SoftwareX 11（2020）100413原始软件出版物Part2Track：用于双帧和时间分辨粒子跟踪测速的MATLAB软件包T. 扬克河施瓦兹湾鲍尔德国弗赖贝格工业大学力学与流体动力学研究所，地址：Lampadiusstrasse 4，09599ar t i cl e i nf o文章历史记录：收到2019年2020年1月30日收到修订版2020年1月30日接受保留字：粒子跟踪测速PTVPIVMATLAB第二部分轨道a b st ra ct在本文中，我们提出了Part2Track，一个MATLAB软件包的二维粒子跟踪测速（PTV）测量的评估。Part2Track不仅能够处理时间分辨图像系列，还能够处理通常由标准PIV系统记录的双帧图像集。下面的工作涵盖了一个简短的描述包为了证明处理现实的能力，实验数据，提供了两个测试用例©2020作者由爱思唯尔公司出版这是CC BY许可下的开放获取文章（http://creativecommons.org/licenses/by/4.0/）中找到。代码元数据当前代码版本1.0用于此代码版本的代码/存储库的永久链接https://github.com/ElsevierSoftwareX/SOFTX_2019_335Code Ocean compute capsule法律代码许可证BSD-3条款使用git的代码版本控制系统使用MATLAB的软件代码语言、工具和服务编译要求，操作环境依赖性Linux，macOS，WindowsMATLAB与以下工具箱：图像处理统计与机器学习曲线拟合信号处理并行计算如果可用，链接到开发人员文档/手册https://github.com/Part2Track/Part2Track/tree/master/doc问题支持电子邮件thomas. imfd.tu-freiberg.dePart2Track@gmail.com1. 动机和意义激光光学测量技术用于确定全球流动速度场已成为实验流体动力学的标准工具。过去出现了许多不同的设置，其中粒子图像测速（PIV）已被证明是一种相对容易安装的通用技术。PIV技术获得的数据是粒子*通讯作者。电子邮件地址：Thomas. imfd.tu-freiberg.de（T. Janke）。https://doi.org/10.1016/j.softx.2020.100413种子流。从这些图像中计算流速 通过将整个图像划分为较小的询问窗口并应用图像互相关方法来执行。尽管加窗互相关非常鲁棒，并且已经通过各种先进技术进行了改进，但它在最终速度矢量计算中引入了空间平均效应[1]。一种密切相关的测量方法，称为粒子跟踪测速法（PTV），可以通过跟踪单个示踪粒子来克服这种影响如果所有粒子中的大多数被检测和跟踪，则该方法可以提高空间分辨率，提高每幅图像的数据产量[2]。2352-7110/©2020作者。 由Elsevier B.V.出版。这是一篇开放获取的文章，使用CC BY许可证（http://creativecommons.org/licenses/by/4.0/）。可在ScienceDirect上获得目录列表SoftwareX期刊主页：www.elsevier.com/locate/softx2T. 扬克河 Schwarze和K. Bauer / SoftwareX 11（2020）100413最初，PTV仅用于评估稀疏种子流。但随着时间的推移，具有处理大量粒子能力的PTV算法已经开发出来（例如，参见[2早期的PTV研究主要用于分析时间分辨图像序列，最近的方法扩展了该方法，以处理双帧图像数据[4，5]。本文介绍的MATLAB程序Part2Track提供了一种基于最先进方法的开源二维PTV算法。它的主要新颖之处是实现了一种双帧匹配算法，目前尚未公开。Part2Track已针对成熟的商业软件进行了测试，可以证明在调查案例中具有可比性能[6]。此外，通过添加补充处理选项，Part2Track拓宽了现有软件工具的选择范围，例如openPTV [7]、PTVlab [8]或TracTrac [9]。2. 软件描述2.1. 