TCC Alexandro Egidio Neis - Versao Final PDF

UNIVERSIDADE DO VALE DO RIO DOS SINOS – UNISINOS
CIÊNCIAS EXATAS E TECNOLÓGICAS
CURSO DE ENGENHARIA MECÂNICA
ALEXANDRO EGIDIO NEIS
DETERMINAÇÃO DE TAMANHO DE GRÃO DE AÇOS VIA SOFTWARE PARA

ANÁLISE DE IMAGEM E COMPARAÇÃO COM MÉTODO MANUAL
SÃO LEOPOLDO
2009
Alexandro Egidio Neis
DETERMINAÇÃO DE TAMANHO DE GRÃO DE AÇOS VIA SOFTWARE PARA

ANÁLISE DE IMAGEM E COMPARAÇÃO COM MÉTODO MANUAL
Trabalho de Conclusão apresentado como requisito

para a obtenção do título de Bacharel em
Engenharia Mecânica da Universidade do Vale do
Rio dos Sinos.
Orientador: André R. Froehlich
São Leopoldo
2009
A Grasiela, esposa amada, e Alessandra, minha
preciosa filha.
AGRADECIMENTOS
A realização deste trabalho foi possibilitada pelo apoio recebido de pessoas que de um
modo ou outro viabilizaram a sua execução.
Deste modo, agradeço ao meu orientador, André Froehlich, pela ajuda, conhecimento
e incentivo para concluir este trabalho.
À minha esposa Grasiela e minha filha Alessandra, pela compreensão e carinho,
sempre que estive ausente para me dedicar ao trabalho.
Aos meus pais, Jacinta e Tarcisio, pelo incentivo e a educação deles recebida.
Aos professores do curso de Engenharia Mecânica da UNISINOS, pela partilha dos
seus conhecimentos ao longo de todo o curso.
RESUMO
Um método automático para medição do tamanho de grão de aços ao carbono e baixa

liga foi implementado utilizando o programa de análise de imagens ImageJ. As amostras
utilizadas foram escolhidas de modo a serem representativas de materiais comumente
utilizado na indústria. A análise foi realizada de acordo com a norma ASTM E 1382, com o
método de contagem de intersecções, utilizando os três círculos de Abrams, e os resultados
foram confrontados com os obtidos na análise manual, utilizando o mesmo método, conforme
descrito na norma ASTM E 112. A etapa de detecção dos contornos de grão foi realizada
automaticamente pelo programa, e uma etapa opcional de ajuste manual do resultado da
identificação dos contornos foi implementado. O método automatizado sem ajuste manual
apresentou resultados coerentes com os obtidos através do método manual, para amostras
contendo baixo teor de inclusões e poucas partículas de segunda fase dispersas na matriz. As
amostras com maior quantidade de partículas e inclusões geraram resultados com desvios de
até 0,8 unidades nos valores de tamanho de grão, G. A introdução do ajuste manual gerou
resultados dentro dos parâmetros de repetibilidade e reprodutibilidade apontados pela norma.
Os resultados indicam que o método automático sem ajuste de resultados pode ser utilizado
desde que os materiais analisados não apresentem elevado nível de inclusões e precipitados na
matriz. O ajuste dos resultados da etapa de segmentação das imagens amplia o campo de
utilização do método para todos os materiais testados.
Palavras chave: Tamanho de grão. Análise de imagens. Análise computadorizada. Aço

carbono. Aço baixa liga.
LISTA DE FIGURAS
FIGURA 1 - Estruturas tridimensionais vistas no plano ..........................................................21

FIGURA 2 - Aplicação de malhas e realização de medidas.....................................................22
FIGURA 3 – Padrão de teste para contagem de interceptos ....................................................30
FIGURA 4 – Fluxograma das etapas de uma análise de imagens............................................32
FIGURA 5 – Efeitos da resolução e quantização .....................................................................34
FIGURA 6 – Exemplo de manipulação do histograma............................................................35
FIGURA 7 – Exemplo da aplicação de pseudo-cores ..............................................................36
FIGURA 8 – Operações matemáticas e algébricas ..................................................................36
FIGURA 9 – Correção da iluminação de fundo .......................................................................37
FIGURA 10 – Exemplo de aplicação de uma operação de vizinhança....................................38
FIGURA 11 – Filtros para remoção de ruído no domínio espacial..........................................38
FIGURA 12 – Efeito dos filtros passa-baixa e passa alta.........................................................39
FIGURA 13 – Exemplo da técnica de limiarização (“thresholding”)......................................40
FIGURA 14 – Tipos clássicos de conectividade dos pixels em uma imagem .........................41
FIGURA 15 – Efeito de diversas operações utilizadas no pós-processamento........................42
FIGURA 16 – Efeito do “watershed”. .....................................................................................42
FIGURA 17 – Classificação de objetos através de medições ..................................................43
FIGURA 18 – Fluxograma das etapas de análise.....................................................................51
FIGURA 19 – Calibração dimensional das imagens................................................................54
FIGURA 20 – Gráfico comparativo dos valores de G .............................................................63
FIGURA 21 – Gráfico comparativo da contagem de intersecções ..........................................64
FIGURA 22 – Gráfico comparativo dos valores de l ............................................................65
FIGURA 23 – Gráfico comparativo do desvio padrão.............................................................65
FIGURA 24 – Gráfico comparativo da acurácia relativa. ........................................................66
FIGURA 25 – Resultado da segmentação de uma imagem da amostra 2................................67
FIGURA 26 – Intersecções identificadas na figura 25.............................................................67
FIGURA 27 – Diferenças nos valores de tamanho de grão .....................................................68
FIGURA 28 – Diferenças percentuais nas contagens de intersecções .....................................69
LISTA DE TABELAS
TABELA 1 – Eventos gerados pelo cruzamento da microestrutura com objetos de teste.......22

TABELA 2 – Simbologia básica usada em estereologia..........................................................23
TABELA 3 – Relações básicas para valores esperados ...........................................................24
TABELA 4 – Parâmetros utilizados para a medição manual...................................................53
TABELA 5 – Resultados da análise da amostra 1 ...................................................................86
TABELA 10 – Resultados da análise da amostra 6 .................................................................91
LISTA DE SIGLAS
AISI – American Iron and Steel Institute

ASTM – American Society for Testing and Materials
GOST – Gosstandart
ISO – International Organization for Standardization
JIS – Japanese Industrial Standards
NF – Norme Française
SI – Sistema Internacional de Unidades
SIS – Standardiseringen i Sverige - Swedish Standards Institute
UNI – Ente Nazionale Italiano di Unificazione
LISTA DE SÍMBOLOS
VV – fração volumétrica
SV – área superficial específica
MV – curvatura específica
AA – fração de área
LA – comprimento linear por unidade de área
PA – pontos por unidade de área
LL – fração de comprimento
PL – número de pontos por unidade de comprimento
NL – unidades por unidade de comprimento
PP – fração de pontos
<PP> – valor esperado da fração de pontos
<PL> – valor esperado da contagem de interceptos por unidade de comprimento
<PA> – valor esperado de pontos por unidade de área
LV – comprimento linear específico
<NA> – valor esperado da contagem de unidades por unidade de área
NV – contagem de dissetores
<TA> – valor esperado da contagem de tangentes por unidade de área
<NV> – valor esperado da contagem de dissetores
<LV> – valor esperado da fração linear
<AA> – valor esperado da fração de área
<LA> – valor esperado de comprimento por unidade de área
CCC – estrutura cúbica de corpo centrado
CFC – estrutura cúbica de face centrada
NA – contagem de grãos por unidade de área
G – número de tamanho de grão ASTM
NAE – número de grãos por polegada quadrada
m – número de grãos por mm2 com aumento de 1X
Gm – tamanho de grão métrico
K – número de tamanho de grão da norma alemã SEP 1510
Z – número de grãos por cm2 com aumento de 100X
l – comprimento médio do intercepto linear
A/D – analógico / digital (conversor)
fc – fator de correção dimensional
L(mm) – comprimento do retículo micrométrico medido sobre a imagem
L(μm) – valor real da medida no retículo micrométrico
C(μm) – comprimento da circunferência em micrometros
C(mm) – comprimento da circunferência em milímetros
PLi – número de intersecções por comprimento linear
P – contagem de intersecções
Pi – contagem de intersecções por imagem
LTi – somatório do comprimento das circunferências
PL – número médio de intersecções por comprimento linear
n – número de imagens analisadas
s – desvio padrão
95% CI – intervalo com 95% de confiança
t – coeficiente de student para determinação do intervalo de confiança
% RA – acurácia relativa percentual
SUMÁRIO
1 INTRODUÇÃO ...................................................................................................................12
2 REVISÃO BIBLIOGRÁFICA ...........................................................................................13
2.1 A METALOGRAFIA ........................................................................................................13
2.2 TÉCNICAS METALOGRÁFICAS ...................................................................................14
2.2.1 Escolha da secção para análise .................................................................................14
2.2.2 Corte da amostra........................................................................................................15
2.2.3 Embutimento ..............................................................................................................15
2.2.4 Desbaste e lixamento..................................................................................................16
2.2.5 Polimento ....................................................................................................................16
2.2.6 Ataque .........................................................................................................................17
2.2.7 Observação da microestrutura .................................................................................19
2.3 TÉCNICAS DE METALOGRAFIA QUANTITATIVA ..................................................19
2.3.1 Elementos tridimensionais da microestrutura ........................................................20
2.3.2 Medidas estereológicas ..............................................................................................21
2.3.3 Obtenção das medidas básicas ..................................................................................24
2.4 MEDIÇÃO DO TAMANHO DE GRÃO ..........................................................................25
2.5 NORMAS PARA MEDIÇÃO DO TAMANHO DE GRÃO.............................................26
2.5.1 ASTM E 112 ...............................................................................................................28
2.5.2 ASTM E 1382 .............................................................................................................31
2.6 ANÁLISE DE IMAGENS .................................................................................................31
2.6.1 Formação da imagem.................................................................................................32
2.6.2 Digitalização ...............................................................................................................33
2.6.3 Pré-processamento .....................................................................................................34
2.6.4 Segmentação ...............................................................................................................39
2.6.5 Pós-processamento .....................................................................................................41
2.6.6 Realização de medições..............................................................................................43
2.7 PROGRAMAS PARA ANÁLISE DE IMAGENS............................................................43
2.7.1 A linguagem de programação ...................................................................................45
3 METODOLOGIA EXPERIMENTAL..............................................................................47
3.1 MATERIAIS ......................................................................................................................47
3.1.1 Escolha do programa para análise ...........................................................................49
3.2 MÉTODOS UTILIZADOS................................................................................................50
3.2.1 Preparação das amostras e captura das imagens....................................................51
3.2.2 Análise manual ...........................................................................................................52
3.2.3 Análise computadorizada ..........................................................................................53
3.2.4 Implementação da rotina de análise no programa .................................................55
3.2.4.1 Etapa inicial ..............................................................................................................55
3.2.4.2 Início do laço.............................................................................................................56
3.2.4.3 Identificação dos contornos de grãos ferríticos ........................................................56
3.2.4.4 Identificação das áreas perlíticas ..............................................................................58
3.2.4.5 Geração da imagem dos contornos de grão ..............................................................58
3.2.4.6 Contagem de intersecções.........................................................................................59
3.2.4.7 Intervenção do usuário ..............................................................................................59
3.2.4.8 Cálculo do tamanho de grão .....................................................................................60
3.2.5 Verificação da eficiência da etapa de segmentação.................................................62
3.2.6 Cálculo manual...........................................................................................................62
4 RESULTADOS....................................................................................................................63
5 ANÁLISE DOS RESULTADOS ........................................................................................68
6 CONCLUSÃO .....................................................................................................................71
7 SUGESTÕES PARA FUTUROS TRABALHOS .............................................................72
REFERÊNCIAS .....................................................................................................................73
APÊNDICE A – ALGORITMO DA ANÁLISE COMPUTADORIZADA.......................75
APÊNDICE B – ALGORITMO DE ANÁLISE EM LINGUAGEM DE MACRO .........76
APÊNDICE C – RESULTADOS DETALHADOS DAS ANÁLISE DAS IMAGENS ....86
12
1 INTRODUÇÃO
A análise metalográfica quantitativa pode ser considerada uma atividade demorada e

tediosa. Esta afirmação começou a ser mudada com a popularização do computador pessoal e
a sua introdução na rotina de laboratório. As atividades se tornam cada vez mais rápidas e
facilitadas com o avanço da tecnologia no setor da informática.
Os métodos e ferramentas para análise são aprimorados o tempo todo, conforme a
tecnologia permite. Há poucas décadas, era necessário comprar sistemas caríssimos, com
computadores dedicados à análise de imagens. Hoje, tudo pode ser feito em uma máquina de
preço acessível, e existem programas gratuitos dedicados à análise de imagem que elevam o
analista à posição de supervisor do trabalho da máquina.
Os métodos para análise metalográfica computadorizada, porém, ainda pertencem a
empresas que vendem seus programas por preços relativamente elevados, e o acesso a estes
métodos de análise aparentemente não contemplam os usuários de programas gratuitos.
O presente trabalho propõe a implementação de um sistema de análise de tamanho de
grão, conforme normas internacionais consagradas, para aços carbono e de baixa liga,
utilizando um programa gratuito.
Partindo do princípio de que o objetivo é obter um método para uso no cotidiano de
um laboratório, buscou-se trabalhar com materiais semelhantes àqueles encontrados nos
produtos metálicos utilizados na indústria, apresentando inclusões e estrutura alongada,
decorrente de conformação mecânica.
Ao longo do trabalho, são apresentadas as vantagens e limitações do método
implementado, bem como os testes realizados e a avaliação dos seus resultados.
13
2 REVISÃO BIBLIOGRÁFICA
Neste capítulo serão abordados, de maneira sucinta, os principais assuntos envolvidos

no trabalho, de modo a prover uma base para o entendimento da metodologia utilizada, os
resultados obtidos e a discussão dos mesmos.
2.1 A METALOGRAFIA
A metalografia pode ser definida como o estudo da constituição e estrutura dos metais
e ligas (ASM HANDBOOK, 2004).
O exame da estrutura pode ser realizado utilizando diversas magnificações, que vão
desde a observação a olho nu até o uso de sofisticados microscópios eletrônicos, que podem
chegar a aumentos de 100.000 vezes ou mais (ASM HANDBOOK, 2004). Tendo em vista os
vários aspectos que podem ser analisados ao longo desta extensa gama de aumentos, a
metalografia pode ser subdividida basicamente em duas faixas de magnificação, a macro e a
micrografia.
A macrografia é caracterizada pela análise de estruturas maiores que 1 mm,
englobando a análise de estruturas de solidificação, presença de porosidade em produtos
fundidos, características de soldas (como profundidade de penetração, tamanho da zona de
fusão e da zona afetada pelo calor, número de passes, imperfeições), tamanho e distribuição
de grandes inclusões, profundidade e uniformidade de camadas superficiais endurecidas, entre
outros (ASM HANDBOOK, 2004).
A micrografia subentende a utilização de magnificações maiores e a análise de
estruturas da ordem do tamanho de grão ou menores, conhecidas como microestruturas.
Alguns aspectos, como tamanho, forma e distribuição de partículas de segunda fase,
tamanho de grão e deformação da microestrutura, entre outros, têm relação direta com as
propriedades dos materiais (BHADESHIA; HONEYCOMBE, 2006) e podem ser analisados
através da micrografia.
Em 1808, Aloys Beck von Widmanstätten realizou observações da estrutura de
meteoritos. A utilização do microscópio óptico neste tipo de atividade teve início mais tarde,
quando Paul Annosow, em 1841, usou o instrumento para analisar lâminas de espadas
14
orientais (HIGGINS, 1993). Coube a Henry Clifton Sorby desenvolver uma técnica de análise
sistemática de metais ao microscópio, em 1863, sendo então considerado o fundador da
metalografia (ASM HANDBOOK, 2004). Desde então, o microscópio óptico de luz refletida
se tornou a principal ferramenta da análise metalográfica, fornecendo aumentos que vão
tipicamente de 50 a 1000 vezes, com resolução da ordem de 0,2 μm. (ASM HANDBOOK,
2004).
2.2 TÉCNICAS METALOGRÁFICAS
Os tópicos abordados a partir deste ponto serão voltados à micrografia, que é uma das
ferramentas básicas utilizadas na realização deste trabalho.
A preparação da superfície a ser examinada é um ponto crítico para a correta
interpretação da microestrutura de uma amostra metálica. Esta deve ser realizada de modo a
produzir o contraste adequado entre os componentes a serem analisados, sem introduzir
características falsas, comumente conhecidas como defeitos de preparação (ASM
HANDBOOK, 2004). A obtenção de amostras que permitam a correta análise depende da
utilização de técnicas adequadas, abordadas a seguir.
2.2.1 Escolha da secção para análise
Este é o passo inicial da análise metalográfica, devendo ser cuidadosamente

