La invención se refiere a un procedimiento de segmentación de poros (3) de una membrana polimérica porosa en una imagen de una sección transversal de dicha membrana.

El procedimiento propuesto comprende las etapas aplicar un conjunto de máscaras a una ventana centrada en un píxel y calcular un parámetro de energía para cada filtro aplicado, asociándolo al píxel en el que está centrada la ventana. Posteriormente, desplazar la ventana por toda la imagen, aplicando el conjunto de máscaras y calculando los parámetros de energía. Con los parámetros de energía obtenidos, clasificar los píxeles en píxeles pertenecientes a una región porosa (1) o a una región no porosa (2). A continuación, producir una imagen binaria en la que cada poro (3) está representado por una línea cerrada. Por último, construir un grafo de adyacencia con nodos (7) y aristas (8), en el que cada nodo (7) representa un poro (3) y cada arista la distancia entre dos poros (3).

Procedimiento de segmentación de poros de una membrana polimérica porosa en una imagen de una sección transversal de dicha membrana.

Campo de la invención

La presente invención pertenece al campo de los procedimientos de segmentación automática de poros de una membrana polimérica porosa en una imagen de una sección transversal de dicha membrana. El procedimiento de la presente invención procede de manera automática, sin necesitar en ningún momento de la acción del usuario, obteniendo al final del proceso datos relativos a la distribución de los poros, la variabilidad de sus áreas, y la tortuosidad, irregularidad, asimetría relativa y absoluta de la membrana.

Antecedentes de la invención

El microscopio electrónico de barrido, SEM, es uno de los principales equipos usados en el ámbito de las membranas con el objetivo de caracterizarlas morfológicamente. El SEM permite obtener imágenes de superficie y de corte transversal de las membranas de manera que es posible visualizar su estructura porosa. Además, la tecnología que incorpora el SEM permite desplazarse fácilmente por toda la superficie de la muestra de membrana de manera sencilla y rápida, en contraposición con otras técnicas, como por ejemplo, la microscopia electrónica de transmisión, TEM, o la microscopia de fuerzas atómicas, AFM.

Pero a pesar de todo, la metodología de análisis de membranas que se ha venido usando tradicionalmente a partir de las imágenes de SEM tiene una clara limitación ya que se basa en criterios cualitativos, mientras que la interpretación cuantitativa de la imagen, necesaria en caso de rigurosidad analítica, optimización, etc. es manual y muy costosa temporalmente. Por este motivo, es evidente la necesidad de un método complementario para poder realizar este tipo de interpretación de una manera sistemática, cuantitativa y rápida.

En la actualidad existen en el mercado varios programas informáticos que proporcionan técnicas generales para el tratamiento y análisis de imágenes. Sin embargo, estas técnicas no son útiles para el caso de análisis e interpretación de estructuras porosas correspondientes a membranas, ya que no son capaces de interpretar poros, ni de determinar sus propiedades específicas, dado que no son capaces de obtener parámetros como regularidad, simetría, etc.

Descripción de la invención

La invención se refiere a un procedimiento de segmentación de poros de una membrana polimérica porosa en una imagen de una sección transversal de dicha membrana captada mediante microscopía electrónica, por ejemplo mediante un microscopio electrónico de barrido. La imagen refleja la estructura del filtro en la dirección del flujo. Dicha dirección del flujo podrá ser vertical u horizontal, en función de la orientación de la imagen.

De acuerdo con la invención, dicho procedimiento comprende las siguientes etapas.

En primer lugar se aplicará un conjunto de máscaras a una ventana centrada en un píxel de la imagen y se calculará un parámetro de energía para cada máscara aplicada, asociándose dicho parámetro de energía a dicho píxel en el que está centrada la ventana. El parámetro de energía se calculará tal y como se describe en [Manjunath BS, Ma WY (1996) Texture features for browsing and image retrieval. IEEE Trans. on Pattern Analysis and Machine Intelligence 18 (8): 837-842].

Como se ha mencionado, sobre una ventana de un tamaño, por ejemplo, de 16x16 píxeles con centro un píxel de la imagen se aplicará un conjunto de máscaras, modificando los conjuntos de valores que definen dichas máscaras. Para cada máscara o filtro se calculará un parámetro de energía, asociándose el parámetro de energía al píxel central de la ventana. Una vez realizada esta tarea para un píxel se trasladará la ventana y se realizará esta misma etapa para cada píxel de la imagen, con el fin de que todos los píxeles de la imagen tengan asociados sus parámetros de energía. Quedarán fuera de esta operación aquellos píxeles de la imagen que se sitúen en un marco perimetral con un grosor equivalente a la mitad de la anchura de la ventana, en el caso de que ésta sea cuadrada. De este modo, a todos los píxeles de la imagen, salvo aquellos que se sitúan en el marco de la imagen, que en el caso del ejemplo antes mencionado tendrá 8 píxeles de grosor, se les asociará tantos parámetros de energía como familias de máscaras se hayan aplicado.

