DIC技術在岩土工程中的應用

一、DIC技術設備

DIC技術全稱Digital Image Correlation，是一種非接觸式的應力測試方法。DIC測試所需的設備包括高解析度相機、兩個餾分法固支式標點或汞池、加密DDS片（Dicdata Sheet），以及DIC分析軟體等。

其中，相機的像素數目應該大於100萬且高速（大於200幀/秒），可以通過紅外攝像機、高速相機、線陣相機等方式實現。

標點的作用是定義技術觀測窗口，其中任意兩個餾分法固支式標點或汞池之間表示小窗口，一般選擇兩個窗口的大小不能超過2mm，並在進行實驗前進行標記與校正。

DDS片是DIC測試中的數據採集卡，用於存儲圖像數據並將其轉化成數字信號，DIC分析軟體則可以將這些數據進行自動處理和分析。

二、DIC技術是什麼意思

DIC技術是一種非接觸式的應力測試方法，可以通過將圖像視為載荷與位移之間的映射關係，直接獲得測試件表面應變狀態。相比於傳統的應變測試方法，如應變計、型材伸縮計等，DIC技術不需要接觸測試區域，因此可以避免材料剛度等因素對測試結果產生的影響。

三、DIC技術原理

DIC技術的原理可以簡單概括為光學成像與計算機圖像處理。比如，我們可以通過連續拍攝測試物表面的兩幅圖像，通過對比這兩幅圖像，可以得到被測點位移的大小或方向等信息，並進而求出被測點的應變。

成像的方法包括二維平面圖像或三維圖像，通常採用二維平面圖像的方法進行實驗。DIC技術對測試對象的表面有一定的平滑度要求，並且需要對比的參考點必須在相機視野內。

四、DIC技術全稱

DIC技術全程Digital Image Correlation，主要是使用計算機技術，對高解析度照片進行處理，從而求出在兩幅照片之間物體的變形量，計算出物體表面的應力分布情況。

五、DIC技術介入

近年來，DIC技術在岩土工程中的應用已經越來越廣泛。採用DIC技術可以對試驗體的應變場、亞像素的位移和變形場進行精確的測量，並提供可靠的測試結果。在土體、混凝土等岩土材料及岩石試件的破壞試驗或荷載試驗中，DIC技術可以為研究該材料的力學性質提供有力的支持和保障。

六、DIC技術檢測選取

在進行DIC檢測前，需要對測試對象進行一定的準備工作。首先需要對測試對象表面進行平整處理，以確保成像的準確性。其次需要對測試對象表面進行標點操作，用於參照測試對象的表面變形狀態。還需要在測試時保證光源的一致性，避免環境灰度和光線的波動等因素對測試結果產生干擾。

七、DIC技術研究現狀

目前，DIC技術已經在岩土工程中被廣泛應用。研究學者們也在持續不斷的探索如何提高DIC技術的檢測精度、準確度和實用性。例如，一些學者採用新型的標點技術和計算機演算法，以提高DIC技術的檢測效率和準確度。此外，還有學者致力於開發新的高速相機和光學成像探測技術，以應對DIC技術在複雜應力情況下的應用需求。

# Python實現DIC技術

import cv2
import numpy as np

# 獲得測試物圖像的信息
def get_image_points(filename):
    # 下採樣，減少計算量
    img = cv2.resize(cv2.imread(filename), (0, 0), None, 0.5, 0.5)
    # 轉換成灰度圖像，減少計算量和雜訊干擾
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    # 對圖像進行標點，定義ROI
    ret, thresh = cv2.threshold(gray, 120, 255, cv2.THRESH_BINARY)
    contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    cnt = contours[0]
    x, y, w, h = cv2.boundingRect(cnt)
    
    # 返回測試物圖像的關鍵點坐標以及ROI
    return [np.array([[x, y], [x + w, y], [x + w, y + h], [x, y + h]], dtype=np.float32)], thresh[y:y + h, x:x + w]

# DIC測試函數
def dic_test(image1, image2, keypoints1, keypoints2):
    # 計算關鍵點之間的位移
    p1, st, err = cv2.calcOpticalFlowPyrLK(image1, image2, keypoints1, None, winSize=(21, 21), maxLevel=3)
    p2, st, err = cv2.calcOpticalFlowPyrLK(image2, image1, p1, None, winSize=(21, 21), maxLevel=3)

    # 計算前後兩次位移之間的差值
    d = abs(keypoints1 - p2).reshape(-1, 2).max(-1)
    good = d  20:
        src_pts = keypoints1[good == 1]
        dst_pts = keypoints2[good == 1]
        homography, mask = cv2.findHomography(src_pts, dst_pts, cv2.RANSAC, 5.0)
        transform_image = cv2.warpPerspective(image2.copy(), homography, image2.shape[:2][::-1])
        # 返回對測試物表面的變形狀態分析結果
        return transform_image
    else:
        return None

if __name__ == '__main__':
    # 載入測試物圖像，獲得其關鍵點
    img1, image1 = get_image_points('1.jpg')
    img2, image2 = get_image_points('2.jpg')
    keypoints1 = img1[0]
    keypoints2 = img2[0]

    # 進行DIC測試
    result = dic_test(image1, image2, keypoints1, keypoints2)

    # 顯示DIC分析結果
    if result is not None:
        cv2.imshow('DIC Image', np.hstack([image2, result]))
        cv2.waitKey()

八、DIC技術教學

DIC技術的教學需要涵蓋計算機圖像處理、光學成像、軟體使用等多個領域的知識。除了理論知識外，學生還需要進行實際操作。在學習DIC技術時，需要注意對測試對象的準備工作及DIC測試所需要的設備的運用，以免對測試結果產生影響。

需要注意的是，DIC技術在應用中還存在一些局限性。例如在複雜的物理學中，DIC技術可能難以滿足實際測試的需求。因此，在實際應用中，需要根據具體的應用要求，合理選擇合適的測試方法。