Análise da porosidade de concreto por processamento de imagem: uma
visão da sensibilidade do Threshold na binarização
Analysis of concrete porosity by image processing: a view of Threshold
sensitivity in binarization
DOI:10.34117/bjdv6n3-497
Recebimento dos originais: 10/02/2020 Aceitação para publicação: 31/03/2020
Suian Andrade Meira
Mestranda em Ciência, Inovação e Modelagem em Materiais pela Universidade Estadual de Santa Cruz
Universidade Estadual de Santa Cruz, Campus Soane Nazaré de Andrade - Ilhéus, BA, Brasil
E-mail:[email protected]
Laio Andrade Sacramento
Mestrando em Modelagem Computacional em Ciência e Tecnologia pela Universidade Estadual de Santa Cruz
Universidade Estadual de Santa Cruz, Campus Soane Nazaré de Andrade - Ilhéus, BA, Brasil
E-mail:[email protected]
Mariane Porto Lima
Mestranda em Ciência, Inovação e Modelagem em Materiais pela Universidade Estadual de Santa Cruz
Universidade Estadual de Santa Cruz, Campus Soane Nazaré de Andrade - Ilhéus, BA, Brasil
E-mail:[email protected]
José Renato de Castro Pessôa
Doutor em Modelagem Computacional pela Universidade do Estado do Rio de Janeiro Universidade Estadual de Santa Cruz, Campus Soane Nazaré de Andrade - Ilhéus, BA,
Brasil
E-mail:[email protected]
Flávia Lopes de Almeida Nascimento
Mestre em Modelagem Computacional em Ciência e Tecnologia pela Universidade Estadual de Santa Cruz
Universidade Estadual de Santa Cruz, Campus Soane Nazaré de Andrade - Ilhéus, BA, Brasil
Joaquim Teixeira de Assis
Doutor em Engenharia Nuclear pela Universidade Federal do Rio de Janeiro Universidade do Estado do Rio de Janeiro, Instituto Politécnico do Rio de Janeiro – Nova
Friburgo, RJ, Brasil E-mail: [email protected]
RESUMO
O concreto é um material cerâmico vastamente utilizado na construção civil. Naturalmente ele contém poros antes mesmo de ser submetido a tensões externas, o que contribui para a diminuição de sua resistência mecânica. Torna-se importante a investigação da parte interna das estruturas feitas com este tipo de material a fim de se localizar patologias, componentes constitutivos e propriedades como, por exemplo, a porosidade. A microtomografia de Raio X possibilita a investigação da estrutura interna de peças de concreto por meio do processamento das imagens de suas seções transversais, obtidas a partir de radiografias. Nos códigos computacionais para processamento das imagens digitais são feitas operações com os pixels que as compõem, onde se utiliza um ponto de corte, ou threshold, quando a operação de binarização faz parte do método proposto. Neste trabalho, foram utilizadas 2126 imagens microtomográficas de Raio X das seções transversais de um testemunho de concreto, com o objetivo de se estudar a sensibilidade do threshold na variação dos resultados obtidos para a porosidade. Para esta análise, desenvolveu-se uma metodologia utilizando script com morfologia matemática no software Matlab®, onde cada imagem foi lida e processada a fim de se determinar a quantidade de poros presente na mesma. No código desenvolvido variou-se o valor do threshold cinco vezes. Os dados adquiridos para a porosidade nos cinco casos foram analisados e comparados entre si. Pode-se observar que uma pequena variação no threshold ocasiona uma variação importante no resultado da porosidade.
Palavras-chave: Processamento de Imagens, Threshold, Porosidade, Concreto.
ABSTRACT
Concrete is a ceramic material widely used in construction. Naturally it contains pores even before being subjected to external tensions, which contributes to the decrease of its mechanical resistance. It is important to investigate the interior of structures made with this type of material in order to locate pathologies, constituent components and properties such as porosity. X-ray microtomography enables the investigation of the internal structure of concrete specimen by processing the images of their cross sections, obtained from radiographs. In the computational codes for processing digital images, operations are performed with the pixels that compose them, using a cutoff point, or threshold, when the binarization operation is part of the proposed method. In this work, 2126 X-ray microtomographic images of the cross sections of a concrete core were used to study the sensitivity of the threshold in the variation of the results obtained for porosity. For this analysis, a methodology was developed using script with mathematical morphology in Matlab® software, where each image was read and processed in order to determine the amount of pores present in it. In the developed code, the threshold value was varied five times. The data acquired for porosity in the five cases were
analyzed and compared with each other. It can be observed that a small variation in the threshold causes an important variation in the porosity result.
