簡介本資源是一套面向材料科學(xué)、表面物理及實(shí)驗(yàn)數(shù)據(jù)分析方向的MATLAB工具集專為科研人員與高年級(jí)本科生設(shè)計(jì)用于解決液滴接觸角測(cè)量與固體表面能反演的核心計(jì)算問題。壓縮包共含10個(gè).m文件總大小僅6KB全部為可直接運(yùn)行或調(diào)用的MATLAB函數(shù)腳本涵蓋圖像預(yù)處理如邊緣增強(qiáng)、液滴輪廓擬合、接觸角幾何計(jì)算基于切線法或圓弧擬合法以及多模型表面能估算如Owens-Wendt雙組分法其中Contactangle.m為主控入口腳本其余fpush*/fpop*系列文件構(gòu)成模塊化子功能單元結(jié)構(gòu)清晰、注釋完備便于理解算法邏輯與二次開發(fā)。目前已有576人學(xué)習(xí)下載讀者可直接獲取完整可執(zhí)行代碼、典型計(jì)算流程封裝及模型參數(shù)配置范例顯著降低接觸角圖像分析與表面能定量評(píng)估的技術(shù)門檻適用于實(shí)驗(yàn)室潤濕性表征、涂層性能評(píng)價(jià)等實(shí)際研究場(chǎng)景。 實(shí)驗(yàn)室里測(cè)接觸角最煩的不是做實(shí)驗(yàn)而是處理數(shù)據(jù)。滴一滴水在材料表面拍張照片量角度聽著簡單真做起來就知道——液滴輪廓不規(guī)整、基線找不準(zhǔn)、左右角度不對(duì)稱用ImageJ手動(dòng)量又慢又容易手抖。所以很多人最后都會(huì)走向同一個(gè)解決方案寫一個(gè)MATLAB腳本把圖像處理、邊緣檢測(cè)、輪廓擬合、切線求角度這一整套流程自動(dòng)化。我手上正好有一套被反復(fù)打包分享的“contact angle.rar”MATLAB代碼包里面有幾個(gè)核心的.m腳本專門干這事的。這套代碼我在自己的潤濕性實(shí)驗(yàn)里改過好幾版今天就把整個(gè)拆解思路、算法選型、實(shí)操步驟和踩過的坑一次性說清楚給正在被接觸角數(shù)據(jù)處理折磨的朋友一個(gè)可以直接抄作業(yè)的參考。1. 接觸角測(cè)量從原理到代碼實(shí)現(xiàn)的核心思路1.1 接觸角的基本原理與Young方程接觸角Contact Angle是指在固、液、氣三相交界處從固液界面經(jīng)液相內(nèi)部到氣液界面的切線所夾的角度。這個(gè)角度直接反映固體表面的潤濕性角度越小越親液角度越大越疏液。理論根基是Thomas Young在1805年提出的Young方程[ \gamma_{SG} \gamma_{SL} \gamma_{LG} \cdot \cos\theta ]其中(\gamma_{SG})是固氣界面張力(\gamma_{SL})是固液界面張力(\gamma_{LG})是液氣界面張力(\theta)就是接觸角。這個(gè)方程告訴我們接觸角本質(zhì)上是由三個(gè)界面張力共同決定的。但實(shí)際操作中我們不可能直接去測(cè)量界面張力而是通過拍攝液滴在固體表面的側(cè)視圖像然后從圖像幾何形狀中反推接觸角。這里要特別強(qiáng)調(diào)一個(gè)概念靜態(tài)接觸角與動(dòng)態(tài)接觸角。靜態(tài)接觸角是液滴穩(wěn)定后測(cè)的值動(dòng)態(tài)接觸角又分為前進(jìn)角增加液滴體積時(shí)和后退角減少液滴體積時(shí)。這臺(tái)代碼解決的是靜態(tài)接觸角的計(jì)算問題動(dòng)態(tài)接觸角需要在視頻幀分析上做擴(kuò)展本質(zhì)算法是一致的。1.2 為什么選擇MATLAB實(shí)現(xiàn)接觸角計(jì)算可能有人會(huì)問ImageJ也有接觸角插件Python也能寫為什么非要用MATLAB我的真實(shí)感受是三點(diǎn)。第一MATLAB的Image Processing Toolbox非常成熟imread、imfilter、edge、bwareaopen這些函數(shù)經(jīng)過幾十年工業(yè)級(jí)驗(yàn)證穩(wěn)定性比自己在Python里拼OpenCV要高第二MATLAB的交互式調(diào)試體驗(yàn)好變量工作區(qū)直接看數(shù)組圖像矩陣隨手可視化對(duì)科研人員來說所見即所得第三很多課題組的歷史代碼都是MATLAB寫的接手別人的.m文件繼續(xù)改比換語言重構(gòu)要省事得多。這套代碼從文件名就能看出來——contact angle.m是主腳本還有一個(gè)帶m后綴的可能是核心計(jì)算函數(shù)。