автореферат диссертации по приборостроению, метрологии и информационно-измерительным приборам и системам, 05.11.01, диссертация на тему:Колориметрический анализ визуализируемых жидкими кристаллами температурных полей

На правах рукописи

Захаров Андрей Александрович

КОЛОРИМЕТРИЧЕСКИЙ АНАЛИЗ ВИЗУАЛИЗИРУЕМЫХ ЖИДКИМИ КРИСТАЛЛАМИ ТЕМПЕРАТУРНЫХ ПОЛЕЙ

Специальность 05.11.01 - Приборы и методы измерений(тепловые)

АВТОРЕФЕРАТ диссертации на соискание учёной степени кандидата технических наук

Москва - 2004

Работа выполнена на кафедре физики Московского государственного университета леса.

Научный руководитель: Заслуженный деятель науки РФ,

доктор технических наук, профессор Харченко В.Н.

Официальные оппоненты:

Лауреат Гос. премии СССР доктор технических наук, профессор Боровой В.Я.. кандидат технических наук доцент Родионов А.И.

Ведущая организация: НИИ Механики МГУ им.Ломоносова М.В.

Защита состоится 29 декабря 2004 г. в 10.00 на заседании диссертационного Совета Д212.146.05 по присуждению учёных степеней в Московском государственном университете леса (МГУЛ) по адресу: 141005 Московская обл., г. Мытищи ул. 1-я Институтская, ауд. 313.

С диссертацией можно ознакомиться в библиотеке МГУЛ.

Ваш отзыв на автореферат в 1 экземпляре, заверенный печатью, просим присылать по указанному адресу университета.

Автореферат разослан " " ноября 2004 года.

Учёный секретарь диссертационного совета проф., доктор технических наук

Галкин Ю.С.

Актуальность темы

Одним из перспективных бесконтактных оптических методов, позволяющих получить информацию о распределении температур и тепловых потоков, является метод жидкокристаллической термографии (ЖКТ). До недавних пор для измерения температуры поверхности с помощью этого метода необходимо было знать длину волны селективного отражения ЖК-индикатора, соответствующую пику интенсивности. Предназначенные для этого спектральные приборы позволяли получать только дискретную информацию или требовали включения в оптическую схему измерений устройств сканирования изображения поверхности, имеющих крупные габариты. Это значительно увеличивало стоимость системы и время измерений. Поэтому до последней декады XX века в практике теплофизического эксперимента преимущественно использовалась регистрация ЖК-дисплея на цветную фото- или киноплёнку. Зарегистрированное таким способом изображение позволяет визуализировать распределение температур по поверхности. Но ручная обработка ЖК-термограмм требует затрат времени, снижает пространственное и температурное разрешение, ограничивает точность измерений. Актуальным становится развитие и внедрение новых подходов, повышение уровня автоматизации обработки информации, точности и пространственного разрешения метода ЖКТ.

По сравнению с монохроматическим подходом (обработка сигнала интенсивности, полученного съёмкой через светофильтр) использование полной цветовой информации позволяет увеличить информативность метода и сократить время эксперимента, что даёт возможность исследовать нестационарные процессы.

Уже зарекомендовавший себя метод колориметрии показал явные преимущества по сравнению со спектральным анализом. Он открыл новые возможности для получения количественных данных о полях температур. Одной из задач, поставленных в данной работе, было развитие метода ЖКТ на основе колориметрического анализа и усовершенствование метода цифровой обработки полной цветовой информации. Поскольку промышленные устройства распознавания цвета и температур дорогостоящи и не могут быть широко использованными в условиях научного исследования и эксперимента, применение программных и аппаратных средств цифровой обработки цветных изображений и усовершенствованной методики ЖКТ, адаптация мобильных и сравнительно дешёвых систем на базе ПК к условиям теплофизического эксперимента являются актуальными. Цели и задачи работы:

-разработка автоматизированного метода ЖКТ на основе колориметрического анализа изображения, сохранённого в электронном

виде и цифровая обработка этого изображения с получением семейства заданных идентифицированных и редактируемых изотерм; -разработка удобного интерфейса программы для дальнейшей ручной обработки температурной карты пользователем;

-исследование нетрадиционных цветовых характеристик ЖК-термоиндикатора для получения дополнительной тепловой информации. Научная новизна работы:

1. Детально разработан и впервые применён для анализа изображений и идентификации различных объектов с нечёткими границами метод ренорм-групп.

2. Разработана программа термографирования нагретых плоскостей, дающая не растровое, а векторное изображение и позволяющая тем самым проводить дальнейшую математическую обработку и верификацию изолиний и интервальных областей.

3. Предложена гипотеза и проведён теплофизический эксперимент по выявлению новых колориметрических характеристик ЖК-термоиндикатора.

4. Предложена и выполнена оригинальная установка для тарировки ЖК-термоиндикатора.

Достоверность результатов диссертационной работы подтверждается воспроизводимостью результатов в многократных экспериментах и их удовлетворительным согласованием с результатами других авторов. Практическая ценность работы заключается в том, что

1. Разработан как экспресс-метод тарировки жидких кристаллов, так и более длительный, но точный метод, сочетающийся в одном устройстве и позволяющий имитировать калиброванные поперечные тепловые потоки.

2. Проведена оценка влияния слабых тепловых потоков поперёк слоя ЖК на его цветовые характеристики.

3. Предложена принципиальная схема оптического теплового датчика.

4. Создана комплексная программа, работающая в операционной системе Windows, обрабатывающая автоматически растровое изображение и выделяющая объекты, дающая результаты в виде различных изолиний, в том числе и изотерм, позволяющая выводить их с разным шагом, выделять, менять параметры обработки, редактировать и сохранять результаты в общеупотребительном формате векторного изображения EMF, проводить цветотемпературную тарировку ЖК.

На защиту выносятся:

1. Метод и установка для цветотемпературной тарировки ЖК-термоиндикатора в условиях различных поперечных тепловых потоков.

2. Алгоритмы, реализующие метод ренорм-групп для анализа и идентификации областей изображений с нечёткими границами.

3. Алгоритмы, связанные с проведением и анализом линий равных температур (цветового тона) с помощью прямоугольной сетки значений и в условиях областей с произвольными границами.

4. Алгоритмы по интерактивному выделению пользователем, идентификации и обработке как отдельных изолиний, так и их сегментов.

Апробация работы. Результаты работы докладывались на VII и VIII Всесоюзных школах-семинарах академика АИ.Леонтьева по теплообмену в 1989 и 1991 годах, на международном симпозиуме по интенсификации теплообмена в 1995 году, на ежегодных НТК МГУЛ в 1995, 2000, 2002 годах, на Российской национальной конференции по тепломассообмену в 2002 году.

Публикации. По материалам диссертации опубликовано 6 статей. Объём работы. Работа изложена на 95 страницах машинописного текста, содержит 63 рисунка и 4 таблицы. Диссертация состоит из введения, 3 глав, заключения, списка использованной литературы, содержит 1 приложение. Библиография включает 60 наименований отечественной и зарубежной литературы.

Во введении анализируется состояние вопроса. Представлен обзор работ по методике применения ЖК-термоиндикаторов и способам фиксирования цветных изображений, а также по методам тарировки, формулируется цель работы и основные положения, выносимые на защиту. В первой главе дается общее описание оптических свойств ЖК-термоиндикаторов и постановка задачи по их применению в целях термографирования. Проведён ретроспективный обзор работ автора, связанных с фотографированием ЖК-покрытий на чёрно-белую фотоплёнку с целью выделения изотерм на снимках. Рассмотрен пиксельный метод обработки изображения, который был осуществлён в первом варианте программы, написанной под DOS и который вошёл составной частью в нынешнюю программу, написанную под Windows. Представлен первый метод тарировки ЖК.

Фотографирование жидких кристаллов на плёнку представляло собой сложный технологический процесс, связанный с необходимостью подбирать фильтры, проявлять и закреплять плёнку, нестабильностью результатов проявления и фотометрирования негативов и отпечатков, плохой воспроизводимостью Рис 1 Фотография ЖК результатов. Полученные результаты имели в с использованием основном качественный характер.

цветного фильтра Было проведено фотографирование

поглощения. картины ЖКТ, нанесённого на нагреваемую

электрическим током фольгу, при этом ЖКТ менял свой цвет под действием набегающей воздушной струи.

Использование стеклянного оптического фильтра, действующего на поглощении (рис.1), давало одну чёткую изотерму, но информативность метода была низка.

Была изготовлена зеркально-уголковая приставка к объективу (рис.2), которая давала на одном кадре 4 изображения, пропущенные через разные светофильтры поглощения, но из-за параллакса близкой

съёмки изображения получались искажёнными, их было затруднительно совмещать.