Keywords: Image Processing, Threshold, Porosity, Concrete.
1 INTRODUÇÃO
Uma imagem digital é um suporte físico que carrega no seu interior diversas informações. Esses dados são registrados através de uma matriz, cujos índices de linhas e colunas identificam um ponto na imagem, e o correspondente valor do elemento da matriz identifica o nível de cinza naquele ponto (EVANGELISTA, 2002). Cada elemento básico dessa matriz é chamado de pixel, que é diretamente relacionado à resolução e qualidade da imagem (PESSÔA, 2014).
Processamento de imagens consiste em aplicar operações sequenciais e sucessivas, a partir de um computador, com o objetivo de extrair dessas imagens informações específicas, necessárias para interpretação de certos fenômenos (SILVA, 1996). A primeira etapa do processamento de imagens se baseia na aquisição das mesmas, em que pode ser utilizado qualquer tipo de sensor para digitalização (scanner, microtomógrafo, entre outros).
A imagem obtida na etapa de aquisição pode apresentar imperfeições que diminuem sua qualidade, a qual pode ser corrigida em um pré-processamento por meio de diversas operações matemáticas efetuadas diretamente nos valores de intensidade dos pixels. A etapa seguinte consiste na segmentação, onde as imagens são divididas em partes para identificar as regiões de interesse para sua posterior análise.
Desta forma, o presente trabalho se destina ao estudo da sensibilidade do threshold, fazendo uso dos resultados obtidos na caracterização da porosidade de um corpo de prova de concreto submetido à microtomografia de Raio X e ao processamento das imagens geradas.
2 THRESHOLD
Numa operação onde uma imagem em tons de cinza é segmentada, os componentes são separados em classes onde deve existir um valor (limiar ou threshold) para o qual pixels com valores acima e abaixo são classificados distintamente (LUCAS JUNIOR & SOARES, 2019). A partir deste processo se obtém uma imagem binária, onde o valor dos pixels abaixo do limiar escolhido recebe o valor zero, representando a cor preta, e os pixels acima deste limiar recebem o valor um, representando a cor branca (LIMA et al., 2007). A visualização
deste processo é apresentado por Marques Filho e Vieira Neto (1999) como uma bipartição do histograma, como pode ser observado na Figura 1.
Figura 1 – Análise dos picos de um histograma genérico (MARQUES FILHO & VIEIRA NETO, 1999).
Segundo Hussain (1991), um valor de limiar global geralmente não é adequado, uma vez que cada imagem tem suas peculiaridades, como refletância, sombras e iluminação. Dessa forma, o caminho usualmente utilizado para a definição do threshold é o método manual de tentativas e erro.
3 MATERIAIS E MÉTODOS
3.1 AQUISIÇÃO DAS IMAGENS MICROTOMOGRÁFICAS
A produção do corpo de prova foi realizado por Dias (2017) no Laboratório de Ensaios Mecânicos e Resistência dos Materiais (LEMER) da Universidade Estadual de Santa Cruz (UESC). A massa foi feita seguindo o traço calculado a partir das orientações descritas pela Associação Brasileira de Cimento Portland (ABCP, 1995) para um resistência mecânica à compressão de 20 MPa e o corpo de prova foi moldado em fôrma cilíndrica com 100 mm de diâmetro e 200 mm de altura de acordo como a NBR 5738/2015 “Concreto, Procedimento para moldagem e cura de corpos de prova” (ABNT, 2015).
As imagens microtomográficas foram obtidas através do microtomógrafo SkyScanR 1173, versão 1.6, do Laboratório de Instrumentação Nuclear da COPPE - RJ. A fim de se ajustar os espécimes ao tomógrafo, foi necessário extrair dos corpos de prova, um testemunho com 25 mm de diâmetro e 40 mm de altura. As projeções foram reconstituídas através do software NReconsR versão 1.7.7.0.
O ensaio gerou 2.126 imagens de seções transversais da amostra, todas em escala de cinza (8 bits) com 2240x2240 pixels cada uma. A Figura 2 é uma das imagens digitais gerada pelo microtomógrafo.