executado, de modo que a amostra contenha os aspectos necessários à análise.
Muitas vezes, o exame de apenas uma secção não é suficiente para avaliar de uma
maneira completa a amostra, sendo necessária a escolha de mais de uma secção para que não
se incorra em erros de avaliação devido à anisotropia do material (COLPAERT, 1974).
Em produtos laminados, por exemplo, é comum a análise das seções transversal e
longitudinal (perpendicular e paralela à direção de laminação, respectivamente), uma vez que
o processo de fabricação induz a uma maior deformação do material em uma direção do que
em outra, gerando microestruturas com aspecto diferenciado nas diversas secções (HIGGINS,
1993).
15
2.2.2 Corte da amostra
O corte da peça é realizado de modo a obter amostras com dimensões adequadas ao

manuseio e observação nas etapas subseqüentes. No caso de amostras que serão embutidas, a
mesma deverá possuir dimensões compatíveis com o método de embutimento a ser
empregado.
O método de corte deve ser escolhido tomando o cuidado de evitar o
superaquecimento da peça durante a operação (COUTINHO, 1980), visto que este pode levar
a alterações microestruturais que podem vir a ser interpretadas como sendo inerentes à peça, e
não defeitos de preparação da amostra. Tendo isso em vista, é comum realizar o corte com
disco abrasivo ou serra, utilizando um fluido refrigerante, que tem a função de extrair o calor
gerado no processo (ASM HANDBOOK, 2004).
Um bom critério para a escolha da ferramenta de corte é a dureza da amostra. Assim,
amostras com dureza elevada são seccionadas com discos de corte de baixa dureza e vice-
versa (ASM HANDBOOK, 2004).
A etapa de corte gera, na amostra, uma camada deformada plasticamente, que pode
apresentar profundidade variada, dependendo basicamente de fatores como material a ser
seccionado, natureza do equipamento utilizado para o corte, velocidade e pressão de corte, e
quantidade e tipo de fluido utilizado no resfriamento. A camada deformada deve ser
totalmente removida durante as etapas de lixamento e polimento (ASM HANDBOOK, 2004).
2.2.3 Embutimento
Após o corte da amostra, a mesma pode ser embutida em resina plástica, de modo a
permitir melhor manuseio e preservação das bordas nas operações subseqüentes. No caso de
amostras de dimensões compatíveis com o manuseio e que não necessitem de retenção da
borda, é possível realizar as etapas seguintes sem a necessidade de embutimento (HIGGINS,
1993).
A resina termofixa baquelite é a mais comumente utilizada e o embutimento é feito
através da prensagem da amostra envolvida na resina, em alta temperatura, para a promoção
da sua cura (COUTINHO, 1980).
16
Além da baquelite, diversos outros tipos de resinas são utilizados, de acordo com as
dimensões, dureza e composição química da amostra. Amostras de grandes dimensões, que
não cabem na prensa, podem ser embutidas em resinas para embutimento a frio, as quais
podem tomar as dimensões da fôrma utilizada para a sua preparação (HIGGINS, 1993).
No caso de amostras com dureza elevada, a utilização de resinas com dureza
compatível, comumente contendo fibras de vidro ou fragmentos de material metálico, facilita
a manutenção da planicidade do corpo de prova durante as etapas de lixamento (HIGGINS,
1993).
2.2.4 Desbaste e lixamento
Após o embutimento, segue a etapa de lixamento, na qual são eliminadas as

irregularidades da superfície da amostra. Nesta etapa, também é eliminada a camada
deformada plasticamente gerada no processo de corte.
Diversas etapas de lixamento, com lixas de granulometria sucessivamente menores são
aplicadas, de modo que cada lixa remova as marcas deixadas pela lixa anterior. Para garantir a
remoção total das marcas da lixa anterior, é usual a rotação de 90º da amostra entre duas lixas
sucessivas, facilitando a identificação do ponto final de cada etapa (COLPAERT, 1974).
Na etapa de lixamento, é essencial a utilização de fluidos refrigerantes, com o objetivo
de evitar o superaquecimento da peça, visto que este pode alterar a condição metalúrgica do
material, do mesmo modo que ocorre na etapa de corte (HIGGINS, 1993).
2.2.5 Polimento
A etapa de polimento segue ao lixamento, removendo os riscos deixados pela última

lixa. Nesta etapa, é buscada a obtenção de uma superfície espelhada (COUTINHO, 1980),
com acabamento plano e retenção das bordas, que possibilite a perfeita observação dos
diferentes aspectos da microestrutura.
O polimento pode ser realizado por métodos mecânicos, eletrolíticos ou químicos,
entre outros (ASM HANDBOOK, 2004).
17
No polimento mecânico é utilizada uma politriz. Esta é composta por um prato

rotativo, na qual partículas de material abrasivo (que pode ser composto por alumina,
diamante sintético ou óxido de magnésio, entre outros) são suspensas em um líquido, disposto
ao longo das fibras de um tecido em rotação, aderido ao prato (COUTINHO, 1980).
Etapas sucessivas de polimento podem ser realizadas, utilizando abrasivos de
granulação cada vez menor, até a obtenção do acabamento desejado (COUTINHO, 1980).
O polimento eletrolítico consiste na passagem de uma corrente elétrica através de um
sistema no qual a amostra é inserida como um dos anodos, imersa em um reagente adequado.
O controle dos parâmetros do processo (diferença de potencial, densidade de corrente,
concentração da solução, temperatura e tempo) garante o desgaste dos picos existentes na
superfície da amostra, enquanto os vales (fundo dos riscos deixados pela última lixa) são
atacados com menor intensidade (COUTINHO, 1980).
O polimento químico consiste na imersão ou esfregamento da amostra com um
reagente adequado, gerando um processo corrosivo controlado, semelhante ao polimento
eletrolítico, porém sem a necessidade da imposição de uma corrente elétrica (COUTINHO,
1980).
Neste ponto, ficam evidentes as falhas de execução das etapas anteriores, quer por
falta de planicidade da amostra, quer pela existência de marcas deixadas por lixas anteriores.
Durante o polimento também podem ser gerados defeitos, como as chamadas “caudas
de cometa”, arrancamento de carbonetos e inclusões e abaulamento das bordas, entre outros
(ASM HANDBOOK, 2004).
2.2.6 Ataque
O ataque é a etapa que revela a maior parte dos detalhes da microestrutura do material
em estudo, podendo ou não ser realizado imediatamente após o final do polimento. No caso
da análise de características visíveis sem ataque, como inclusões, vazios ou trincas, por
exemplo, pode ser interessante a realização da observação da amostra sem ataque, pois alguns
detalhes podem ser mascarados pela revelação da microestrutura. Vazios de fluência podem
ser confundidos com carbonetos precipitados, por exemplo.
18
A finalidade da realização do ataque é a obtenção de contraste entre as diversas fases

microestruturais. Este é obtido, basicamente, através de ataque corrosivo controlado e seletivo
das fases presentes no material (ASM HANDBOOK, 2004).
Existem diversos métodos de ataque, sendo comuns o químico e o eletrolítico (ASM
HANDBOOK, 2004).
O ataque químico baseia-se na utilização de um reagente químico apropriado, que irá
promover a corrosão mais ou menos intensa de uma determinada fase ou região constituinte
da microestrutura. O reagente conhecido como “nital”, por exemplo, é muito utilizado no
ataque de aços carbono e baixa liga, delineando contornos de grão, lamelas e carbonetos na
perlita, além de outras características, sendo constituído de ácido nítrico (tipicamente na
concentração de 2 a 3%) diluído em etanol.
O mesmo reagente, porém, não é eficaz no ataque de aços inoxidáveis austeníticos. A
partir deste exemplo, pode-se ver que, para o ataque adequado de cada material, o reagente
deve ser cuidadosamente escolhido; além disso, deve ser levado em conta quais fases se
deseja evidenciar para análise.
Quando o tempo de ataque é suficiente para gerar o devido contraste entre os
microconstituintes, o reagente deve ser eliminado da superfície da amostra, o que costuma ser
realizado através da lavagem da mesma com o solvente do reagente.
O outro tipo de ataque é conhecido como eletrolítico, visto que é realizado através da
aplicação de uma diferença de potencial entre a amostra, que deve estar imersa no reagente de
ataque, e um eletrodo que pode ser constituído pelo próprio recipiente utilizado para a
realização do ataque. (ASM HANDBOOK, 2004).
A diferença de potencial aplicada é encarregada de suprir a energia de ativação
necessária para a ocorrência da reação química que constitui a corrosão seletiva da superfície
do corpo de prova. Esta energia de ativação, no caso do ataque químico, é atingida pela
simples ação do reagente sobre a amostra, não necessitando de energia adicional (ASM
HANDBOOK, 2004).
A norma E 407, Standard Practice for Microetching Metals and Alloys (Prática padrão
para ataque micrográfico de metais e ligas), da American Society for Testing and Materials
(ASTM), traz uma extensa lista de reagentes e métodos de ataque para diversos tipos de
materiais metálicos.
19
2.2.7 Observação da microestrutura
A análise micrográfica necessita da utilização de um microscópio, que fornece a

ampliação necessária para a visualização dos detalhes microestruturais da amostra.
O tipo mais comum de microscópio utilizado em metalografia é o microscópio óptico
de luz refletida. Ao contrário do microscópio para fins biológicos, no qual a luz passa através
da amostra e a imagem é formada pelo contraste gerado pela diferença de intensidade de
transmissão de luz através da mesma, no microscópio metalográfico a luz incide sobre a
amostra e é refletida por ela, com maior ou menor intensidade dependendo do relevo
superficial gerado na etapa de ataque da amostra ou da coloração dos microconstituintes
(HIGGINS, 1993).
Diversas técnicas podem ser utilizadas para a obtenção de maior contraste na imagem,
como a utilização de filtros coloridos, luz polarizada, iluminação de campo escuro,
interferência diferencial, entre outras (COUTINHO, 1980).
O método de registro das imagens tem mudado conforme a evolução da tecnologia
disponível. Os analistas pioneiros utilizavam lápis e papel para registrar o que viam ao
microscópio. Com a evolução da fotografia, esta tomou o lugar do desenho à mão e, mais
recentemente, o filme foi substituído pela fotografia digital, que permite a obtenção de
registros de alta qualidade, de forma instantânea.
2.3 TÉCNICAS DE METALOGRAFIA QUANTITATIVA
Desde que foi estabelecida a relação entre a microestrutura e as propriedades das ligas
metálicas, a metalografia tomou grande importância na caracterização destes materiais. Uma
vez que as propriedades dos materiais podem ser quantificadas, nada mais natural do que
desejar que os aspectos microestruturais relacionados a elas também sejam expressos em
termos numéricos.
A partir desta idéia, nasceu uma nova disciplina, a metalografia quantitativa, que tem
como objetivo principal descrever, em termos quantitativos, os microconstituintes (como
grãos, vazios e precipitados, por exemplo), em termos de quantidade, dimensões e
distribuição.
20
A metalografia quantitativa faz uso dos princípios de uma outra ciência, intimamente
ligada a ela, a estereologia. Esta trata das relações geométricas existentes entre as estruturas
tridimensionais e imagens bidimensionais das mesmas (RUSS; DEHOFF, 1999).
Diversos tipos de medições podem ser realizados em imagens bidimensionais e,
utilizando as relações adequadas, à estrutura tridimensional. Porém, apenas parâmetros
adequadamente calculados, a partir de medições e dados adequados, podem caracterizar
corretamente a estrutura tridimensional (RUSS; DEHOFF, 1999).
2.3.1 Elementos tridimensionais da microestrutura
O espaço tridimensional, no interior de uma liga metálica, é ocupado por estruturas

que podem possuir, de acordo com Russ e Dehoff (1999):
a) três dimensões (tridimensionais), possuindo volume, como partículas, grãos, poros
ou vazios;
b) duas dimensões (bidimensionais), que incluem as superfícies dos objetos
tridimensionais e as interfaces entre elas;
c) uma dimensão, incluindo curvas formadas pela intersecção de superfícies, como a
linha tripla formada pelo encontro de três grãos;
d) nenhuma dimensão (adimensionais), que podem ser os pontos de encontro de uma
rede de linhas triplas, citadas anteriormente, ou simplesmente estruturas cujas dimensões são
pequenas em vista da magnificação utilizada, podendo ser tratadas como pontos.
Quando a estrutura de uma liga é observada em um plano metalográfico, a imagem
mostra as estruturas reduzidas de uma dimensão. Desse modo, volumes (três dimensões) são
vistos como áreas, superfícies (duas dimensões) são vistos como linhas, curvas (uma
dimensão) tornam-se pontos e os pontos (adimensionais) têm probabilidade infinitesimal de
serem interceptados pelo plano (RUSS; DEHOFF, 1999). A figura 1 ilustra este fato.
21
FIGURA 1 - Estruturas tridimensionais vistas no plano

Adaptada de Russ e Dehoff (1999).
2.3.2 Medidas estereológicas
As estruturas tridimensionais têm propriedades geométricas que podem ser divididas

basicamente em duas categorias: topológicas e métricas (RUSS; DEHOFF, 1999).
A avaliação das propriedades métricas é a mais comum na metalografia.
A microestrutura tridimensional é medida através de amostragem, com o uso de
objetos de teste, como pontos, linhas, superfícies e volumes. Uma vez que não seria prático
posicioná-los diretamente sobre a estrutura tridimensional, eles são posicionados sobre planos
de seccionamento. As linhas ou malhas formadas por linhas são geralmente sobrepostas à
imagem da secção. Os pontos também são dispostos sobre a superfície do plano, usualmente
posicionados nos locais correspondentes aos cruzamentos de uma malha de linhas, como pode
ser visto na figura 1 (RUSS; DEHOFF, 1999).
A intersecção da microestrutura com os objetos de teste gera eventos, como pode ser
visto na tabela 1, extraída de Russ e Dehoff (1999). Há eventos que devem ser medidos,
porém outros devem simplesmente ser contados. Alguns dos eventos gerados, bem como as
medidas que podem ser realizadas, são ilustrados na figura 2. Na imagem superior, uma malha
22
de linhas é aplicada sobre a microestrutura, enquanto uma matriz de pontos é aplicada na

imagem inferior.
TABELA 1 – Eventos gerados pelo cruzamento da microestrutura com objetos de teste

Propriedade Objeto de teste Evento Medida
tridimensional
Volume Volume Extremidade Contagem
Volume Plano Seção transversal Área
Volume Linha Intercepto de corda Comprimento
Volume Ponto Pontos de intersecção Contagem
Superfície Plano Traço de linha Comprimento
Superfície Linha Pontos de intersecção Contagem
Linha Plano Pontos de intersecção Contagem
Extraída de Russ e Dehoff (1999)
FIGURA 2 - Aplicação de malhas e realização de medidas

Adaptada de Russ e Dehoff (1999).
Como diversas outras disciplinas, a estereologia utiliza a sua própria notação. Os

símbolos básicos utilizados constam da tabela 2.
23
TABELA 2 – Simbologia básica usada em estereologia