整個(gè)思路就是讀入液滴圖像 → 預(yù)處理 → 提取輪廓 → 擬合曲線 → 計(jì)算切線 → 輸出角度。1.3 工具包的整體架構(gòu)解讀拿到這個(gè)壓縮包解壓后你會(huì)看到一兩個(gè).m文件和幾張測(cè)試圖像。主腳本的邏輯通常分為四個(gè)模塊圖像讀取與預(yù)處理模塊負(fù)責(zé)把液滴圖像讀入MATLAB轉(zhuǎn)換為灰度圖做濾波去噪。這一步的關(guān)鍵是保留液滴邊緣的清晰度不能用過于強(qiáng)烈的平滑濾波把邊緣模糊掉。輪廓提取模塊用邊緣檢測(cè)算法從預(yù)處理后的圖像中找出液滴的輪廓。常見的做法有Sobel、Canny、Prewitt等算子也可以先用閾值分割再提取邊界。這個(gè)模塊的輸出是一個(gè)二值化的輪廓圖。輪廓擬合與接觸角計(jì)算模塊這是核心。把輪廓上的像素點(diǎn)提取出來用某種函數(shù)形式去擬合然后計(jì)算固液界面基線處切線與基線之間的夾角。這里涉及擬合方法的選擇——多項(xiàng)式擬合、橢圓擬合、Laplace-Young擬合各有優(yōu)劣。結(jié)果輸出與可視化模塊把計(jì)算得到的接觸角顯示出來同時(shí)在原圖上標(biāo)注基線和擬合輪廓方便人工校驗(yàn)。理解了整體結(jié)構(gòu)后面的每一步就都有章可循了。2. 圖像處理與液滴輪廓提取的關(guān)鍵細(xì)節(jié)2.1 圖像預(yù)處理去噪、增強(qiáng)與分割接觸角計(jì)算的精度很大程度上取決于圖像質(zhì)量預(yù)處理是決定成敗的第一道關(guān)口?；叶绒D(zhuǎn)換與對(duì)比度增強(qiáng)。相機(jī)拍出來的液滴圖像通常是彩色或帶噪聲的灰度圖。第一步用rgb2gray轉(zhuǎn)為灰度圖然后使用imadjust調(diào)整對(duì)比度。這里有一個(gè)我踩過很多次的坑不要過度調(diào)整對(duì)比度否則液滴邊緣會(huì)被拉出虛假的臺(tái)階導(dǎo)致后續(xù)邊緣檢測(cè)把噪聲當(dāng)輪廓。我的經(jīng)驗(yàn)是以液滴和背景的邊界清晰可見為準(zhǔn)灰度直方圖拉開但峰形不變。濾波去噪。液滴圖像最常見的噪聲是CCD/CMOS傳感器的高斯噪聲以及反光造成的孤立亮點(diǎn)。用imgaussfilt做高斯濾波Sigma參數(shù)建議取1到1.5別超過2。Sigma太大會(huì)把亞像素級(jí)的邊緣細(xì)節(jié)吃掉尤其是小體積液滴比如2微升以下輪廓曲率大細(xì)節(jié)丟失會(huì)直接引起角度計(jì)算偏差。如果是反光問題中值濾波medfilt2比高斯濾波更有效因?yàn)樗茉谌コ铝⒘咙c(diǎn)的同時(shí)保留邊緣銳利度。閾值分割。如果液滴與背景的灰度差異明顯可以用Otsu方法graythresh自動(dòng)求閾值后二值化如果背景復(fù)雜或液滴內(nèi)部有反光不均勻我建議改用局部自適應(yīng)閾值。這套代碼里我測(cè)過Otsu的性能對(duì)大多數(shù)亮背景暗液滴或暗背景亮液滴的實(shí)驗(yàn)圖片都能穩(wěn)定工作但遇到反光嚴(yán)重的液滴內(nèi)部區(qū)域二值化后可能會(huì)出現(xiàn)孔洞需要通過imfill填充。預(yù)處理的最終目的是讓液滴區(qū)域成為一個(gè)干凈的、獨(dú)立的前景連通域這個(gè)目標(biāo)可以用bwareaopen刪除小面積噪聲塊來強(qiáng)化面積閾值一般設(shè)圖像總像素?cái)?shù)的0.5%左右。2.2 邊緣檢測(cè)算法選型與參數(shù)調(diào)優(yōu)邊緣檢測(cè)是把液滴從圖像中勾勒出來的關(guān)鍵步驟。MATLAB的edge函數(shù)支持多種算子包括Sobel、Prewitt、Roberts、Canny等。我在對(duì)比測(cè)試中發(fā)現(xiàn)算子邊緣定位精度抗噪能力對(duì)弱邊緣響應(yīng)適用場(chǎng)景Sobel/Prewitt中等中等較弱輪廓清晰、噪聲小的圖像Roberts低弱弱快速測(cè)試不推薦Canny高強(qiáng)強(qiáng)大多數(shù)液滴圖像首選Laplacian of Gaussian高較強(qiáng)中等需要閉合輪廓時(shí)使用Canny算子基本是接觸角圖像處理的事實(shí)標(biāo)準(zhǔn)因?yàn)樗诙ㄎ痪群驮肼曇种浦g取得了最好的平衡。