加锚节理岩体细观损伤演化研究

通过CT扫描技术对加锚节理试件进行扫描分析,得到相关CT扫描图像。利用图像处理技术对得到的图像进行处理,对所要研究的部分进行重点显像,从而得到更加清晰的CT图像。本章借助CT扫描技术,从细观角度上,对加锚节理试件的剪切蠕变特性做进一步的研究。

1)CT扫描图像的处理

此次CT扫描试验得到的CT图片较多,从中选取了一部分具有代表性的CT图像,如图5.29所示。

图像处理技术就是利用现代计算机软件,将原本模糊不清的原始CT图像经过计算机处理,得到满足要求的CT图像,其目的是帮助科学工作者更加合理地对相关问题进行研究。图像处理技术的原理是借助计算机软件将最初的CT图像转化为程序语言,进而转化成数字矩阵,使得CT图像可以被计算机量化辨识,进而利用计算机提取图片中的关键信息,对相关问题进行研究。

图5.29　部分CT扫描图像

图像处理技术包括以下几种主要方法:

①图像增强。通过图像增强可以使CT图像具有更出色的视觉效果,使得利用CT图像分析问题更加精准。常用的图像增强技术包括伪彩色、边缘增强、变换处理、噪声处理等。

②图像识别。对图像的相关特征进行分析,根据实际研究的需要,对其中的关键特征信息进行处理,从而能够对整个图像进行较清晰的辨识。

③图像分割。对图像中有价值的特征进行筛选,这对于进一步对图像进行识别和分析至关重要。有价值的特征包括图像中的边缘、特定区域等。

④图像描述。对图像进行描述是识别图像以及理解图像的基础。简单的二值图像可以根据其几何特征对物体的特征进行描述。一般图像采用二维形状描述的方法,描述方法分为边界描述和面积描述。

2)对CT图像进行灰度处理

(1)灰度图像

利用灰度处理的方法可以将模糊不清的原始CT图像变为较清晰的灰度图像,将图5.29进行灰度处理得到图5.30。灰度处理的原理是调整原始CT图像的对比度,以凸显其中的关键信息,不过利用该方法可能会将原始图像中的其他重点信息覆盖掉,因此,需要选取合理的灰度值对图像进行处理。

图5.30　CT图像的灰度图像

在灰度图像中,图像的每个像素具有唯一的颜色分量,颜色分量的值取决于像素的数据位数。本试验的CT图像是8位制图像,共256个灰度级,颜色分量值的范围为0～255。CT灰度图像是由大量像素点构成的,每个像素点对应不同的颜色分量,所以在CT灰度图中能显现出颜色深度的变化。

(2)灰度直方图

灰度直方图是对CT图中不同灰度值出现的频率进行统计形成的一种图像,通过对得到的灰度直方图进行分析,从而得到灰度值的分布规律。

图5.31(b)的纵轴代表的是灰度值的频率,其横轴代表的是灰度值的大小,通过图5.31可知,CT图像的灰度值大多分布在10～120的区间;灰度值较大的部分其频率较小,代表的是锚杆部分;灰度值较小的部分其频率较大,代表的是裂隙部分;灰度值介于两者的部分则表征的是密实基体;基于此对灰度直方图进行分析,就可以分析加锚节理试件在剪切蠕变条件下的变化规律。

图5.31　灰度图像与直方图

(3)CT图像去噪

在进行CT扫描试验的过程中,试验不可避免地会被噪声干扰,由此得到的CT扫描图像是含噪声的CT扫描图像,如果直接利用这些图像进行分析,得到的分析结果就会失去准确性,所以必须通过CT试验得到的原始CT图像进行去噪处理。本节是利用中值滤波的手段对原始的CT图像去噪,其原理是将图像中某个点的值换成该点所在一定邻域范围内的中值,其目的是消除灰度值变化幅度较大区域的噪声点。通过图像去噪可以获得满足研究要求的CT图像。经过去噪处理之后的效果,如图5.32所示。

图5.32　中值滤波去噪后的图像与原图对比

通过对图5.32的3幅图对比分析可知,经过去噪处理后的图像变得更加清晰,去噪后的图像与原CT图像相比其基体部分的颜色变化跨度更小。

3)CT图像分割

图像分割就是将原始的CT图像分割成特定的独立区域,然后提取与自己研究相关的信息。图像分割是图像处理的重要一环,是进行图像分析的关键。

(1)边缘检测

经过前文描述的有关处理,整体的CT图像比原始图像更加清晰,但不同部分之间的边界却仍难以通过肉眼识别。基体、裂隙、锚杆三者之间的边界模糊不利于对加锚节理试件细观性质的分析,因此,需要借助边缘检测手段来划分出不同部分之间的明确边界,以确保重要的边缘区域信息不被覆盖。

