Journal Search Engine
Search Advanced Search Adode Reader(link)
Download PDF Export Citaion korean bibliography PMC previewer
ISSN : 2093-5145(Print)
ISSN : 2288-0232(Online)
Journal of the Korean Society for Advanced Composite Structures Vol.6 No.2 pp.17-22
DOI : https://doi.org/10.11004/kosacs.2015.6.2.017

The Area Measurement of Composite Specimen using Digital Image Processing

Byung Jik Son1, Kyu Hwan Lee1
1Associate Professor, Department of International Civil and Plant Engineering, Konyang University, Nonsan, Korea

Corresponding author: Lee, Kyu Hwan Department of International Civil and Plant Engineering, Konyang University Tel: +82-43-730-5634,khlee@konyang.ac.kr
February 25, 2015 June 8, 2015 June 9, 2015

Abstract

In this paper, we study the calculation for the fracture area of the composite material specimens using digital image processing techniques. This study was able to calculate the area of the fracture region through the main operation step 7 on the basis of improved image. To extract the area in the original image, we have to use opening operation, close operation, the Hit-or-Miss operation and Bottom hat filter, Top hat filter, etc. In particular, to extract the area of the composite specimen discussed in this study, we have to use the combination of the operations and filters because it is non-isotropic material, or should develop a new algorithm based on it.


디지털 영상처리를 이용한 복합재료 시편의 면적 측정

손 병직1, 이 규환1
1건양대학교 해외건설플랜트학과 교수

초록


    Ministry of Education
    No. 2014R1A1A2058384
    No. 2015R1D1A3A01019620

    1.서 론

    최근 구조물의 유지관리에 대한 관심이 커지고 있으며, 구조물의 성능저하 및 구조물의 노후화 등 으로 구조적 안전성 검토가 많이 요구되고 있는 실 정이다. 공용중인 구조물의 구조적 특성은 최초 설 계 당시의 특성과 차이점을 보이는 것이 일반적이 며, 부재의 균열 및 구조물의 노후화 등으로 인한 강성저하에 의하여 구조물의 특성에 변화가 나타날 수 있다. 변화된 구조물의 특성을 관찰하면 손상의 위치를 파악할 수 있으며 정량적 평가 또한 가능하 다.

    구조물의 유지관리에서 가장 기본적이면서 중요 한 사항은 균열을 계측하여 분석하는 것이다. 현재 까지의 균열 계측 및 유지관리 기법은 인력기반으 로, 점검자의 육안으로 상태를 평가하기 때문에 많 은 시간과 노력이 소모되며 또한, 결과에 대한 객관 성 및 신뢰성이 떨어진다. 이러한 문제점을 보완할 수 있는 방법 중의 하나가 디지털영상처리 기술을 이용하는 것이다.

    최근 비약적인 발전을 하고 있는 디지털영상처리 기술이 구조물의 균열탐지는 물론 변형률 게이지를 부착하지 않고 시편의 변위 및 변형률 측정에 활용 되고 있다. 영상처리 기술은 방송 및 영화 분야, 의 료산업 분야, 보안응용 분야, 산업현장의 공장 자동 화, 원격탐사 분야, 출판 및 문서 제작 분야 등 많 은 분야에서 널리 사용되고 있는 기술이다. 또한, 토목, 건축 분야에서도 비파괴 구조물 건전성 평가 등으로 활용되고 있다.

    디지털영상처리 기술은 점검대상 시설물을 촬영 한 디지털 이미지를 분석하여 균열과 같은 열화현 상을 검출하고, 또한 변형률 게이지를 부착하지 않 고 시편의 변위 및 변형률을 측정할 수 있는 기술 로서 이러한 이미지 분석기술을 통해 기존 점검 및 조사에 소요되는 막대한 인력과 비용을 절감할 수 있으며, 점검 시기 및 점검 위치에 대한 제약을 크 게 개선할 수 있다.

    본 연구에서는 우선 디지털영상처리 기술을 이용 하여 변형률 게이지를 부착하지 않고 복합재료 시 편의 면적을 측정하는 방법에 대해서 연구하고자 한다. 즉, 인장실험을 통하여 얻은 영상으로 복합재 료 시편의 파괴 양상을 분석하기 위한 취약부위 면 적을 측정하는 방법에 대해서 연구하였다.

