《Journal of Cultural Heritage》:Image-based roughness estimation for patinated bronze surfaces: a practical multivariate algorithm applied to benchtop and portable microscopy
编辑推荐:
本研究开发并验证了一种基于图像的非侵入性工作流程,用于估算有铜绿青铜表面的粗糙度。研究人员利用多元回归(multivariate regression)模型,从台式体视显微镜(benchtop stereomicroscope)和便携式数字显微镜(portab
本研究开发并验证了一种基于图像的非侵入性工作流程,用于估算有铜绿青铜表面的粗糙度。研究人员利用多元回归(multivariate regression)模型,从台式体视显微镜(benchtop stereomicroscope)和便携式数字显微镜(portable digital microscope)采集的显微图像中预测算术平均粗糙度(Ra)。该工作流程将图像划分为多尺度窗口,计算各窗口内像素强度均值与标准差的变异性,构建数据矩阵,并采用主成分分析(PCA)与偏最小二乘回归(PLS)进行化学计量学建模。结果表明,在掠射光照明条件下,台式系统模型的预测决定系数(R2)高于0.80,便携式系统的最佳模型R2接近0.80,预测误差与参考Ra测量的实验误差相当。漫射光条件下建立的模型表现不佳,表明照明条件是影响图像纹理与粗糙度关联的关键因素。该研究证明了常规显微成像可转化为定量表面描述符,为文化遗产保护中的原位粗糙度评估提供了可行方案,并为进一步扩展至面域表面纹理参数(areal surface texture parameters)奠定了概念验证基础。
论文解读文章
一、研究背景与问题
表面纹理是材料计量学中的重要研究对象,涵盖制造过程和使用寿命共同作用形成的复杂微观结构。表面粗糙度直接影响金属基材的性能、质量和服役寿命,对于表面处理和保护涂层的表现也至关重要。在文化遗产科学领域,表面计量学长期未得到充分重视。尽管现代标准推荐使用面域(三维)参数(如Sa)来表征复杂异质表面,但此类参数在文物领域的应用面临诸多挑战:文物表面由非受控制造过程产生并经长时间自然老化,难以建立合适的计量标准;面域测量通常比轮廓测量更复杂耗时;适用于文物保护现场的便携式面域测量仪器也十分有限。因此,轮廓参数Ra(算术平均粗糙度,即轮廓纵坐标绝对值的算术平均值)仍因触针式仪器的便携性、易用性和操作简便性而在文物研究中被广泛采用。
与此同时,图像纹理分析技术已发展出统计、结构和变换三大类方法。灰度共生矩阵(GLCM)、二维快速傅里叶变换(2D-FFT)和功率谱密度(PSD)分析等工具均被用于表面特征的定量表征。然而,现有研究主要集中于图像分类、分割、定性纹理表征或裂纹缺陷识别,将常规显微成像转化为与粗糙度相关的定量信息的潜力仍未得到充分开发。这构成了一个方法论空白:文物保护中广泛用于记录存档的常规表面成像,与能够支持保护评估和监测的客观粗糙度参数提取之间缺乏有效衔接。对于有铜绿青铜表面而言,粗糙度在保护涂层行为中扮演重要角色,却很少采用与常规保护实践兼容的方法进行表征。因此,本研究旨在弥合这一空白,探索从常规光学显微图像中提取粗糙度相关定量信息的可行性。
二、研究内容与意义
研究人员开发并验证了一种基于图像的青铜表面粗糙度定量评估方法。该方法将显微成像、多尺度图像分析与化学计量学建模相结合,提取与参考粗糙度参数Ra相关的表面纹理描述符。研究特别考察了便携式数字显微镜作为文化遗产非侵入性表面表征实用工具的潜力。研究意义在于:该方法可从单次图像采集中同时获得文档记录和定量粗糙度信息,无需额外测量;便携式系统支持未来对不可移动文物的原位评估;整个工作流程计算成本低、依赖成熟统计方法,适用于广泛用户群体。研究为文物保护中常规成像资料向定量计量信息的转化提供了方法论基础,并为未来扩展至面域表面纹理参数建立了概念验证。
三、关键技术方法