Símbolo Significado
A Área medida sobre um plano, como a área de uma partícula em uma metalografia.
B Medida de comprimento sobre um plano. Pode representar o perímetro de uma partícula.
N Número de partículas ou pontos.
L Comprimento medido no espaço tridimensional. Difere de B, visto que este é medido no plano.
S Área superficial, medida no espaço tridimensional, representa a superfície de uma partícula. Difere
de A, visto que este é medido sobre um plano.
V Volume. É uma quantidade tridimensional.
v Volume de um membro individual da população. O volume de uma partícula, diferenciado do
volume de todas as partículas do mesmo tipo, é um exemplo do uso de v.
I Intersecções. Número de pontos onde o objeto de teste e o objeto testado se tocam.
J O símbolo J é ocasionalmente utilizado em lugar de L.
C Curvatura total de uma curva em um plano.
K Integral da curvatura média.
Q O número de objetos também pode ser escrito com a letra Q.
P Número de pontos.
T Número de tangentes.
M Curvatura.
Adaptada de http://www.stereology.info/stereology-symbols/
Segundo Russ e Dehoff (1999), os símbolos básicos geralmente possuem um índice

subscrito, que denota em relação a qual característica geométrica a medição foi realizada:
- V, volume;
- A, área;
- L, comprimento;
- P, pontos.
Combinando os devidos símbolos, é possível identificar as medidas realizadas em
relação ao volume (índice V):
- VV, fração volumétrica de uma fase (volume por unidade de volume, adimensional);
- SV, área superficial específica (área por unidade de volume, m-1);
- LV, comprimento linear específico (comprimento por unidade de volume, m-2);
- MV, curvatura específica (m-2).
Também podem ser realizadas medidas em relação à área, como as realizadas sobre
uma imagem metalográfica (índice A):
- AA, fração de área (adimensional);
- LA, comprimento linear por unidade de área (m-1);
- PA, pontos por unidade de área (m-2).
Do mesmo modo, podem ser medidas as ocorrências sobre uma linha (índice L):
- LL, fração de comprimento (adimensional);
- PL ou NL, número de pontos por unidade de comprimento.
24
Se uma matriz de pontos for superposta à imagem, a contagem dos pontos que caem
sobre a estrutura de interesse (índice P) pode ser expressa por:
- PP, fração de pontos (adimensional).
A tabela 3 contém algumas relações fundamentais da estereologia, que consistem em
teoremas que relacionam medidas feitas utilizando os artefatos de teste com os valores
esperados dos parâmetros estruturais tridimensionais. Os valores esperados são indicados pelo
símbolo < >.
As relações são baseadas no fato de que as medidas estereológicas representam a
média das medidas realizadas em vários campos, através de uma amostragem isotrópica,
uniforme e aleatória. Como na maioria das vezes as amostras podem não atender a estas
premissas, cabe às estratégias de amostragem gerar resultados reprodutíveis.
TABELA 3 – Relações básicas para valores esperados

Medida Relação Propriedade
Fração de pontos <PP> = VV Fração volumétrica
Contagem de interceptos por <PL> = SV/2 Área superficial específica
comprimento linear
Contagem de pontos por área <PA> = LV/2 Densidade de comprimento
Contagem de unidades por área <NA> = MV/2π = NV•<D> Curvatura total
Contagem de tangentes por área <TA> = MV/π Curvatura total
Contagem de dissectores <NV> = NV Densidade numérica
Fração linear <LV> = VV Fração volumétrica
Fração de área <AA> = VV Fração volumétrica
Comprimento por área <LA> = (π/4)•SV Densidade de área superficial
Adaptada de Russ e Dehoff (1999)
2.3.3 Obtenção das medidas básicas
As medidas estereológicas básicas são obtidas através da medição direta sobre a

microestrutura, através da contagem ou medida dos eventos gerados pela interação de objetos
de teste com os microconstituintes.
A fração de área de um constituinte, por exemplo, pode ser obtida utilizando uma
malha de linhas ou pontos. Na figura 2, a imagem superior representa o método de medição
utilizando uma malha de linhas. A partir desta figura, é possível obter medidas como
contagem de interceptos, comprimento de linhas ou medição de área.
25
Do mesmo modo, uma malha de pontos foi superposta à imagem inferior. A partir da
malha aplicada, podem ser realizadas contagens de pontos.
Algumas medições não podem ser efetuadas diretamente, e são consideradas medidas
derivadas. As medidas derivadas são obtidas através de relações envolvendo as medidas
básicas. Como exemplos de medidas estereológicas derivadas, podem ser citados o tamanho
de grão, espaçamento médio (“mean free path”) e volume médio das partículas (ASM
HANDBOOK, 2004). Neste trabalho será dado enfoque especial ao tamanho de grão.
2.4 MEDIÇÃO DO TAMANHO DE GRÃO
Os metais são basicamente materiais policristalinos, contendo contornos internos

chamados contornos de grão. Quando um novo grão é nucleado durante o processamento da
liga metálica (na solidificação, por exemplo), átomos são agregados de maneira ordenada a
cada um dos grãos em crescimento. Quando estes grãos alcançam um determinado tamanho e
encontram os limites de outro grão em crescimento, forma-se uma interface entre ambos, que
é justamente o contorno de grão (VOORT, 1991).
Uma vez que a relação entre o tamanho dos grãos e as propriedades das ligas metálicas
é bem estabelecida (BHADESHIA; HONEYCOMBE, 2006), tornou-se necessário realizar a
medida do tamanho de grão. Esta tarefa não pode ser considerada, porém, simples.
A maneira mais prática de realizar a medição é sobre uma amostra metalográfica. Na
maioria dos casos, os grãos apresentam uma faixa de tamanhos que possuem uma distribuição
normal em torno de um valor médio, de modo que o valor de tamanho de grão determinado é
o valor médio. Entretanto, há casos em que a distribuição dos tamanhos dos grãos não é
normal, sendo bimodal. Além disso, os métodos de processamento dos materiais podem gerar
grãos que se afastam do formato equiaxial.
Outro aspecto que influencia na medição é o tipo de grão presente no material. Metais
com estrutura cúbica de corpo centrado (CCC) apresentam grãos de aspecto ferrítico e
diferem dos de estrutura cúbica de face centrada (CFC), que apresentam aspecto austenítico,
com maclas internas. Estas maclas devem ser desprezadas para a realização da medição
(VOORT, 1991).
Diversos métodos para a medição do tamanho de grão foram propostos. A história da
evolução da sistemática de teste da norma ASTM E-112 é descrita por Voort (1991).
26
Em 1894, Albert Sauveur publicou o método planimétrico, que recebeu

aperfeiçoamentos por Zay Jeffries, através de duas publicações de 1916. Neste método, o
tamanho de grão é determinado através da contagem de grãos por polegada quadrada, com
aumento de 100X, ou por milímetro quadrado, a 1X, NA. A partir deste valor, a área média
dos grãos cortados pelo plano metalográfico pode ser determinada. O valor obtido não é,
porém, a média dos planos de maior área contidos no interior de cada grão, pois o plano de
teste não intercepta todos os grãos na sua seção de maior área.
Em 1904, Emil Heyn publicou o método dos interceptos, no qual uma ou mais linhas
são superpostas à imagem da estrutura com ampliação conhecida. O comprimento da linha é
dividido pela quantidade de grãos interceptados pela mesma, de modo a fornecer o
comprimento médio da linha dentro de cada grão. Este valor pode ser relacionado ao tamanho
de grão.
Naquela época, fazia-se necessário um método rápido de medição do tamanho de grão
que, por outro lado, não carecia de tanta precisão. Nasceram, então, as cartas comparativas de
tamanho de grão, que consistiam em imagens para comparação com a microestrutura do
material analisado, na mesma magnificação.
2.5 NORMAS PARA MEDIÇÃO DO TAMANHO DE GRÃO
A primeira norma da ASTM a tratar do tamanho de grão foi a E2-17T, Methods of

Preparation of Micrographs of Metals and Alloys (Métodos de Preparação de Micrografias de
Metais e Ligas), de 1917, citando os métodos de Hein e de Jeffries. Na sua revisão de 1930,
foi publicada a primeira carta comparativa.
O conceito de número de tamanho de grão (grain size number) foi introduzido em
1950, na norma E89-50T, Methods for Estimating the Average Ferrite Grain Size of Low-
Carbon Steels (Métodos Para Estimar o Tamanho de Grão Médio da Ferrita de Aços com
Baixo Carbono). Esta norma foi descontinuada em seguida, sendo substituída pela atual
E112 - Standard Test Methods for Determining Average Grain Size (Métodos de teste
padronizados para Determinação do Tamanho de Grão Médio), publicada em 1955.
De acordo com a versão de 1996 da norma ASTM E-112, o tamanho de grão ASTM,
G, foi originalmente definido como:
27
N AE = 2G −1 (1)
onde NAE é o número de grãos por polegada quadrada na magnificação de 100X. Para obter o
número de grãos por milímetro quadrado com magnificação de uma vez, basta multiplicar o
valor por 15,50.
Embora o número não represente o tamanho de grão médio, a nomenclatura se
manteve e o tamanho de grão ASTM é largamente utilizado.
A norma E112 não é, porém, de aplicação universal. Ela pode ser aplicada em
materiais com grãos ferríticos equiaxiais quando a distribuição de tamanhos de grão for
normal. No caso de situações onde há desvios em relação a esta configuração, existem normas
específicas, entre a quais podem ser citadas (VOORT, 1991):
a) E930, Test Methods for Estimating the Largest Grain Observed in a Metallographic
Section (ALA Grain Size) (Métodos de teste para estimar o maior grão observado
numa seção metalográfica);
b) E1181, Test Methods for Caracterizing Duplex Grain Sizes (Métodos de teste para
caracterizar o tamanho de grão duplex);
Além da ASTM, outros órgãos normativos de diversos países desenvolveram métodos
para a determinação do tamanho de grão (VOORT, 1991).
Na França, a norma utilizada é a NF A04-102; na Suécia, SIS 11 11 01; na Itália, UNI
3245; na Rússia, GOST 5639. A International Organization for Standardization (ISO) tem a
norma ISO 643. Estes países, por utilizarem o Sistema Internacional de Unidades (SI),
desenvolveram uma equação diferenciada para o cálculo do tamanho de grão:
( )
m = 8 2Gm (2)
onde:
m é o número de grãos por mm2 a 1X de aumento;
Gm representa o tamanho de grão métrico.
O valor de Gm é levemente superior ao de G, porém a diferença é muito pequena.
Embora a Alemanha utilize o Sistema Internacional de Unidades, a sua norma, SEP
1510, utiliza uma equação diferente:
K = 3,7 + 3,33Log ( Z ) (3)

28
onde:
K é equivalente ao G da ASTM;
Z representa o número de gãos por centímetro quadrado com aumento de 100X..
O valor de Z é idêntico ao de G.
O Japão, também usuário do SI, em suas normas JIS G 0551 e G 0552, usa uma
equação equivalente à equação (2):
m = 2Gm + 3 (4)
onde m e Gm são definidos como na equação (2).
2.5.1 ASTM E 112
A norma ASTM E 112 apresenta basicamente três procedimentos para a determinação

do tamanho de grão em seções planas: comparativo, planimétrico e por interceptos.
O procedimento comparativo consiste na comparação da estrutura com séries de
imagens graduadas, que podem constar de cartas, transparências plásticas ou retículos
oculares para microscópio, não requerendo a realização de contagens sobre a estrutura
analisada. Segundo a norma, o método aparenta uma imprecisão de meia a uma unidade de
tamanho de grão (G), resultando em grãos maiores do que na realidade são. A repetibilidade e
reprodutibilidade do método são de ±1 unidade G.
O procedimento planimétrico é baseado na contagem do número de grãos contidos em
uma área conhecida. O número de grãos por unidade de área, NA, é utilizado para a
determinação do tamanho de grão, G. A precisão do método depende do número de grãos
contados, podendo ser alcançados valores da ordem de ±0,25G. Os resultados não apresentam
desvios e a repetibilidade e reprodutibilidade são de ±0,5G. A contagem acurada requer a
marcação dos grãos, conforme eles são contados.
O método dos interceptos consiste na contagem do número de grãos interceptados por
uma linha de teste ou do número de contornos de grão interceptados por unidade de
comprimento da linha de teste, que são usados para calcular o comprimento médio linear de
intercepto, l , usado para calcular o tamanho de grão ASTM, G. A precisão do método é
29
função do número de interceptos ou interseções contados, sendo possível obter precisão

melhor do que ±0,25G. Os resultados não apresentam desvios e a repetibilidade e
reprodutibilidade são de ±0,5G. Uma vez que não é necessário realizar a marcação dos
interceptos ou intersecções contados, o método é mais rápido que o planimétrico, para um
mesmo grau de precisão.
Segundo a descrição constante na própria norma, um intercepto é um segmento da
linha de teste contida em um grão, enquanto uma intersecção é o ponto onde a linha de teste é
cortada pelo contorno de grão.
De acordo com a norma E 112, em caso de disputa, o método dos interceptos será
utilizado como referência. Além disso, a norma cita que este método é o mais indicado para
microestruturas consistindo de grãos alongados.
Na edição de 1996, a norma descreve basicamente três procedimentos baseados em
interceptos: de Hein, de Hilliard e de Abrams.
O procedimento do intercepto linear de Hein estima o tamanho de grão baseado na
contagem do número de grãos interceptados por uma ou mais linhas retas, suficientemente
compridas para conter, no mínimo, 50 interceptos. Diversas linhas podem ser utilizadas, e
estas podem ser dispostas em forma de rede. A norma indica a utilização das linhas contidas
na figura 3 para a realização das medições. O método linear tem a desvantagem de requerer
correções para os pontos terminais das linhas de teste. Quando a linha termina no interior de
um grão, deve ser contado apenas meio intercepto. Outra desvantagem do método ocorre
quando a estrutura dos grãos se desvia do equiaxial. Nesta situação é necessária a utilização
de linhas alinhadas em diversas direções, de modo a não introduzir desvios do valor real de G.
Os procedimentos que utilizam círculos ao invés de linhas eliminam este problema,
visto que o círculo não apresenta direção preferencial, nem extremidades.
O método de Hilliard baseia-se na contagem de interceptos ou intersecções sobre um
círculo de comprimento conhecido. As condições de teste devem ser tais que produzam cerca
de 35 contagens por círculo. Devem ser aplicados tantos círculos quantos sejam necessários
para a obtenção da precisão requerida, que é baseada no desvio padrão do número de
contagens por campo.
O procedimento de Abrams utiliza três círculos concêntricos, espaçados igualmente
entre si, com comprimento total de 500 milímetros, como aqueles contidos na figura 3. A
contagem das intersecções deve ser realizada em, no mínimo, cinco campos, sendo desejável
obter um valor mínimo entre 400 e 500 contagens, de modo a obter uma acurácia relativa
melhor do que 10%.
30
Para materiais contendo mais de uma fase, como é o caso dos aços ao carbono, a
norma indica a realização das contagens desprezando a segunda fase (existente em menor
quantidade), sendo contados os grãos da matriz (microconstituinte mais abundante). No caso
de se desejar determinar o tamanho de grão de alguma das fases presentes, a norma indica
procedimentos específicos, que levam em conta a fração volumétrica (Vv) da fase a ser
analisada.
Para cada campo, deve ser calculado o valor médio de NL (número de interceptos por
unidade de comprimento da linha de teste) ou PL (número de intersecções por comprimento
linear da linha de teste).
FIGURA 3 – Padrão de teste para contagem de interceptos