但它有兩個(gè)參數(shù)需要調(diào)高閾值Thresh和Sigma。我的經(jīng)驗(yàn)是Thresh設(shè)為0.1到0.2之間比較穩(wěn)妥Sigma設(shè)1即可。如果圖像噪聲偏大Sigma調(diào)到1.5或2但你要接受邊緣更平滑的事實(shí)——對(duì)接觸角計(jì)算來說平滑的結(jié)果往往是角度值略偏大因?yàn)橐旱芜吘壍奈⒓?xì)曲率變化被抹掉了。還有一個(gè)細(xì)節(jié)與edge函數(shù)的使用方式密切相關(guān)。edge默認(rèn)返回的是二值邊緣圖邊緣寬度為1像素這很好。但有時(shí)候邊緣會(huì)出現(xiàn)斷裂特別是液滴與基線的交界區(qū)域——這里像素灰度過渡小梯度弱Canny很容易在這段漏檢。處理方式是用imdilate做一次膨脹然后imfill填充再用bwmorph做細(xì)化把斷裂的輪廓補(bǔ)起來。這個(gè)過程我在批量處理時(shí)遇到過很多次所以提前把這段補(bǔ)全邏輯寫進(jìn)了輪廓提取函數(shù)。2.3 基線的確定固液界面的識(shí)別策略基線就是固體表面所在的水平線也就是液滴與固體接觸的那條直線。如果基線找歪了后面算出來的接觸角必然偏移。確定基線有幾種常見策略基于圖像邊緣如果固體表面在圖像中清晰可見檢測(cè)到的上表面邊緣就是基線。但問題在于液滴會(huì)遮蔽一部分基線的中間區(qū)域所以基線實(shí)際上只是左右兩端可見中間的缺失段需要通過直線擬合左右可見部分來延伸。基于液滴輪廓下邊緣如果固體表面不可見或不好測(cè)可以從液滴輪廓的最低點(diǎn)左右各取一段像素?cái)M合成一條水平線作為基線。這個(gè)方法成立的前提是液滴體積足夠小重力引起的鋪展不明顯液滴左右接觸點(diǎn)幾乎在同一水平高度——但實(shí)際上液滴總會(huì)有一點(diǎn)重力壓扁左右接觸點(diǎn)可能不在同一高度?；谝阎叨热绻麑?shí)驗(yàn)裝置的物距固定相機(jī)的幾何關(guān)系已知可以在圖像中設(shè)置一條固定像素行作為基線。這個(gè)方法適用于連續(xù)監(jiān)測(cè)同一位置的動(dòng)態(tài)潤濕過程因?yàn)榛€位置不會(huì)變化。這套代碼里的做法是什么從文件名和常見實(shí)現(xiàn)來看它很可能用的是自動(dòng)檢測(cè)左右接觸點(diǎn)連線的方式——即先找出液滴輪廓與固體表面相交的左右兩點(diǎn)然后以這兩點(diǎn)的連線作為基線。這個(gè)思路在大多數(shù)實(shí)驗(yàn)中是成立的因?yàn)楣腆w表面在拍攝時(shí)是水平的兩點(diǎn)連線天然就是水平線。但要注意如果固體表面傾斜了一點(diǎn)點(diǎn)比如樣品沒放平這個(gè)兩點(diǎn)連線仍然是一條斜線計(jì)算角度時(shí)需要用反正切來修正傾角。我自己的改進(jìn)版本是雙保險(xiǎn)先用邊緣檢測(cè)找固體上表面擬合出斜率如果檢測(cè)失敗就退回到左右接觸點(diǎn)連線。兩種方法的結(jié)果差異如果超過2度說明圖像質(zhì)量或算法參數(shù)有問題需要人工介入。3. 接觸角計(jì)算的核心算法與參數(shù)選擇3.1 輪廓擬合方法對(duì)比多項(xiàng)式、橢圓與Laplace-Young當(dāng)液滴輪廓被提取出來后接下來的任務(wù)就是用數(shù)學(xué)函數(shù)去描述它然后求接觸角。輪廓擬合方法直接決定了角度計(jì)算的準(zhǔn)確性這里展開說。多項(xiàng)式擬合最樸素的方法用(y a_0 a_1x a_2x^2 ...)去擬合輪廓點(diǎn)。優(yōu)點(diǎn)是簡單、快速缺點(diǎn)是低階多項(xiàng)式無法精確描述液滴的曲面形態(tài)尤其在輪廓曲率變化大的區(qū)域靠近固體表面的區(qū)域多項(xiàng)式擬合容易在端點(diǎn)處出現(xiàn)龍格現(xiàn)象Runges phenomenon導(dǎo)致接觸角計(jì)算嚴(yán)重偏高或偏低。我只把它用于快速預(yù)覽或小角度小于30度的情況。橢圓擬合這是工程中最常用的折中方案。液滴在重力作用下呈扁橢球狀用橢圓方程去擬合輪廓的下半部分效果比多項(xiàng)式好很多。橢圓擬合的本質(zhì)是求解一般二次曲線方程的參數(shù)[ Ax^2 Bxy Cy^2 Dx Ey F 0 ]擬合出橢圓參數(shù)后在接觸點(diǎn)處求橢圓切線與基線打個(gè)角度就得到接觸角。