Figura 2 – Imagem digital original gerada pela microtomografia de Raio X.
3.2 PRÉ-PROCESSAMENTO DAS IMAGENS MICROTOMOGRÁFICAS
Após a aquisição, as imagens microtomográficas foram ajustadas em relação ao seu contraste. Para isso, os valores de intensidade das imagens foram redistribuídos, de modo que seu histograma ocupasse toda faixa dinâmica de valores de intensidade usados na representação dessas imagens. Este processo fez com que todo o intervalo de intensidades da imagem fossem atingidos. Além disso, 1% dos pixels que representam as imagens tiveram seus valores saturados nos valores de intensidades mais altos e mais baixos. O resultado do processo de ajuste da imagem apresentada na Figura 2 pode ser observado na Figura 3.
3.3 SEGMENTAÇÃO DAS IMAGENS MICROTOMOGRÁFICAS
Após o pré-processamento das imagens digitais, elas foram segmentadas a fim de se separar a pasta com agregados dos poros, através da binarização. Para a determinação dos
thresholds utilizados na binarização com o intuito de destacar os poros, foi necessário realizar
uma análise do histograma da amostra com ajuste de contraste, conforme apresentado na Figura 4.
Figura 4 – Histograma da amostra ajustada em contraste.
Analisando o histograma é possível perceber que existe uma concentração de pixels nos níveis de cinza em torno de 0 e 50, o que representa os poros. O outro pico de concentração de pixels é referente à matriz cimentícia dos compostos e possui valores entre 100 e 170, aproximadamente.
A partir da análise dos histogramas da amostra no software Photoshop® foi possível definir que o melhor threshold (nível de cinza) para caracterização do índice de poros é aproximadamente 100. Foi utilizado para o estudo de sensibilidade do threshold dois valores acima e abaixo do obtido no Photoshop®, como pode ser visto na Figura 5. Neste processo, todos os pixels com valores menores aos utilizados como limiar foram considerados poros e receberam valor 1. Os demais pixels encontrados na imagem receberam valor 0.
A última etapa da segmentação consistiu em filtrar as imagens utilizando morfologia matemática caracterizada pela aplicação do processo de erosão seguido pelo processo de dilatação, a fim de se destacar os poros. A Figura 6 apresenta as imagens binarizadas utilizando
threshold 96, 98, 100, 102 e 104. Visualmente, a quantidade de brancos no threshold 96 é
inferior às demais.
Figura 6 – Imagens binarizadas com destaque para os poros, com threshold (a) 96, (b) 98, (c) 100, (d) 102 e (e) 104.
Após se destacar os poros, foi possível obter uma estimativa da porcentagem do mesmo na amostra. Foi calculada, então, a razão da quantidade de pixels que representam a porosidade do concreto (brancos) em cada fatia da imagem pela quantidade de pixels total da amostra. A operação utilizada é apresentada na Eq. (1).
𝑃𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑔𝑒𝑚 𝑑𝑒 𝑝𝑜𝑟𝑜𝑠 = Á𝑟𝑒𝑎 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑏𝑟𝑎𝑛𝑐𝑜𝑠
4 RESULTADOS E DISCUSSÕES
A partir da metodologia exposta, foram obtidos os resultados apresentados na Tabela 1 e na Figura 7. O valor de porosidade adquirido através do ensaio de intrusão de mercúrio, realizado na Universidade de São Carlos - SP, está mostrado na Tabela 1 a fim de possibilitar a comparação com os resultados do processamento das imagens.
Tabela 1- Resultado médio de porosidade da amostra para diferentes valores de threshold e com a intrusão de mercúrio. Quantidade de imagens Porosidade (%) Threshold Intrusão de mercúrio 96 98 100 102 104 2126 1,23% 1,37% 1,44% 1,67% 1,68% 1,51%
Figura 7 – Gráfico comparativo entre threshold e índice de porosidade.
Os resultados expostos indicam que quanto menor o valor atribuído ao threshold, menor é o índice de porosidade do testemunho de concreto, ou seja, menor a quantidade de brancos da imagem binarizada. Observa-se ainda, que não há uma linearidade dos resultados com a mudança do valor do limiar, e que mesmo uma variação pequena do threshold provoca uma mudança considerável nos resultados finais.
