布氏硬度的结果不是从试验机上直接读出来的,而是先测量压痕直径,再代入公式计算。直径通常由操作人员在测量显微镜下读取,既费时间,也受个人判断影响。用相机拍下压痕、由程序辅助测量,是很多实验室会考虑的改进。

本文介绍用 Python 和 OpenCV 辅助测量布氏压痕的基本做法,重点讨论四个问题:像素怎样换算成毫米、怎样从轮廓得到直径、误差怎样传递到硬度值,以及程序怎样判断自己的结果不可信。

涉及的标准

  • ISO 6506-1:2014 布氏硬度试验 第 1 部分:试验方法(第 3 版;ISO 网站显示 2025 年复审后确认继续有效)
  • ISO 6506-2:2017 第 2 部分:试验机的检定与校准
  • ISO 6506-3:2014 第 3 部分:标准硬度块的标定

标准要求引自上述标准的公开样页,实际试验请以标准全文为准。

关于文中的数字: 第 1、2、4 节的数值是按公式计算的;第 5 节是代码在计算机生成的合成图像上运行的结果。它们都不是实际压痕的测量数据。用于正式报告或证书的测量,必须使用按 ISO 6506-2 检定的测量系统。

1. 布氏硬度的计算

ISO 6506-1 中,用直径为 D 的硬质合金球,以试验力 F 压入试样,卸载后测量压痕。硬度按下式计算(F 单位为 N,D、d 单位为 mm):

HBW = 0.102 × 2F / ( π · D · ( D − √(D² − d²) ) )

常数 0.102 等于 1/9.80665,即 kgf 与 N 的换算。d 是在大致互相垂直的两个方向上测得的直径 d1、d2 的算术平均值:

d = (d1 + d2) / 2

选择试验力时应使 d 落在 0.24D~0.6D 之间;超出这个范围时,ISO 6506-1 要求在试验报告中注明 d/D。结果保留三位有效数字。

计算示例: D = 10 mm、F = 29 420 N(HBW 10/3000)、d = 4.00 mm 时,公式结果为 228.8,报告为 229 HBW 10/3000。

2. 为什么直径误差影响这么大

对公式求关于 d 的导数可知,在 0.24D~0.6D 范围内,硬度的相对误差约为直径相对误差的 2.0~2.25 倍。用上面的例子计算(未修约的中间值):

直径 d(mm) HBW 相对第一行的变化
4.00 228.8 —
4.01(+0.25%) 227.6 −0.52%
4.02(+0.5%) 226.5 −1.04%
4.04(+1%) 224.1 −2.06%

ISO 6506-2:2017 规定,压痕直径测量系统的最大误差不超过直径的 0.5%(分辨力也要能把直径估读到 ±0.5% 以内)。从上表看,仅这一项就相当于约 1% 的硬度误差。图像系统自身的误差应明显小于这个值。

3. 测量流程

3.1 图像采集

  • 固定放大倍数、对焦和照明。ISO 6506-1 要求视场照明均匀;ISO 6506-2 要求用标准压痕检定时照明类型保持不变。
  • 整个压痕都要在视场内,周围留出足够的未变形表面,便于分割。
  • 每张图像都记录试样、试验力、球径和放大倍数。

3.2 像素与毫米的换算(标定)

在相同放大倍数下拍摄已知长度的标尺(如显微测微尺),计算每个像素对应的长度(mm/px)。注意:

  • 每个放大倍数分别标定,更换镜头或相机后重新标定。ISO 6506-2 对每个物镜在两个互相垂直的方向、不少于四个间隔上校准测量系统。
  • 视场边缘的镜头畸变较大。尽量让压痕位于视场中央,必要时按 OpenCV 的相机标定方法校正畸变。
  • 标尺本身也有不确定度,应计入结果。

3.3 分割与直径

常见流程是:灰度化 → 平滑 → 阈值分割 → 形态学开运算去除小斑点 → 取最大轮廓 → 拟合椭圆。椭圆的两个轴互相垂直,可以近似作为 d1 和 d2。函数在返回数值之前,还要检查分割结果是否合理。

import cv2
import numpy as np


def measure_indentation(path_or_img, mm_per_px):
    """Return (d1, d2, d) in mm. Assumes the indentation is darker than its surroundings."""
    img = path_or_img if isinstance(path_or_img, np.ndarray) else cv2.imread(path_or_img, cv2.IMREAD_GRAYSCALE)
    if img is None:
        raise FileNotFoundError(path_or_img)
    blur = cv2.GaussianBlur(img, (5, 5), 0)
    _, mask = cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)
    mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, np.ones((5, 5), np.uint8))
    contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
    if not contours:
        raise ValueError("no indentation contour found")
    c = max(contours, key=cv2.contourArea)
    if len(c) < 5:
        raise ValueError("contour too small to fit an ellipse")
    (_, _), (axis1, axis2), _ = cv2.fitEllipse(c)  # full axis lengths in pixels
    problems = plausibility(c, mask.shape, axis1, axis2)
    if problems:
        raise ValueError("segmentation not plausible: " + "; ".join(problems))
    d1, d2 = axis1 * mm_per_px, axis2 * mm_per_px
    return d1, d2, (d1 + d2) / 2


