一種固體顆粒在涂膜中分散性定量表征的方法與流程

本發明屬于材料性能檢測技術領域，具體涉及一種固體顆粒在涂膜中分散性定量表征的方法。

背景技術：

涂料中的顏料、填料一般均為無機固體顆粒，無法溶解在涂料中，這些固體顆粒的分散性對涂膜的性能如阻隔性能、力學強度等影響很大，尤其是要采用無機納米顆粒制備透明涂膜時，分散性的影響就更大。其原因是納米顆粒粒徑小、比面積大、表面能高，極易形成粒徑較大的聚集體，不但使納米組分難以發揮作用，而且常常難以形成均一透明的涂膜。現有的分散性表征有的采用定性表征方法如中國專利CN 100383198C 用掃描電鏡照片主觀定性判斷無機氧化物粉體在有機介質中的分散性；也有的采用間接方法表征，如中國專利CN 101435762 B則根據熒光粉溶液在一定時間內的沉降體積判斷其分散性能，CN 102313719 B通過測量炭黑的透光率來測量炭黑的水分散性，CN 102504610 B采用激光粒度儀測定分散在酚醛樹脂溶液中的納米二氧化硅的粒徑表征其分散性。CN 104990843 A、CN 104849410 A均采用刮板細度計檢測鈦白粉在油性涂料中的分散性，但精科刮板細度計由于使用者的操作及評判標準的主觀性，一般只能用于粗略的測量；而且對于納米級固體顆粒，已超出刮板細度計的測量范圍。目前，直接量化表征固體顆粒在涂膜中的分散性的方法尚未見報道。

技術實現要素：

為了彌補現有技術的不足，本發明所要解決的技術問題是提供固體顆粒在涂膜中分散性定量表征的方法，該方法可對固體顆粒在涂膜中的分散性進行直接、量化表征，有效增強了表征的客觀性、可靠性和精度。

為解決上述技術問題，一種固體顆粒在涂膜中分散性定量表征的方法，包括以下步驟：

（1）涂膜制備：將含有固體顆粒的涂料配置完成后制備涂膜；

（2）涂膜圖像采集：利用圖像采集設備采集涂膜圖像；

（3）數字圖像處理：

i. 圖像轉換：將彩色圖像轉換為灰度圖；

ii．圖像增強：采用下述方法之一或幾種簡單平滑、高斯平滑、均值濾波、SNN均值濾波、中值濾波或雙邊濾波方法降噪以增強圖像；

iii. 圖像分割：設原始圖像為I(x，y)，設定特征值T，當I(x，y)≥T時，其值置為1，否則，其值置為0；

iv. 顆粒分散表征：根據步驟iii中所得I(x，y)的值識別涂膜中的固體顆粒，統計顆粒大小及其分布，以此直接量化表征固體顆粒在涂膜中的分散性。

進一步的，步驟（1）中所述涂膜制備方法為下述方法之一：涂刷、浸漬-提拉、輥涂、刮涂或淋涂。

進一步的，步驟（2）中所述涂膜圖像采集包括：

a.對于不透明涂膜，采用數碼相機、體視顯微鏡、超景深顯微鏡或掃描電鏡采集圖像；

b.對于透明涂膜，采用光學顯微鏡、超景深顯微鏡或掃描電鏡采集圖像；

c.在透明涂膜后加上質地均勻、顏色與固體顆粒反差大的襯板，再用數碼相機或體視顯微鏡采集圖像。

進一步的，步驟（3）i中所述圖像轉換采用浮點算法，Grey=0.299R+0.587G+0.114B，灰度轉換公式為：

。

進一步的，步驟（3）i中所述圖像轉換采用整數算法：Grey = (299*R + 587*G + 114*B + 500) /1000。

進一步的，步驟（3）ii中圖像分割方法為下述方法之一：閾值法、Otsu法、最大熵法、矩量保持法或Intermodes。

本發明有益效果：本發明采用數字圖像處理技術對固體顆粒在涂膜中的分散性進行直接、量化表征，增強了表征的客觀性、可靠性和精度，對于精確、直接判定固體顆粒在涂膜中的分散性有重要意義。

附圖說明

圖1為本發明的方法的流程圖；

圖2為灰度圖像；

圖3為圖像分割圖。

具體實施方式

下面結合具體實施例對本發明作進一步具體說明。本發明中所述實施例僅用于說明解釋本發明而不對本發明的范圍構成限制。本領域的普通技術人員能從本發明公開的內容直接導出或聯想的所有變形，均應認為是本發明的保護范圍。

實施例：

本發明實施例提供一種固體顆粒在涂膜中分散性定量表征的方法，包括以下步驟：

（1）涂膜制備：將含有固體顆粒的涂料配置完成后制備涂膜，所述涂膜制備方法為涂刷、浸漬-提拉、輥涂、刮涂、淋涂或其他方法制備，涂膜基材宜采用質地、顏色均勻的材料，除GB 1727-92規定的馬口鐵板、玻璃板、鋼板等材料外，如需制備游離涂膜，也可采用聚四氟乙烯等低表面能材料。

（2）涂膜圖像采集：利用圖像采集設備采集涂膜圖像，a.對于不透明涂膜，采用數碼相機、體視顯微鏡、超景深顯微鏡或掃描電鏡采集圖像；b.對于透明涂膜，采用光學顯微鏡、超景深顯微鏡或掃描電鏡采集圖像；c.在透明涂膜后加上質地均勻、顏色與固體顆粒反差大的襯板，再用數碼相機或體視顯微鏡采集圖像。如需轉換成實際尺寸，可在與采集涂膜圖像相同的觀測條件下采集標尺圖像。