Adaptada da ASTM E 112-96
Todos os métodos de análise são complementados pelo tratamento estatístico dos

resultados, sendo recomendação da norma os cálculos de desvio padrão, intervalo de
confiança e acurácia relativa das medidas realizadas.
31
2.5.2 ASTM E 1382
A norma ASTM E 1382 – Standard Test Methods for Determining Average Grain Size
Using Semiautomatic and Automatic Image Analysis (Métodos padrões de teste para a
determinação do tamanho de grão médio usando análise de imagem automática e semi-
automática) é dividida nos métodos automáticos e semi-automáticos, sendo os métodos de
análise semelhantes aos contidos na E112. Exceção é feita para os métodos de medição de
áreas, visto que estes são inviáveis para a análise manual.
A análise utilizando contagens de intersecções, por exemplo, baseia-se no método
descrito na E112, sendo que a norma apenas indica cuidados adicionais a serem tomados para
a análise utilizando o computador, e o tratamento adequado das imagens para análise.
2.6 ANÁLISE DE IMAGENS
A moderna tecnologia de informática tornou-se uma aliada poderosa em atividades

que requerem operações penosas e repetitivas, como a determinação do tamanho de grão. As
operações envolvidas na análise são realizadas de maneira muito mais rápida com o uso da
máquina. Além disso, é possível implementar algoritmos que minimizam ao máximo a
necessidade de intervenções do operador, aumentando a repetibilidade dos resultados ao
eliminar uma variável subjetiva, a percepção do operador (ASM HANDBOOK, 2004).
As imagens utilizadas para análise devem, porém, estar em um formato adequado para
o seu processamento. A figura 4 representa um fluxograma simplificado das etapas envolvidas
na análise de imagens, que são descritas de forma sucinta, a seguir.
32
Formação da imagem
Digitalização
Pré-processamento
Resultado: imagem
Segmentação
Pós-processamento
Realização de medições Resultado: dados
FIGURA 4 – Fluxograma das etapas de uma análise de imagens

Adaptada de ASM Handbook (2004)
2.6.1 Formação da imagem
A imagem percebida pelo olho humano compreende uma pequena faixa do espectro de
radiação eletromagnética, compreendida entre 350 e 780nm (JAIN, 1989).
A percepção humana das imagens é baseada no contraste causado pela diferença de
intensidade de radiação provinda de diferentes regiões da imagem. Os contornos dos objetos
vistos em uma imagem são formados pelo contraste existente entre regiões adjacentes
(GONZALEZ; WOODS, 2000).
33
2.6.2 Digitalização
A imagem digital é gerada quando um sinal analógico, representando a imagem, passa

através de um conversor analógico-digital (A/D), criando um arquivo que pode ser
armazenado no computador (GONZALEZ; WOODS, 2000).
Algumas características básicas das imagens digitais são decorrentes do método
utilizado na obtenção das mesmas. Geralmente, são utilizados dispositivos compostos por
uma matriz de sensores, cada um responsável pela aquisição de cada um dos diversos pontos
(chamados “pixels”), que vêm a formar a imagem. Um tipo de imagem comum em análises
metalográficas, formada por tons de cinza, pode ser definida como uma matriz bidimensional
de pixels, onde cada um deles assume um valor inteiro que varia de 0 a 255, correspondente à
intensidade luminosa do ponto que representa (COSTA; CESAR, 2001).
Torna-se evidente que, quanto maior a matriz, maior será a quantidade de pixels
existentes na imagem gerada. A utilização de uma matriz contendo uma pequena quantidade
de pixels resulta em uma imagem com pequena resolução. A resolução é definida como a
capacidade de separar dois pontos adjacentes. Quanto maior a resolução, maior a capacidade
de identificar detalhes na imagem (ASM HANDBOOK, 2004).
Outra característica importante de uma imagem digital é a “quantização”, que consiste
na quantidade de tons ou cores que a imagem pode apresentar. A quantidade de tonalidades
que pode ser armazenada em uma imagem digital depende do número de bits utilizados (ASM
HANDBOOK, 2004).
A figura 5 representa o efeito da resolução e quantização. Em “A”, a imagem possui
64x64 pixels e 4 tons de cinza; em “B”, 64x64 pixels e 256 tons de cinza; em “C”, 512x512
pixels e 4 tons de cinza e em “D”, 512x512 pixels e 256 tons de cinza.
34
FIGURA 5 – Efeitos da resolução e quantização

Extraída de ASM Handbook (2004).
2.6.3 Pré-processamento
As etapas contidas na figura 4 que resultam em imagens são genericamente chamadas

de “processamento de imagem”. Há uma divergência entre diversos autores sobre o uso do
termo “análise de imagem”. Alguns acham que o termo deve ser aplicado a todo o processo
constante da figura 4, enquanto outros acreditam que ele deve ser aplicado apenas à etapa que
resulta em informações quantitativas.
Neste trabalho, o termo será utilizado no sentido mais global, abrangendo todo o
processo.
35
O pré-processamento é o primeiro passo após a digitalização da imagem, usado para

corrigir defeitos da mesma, normalmente gerados durante a sua aquisição. A existência destes
defeitos influencia diretamente a etapa de segmentação (ASM HANDBOOK, 2004).
Operações de diversos tipos podem ser utilizadas, dependendo da aplicação específica
subseqüente das imagens. Os resultados que podem ser obtidos de algumas destas operações
são mostrados a seguir.
O histograma de uma imagem é um gráfico de freqüência, que mostra o número de
pixels de cada nível de intensidade, fornecendo uma descrição global da aparência da imagem
(CLARKE; EBERHARDT, 2002).
O lado esquerdo da figura 6 mostra uma imagem e seu histograma. A estreita
distribuição de intensidades, ao longo da faixa de 256 tons de cinza, indica que a imagem
possui pouco contraste (GONZALEZ; WOODS, 2000). A manipulação do histograma,
distribuindo as intensidades ao longo de toda a faixa possível na imagem, faz com que o seu
contraste seja otimizado, conforme mostrado na imagem à direita.
FIGURA 6 – Exemplo de manipulação do histograma

Extraída de Russ e Dehoff (1999)
A aplicação de pseudo-cores ou LUT (do inglês, Lookup Table), é uma ferramenta que
permite a melhor visualização de determinados detalhes da imagem, muito útil quando da
aplicação de operações que dependem da interatividade com o usuário do programa (ASM
36
HANDBOOK, 2004). Uma imagem formada por 256 tons de cinza pode ter cores diferentes
associadas a cada tom de cinza, podendo ser atribuídas cores que gerem alto contraste entre
níveis muito próximos de cinza na imagem original. A figura 7 mostra um exemplo da
aplicação de duas tabelas de pseudo-cores a uma mesma imagem. Para cada imagem, a tabela
correspondente é mostrada ao lado.
FIGURA 7 – Exemplo da aplicação de pseudo-cores

Adaptada de ASM Handbook (2004).
Operações pontuais são utilizadas para alterar o valor de cada pixel em uma imagem,
formando a base das operações matemáticas e lógicas, que podem ser aplicadas diretamente
na imagem ou envolver mais de uma imagem, tendo como resultado uma terceira (ASM
HANDBOOK, 2004). A figura 8 mostra o efeito de algumas destas operações, realizadas
entre duas imagens, denominadas “fonte” e “destino” (RASBAND, 2009).
FIGURA 8 – Operações matemáticas e algébricas

Adaptada de Rasband (2009)
Um bom exemplo de utilização de operação matemática entre duas figuras é a

correção da iluminação de fundo. Segundo Russ e Dehoff (1999), ao subtrair ou dividir uma
37
imagem contendo irregularidades na iluminação, de uma imagem representando a iluminação

de fundo, tem-se como resultado a correção da iluminação, como pode ser visto na figura 9. A
imagem da direita apresenta iluminação deficiente; ao centro, está a imagem do fundo e, à
esquerda, a imagem corrigida.
FIGURA 9 – Correção da iluminação de fundo

Extraída de ASM Handbook (2004).
Diversos tipos de filtros podem ser utilizados para a otimização de imagens. Os

chamados filtros no domínio espacial afetam o valor de intensidade de cada pixel, a exemplo
das operações aritméticas já apresentadas, porém o valor atribuído a cada ponto depende dos
valores de intensidade dos pixels localizados na sua vizinhança, levando às chamadas
“operações de vizinhança” (CLARKE; EBERHARDT, 2002). Geralmente o filtro está
associado a uma matriz, também chamada de máscara, de tamanho variável, que determina o
efeito produzido por cada pixel da matriz. A figura 10 ilustra a aplicação de um destes filtros.
As imagens da esquerda representam a região cujos valores de intensidade foram utilizados
para calcular o valor dos pixels assinalados nas figuras da direita. O processo é realizado linha
por linha, pixel por pixel, até esgotar toda a imagem ou região selecionada para aplicação do
filtro (ASM HANDBOOK, 2004).
O efeito de alguns destes filtros são mostrados na figura 11. Os exemplos
apresentados não têm como objetivo esgotar o assunto e servem apenas como ilustração.
38
FIGURA 10 – Exemplo de aplicação de uma operação de vizinhança

Adaptada de ASM Handbook (2004)
Original Filtro sigma Suavização Filtro de Difusão

Gaussiana mediana Anisotrópica
FIGURA 11 – Filtros para remoção de ruído no domínio espacial
Outra classe de filtros opera no domínio da freqüência e muitos deles utilizam a

transformada de Fourier. Neste caso, usualmente é calculada a transformada da imagem em
análise e os filtros são aplicados na imagem resultante. Sem aprofundar-se no assunto, pode-
se dizer que a imagem transformada possui todas as informações da imagem original, que
pode ser restaurada através da transformada inversa.
39
O domínio de freqüência é um tanto complexo, e abrange valores tanto reais quanto

imaginários. Cabe ressaltar que o centro da imagem transformada corresponde à origem do
sistema e que pontos próximos à origem representam baixas freqüências, enquanto pontos
mais afastados da origem representam freqüências cada vez maiores (CLARKE;
EBERHARDT, 2002).
Alguns filtros comuns no espaço da freqüência são os filtros passa-altas e passa-baixas
(GONZALEZ; WOODS, 2000). A figura 12 mostra o efeito destes dois filtros em uma
imagem.
Outro exemplo de aplicação de um filtro passa-baixas é a imagem que representa o
fundo da micrografia da figura 9, ao centro. Todas as estruturas correspondentes às altas
freqüências foram removidas, restando apenas a variação de fundo, de baixa freqüência.
Imagem Espectro de potência com Resultado da Espectro de potência Resultado da

original máscara que filtra baixas transformada inversa com máscara que transformada inversa
freqüências permite a passagem de
baixas freqüências
FIGURA 12 – Efeito dos filtros passa-baixa e passa alta

Adaptado de Rasband (2009)
As operações geométricas também são possíveis etapas do pré-processamento.

Redimensionamento, aplicação de zoom e rotação da imagem são exemplos deste tipo de
operação.
2.6.4 Segmentação
Segmentação é o termo técnico usado para a discriminação de objetos em uma

imagem. Esta etapa é, possivelmente, a mais complexa na análise de imagens (GONZALEZ;
WOODS, 2000).
40
Diversos métodos podem ser empregados na segmentação, dependendo basicamente

das características da imagem e dos objetos a serem identificados. Uma técnica muito popular
é a de limiarização (thresholding), na qual são selecionados todos os pixels cuja intensidade
esteja compreendida em uma determinada faixa de valores (GONZALEZ; WOODS, 2000),
conforme ilustra a figura 13. A imagem segmentada em (c), através da seleção de pixels da
faixa intermediária do histograma contido em (b), representa a fase de coloração intermediária
da imagem (a).
Freqüência
Intensidade
FIGURA 13 – Exemplo da técnica de limiarização (“thresholding”)

Adaptada de Clarke e Eberhardt (2002)
Esta técnica pode ser realizada de forma manual ou automática, pelos programas de
análise de imagens, utilizando diferentes algoritmos (ASM HANDBOOK, 2004).
Além de técnicas baseadas na intensidade, existem as técnicas de detecção de
contornos, que buscam localizar contornos fechados. Diversos algoritmos atuam sob este
41
princípio, como os métodos da mínima local, detecção laplaciana, de Sobel, de Canny, de

Deriche e de Marr-Hildreth (ASM HANDBOOK, 2004).
2.6.5 Pós-processamento
A etapa de segmentação pode deixar como resultado objetos espúrios ou outros tipos
de defeitos, além de não separar adequadamente as partículas a serem analisadas. A função do
pós-processamento é corrigir estes defeitos (ASM HANDBOOK, 2004).
A conectividade representa a forma como o algoritmo de análise interpreta a situação
de vizinhança entre dois pixels como vizinhos ou não e influi diretamente na identificação de
contornos (GONZALEZ e WOODS, 2000). Assim, são definidas basicamente três formas de
conectividade, conforme ilustrado na figura 14: (a) conectividade-de-4, (b) conectividade-de-
8 e (c) conectividade-de-6. Esta última deriva de uma matriz de pixels com disposição
diferente das demais.
FIGURA 14 – Tipos clássicos de conectividade dos pixels em uma imagem

Extraída de Vincent (2008)
Existem basicamente duas famílias de operações utilizadas nesta etapa: métodos

baseados em operadores morfológicos e métodos baseados na medição dos objetos
segmentados. Os primeiros são utilizados para separar objetos e os últimos, para discriminar
classe de objetos, através de atributos que possam ser medidos (ASM HANDBOOK, 2004).
Os operadores morfológicos dependem basicamente de três fatores: um elemento
estrutural, uma regra para manter ou inverter o valor de intensidade do pixel e o número de
42
vezes que esta regra será aplicada. O elemento estrutural define a forma da vizinhança
analisada ao redor de cada pixel. Erosão (erosion) e dilatação (dilation) são exemplos deste
tipo de operadores. Abertura (opening), fechamento (closing) e preenchimento (fill) são
derivados destes (ASM HANDBOOK, 2004). A figura 15 mostra o efeito de alguns dos
operadores citados.
Orginal Limiarização Erosão Dilatação
Abertura Fechamento Contorno Esqueletização
FIGURA 15 – Efeito de diversas operações utilizadas no pós-processamento.

Adaptado de Rasband (2009)
Objetos parcialmente superpostos podem ser separados por métodos próprios, como o
“watershed” ou a esqueletização (ASM HANDBOOK, 2004). Um exemplo de aplicação de
“watershed” pode ser visto na figura 16.
FIGURA 16 – Efeito do “watershed”.