研究使用了五种成像配置对同一批实验室样品进行图像采集:徕卡M205C台式体视显微镜在10×和20×放大倍率下以掠射光照明成像,以及Dino-Lite AM4113ZT便携式数字显微镜在50×掠射光、50×漫射光和210×漫射光三种配置下成像。样品为米兰Fonderia Artistica Battaglia艺术铸造厂制备的136块四元青铜试片(88.3% Cu、5.7% Sn、1.6% Pb、3.9% Zn,含微量Ni和Fe,约5×5 cm),表面施加Verde Messina铜绿以模拟真实青铜表面。参考Ra值采用三丰Surftest SJ 210便携式触针粗糙度仪按ISO 4287:1997标准测量,每块试片测五点取平均。图像经裁剪至1260×1260像素后,按1260的36个因数进行多尺度窗口划分,共产生1294种分区组合;对每个窗口计算像素强度均值和标准差,进而构建DSM矩阵(均值标准差的变异性)和DSDS矩阵(标准差的标准差的变异性)。化学计量学分析采用PLS_Toolbox在MATLAB中完成,使用Kennard-Stone和Onion两种数据分割算法划分校准集(66%)与外部验证集(34%),以8折重复交叉验证确定潜变量数。
四、研究结果
4.1 图像到数据的转换方法
研究人员将每幅裁剪后的1260×1260像素图像划分为不同尺寸的窗口,窗口尺寸取图像尺寸的因数,涵盖从1×1到1260×1260的36×36共1296种组合(排除两种极端情况后为1294个变量)。对每个窗口计算像素强度均值和标准差,再计算各窗口均值之间的标准差和标准差之间的标准差,分别构成DSM和DSDS数据矩阵。该方法使模型不受样品拍摄时取向的影响。多尺度分区策略的依据在于:粗糙度特征具有不同空间尺度,过小的窗口只能捕获单个特征的有限部分,过大的窗口则会平均化局部变化;覆盖全尺度范围的分区可高效捕获粗糙度相关信息,且计算成本极低。
4.2 数据探索
主成分分析(PCA)结果表明,台式体视显微镜图像和便携式显微镜掠射光图像的数据矩阵中,样品在得分空间中按表面粗糙度分布,以Ra值着色后趋势更为清晰。载荷图显示,第一主成分主要受中等尺寸分区影响,第二主成分与小尺寸和大尺寸分区相关,说明模型利用了全范围分区的信息。漫射光条件下采集的图像未显示与粗糙度相关的系统性变化。PCA还成功识别出异常样品:2号样品因表面深划痕偏离,38号样品因表面孔洞异常,109号样品因照明略不均匀而偏离。这证明PCA可作为图像采集质量控制和异常样品识别的有效工具。
4.3 台式体视显微镜的粗糙度预测
基于徕卡M205C图像建立的偏最小二乘(PLS)回归模型在标定、交叉验证和外部预测各阶段均获得高于0.80的决定系数(R2)。绿色通道和灰度图像表现相当,DSM和DSDS矩阵均适用,其中灰度图像DSM矩阵模型稳定性略优。所有模型均需3个潜变量。10×放大倍率模型性能略优于20×,可能因低倍率覆盖更大表面积,能更好地平均局部不均匀性。最佳模型预测误差约为1.2 μm(约12%),与Ra参考测量的实验误差(平均标准差20%)相当。变量选择方法未能提升模型性能,反而多数情况下导致性能下降,因为粗糙度感知具有尺度依赖性,保留所有分区才能完整捕获不同样品的粗糙度特征。
4.4 便携式数字显微镜的粗糙度预测
Dino-Lite便携式显微镜掠射光图像建立的模型,最佳性能R2接近0.80,预测误差略高于台式系统,无明显模型偏差。DSM矩阵模型需3个潜变量,DSDS矩阵模型需4个潜变量,因此DSM矩阵在此情况下更优。漫射光条件下(两种放大倍率)建立的模型性能差且存在无法通过预处理修正的显著偏差,说明照明条件是图像纹理与粗糙度关联的关键决定因素。便携式系统虽然精度略低于台式仪器,但已具备足够的预测能力,支持现实的非侵入性原位粗糙度评估。
五、讨论与结论
讨论部分指出,模型性能依赖于采集条件,尤其是照明方式和放大倍率。掠射光照明能够增强表面形貌的对比度,使图像纹理更直接反映粗糙度信息;漫射光则削弱了这种关联。便携式数字显微镜结合化学计量学方法,为传统轮廓测量提供了灵活替代方案,展示了常规记录图像转化为定量计量信息的可行性。从保护角度看,该方法不应仅以预测精度评价,还应考虑其对状况评估、表面比较和时间监测的支持能力;它并非要替代需要计量级精度的轮廓测量,而是为保护决策提供定量信息,扩展常规成像的分析价值。研究结论表明:表面粗糙度可以通过可访问的化学计量学工作流程从显微图像中估算;多尺度图像分区与多元建模相结合,可从数字图像(包括便携设备采集的图像)中推断传统上需接触式轮廓测量获得的定量信息;便携式数字显微镜在掠射光照明下表现出特别有前景的性能。未来发展方向包括增加面域纹理描述符(如均方根高度Sq)、应用于真实艺术品和历史老化表面,以及应对颜色分布不均匀、异质铜绿、局部腐蚀产物、污染和非受控原位照明等因素带来的图像变异性挑战。