – 320 с.
  6. А. Г. Анисович, А. С. Буйницкая. Стандартные методы определения пористости материалов (обзор). // Весці нацыянальнай акадэміі навук Беларусі, 2015. № 2. URL: https://vestift.belnauka.by/jour/article/view/103/104
  7. Гонсалес, Р. Цифровая обработка изображений в среде MATLAB / Р. Гонсалес, Р. Вудс, С. Эддинс. – М.: Техносфера, 2006. – 616 с.
  8. Сулейманов К.А., Лесовик В.С., Погорелова И.А., Рябчевский И.С. Исследование макропористой структуры ячеистого бетона //Вестник БГТУ им. В.Г. Шухова 2024, № 3. doi: 10.34031/2071-7318-2024-9-3-8-16.
  9. Тарасевич, Ю. Ю. Перколяция: Теория, приложения, алгоритмы / Ю. Ю. Тарасевич. – М.: Едиториал УРСС, 2002.
  10. Левандовский, А. Н. Моделирование разрушения пористого материала / А. Н. Левандовский, Б. Е. Мельников, А. А. Шамкин // Инженерно-строительный журнал. – 2017. – № 1 (69). – С. 3-22.
  11. Алексеев, М. В. О расчете исходных данных для моделирования радиационно-индуцированных эффектов в материалах пористого типа / М. В. Алексеев [и др.] // Препринты ИПМ им. М. В. Келдыша. – 2018. – № 208. – 21 с. – doi: 10.20948/prepr-2018-208.
  12. Дамдинова Т.Ц., Аюшеев Т.В., Бальжинимаева С.М., Абатнин А.А. Моделирование тел со сферическими порами методом обобщенной линейной интерполяции // Программные системы и вычислительные методы. 2022. № 2. С. 42-51. doi: 10.7256/2454-0714.2022.2.38262 EDN: ZTFTKU URL: https://e-notabene.ru/itmag/article_38262.html
  13. Бальжинимаева С.М.,Дамдинова Т.Ц., Аюшеев Т.В., – Моделирование тел со сферическими порами методом обобщенной линейной интерполяции. // Свидетельство об официальной регистрации программы для ЭВМ № 2022663716 от 19.07.2022. Заявка №2022662918 от 08.07.2022 г.
  14. Голованов, Н. Н. Геометрическое моделирование / Н. Н. Голованов. – М.: Издательство физико-математической литературы, 2002. – 472 с.
  15. Фокс, А. Вычислительная геометрия. Применение в проектировании и на производстве / А. Фокс, М. Пратт; пер. с англ. – М.: Мир, 1982. – 304 с.
  16. Поверхностное моделирование: основы, применение и преимущества // Научные Статьи.Ру – портал для студентов и аспирантов. – URL: https://nauchniestati.ru/spravka/poverhnostnoe-modelirovanie
  17. Косников, Ю. Н. Поверхностные модели в системах трехмерной компьютерной графики: учебное пособие / Ю. Н. Косников. – Пенза: Пензенский государственный университет, 2007. – 60 с.
  18. Грузман, И. С. Цифровая обработка изображений в информационных системах: учебное пособие / И. С. Грузман, В. С. Киричук, В. П. Косых, Г. И. Перетягин, А. А. Спектор. – Новосибирск: Издательство НГТУ, 2000. – 168 с.
  19. Дамдинова Т.Ц., Мосоров В.И., Дамдинов З.Ш., Коробков К.С.. Исследование параметров диффузионных слоев в процессах химико-термической обработки металлов по цифровым изображениям микроструктур. //Свидетельство об официальной регистрации программы для ЭВМ №2024613959 опубл.19 февраля 2024 г. Заявка № 2024612459 от 09 февраля 2024 г.
  20. Дамдинова Т.Ц., Раднаева В.Д., Шалбуев Д.В., Советкин Н.В., Дерябин М.А. Способ визуализации процесса пропитки капиллярно-пористых объектов //Пат. №2817553 опубл.16/04/2024 заявка №2023126423/28.

Supplementary files

Supplementary Files
Action
1. JATS XML

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».