软件构架Part2Track使用MATLAB开发框架来提供图像数据的简单快速处理。本软件包由两个主要函数main_proc.m和main_post.m组成，其中main_proc.m包含将图像数据转换为最终散射速度场的所有例程，main_post.m是用于更深入分析速度数据的各种后处理函数的集合。主处理脚本的示意图如图所示。1.一、在此脚本中，需要将图像和所有处理在下一步骤中，该算法在双帧图像评估或时间分辨处理之间切换。为定义的时间步/图像数量调用函数，跟踪完成后，结果保存在二进制.mat文件中。2.2. 软件功能如前所述，该软件能够处理双帧和时间分辨图像集。对于双帧数据的情况，采用了一种简单的最近邻匹配和一种能够处理较高粒子密度的方法（从[4]中采用和时间分辨数据分析的主要功能是四帧匹配算法[10]，可以通过上述两种双帧方法之一来通过高斯图像滤波技术的拉普拉斯算子，随后通过粒子峰值强度的高斯插值实现示踪粒子的该颗粒检测方法采用TracTrac软件[9]。需要注意的是，Part2Track是根据在干净、黑暗背景下处理明亮颗粒图像的要求开发的。因此，用户需要在处理之前从图像中去除任何背景失真和非粒子对象在迭代匹配过程中，纳入了通用离群值检测[11]（用于处理分散的速度数据[12]），以提高位移场重建的质量。运行Part2Track的结果是一个离散速度矢量列表。然而，对于许多进一步的分析，使用结构化速度场更方便。因此，两个装仓Fig. 1. 主处理程序的示意图。实现了在具有可调节网格尺寸和询问窗口的规则网格第一种是高斯加权分箱，第二种是基于二次多项式插值器的分箱[13]。还实施了不同的进一步后处理例程，例如湍流动能计算、涡流检测、峰值锁定检查[14]和简单的固有正交分解（POD）分析。2.3. 一般参数说明所有常规参数都保存在单独的MATLAB（.m）脚本文件中，该文件在主处理例程开始时导入。第一组参数包括关于实验的重要信息。这些是图像采集模式（双帧或时间分辨），记录图像的分辨率，图像/双帧对的数量，时间间隔，线性转换比例mm/px和最后一个预定义的图像掩模。下一个参数块控制位移计算。在该块内，可以定义用于颗粒检测（大小和亮度）、颗粒匹配（方法、搜索场、颗粒邻域的大小）、离群值检测（颗粒邻域的大小、有效性和噪声的阈值）和对于时间分辨测量，可以设置进一步轨迹链接的容许误差以及第一初始化期间的轨迹重建步骤的数量。T. 扬克河 Schwarze和K. Bauer / SoftwareX 11（2020）1004133×=×--2.4. 性能测试使用具有已知属性的合成图像，可以测试程序作为双框架评价被认为是更具挑战性的，因为没有进一步的时间信息是可访问的，这里进行的测试是有限的双帧直方图匹配算法。选择四个标准来证明该算法的能力和局限性。这些标准是粒子检测率、估计粒子质心的误差、粒子匹配率和局部位移计算的最终误差。虽然检测率和位置误差的计算是直接的，但匹配率的评估稍微复杂一点。粒子匹配的有效性主要取决于三个约束：（i）预测粒子位移和属性位移之间的差异在5 px误差范围，（ii）位移矢量通过通用离群值检测测试，和（iii）连接的颗粒明确匹配。如果这三个条件都满足，则粒子对被认为是可信的。这些有效粒子的数量除以检测到的粒子的数量，以获得粒子匹配率。由于并非所有粒子都与下一时间帧中的真实对应粒子匹配，因此计算真实位移与重建位移之间的位移误差。模拟的流动代表所谓的u（x，y）=umax·cos（x·2π/H）·sin（y·2π/L）（1）v（x，y）= −vmax·sin（x·2π/H）·cos（y·2π/L），（2）其中H表示所考虑的图像域的高度，L表示所考虑的图像域的长度。由于[14]中详细解释了用于创建合成粒子图像的方法，因此此处仅总结图像创建的主要参数。所有合成图像的分辨率为512 512px，位深为8位。颗粒直径设定为3 px，而以每像素颗粒数（ppp）测量的接种密度在0.001至0.1之间变化。允许的最大粒子位移（umaxvmax）为10 px对于每个播种密度，创建总共500个图像对，其中粒子被随机放置。