Был изготовлен двухступенчатый интерференционно-поляризационный светофильтр (ИПФ), по которому можно было наблюдать до четырёх полос, разделённых тёмными полосами (рис.3). Метод обладал недостатками: сильная угловая зависимость, свойственная ИПФ, и слабая контрастность изображения из-за малой насыщенности жидкокристаллического спектра заставили отказаться

Рис.2 Зеркально-уголковая приставка

Рис.3 Снимок, полученный с помощью ИПФ и сам светофильтр

Рис.4

Многослойный ЖК

Был испробован метод наложения нескольких слоев ЖК друг на друга. Вследствие прозрачности ЖК в нерабочей области температур при разных неперекрывающихся диапазонах можно наблюдать одновременно несколько спектров (рис.4). Использование ограничивалось стационарными случаями и большими градиентами температуры. Сложность изготовления такой многослойной конструкции также препятствовало применению метода.

Использованию цветной фотографии также препятствовали трудоёмкость процесса обработки, ненадёжность фотометрических свойств плёнки и невоспроизводимость результатов.

Гораздо более надёжную и точную температурную информацию дала электронно-аналоговая (видео) и цифровая съёмка с последующей обработкой на компьютере. Здесь применялся не спектральный, а колориметрический метод.

Кратко изложим пиксельный подход, где каждый пиксел (точка) изображения анализируется и обрабатывается без связи с другими пикселами.

Каждый пиксел изображения в компьютерном изображении представлен тремя точками, несущими цветовую информацию: R - красный, G -зеленый, В- синий (система RGB). Для выполнения технических задач данной работы удобно перейти в другую, более соответствующую человеческому восприятию цвета - это hue (цветовой тон, или цветность, цвет), saturation (насыщенность цвета), и интенсивность (система HSI). На каждую компоненту обеих систем отводится по 256 бит. Основная цель компоненты hue - передавать цвет рабочей зоны жидкого кристалла в виде единого параметра, который монотонно и однозначно зависит от температуры, компонента выражена как угол в плоской системе координат, где три оси R, G, В расположены под углом 360/3 градусов друг к другу. В настоящей работе используется эта трактовка hue, только перенормирование производится с 360° на 255 бит.

Программа тарировки в первом варианте, получая на входе цветной файл с изображением цветного калибровочного клина, во-первых, опознавала эту цветную область селективного отражения ЖК, рассматривая только ее как область тарировочных данных и, во-вторых, белые метки, обозначающие места расположения температурных датчиков. Оба типа объектов распознавались попиксельно.

Пиксел причислялся к рабочей области при выполнении следующих условий, которые были подобраны эмпирически:

Если ((R >188 или G >114 или В >129) и 15< Ние<240 и Sat>84), то это пиксел рабочей области, его следует обрабатывать;

если нет, то его не учитывать как исходные данные. На рис. 1 видно, что программа не только выделяла цветную часть снимка, но и вырезала отдельные замутнённые точки, представляющие собой дефекты нанесения ЖК, что повышает достоверность информации. Ограничение

15< Нш<240 вызвано тем, что ниже 15 и выше 240 01 функция Т от hue теряет свою монотонность. Ограничение насыщенности Sat>84 эффективно

Рис.5. Исходное изображение для тарировки (в середине), опознанные метки (слева), выделенная рабочая область(справа)

действовало в тариро- вочной программе, но в программе термографии объекта его пришлось несколько снизить, так как там обычно присутствует поперечный тепловой поток (температура и насыщенность связаны очень слабо).

Белые метки показывали расположение термопар в пластинке (рис.5, слева). Рисунок 6 иллюстрирует результат работы программы термографирования в первоначальном варианте пиксельной обработки.

Рис 6. Исходный снимок и его обработка пиксельным методом

Здесь представлен исходный кадр (в оригинале - цветной) тепловой картины при натекании холодной воздушной струи на горизонтальную нагретую плоскость. Температура плоскости меняется вдоль радиуса от холодной в центре к более горячей на периферии, цвет ЖК - от красного к синему. В соответствии с файлом тарировочных данных программа обработала изображение - на рисунке 6 справа температура выведена в общем диапазоне 34.8-39.0 °С с шагом в один градус Для случая данного градиента температур затруднительно выделить более 4 градаций.

Для процедуры тарировки ЖК-термоиндикатора была смонтирована специальная установка.

Рис.7 Схема тарировочного устройства и расположение хромель-копелевых термопар в измерительной пластинке

Приспособление для тарировки представляло собой водяную ванну объемом 7л с окном в стенке. В ванну устанавливалась вертикально и параллельно окну стеклянная измерительная пластинка (рис.7). Вода нагревалась сверху, оставаясь снизу холодной. Таким образом тепло распространялось только за счет теплопроводности воды ровным

горизонтальным фронтом, конвективный теплообмен действовал лишь в горизонтальном направлении, способствуя выравниванию фронта.

Съемка велась через окно в ванне, две галогенные лампы, расположенные по бокам камеры, освещали пластину с ЖК с двух сторон под углом 45°. Их яркость регулировалась ЛАТром. Видеокамера Panasonic RX1 стояла между ними, в 20см напротив окна.

Измерения проводились с помощью дифференциально соединёных хромель-копелевых термопар и цифрового милливольтметра Щ-201 (рис.7). Позже термопары были заменены на полупроводниковые термисторы конструкции Карманова.

Прежде чем получить зависимость Т от hue , программа рассчитывает распределение Т от х, где х — глубина, выраженная номером строки. Поскольку съемка могла проходить в любой момент времени, когда спектр ЖК займет нужное положение, то степень интерполирующего полинома заранее была неизвестна, ее подбирала программа, действующая на основе ортогональных полиномов Чебышева [3]. Поскольку температура измерялась термопарами в четырех точках, то максимальная степень полинома - третья , что обеспечивало достаточную точность интерполяции.

Программа вначале строила полином Т(Х) первой степени, и если для хотя бы одного - погрешность измерения температуры), то рассчитывался полином следующей степени. Как показала практика, при погрешности измерения для данного

способа тарировки точность интерполяции полиномом третьей степени удовлетворялась с запасом.

После нахождения зависимости Т(Х) можно найти соответствие Т от hue.

В ходе выполнения программы эти данные записывались в виде двух столбцов в выходном файле table.dat, который, во-первых, использовался программой термо- графирования рабочих кадров, и, во-вторых, его можно было использовать в программах-

графопостроителях типа Origine, которая выдаёт график тарировки температура -

Рис.8 Температуроцветовая тарировочная кривая 1-го способа

цвет (рис.8).

Очевидны недостатки пиксельного метода - он не способен выделить рабочую область снимка и оставляет много ложных пятен, рваные границы, т.е. он не отфильтровывает проявления несовершенства текстуры ЖК.

Запись же изображения на фотоплёнку неудобна и выявление точных значений температур (градуировка) затруднительно. Во второй главе рассмотрены принципы, алгоритмы и интерфейс программы, написанной для обработки данных изображений и проведения тарировки ЖК. В первом параграфе главы изложен метод ренорм-группового анализа, разработанный автором для первичной обработки визуальной информации, отображённой на снимке с ЖК-термоиндикатором. Необходимость этой обработки связана с тем, что дисплей ЖК-термоиндикатора, имеющего ограниченный температурный диапазон, занимает не весь прямоугольник снимка, а образует сложные области на нём, которые нужно идентифицировать и выделять как целые объекты, представляющие интерес, и одновременно выбраковывать ложные объекты, образующиеся за счёт дефектов структуры ЖК, и неотбракованные пиксельным методом (рис. 6).

Суть этого метода состоит в следующем. Первоначальный прямоугольник с изображением делится на четыре равных прямоугольника. Каждый из них либо содержит хотя бы одну рабочую точку, либо нет. Последние отбрасываются, и оставшиеся подвергаются дальнейшей дихотомии. В следующих итерациях возможна потеря связности в семействе прямоугольников, и тогда образуются различные кластеры, состоящие из различного количества элементов -

Рис.9. Шаги деления кластера снимка LQ16 прямоугольников одинакового размера. На каждой итерации все кластеры анализируются - подсчитывается их количество, размерность, всем элементам приписывается идентификационный номер кластера.

Шаги деления кластеров заканчиваются при выполнении критериев роста количества кластеров и других. Чаще всего достаточно пяти - шести шагов (рис.9).

Выбор количества итераций производится программой и зависит от размера снимка и его разрешения - точнее, от количества пикселов в нём.

Есть также естественный предел, определяемый площадью элементарного прямоугольника кластера. Как видно из анализа убывания площади кластера при последовательных шагах дихотомии (табл.1 ), можно ввести критерий темпа убывания относительной площади S основного кластера:

S(n+1)/S(n) > 0.8 при п>3;

но более актуален критерий роста количества N кластеров (см.табл. 1

и рис. 10):

N(n+1)/N(n) < 2.1;

и в цикле деления устанавливается естественный предел, определяемый минимальным размером прямоугольного элемента:

min (sx, sy)/2" > 1,

где п - номер итерации; sx, sy - горизонтальный и вертикальный размеры снимка, выраженные в пикселах. При обработке данных изображений они выполняются при пятой-шестой (если считать от единицы) итерации. Площадь снимка при этом разделена на 1024 и 4096 прямоугольников соответственно.

