ANÁLISE METALOGRÁFICA DE UM AÇO TRIP 800, UTILIZANDO PROCESSAMENTO DIGITAL DE IMAGENS

Transcrição

1 ANÁLISE METALOGRÁFICA DE UM AÇO TRIP 800, UTILIZANDO PROCESSAMENTO DIGITAL DE IMAGENS Costa, F. H.; Fukugauchi, C.S.; Pereira, M.S. Faculdade de Engenharia de Guaratinguetá da Universidade Estadual Paulista (FEG - UNESP), Guaratinguetá, SP, Brasil. RESUMO Os aços multifásicos de alta resistência como os aços assistidos pelo efeito TRIP (Plasticidade Induzida por Transformação), cuja microestrutura é composta de ferrita, bainita, austenita e martensita, estão sendo cada vez mais empregados na indústria automobilística. Neste trabalho uma amostra deste material foi atacada com reagente LePera e as imagens obtidas via microscopia óptica foram analisadas por processamento digital de imagens. Com o uso do software ImageJ foram estudados os métodos de Limiarização (Threshold) e Watershed para a segmentação das imagens e analise dos microconstituintes. Ambos os métodos foram analisados e comparados com relação as diferenças de abordagem no processamento da imagem, os parâmetros, dificuldades e resultados. Também foram analisadas as características morfológicas e fração volumétrica destas fases. Verificou-se dificuldade de definição dos contornos de grãos. Os resultados mostram que a limiarização leva a identificação de um número maior de grãos e de menor área média que o método Watershed. Palavras-chave: TRIP, LePera, processamento de imagens, limiarização, Watershed. 391

2 INTRODUÇÃO Aços assistidos pelo efeito TRIP (Transformation-induced plasticity) foram desenvolvidos a fim de melhorar a combinação resistência e ductilidade, visando atender às exigências impostas por aplicações, especialmente na indústria automobilística. Estes aços multifásicos são obtidos através de uma austenização parcial ou total, seguida de um tratamento isotérmico na faixa de temperatura de transformação bainítica. Durante o tratamento isotérmico, parte da austenita é transformada em bainita, enquanto outra parcela da austenita residual se transforma em martensita. Como o comportamento macroscópico dos materiais é fortemente dependente da microestrutura, a metalografia quantitativa é importante para se entender e relacionar as propriedades do metal com sua microestrutura (1). A fim de melhor revelar as fases e conseguir maior precisão na identificação destas, os metalógrafos utilizam métodos para obtenção de metalografias coloridas, que proporcionam maiores informações sobre a microestrutura das amostras (2 e 3). Na análise de imagens de metais pode-se realizar uma contagem de grãos, medição do tamanho dos mesmos, além de determinar sua fração volumétrica abordagens relativamente simples. A norma ASTM E562 (4) define as diretrizes para se determinar a fração volumétrica manualmente. Em resumo a norma determina que se trace uma grade na imagem a ser analisada. A grade terá um determinado numero de retas verticais e horizontais. A contagem é feita a partir do numero de grãos da fase de interesse que interceptam os pontos de intersecção das retas traçadas. Para o calculo da fração volumétrica dividi-se o numero de grãos pelo numero total de intersecções (5). O tamanho de grão pode ser obtido desenhando-se uma reta sobre a imagem. Então dividi-se o total de grãos que interceptam a reta pelo comprimento da mesma (1). Com a ajuda de programas de processamento e análise de imagens é possível facilitar o trabalho de analise metalográfica bem como expandir as opções dos parâmetros de estudo. Para a analise digital é necessário selecionar um programa de computador adequado. Há atualmente vários programas muito úteis para o tratamento e análise 392