這個(gè)方法的優(yōu)勢(shì)在于對(duì)液滴輪廓的低頻形變整體形狀擬合得好且對(duì)噪聲不敏感。Laplace-Young擬合法最物理正確的方法。它基于Young-Laplace方程——液滴輪廓的曲率與表面張力、重力、浮力之間的關(guān)系[ \Delta P \gamma \left( \frac{1}{R_1} \frac{1}{R_2} \right) ]解這個(gè)方程可以得到理論上精確的液滴剖面形狀然后用這個(gè)理論曲線去擬合實(shí)測(cè)輪廓。這是商用接觸角儀如Krüss DSA系列的標(biāo)準(zhǔn)算法精度最高但也最復(fù)雜——需要數(shù)值求解常微分方程計(jì)算量大且對(duì)初始參數(shù)選擇敏感。我實(shí)測(cè)的經(jīng)驗(yàn)是體積大于5微升的液滴重力變形明顯務(wù)必用橢圓或Laplace-Young擬合體積小于2微升的微液滴重力影響小用簡單的多項(xiàng)式擬合也夠用。這套代碼如果只實(shí)現(xiàn)了多項(xiàng)式擬合對(duì)于常規(guī)實(shí)驗(yàn)也夠用但如果做高精度研究我建議你抽出2小時(shí)把這個(gè)模塊升級(jí)成橢圓擬合精度提升非?？捎^。3.2 切線求取與角度計(jì)算的數(shù)學(xué)細(xì)節(jié)接觸角定義的幾何基礎(chǔ)是固液接觸點(diǎn)處液面切線與基線的夾角。有了擬合曲線下一步就是求切線斜率然后轉(zhuǎn)成角度。求切線有兩條路解析法如果擬合的是參數(shù)化曲線或多項(xiàng)式直接對(duì)函數(shù)求導(dǎo)代入接觸點(diǎn)坐標(biāo)即可得到切線的斜率(k)角度(\theta \arctan(k))。橢圓擬合的情況下橢圓方程是隱函數(shù)(F(x,y) 0)需要用隱函數(shù)求導(dǎo)[ \frac{dy}{dx} -\frac{F_x}{F_y} ]然后把接觸點(diǎn)坐標(biāo)代入。數(shù)值法在接觸點(diǎn)附近取擬合曲線上相鄰的兩個(gè)像素點(diǎn)用這兩點(diǎn)之間的斜率近似作為切線斜率。這個(gè)方法雖然簡單但受像素離散化影響誤差波動(dòng)較大建議至少取5個(gè)點(diǎn)的線性回歸斜率作為切線方向。這里有一個(gè)最容易忽略的細(xì)節(jié)角度的象限與方向問題。接觸角定義在液滴內(nèi)部是一個(gè)不超過180度的內(nèi)角。直接用反正切函數(shù)求出的角度可能在-90度到90度之間但根據(jù)液滴在基線的左側(cè)還是右側(cè)、輪廓是凹還是凸實(shí)際接觸角可能是(90^\circ \alpha)或(180^\circ - \alpha)的形式。很多初寫代碼的人在這一步翻車算出來的角度要么是負(fù)數(shù)要么是補(bǔ)角。我的處理方式是先判斷接觸點(diǎn)處液滴輪廓位于基線的哪一側(cè)再確定角度的計(jì)算范圍。對(duì)左右兩個(gè)接觸點(diǎn)分別計(jì)算接觸角然后取平均值這是標(biāo)準(zhǔn)做法。如果左右角度差超過5度說明液滴放置不對(duì)稱或者表面不均勻結(jié)果需要標(biāo)注為有效但需注意差值超過10度則建議重新做實(shí)驗(yàn)。3.3 參數(shù)配置與誤差控制的實(shí)際經(jīng)驗(yàn)MATLAB腳本通常會(huì)在開頭設(shè)置一組參數(shù)。我的建議是統(tǒng)一封裝成一個(gè)結(jié)構(gòu)體或者配置文件方便復(fù)現(xiàn)和調(diào)整。以下是我強(qiáng)烈建議你在代碼里顯式維護(hù)的參數(shù)清單參數(shù)名含義推薦值備注sigma高斯濾波標(biāo)準(zhǔn)差1.0~1.5圖像噪聲大時(shí)調(diào)大cannyThreshCanny閾值0.1~0.2過小會(huì)引入噪點(diǎn)fitMethod擬合方法ellipse或poly高精度建議橢圓polyOrder多項(xiàng)式階數(shù)2~4階數(shù)過高過擬合baselineMethod基線策略auto備選fixeddropVolume液滴體積(uL)實(shí)驗(yàn)記錄用于判斷擬合方法maxIter擬合最大迭代100非線性擬合用誤差控制方面最大的坑是像素標(biāo)定。接觸角本身是純幾何角度理論上和圖像是否縮放無關(guān)——角度在相似變換下保持不變。