def plausibility(contour, shape, axis1, axis2, max_axis_diff=0.05, min_fill=0.97):
    """Reasons to distrust a segmentation instead of silently returning a number."""
    problems = []
    x, y, w, h = cv2.boundingRect(contour)
    if x <= 1 or y <= 1 or x + w >= shape[1] - 1 or y + h >= shape[0] - 1:
        problems.append("contour touches the image border")
    if abs(axis1 - axis2) / max(axis1, axis2) > max_axis_diff:
        problems.append(f"axes differ by more than {max_axis_diff:.0%}")
    fill = cv2.contourArea(contour) / (np.pi * axis1 * axis2 / 4)
    if fill < min_fill:
        problems.append(f"contour fills only {fill:.0%} of the fitted ellipse")
    return problems


def brinell_hbw(force_n, ball_d_mm, d_mm):
    """HBW per ISO 6506-1. Returns (hbw, in_range); in_range is False if d is outside 0.24D-0.6D."""
    D, d = ball_d_mm, d_mm
    hbw = 0.102 * 2 * force_n / (np.pi * D * (D - np.sqrt(D**2 - d**2)))
    return hbw, 0.24 * D <= d <= 0.6 * D

plausibility 中的阈值(两轴相差 5%、填充率 97%)只是针对合成图像的起始值,不是标准规定的数值,应根据自己的验证数据设定。Otsu 阈值法假设压痕和背景之间有明显的亮度差。表面粗糙、有划痕或照明不均时,应先改善成像,或改用边缘检测、局部阈值等方法。

4. 主要误差来源

来源 影响 对策
标定 mm/px 的偏差会按比例放大或缩小所有直径 定期用标准尺复核,记录标定日期
压痕边缘 有凸起或凹陷时,"边缘"本身难以定义 统一边缘判定规则,并与人工读数比较
照明和对焦 阴影和模糊会改变分割面积 固定照明,拍摄前确认对焦
阈值与参数 参数变化会系统性地放大或缩小轮廓 固定参数并记录版本,不要逐个样品调参
像素量化 每条边约 1 个像素的读数误差 提高放大倍数,使直径覆盖足够多的像素

像素预算(计算): 4.00 mm 的压痕在 0.005 mm/px 下占 800 px,1 个像素相当于 d 的 0.125%。2.4 mm 的压痕(10 mm 球时的 0.24D)在 0.01 mm/px 下只有 240 px,1 个像素就是 0.42%,已经接近 ISO 6506-2 对整个测量系统允许的 0.5%。

5. 代码在合成图像上的表现

为了确认上面的代码按描述工作,我们在计算机生成的图像上运行了它:浅色背景上带模糊边缘的深色椭圆,加入随机噪声,假定标定值为 0.005 mm/px(脚本:brinell_synthetic_check.py,OpenCV 5.0.0)。

合成压痕(px) 直径误差 HBW 误差
800 × 800 −0.06% +0.13%
800 × 780 −0.06% +0.12%
500 × 500 −0.03% +0.05%
1000 × 990 −0.06% +0.14%
400 × 400(d = 0.2D,被标记为超出范围) −0.03% +0.06%

在图像上叠加线性亮度梯度时,梯度不超过 80 个灰度级,结果误差都在 0.06% 以内;梯度达到 120 个灰度级时,Otsu 阈值沿梯度把图像分成了两半,如果没有合理性检查,函数会返回大 39% 的直径。加上检查后,因为轮廓碰到图像边界、只填满拟合椭圆的 84%,结果被拒绝。

这能说明什么、不能说明什么:

  • 能说明像素到毫米的换算、椭圆拟合和公式的实现是正确的,合理性检查能识别一种典型的失败。
  • 不能说明这个方法在实际压痕上的准确度。合成图像的边缘是完美定义的,实际压痕有凸起、凹陷、划痕、夹杂和镜头畸变。实际样品上的准确度只能通过第 6 节的验证得到。

6. 怎样验证结果

在程序用于日常测量之前,至少要做以下比较:

  1. 与人工测量比较: 请有经验的人员用测量显微镜读取同一批压痕,计算平均差(偏差)和离散程度。
  2. 标准压痕与标准硬度块: ISO 6506-2 通过测量标准压痕检定测量系统(平均直径与证书值之差不超过 0.5%,每种球径、每个物镜至少四个压痕)。按 ISO 6506-3 标定的标准硬度块用于检查整个流程,而不只是图像程序。
  3. 重复性: 对同一压痕多次拍摄和计算,看结果波动多大。
  4. 失败检测: 分割失败、d 超出有效范围、两轴差异过大时,程序应报告出来,而不是默默给出一个数。

关于验证与误差评估的更多内容,见本站文章《科研图像测量的误差与验证》。

7. 适用范围与限制

  • 图像程序可以辅助读数、减少重复劳动、保留可追溯的图像记录,但不能代替按 ISO 6506-2 检定的测量系统。
  • 对于表面状态差或压痕不规则的材料,自动分割可能不可靠,需要人工确认。
  • 换算到其他硬度标尺或抗拉强度的关系是近似的,本文的方法不能代替相应的试验。