根据上述性能标准评估所有图像对，从中推导出平均值。由Part2Track重建的流场在图2中示例性地示出了三种不同的接种密度以及单个合成图像的相应剪切（32 px定义了一组固定的工艺参数（见表1）并且在不同的接种密度之间不进行进一步的调整。这可能不是最佳的，因为后来的结果表明，但应证明如何敏感或强大的算法可以处理这些差异。性能分析的结果如图所示。3 .第三章。必须注意的是，只有在图像的内部75%内的矢量（见图1）。 2）被认为忽略了消失粒子在边界处的影响。几乎所有的粒子都可以检测到最低的研究接种密度。当每像素粒子值增加到0.1时，检测率显著降低到约40%（见图1）。3（a））由于重叠颗粒的增加。结果，粒子位置误差也从ppp = 0.001时的最初0.01 px上升到ppp = 0.1时的0.23 px（见图11）。 3（b））。至少90%的所有检测到的颗粒物都有效匹配，ppp = 0.0025-0.05的范围（见图1）。3（c））。对于最小的接种密度，匹配率下降到68%，而对于两个最高的颗粒数，下降不太陡峭表1合成性能分析和两个提供的测试用例的所有工艺参数概述。参数合成数据肺管p大小233p_int4030003000径迹法历史匹配历史匹配历史匹配f_o_s252515n近邻252525n离群值252525thr222噪声0.10.10.1n输出器331n_mp331min_dist––1n_mp_ti––3覆盖位移误差的结果（如图所示）。3（d））与颗粒匹配率相结合，提出了所选加工参数的最佳接种密度范围（ppp = 0.0025在此范围内，计算的位移误差在0.63- 1.6%之间在这个最佳值之外，速度场显示出显著的变化，特别是在图像边界处。3. 说明性实例3.1. 双帧数据为了演示双帧图像的评估，测试数据与源代码一起提供。在PIV测量活动期间记录图像，涵盖传导性人体气道内的气流[15]。通过将评估文件夹设置为.. test_casesdouble_frame Lung.测量参数文件已存在，无需创建。示例性的双对图像（重叠和反转）如图2所示。第 4（a）段。颗粒以约3- 8 px的直径成像。由于用于记录图像的相机提供14位的位深度，单个像素的最大强度范围高达16383。这种情况下的颗粒检测强度可以设置为大约3000个计数。尽管具有中等的颗粒接种密度，但是简单的因此，应该使用直方图匹配算法。正如Fuchs和Kähler [4]所建议的那样，搜索范围可以设置为预期最大位移的两倍。在这种情况下，图像时间分离导致大约5-8 px的搜索区域设置为25 px，以捕获每个粒子的运动，并显示该方法的鲁棒性。要包括在位移计算中的邻居的数量是25。该邻域也用于通用离群点检测。由于流速范围从高速区域对于具有近似零位移的区域，使用多通道功能。本测试用例设置了三次离群值检测和三个达到最大搜索范围的步骤。 一个重建的瞬时速度场的特写如图所示。4（b）.此外，还指示了第一图像中所有检测到的颗粒的位置。这表明，所有示踪剂中的大多数都可以匹配。在图4（c）中绘制了针对所有提供的图像对的所有重建速度矢量的子集（每第十个矢量）。从这些分散的位置，一个结构化的速度场（见图1）。图4（d））中，网格间距为8 px的情况下，通过多项式分箱方法（圆形箱直径/询问窗口：16 px）推导出。4T. 扬克河 Schwarze和K. Bauer / SoftwareX 11（2020）100413×图二. 对于三种不同的接种密度，泰勒-格林-涡旋测试情况的绝对位移场δ（顶行）。原始图像裁剪（底行）说明在32 × 32像素区域（小的虚线矩形）内的播种密度。对于误差分析，仅考虑固体内的速度信息，大矩形。图三. 合成图像评估的结果。（a）粒子检测率，（b）粒子位置误差，（c）粒子匹配率和（d）位移误差。3.2. 时间分辨数据作为下一个例子，弯管内的流动分析演示（见图）。 5（a））。数据来自高速PIV测量[16]，并允许观察整个粒子轨迹因此，使用时间分辨算法。通过将主脚本中的评估文件夹设置为.. \test_cases\time_resolved\Pipe\，测试用例可以是开始了T. 