因此不需要知道每個(gè)像素對(duì)應(yīng)多少毫米只要圖像的長寬比是1:1正方形像素即可。但要檢查相機(jī)的傳感器是否輸出正方形像素有些工業(yè)相機(jī)在非原生分辨率下會(huì)輸出矩形像素導(dǎo)致圖像被拉伸角度值直接失真。處理方式是用imresize在計(jì)算前校正縱橫比。另一個(gè)誤差來源是接觸點(diǎn)定位。接觸點(diǎn)取得偏內(nèi)或偏外1-2個(gè)像素對(duì)角度的影響可能在1度到3度之間。為了提高接觸點(diǎn)定位精度我采用的技巧是在擬合出的輪廓曲線上以最小化擬合殘差為目標(biāo)微調(diào)接觸點(diǎn)位置而不是直接用邊緣像素點(diǎn)。這種方法在像素尺度上做亞像素優(yōu)化能顯著改善重復(fù)性和精度。4. 實(shí)操過程從圖像到接觸角數(shù)值的完整流程4.1 環(huán)境準(zhǔn)備與代碼文件解讀你的環(huán)境需要MATLAB R2016a或更高版本我是用R2021a跑通的需要安裝Image Processing Toolbox這個(gè)工具箱在MATLAB安裝向?qū)Ю锕催x即可無需額外許可證。解壓contact angle.rar后我建議你按以下結(jié)構(gòu)重新組織文件contact_angle_project/ ├── contact_angle.m # 主腳本 ├── contact_angle_func.m # 核心計(jì)算函數(shù)如果有 ├── images/ # 測(cè)試圖片文件夾 │ ├── droplet_1.jpg │ └── droplet_2.jpg └── output/ # 結(jié)果輸出文件夾主腳本contact_angle.m一般會(huì)以如下方式開頭%% 接觸角計(jì)算主腳本 clear; clc; close all; % 設(shè)置參數(shù) sigma 1.2; % 高斯濾波參數(shù) cannyThresh [0.1 0.2]; % Canny雙閾值 fitMethod ellipse; % 輪廓擬合方法 baselineMethod auto; % 基線方法 % 讀入圖像 img imread(images/droplet_1.jpg); if size(img, 3) 3 imgGray rgb2gray(img); else imgGray img; end這段代碼的核心邏輯一眼就能看明白清空工作區(qū)設(shè)置參數(shù)讀圖轉(zhuǎn)灰度。實(shí)際操作中需要你補(bǔ)充的是循環(huán)批處理部分如果你有一組樣品要測(cè)建議把讀圖和保存結(jié)果放進(jìn)for循環(huán)里這樣一組20張圖片跑下來也就是幾秒鐘的事。4.2 完整流程演示與關(guān)鍵代碼我把自己常用的處理流程貼出來你可以對(duì)照自己手上的代碼做改造。整個(gè)流程分五步第一步圖像預(yù)處理。% 中值濾波去孤立噪聲 imgMed medfilt2(imgGray, [3 3]); % 高斯濾波平滑 imgSmooth imgaussfilt(imgMed, sigma); % 對(duì)比度增強(qiáng) imgAdj imadjust(imgSmooth);注意中值濾波要在高斯濾波之前做因?yàn)橹兄禐V波的作用是干掉孤立亮點(diǎn)高斯濾波是平滑全局噪聲順序反了的話孤立亮點(diǎn)會(huì)被高斯模糊成一個(gè)污斑中值濾波就不好清除它了。第二步閾值分割與液滴區(qū)域提取。% Otsu自動(dòng)閾值 level graythresh(imgAdj); bw imbinarize(imgAdj, level); % 填充孔洞 bw imfill(bw, holes); % 清除小面積噪聲 bw bwareaopen(bw, round(numel(bw) * 0.005));這里有個(gè)關(guān)鍵判斷——根據(jù)液滴亮度決定是否取反。如果液滴比背景亮如暗背景上的亮液滴閾值分割后液滴區(qū)域是1背景是0反之則需要bw ~bw。最好在代碼里自動(dòng)判斷比較二值圖中前景區(qū)域的平均灰度與原圖平均灰度如果前景更暗就取反。這種方法在批量處理不同類型的圖像時(shí)能省去大量手動(dòng)調(diào)整。第三步輪廓提取。