（3）數字圖像處理即固體顆粒定量表征：

i. 圖像轉換：將彩色圖像轉換為灰度圖，當采集的圖像為彩色圖像時，利用計算機軟件將采集的圖像轉換為灰度圖，以簡化處理，加快運算速度。轉換可采用平均值法：Gray=（R+G+B）/3進行，優選地，由于人眼對三原色的敏感度不同，故采用整數方法，即加權平均法給予紅綠藍3個分量不同的權值。由YUV顏色空間可知，當Grey=0.299R+0.587G+0.114B時能夠得到最合理的灰度圖像，由此得到灰度轉換公式為：

。

為進一步減少運算時間，可將浮點算法轉換為整數算法：Grey = (299*R + 587*G + 114*B + 500) /1000；整數運算會截斷小數部分，加上500是為了四舍五入，減少精度損失。當然，還可進一步轉換成位操作算法或其他優化算法。

ii．圖像增強：采用簡單平滑、高斯平滑、均值濾波、SNN均值濾波、中值濾波或雙邊濾波方法降噪以增強圖像；當圖像中噪聲較多時，可采用簡單平滑、高斯平滑、均值濾波、SNN均值濾波、中值濾波或雙邊濾波等方法降噪以增強圖像；當圖像中固體顆粒與其他部分區分度不夠時，可采用拉普拉斯銳化提高圖像對比度，從而使圖像清晰起來。簡單平滑是一種線性濾波技術，用像素點鄰域灰度的均值代替該像素點的灰度值；高斯平滑則是用分布不為零的像素組成的卷積矩陣與原始圖像做變換，每個像素的值都是周圍相鄰像素值的加權平均，原始像素的值有最大的高斯分布值，所以有最大的權重，相鄰像素隨著距離原始像素越來越遠，其權重也越來越小；均值濾波是對當前像素選擇一個模板，該模板為其鄰近的若干個像素組成，用模板的均值來替代原像素的值；SNN均值濾波是在一個局部范圍內，通過幾對對稱點像素的比較，獲得相對區域及不同區域的差別，然后將均值計算在所判定的同一個區域內進行，這樣可以使邊界的保持更加靈活的同時又降低計算量；中值濾波是基于排序統計理論的一種能有效抑制噪聲的非線性信號處理技術，其基本原理是把數字圖像或數字序列中一點的值用該點的一個鄰域中各點值的中值代替，讓周圍的像素值接近的真實值，從而消除孤立的噪聲點，對于斑點噪聲和椒鹽噪聲來說尤其有用；雙邊濾波比高斯濾波多了一個高斯方差，離的較遠的像素不會太多影響到邊緣上的像素值，這樣就保證了邊緣附近像素值的保存。

iii. 圖像分割：可采用閾值法或其他方法對圖像進行分割，以區分出固體顆粒。設原始圖像為I(x，y)，按照一定的準則在I(x，y)中找到特征值T，當I(x，y)≥T時，其值置為1，否則，置為0。特征值T可人工選擇調整，也可采用Otsu法、最大熵法、矩量保持法和Intermodes等試算，選擇分割效果較好的方法。

iv. 顆粒分散表征：根據步驟iii中I(x，y)的值識別涂膜中的固體顆粒，統計顆粒大小（面積、直徑）及其分布，以此直接量化表征固體顆粒在涂膜中的分散性，注意此時的單位是基于像素的。可根據圖像采集時標尺的圖像轉換成實際尺寸。設標尺中長度為l部分在圖像中的像素為x，則每個像素代表的實際長度為l/x，據此可計算出固體顆粒實際尺寸或面積：以像素表示的長度或直徑乘以l/x，面積則需乘以（l/x）²。

試驗例:TiO2粉末在水性聚氨酯涂膜中的分散性表征

1、涂膜制備：配置含有TiO2固體顆粒的水性聚氨酯涂料適量，取2 ml到直徑60 mm的聚四氟乙烯模板中制備涂膜，干燥后取下得到透明游離膜。

2、涂膜圖像采集：采用奧林巴斯生物顯微鏡采集涂膜RGB彩色圖像，在相同觀測條件下采集標尺圖像。

3、數字圖像處理（固體顆粒定量表征）：包括圖像轉換、圖像增強、圖像分割以及顆粒分散表征等步驟。

（1）圖像轉換：當采集的圖像為彩色圖像時，利用計算機軟件將采集的圖像轉換為灰度圖，以簡化處理，加快運算速度。由于人眼對三原色的敏感度不同，故采用整數方法，即加權平均法給予紅綠藍3個分量不同的權值。由YUV顏色空間可知，當Grey=0.299R+0.587G+0.114B時能夠得到最合理的灰度圖像，按如下公式轉換：

，得到灰度圖像，如圖2所示。

（2）圖像增強：經試用各種降噪算法處理后，發現采用高斯平滑對圖像進行降噪效果較好，故采用高斯平滑增強圖像。

（3）圖像分割：可采用閾值法或其他方法對圖像進行分割，以區分出固體顆粒。設原始圖像為I(x，y)，按照一定的準則在I(x，y)中找到特征值T，當I(x，y)≥T時，其值置為1，否則，置為0。采用Otsu法確定特征值T=85對圖像進行分割，圖像分割圖如圖3所示，其中圖中白色部分為顆粒。

（4）顆粒分散表征：統計顆粒大小（面積、直徑），以此直接量化表征固體顆粒在涂膜中的分散性，注意此時的單位是基于像素的。

經測量，標尺中長度為1 mm部分在圖像中的像素為2916.2，則每個像素代表的實際長度為0.3429μm，據此可將下表中長度、寬度乘以0.3429得到實際尺寸，面積則乘以0.34292得到實際面積。由此可見，本發明可用來對固體顆粒在涂膜中的分散性進行直接、量化表征，且表征的客觀性、可靠性和精度均較高。