Таблица 1. Динамика изменения кластеров в изображении LQ16 Итерация

Рис.10 Рост числа кластеров в зависимости от шага их деления

2 3 4 5 6 7

4 16 64 256 1024 4096

4 15 50 156 525 1778

1 0.94 0.83 0.61 0.51 0.434

1 1 3 4 8 45

Всего прямоугольников

Количество элементов в главном кластере Относ, площадь 1

главного кластера Всего кластеров 1

на изображении

Далее, в зависимости от настроек программы, отбрасываются кластеры размером меньше заданного - ложные объекты, либо оставляется один или несколько крупнейших кластеров, либо пользователь в интерактивном режиме отмечает интересующую его область. Таким образом, формируется регион на снимке, в котором различными методами (см. след. главу) строятся сеточные функции, между узлами которой проводятся изолинии (изотермы).

Программная реализация сложнее описанного выше метода. Вначале осуществляется чтение BMP файла с исходным изображением с помощью Windows API функций. Точки, цветовые параметры которых входят в заданный диапазон (глава 1), отбираются в исходный массив точек, обеспечивающего хранение, выделение и освобождение памяти, и другие вспомогательные действия. Поскольку в массиве данного типа хранятся только х и у координаты точек, и при чтении сразу рассчитывается цветовой тон с помощью функции Hue(R,G,B), то выгодно сразу заполнять массив цветов этих точек рНие[х][у] для дальнейших расчётов сеточной функции, так как операция первичного считывания является самой времязатратной и возвращаться к ней нецелесообразно.

В ходе работы программы чередуются два сложных массива Father и Son, хранящих всю информацию о кластерах в двух последовательных итерациях.

По завершении считывания вызывается функция Arrange, которая считает количество проделанных итераций обработки кластеров и вызывает функцию ArrangePomts(CSize,CPomtArray&), передавая в качестве аргументов размеры кадра dsize и ссылку на исходный массив точек. Эта функция однократно создаёт Father и Son и вызывает каждый раз функцию DivRect(j), передавая в качестве аргумента инкрементируемый порядковый номер вызова j. Последняя функция выполняет следующие действия по дихотомическому делению прямоугольников:

-заново переписывает сложный массив Father, копируя в него Son;

-рассчитывает по формуле новый размер массива и

устанавливает его для Son;

-определяет координаты вновь созданных прямоугольников, для избежания образования щелей при делении нечётной длины пополам вводятся компенсационные поправки, так, что один прямоугольник может оказаться на один пиксел отличен от соседнего по длине или ширине;

-перебираются точки каждого родительского прямоугольника и перераспределяются по четырём новым, при этом прямоугольник, не получивший ни одной точки, метится как недействительный (bool Valid = FALSE), этот цикл является самым времязатратным в каждой итерации; -осуществляет Z-обход, то есть одномерная индексация при таком делении прямоугольников пойдёт буквой Z , нам удобнее пересчитать индексы так, чтобы порядок обхода был строчный;

-вызывает функцию ArrangeClusters(Son), которая выявляет, подсчитывает, маркирует и сортирует по величине получившиеся в данной итерации отдельные кластеры.

Функция ArrangeClusters(Son) того же класса получает ссылку на массив Son. Алгоритм следующий: устанавливается счётчик текущего значения идентификатора Current = 0, при этом все немаркированные кластеры имеют идентификаторы ClusterID=0, которые приписаны каждому элементу кластера - прямоугольнику.

Пробегаются все элементы массива, и, если элемент валидный (т.е. содержит точки), то проверяется его ClusterlD.

Если ClusterlD = 0, то Current увеличивается на единицу, и эти значения присваиваются данному и всем опоясывающим (смежным) элементам (если они существуют, валидны и их ClusterlD = 0) и рассматривается следующий прямоугольник.

Если ClusterlD 0, то просматриваются все смежные элементы на предмет равенства их ID, нулевым присваивается последний ID.

Если два смежных элемента имеют разные ненулевые ID, то это столкновение двух ветвей одного кластера, которые ранее были опознаны как разные. В этом случае идентификаторы всех элементов с большим ID заменяются на меньший, и уменьшаются на единицу ID остальных кластеров, превышающих данный, и также счётчик текущего значения Current.

После завершения сканирования массива следует процедура сортировки кластеров - меньшие значения ID получают более крупные

Программа рисует первый кластер - самый крупный-системой жёлтых прямоугольников, второй — синих, остальных -зелёными.

Также разработан оригинальный метод выделения площадных объектов без чётких границ. Он позволяет пользователю

самому выбрать, какой объект на изображении выделить. Для этого необходимо, выбрав соответствующий пункт в меню, пощёлкать

кластеры. Возвращает функция количество кластеров.

Рис. 11 Выделение объектов -лицо, чашка, лист эвристическим методом задания интервалов.

курсором по одному объекту - желательно с различными цветовыми характеристиками. Для этого подобраны специальные комбинации цветовых функций, которые при щелкании мышью на точках объекта расширяют интервалы своих

значений, как бы "изучая" объект. Достаточно набрать 5-15 точек, и объект "схватывается" кластером, в программе он выделяется сиреневым цветом (рис.11). Этот эвристический метод зачастую даёт лучший результат, чем жёстко заданные в программе цветовые интервалы. При этом он не похож на метод "волшебной палочки" (Magic Wand) из программ Corel Photo Paint или Photoshop, где выделяется небольшая область только по одной введенной точке.

Во втором параграфе рассмотрена методика автоматического построения изолиний.

По завершении выделения рабочей области на снимке управляющая функция Arrange вызывает функцию SetMesh(int, *int), передавая ей в качестве аргументов идентификатор кластера ClusterlD и указатель на массив уровней plevel, который представляет собой целые значения цветового тона hue. Функция Arrange заполнила этот массив ранее, запросив у пользователя список температур для построения изотерм, и сопоставив его с колонкой соответствующих значений hue в тарировочном файле. Функция SetMesh(ClusterID, plevel) объединяет прямоугольники данного кластера в единый регион region типа CRgn с помощью авторской функции SetRgn(int ClusterlD, RectArray& fs), где вторым аргументом служит ссылка на сложные массивы Father или Son. Также функция SetMesh задаёт шаг прямоугольной сетки, который подбирается как доля от размеров кадра, например, step = (xsize +ysize)/20, определяет размеры и создаёт двумерный массив усреднённых значений hue в узлах этой сетки HMesh[i][j]. Если точка в узле i, j находится в регионе region, то её значение вычисляется с помощью одной из двух функций усреднения, описанных далее. Если нет, то HMesh[i][j] = 0. Попадает ли точка point в регион, определяет функция MFC класса CRgn PtlnRegion(point). Затем следуют многократные вызовы функции SeekNewLines(...) - по одному на каждый уровень hue, которая находит, отслеживает, и добавляет изолинии в список линий Sketch. По завершении процесса уничтожается сеточный массив HMesh[i] [j], устанавливается цветной демонстрационный столбик с кнопками и значениями температур, функция OnDraw класса CMetaView отображает его и соответствующие линии равных цветов и на этом заканчивается автоматическая часть обработки изображения. Далее описаны алгоритмы вызываемых функций метода.

Функция усреднения CalcAverage(CPoint center, int radius) принимает в качестве первого параметра координаты узла сетки, в качестве второго - радиус усреднения, т.е. количество точек,

обрамляющих узловую со всех сторон, он равен половине шага сетки. Функция находит и возвращает среднеарифметическое значение hue от N

= (2*radius+l)2 точек.

Такое же количество точек обсчитывает функция медианного усреднения CalcMedian(CPoint center, int radius).

Если все эти точки отсортировать в порядке возрастания hue, то значение в середине списка и будет среднемедианным. В данной функции среднемедианное значение рассчитывается без сортировки. Так как значения hue лежат в диапазоне от 0 до 255, то создаётся массив

Рис.12 Результаты применения различных методов усреднения CalcAverasef...) и CalcMedianf...)

размером 256, индексами которого служат значения hue, а значения его элементов первоначально зануляются. При считывании усредняемого множества N точек инкрементируется значение элемента с индексом hue: a[hue] = a[hue] + 1. По завершении получаем частотный массив. Если теперь суммировать значения элементов с любого конца массива и

остановить процесс, как только сумма 5* N/2 , то индекс текущего элемента и будет медианным значением, значение которого возвращает функция.

Результаты работы программы при применении обеих функций приведены на рис.12.

Следующая функция SeekNewLines(...) строит изолинию. Ей передаются указатель на сеточный массив, ссылка на список линий, уровень level, шаг сетки, и цвет данной линии, который рассчитывается функцией DefmeColor. Это самая длинная и сложная функция в программе.

В отличие от геодезических программ, где сеточный массив определён на всём прямоугольнике снимка, в нашем случае сеточная функция определена только на области (кластере) с произвольными

границами, что усложняет проведение изолиний. Мы будем считать замкнутыми линиями не только линии, имеющие совпадающие начало и конец, но и линии, имеющие начало и конец на границе кадра (замыкающей линией является граница кадра). Расширенное понятие замкнутости даёт возможность анализировать вложенность заключаемых областей и тем самым контролировать непересечение изолиний при их сглаживании.