Para cada una de las máscaras aplicadas se podrá discernir si el parámetro de energía calculado puede ser asociado a una región porosa o a una región no porosa. Con el fin de dar una mayor seguridad al procedimiento y no confiar únicamente en una máscara, una pluralidad de las mismas es aplicada, de modo que con el conjunto de datos obtenidos y los umbrales definidos para cada máscara se es capaz de separar los poros en poros pertenecientes a una región porosa y poros no pertenecientes a una región porosa, con un determinado margen de confianza. En [Melendez, J., D. Puig, and M.A. Garcia (2007). Comparative evaluation of classical methods, optimized Gabor filters and LBP for texture feature selection and classification. Proc. CAIP, Lect. Notes Comput. Sci, vol. 4673, pp. 912-920] se describen rutinas y valores que pueden ser empleados para determinar los parámetros antes mencionados.

Una vez realizada esta operación obtendremos el área en el cual los poros de la membrana están presentes, por lo que en las sucesivas etapas únicamente esta área será analizada.

En esta área se producirá una imagen binaria, en la que cada poro estará representado por una línea cerrada. De la imagen real de la membrana se pasa a un modelizado de la misma en la que cada poro es representado por una línea cerrada, posibilitando el análisis de cada poro ya que, como ya se ha dicho, los poros son líneas cerradas, definiendo un área determinada con un contorno cerrado y delimitado.

Un paso adicional en el modelizado de la membrana se realiza construyendo un grafo de adyacencia con nodos y aristas, en el que cada nodo de dicho grafo de adyacencia representa un poro y cada arista entre dos nodos representa la distancia entre los puntos centrales de dos poros que están en contacto. Cada poro se identifica por el hecho de ser un contorno cerrado. De forma convencional se puede obtener el centro de masas del poro y también mediante medios convencionales determinar la distancia entre cada uno de los poros y sus poros adyacentes. La adyacencia entre los poros se define por el hecho de que comparten al menos un píxel de su contorno.

A la hora de aplicar el conjunto de máscaras, éstas podrán ser filtros de Gabor. Con el fin de obtener el conjunto de máscaras o filtros que se aplicarán sobre cada ventana, se podrán cambiar los parámetros que definen los filtros de Gabor, que son la desviación, la fase y la longitud de onda.

Una vez se ha localizado la región porosa, sobre la misma se podrá aplicar un filtro, por ejemplo gaussiando, con el fin de reducir el nivel de ruido en dicha región.

A la región porosa se le podrá aplicar un algoritmo con el fin de obtener los contornos de los poros. Una de las etapas de dicho algoritmo podrá ser el emplear una técnica de segmentación de regiones, como por ejemplo la transformada Watershed. Partiendo de la imagen real de la membrana, la técnica de segmentación de regiones permitirá obtener una imagen binaria de contornos de poros de un píxel de grosor. Dichos contornos deberían corresponderse con las paredes que actúan como separación entre poros vecinos, pero otros de estos contornos se corresponden con falsos contornos debidos al funcionamiento de la técnica que segmentación que se podrán eliminar en etapas posteriores.

Una de estas etapas podrá ser el eliminar los píxeles de los contornos cuyo contraste en la imagen original sea inferior a un valor predefinido. Este filtrado puede generar dos tipos de imperfecciones sobre los contornos resultantes. La primera posible imperfección que puede suceder es que algunos contornos pueden sufrir microcortes debido a píxeles que han sido incorrectamente eliminados. La segunda es que pueden aparecer contornos que pueden acabar en un extremo abierto.

Con el fin de solventar la primera de las imperfecciones se podrá realizar una dilatación morfológica de la imagen binaria de contornos seguida de una erosión morfológica de la misma, operación conocida como cierre morfológico. Con esta operación de cierre se es capaz de rellenar fisuras y pequeñas protuberancias,...