3 digital de imagens tais como: Matlab, Photoshop, ImageJ (6), Fiji (7). Destes exemplos é interessante notar que o ImageJ e o Fiji são programas de código aberto e com a possibilidade do usuário modificá-los ou criar complementos para os mesmos. Entretanto, ao selecionar o software a ser utilizado é importante considerar que uma correta segmentação necessita de uma escolha adequada de um procedimento que se adeque as características da imagem. Fatores como cor, textura, presença de sombras, ruídos necessitam ser tratados de formas diferentes. Cada método de segmentação existente possui pontos fortes e fracos dependendo de quais e como tais características são processadas O objetivo deste trabalho é sugerir um método para análise de imagens de um aço TRIP, demonstrando seus pontos de interesse e também apresentando a teoria. Para a discussão, serão usados os programas ImageJ e Fiji juntamente com complementos criados por usuários dos mesmos. Limiarização (Threshold) O processo de limiarização pode ser utilizado tanto em imagens coloridas (32 bit RGB, por exemplo) quanto em imagens em tons de cinza (8 bit), resultando numa imagem binarizada (8). Seguindo um intervalo de valores de intensidade definido, isto é, o grupo de interesse, os pixels da imagem de entrada são divididos em dois grupos. Valores dentro do intervalo de interesse se tornam pretos; os fora, brancos (8, 9). Em imagens coloridas todos os componentes de cor são limiarizados separadamente. O intervalo de interesse final possui apenas os pixels incluídos nos intervalos de interesse dos componentes. Watershed Watershed é um algorítimo de segmentação de imagens que se baseia em topologia digital. Foi introduzido por S. Beucher e C. Lantuejoul (10), a partir de então vários estudos vem sendo realizados nesse assunto. Em 1991 Vincent e Soille (11) publicaram um algorítimo para a segmentação de imagens em 8 bits otimizado, isto é, utiliza menos processamento para realizar o procedimento, este algorítimo é ainda 393

4 muito utilizado em vários trabalhos. O método utilizado é eficiente computacionalmente e simples de ser utilizado. É apenas necessário que a imagem de entrada tenha suas cores invertidas, outra opção de entrada é utilizar o gradiente da imagem. O problema deste método reside no fato de que devido a grande quantidade de variação presente em qualquer imagem digital, seja por ruído, seja pela própria complexidade do objeto fotografado, ocorre a super segmentação das imagens inviabilizando por muitas vezes o uso deste método (11). Andrade (12) apresentou um método de se diminuir a super segmentação utilizando parâmetros definidos pelo usuário que são utilizados para verificar e unir regiões conexas da imagem resultante do Watershed, suprimindo assim a super segmentação (12). A seguir é apresentado de forma simples o processo de segmentação via watershed: A cor de uma imagem digital pode ser considerada a variável z em função da posição (x,y) de cada ponto. O método watershed simula a inundação dessa função, considerando a imagem como um relevo topológico. No momento que duas águas se encontram uma linha divisória é formada e assim a imagem é dividida em suas varias partes constituintes. MATERIAIS E MÉTODOS O material utilizado é um aço de baixo carbono e baixa liga classificada como TRIP 800. Na Tabela I está representada a composição química e suas propriedades mecânicas estão listadas na Tabela II. 394

5 Tabela I - Composiç ão Quí mica do Aç o TRIP 800. Elemento de Liga Porcentagem em Peso Carbono (C) 0,205 Silício (Si) 0,87 Manganês (Mn) 0,28 Fósforo (P) 0,027 Enxofre (S) 0,003 Cromo (Cr) 0,015 Níquel (Ni) <0,001 Molibdênio (Mo) 0 Alumínio (Al) 0,04 Cobre (Cu) 0 Titânio (Ti) <0,001 Vanádio (V) <0,001 Nióbio (Nb) <0,001 Estanho (Sn) 0 Boro (B) 0 Tabela II - Propriedades Mecânicas do Aço TRIP 800. Bobina LR (N/mm 2 ) LE (N/mm 2 ) ΔL (%), Lo=80 mm r n ,2 548,2 23,1 1,09 0, ,0 544,3 24,5 1,08 0,19 Para o estudo foram utilizadas imagens do material atacado com o reagente 395

6 LePera. As imagens foram obtidas em microscópio óptico Zeiss Axioscop 200 com aumento de 1000x e analisadas utilizando o programa ImageJ, bem como os plugins presentes no site do programa. Para a programação e compilação do plugin Watershed foi utilizado o programa Eclipse. A análise realizada foi focada na identificação dos grãos, seus contornos e posteriormente as ferramentas de contagem e medição do ImageJ foram utilizadas para se realizar uma caracterização dos grãos. RESULTADOS E DISCUSSÃO O ataque químico realizado apresenta como resultado a fase ferrítica em azul, a bainítica em marrom e as fases martensítica e austenítica em branco. Sendo assim não é possível apenas com esse ataque diferenciar essas duas últimas. A figura 1 apresenta a imagem utilizada. Figura 1: Aço TRIP, reagente LePera, aumento de 1000x. É possível notar distintos tons de azul para a fase ferrítica. Essa diferença 396