    2.기본 이론

    본 연구에서 디지털 영상처리는 Matlab 프로그램 의 Digital Image Processing(DIP) Toolbox를 이용 하여 수행하였다. Matlab을 이용한 복합재료 시편의 취약부위 면적 계산은 다음과 같이 7단계의 과정을 거친다.

    2.1.Step 1 : Read Image

    Step 1은 Fig. 1과 같이 영상을 Matlab을 이용 하여 읽는 단계이다.

    2.2.Step 2 : Detect Edge

    Step 2는 Fig. 2와 같이 에지를 검출하는 단계이 다. 기존의 에지 검출 방법으로 Sobel, Prewitt, Roberts, Laplacian of Gaussian, Canny 등이 있으 나, 이러한 방법은 등방성은 재질에 대해서만 에지 를 검출할 수 있는 반면에 콘크리트나 복합재료 시 편 등과 같은 비등방성 재질은 검출하기 어렵다. 이 러한 비등방성 재질의 에지를 검출하기 위해서는 먼저 영상을 개선하고 다른 알고리즘을 사용하여야 한다.

    2.3.Step 3 : Dilate the Image

    Step 3은 Fig. 3과 같이 내부 에지들을 팽창시키 는 단계이다. B에 의한 A의 팽창(Dilation)은 식(1) 과 같이 정의되며, A와 B는 화소들의 집합이다. 이 것은 x의 모든 점은 B의 원소이고, 그 좌표만큼 A 를 이동시키며 그 후에 이들 모든 이동결과를 합한 다는 의미이다.

    A B = x B A x
    (1)

    2.4.Step 4 : Fill Interior Gaps

    Step 4는 Fig. 4와 같이 경계 내부의 구멍을 채 우는 단계이다.

    2.5.Step 5 : Remove Connected Objects on Border

    Step 5는 Fig. 5와 같이 관심있는 물체만 남기는 단계이다.

    2.6.Step 6 : Smoothen the Object

    Step 6은 Fig. 6과 같이 최종적으로 물체의 윤곽 을 부드럽게 하는 단계이다. 여기에는 침식 (Erosion) 연산이 수행된다. B에 의한 A의 침식 (Erosion)은 식(2)와 같이 정의되며, B wA 에 포함 되는 w = (x,y)의 모든 점으로 구성된다. 침식을 실 행하기 위하여 BA 에 걸쳐서 이동시키면서 BA 의 내부에 완전히 속할 때 B 의 (0,0)점에 대응하 는 점을 표시한다.

    A B = w : B w A
    (2)

    2.7.Step 7 : Calculate the Area and Centroid

    Step 7은 최종적으로 추출된 영역의 면적을 계산 하고, 도심의 위치를 구하는 단계이다.

    3.해석결과 및 분석

    본 연구는 복합재료 시편이 반복하중을 받을 때, 취약부위의 면적을 디지털 영상처리 기법을 이용하 여 계산하는 것이다. Fig. 7은 GFRP(Glass Fiber Reinforced Plastics)로 만들어진 복합재료 시편으로 반복하중 15,000회 일 때의 영상이다. 이 영상으로 구멍 주위의 검은색 부분의 면적을 계산하는 것이 다. 검은색 부분은 취약부위로 반복하중의 횟수가 증가할수록 커지며, 복합재료 시편의 파괴양상 등을 판단할 수 있다.

    Fig. 7(a)는 원래 시편의 영상이고, (b)는 개선된 영상이다. 본 연구는 개선된 영상을 토대로 취약부 위의 면적을 측정하였으며, 원래 시편의 영상을 토 대로 취약부위의 면적 계산은 향후의 연구에 수행 하고자 한다.

    Table 1은 개선된 영상으로부터 취약부위의 면적 을 계산한 것이다. 반복하중이 3,000 ~ 18,000회일 때의 시편을 대상으로 면적을 계산하였다. 개선된 영상에서 영역은 크게 3가지로 구별된다. 첫 번째 가장 작은 원은 시편의 구멍을 나타내며 모든 시편 에서 동일하게 A = 1.77 mm2이다. Table 1에서와 같 이 정확하게 3개의 영역이 구분되었고, 파란색 영역 (가장 작은 원), 녹색 영역(중간 영역), 빨간색 영역 (가장 큰 영역)으로 표시하였다. 또한, 그림 상의 별 표(*) 가장 큰 영역의 도심의 위치를 나타낸다.