Os métodos caracterizados pela medição de objetos baseiam-se nos mais diversos

tipos de medidas realizadas nas imagens, como área, perímetro e circularidade, entre muitos
outros. O resultado destas operações são numéricos, mas as partículas que satisfazem as
43
condições pré-determinadas podem ser copiadas para uma nova imagem. A figura 17
exemplifica o processo.
Área=300-99999 pixel^2 Área=1-300 pixel^2 Circularidade=0,8-1,0 Área=200-99999

Circularidade=0,8-1,0
FIGURA 17 – Classificação de objetos através de medições

2.6.6 Realização de medições
Diversas medidas podem ser realizadas em uma imagem adequadamente processada.

O quadro 1 ilustra alguns tipos básicos de medições realizadas através de análise de imagens.
Além das medições indicadas no quadro, o uso do computador pode facilitar em muito
as operações de superposição de malhas e contagem de intersecções ou objetos, para métodos
de análise originalmente manuais.
2.7 PROGRAMAS PARA ANÁLISE DE IMAGENS
Existem, atualmente, diversos programas para a realização de análise de imagens,

capazes de realizar diversas das operações citadas na seção de análise de imagens. A escolha
do programa mais adequado requer a avaliação do mesmo sob diversos aspectos, levando em
conta custo, operações realizadas, facilidade de operação e implementação de rotinas de
análise e suporte técnico, entre outros.
44
Medida Ilustração esquemática Propriedades

Área superficial Contagem dos pixels contidos no objeto
Perímetro Deve ser usado com cuidado, pois pode introduzir

desvios nos resultados.
Diâmetro Feret Usual para a caracterização de tamanho de

objetos convexos alongados.
Máximo diâmetro Feret Valor máximo do diâmetro Feret.
Espessura máxima Maior espessura encontrada no objeto.
Centro de gravidade Usual na análise da distribuição espacial de

objetos.
Convex hull Usual na quantificação de formas.
Mínimo retângulo circunscrito De uso semelhante ao convex hull, pode ser

usado para indicar direções preferenciais na
imagem.
Quadro 1 – Tipos básicos de medições

Adaptado de ASM Handbook (2004)
O primeiro aspecto a ser observado deve ser a possibilidade de realização das

operações necessárias, passando pela facilidade de operação. Um programa muito difícil de
manejar pode se tornar improdutivo.
O custo pode ser um fator determinante na escolha, principalmente quando existem
opões de baixo custo que podem atender às necessidades do usuário.
45
O suporte técnico é um fator que tem sido facilitado pelo desenvolvimento da internet,
visto que existem muitos fóruns de discussão virtuais para os mais diversos programas. Isso
não exime, porém, a eventual necessidade de suporte do fabricante do programa.
2.7.1 A linguagem de programação
O software que será utilizado para a realização das análises utiliza a linguagem de
programação Java, conforme mencionado no item 3.1.1.
Java é uma linguagem de programação orientada para objetos, desenvolvida pela Sun
Microsystems. Uma vez que os programas rodam em uma “Máquina Virtual Java“ (JVM),
eles podem trabalhar em diferentes sistemas operacionais, utilizando a Máquina Virtual para
se comunicar com o processador (HAROLD, 2009).
Entre as principais vantagens de utilizar esta linguagem, a principal é a portabilidade,
sendo possível utilizar o mesmo programa em diversos sistemas operacionais, sem
modificações específicas para cada sistema (HAROLD, 2009).
O programa utilizado nas análises possui uma linguagem de programação de macros
muito simples, baseada na linguagem Java, mas com simplificações que facilitam muito o seu
aprendizado.
A maioria das operações pode ser gravada, através do gravador de macros. Alguns
comandos devem ser programados manualmente. Para essa finalidade, a página do programa
na internet disponibiliza um tutorial, que descreve a linguagem de macro e todos os comandos
disponíveis, bem como a maneira correta de utilizá-los.
Algumas declarações comuns em programação podem ser utilizadas nas macros, como
os comandos “if - else ” (se - então), usado para que determinado código seja executado
somente se uma condição for satisfeita (RASBAND, 2009). A sua forma é a seguinte:
if (condição) {
código a ser executado se a condição for satisfeita
} else {
código a ser executado se a condição não for satisfeita
}
46
Outra declaração comum é a “do – while” (fazer – enquanto), utilizada para a geração
de laços, de modo a repetir um determinado trecho de código até que uma condição seja
atendida (RASBAND, 2009). Ela é utilizada da seguinte forma:
do {
código
} while (condição);
Outro tipo de laço é gerado pela declaração “for” (para). Ela executa o código um
número determinado de vezes (RASBAND, 2009). Ela é descrita a seguir:
for (inicialização; condição; incremento) {

código
}
Diversos exemplos de uso da linguagem de programação estão disponíveis para

consulta na página do programa, na internet.
47
3 METODOLOGIA EXPERIMENTAL
A condução do trabalho consistiu na preparação dos materiais para análise, escolha do

programa e programação da rotina cálculo no mesmo. Em seguida, foi realizada a análise de
seis amostras diferentes, consistindo de dez imagens cada. A análise das imagens foi realizada
com a utilização do programa e através do método manual, para confrontação dos resultados.
3.1 MATERIAIS
As análises foram realizadas em amostras retiradas de peças fabricadas em materiais

diversos, procurando abranger diversas microestruturas de aços ao carbono e baixa liga. A
identificação e algumas características das amostras analisadas estão listadas no quadro 2. A
escolha do material foi feita com o objetivo de representar materiais encontrados no uso
cotidiano de um laboratório de análise, com as dificuldades de análise encontradas na prática
do dia-a-dia. Desse modo, as amostras apresentaram duas fases distintas (ferrita e perlita),
além de algumas não possuírem grãos equiaxiais, devido ao processo de fabricação, e
apresentarem nível elevado de inclusões.
A etapa de processamento das imagens foi realizada utilizando o software ImageJ
versão 1.42k, operando com a máquina virtual Java 1.6.0_05 (32 bits) e sistema operacional
Windows XP SP2, em um computador com processador Intel Celeron 550, freqüência de
clock de 2GHz e 1GB de memória RAM.
A captura das imagens foi realizada em um microscópio Olympus BX51M, utilizando
uma máquina fotográfica digital Olympus D545, operando em modo automático.
48
Amostra 1 – Tubo fabricado em aço ASTM A 178 Amostra 2 – Tubo fabricado em aço liga 15Mo3 –
grau C – aço ao carbono. Seção longitudinal baixa liga com molibdênio. Seção transversal
Microestrutura: ferrita e perlita, com grãos alongados, Microestrutura: ferita e perlita, com grãos
na direção de laminação. Aumento: 500X equiaxiais.Aumento: 500X
Amostra 3 – Barra redonda fabricada em aço AISI Amostra 4 – Tubo fabricado em aço ASTM A 106
1020. Seção transversal. grau B. Seção transversal.
Microestrutura: ferrita, perlita e inclusões. Microestrutura: ferrita e perlita. Aumento: 500X
Aumento: 500X
Amostra 5 – Tubo fabricado em aço ASTM A 106 Amostra 6 – Válvula fabricada em aço ASTM A 216
grau B. Seção transversal. WCB – aço carbono fundido
Microestrutura: ferrita e perlita com espaçamento Microestrutura: ferrita, perlita e inclusões.
interlamelar visivelmente maior que as demais Aumento: 100X
amostras.Aumento: 500X
Quadro 2 – Características das imagens analisadas
49
3.1.1 Escolha do programa para análise
A partir da experiência prévia de uso e da avaliação das características do software

para análise de imagens ImageJ (RASBAND, 2009), verificou-se se o mesmo seria uma
escolha adequada como plataforma para a implementação de um método para análise do
tamanho de grão segundo as normas da ASTM.
ImageJ é um programa para processamento de imagens de domínio público, baseado
na linguagem de programação Java, programado com código aberto, que permite a extensão
de suas funções através de plugins e macros graváveis.
O programa e grande parte dos plugins disponíveis são voltados à área das ciências
médicas, englobando a obtenção de imagens tridimensionais de células vivas, processamento
de imagens radiológicas e sistemas automatizados de análise hematológica, entre outros.
Existem, porém, diversos plugins voltados para a análise de imagens binárias, que podem ser
utilizados em análises estereológicas nas mais diversas áreas.
De acordo com o site do seu desenvolvedor (RASBAND, 2009), o aplicativo pode
rodar em diversos sistemas operacionais, utilizando a máquina virtual Java, e possui pacotes
de instalação disponíveis para Microsoft Windows, Mac OS, Mac OS X, Linux e Sharp
Zaurus PDA.
ImageJ pode exibir, editar, analisar, processar, salvar e imprimir imagens em 8, 16 e
32 bits. Diversos formatos de imagem são suportados nativamente, como tiff, png, gif, jpeg,
bmp, dicom e fits, além de diversos outros suportados por meio de plugins, fornecendo
suporte a operações em pilhas de imagens (“stacks”).
O software permite medir áreas, perímetros, distâncias e ângulos, além de realizar
funções de processamento, como operações lógicas e aritméticas entre imagens, manipulação
de contraste, convolução, análise de Fourier, “sharpening”, suavização, detecção de contornos
e diversos tipos de filtros. Permite a realização de transformações geométricas, como
alteração de escala, rotação e espelhamento. O programa suporta qualquer quantidade de
imagens simultâneas, limitada apenas à memória disponível no sistema.
Possui uma linguagem de macro baseada em Java, de uso simples, com um gravador
nativo, que facilita a geração de novas macros.
O desenvolvedor do software mantém uma lista de correio eletrônico onde ele mesmo
e usuários avançados orientam os demais na utilização e implementação de rotinas de análise,
além de serem apresentados “bugs”, que rapidamente são resolvidos pelo programador.
50
Tendo em vista a facilidade de uso, implementação de rotinas e suporte, o programa

foi escolhido para ser utilizado no projeto.
3.2 MÉTODOS UTILIZADOS
A análise manual foi realizada de acordo com a norma ASTM E 112. Para esta análise,
foi escolhido o método de contagem de intersecções, utilizando o procedimento de Abrams,
que se baseia na contagem das intersecções formadas entre três circunferências concêntricas e
os contornos dos grãos. A escolha recaiu sobre este método, pois ele é indicado para amostras
nas quais os grãos se desviam da forma equiaxial.
O método computadorizado foi implementado utilizando este mesmo método de
medição, baseado nas mesmas razões, sendo conduzido de acordo com a ASTM E 1382. O
mesmo contém uma etapa que exige a interação do usuário, para a verificação de possíveis
erros causados na etapa de segmentação. Visto que esta etapa aumenta consideravelmente o
tempo de análise, a análise foi realizada de duas formas: a primeira, realizando a correção
(doravante chamada análise semi-automática), e a segunda, totalmente sem intervenção do
usuário (análise automática), para verificar se há erros significativos.
Em função do método de contagem de intersecções ter sido escolhido, as colônias
perlíticas foram tratadas como contornos de grãos, de modo a seguir a recomendação da
norma ASTM E112, desprezando a presença da segunda fase para a determinação do tamanho
de grão do material.
A análise partiu da obtenção de imagens, que foram usadas tanto nas análises manual e
computadorizada quanto na programação do algoritmo de análise. A figura 18 representa o
fluxograma das etapas das análises.
51
Seleção da amostra a ser

analisada
Preparação do corpo de prova

para análise metalográfica
Captura de imagens para

análise
Otimização de brilho e
contraste
Calibração dimensional
Análise manual Análise computadorizada
Automática Semi-automática
Avaliação dos resultados
FIGURA 18 – Fluxograma das etapas de análise.
3.2.1 Preparação das amostras e captura das imagens
A etapa de seleção das amostras foi realizada conforme descrito no item 3.1 e a
preparação seguiu as etapas descritas em 2.2.
A seleção do aumento utilizado para a obtenção das imagens foi realizada de acordo
com a norma ASTM E112, de modo a obter contagens que ficassem compreendidas entre 70 e
150 intersecções por amostra.
Neste ponto, cabe ressaltar que, embora algumas amostras apresentassem desvio
facilmente perceptível da condição equiaxial, não foram tomadas amostras em todos os planos
indicados pelas normas E-112 e E-1382, visto que o objetivo das análises é a validação do
52
método computadorizado para a realização das análises utilizando as mesmas imagens

analisadas pelo método manual. Assim, o objetivo da análise é a comparação dos resultados
obtidos nas análises manual e computadorizada, e não a determinação exata do tamanho de
grão para o material.
O polimento das amostras foi realizado utilizando pasta diamantada de 1μm e se optou
pela utilização de nital a 2% para a realização do ataque químico, visto que este reagente é
estável e de fácil preparação, largamente utilizado para o ataque de aços de baixa liga, no dia-
a-dia de um laboratório metalográfico.
As imagens foram capturadas com tamanho de 1600 x 1200 pixels e armazenadas no
formato jpeg.
Imagens de uma escala micrométrica, de dimensões conhecidas, foram capturadas
utilizando todas as combinações de aumentos possíveis no microscópio, com o objetivo de
permitir a calibração das imagens a serem posteriormente analisadas. Estas imagens foram
capturadas utilizando as mesmas configurações de tamanho (em pixels) e formato de
armazenamento das imagens analisadas.
3.2.2 Análise manual
A análise manual foi realizada através de imagens impressas, com dimensões

calibradas através da medição de uma imagem da escala micrométrica obtida utilizando a
mesma magnificação usada na obtenção das imagens analisadas, para cada amostra.
A calibração dimensional foi realizada utilizando a equação (5).
L( mm )
fc = (5)
L( μm )
L(mm) representa o comprimento do retículo micrométrico medido sobre a imagem, em

milímetros, e L(μm) é o valor real da medida no retículo, em micrometros.
O comprimento das circunferências traçadas sobre as figuras é conhecido, e o
comprimento que as mesmas representam sobre a microestrutura foi calculado utilizando a
equação (6).
53
C ( μm ) = fc.C ( mm ) (6)
C(μm) é o comprimento da circunferência em micrometros, C(mm) é o comprimento em

milímetros e fc é o fator de correção obtido através da equação (5).
O comprimento total das circunferências foi determinado através da soma dos
comprimentos das três circunferências.
A partir da calibração dimensional das imagens, foram desenhadas, sobre as figuras, as
três circunferências concêntricas, sobre as quais foi contado o número de intersecções que as
mesmas formavam com os contornos de grão. A tabela 4 indica os valores utilizados na
realização desta etapa.
TABELA 4 – Parâmetros utilizados para a medição manual

Fator de Comprimento das Comprimento real Comprimento total
calibração circunferências das circunferências das circunferências
Amostra Aumento
calculado, fc sobre a imagem sobre a sobre a
(μm/mm) (mm) microestrutura (μm) microestrutura (μm)
1 500 x 2,7273
2 500 x 2,7273 1363,7
3 500 x 2,7273 909,1 2727,4
500,0
4 500 x 2,7273 454,6
333,3
5 500 x 2,7273 166,7
6761,8
6 100 x 13,5235 4507,4 13523,6
2254,4
O número de intersecções foi contado sobre as três circunferências e totalizado para

cada imagem. Foram analisadas dez imagens para cada amostra, com o objetivo de obter
melhor acurácia relativa. A ASTM E112 exige que a análise seja realizada em, no mínimo,
cinco imagens por amostra.
3.2.3 Análise computadorizada
A análise computadorizada foi realizada sobre as mesmas imagens analisadas

manualmente. Após a obtenção das mesmas, o contraste foi otimizado manualmente, através
da manipulação do histograma, utilizando o programa ImageJ.
54
Para a calibração espacial das imagens, foi utilizada uma versão customizada do
plugin “Microscope Scale” (RASBAND, 2009). A customização consistiu na medição de
imagens do retículo micrométrico, no próprio programa, de modo a determinar as dimensões
dos pixels, em micrometros, para cada aumento utilizado. Por esta razão, o tamanho das
imagens capturadas foi fixado no início dos trabalhos, visto que a modificação das dimensões
da imagem no momento da captura implica na alteração das dimensões dos pixels. A figura
19 mostra a medição do retículo microscópico utilizando o software, realizada em uma
imagem obtida utilizando a magnificação de 200X. A janela “Results” indica que a linha
amarela mede 1462,825 pixels, correspondentes à medida de 800μm no retículo.
FIGURA 19 – Calibração dimensional das imagens
O procedimento foi realizado para as imagens obtidas com todos os aumentos

possíveis do microscópio, e os valores foram adequadamente inseridos no plugin. Antes de
aplicar o algoritmo de análise sobre as imagens, as mesmas foram calibradas conforme o
aumento utilizado na sua captura.
55
3.2.4 Implementação da rotina de análise no programa
O algoritmo de análise automatizada foi implementado através da linguagem de

programação de macros do programa, tendo exigido conhecimentos básicos da linguagem de
programação Java.
O algoritmo consiste basicamente na detecção dos contornos de todos os grãos. Uma
vez que a região correspondente à segunda fase (perlita) sofre de segmentação excessiva, a
detecção das áreas perlíticas é realizada em paralelo e as imagens são combinadas, de modo a
obter contornos mais fiéis à estrutura real.
A combinação das três circunferências do método de Abrams com os contornos gera
os pontos correspondentes às intersecções das circunferências com os contornos de grão.
Devido a problemas gerados na preparação da amostra metalográfica, como delineamento
ineficaz dos contornos de grão, ou devido à existência de partículas isoladas de segunda fase,
a segmentação pode gerar falsos contornos, que acabam por gerar pontos onde não existem
contornos na amostra ou não identificar contornos existentes.
Por essa razão, após a identificação das intersecções, o algoritmo solicita a interação
do usuário, para correção dos pontos identificados.
Além das funções nativas do programa, alguns plugins de terceiros foram utilizados.
As operações realizadas pelo algoritmo são descritas a seguir, e um fluxograma de
todo o algoritmo pode ser visto no Apêndice A. O algoritmo de análise, em linguagem de
programação de macros, está no Apêndice B.
3.2.4.1 Etapa inicial
Para que seja realizada a análise, a primeira imagem da série a ser analisada deve estar
aberta e devidamente calibrada dimensionalmente. O usuário deve, então, acessar a macro
para realização da análise através dos menus do programa.
Inicialmente, o algoritmo cria uma pasta de trabalho, dentro da pasta de sistema onde a
imagem analisada está armazenada. Nesta pasta serão armazenados, posteriormente, o
relatório da análise e as imagens geradas.
56
Em seguida, as dimensões originais da imagem são armazenadas na memória, para

