3D-Bilder importieren, bearbeiten und segmentieren

ImportGeo-Vol erzeugt aus 3D-Bildern von realen Materialien, die mit verschiedenen Verfahren (wie Mikro-CT oder FIB-SEM) aufgenommen wurden, digitale Materialien (digitaler Zwilling). Der so entstandene digitale Zwilling, für den die Materialphase, die jedem Voxel zugeordnet ist, bekannt ist, bildet die Grundlage für weitere Analysen und Simulationen mit GeoDict.

Der Bildverarbeitungs-Workflow beginnt mit dem Import des Bildes, das in Form einer 3D-Bilddatei wie *.raw oder als 2D-Bildstapel wie *.png oder *.tif vorliegen kann. Nach dem Import kann das Bild durch verschiedene Bildbearbeitungsschritte qualitativ verbessert werden. ImportGeo-Vol bietet eine Komplettlösung für die Bildbearbeitung mit modernsten Bildfiltern, einschließlich des non-local means-Filter zur Rauschunterdrückung und spezieller Techniken zur Beseitigung von Artefakten wie Curtaining in FIB-SEM-Bildern. Der letzte Bildverarbeitungsschritt ist die Bildsegmentierung, wobei die in ImportGeo-Vol verfügbaren Methoden von einfachen automatischen globalen Schwellenwerten bis hin zu fortschrittlichen KI-gesteuerten Ansätzen auf der Grundlage neuronaler Netze reichen.

ImportGeo-Vol bietet äußerst effiziente und schnelle Lösungen für die Verarbeitung großer 3D-Datensätze bei minimalem Speicherbedarf. Die Integration traditioneller Bildfilter auf dem neuesten Stand der Technik mit hochmodernen KI-basierten Techniken zur Filterung und Segmentierung macht ImportGeo-Vol zur perfekten Wahl für Bildverarbeitungsaufgaben im Bereich der Materialwissenschaften.

Nach Abschluss der Bearbeitungs- und Segmentierungsphasen können weitere GeoDict-Module zur umfassenden Materialanalyse eingesetzt werden, die tiefere Einblicke in das untersuchte Material ermöglichen. Nutzen Sie PoroDict für die Porenraumanalyse, MatDict für die Untersuchung einzelner Materialphasen, GrainFind für die Analyse granularer Medien und FiberFind für Vliesstoffe und faserverstärkte Verbundwerkstoffe. Darüber hinaus können Sie mit GeoDict-AI Ihr eigenes neuronales Netz anpassen, um nahezu jede Aufgabe bei der Analyse von 3D-Bildern zu bewältigen.

Die ImportGeo-Vol Schnittstelle ermöglicht den Import einer Vielzahl von Standard-Bilddateiformaten in GeoDict, die 8-Bit, 16-Bit oder 32-Bit Werte enthalten können. Beispiele sind:

*.raw (3D binary integer data),
*.vol (3D binary float data),
*.grw (GeoDict raw data),
*.rek (Fraunhofer EZRT volume data),
*.txm (Zeiss 3D image),
*.am (Avizo binary voxel data),
*.vox (WiseTex file),
*.dcm, *.dmz, *.zip (DICOM file),
*.tiff, *.tif (3D or stack of 2D images),
*.png, *.jpg, … (stack of 2D images)

Außerdem können alle GeoDict-Dateiformate geladen und anschließend in der Bildbearbeitung verwendet werden.

Die importierten Bilder können mit den leistungsstarken Bildfiltern und Werkzeugen in ImportGeo-Vol bearbeitet werden. Ausgewählte Funktionen sind:

• Ändern der Bildgröße: zuschneiden, einbetten, skalieren, verkleinern, ...

• Bildausrichtung: (automatisch) drehen, scheren, (automatisch) begradigen, spiegeln, permutieren, Slice-Ausrichtung, Bildregistrierung, ...
• Bild-Grauwertanpassung: Kontrast erhöhen, Flimmern korrigieren, Helligkeit korrigieren, ...
• Bildfilter: nicht-lokale Mittelwerte, Median, Schärfen, Gauß, morphologische Operationen, Watershed, Entfernung von Ring-Artefakten, ...
  • Python-Schnittstelle für benutzerdefinierte Bildfilter
  • Benutzerdefinierte AI-basierte Bildfilter, trainiert mit GeoDict-AI
• FIB-SEM-Filter: Schichtausrichtung, Anpassung der Schichtdicke, Vorhangfilter, ...
• Export von Iso-Oberflächen-Netzen

Die Bildsegmentierung ist ein sehr wichtiger Schritt im Workflow der Bildbearbeitung. Sie bestimmt die Zuordnung jedes Voxels zu seiner entsprechenden Materialphase oder Komponente. Das daraus resultierende digitale Material, oder der digitale Zwilling, dient als Basis für die meisten Arbeitsabläufe im digitalen Materialdesign innerhalb von GeoDict.

ImportGeo-Vol bietet eine Vielzahl von Funktionen, die eine optimale Bildsegmentierung und Schwellenwertbildung ermöglichen:

• Globale manuelle Schwellenwertbildung
• Automatisches globales Otsu & k-means thresholding, lokales Otsu thresholding
• Mehrphasige Segmentierung
• Hysterese-Schwellwertbildung
• Watershed-Bildbeschriftung
• AI-Segmentierung mit Boosted Tree, Random Forest, 2D-UNet und 3D-UNnet
  • Einfache Bildbeschriftung für Training, Zauberstab, ...
  • Einfache Ergebnisvorschau, weiter trainieren, ...
  • Speichern und Laden von trainierten Modellen
  • Trainieren mit mehreren Eingangskanälen und mehreren Materialphasen