1. Procedimiento de segmentación de poros (3) de una membrana polimérica porosa en una imagen de una sección transversal de dicha membrana captada mediante microscopía electrónica,

caracterizado por que comprende las etapas de:

2. Procedimiento según la reivindicación 1, caracterizado por que el conjunto de las máscaras empleado pertenece a la categoría de los filtros de Gabor.

3. Procedimiento según la reivindicación 1, caracterizado por aplicar a la región porosa (1) un filtro para eliminar el nivel de ruido.

4. Procedimiento según la reivindicación 3, caracterizado por que el filtro empleado es un filtro gaussiano.

5. Procedimiento según cualquiera de las reivindicaciones 3-4, caracterizado por que la etapa de producir una imagen de contornos (4) de poros (3) comprende las etapas de:

6. Procedimiento según la reivindicación 5, caracterizado por que la técnica de segmentación de regiones empleada es la transformada Watershed.

7. Procedimiento según la reivindicación 5, caracterizado por que etapa eliminar los contornos (4) abiertos es proceso iterativo de supresión de píxeles del contorno (4) de poros (3) con un único píxel vecino hasta que no queden píxeles por suprimir.

8. Procedimiento según la reivindicación 1, caracterizado por que en la etapa construir un grafo de adyacencia son considerados los poros (3) de un tamaño mayor a un valor predefinido.

9. Procedimiento según la reivindicación 5 y 8, caracterizado por obtener el número de poros (3) como el número de nodos (7) detectados.

10. Procedimiento según la reivindicación 5 y 8, caracterizado por obtener el área de cada poro (3) como la suma de píxeles dentro de cada contorno (4) de poro (3).

11. Procedimiento según la reivindicación 9 y 10, caracterizado por obtener la desviación estándar y frecuencia relativa de la distribución de las áreas de los poros (3).

12. Procedimiento según cualquiera de las reivindicaciones 9-11, caracterizado por que comprende una etapa de lectura e interpretación de una escala (5) de longitud grabada en la imagen, de modo que las magnitudes medidas en píxeles se convierten a unidades de longitud o superficie.

13. Procedimiento según la reivindicación 12, caracterizado por que la etapa de lectura e interpretación de la escala (5) de longitud comprende una etapa de contar los píxeles de una unidad de longitud de la escala (5) de longitud y una etapa de transformar las unidades de longitud o superficie medidas en píxeles según la relación obtenida, añadiendo la unidad de longitud captada mediante técnicas OCR.

14. Procedimiento según la reivindicación 5, caracterizado por obtener una medida de tortuosidad de una columna de la imagen entre un poro (3) superior situado en la zona superior de dicha columna y un poro (3) inferior situado en la zona inferior de dicha columna como relación entre un recorrido según un camino mínimo (6) según el grafo de adyacencia y la distancia euclídea entre el poro (3) superior y el poro (3) inferior.

15. Procedimiento según la reivindicación 14, caracterizado por que el camino mínimo (6) se obtiene mediante el algoritmo de Dijkstra.

16. Procedimiento según la reivindicación 5, caracterizado por obtener una medida de irregularidad a lo largo de una dirección perpendicular al flujo como la desviación estándar del tamaño de los poros (3) en un vector de la imagen según dicha dirección perpendicular al flujo.

17. Procedimiento según la reivindicación 16, caracterizado por obtener una medida de irregularidad de la imagen como la media aritmética de las medidas de irregularidad a lo largo de las direcciones perpendiculares al flujo.

18. Procedimiento según la reivindicación 5, caracterizado por obtener una medida de la asimetría relativa a lo largo de una dirección paralela al flujo como el cociente entre el sumatorio del producto del número de orden de un píxel en la dirección paralela al flujo y el tamaño del poro (3) situado en dicho píxel, a lo largo de dicha dirección paralela al flujo, y el producto del número de píxeles a lo largo de la dirección paralela al flujo y el sumatorio del tamaño de los poros (3) a lo largo de la dirección paralela al flujo.

19. Procedimiento según la reivindicación 5, caracterizado por obtener una medida de la asimetría relativa de la imagen como media aritmética de las medidas de asimetría relativa a lo largo de las direcciones paralelas al flujo.

20. Procedimiento según la reivindicación 5, caracterizado por obtener una medida de la asimetría absoluta a lo largo de una dirección paralela al flujo como la desviación estándar del tamaño de los poros (3) en un vector de la imagen según dicha dirección paralela al flujo.

21. Procedimiento según la reivindicación 20, caracterizado por obtener una medida de la asimetría absoluta de la imagen como media aritmética de las medidas de asimetría absoluta a lo largo de las direcciones paralelas al flujo.