    취약부위의 면적 및 도심의 위치는 2절의 기본이 론에 바탕을 두고 Matlab DIP 툴박스를 이용하여 구한 것이다.

    Table 2는 Table 1의 면적을 정리한 것이다.

    이처럼 본 연구는 개선된 영상을 바탕으로 하였 기 때문에 2장에서 소개한 연산으로 취약부위의 면 적을 잘 계산할 수 있었지만, 원래 영상으로 영역을 추출하고, 면적을 계산하기 위해서는 2장에서 소개 한 연산외 열기(Opening) 연산, 닫기(Closing) 연 산, Hit-or-Miss 연산 등 다양한 연산을 수행하여 야 하며, Bottom hat 필터, Top hat 필터 등 다양 한 필터를 적용해야 한다.

    또한, 이러한 연산 및 필터들을 잘 활용하거나 이 것을 토대로 새로운 알고리즘을 개발하여 목적에 맞게 사용해야 한다. 원래 영상을 이용한 취약부위 면적 계산은 향후 연구과제로 남겨둔다.

    4.결 론

    본 논문은 복합재료 시편의 취약부위 면적을 디 지털 영상처리 기술을 이용하여 계산하는 방법에 대해서 연구하였다. 개선된 영상을 이용하면, 2절에 서 설명한 7단계 연산 수행으로 취약부위의 면적을 잘 측정할 수 있었다.

    연구는 개선된 영상을 바탕으로 하였기 때문에 기본연산 7단계 연산으로 취약부위의 면적을 잘 계 산할 수 있었지만, 원래 영상으로 영역을 추출하고, 면적을 계산하기 위해서는 기본 연산외 열기 (Opening) 연산, 닫기(Closing) 연산, Hit-or-Miss 연산 등 다양한 연산을 수행하여야 하며, Bottom hat 필터, Top hat 필터 등 다양한 필터를 적용해 야 한다.

    특히, 본 연구에서 다룬 복합재료 시편은 비등방 성 재질이므로 연산 및 필터들을 조합하여 활용하 거나 이것을 토대로 새로운 알고리즘을 개발하여야 한다. 이런 연구는 향후 연구에서 수행하고자 한다.

    Figure

    KOSACS-6-17_F1.gif

    Original Image

    KOSACS-6-17_F2.gif

    Binary Gradient Mask

    KOSACS-6-17_F3.gif

    Dilated Gradient Mask

    KOSACS-6-17_F4.gif

    Binary Image with Filled Holes

    KOSACS-6-17_F5.gif

    Cleared Border Image

    KOSACS-6-17_F6.gif

    Segmented image

    KOSACS-6-17_F7.gif

    The GFRP Specimen Under 15,000 Cycles

    Table

    The Results by Digital Image Processing

    The Results by Digital Image Processing

    Reference

    1. (2014) Matlab R2014b , Image Processing Toolbox ,
    2. Xiangzhi Bai , Fugen Zhou , Bindang Xue (2012) Image enhancement using multi scale image features extracted by top-hat transform , Optics & Laser Technology, Vol.44; pp.328-336
    3. Akram M , Tariq A , Khan S (2009) “Retinal image blood vessel segmentation” , International Conference on Information and Communication Technologies, pp.181-192
    4. Sofka M , Stewart CV (2007) “Retinal vessel centerline extraction using multiscale matched filters, confidence and edge measures” , IEEE Trans. Med. Imag, Vol.26; pp.1531-1545
    5. Soares JVB , Leandro JJG , Cesar RM , Jelinek HF , Cree MJ (2006) “Retinal vessel segmentation using the 2-d gabor wavelet andsupervised classification” , IEEE Trans. Med. Imag, Vol.25; pp.1214-1222
    6. Fraz MM , Javed M , Basit A (2008) “A threshold selection method from gray-level histograms” , 4th IEEE International Conference on Emerging Technologies, pp.232-236
    7. Otsu N (1979) “A threshold selection method from gray-level histograms” , IEEE Trans. Syst. Man. Cybern, Vol.9; pp.62-66
    8. Son BJ , Lee SY (2015) “Study on Fracture Area Measurement of Tension Specimen using Digital Image Processing” , The Conference of The Korean Society for Advanced Composite Structures, pp.45-46