扬克河 Schwarze和K. Bauer / SoftwareX 11（2020）1004135见图4。 双帧测试用例Lung的图示。(a)重叠的双帧图像对（反转并添加边界以获得更好的可见性），（b）裁剪具有检测到的颗粒的瞬时散射矢量场的输出（参见（a）），（c）所有图像的总体散射矢量场（示出了每第10个矢量），以及（d）系综平均结构速度场所选择的处理参数与双框架实验中的相似（参见表1）。但还必须设定另外两个值。这些是预测的粒子位置和检测到的位置之间的允许误差以及迭代初始化步骤的数量。值将是1 px和3次迭代。四个连续时间步长的图像叠加如图所示。5（b），它已经给出了出现的流动结构的印象。通过PTV分析得到的轨迹如图5（c）所示，其中路径根据其局部流向速度进行了颜色编码。一个整体多项式分箱导致结构化的速度场（见图1）。 5（d））。图格的大小为16 px，每个方向上的网格间距为8 px。4. 影响这项工作的主要贡献是提供了一个免费提供和扩展的源代码，用于基于Fuchs和Kähler [4]的粒子匹配方法的PTV测量的双帧图像分析。随着软件包开发的进展，还增加了一种评价时间分辨图像集的方法现在，Part2Track为PIV和PTV实验中发现的两种最重要的图像记录策略提供了一个完整的2D PTV图像分析软件包。由于Part2Track可以处理密集粒子图像，因此可以使用Part2Track轻松重新分析先前记录的PIV图像数据，以提高测量的空间分辨率或通过拉格朗日结果获得新的见解。由于Part2Track是在工程领域常用的MATLAB框架内开发的，因此它利用MATLAB优化的内部函数来提供数据的快速评估和易于实现的自己的算法。不同目标的跟踪在许多研究领域中是一个重复出现的任务，例如。跟踪大量人群或活细胞通过修改这些任务的检测例程，Part2Track也可以快速用于研究此类对象的运动。5. 结论我们提出了新的MATLAB软件包Part2Track。Part2Track能够分析双帧和时间分辨的2D PTV图像数据。最近的各种方法，如直方图匹配方法或整体箱平均使用多项式插值，实现Part2Track。使用理想的合成图像数据的分析表明，在大范围的接种密度下，不需要改变主要的处理参数，就可以获得良好的性能。介绍并简要描述了两个测试用例，以更好地理解Part2Track在实际实验应用中的使用。竞合利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作致谢感谢德国德意志研究共同体对本研究的财政支持（DFG批准号BA4995/2-3）。我们还要感谢Johannes Burkert提供时间分辨图像数据。阑尾实验参数见表A.2。6T. 扬克河 Schwarze和K. Bauer / SoftwareX 11（2020）100413××图五. 时间分辨测试用例Pipe的图示。(a)示意图说明弯管内的视野和主流方向，（b）重叠图像四个连续的时间步长（为可见性而倒置），（c）重建的轨迹和（d）系综平均结构化速度场。表A.2所介绍的说明性实施例的实验参数的总结。肺部数据来自[6]，管道弯曲数据来自[16]。肺管弯头相机类型CCD CMOS决议草案1600 1200 1280 800像素间距7. 4µ m 20µ m镜头105 mm，f#3.5 90 mm，f#5.6激光双脉冲Nd：YAG高速Nd：YLF帧间延迟160µ s 1/ 1300 Hz地图比例尺0.041 mm/px 0.075 mm/px示踪剂直径50µ m 50µ m引用[1]Kähler CJ，Scharnowski S，Cierpka C.论数字粒子图像测速的分辨率极限。ExpFluids2012;52 （ 6 ） ： 1629-39 。 http://dx.doi 的 网 站 。org/10.1007/s00348-012-1280-x。[2] Stitou A ， Riethmuller ML. 利 用 PTV 将 PIV 扩 展 到 超 分 辨 率 Meas SciTechnol2001;12 （ 9 ） ： 1398-403.http://dx.doi.org/10.1088/0957-0233/12/9/304.