Определяется начало изолиний уровня level, проходя последовательно слева направо горизонтальные рёбра сетки между двумя соседними узлами со значениями а и b, и при отсутствии начала тут же проверяется смежное вертикальное ребро. Порядковый номер ребра (или верхнего левого узла) в строке пробегает значения от j = 0 до j < jmax-1 , а номер строки от i = 0 до i < imax-1, где jmax и imax определяются горизонтальным и вертикальным размерами документа, делёнными на шаг сетки. Переменным а и b присваиваются значения соседних узлов HMesh[ia][ja] И HMesh[ib][jb], где ia = i, ja = j, ib = i, jb = j+1 ДЛЯ горизонтального ребра и ib = i, jb=j, ia = i+l,ja=j для вертикального. Исключительными случаями являются:

- а либо b равно нулю - граница области;

- а и b меньше нуля - по ребру уже проведена данная изолиния;

- а = b - само ребро является изолинией.

Если их нет, то берутся абсолютные значения а и b.

Начало найдено, если level лежит в интервале ]а,Ц или [Ъ,а[. Соответствующим значениям узлов присваивают отрицательные знаки. В функции определена переменная Dir, зависящая от направления кривой на данном шаге и определяющая координаты двух других вершин end прямоугольника afod реккурентно через координаты вершин а и b (Рис.13):

Если Dir = 1 (вправо), то ic = ia, je =ja+l, id = ib, jd = jb+1;

При этом если je > jmax либо id 5= jmax, то Dir = 0 (достигли правого края);

Если Dir = 2 (вниз), то ic = ia+1, je = ja, id = ib+1, jd = jb;

При этом если (достигли дна);

Если Dir =3 (влево), ic = ia, je = ja-1, id = ib, jd=jb-l;

При этом если jc<0 или jd<0, то Dir = 0 (проверка границ массива); Если Dir = 4 (вверх), то ic = ia-1, je =ja, id = ib-1, jd = jb;

и если ic < 0 id < О, ТО Dir = 0 (достигли верха картинки); Если Dir = О, то c = d= 0- тупик.

Если Dir не равно нулю, то с = IIMesh[ic][jc]; d = HMesh[id][jd].

При первичном обнаружении пересечения горизонтального ребра кривой задаётся направление вниз (Dir = 2); вертикального ребра - вправо (Dir = 1). Сечётся ребро при этом по принципу пропорциональности (см. ниже).

Войдя в прямоугольник ated с известной ориентацией Dir, линия должна решить, какую сторону пересекать далее - ас, bd или cd. Вначале исключаются заведомо непригодные рёбра - если с или d равны нулю (граница), или если оба узловых значений отрицательны (изолиния уже прошла), или level не входит в заданный интервал. Из оставшихся ищется

Рис.13 Принцип преобразования узловых координат при проводке изолинии

ребро с максимальным градиентом grad = max (|а-с| ИЛИ |c-d| ИЛИ |d-b|).

Из особых случаев следует отметить обход седловых точек, когда градиенты всех трёх или двух граней одинаковы. Этот случай рассматривается в основном тексте.

Выбрав ребро, определяются, в свою очередь, сеточные координаты узлов а и b нового прямоугольника через координаты end прежнего: Если сечётся ребро ас, то ib = ic, jb = jc, точка а остаётся на месте; Если bd, то ia = id, ja=jd, точка b остаётся на месте;

Если cd, то

Далее находятся точечные координаты у и х точки пересечения кривой и нового ребра ab и новое направление Dir:

Если ia = ib, ТО у = ia*Step, при этом

если jb > ja, то Dir=2 (идём вниз), х= ((level-a)/(b-a)+ja)*step; а если jb < ja, то Dir=4 (идём вверх), х= ((level-b)/(a-b)+jb)*step. х= ja*step, при этом

Dir=3 (влево), у= ((level-a)/(b-a)+ia)*step; Dir= 1 (вправо), у = ((level-b)/(a-b)+ib)*step.

Если ja = jb, TO если ib > ia, то а если ia > ib, то

Определённая таким образом точка добавляется во временный список точек, изготовленный по шаблону CList. Использование списка объясняется тем, что в отличие от массива здесь точки можно добавлять как к хвосту, так и к голове списка, ведь приходится вернуться к точке первичного обнаружения линии и тянуть её в другую сторону. И только заполненная линия будет скопирована в массив.

Во время работы одного вызова данной функции набирается несколько разрозненных линий данного уровня. Они записываются во временный список линий Sktch и затем сортируются по величине. Если самая длинная - первая - линия имеет близкие концы, то она замыкается и передаётся в постоянный список линий Sketch. Если нет, то производится попытка срастить самую большую линию с меньшими. Для этого каждый из двух концов сопоставляется с конечными точками остальных линий.

При исчерпывании ресурсов наращивания линия проверяется на замкнутость и передаётся в постоянный список. Процесс повторяется с оставшимися линиями, пока во временном списке самая большая линия окажется размером менее 35 точек.

В третьем параграфе второй главы рассматривается интерфейс программы и возможности ручного редактирования полученных автоматическим способом изолиний.

Пш Edt Mew wndow нф ZoofWiQ imoperattrB segmenteperaoor* eadusflon settings

JelsJ

wia >w-iiti*->i i

I «»<*»* mrt ЦВ-Ш*-«. те. j If' »»

Рис.14 Общий интерфейс программа: с исходным изображением, конечным и градуировочным диалогом

Программа написана для Windows, на языке VisualC, с использованием MFC классов, на основе Multi Document Interface (рис.14)

В качестве исходных файлов обрабатываемых изображений она использует растровый формат BMP, обработанное изображение сохраняется в общеупотребительном векторном формате WMF. К услугам пользователя функции увеличения и уменьшения изображений Zoomln и ZoomOut, причём единый интерфейс покрывает принципиально различные реализации этих функций для векторного и растрового изображений, относящихся к разным объектным классам.

С помощью градуировочного диалога (рис.14 внизу) возможны выбор температурного шага вывода изотерм (от 0,1 до 5 градусов), либо построение изолиний любых цветовых функций, таких как цветовой тон (hue), яркость, насыщенность и т.д., и их вывод в нужном количестве (от 1 до 20). В случае отсутствия цветотемпературного калибровочного файла в текущей директории программы первый выбор блокируется.

Курсор мыши над растровым изображением обеспечивает отображение координат и температуры точки в месте курсора в верхней титульной строке рамки (рис.14 вверху), курсор над векторным изображением обеспечивает возможность выделения как отдельной линии при щёлкании левой клавишей мыши на самой линии (рис.15 слева), так и семейства линий одного уровня при щёлкании на цветном демонстрационном столбце, на котором обозначены уровни (температуры), соответствующие данному цвету.

С выделенной линией возможны проведения операций удаления, восстановления, замыкания, сращивания двух линий одного уровня. Последние две операции выполняются с помощью построения сплайна.

zoomng ' Lrw operaoore Segment operaeons_ • w Нес Zoomnj Uw operations' Se^nent

Разработан также механизм выделения желаемой части линии -сегмента (рис. 15 справа). Сегментные операции аналогичны операциям с целой линией.

Подробные алгоритмы функций, обеспечивающих интерфейс и ручное редактирование, приводятся в тексте и приложении диссертации.

Таким образом, разработана программа, обладающая широкими возможностями по обработке изображений в цифровом виде и визуализации температурных полей.

В третьей главе описан второй, основной способ тарировки и анализ получаемых погрешностей, и описан эксперимент по изучению влияния поперечного теплового потока на цветовые свойства ЖК.

Устройство для тарировки вторым способом то же, что на рис.7, и съёмка происходила при тех же условиях, но в отличие от первого, здесь пластинка погружалась в равномерно прогретую жидкость.и производились несколько снимков одноцветно окрашенной пластинки по мере медленного охлаждения перемешиваемой жидкости. Недостаток -большая длительность процесса и необходимость сделать несколько (не менее 6-7 для адекватной точности) снимков. Но данный метод реализован проще - в нём не использовались термопары и милливольтметр, а только ртутный термометр, и достигалась более точная тарировка - 0.1 градус для каждого снимка. Каждый снимок, урезанный до окна размером пикселов, давал богатую статистику

для анализа погрешностей. На рис.16 показан разброс значений цвета для двух тарировочных одноцветных снимков, указаны их температуры, среднеарифметические значения цвета (hue), и их среднеквадратичные отклонения. Рисунок показывает, что разброс цвета близок к нормальному, чего не наблюдалось при тарировке первым способом.

te 1» то л !i « ы П 101 tea 101 10* to* lin tor 10« 10» 110 ill >1] 11]

Hue Hue

Рис.16 Цветочастотные характеристики двух калибровочных снимков. У каждого пика указаны: t- температура, <hue>- средний цвет, sigma - СКО цвета

При вызове функции калибровки на экране возникает калибровочный диалог, в котором последовательно выбираются тарировочные файлы, снятые и записанные заранее, и им приписываются соответствующие температуры.