realização futura dos cálculos necessários. O relatório de análise começa a ser confeccionado
nesta etapa, em segundo plano.
O programa abre uma caixa de diálogo, onde pode ser inserida a identificação da
amostra analisada.
3.2.4.2 Início do laço
A partir deste ponto é iniciado um laço (“loop”), que engloba as etapas de pré-
processamento e segmentação, o qual será repetido para cada imagem a ser analisada.
Neste ponto, o programa verifica se a imagem está dimensionalmente calibrada, com
as unidades em micrometros. Em caso negativo, a análise é abortada e uma mensagem é
mostrada na tela, avisando o usuário.
Após a verificação, os passos da análise são realizados em “batch mode”, ou seja, as
etapas da análise não são apresentadas na tela, o que permite ao programa rodar com maior
velocidade, consumindo menos recursos do sistema. O programa apenas volta a operar em
modo normal na fase interativa, descrita no item 3.2.4.7.
A imagem é convertida para 8 bits, em escala de cinza, e o tamanho é alterado para
800x600 pixels, de modo que o algoritmo seja mais rápido e as operações subseqüentes
possam ser realizadas em imagens obtidas em outros sistemas, com tamanhos diversos, desde
que possuam a mesma proporção entre altura e largura.
Neste ponto, a imagem é duplicada, para que possam ser realizadas operações
paralelas utilizando a mesma imagem como ponto de partida. Estas operações estão descritas
nos itens 3.2.4.3 (ilustradas no ramo esquerdo do fluxograma contido no Apêndice A) e
3.2.4.4 (ramo direito do Apêndice A).
3.2.4.3 Identificação dos contornos de grãos ferríticos
Em uma das imagens geradas no item 3.2.4.2, é aplicado o processo de difusão

anisotrópica, através do plugin “Anisotropic Diffusion 2D” (RASBAND, 2009). Este processo
57
resulta na suavização da imagem, sem afetar os contornos. O principal objetivo é diminuir o

ruído existente na imagem, de modo a facilitar as etapas de detecção de contornos, evitando a
identificação de contornos espúrios.
A imagem assim processada é submetida à detecção de contornos, através do método
de Sobel. Esta operação é identificada no programa como o comando “Find Edges”. A
utilização do método de Sobel é interessante, pois ele não é sensível à variação de iluminação
de fundo da imagem (GONZALES; WOODS, 2000), defeito que pode ocorrer na captura de
imagens.
Após a detecção dos contornos, é realizada a limiarização, através do comando
“Threshold”, utilizando o algoritmo IsoData. Como resultado desta etapa, é obtida uma
imagem contendo basicamente os contornos evidenciados pela operação anterior. Como
alguns contornos não apresentam contraste suficiente, estes podem ser perdidos ou se
apresentarem como linhas tracejadas, após a limiarização. Além disso, a presença de inclusões
ou partículas de carbonetos se torna evidente, na forma de pontos arredondados.
Com o objetivo de conectar trechos de contornos que estejam representados por linhas
tracejadas, é realizada a erosão, que aumenta a espessura e o comprimento das linhas,
conectando linhas partidas por pequenas distâncias.
Em seguida, as partículas arredondadas são removidas através de uma etapa de análise
de partículas, com o comando “Analyze Particles...”. Como resultado da análise, é gerada uma
nova imagem, com as mesmas dimensões da original, contendo as partículas cujas
características estão de acordo com os parâmetros especificados. Neste caso, o parâmetro
utilizado é a circularidade, sendo que são selecionadas partículas (e estruturas) com valor de
circularidade variando de 0 a 0,8.
A circularidade é definida através da equação (7) e assume valor 1 para um círculo
perfeito, tendendo ao valor zero para objetos lineares (RASBAND, 2009). Assim, são
excluídas as partículas cuja forma apresenta aspecto circular.
⎛ área ⎞
circularidade = 4π ⎜⎜ ⎟
2 ⎟
(7)
⎝ perímetro ⎠
A imagem resultante desta etapa segue para o processo de esqueletização, que tem
como objetivo reduzir a espessura dos contornos, inicialmente compostos por vários pixels, a
58
linhas com apenas um pixel de espessura. A esqueletização deixa, porém, diversas

ramificações, que não representam contornos reais.
Para a remoção das ramificações, é realizada a operação de “poda”, utilizando o plugin
“Binary thin” (LANDINI, 2009). Este é repetido até a indempotência, ou seja, até que não
haja mais alterações na imagem ao repetir a operação. Isto se faz necessário visto que, a cada
ciclo, apenas um pixel é removido da extremidade de cada linha que compõe as ramificações.
Ao final desta etapa, os contornos de grãos estão razoavelmente bem identificados,
mas as regiões internas das colônias de perlita apresentam diversas linhas espúrias.
3.2.4.4 Identificação das áreas perlíticas
Para remoção das linhas internas das colônias de perlita, foi realizado um processo
paralelo àquele descrito no item 3.2.4.3. A cópia da imagem inicial utilizada naquele
processo, gerada em 3.2.4.2, foi processada de modo a obter uma imagem que representasse
apenas as áreas perlíticas. As operações realizadas são ilustradas no ramo direito do
fluxograma contido no Apêndice A.
A imagem sofreu o processo de suavização pelo de método gaussiano, através do
comando “Gaussian Blur...”. Esta operação tem o objetivo de suavizar o efeito das lamelas,
tornando borradas as linhas que as representam.
Em seguida, foi realizada a limiarização, através do comando “Threshold”, que utiliza
o algoritmo IsoData.
3.2.4.5 Geração da imagem dos contornos de grão
As imagens finais obtidas nos processos descritos nos itens 3.2.4.3 e 3.2.4.4 foram
combinadas, em uma operação lógica do tipo “máximo”, através do comando “Image
Calculator...”.
Após uma nova operação de limiarização com o algoritmo IsoData, uma cópia desta
imagem é automaticamente salva na pasta de trabalho, criada no início do algoritmo.
59
3.2.4.6 Contagem de intersecções
Uma nova imagem é criada, contendo três circunferências concêntricas, com

diâmetros valendo um quarto, metade e três quartos da altura da imagem, equivalentes aos
círculos representados na figura 3.
Esta imagem é combinada com a imagem dos contornos de grão, resultante do
processo descrito em 3.2.4.5, através da subtração das duas imagens, o que resulta em uma
nova imagem contendo apenas os pontos de intersecção dos contornos de grãos e linhas onde
as áreas perlíticas estavam sobrepostas às circunferências.
Em seguida, uma nova operação de dilatação é realizada, para garantir que pontos de
intersecção que tenham sido identificados em duplicidade, devido à curvatura das linhas de
teste, sejam tratados como um só.
O programa executa, então, a análise dos pontos e linhas, através do comando
“Analyze Particles...”, direcionando-os para uma cópia da imagem original, sobrepondo-os a
esta, e criando uma lista dos pontos analisados, no “ROI Manager” (gerenciador de regiões de
interesse).
3.2.4.7 Intervenção do usuário
Neste ponto, o “batch mode” é desativado, de modo a exibir a imagem, a análise

automática é parada e solicitada a intervenção do usuário, que deve aceitar ou não os pontos
de intersecção identificados automaticamente. Se o usuário encontrar incorreções, pode
adicionar ou remover pontos, através das funções do “ROI Manager”. Ao concluir a
verificação, o usuário confirma a correção dos dados, permitindo a seqüência do algoritmo
automático.
No caso da análise totalmente automática, a operação acima se resume a aceitar a
análise do programa, não realizando intervenções.
Se a contagem de intersecções não estiver entre 70 e 150 após o ajuste manual, o
programa exibe um aviso, questionando se a análise deve prosseguir.
60
Em caso afirmativo, ou se a contagem estiver na faixa especificada, o número de

intersecções é guardado na memória do programa e uma cópia da imagem contendo os pontos
de intersecção é salva na pasta de trabalho.
3.2.4.8 Cálculo do tamanho de grão
Neste ponto, o programa questiona o usuário se o mesmo deseja analisar outra

imagem. Em caso afirmativo, é aberta uma janela para a escolha da imagem seguinte e o
algoritmo retorna para o estágio descrito em 3.2.4.2. Em caso negativo, o algoritmo segue
para a etapa de cálculo. Se o número de imagens analisado for menor que cinco, o programa
emite um aviso de que devem ser realizadas análises em, pelo menos, cinco imagens.
O cálculo do número de intersecções por unidade de comprimento (PLi) é calculado
através da equação a seguir.
Pi
PLi = (8)
LTi
Pi representa a contagem de intersecções por imagem e LTi é a soma do comprimento

das circunferências de cada imagem, em micrometros.
A média dos valores de PLi obtidos para cada imagem representa o número médio de
intersecções por comprimento linear da amostra ( PL ).
O comprimento médio do intercepto linear da amostra ( l ) é calculado através da

equação (9) e o resultado é expresso em micrometros.
1
l= (9)
PL
Após a conversão do valor de l para milímetros, a equação (10) é utilizada para

calcular o tamanho de grão ASTM (G).
G = (− 6,643856.Log l ) − 3,288 (10)

61
O algoritmo de cálculo utiliza uma função lógica “se” para prover o resultado de
G=00, no caso de o valor calculado ser igual a -1.
O desvio padrão de PLi (s) é calculado para cada imagem, através da equação (11).
1
s= (11)
(n − 1).∑ (PLi − PL )2
O intervalo de confiança de 95% (95%CI) dos valores de PLi é calculado utilizando a

equação (12).
t.s
95%CI = ± (12)
n
Nesta equação, t é o coeficiente de student, que varia com a quantidade de imagens,

introduzido no algoritmo sob a forma de uma lista, e n é o número de imagens analisadas.
A acurácia relativa (%RA) é calculada através da equação (13).
95%CI
% RA = .100 (13)
PL
Finalmente, o relatório é gerado e salvo na pasta de trabalho. Este contém a

identificação da amostra, o nome das imagens analisadas, o número de intersecções e o valor
de PLi para cada imagem, o valor médio de PLi ( PL ), a soma total de intersecções, o
comprimento médio do intercepto linear ( l ), o desvio padrão de PLi (s), o valor de “t”
utilizado, o intervalo de confiança (95%CI), a acurácia relativa (%RA) e o valor do tamanho
de grão ASTM (G). Além disso, as mensagens de aviso mostradas pelo programa durante a
análise também são gravadas no relatório.
62
3.2.5 Verificação da eficiência da etapa de segmentação
A utilização do “batch mode”, embora aumente a velocidade da análise, tem o

inconveniente de não permitir a visualização dos contornos detectados automaticamente.
Para remediar este problema, é salva a imagem dos contornos, conforme descrito no
item 3.2.4.5, de modo a permitir a verificação da eficiência da etapa de segmentação.
3.2.6 Cálculo manual
A contagem de intersecções obtida na análise manual foi utilizada para o cálculo dos
mesmos parâmetros calculados pelo software na análise automatizada. Além disso, os valores
obtidos na análise automatizada foram inseridos em uma planilha de cálculos e recalculados, a
fim de verificar a correção dos cálculos executados pelo programa de análise.
63
4 RESULTADOS
Os resultados obtidos nas medições são apresentados a seguir.

A figura 20 apresenta os valores calculados do número de tamanho de grão ASTM
(G), principal resultado das análises realizadas, através dos métodos manual, automático e
semi-automático. Todas as amostras, com exceção da amostra 5, apresentaram diferenças
entre os valores obtidos nos diferentes métodos de análise. A amostra 5 não exibiu diferenças
entre os três métodos, no valor apresentado com uma casa decimal, conforme orientação da
norma. A amostra 6 apresentou valor médio mais baixo, indicando granulometria mais
grosseira.
Tamanho de Grão ASTM (G)
9,8 9,8 10,0

10,0 9,5 9,5
9,2 9,1
8,7 8,9 8,6 8,7 8,6 8,6 8,6
9,0 8,5
8,0
7,0
6,0 5,5
4,9 5,0
G 5,0
4,0
3,0
2,0
1,0
0,0
1 2 3 4 5 6
Amostra
Análise automática Análise semi-automática Análise manual
FIGURA 20 – Gráfico comparativo dos valores de G
Os valores obtidos na contagem de intersecções são apresentados na figura 21. As

amostras 3, 4 e 6 mostram as maiores diferenças nos valores das contagens, entre os diversos
métodos de análise. Neste parâmetro, a amostra 4 apresenta diferenças que não se refletiram
no valor de G.
64
Contagem de intersecções
1400 1293
1234
1166 1172 1185
1200 1142
1063 1073
1051
Número de contagens (P)
1000 904
848 840
795 789 798 772 762
800 732
600
400
200
0
1 2 3 4 5 6
Amostra
FIGURA 21 – Gráfico comparativo da contagem de intersecções
A figura 22 mostra os valores calculados para o comprimento médio de intercepto

linear, onde novamente a amostra 6 apresenta valor médio diferenciado.
O desvio padrão das medidas de intercepto linear apresentou valores maiores para a
análise automática em todas as amostras, exceto na amostra 6, como pode ser visto na figura
23. A amostra 6 apresentou os menores valores entre as amostras. O processo de fabricação
por fundição gera estruturas mais grosseiras que os processos utilizados nas demais amostras,
de modo que as variações nas dimensões de intercepto linear acabam por ser menores,
comparativamente ao comprimento do mesmo, gerando menor desvio padrão. Para todas as
amostras analisadas, o método computadorizado automático gerou desvios padrões maiores
ou iguais aos da análise manual. A análise semi-automática alternou resultados menores e
maiores, comparados à análise manual. O desvio padrão elevado da amostra 5 se deve, em
parte, à maior quantidade de inclusões existentes nesta amostra.
65
Comprimento Médio do Intercepto Linear
58,0 57,0
60,0
48,1
50,0
40,0
l (micrometros)
30,0
20,0 15,7 14,816,2 15,9 17,1 16,2 16,416,0

13,0 13,8
10,7 10,7 11,9 10,1
11,8
10,0
0,0
1 2 3 4 5 6
Amostra
FIGURA 22 – Gráfico comparativo dos valores de l
Desvio Padrão (s)
0,0100
0,0100 0,0093
0,0090
0,0080
0,0068
0,0070 0,0066 0,0064
0,0058
0,0060 0,0055 0,0057
0,0046 0,0046 0,0048
s
0,0050
0,0042
0,0038
0,0040 0,0033
0,0030 0,0026
0,0020 0,0009 0,0009

0,0008
0,0010
0,0000
1 2 3 4 5 6
Amostra
FIGURA 23 – Gráfico comparativo do desvio padrão

66
Os valores de acurácia relativa percentual das medições de comprimento médio de

intercepto linear são apresentados na figura 24. Todas as amostras, exceto a de número 5,
apresentaram valores menores que 10%, indicado pelas normas ASTM E 112 e ASTM E
1382 como uma precisão aceitável para a maioria dos casos. O elevado valor encontrado na
amostra 5, resultante do alto desvio padrão da mesma, indica que a precisão do resultado está
baixa, sendo necessário o aumento do número de imagens analisadas.
Acurácia Relativa
11,6
12,0
10,0 9,2
8,0
6,5
RA (%
6,0 5,2 5,1 5,2 5,6

5,2
4,8 4,7 4,7
4,0 3,8
3,6
4,0 3,3 3,03,2
2,8
2,0
0,0
1 2 3 4 5 6
Amostra
FIGURA 24 – Gráfico comparativo da acurácia relativa.
A avaliação da segmentação foi realizada através da comparação das imagens

segmentadas com as imagens originais. Como resultado geral, foi encontrada deficiência na
identificação de contornos de grãos de ferrita, quando os mesmos não estavam
adequadamente delineados, por deficiência inerente ao ataque químico utilizado. As colônias
perlíticas foram bem identificadas, porém a sua área é visivelmente maior que a existente na
microestrutura original, como mostra a figura 25, derivada de uma das imagens da amostra 2
A figura 26 mostra as intersecções identificadas na mesma imagem, pelo método automático.
O tempo necessário para realizar as análises apresentou considerável variação, entre os
diversos métodos utilizados. Enquanto a análise automática consumiu menos de cinco
67
minutos, a análise semi-automática e a manual levaram em torno de trinta minutos por

amostra, considerando apenas o tempo de análise após a aquisição e correção de brilho e
contraste das imagens.
FIGURA 25 – Resultado da segmentação de uma imagem da amostra 2
FIGURA 26 – Intersecções identificadas na figura 25.