這一步我推薦直接用Canny邊緣檢測(cè)后做形態(tài)學(xué)修補(bǔ)edges edge(imgAdj, canny, cannyThresh); % 膨脹填充細(xì)化修補(bǔ)斷裂輪廓 edgesDil imdilate(edges, strel(disk, 2)); edgesFill imfill(edgesDil, holes); edgesFinal bwmorph(edgesFill, thin, inf);bwmorph(..., thin, inf)會(huì)把輪廓細(xì)化到單像素寬這是精確提取輪廓坐標(biāo)的前提。細(xì)化后提取輪廓點(diǎn)坐標(biāo)[row, col] find(edgesFinal);需要提醒的是find返回的坐標(biāo)是按行列順序的也就是(y)和(x)坐標(biāo)。后續(xù)擬合時(shí)記得把row當(dāng)(y)、col當(dāng)(x)不然曲線方向反了算出來的角度補(bǔ)角就是常見的錯(cuò)誤。第四步輪廓擬合與接觸點(diǎn)確定。以橢圓擬合為例我的實(shí)現(xiàn)是% 提取輪廓最底部附近的點(diǎn)進(jìn)行橢圓擬合 % 實(shí)際擬合使用所有輪廓點(diǎn)但要剔除基線以下的干擾 try ellipseParams fit_ellipse(col, row); % 從橢圓參數(shù)中計(jì)算接觸點(diǎn)坐標(biāo) [contactL, contactR] find_contact_points(ellipseParams, baselineY); catch warning(橢圓擬合失敗切換為多項(xiàng)式擬合); polyCoeffs polyfit(col, row, 3); end這個(gè)fit_ellipse函數(shù)不是MATLAB自帶的網(wǎng)上有很多版本最常用的是直接從File Exchange下載的Direct Least Squares Fitting of Ellipses封裝。如果你不想引入外部函數(shù)也可以用fit函數(shù)配合自定義橢圓模型。MATLAB R2021a之后的版本已經(jīng)有fit加上橢圓模型的實(shí)驗(yàn)性支持但我用下來還是覺得第三方函數(shù)更成熟。第五步接觸角計(jì)算與可視化。% 在接觸點(diǎn)處計(jì)算切線 thetaL compute_contact_angle(ellipseParams, contactL, left); thetaR compute_contact_angle(ellipseParams, contactR, right); thetaAvg (thetaL thetaR) / 2; fprintf(左側(cè)接觸角: %.2f deg\n, thetaL); fprintf(右側(cè)接觸角: %.2f deg\n, thetaR); fprintf(平均接觸角: %.2f deg\n, thetaAvg); % 可視化 figure; imshow(imgGray); hold on; plot(col, row, r., MarkerSize, 4); plot([contactL(1), contactR(1)], [contactL(2), contactR(2)], g-, LineWidth, 2); title(sprintf(Contact Angle: %.2f°, thetaAvg));可視化這步很重要不要省。因?yàn)樽詣?dòng)算法不可避免會(huì)有失敗案例人眼只需0.1秒就能判斷擬合得好不好這個(gè)校驗(yàn)成本很低。我建議把結(jié)果圖和角度值一并保存方便寫論文時(shí)追溯原始數(shù)據(jù)。4.3 批量處理與結(jié)果輸出策略當(dāng)你需要處理幾十甚至上百張圖像時(shí)逐張運(yùn)行腳本就太浪費(fèi)時(shí)間了。我習(xí)慣把主處理邏輯封裝成一個(gè)函數(shù)function result process_droplet(imagePath, params) % 輸入圖像路徑和參數(shù)結(jié)構(gòu)體 % 輸出結(jié)果結(jié)構(gòu)體thetaL, thetaR, thetaAvg, success end然后寫一個(gè)批量腳本遍歷文件夾內(nèi)所有圖片imageDir images/; imageFiles dir(fullfile(imageDir, *.jpg)); results table(); for i 1:length(imageFiles) filePath