После завершения набора вызываются функции, рассчитывающие коэффициенты полиномов Чебышева, и строится зависимость Hue(t°), причём температура t° выводится с шагом 0.1 градус, эта информация автоматически записывается в калибровочный файл в текущей директории программы. На рисунке 17 выведена данная информация в

виде графика, здесь же сопоставлены кривые при разных видах освещения.

о —,—.—,——Ф---,—,—,—— о

40 41 42 43 44 45 40 41 42 43 44 45

Рис.17 (слева) Тарировочная кривая одного из ЖК с погрешностями, (справа) сопоставление результатов при разном освещении.

При последующем запуске программа считывает информацию в массивы памяти, причём для построения изолиний она записана в том же порядке, что и в файле, т.е с непрерывным шагом по температуре, а для обеспечения отображения температуры на растровом изображении с помощью курсора мыши, как на рис.14, - наоборот, строится зависимость ^ад) с непрерывным шагом по цветовому тону. Фотография установки приведена на рис.18.

Действие ЖК основано на явлении дифракционного отражения световой волны определённой длины от разных слоев органических молекул по правилу Вульфа-Брегга: 2(1-з1пф = к-Х, где X - длина отраженной волны, а d - расстояние между соседними планарными слоями ЖК. Именно последнее и подвержено температурному изменению, превращая ЖК в чувствительный элемент. При этом отражается свет не строго одной длины волны, а достаточно широкого диапазона, и эта немонохроматичность при съёмке фотометрическими приборами даёт модуляцию канала насыщенности.

Можно предположить, что при наличии градиента температуры поперёк слоев межслойное расстояние d будет монотонно меняться от слоя к слою, и соответственно в отражённом свете увеличиваться степень немонохроматичности что на изображении должно сказаться в виде уменьшения насыщенности.

Для проверки гипотезы был проведён эксперимент, где создавался заведомо откалиброванный поперечный тепловой поток.

По существу, это усовершенствованное устройство для тарировки цвета ЖК по температуре (рис.18). Как и прежде, создавался вертикальный тепловой поток путём нагревания верхних слоев воды. Температура с глубиной уменьшалась и создавала тепловой клин с

достаточно ровными горизонтальными изотермами. При данном способе нагрева не возникал конвективный теплообмен, только теплопроводность воды определяла процесс. Затем ванна и вместе с ней видеокамера с осветителями медленно наклонялись до нужного угла (рис.18 средний). Герметичная крышка с прижимным устройством, держащая пластину с датчиками и ЖК, позволяла доводить угол до 90 без проливания воды-при этом достигался максимальный градиент температур. Специальный фиксатор позволял удерживать нужный угол наклона всей конструкции, значение угла считывалось с транспортира. Зная угол наклона и распределение температуры вдоль измерительной пластины (с помощью интерполяции), легко определить тепловой поток в направлении крышка-дно вследствие теплопроводности воды , и поперечную

компоненту = QxtgCl (рис.18 справа), где коэффициент

теплопроводности к принимается равным 0.7 Вт/м град (стекло), так как ЖК нанесён между двумя стеклянными пластинами.

Хотя данный эксперимент не выявил однозначной связи между тепловым потоком и различными комбинациями цветовых стимулов, в нём была отработана методика для тестирования предложенного оптического датчика тепловых потоков.

Рис 18 Установка для тарировочной съёмки жидкого кристалла позволяет изучать влияние поперечного теплопотока на цветовые характеристики ЖК-термоиндикатора.

Выводы:

1. Разработана комплексная программа визуализации температурных полей с помощью ЖКТ, реализующая колориметрический подход, имеющая дружественный интерфейс, работающая в операционной среде Windows со стандартными файлами растрового изображения, алгоритмы которой позволяют:

а) обрабатывать данные, полученные при цветотемпературной калибровке ЖКТ;

б) отображать на основе калибровки температуру исследуемого объекта в указанных точках его изображений;

в) выделять объекты с нечёткими границами и с цветовыми свойствами, задаваемыми пользователем;

г) автоматически строить и выводить изображение в виде изотерм или иных изолиний с задаваемым шагом, с возможностью их выделения и удобной демонстрации;

д) редактировать полученные изолинии целиком или по частям;

е) сохранять визуальные результаты в виде файлов векторной графики.

2. Разработан метод и изготовлена установка для калибровки ЖК; проведены и проанализированы тарировочные опыты для ЖК-термоиндикаторов в разных условиях и определены их цветотемпературные характеристики.

3. Выявлено, что наличие поперечного теплового потока не приводит к заметному искажению температурных данных, хотя и снижает их точность вследствие нестационарности теплового процесса.

4. В исследованном диапазоне поперечного теплового потока (до 300 Вт/м2) не выявлены цветовые характеристики, позволяющие однозначно идентифицировать величину этого потока или градиента температур.

5. Высокая цветотемпературная чувствительность позволяет предложить создание оптического датчика тепловых потоков при комбинировании двух плёночных ЖК-термоиндикаторов, разделённых тонким теплорезистивным однородным слоем, имеющим шахматный порядок прозрачности.

По теме диссертации опубликованы работы:

1. Захаров А.А., Поляризационный метод измерения температур холестериков. Тезисы докладов VIII Всесоюзной школы-семинара по теплообмену, М, МВТУ, 1991.

2. Захаров А.А., Визуализация температурных полей с помощью жидких кристаллов и черно-белой фотопленки. Научные труды МГУл, выпуск 269,1995.

3. Ilyinsky A.I., Kharchenko V.N., Zakharov A.A. Measurements of the Enhanced Heat Transfer Spatial Distribution Using Thermotropic Liquid Crystals

International Symposium on Heat Transfer Enhancement in Power Machinery, Moscow, 1995.

4. Захаров А.А.. Автоматизированный метод калибровки жидких кристаллов. Лесной вестник, спец. выпуск "Физика" N2(11), 2000.

5. Захаров А.А. Тарировка термоиндикаторов с учётом тепловых потоков. Лесной вестник, спец. выпуск "Физика" N1(21), 2002.

6. Захаров А.А., Харченко В.Н. Влияние тепловых потоков на результаты измерений жидкокристаллическими термоиндикаторами .Тезисы докладов Российской национальной конференции по тепломассообмену, 2002.

Отпечатано с готового оригинала

_Лицензия ПД № 00326 от 14 02 2000 г_

Подписано к печати dk ff.&ty. Формат 60 х 88/16 Бумага 80 г/м2 " Снегурочка" Ризография Объем SЛ. Л_Тираж /й^экз._Заказ №_

W

Издательство Московского государственного университета леса. 141005. Мытищи-5Э Московская обл., 1-я Институтская, 1, МГУЛ. Телефоны: (095) 588-57-62, 588-53-48,588-54-15. Факс: 588-51-09. E-mail. izdat@mgul.ac ru

Р23148

ВВЕДЕНИЕ.

Методы градуировки ЖК.

Методы калибровки ЖК.

ГЛАВА 1.

Общие свойства жидких кристаллов.

Оптические свойства жидких кристаллов.

Угловая зависимость.

Влияние примесей, облучения и старения. Стабильность,.

Фотографирование жидких кристаллов на плёнку.

Компьютерная обработка цветных видеоснимков с помощью пиксельного цветоанализа.

Методы калибровки ЖКТ.

ГЛАВА 2.

Кластерный анализ.

Методика автоматического построения изолиний.

Интерфейс и другие возможности программы.

Диалог установок Settings Dialog.

Подбор цвета для изолиний при рисовании,.

Выделение сегментов.

Соединение концов линий сплайнами.

Сохранение полученных результатов в виде изолиний в файлы.

ГЛАВА 3.

Организация калибровки.

Условия калибровки и анализ результатов.

Предположения и наблюдения.

Экспериментальная установка.

Цели и задачи работы:

-разработка автоматизированного метода ЖКТ на основе колориметрического анализа изображения, сохранённого в электронном виде и цифровая обработка этого изображения с получением семейства заданных идентифицированных и редактируемых изотерм; -разработка метода и изготовление установки для цветотемпературной калибровки ЖК-термоиндикатора;

-исследование нетрадиционных цветовых характеристик ЖК-термоиндикатора для получения дополнительной тепловой информации. На защиту выносятся:

1. Метод и установка для цветотемпературной тарировки ЖКч. термоиндикатора в условиях различных поперечных тепловых потоков.

2. Метод кластерного анализа для идентификации областей изображений с нечёткими границами, реализованный в компьютерной программе.

3. Методы, связанные с проведением изотерм и иных изолиний с помощью прямоугольной сетки значений и в условиях областей с произвольными границами, реализованные в компьютерной программе.

4. Методы интерактивного выделения пользователем, идентификации и редактирования как отдельных изолиний, так и их сегментов.

В последние двадцать лет термотропные жидкие кристаллы (ЖК) широко использовались для визуализации температурных полей , причем если до девяностых годов они давали лишь качественную картину распределения температур либо выделяли только одну изотерму, сфотографированную через фильтр, то в девяностые годы, с развитием компьютерной и видеотехники, стало возможным получать точную и полную температурную информацию на всей' площади селективного отражения ЖК, используя метод цветоанализа.