7 ocorre pois o reagente usado é sensível à direção cristalográfica do grão, assim ocorrem diferentes deposições o que leva a tais diferenças de cor. Essa característica do reagente também acontece com as outras fases (13). É também possível observar que a região dos contornos de grãos apresenta uma parte escura. Essa região é caracterizada por possuir um ponto de mínimo durante a transição entre grãos. A Figura 2 mostra claramente este ponto. Aproximadamente na distancia 0,3 polegadas os três componentes das cores atingem um mínimo. Figura 2: Gráfico do contorno ferrita-ferrita. No eixo vertical são dados os valores de intensidade dos componentes RGB dos pixels ao longo do segmento de reta amarelo mostrado na imagem à esquerda. De maneira semelhante, mas com menor intensidade também se percebe esse fato no contorno entre a a bainita e as outras fases. A partir da imagem, do gráfico apresentado e da teoria do ataque químico colorido, neste trabalho foi considerado o contorno de grãos como a região de mínimo durante a transição de cor entre dois grãos. O próximo passo na analise quantitativa é a separação das regiões de interesse da imagem, ou seja, é realizado um processamento seguido de uma analise digital da imagem. O processamento mais utilizado em analise é a limiarização, como a limiarização utiliza apenas a informação referente à cor da imagem, neste caso especifico onde foi mostrado que há uma variação de cor nos 397

8 contornos de grão é de se esperar que haja uma dificuldade em se selecionar completamente um grão, ou no caso todos os grãos de uma fase na imagem inteira. Para um melhor entendimento das características dos métodos de segmentação foram realizados dois procedimentos, um via limiarização e outro via Watershed para identificar as diferenças. a) Limiarização A figura a seguir apresenta o resultado de um limiarização colorida com o objetivo de se selecionar o microconstituinte branco. No centro da figura 3-b está um grão branco, uma linha branca indica a área selecionada deste grão usando a limiarização. Pode-se notar que a partir deste ponto a seleção começa a incluir partes azuis da imagem, sendo este um fato indesejado. b) Watershed O segundo método estudado foi baseado no trabalho de Andrade. O autor, partindo do principio e das limitações do watershed modificou o algorítimo descrito no trabalho de Vincent e Soile. Com base nestes trabalhos e feitas algumas modificações para melhor uso do algorítimo em aços foi feito um plugin para ImageJ. Este plugin foi construído em cima do plugin Watershed (14) feito por Christopher Mei. O trabalho de desenvolvimento e compilação foram feitos em no ambiente de desenvolvimento Eclipse (15). O plugin existente para ImageJ possui quatro arquivos, sendo eles: o arquivo principal que possui a rotina baseada no trabalho de Vincent um arquivo quem contem a classe que guarda as características de cada ponto da imagem, um arquivo que gerencia a ordem com que os pontos serão analisados e um arquivo que gerencia uma fila de espera dos pontos que é carregada durante a execução da rotina. Foram adicionados mais dois arquivos: um contendo a classe que contém as regiões segmentadas e um segundo que trata da agregação das áreas adjacentes que porventura foram super segmentadas durante a rotina original do Watershed. Também foram realizadas modificações no arquivo principal que cuida da rotina do plugin. Como entrada são utilizadas duas imagens: a imagem original, colorida e que 398

9 também pode ser trabalhada para melhor evidenciar as cores dos grãos e também utilizando a imagem original sem tratamento esta é transformada em 8 bit e suas cores são invertidas sendo esta segunda a utilizada pela rotina principal do plugin e a primeira utilizada para identificar os grãos com cores. Os grãos segmentados são identificados utilizando-se a cor média da região correspondente na imagem colorida. Após o ajuste dos parâmetros necessários no ajuste do plugin obteve-se uma seleção do grão branco da figura 3-a diferente da do método de limiarização. Neste caso a seleção do grão está indicada pela linha branca no contorno. Como se vê a linha que define a seleção se aproxima com muita fidelidade do esperado. (a) Figura 3: As figuras a e b apresentam os contornos das seleções obtidas com os dois métodos apresentados sendo: a)watershed ABA; b)threshold. (b) Apesar dos resultados obtidos com o uso direto de ambos os métodos é possível melhorar a qualidade da análise utilizando-se uma rota de processamento das imagens antes de se fazer a segmentação. Para tanto foram traçadas duas rotas de processamento nas imagens, uma para cada método de segmentação. Como a característica utilizada pela limiarização colorida é a cor foi realizado um aumento do contraste na imagem assim também não foram realizados mais procedimentos na mesma para evidenciar o resultado obtido seguindo o procedimento mais comum. Para a imagem segmentada por Watershed foi realizado um filtro passa banda (Bandpass Filter) para filtrar estruturas maiores que 60 e menores que 3 pixels. Depois foi feita uma copia desta imagem, com a copia foram retirados os contornos 399