68
5 ANÁLISE DOS RESULTADOS
A avaliação dos resultados foi realizada tendo como base os valores obtidos na análise
manual. Deste modo, os valores apresentados representam a diferença entre os valores obtidos
nos métodos automatizados e no método manual. Segundo a norma ASTM E-112, os
resultados deste método são livres de desvios e pode ser obtida precisão melhor do que
±0,25G, com um esforço razoável. A reprodutibilidade e a repetibilidade são de menos de
±0,5G. Ainda de acordo com a norma, um valor de até 10% para a acurácia relativa é
aceitável para a maioria das aplicações, no valor médio do intercepto linear.
A figura 27 apresenta as diferenças obtidas nos valores do tamanho de grão ASTM
(G), em relação à análise manual, para cada amostra, nos dois métodos de análise
computadorizada. Os resultados obtidos na análise automática apresentaram variação máxima
de 0,8 unidades, enquanto no método semi-automático a maior variação foi de 0,3 unidades.
Diferença no valor de G
0,9 0,8
0,7 0,6
0,5
0,5
Diferença (G)
0,3 0,3 0,3 0,3

0,3 0,2
0,1
0,1 0,0 0,0
-0,1 -0,1
-0,3
-0,5
1 2 3 4 5 6
Amostra
Análise automática Análise semi-automática
FIGURA 27 – Diferenças nos valores de tamanho de grão

69
A medida efetivamente realizada, que levou ao cálculo destes valores, foi a contagem
de intersecções. Esta apresentou diferenças mais acentuadas em relação à medida manual,
chegando a 17% na análise automática e 9%, na semi-automática. Estes valores são
apresentados na figura 28.
Diferença percentual na contagem de intersecções
17
18
13
14
9
10
Diferença (%)
5
6 4
2 3
1 1
2
-2 -1
-6 -5
-10 -9
1 2 3 4 5 6
Amostra
Análise automática Análise semi-automática
FIGURA 28 – Diferenças percentuais nas contagens de intersecções
O erro acabou sendo minimizado no resultado final por conta da relação logarítmica
existente entre os valores de l e G, conforme indica a equação (10). A relação logarítmica
também determina a menor variação nos valores de G para a amostra 6, na qual o valor de l é
mais elevado que nas demais amostras.
O valor mais elevado de l também se refletiu no desvio padrão, que foi
expressivamente menor para a amostra 6. A acurácia relativa, porém, não teve diferenças da
mesma magnitude, em relação às outras amostras.
A avaliação dos resultados tornou evidente que o incremento no valor de G (gerado
pelas reduzidas dimensões dos grãos) leva ao aumento do desvio padrão.
70
A análise semi-automática, por contar com a intervenção humana, não sofre do

inconveniente da identificação de contornos falsos ou de não serem reconhecidos contornos
de grãos legítimos, que não tenham sido adequadamente delineados no ataque químico. Por
esta razão, os valores de desvio padrão e acurácia relativa são mais próximos dos valores
obtidos na análise manual, quando comparados à análise automática.
Os valores elevados de contagem de intersecções encontrados na análise automática
das amostras 3 e 4 podem ser explicados pela quantidade elevada de inclusões e partículas de
segunda fase presentes na matriz, que geraram contornos espúrios na análise.
As amostras 1, 4 e 5 apresentaram contagens de intersecções próximas ao limite
inferior indicado pela norma (70 intersecções), o que explica o valor mais elevado da acurácia
relativa nestas amostras e do desvio padrão nas amostras 4 e 5. A utilização de aumento maior
para a captura das imagens foi impossibilitada pela ocorrência de contagens superiores a 150.
A definição dos contornos de grão, obtida na etapa de ataque químico, mostrou-se
importante na identificação dos mesmos na análise automática. Amostras que apresentaram
deficiência no delineamento dos contornos apresentaram maiores discrepâncias em relação
aos resultados da análise manual.
O tempo necessário para a realização da análise, utilizando o método automático, é
muito reduzido, quando comparado com os outros dois. Este fator pode ser preponderante por
ocasião da escolha de um método adequado para a realização de análises seriadas, desde que
pequenas variações possam ser admitidas no processo.
Comparado ao método de análise comparativo, que usa cartas padronizadas para
comparação com a imagem do material em análise, o método é mais lento. O erro apresentado
pelas amostras contendo menor quantidade de inclusões e partículas de segunda fase foi de até
0,5G, enquanto o método comparativo pode chegar a uma unidade G.
O método automático ainda conta com a vantagem de facilitar a escolha do aumento
mais adequado a ser utilizado no microscópio, para a obtenção das imagens. A simples análise
de uma imagem, comparando a contagem de intersecções, para os aumentos em que o analista
tem dúvida, pode ser realizada em curto espaço de tempo, tarefa que demandaria muito mais
tempo ou experiência para a realização com os outros dois métodos.
Embora os valores de acurácia relativa tenham sido maiores na análise automática, os
mesmos estão dentro dos parâmetros sugeridos pela norma ASTM E-112, para as amostras
com menores teores de inclusões e partículas de segunda fase.
71
6 CONCLUSÃO
O método automático apresentou resultados satisfatórios para as amostras contendo

pequena quantidade de partículas de segunda fase e inclusões dispostas ao longo da matriz,
levando em consideração a rapidez com que a análise pode ser efetuada. Os valores obtidos
são coerentes com a análise realizada através do método manual, consagrado nos laboratórios
de análise.
Os erros encontrados nos valores medidos neste caso estão muito próximos daqueles
sugeridos por norma, para repetibilidade e reprodutibilidade. O algoritmo de análise pode
facilmente ser implementado em um laboratório de análise, desde que sejam respeitadas as
limitações na precisão dos resultados. A análise apresenta valores mais precisos que o método
comparativo, e velocidade de execução muito maior do que os métodos de contagem manual.
A decisão de utilizar este método em um laboratório de controle de qualidade de
produto deve ser tomada com cuidado, tendo pleno conhecimento das limitações que o
método possui. Testes adicionais devem ser realizados, de modo a verificar a aplicabilidade
do método às amostras analisadas na rotina do laboratório.
Cabe ressaltar que o método foi testado apenas em amostras de aços contendo duas
fases. Devido ao modo como o algoritmo de análise foi concebido, é grande a possibilidade de
que o mesmo possa ser utilizado sem problemas para amostras monofásicas, contendo apenas
ferrita, ou matriz que claramente se diferencie do contorno de grão, após o ataque químico.
Conseqüentemente, o método deve ser limitado a aços com teor de carbono baixo,
como é o caso da maioria dos materiais utilizados em tubulações e de muitos outros materiais
de construção mecânica.
O método não é aplicável para aços contendo elevado percentual de perlita, visto que o
algoritmo considera apenas os grãos ferríticos. Aços austeníticos, contendo maclas, também
não são adequados para análise, visto que as mesmas seriam confundidas com contornos de
grãos.
A realização deste trabalho trouxe conhecimentos de áreas pouco ou não exploradas
no curso de Engenharia Mecânica da Unisinos, como a utilização de programas de
computador para a análise quantitativa de estruturas metalográficas, a análise de imagens e o
manuseio e interpretação de normas para a realização de ensaios.
72
7 SUGESTÕES PARA FUTUROS TRABALHOS
O presente trabalho não tem a pretensão de ser definitivo, e diversos pontos podem ser
aprimorados. A seguir são listados alguns itens que podem servir como linhas de pesquisa
para o aprimoramento do método automático de análise.
A identificação de um método de ataque químico mais adequado para a detecção dos
contornos de grãos ferríticos pode eliminar a deficiência na etapa de segmentação, permitindo
a correta identificação destes contornos.
Os métodos de segmentação de imagens estão em constante aprimoramento, e novos
métodos podem ser implementados. Na etapa final de realização deste trabalho, durante a
avaliação dos resultados obtidos, foi disponibilizado um novo plugin para o programa,
chamado “auto threshold”, incluindo diversos algoritmos de limiarização, tanto globais (que
atuam sobre toda a imagem, a exemplo do algoritmo utilizado) quanto locais (de efeito
localizado em uma área da imagem). A pesquisa para o uso de algum destes métodos pode ser
promissora na etapa de segmentação.
A identificação do nível aceitável de inclusões e partículas dispersas na matriz, para a
determinação do tamanho de grão dentro das faixas de erro aceitáveis, segundo as normas
utilizadas, pode delimitar melhor a aplicabilidade do método.
Devido ao número limitado de amostras utilizadas, e à estreita faixa de tamanhos de
grão das mesmas (apenas uma amostras apresentou diferença significativa no valor de G), não
foi possível verificar a precisão dos resultados para amostras com tamanhos de grãos
diferentes. Um estudo com amostras representativas de tamanhos de grão variados pode
eliminar esta dúvida.
Finalmente, testes podem ser conduzidos para verificar a aplicabilidade do método a
materiais monofásicos, não austeníticos.
Outra linha de pesquisa interessante é a realização das análises utilizando programas
comerciais, de modo a comparar os resultados obtidos com o método implementado neste
trabalho.
73
REFERÊNCIAS
ASM INTERNATIONAL. ASM Handbook: metallography and microstructures. Materials

Park: ASM International, 2004. v. 9. 2733 p.
AMERICAN SOCIETY FOR TESTING AND MATERIALS. E 112: standard test methods
for determining average grain size. West Conshohocken: ASTM, 1996
______. E 1382: standard test methods for determining average grain size using
semiautomatic and automatic image analysis. West Conshohocken: ASTM, 1997.
______. E 407: standard practice for microetching metals and alloys. West Conshohocken:
ASTM, 1997.
BHADESHIA, H.K.D.H.; HONEYCOMBE, R. W. K. Steels: microstructure and properties.

3rd ed. Oxford: Elsevier, 2006. p. 27-30.
CLARKE, A. R.; EBERHARDT, C. N. Microscopy Techniques for Materials Science.

Cambridge: Woodhead, 2002. 459 p.
COLPAERT, Hubertus. Metalografia dos produtos siderúrgicos comuns. 3. ed. São Paulo:
Edgard Blücher, Editora da Universidade de São Paulo, 1974. 412p.
COSTA, Luciano da Fontoura; CESAR Jr., Roberto Marcondes. Shape Analysis and
Classification: Theory and Practice. Boca Raton: CRC Press, 2001. 659p.
COUTINHO, Telmo de Azevedo. Metalografia de não-ferrosos: análise e prática. São

Paulo: Edgar Blücher, 1980. p. 1-23.
DIAS, Felipe da Cruz. Uso do software ImageJ para análise quantitativa de imagens de
microestruturas de materiais. 2008. 145 f. Dissertação (Mestrado em Engenharia e
Tecnologia Espaciais na Área de Concentração em Ciência e Tecnologia de Materiais e
Sensores) – Instituto Nacional de Pesquisas Espaciais. [2008]
GONZALEZ, Rafael C.; WOODS, Richrd E. Processamento de imagens digitais. São

Paulo: Edgard Blücher, 2000. 509p.
74
HAROLD, Elliotte Rusty. The comp.lang.java FAQ List. Disponível em:

<http://www.cafeaulait.org/javafaq.html>. Acesso em: 24 maio 2009.
HIGGINS, Raymond A. Engineering Metallurgy: applied physical metallurgy. 6th ed.

London: Arnold, 1993. v. I. cap. 10.
JAIN, Anil K. Fundamentals of Digital Image Processing. Eaglewood Cliffs: Prentice Hall,
1989. 570 p.
LANDINI, Gabriel. Gabriel Landini’s Software. Disponível em

<http://www.dentistry.bham.ac.uk/landinig/software/software.html>. Acesso em: 20 mar.
2009.
RASBAND, W.S. ImageJ. Bethesda, USA: U. S. National Institutes of Health 1997-2009.

Disponível em: <http://rsb.info.nih.gov/ij/>. Acesso em: 15 jan. 2009.
______. Imagej Macro Language. Disponível em:

<http://rsb.info.nih.gov/ij/docs/ImageJMacroLanguage.pdf>. Acesso em: 15 jan. 2009
RUSS, John C.; DEHOFF, Robert T. Practical Stereology. 2nd ed. Boca Raton: CRC Press,
1999. 307 p.
STARK, Jean-Luc; MURTAGH, Fionn. BIJAOUI, Albert. Image Processing and Data
Analysis: The Multiscale Approach. Cambridge: Cambridge University Press, 1998. 287p.
THE STEREOLOGY GROUP. Stereology Symbols. Disponível em

<http://www.stereology.info/stereology-symbols/>. Acesso em: 11 dez. 2008.
VINCENT, Luc. Current Topics in Applied Morphological Image Analysis. Disponível

em: <http://www.vincent-net.com/luc-papers>. Acesso em: 11 dez. 2008.
VOORT, George Vander. Committee E-4 and Grain Size Measurements: 75 years of
progress. ASTM Standardization News, mai. 1991. Disponível em:
<http://www.metallography.com/grain.htm>. Acesso em: 04 dez. 2008.
75
APÊNDICE A – ALGORITMO DA ANÁLISE COMPUTADORIZADA
Imagem original
Otimização do Threshold
contraste Difusão anisotrópica Gaussian blur algoritmo Isodata
Escala de
cinza, 8-bit,
Detecção de
Método de
contornos
800X600 px
Sobel
Círculos de Abrams
Operação
lógica
Máximo
Inverter (função
lógica NOT)
Gravação da
Subtrair imagens
imagem na pasta
de trabalho
Resultado da
subtração
algoritmo
Treshold
Isodata
Dilatação e análise
Contagem das
partículas
Erosão
intersecções e nova
Ajuste manual dos
Inverter (função
pontos nas
lógica NOT)
análise
Análise das demais

partículas com
Remoção de
circularidade
imagens, realização
de cálculos e
<0,8
gravação do relatório
na pasta de trabalho
Gravação da imagem
com os pontos na
pasta de trabalho
Esqueletização Poda
76
APÊNDICE B – ALGORITMO DE ANÁLISE EM LINGUAGEM DE MACRO
//Algoritmo para cálculo do tamanho de grão conforme ASTM E 1382