Методы градуировки ЖК.

Под градуировкой здесь понимается способ получения и представления количественной информации о температуре поверхности, ибо в начале 80-х исследователи часто обходились субъективными понятиями типа " больше 37, меньше 39 градусов Цельсия", ведь ЖК меняет свой цвет в мезофазе от красного к синему в диапазоне около пяти градусов, и чисто субъективно легко отличить красный от зеленого, а зеленый от синего и, следовательно, угадывать значение температуры с точностью до двух и меньше градусов. Таким образом определяли температуру, например, в [9] , где, по утверждению автора, достигнута погрешность плюс-минус один градус. Хотя некоторые цвета можно интерпретировать и с меньшей неоднозначностью[3].

В работе [1] (1981) для выделения изотермы использовали монохроматический источник света — натриевую лампу, излучающую на длине 589 нм, получая таким образом точное положение одной изотермы, независимое от субъективности человеческого восприятия.

В 1982 г. работе [2] был предложен "Новый метод термографирования.", где в качестве нагревателя использовалась майларовая пленка с нанесеным тонким прозрачным слоем золота , под которой далее был слой ЖК, далее черная краска (как поглотитель непродифрагировавшей половины света) - толщина каждого слоя не, превышала несколько десятков микрон; и далее теплоизолятор. Набегающая струя охлаждала снаружи этот "сэндвич", и подобные схемы, как наиболее корректные с точки зрения теплофизики (минимальный градиент поперек слоев), использовались в дальнейшем и другими авторами

4], [5]).

Для получения точных значений температур фотографировалось поле на черно-белую пленку через поглощающим светофильтр, или использовался, как и в предыдущей упомянутой работе, монохроматический источник света, и получалась узкая светлая линия, соответстствующая какой-то определенной (с точностью ± 0.25 градусов) температуре.

Подобным методом пользовались авторы большинства работ по ЖК-термографии в бывшем СССР. С учетом известной мощности, выделяемой пленочным электронагревателем, находился коэффициент теплообмена у этой линии. Изменяя мощность нагревателя и повторяя фотографирование, составлялась карта теплообмена для данного стационарного течения. Однако долгая и многократная процедура установления нового стационарного теплового режима, необходимость многократного фотографирования являлись недостатками метода.

В 1989 Акино и др. [6] усовершенствовали метод: производилась многократная съемка через ряд сменных интерференционных фильтров, максимум пропускания каждого соответствовал одной из изотерм. Регистрирующим прибором служила черно-белая видеокамера, соединенная с видеомагнитофоном. Изображение оцифровывалось и обрабатывалось на компьютере.

Несколько изотерм можно получить, если наложить несколько слоев различных ЖК на поверхность исследуемого объекта, если их температурные диапазоны не перекрываются и в то же время достаточно близки. На рис. 13 представлена визуализация тепловой картины при натекании горизонтальной струи, полученная таким методом (автором). Весь спектр селективного отражения; каждого ЖК — от синего к красному -здесь представлен светлой линией, поэтому этот метод выгодно использовать при больших (вдоль поверхности) градиентах температур.

В работах [8], [9], [11], [12] использовался метод компьютерного цветоанализа, о котором впервые упоминается» в [7], 1988 год . Суть его состоит в том, что вводится функция Ьие = f (г, Ь), монотонно и непрерывно зависящая от его температуры X, и позволющая провести калибровку (Ьие) и далее получать значения температур на рабочих снимках с ЖК. Методы калибровки ЖК.

Калибровка (синоним - тарировка), то есть нахождение точной зависимости температуры от цвета - это отдельный эксперимент, который обязательно приходится проводить для каждого ЖК.

При обзоре литературы выявлены пять основных методов калибровки.

Метод водяной ванны с постоянной температурой использовался в работах [13], [14].

Температура воды в ванне контролировалась с точностью до 0.1° С. Цвет ЖК-образца калибровался при повышении температуры шагами по 0.1° С по всему спектру. Тонкий слой ЖК наносился на стекло, а нагретая вода циркулировала с другой стороны для получения изотермической поверхности. В [14], [15] ,[16] слой ЖК был запакован в прозрачную пленку перед погружением его в воду.

Лист фольги из нержавеющей стали использовался в [17], где цвет кристалла подстраивался изменением небольшого напряжения тока, проходящего через фольгу. Термопары были приклеены с другой стороны фольги. Как выяснилось при тестировании этого метода, получить однородное поле температур здесь сложно. Автор также пробовал подобный метод калибровки, но напряжение 1-5 В прикладывалось к фольге, имеющей форму вытянутой трапеции, так что джоулева мощность тепловыделения менялась вдоль фольги линейно, и кроме того, весь видимый спектр можно было перемещать вдоль трапеции, изменяя напряжение. Недостаток аналогичный - температурный фронт получается неустойчивый.

Тонкий медный диск с термопарами, внедренными в центре верхней поверхности , над которыми прикреплялся слой алюминиевой фольги для улучшения теплопроводности, использовался для калибровке в [18]. Черная краска и ЖК наносились на фольгу сверху аэрозольным методом, покрывая малую площадку в центре диска. Вся эта сборка помещалась на горячий медный нагреватель. Регулировкой мощности калибровался весь спектр ЖК.

Несколько плоских термопар были установлены в различных местах на плоской поверхности теплообмена [19], и сверху распрыскивался слой черной краски и ЖК. Однако цвет (выраженный как hue, см. далее), в определенных положениях неточно отражает локальную температуру поверхности, особенно для ЖК с узкими диапазонами.

Метод линейного распределения температуры использован для; определения температурно-цветовой зависимости ЖК в [20] и [21]. Это наиболее общий и традиционный метод [25]. Медную прямоугольную пластину с нанесенными сверху слоями черной краски и ЖК подогревают с одного конца и охлаждают с противоположного. В пластину зачеканены несколько термопар. На одном снимке можно получить сразу все цвета спектра ЖК и соответствующие им температуры по показаниям термопар (между ними - линейная интерполяция). Но еще в [21] отмечались трудности поддержания линейности распределения температуры из-за конвективных потоков окружающего воздуха, неоднородности * материала. Для того, чтобы минимизировать, конвективные потери и возмущения, пластину помещают в небольшой стеклянный бокс. Но еще возникает проблема : вследствие наличия нормального к пластине температурного градиента показания термопар, зачеканенных внутри, могут быть неадекватными температуре поверхности, которую индицирует цвет ЖК.

В работах отечественных авторов [22], [23], [24] для тарировки использовался медный диск с циркулируемой водой термостата с тыльной стороны, температура измерялась с точностью 0,1°, и заодно контролировалась угловая зависимость селективного отражения. ЖК, инкапсулированный в полимерную плёнку на чёрной подложке, приклеивался к полированной внешней медной поверхности.

Вопросы освещения, при съёмке и теоретические основы колориметрии подробно изложены в [26] и [27].

Интересные эксперименты по исследованию теплообмена струй различных форм, набегающих на нагретую поверхность, описаны в [28].

Если сравнивать ЖКТ с термоиндикаторами плавления, которые использовались для аналогичной цели, например в [29] при изучении теплообмена в аэродинамическом эксперименте; то последние давали информацию только об одной температуре - при которой происходило плавление, и это явление было необратимым. ЖКТ же демонстрируют диапазон температур, и работают как при нагревании, так и охлаждении. Но сильная зависимость цвета от угла наблюдения и чувствительность к сдвиговому напряжению ограничивает применение ЖКТ в аэроэксперименте. Применение ЖКТ в условиях сверх- и гиперзвуковых потоков нереально.

В работе [30] описано применение современных термоиндикаторов плавления в условиях гиперзвуковых потоков и люминесцентных преобразователей давления при трансзвуковых потоках. Исследования последних упомянутых двух работ проводились в аэродинамических трубах ЦАГИ.

Обобщая вышесказанное, можно сказать, что применение ЖКТ ограничено температурами от 20° до 120° Цельсия, диапазон измерений температуры обычно лежит в пределах 4° для одного образца, при измерениях нежелательны большие поперечные тепловые потоки и сдвиговые напряжения (они тоже изменяют цвет ЖК).

в воде на поверхности

Рис.54. Сравнение калибровок одного ЖК, полученных в случае погружения образца в воду (левая кривая), и помещённого на окно термостата с наружной стороны (правая). Освещение одинаковое.