10 com o comando Find Edges e por fim foi feita uma soma das duas imagens resultando numa imagem com maior contraste. Este procedimento é interessante pois o importante neste caso não é manter perfeitamente o aspecto original da imagem, mas sim melhorar o contraste entre as fases já que esta imagem será utilizada para identificar os diferentes grãos e não como entrada para o Watershed. Uma segunda imagem foi aberta e esta foi transformada em imagem 8 bits e depois suas cores foram invertidas. Por fim foi realizada uma analise da figura 1 para se comparar os dois métodos. A analise foi feita visando selecionar o microconstituinte branco, formado por Austenita e Martensita, o resultado está resumido na tabela 3: Tabela III: Contagem dos grãos, área média e fração de área da imagem via Limiarização e Watershed ABA. Método Contagem de Grãos Área Média(pixels²) Fração de Área(%) Limiarização ,927 4,833 Watershed ABA ,054 15,3 CONCLUSÂO Os métodos estudados possuem tanto pontos fortes quanto pontos fracos. Não há atualmente um método único de segmentação que seja adequado para todos os tipos de imagens, sendo assim é necessário tanto um conhecimento da imagem analisada quanto dos métodos empregados. Com este trabalho é possível reconhecer a necessidade de se estudar os parâmetros utilizados na segmentação e relacioná-los com a imagem utilizada. Verificou-se que o método Watershed seleciona com grande acuracidade os contornos austeníticos, contudo há problemas com a bainita. Esta ultima devido a sua cor é muitas vezes tomada como sendo contorno de grãos. Disso então verificase que imagens com mais de dois grupos, isto é duas fases, podem ter uma ou mais fases confundidas com contornos devido as características do algoritmo. O método de limiarização é mais fácil de ser utilizado, contudo mostrou problemas nos contornos de grãos e seleção de grande quantidade de ruídos. 400

11 REFERÊNCIAS 1. acessado em 05 de agosto de BEHARA, E.; SHPIGLER, B.; Color Metallography. Metals Park, Ohio, American Society for Metals, Bandoh, S.; Matsumara, O.; Sakuma, Y. An Improved Tint Etching Method for High Strength Steel Sheets with Mixed Microstructures. Transactions ISIJ, v.28, p Norma ASTM E Standard Test Method for Determining Volume Fraction by Systematic Manual Point Count. 5. Jacques et al. On measurement of retained austenite in multphase trip steels. Materials Science And Technology Mater. Sci. Technol., vol 25 issue 5, p acessado em 05 de agosto de acessado em 05 de agosto de Site: acessado em 15 de maio de Neves, Samuel C. M., Estudo e Implementação de Técnicas de Segmentação de Imagens. Universidade Federal do Pará Departamento de Engenharia Elétrica e de Computação Laboratório de Processamento de Sinais.sem mais informações disponíveis. 10. Beucher, Serge. Lantuéjoul, Christian. Use Of Watersheds In Contour Detection. International Workshop On Image Processing, Real-Time Edge And Motion Detection, França, Vincent,Lee. Soille, Pierre. Watersheds In Digital Spaces: An Efficient Algorithm Based On Immersion Simulations, IEEE PAMI, 1991, vol Andrade, M. C. Um método Topológico de Segmentação de Imagens por Atributos. Tese de Doutorado. UFMG Brasil, Szabo, Peter J. Kardos, I. Correlation Between Grain Orientation And The 401

12 Shade Of Color Etching. Materials Characterization, vol 61, 2010, p Site: acessado em 10 de outubro de Site: acessado em 23 de Abril de METALLOGRAPHIC ANALYSIS OF TRIP-ASSISTED MULTIPHASE STEELS USING DIGITAL IMAGE PROCESSING ABSTRACT Multiphase high strength steels like the TRIP-assisted (TRIP: transformation induced plasticity) ones, whose microstructure is composed by ferrite, bainite, austenite and martensite, are spreading their use in the automobilisti industry. In this paper a specimen was etched using LePera reagent. The images were obtained by light microscopy and analyzed using digital image processing. The software imagej was used to study the threshold and watershed methods in order to segment the austenitic and martensitic phases. Both methods were analyzed and compared concerning its approaching differences in the imaging processing, the parameters used, difficulties and results. Lastly their morphologic characteristics and volumetric fraction were analyzed. It was verified that is difficult to define the grains boundaries. The results shows that the threshold method leads to a identification of a major number of grains and a minor mean area than the watershed method. Keywords: TRIP, LePera, image processing, Threshold, Watershed. 402