fullfile(imageDir, imageFiles(i).name); try r process_droplet(filePath, params); results [results; table({imageFiles(i).name}, r.thetaL, r.thetaR, r.thetaAvg, r.success)]; catch ME warning(處理 %s 失敗: %s, imageFiles(i).name, ME.message); end end % 保存結(jié)果 writetable(results, output/contact_angle_results.xlsx);輸出到Excel表格的好處是可以直接做統(tǒng)計(jì)分析。另外我在批量處理時(shí)會(huì)把失敗的圖片單獨(dú)記錄到一個(gè)文件夾里方便回頭統(tǒng)一檢查而不是讓腳本中途停下來。5. 常見問題與排查技巧實(shí)錄5.1 圖像質(zhì)量問題導(dǎo)致的計(jì)算失敗液滴反光。這是最普遍的問題。如果液滴頂部或內(nèi)部有強(qiáng)反光閾值分割后反光區(qū)域會(huì)被誤判為背景導(dǎo)致輪廓在反光位置向內(nèi)凹陷。嚴(yán)重的反光會(huì)讓液滴輪廓在頂部裂開變成兩個(gè)月牙形。我的經(jīng)驗(yàn)是在實(shí)驗(yàn)端解決比在算法端解決更有效——使用漫反射背光源、調(diào)整相機(jī)角度避開反射光路、或者在液滴中添加少量染色劑改善邊緣對(duì)比度。如果是已有圖像可以在預(yù)處理時(shí)把反光區(qū)域用周圍像素插值修補(bǔ)掉。液滴不清晰/失焦。圖像模糊意味著邊緣梯度小Canny算子的閾值需要調(diào)低但也更易受噪聲干擾。這時(shí)我的建議是切換到imgaussfilt效果更好的圖像上或者干脆重拍。軟件能救一部分圖但救不了完全失焦的圖。背景不均勻。照明不均會(huì)導(dǎo)致背景灰度在圖像邊緣與中心差異大Otsu閾值分割會(huì)失效。處理方案是使用imtophat做形態(tài)學(xué)背景校正或者用imbilatfilt做邊緣保留的平滑來歸一化背景。5.2 算法參數(shù)導(dǎo)致的計(jì)算偏差接觸角偏大或偏小且左右不對(duì)稱優(yōu)先檢查基線。如果基線被識(shí)別成固體表面下方的一條干擾線接觸角的基準(zhǔn)線就歪了。調(diào)試方法是可視化基線位置確認(rèn)它是否在液滴與固體的接觸點(diǎn)附近。角度條數(shù)不連續(xù)批量處理時(shí)某幾張圖數(shù)值突變大概率是輪廓擬合在這幾張圖上失敗。常見原因是液滴體積太小或太大導(dǎo)致輪廓形狀偏離擬合模型。例如3微升以下的液滴在親水表面會(huì)形成很扁的輪廓橢圓擬合可能退化成近似直線的橢圓數(shù)值上不穩(wěn)定。我會(huì)把體積參數(shù)加進(jìn)去小體積液滴自動(dòng)切換為多項(xiàng)式擬合大體積液滴用橢圓擬合可以改善很多。同一張圖多次運(yùn)行結(jié)果不一致檢查是否有隨機(jī)初始化——比如fit函數(shù)在非線性擬合時(shí)的初始值。解決方式是在調(diào)用fit前用rng(0)固定隨機(jī)種子或者自己計(jì)算一個(gè)確定性的初始值。還有一種可能是edge的閾值在MATLAB版本間算法有微調(diào)導(dǎo)致同一圖在不同版本的結(jié)果有差異。5.3 代碼環(huán)境與兼容性經(jīng)驗(yàn)MATLAB中文亂碼。很多從國內(nèi)課題組傳出來的.m文件代碼里的注釋是中文的在英文版MATLAB上打開會(huì)亂碼。解決方法是把文件用UTF-8編碼重新保存或者把注釋里的中文改成英文。我見過有人因?yàn)閬y碼導(dǎo)致誤刪代碼塊解決得很痛苦。舊版MATLAB不兼容。如果你還在用R2014a之類的老版本imgaussfilt和imbilatfilt這些函數(shù)可能不存在。替代方案是用fspecial生成高斯核再用imfilter手動(dòng)做濾波h fspecial(gaussian, [5 5], sigma); imgSmooth imfilter(imgMed, h, replicate);R2022b及以后版本的Error 9問題。如果啟動(dòng)MATLAB時(shí)報(bào)Error 9這是啟動(dòng)時(shí)的JVM或文件系統(tǒng)問題經(jīng)常和安裝路徑含中文或自定義字體沖突有關(guān)。