[3]作 者 ： Kang ， Li Hy. 采 用 新 算 法 的 粒 子 跟 踪 测 速 仪 。 Meas Sci Technol2000;11（6）：603 http://dx.doi.org/10.1088/0957-0233/11/6/303章一个女人[4]Fuchs T，Hain R，Kähler CJ.非迭代双帧2D/3D粒子跟踪测速。Exp Fluids2017;58（9）：119。http://dx.doi.org/10.1007/s00348-017-2404-0.[5][10]李国忠，李国忠.高接种密度下的双帧断层摄影PTV。Exp Fluids 2020;61（2）：23. http://dx.doi.org/10.1007/s00348-019-2859-2网站。[6]杨克T，施瓦兹R，鲍尔K.人肺内振荡流的PIV-PTV比较。第13届国际研讨会论文集粒子图像测速; 2019。p. 232-8[7]OpenPTV联盟。openPTV。2013，www.openptv.net。[8]Brevis W，Niño Y，Jirka GH.粒子追踪测速之互相关与松弛演算法整合。ExpFluids 2011;50（1）：135-47。http://dx.doi.org/10.1007/s00348-010-0907-z网站。[9] Heyman J. TracTrac： A fast multi-object tracking algorithm for motionestimation.ComputGeosci2019;128：11-8.http://dx.doi.org/10.1016/j.cageo的网站。2019年3月7日。[10]李文，李文，等.三维流动中的粒子跟踪测速技术.第二部分：粒子跟踪.北京：清 华 大 学 出 版 社 ， 1999. 实 验 流 体 1993;15 （ 4 ） ： 279-94 。http://dx.doi.org/10.1007/BF00223406网站。[11] Westerweel J，Scarano F.PIV数据的通用离群值检测Exp Fluids 2005;39（6）：1096http://dx.doi.org/10.1007/s00348-005-0016-6网站。[12]Patel M，Leggett SE，Landauer AK，Wong IY，Franck C.快速、基于拓扑的粒子跟踪，用于大型复杂3D运动场的高分辨率测量。Sci Rep 2018;8（1）：5581。http://dx.doi.org/10.1038/s41598-018-23488-y.[13]Agüera N，Cafiero G，Astarita T，Discetti S. Enclave 3D PTV用于高分辨率湍流统计。Meas Sci Technol 2016;27（12）：124011. 网址：//dx.doi.org/10.1088/0957-0233/27/12/124011网站。[14]Raffel M，Willert C，Scarano F，Kähler CJ，Weidy ST，Kompenhans J.Particle Image Velocimetry - A Practical Guide. 第 三 版 Springer-Verlag;2018，http://dx.doi.org/10.1007/978-3-319-68852-7。[15]杨克T，Koulapis P，Kassinos S，Bauer K. Siminhale基准案例的PIV测量。Eur J Pharmaceutut Sci 2019;133：183网址：//dx.doi.org/10.1016/j.ejps.2019.03.025网站。[16]放大图片作者：J. 90度弯管中的过渡流。在第13届粒子图像测速国际研讨会上;2019年。p. 783-90.
我的内容管理
展开