运用目前众多研究者认为最有效的边缘检测算法——Canny算子进行处理得到的图像如图5.33所示。由图5.33可知,图5.33(b)中白色线条的位置与图5.33(a)黑色和灰色的交界相吻合。借助边缘检测手段,分析裂隙的变化规律,是一种研究加锚节理试件细观特性的有效方法。(www.xing528.com)

图5.33　Canny算子处理后的图像

(2)CT图像阈值分割

阈值分割方法实际上是输入图像f到输出图像g的如下变换:

式中　T——阈值,实物图像元素的g(i,j)取1,对于背景图像元素的g(i,j)取0。

确定分割的阈值是图像分割乃至整个CT处理过程中最重要的一环,合理的阈值精准地分割CT图像的各个部分,这对于加锚节理试件的细观研究具有重要意义。确定阈值的方法是:选择一个合理的阈值范围,使其将不同阈值下的图像进行对比,从而去选择合适阈值的图像进行分析。

为了确定二值图像分割阈值T,以图5.31(a)为例,对同一CT扫描图像在不同阈值条件下反映的图像效果进行分析,从而确定最佳的分割阈值,使得处理后的CT图像能更准确地反映加锚节理试件经过剪切蠕变作用后的力学特性。根据对图5.31(b)分析得到的结论,利用不同阈值进行分割得到的CT图像如图5.34所示。

图5.34　不同阈值分割的图像

由图5.34可知,当阈值在50以下时,经过阈值分割处理后的图像其部分裂隙被试件覆盖,各部分的界限比较模糊,用这些图像进行分析会使得分析结果失准;当阈值在50～120时,可以显示出试件中基体、裂隙、锚杆3部分各自的区域,但取不同的阈值,其图像效果不同,效果最佳时阈值等于50,得出的图像与图5.31(a)基本一致;当阈值超过120时,显示出的CT图像只有锚杆和裂隙,基体部分全部被裂隙所覆盖。

在阈值分割过程中,用灰度值1替换了原始CT图像中灰度值1～255的部分,经过处理,使得图像更利于观察,更便于从定量的角度对加锚节理试件在剪切蠕变过程中的细观变化进行分析。

选取同一断层的不同节理倾角加锚试件的CT扫描图像,利用前文叙述的CT图像处理方法,获得了不同节理倾角的加锚节理试件在剪切蠕变试验前后的二值化CT图像,如图5.35所示。

图5.35　同一断层不同节理倾角加锚节理试件的二值化CT图像

从图5.35中可以看出,在剪切蠕变作用下,加锚节理试件受到破坏,出现了大量裂隙,对应于图中大量的黑色部分,贯通的裂隙已经连成区域,在锚杆附近的裂隙已经形成了破碎带。

通过式(5.15)和式(5.16)对不同节理倾角的加锚试件的裂隙率进行统计分析,其计算结果见表5.9。

式中　N——二值化CT图像中黑色像素的个数;

V——二值化CT图像中的裂隙面积,mm2;

V1——模型单元的体积,mm3;

V0——二值化CT图像的总面积,mm2。

表5.9　不同节理倾角条件下加锚节理试件某一断层的裂隙率

为保证不同节理倾角的数据能够互相比较,因此,表5.9中的所有数据都是选自加锚节理试件的同一断层。

从表5.9可以看出,节理倾角不同的加锚节理试件其断层裂隙率的增长幅度不同,经过剪切蠕变作用后,0°节理倾角的加锚节理试件其裂隙扩大了42.67%;30°节理倾角的加锚节理试件其裂隙扩大了39.51%;45°节理倾角的加锚节理试件其裂隙扩大了33.30%;60°节理倾角的加锚节理试件其裂隙扩大了38.24%。

结合前文研究结果,得到了图5.36。由图可知,经过剪切蠕变作用的试件其裂隙增长量随着节理倾角的增长,呈现出先减小后增大的趋势,在节理倾角为45°时降到最低值。说明剪切蠕变作用对节理倾角为45°的加锚节理试件的破坏程度最低。

从图中还能看出,试件长期抗剪强度与其裂隙增量的变化趋势具有一定的相关性,试件的长期抗剪强度越大,试件的裂隙增量就越小,说明试件裂隙率的大小影响着试件的长期抗剪强度。

图5.36　不同节理倾角下的裂隙率增长情况及与长期抗剪强度的相关性