200

100 -

100

ISO -

160 - 160

110 - Освещено вспышкой 140

110 ■ 120loo- (U 100ж

-С se - // 80

60 • вс

10- //

40

10 - го

0 - II-- 7—1-■—1-'—1-1-г—--1— -1— ' ■ t—1 о -J

Галоген пампа

• ■

I ■

• . ■ Вспышка

36.0

36.S

37.0 temperature г—

37. S

38,0

Рис.55. Калибровочная кривая с доверительными интервалами. Съемка фотовспышкой

Рис.56. Сравнение при съёмке одного ЖК при разных видах освещения

Действие ЖК основано на явлении дифракционного отражения световой волны определённой длины от разных слоев органических молекул по правилу Вульфа-Брегга:

2d* sincp = к*Х где X - длина отраженной волны, a d — расстояние между соседними планарными слоями ЖК. Именно последнее и подвержено температурному изменению, превращая ЖК в чувствительный элемент. При этом отражается свет не строго одной длины волны, а достаточно широкого диапазона, и эта немонохроматичность при съёмке неспектральными приборами i даёт модуляцию канала насыщенности.

Предположения и наблюдения Можно предположить, что при наличии градиента температуры поперёк слоёв межслойное расстояние d будет монотонно меняться от слоя к слою, и соответственно в отражённом свете увеличиваться степень немонохроматичности АХ, что на изображении должно сказаться в виде уменьшения насыщенности. Подтверждает это предположение наблюдение автором поведения слоя ЖК на нагреваемом объекте: в начале прогрева цветная картина, характеризующая температуру, является тусклой, и лишь через несколько секунд получает максимальную насыщенность.

Интересен анализ изображений, которые получены для воздушной струи, набегающей на нагретую пластину ( см. рис. 58 и 59 ). Здесь видно, что картина насыщенности (на рис. 59 дан вариант канала 0.5 S + 0.5 Вг, на> рис.58 а и б - соответственно S и Н е выделением рельефа и с тенью для наглядности) имеет какую-то регулярную структуру. На графике (рис. 60) выведены радиальные зависимости этих величин. Виден максимум насыщенности, в то время как hue (и температура) монотонно падает. Такое поведение некоторых параметров характерно для перехода ламинарного течения струи у поверхности в турбулентное [59]. Эти и некоторые другие наблюдения привели к мысли провести эксперимент, где бы создавался заведомо откалиброванный поперечный тепловой поток.

Экспериментальная установка. По существу, это усовершенствованное устройство для тарировки цвета ЖК по температуре (см. рис.45). Как и прежде, создаётся вертикальный тепловой поток путём нагревания верхних слоев воды. Температура с глубиной уменьшается и создаётся тепловой клин с достаточно ровными горизонтальными изотермами. При данном способе нагрева не возникает конвективный теплообмен, только теплопроводность воды определяет процесс. Затем ванна и вместе с ней видеокамера с осветителями медленно наклоняются до нужного угла (рис. 61). Герметичная крышка с прижимным устройством, держащая пластину с датчиками и ЖК, позволяет доводить угол до 90° без проливания воды- при этом достигается максимальный градиент температур. Специальный фиксатор позволяет удерживать нужный угол наклона всей конструкции, значение угла считывается с транспортира. Термопары заменены на полупроводниковые датчики сопротивления конструкции Карманова, выполненные в тонких стеклянных сапожках игольчатой формы диаметром 1мм, что позволяет обеспечить надёжный тепловой контакт с жидкостью.

Две галогенные лампы, расположенные по бокам камеры, освещают пластину с ЖК с двух сторон под углом 45°. Их яркость регулируется ЛАТром .

Зная угол наклона и распределение температуры вдоль измерительной пластины (с помощью интерполяции, Глава 1) легко определить тепловой поток в направлении крышка-дно вследствие теплопроводности воды

С?х = кат/ах , и поперечную компоненту = С^ч ^ОС. , где коэффициент теплопроводности к принимается равным 0.7 Вт/м град (стекло), так как ЖК нанесён между двумя стеклянными пластинами (рис. 62) Полученные снимки не выявили каких-либо новых цветовых характеристик, зависящих от поперечного теплового потока. Во всяком случае, в воспроизведённых интервалах тепловых потоков (рис. 63) . Но возможно использовать и известный канал Н, если применить сборку из двух ЖК-плёнок и промежуточного прозрачного резистивного слоя, раскрашенного в чёрно-прозрачную клетку (рис. 57). Это может быть слюда или иной аналогичный материал с однородными тепловыми свойствами. Первый слой ЖК (прозрачный) даёт цвето-температуру верхнего слоя на фоне чёрных квадратиков, а через прозрачные клетки видна цвето-температура нижнего слоя (зачерненного). Разность температур в 0.1 градуса уже различима, и такую "клетчатую" картину легко расшифровать и восстановить в "сплошную" , используя компьютерную обработку изображения. Так, используя слюду (к ~ 0.5 Вт/мтрад) толщиной 0.5 мм и измеряя перепады температур от 0.1 до 5 градусов, можно измерять тепловой поток вдоль поверхности в интервале 100 - 5000 Вт /м2, точность зависит от однородности сборки.

Рис.57. Схема предлагаемого оптического датчика тепловых потоков.

Рис.58 а,б. Снимки (ретушированы для публикации) ЖК-ичображенин струи, падающей нормально на плоскость. Справа- канал hue -используется для определения температуры, слева - канал насыщенности цвета (saturation) - пока не используется. -■ Hue

Position

Рис.59. Изображение комбинированного канала 0.5saturation + 0.5brightness (без ретуши). Стрелкой указана радиальная линия, вдоль которой взяты значения яркости пикселов различных каналов для соседнего графика.

Рис.60. Графики значений яркостей, взятых для одних и тех же точек вдоль радиального отрезка (см. пред. рис.) для каналов Hue (цвет), Saturation (насыщенность) и комбинированного канала.

Рис.61. Установка для гарировочной съёмки жидкого кристалла позволяет изучать влияние поперечного теплопотока на цветовые характеристики ЖК-термоипдикатора.

Рис.62. Схема определения теплового потока С?п. направленного нормально к измерительной пластинке, по показаниям термодатчиков и углу наклона

Рис.63. Снимки калибровки ЖК, выполненные при углах наклона 0. 20 и 45 градусов. Изменения цвета 1ше и температуры отображены серым клином, поперечные тепловые потоки С}п равны 0 на левом, 51 -26 на среднем и 140 - 90 вт/мг на правом снимках

Таким образом, проведены тарировочные опыты для ЖК-термоиидикаторов двух типов: наносимых вручную на поверхность и инкапсулированных в плёнки и определены их цветотемпературиые характеристики.

Выяснено, что наличие поперечного теплового потока не приводит к заметному искажению температурных данных, хотя и снижает их точность вследствие слабой стационарности теплового процесса, а калибровка на границе раздела двух сред даёт сдвинутое значение температуры по отношению к случаю, когда ЖК помещён внутри среды.

В исследованном диапазоне поперечного теплового потока (до 300 Вт/м2) не выявлены цветовые характеристики, позволяющие однозначно идентифицировать величину этого потока или градиента температур.

Высокая цветотемпературная чувствительность позволяет прогнозировать создание оптического датчика тепловых потоков при комбинировании двух разных плёночных ЖК-термоиндикаторов с близкими характеристиками.

Заключение

1. Разработана комплексная программа визуализации температурных полей с помощью ЖКТ, реализующая колориметрический подход, имеющая дружественный интерфейс, работающая в операционной среде Windows со стандартными файлами растрового изображения, алгоритмы которой позволяют: а) обрабатывать данные, полученные при цветотемпературной калибровке ЖКТ; б) отображать на основе калибровки температуру исследуемого объекта в указанных точках его изображений; в) выделять объекты с нечёткими границами и с цветовыми свойствами, задаваемыми пользователем; г) автоматически строить и выводить изображение в виде изотерм или иных изолиний с задаваемым шагом, с возможностью их выделения и удобной демонстрации; д) редактировать полученные изолинии целиком или по частям; е) сохранять визуальные результаты в виде файлов векторной графики.

2. Разработан метод и изготовлена установка для калибровки ЖК; проведены и проанализированы тарировочные опыты для ЖК-термоиндикаторов в разных условиях и определены их цветотемпературные характеристики.

3. Выявлено, что наличие поперечного теплового потока не приводит к заметному искажению температурных данных, хотя и снижает их точность вследствие нестационарности теплового процесса.

4. В исследованном диапазоне поперечного теплового потока (до 300 Вт/м2) не выявлены цветовые характеристики, позволяющие однозначно идентифицировать величину этого потока или градиента температур.

5. Высокая цветотемпературная чувствительность позволяет предложить создание оптического датчика тепловых потоков при комбинировании двух плёночных ЖК-термоиндикаторов, разделённых тонким теплорезистивным однородным слоем, имеющим шахматный порядок прозрачности.