最簡單的解決辦法是重裝MATLAB到純英文路徑并卸載第三方字體。這屬于環(huán)境問題和算法代碼無關(guān)但很常見值得留意。5.4 快速排查速查表癥狀可能原因排查/解決方式輪廓斷裂Canny閾值過高、梯度弱降低cannyThresh到0.05~0.1膨脹修補(bǔ)輪廓有毛刺噪聲干擾、二值化后空洞邊緣不平滑增大高斯Sigma到1.5~2或用中值濾波角度為負(fù)數(shù)切線方向取反檢查atan2參數(shù)順序修正象限判斷左右角差異大液滴不對(duì)稱/基線傾斜檢查樣品水平檢查基線擬合斜率某一批圖全失敗照明條件不同Otsu失效加背景校正或針對(duì)該批圖手動(dòng)設(shè)閾值擬合報(bào)錯(cuò)輪廓點(diǎn)過少/橢圓擬合不收斂加輪廓點(diǎn)采樣密度改用多項(xiàng)式擬合結(jié)果重復(fù)性差像素非正方形/接觸點(diǎn)定位不穩(wěn)校正縱橫比用亞像素優(yōu)化定位我在項(xiàng)目里還遇到過一種比較隱蔽的情況——圖像里有水珠飛濺的衛(wèi)星小液滴導(dǎo)致bwareaopen面積閾值沒過濾干凈輪廓提取時(shí)把兩個(gè)液滴當(dāng)成一個(gè)處理。后來我的辦法是先求所有連通域的面積保留最大連通域這樣即使在復(fù)雜背景下也不會(huì)把衛(wèi)星液滴算進(jìn)去。6. 從這套代碼出發(fā)你還能做什么擴(kuò)展這套contact angle代碼解決的是靜態(tài)接觸角的基礎(chǔ)計(jì)算但實(shí)際上它的核心框架——圖像預(yù)處理、輪廓提取、曲線擬合、角度計(jì)算——可以擴(kuò)展到很多相關(guān)場(chǎng)景。動(dòng)態(tài)接觸角與滯后分析。如果你把液滴圖像換成視頻逐幀跑這套流程就能得到接觸角隨時(shí)間的變化曲線。前進(jìn)角和后退角的差值接觸角滯后是表征表面不均勻性和粗糙度的重要指標(biāo)在涂層質(zhì)量評(píng)估、紡織品防水性能測(cè)試中都有應(yīng)用。實(shí)現(xiàn)上只需要加一個(gè)視頻讀取層和一個(gè)時(shí)間戳記錄模塊核心算法不用動(dòng)。表面自由能計(jì)算。有了多個(gè)不同液體的接觸角數(shù)據(jù)通常需要水、二碘甲烷、乙二醇這三種探針液體結(jié)合OWRK、Fowkes或van Oss-Chaudhury-Good模型可以計(jì)算出固體表面的表面自由能及其分量。這個(gè)功能在材料篩選、膠粘劑配方優(yōu)化中非常實(shí)用。你只需要把角度結(jié)果整理成表格導(dǎo)入一個(gè)簡單的計(jì)算腳本即可。微流控芯片潤濕性表征。如果你研究微流控芯片接觸角是決定流體在微通道內(nèi)自發(fā)毛細(xì)流動(dòng)行為的關(guān)鍵參數(shù)。這套代碼同樣適用但要注意微通道內(nèi)的液滴輪廓可能受到通道壁約束擬合模型可能需要調(diào)整。結(jié)合機(jī)器學(xué)習(xí)做異常檢測(cè)。如果你需要大量處理產(chǎn)品質(zhì)檢中的接觸角圖像可以把這套代碼提取出的輪廓特征液滴高度、寬度、輪廓曲率等作為特征向量訓(xùn)練一個(gè)簡單的分類器把合格和有瑕疵的樣品自動(dòng)分開。我見過一個(gè)做PCB表面處理質(zhì)量檢測(cè)的團(tuán)隊(duì)用這個(gè)思路做了個(gè)雛形效果還不錯(cuò)。我個(gè)人在實(shí)際操作中的體會(huì)是接觸角計(jì)算的代碼實(shí)現(xiàn)并不復(fù)雜但每一個(gè)環(huán)節(jié)都需要你對(duì)實(shí)驗(yàn)條件和圖像特點(diǎn)有充分理解。與其追求一次寫出一套萬能腳本不如先從一個(gè)特定實(shí)驗(yàn)條件、特定樣品的場(chǎng)景入手把精度做到極致再逐步泛化。這套代碼的價(jià)值在于提供了一個(gè)經(jīng)過驗(yàn)證的框架你在它上面做的每一次調(diào)試和優(yōu)化都是對(duì)自己實(shí)驗(yàn)體系的深入理解。最后再分享一個(gè)小技巧處理完一組數(shù)據(jù)后把參數(shù)配置、圖像樣本和結(jié)果一起歸檔并在實(shí)驗(yàn)記錄里備注拍攝條件這個(gè)習(xí)慣會(huì)在你回看數(shù)據(jù)時(shí)省下大量確認(rèn)時(shí)間。本文還有配套的精品資源點(diǎn)擊獲取