O valor de 100 para o threshold obtido a partir da análise dos histogramas no software Photoshop® apresentou o resultado para a porosidade (1,44%) mais próximo ao calculado pelo método de intrusão de mercúrio (1,51%), com uma diferença menor que 5%.
5 CONCLUSÕES
Os resultados mostram que o uso das imagens microtomográficas para caracterização de testemunhos de concreto é um método possível de ser utilizado. A pequena divergência observada entre o resultado obtido pelo ensaio de intrusão de mercúrio e pelo processamento das imagens de microtomografias de Raios X , pode ser atribuída ao fato de que no ensaio de intrusão de mercúrio as paredes dos poros podem se romper à medida em que o mercúrio penetra na amostra (COOK & HOVER, 1999) e no processamento das imagens alguns ruídos existentes podem estar sendo considerados como poros na contagem.
Comparando os resultados de porosidade obtidos para os diferentes thresholds utilizados, infere-se que quanto maior o threshold, maior quantidade de pixels brancos existirão na imagem binarizada e maior será o índice de vazios (porosidade) calculado. Isto pode gerar resultados distorcidos devido à quantidade de ruído que poderá ser captada ao se binarizar a imagem digital.
O índice de porosidade obtido a partir do threshold de 100 apresentou apenas 4,64% de diferença em relação ao calculado por intrusão de mercúrio. Atribuindo valores menores a esse, adquiriu-se 9,27% e 18,54% de discrepância para 98 e 96, respectivamente. No caso de
thresholds maiores, obteve-se defasagem de 10,59% para 102 e 11,26% para 104.
Assim, pode-se concluir que a escolha do threshold está diretamente ligada ao resultado obtido para a porosidade, o que justifica mais estudos a fim de que esta escolha seja mais otimizada.
AGRADECIMENTOS
À equipe do Laboratório de Ensaios Mecânicos e Resistência dos Materiais – LEMER, que me permitiram vislumbrar muito além da universidade. À Fundação de Amparo à Pesquisa do Estado da Bahia (FAPESB), pelo investimento concedido a mim. À Universidade Estadual de Santa Cruz (UESC), por todo suporte necessário.
REFERÊNCIAS
Associação Brasileira de Cimento Portland (1995), “Parâmetros de Dosagem de Concreto”, Estudo Técnico ET-67.
Associação Brasileira de Normas Técnicas (2015), NBR 5738: “Concreto — Procedimento
para moldagem e cura de corpos de prova”, Rio de Janeiro.
Cook, R. A., Hover, K. C. (1999), “Mercury porosimetry of hardened cement pastes”, Cement and Concrete Research, v. 29, n. 6, p. 933–943.
Dias, L. A. (2017), “Concreto incorporado com EVA e fibras de piaçava: uma alternativa
sustentável na construção civil”. Dissertação (Mestrado), Universidade Estadual de Santa
Cruz, Ilhéus.
Evangelista, A. C. J. (2002), “Avaliação da Resistência do Concreto Usando Diferentes
Ensaios Não Destrutivos”, Tese (PhD), Universidade Federal do Rio de Janeiro. Rio de
Janeiro.
Hussain, Z. (1991), “Digital Image Processing, Pratical Applications of Parallel Processing
Techniques”, Ellis Horwood Limited, West Sussex.
Lima, I. et al. (2007), “Caracterização de materiais cerâmicos através da microtomografia
computadorizada 3D”, Revista Brasileira de Arqueometria, Restauração e Conservação,
AERPA Editora, p. 22-27.
Lucas Júnior, J. L. O., Soares, J. B. (2019), “Desenvolvimento de metodologia para avaliação
da adesividade agregado-ligante com o uso de processamento digital de
imagem”, Transportes, [S. l.], p. 82-95.
Marques Filho, O., Vieira Neto, H. (1999), “Processamento digital de imagens”, Brasport, Rio de Janeiro.
Pessôa, J. R. d. C.; Dominguéz, J. S.; Carvalho G. DE, A. J. T. d. (2014), “Porosidade do
concreto determinada por microtomografia com raio x e processamento de imagens”.
Silva, F. D. A. (1996), “Aplicação de técnicas de processamento de imagens na
caracterização de materiais”, Tese de Doutorado, Universidade Estadual de Campinas,