1. Kasagi N., Hirata M., Kumada M. Studies of Full-Converge Film Cooling: Part 1. ASME Paper No. 81-GT-37, 1981.2. J.C.Simonich, RJ.Moffat

2. New Technique for Mapping Heat-Transfer Coefficient Contours. Rev.Sci. Instrum.,53(5), May 1982

3. Goldstain R.J., Timmers, J.F.

4. Visualization ofHeatTransfer from Arrays of Impinging Jets. Int. J. Heat Mass Transfer, Vol.25,No. 12, 1982, pp. 1857-1868

5. D.Lee, R.Greif, S.Lee, J.Lee

6. Heat Transfer From a Flat Plate to a Fully Developed Axisymmetric Impinging Jet.

7. Transactions of the ASME, August 1995, Vol.1175. D.W.Colucci, R.Viskanta

8. Effect of Nozzle Geometry on Local Convective Heat Transfer to a Confined Impinging Air Jet

9. Experimental Thermal and Fluid Science 1996, 13;71-80

10. Akino N., Kunugi T., Ichimiya K., Mitsushiro K. S Ueda M., 1989, Improved Liquid-crystal Thermometry Excluding Human Color Sensation, ASME J. of Heat Transfer, vol. Ill, pp. 558-565.

11. RJ.Moffat. Experimental Methods in Heat Transfer.

12. Proceedings of the First World Conference on Experimental Heat Transfer held September 1988, Dubrovnik, Yugoslavia.

13. M.Braun, F.Choy, C.Moore, S.Lattime.

14. A Non-Intrusive Computer Automated Method for Temperature and Velocity Evaluation Based on Thermochromic Liquid Crystals, Imaging in Transport Processes, Begell House, 1993, p. 157.9. K.Lee, M.Yianneskis.

15. An Image Processing Technique for, the Analysis of Thermotic Distributions Utilizing Liquid Crystals1.aging in Transport Processes, Begell House, 1993, p. 195.10. M.Dzodzo

16. Visualization of Laminar Natural Convection in Romb-Shaped Enclosures by Means of Liquid Crystals1.aging in Transport Processes, Begell House, 1993, p.183.

17. G.Kawashima, W. Yang, H.Ohue1.age Processing of Flow Patterns in Rotating Drums with Inner Surface Heating Using Liquid Crystals.1.aging in Transport Processes, Begell House, 1993, p.203.

18. T.Chan, KJambunathan, T.Leung, S. Ashforth-Frost

19. A Surface Temperature Calibration Method for Thermochromic Liquid Crystals Using True-Colour Image Processing

20. Gomiciaga R., Lee K.C., Yianneskis M.,

21. Development of a Liquid Crystal Thermographic Technique Using Video Image Processing, IchemE HT'91 Development in Heat Transfer Symposium. Nottingham, pp.1-13, 1991.

22. Toy N. S; Savory E., 1992, Quantitative Assessment of Surface Temperatures Using Liquid Crystals and Digital 'Imaging, Proc. TMechE font- on Optical Methods and Data Processing in Heat and Flilid Flow. London, pp. 141-144.

23. Camci G., Kirn K. S Hippensteele S. A., 1991, A New Hue Capturing Technique for the Quantitative Interpretation of Liquid Crystal Images Used? in Convective Heat Transfer Studies, ASME Paper No. 91-GT-122, pp. 1-13.

24. Akino N., Kunugi T., Ueda M. f Kurosawa A., 1989, A Study on Thermo-camera Using a Liquid-Crystal (Method of Multiple Regression between Color and Temperature) , ASME Proc. Mat. Heat. Transfer Conf. HTD vol. 112, pp. 115-122

25. Mizell L., Liquid Crystals: A New Technique for Thermal Mapping of Electronic Components, Microelectronics -4th Int. Congress. Munich, pp. 450475; 1970.

26. Greated; Kornilov, Kovrizhina,Khachaturyan,Pavlov,Zharkova, Application of LCT and PIV for investigation of wavy processes in fluids. Transactions of ImechE 1998.

27. Fomichev, Khaidarov,, Kovrizhina, Pravdin, Zharkova,The study of special gasdynamic features of the flow in a diameter disk pump by means of liquid -crystal thermography. Transactions of ImechE 1998.

28. Коврижина B.H. Применение колориметрического анализа ЖК композитов для тепловых исследований в дозвуковых течениях газа. Диссертация-на соискание-учёной степени к.т.н., Новосибирск, 1999,

29. Hunt R. W. G., Measuring Colour, 2nd ed., Ellis Horwoodj New York. 28 . Popiel Cz. O., Boguslawski L. 1991.

30. Оптика холестерических жидких кристаллов;

31. Издательство "Наука". Главная редакция физико-математической' литературы, 1982.

32. Elser W., Ennulat R.D.! Advances in Liquid Crystals/Ed.G.Brown.-L.;N.Y.:Academic Press,1976,v.2,p.73.

33. Baessler H.,Beard R;B.,Labes M.M: -J.Chem.Phys., 1970,v.52,p.2292.

34. Magne M. -These-Lyon, 1969.

35. Scala L.C.,Dixon G.D.-Mol.Cryst.a.Liquid Cryst, v.10, p.411 .,1970.

36. Haas W., Adams J;, Wysocki L .-Mol.Cryst.a.Liquid Cryst, v.7, p.371.,1969.37. Захаров A.A.

37. Поляризационный метод измерения температур холестериков.

38. Тезисы докладов VIII Всесоюзной школы-семинара по теплообмену, М.,1. МВТУ, 1991.38. Захаров А.А.

39. Визуализация температурных полей с, помощью жидких кристаллов ичерно-белой фотопленки.

40. Научные труды МГУ леса, выпуск 269, 1995.

41. Ilyinsky A.I., Kharchenko V.N., Zakharov А.А.

42. Measurements, of the. Enhanced- Heat Transfer Spatial Distribution Using Thermotropic Liquid Crystals.1.ternational Symposium on Heat Transfer Enhancement in Power Machinery, Moscow, 1995.

43. Виноградова T.A. Иоффе С.Б. Кузнецов Б.В. Оптические интерференционно-поляризационные фильтры. Труды ГОИ, том 72, выпуск 206, Ленинград 198941. Гюнтер Борн

44. Форматы данных. Киев, BHV, 1995.

45. Захаров А. А. Автоматизированный метод калибровки жидких кристаллов. Лесной вестник, спец. выпуск "Физика" N2(11), 2000.43. Hoshen J., Kopelman R.

46. Percolation and cluster distribution. Cluster multiple labeling technique and critical concentration algorithm. Phys. Rev. В14, 3488, 1976.

47. Wilson K.G., Problems in physics with many scales of length, Sci. Am. 241, 158, 1979.

48. Wilson K.G., The renormalizationgroup and critical phenomena, Rev. Mod. Phys. 55, 583, 1983.46. Гулд X., Тобочник Я.

49. Компьютерное моделирование в физике, том 2, издательство Мир, 1990.

50. Роджерс Д., Адаме А. Математические основы машинной графики. -М.: "Машиностроение", 1981.

51. Алберг Дж., Нильсон Э., Уолш Дж. Теория сплайнов и её приложения. М. Мир. 1972

52. С.Б.Базаров, Ю.М.Баяковский,

53. Графор. Графическое расширение Фортрана. Интернет-издание, 2002

54. Сван Т. Форматы файлов Windows, Бином, Москва, 1995.

55. Линдли К. Практическая обработка изображений на языке Си. М., Мир, 1996.

56. Гренандер У. Лекции по теории образов. М., Мир, 1979.

57. Захаров A.A. Тарировка термоиндикаторов с учётом тепловых потоков. Лесной вестник, спец. выпуск "Физика" N1(21), 2002.

58. Захаров A.A., Харченко В.Н. Влияние тепловых потоков на результаты измерений жидкокристаллическими термоиндикаторами. Тезисы докладов Российской национальной конференции по тепломассообмену, 2002.

59. Гмурман B.C. Теория вероятностей и математическая статистика. М., Высшая школа, 1968.

60. Грановский В.А., Сирая Т.Н.

61. Методы обработки экспериментальных данных при измерениях. Ленинград, ЭНЕРГОАТОМИЗДАТ, 1990.

62. Вентцель Е.С. Теория вероятностей. М., Высшая школа, 2002.

63. Юдаев Б.Н., Михайлов М.С., Савин В.К. Теплообмен при взаимодействии струй с преградами.М.,Машиностроение, 1977.

64. Руководство по выражению неопределенности измерения. НИИ метрологии им .Менделеева, Санкт-Петербург, 1999.

65. Используемая терминология и сокращения:

66. ЖК- жидкий кристалл, здесь имеется ввиду в основном жидкий кристалл холестерического типа;

67. Мезофаза — промежуточное между твёрдым и жидким состояние ЖК, где он и проявляет свойства кристалла селективно отражать свет. СКО- среднеквадратичное отклонение.

68. Цветовой тон = цвет = hue, цветовая характеристика, наиболее полно и объективно характеризующая восприятие человекомнеспектральночистых цветов. Рассчитывается как функция параметров R, G, В (базисные координаты любого цвета).

69. Объект с нечёткими границами объект изображения, цветовые характеристики которого не имеют резких скачков по сравнению с характеристиками окружающего фона.

70. Цветовые характеристики (параметры) цветовые компоненты пиксела изображения R, G, В, и функции от них Hue (цветовой тон), Saturation (насыщенность), Brightness (яркость), Intensity (интенсивность).

71. Остальные термины и сокращения, встречающие в данной работе, являются общеупотребительными, либо относятся к области объектно-ориентированного программирования.