//Criar pasta de trabalho
nomepasta=getTitle();
dir=getDirectory("image");
dirtrab=dir+"Analise_de_"+nomepasta+File.separator;
File.makeDirectory(dirtrab);
//Obter dados da imagem original
wo = getWidth;
ho = getHeight;
List.set("laco",1);
List.set(0,0);
Aviso1=0
print("DETERMINAÇÃO DO TAMANHO DE GRÃO");
print("ASTM E 1381 - MÉTODO DE ABRAMS");
print("");
print("**************************************************************");
amostra="";
Dialog.create("Identificação da amostra");
Dialog.addString("Amostra:", amostra,50);
Dialog.show();
amostra=Dialog.getString();
print("Identificação da amostra: "+amostra);
getDateAndTime(year, month, dayOfWeek, dayOfMonth, hour, minute, second, msec);
print("Data da análise: "+dayOfMonth +"/"+ month+ "/"+ year+ " "+hour +":"+ minute+":"+
second);
print("");
print("Imagens Analisadas:");
//INÍCIO DO LOOP
do {
if (nImages<1)
{open();
77
}
getPixelSize(unit, pixelWidth, pixelHeight);
if (unit=="pixels")
{exit("As dimensões da imagem não foram calibradas.");
}
pastaimagem=getDirectory("image");
nomeimagem=getTitle();
//BATCH MODE
setBatchMode(true);
Cont=List.getValue("laco");
run("8-bit");
rename("2ndFase");
if(wo>=800)
run("Size...", "width=800 height=600 constrain interpolate");
run("Duplicate...", "title=Original1");
//anisotropic difusion
selectWindow("Original1");
run("8-bit");
run("Anisotropic Diffusion 2D", "number=5 smoothings=1 keep=5 a1=0.50
a2=0.90 dt=20 edge=5");
run("Enhance Contrast", "saturated=0.5 normalize");
run("Find Edges");
run("Invert");
setAutoThreshold();
getThreshold(lower, upper);
run("Convert to Mask");
//Verifica se o fundo é preto
if(upper==255)
run("Erode");
else
{
run("Invert");
run("Erode");
}
78
run("Set Measurements...", " redirect=None decimal=3");

run("Invert");
run("Analyze Particles...", "size=0-Infinity circularity=0.00-0.80
show=Masks");
selectWindow("Original1-iter5");
close();
selectWindow("Mask of Original1-iter5");
rename("Original1-iter5");
run("Skeletonize");
run("BinaryThin ", "kernel_a='0 2 2 0 1 0 0 0 0' rotations='rotate 45'
iterations=-1 white");
//perlita
selectWindow("2ndFase");
run("Gaussian Blur...","sigma=2");
setAutoThreshold();
getThreshold(lower, upper);
if(upper==255)
run("Invert");
//max de perlita e iter5
imageCalculator("Max", "Original1-iter5","2ndFase");
selectWindow("2ndFase");
close();
//outline
setAutoThreshold();
//Salvar contornos
run("Duplicate...", "title=temp");
saveAs("Jpeg", dirtrab+nomepasta+Cont+"_contornos.jpg");
close();
//Circulo de Abrams
w = getWidth; h = getHeight;
newImage("Abrams", "8-bit", w, h, 0);
d=h*0.75;
79
xbox1=(w-d)/2;
ybox1=(h-d)/2;
makeOval(xbox1, ybox1, d, d);
run("Draw");
dd=h*0.5;
xbox2=(w-dd)/2;
ybox2=(h-dd)/2;
makeOval(xbox2, ybox2, dd, dd);
run("Draw");
ddd=h*0.25;
xbox3=(w-ddd)/2;
ybox3=(h-ddd)/2;
makeOval(xbox3, ybox3, ddd, ddd);
run("Draw");
run("Select None");
getPixelSize(unit, pw, ph, pd);
c=PI*ho*0.75*pw;
cc=PI*ho*0.5*pw;
ccc=PI*ho*0.25*pw;
cTot=c+cc+ccc;
//Encontrar intersecções
imageCalculator("Subtract", "Original1-iter5","Abrams");
setAutoThreshold();
run("Duplicate...", "title=pontos");
run("Dilate");
run("Dilate");
run("Invert");
selectWindow("pontos");
close();
selectWindow("Abrams");
80
close();
d=h*0.75;
xbox1=(w-d)/2;
ybox1=(h-d)/2;
makeOval(xbox1, ybox1, d, d);
run("Draw");
dd=h*0.5;
xbox2=(w-dd)/2;
ybox2=(h-dd)/2;
makeOval(xbox2, ybox2, dd, dd);
run("Draw");
ddd=h*0.25;
xbox3=(w-ddd)/2;
ybox3=(h-ddd)/2;
makeOval(xbox3, ybox3, ddd, ddd);
run("Draw");
run("Select None");
//BATCH MODE
setBatchMode("false");
//Contagem de intersecções
run("Set Measurements...", "area circularity redirect=None decimal=3");
run("Analyze Particles...", "size=0-Infinity circularity=0.00-1.00
show=Nothing clear record add");
close();
//Adicionar e remover pontos
run("Point Tool...", "mark=3 add label selection=yellow");
setTool(7);
setOption("Show All", 1);
81
getLocationAndSize(x, y, width, height);

sh=screenHeight;
sw=screenWidth;
newWidth=0.8*sw;
newHeight=((newWidth/width)*height);
if(newHeight>(0.95*sh))
newHeight=0.95*sh;
setLocation(0, 0 ,newWidth,newHeight);
rm=isOpen("ROI Manager");
if(rm==0)
run("ROI Manager...");
selectWindow("ROI Manager");
getLocationAndSize(x, y, width, height);
setLocation(width, 0);
waitForUser("Contagem de intersecções", "Após verificar os pontos, clique
em OK");
run("Set Measurements...", "area redirect=None decimal=3");
roiManager("Deselect");
roiManager("Measure");
roiManager("Label");
Contagem=(parseFloat(Cont));
b=parseFloat(nResults);
PLi=b/cTot;
selectWindow("Results");
run("Close");
//Verifica se a contagem de intersecções está entre 70 e 150
if(b<=70 || b>=150)
{
Aviso1=1;
verif=getBoolean("Contagem de intersecções = "+b+"."+"\n" +"O valor
recomendado deve estar entre 70 e 150. Deseja continuar?");
if(verif==0)
{
82
close();
run("Close");
exit("Análise cancelada pelo usuário.");
}
}
saveAs("Jpeg", dirtrab+nomepasta+Cont+".jpg");
close();
run("Close");
List.set("PLi"+(Contagem), PLi);
List.set("P"+(Contagem), b);
print("Imagem"+Contagem+": "+pastaimagem+nomeimagem);
List.set("P"+(Contagem), b);
//Salvar contagem em arquivo
loop=getBoolean("Deseja processar outra imagem?");
newloop=Cont+1;
List.set("laco",newloop);
} while (loop==1);
//FIM DO LOOP*************************************************************
//Obter lista de PLi
print("**************************************************************");
print("DADOS CALCULADOS");
print("");
if(Contagem<5)
{
print("AVISO: A análise deve ser realizada utilizando um número mínimo
de cinco campos.");
}
//Listar contagens de intersecções
print("Contagem de Intersecções");
for (i=1; i<=Contagem; i++) {
print("P"+i+" = "+List.get("P"+i));
83
}
somacont=0;
somacont += parseFloat(List.get("P"+i));
}
//Listar comprimento do intercepto
print("Comprimento médio do intercepto");
print("PLi"+i+" = "+List.get("PLi"+i));
}
//soma de PLi
soma=0;
soma += parseFloat(List.get("PLi"+i));
}
//Cálculo de Pl
print("Medidas de intercepto médio por imagem:");
Pl=(soma/Contagem);
print("Pl = "+Pl);
print("Somatório de PLi = "+soma);
print("Contagem de intersecções = "+somacont);
if(Aviso1==1)
{
print("*AVISO: Ocorreram contagens fora da faixa especificada (70 a 150 por
campo)."+"\n"+"A magnificação utilizada não é ideal para a medição.");
}
if((d2s((soma*cTot),0))<500)
{
print("*AVISO: A contagem total de intersecções deve ser de, no mínimo, 500.");
}
print("Comprimento das circunferências, por campo analisado = "+cTot+unit);
//Intercepto médio (l)
lMed=(1/Pl);
print("Comprimento médio do intercepto linear (=l) = "+lMed+unit);
84
//Desvio Padrão
soma2 += pow((parseFloat(List.get("PLi"+i))-Pl),2);
}
s=sqrt(soma2/(Contagem-1));
print("Desvio padrão de PLi (=s) = "+s);
//95% Confidence interval
//Carrega lista de valotes t95%
List.set("n5", 2.776);
List.set("n6", 2.571);
List.set("n7", 2.447);
List.set("n8", 2.365);
List.set("n9", 2.306);
List.set("n10", 2.262);
List.set("n11", 2.228);
List.set("n12", 2.201);
List.set("n13", 2.179);
List.set("n14", 2.160);
List.set("n15", 2.145);
List.set("n16", 2.131);
List.set("n17", 2.120);
List.set("n18", 2.110);
List.set("n19", 2.101);
List.set("n20", 2.093);
List.set("n21", 2.086);
List.set("n22", 2.080);
List.set("n23", 2.074);
List.set("n24", 2.069);
List.set("n25", 2.064);
List.set("n26", 2.060);
List.set("n27", 2.056);
List.set("n28", 2.052);
List.set("n29", 2.048);
List.set("n30", 2.045);
85
t=parseFloat(List.get("n"+Contagem));
print("t = "+t);
CI=(t*s)/sqrt(Contagem);
print("Intervalo de confiança 95% = "+CI);
//RA
RA=(CI*100)/Pl;
print("Relatve Accuracy (=RA) = "+RA+"%");
//Cálculo de G
lMedmm=(lMed/1000);
Gcalc=parseFloat(d2s(((-6.6438568*(log(lMedmm)/log(10)))-3.288),1));
print("Valor calculado de G = "+Gcalc);
G=Gcalc;
if (Gcalc<=0)
G="0";
if (Gcalc<=-0.5)
G="00";
print("**************************************************************");
print("TAMANHO DE GRÃO ASTM (G) = "+G);
//Salvar Arquivos de dados
selectWindow("Log");
saveAs("Text", dirtrab+"Relatorio.txt");
showMessage("Relatório Salvo", "O relatório da análise e as imagens analisadas foram salvos
em"+"\n"+dirtrab+".");
86
APÊNDICE C – RESULTADOS DETALHADOS DAS ANÁLISE DAS IMAGENS
Os resultados das análises individuais de cada imagem são apresentados a seguir,

agrupados por amostra.
A tabela 5 apresenta os resultados obtidos na análise da mostra 1, indicando os valores
de contagens de intersecções, valor médio de intercepto linear, intervalo de confiança das
medições de comprimento médio de intercepto linear e diversos parâmetros apresentados de
maneira comparativa nas figuras 20 a 24. Cabe ressaltar que a imagem 08 apresentou apenas
68 intersecções no método automático, valor considerado baixo pela norma.
TABELA 5 – Resultados da análise da amostra 1

Número de intersecções por comprimento linear
Contagem de Intersecções (Pi)
(PL)
Semi-
Imagem Automática Manual Automática Semi-automática Manual
automática
01 81 82 74 0,0647 0,0655 0,0543
02 75 88 93 0,0599 0,0703 0,0682
03 79 84 81 0,0631 0,0671 0,0594
04 79 82 87 0,0631 0,0655 0,0638
05 86 85 82 0,0687 0,0679 0,0601
06 94 92 90 0,0751 0,0735 0,0660
07 78 86 81 0,0623 0,0687 0,0594
08 68 83 89 0,0544 0,0663 0,0653
09 72 85 83 0,0576 0,0679 0,0609
10 83 81 80 0,0663 0,0647 0,0587
Soma 795 848 840 0,6532 0,6774 0,6160
Média 0,06532 0,06774 0,06160
Desvio Padrão (s) 0,0058 0,0026 0,0042
Comprimento médio do intercepto linear ( l ) (μm) 15,7431 14,7623 16,2338
Intervalo de confiança 95% de PL (IC 95%) 0,0042 0,0019 0,0030
Acurácia relativa (RA) de PL 6,5364 2,7819 4,8338
Valor de G calculado 8,6903 8,8759 8,6017
Valor de G conforme indicado na norma 8,7 8,9 8,6
87
A tabela 6 apresenta os mesmos resultados obtidos nas análises da amostra 2. Nesta

amostra, o número médio de intersecções por imagem foi mais alto, e nenhum valor ficou fora
da faixa especificada de 70 a 150 intersecções.

(PL)
Semi-
automática
01 109 116 117 0,0871 0,0972 0,0858
02 124 119 116 0,0991 0,0951 0,0851
03 120 117 113 0,0959 0,0935 0,0829
04 114 132 122 0,0911 0,1055 0,0895
05 108 121 116 0,0863 0,0967 0,0851
06 133 115 105 0,1063 0,0919 0,0770
07 120 126 120 0,0959 0,1007 0,0880
08 121 116 111 0,0967 0,0927 0,0814
09 111 105 108 0,0887 0,0839 0,0792
10 106 105 114 0,0847 0,0839 0,0836
Soma 1166 1172 1142 0,9318 0,9411 0,8375
Média 0,09318 0,09366 0,08375
Desvio Padrão (s) 0,0068 0,0066 0,0038
88
Os resultados da análise da amostra 3, mostrados na tabela 7, também não

apresentaram valores fora da faixa especificada.

(PL)
Semi-
automática
01 123 112 111 0,0983 0,0895 0,0814
02 116 102 96 0,0927 0,0815 0,0704
03 121 99 101 0,0967 0,0791 0,0704
04 141 115 98 0,1127 0,0919 0,0719
05 132 117 99 0,1055 0,0935 0,0726
06 122 99 96 0,0975 0,0791 0,0704
07 116 100 115 0,0927 0,0799 0,0843
08 126 108 113 0,1007 0,0863 0,0829
09 115 101 111 0,0919 0,0807 0,0814
10 122 110 111 0,0975 0,0879 0,0814
Soma 1234 1063 1051 0,9862 0,8494 0,7707
Média 0,09862 0,08494 0,07707
Desvio Padrão (s) 0,0064 0,0055 0,0057
89
A tabela 8 mostra os valores obtidos através dos três métodos de análise para a
amostra 4. A imagem 03 apresenta 69 intersecções, no método automático. Embora este valor
esteja abaixo da faixa especificada na norma, o valor é muito próximo da mesma.

(PL)
Semi-
automática
01 93 76 74 0,0743 0,0607 0,0543
02 86 71 82 0,0687 0,0568 0,0601
03 69 77 79 0,0552 0,0615 0,0579
04 96 75 79 0,0767 0,0599 0,0579
05 112 83 79 0,0895 0,0663 0,0579
06 88 82 86 0,0703 0,065 0,0631
07 78 74 71 0,0623 0,0591 0,0521
08 99 91 80 0,0791 0,0727 0,0587
09 90 78 75 0,0719 0,0623 0,0550
10 93 82 93 0,0743 0,0655 0,0682
Soma 904 789 798 0,7223 0,6303 0,5852
Média 0,07223 0,06303 0,05852
Desvio Padrão (s) 0,0093 0,0046 0,0046
90
Os valores obtidos nas análises da amostra 5 estão contidos na tabela 9. As imagens 08

e 09 apresentaram valores fora da faixa especificada na análise automática. O valor
encontrado na análise manual da imagem 09 coincide com a análise automática, enquanto a
análise semi automática apresenta o valor de 70 intersecções, batente mínimo estabelecido na
norma.

(PL)
Semi-
automática
01 85 75 76 0,0679 0,0599 0,0649
02 59 72 72 0,0472 0,0576 0,0614
03 77 78 79 0,0615 0,0623 0,0674
04 103 83 71 0,0823 0,0663 0,0606
05 83 74 76 0,0663 0,0591 0,0649
06 80 81 74 0,0639 0,0647 0,0631
07 72 78 74 0,0576 0,0623 0,0631
08 82 79 70 0,0655 0,0631 0,0597
09 65 70 65 0,0520 0,0560 0,0555
10 66 72 75 0,0528 0,0576 0,0640
Soma 772 762 732 0,6170 0,6089 0,6246
Média 0,06170 0,06089 0,06246
Desvio Padrão (s) 0,0100 0,0048 0,0033
91
Os valores obtidos nas análises da amostra 6 são apresentados na tabela 10. Esta
amostra não apresentou valores de contagens fora da faixa especificada.

(PL)
Semi-
automática
01 125 114 124 0,0201 0,0183 0,0184
02 122 103 111 0,0196 0,0166 0,0164
03 135 111 119 0,0217 0,0178 0,0176
04 125 100 113 0,0201 0,0161 0,0167
05 139 110 121 0,0223 0,0177 0,0179
06 130 114 130 0,0209 0,0183 0,0192
07 131 102 117 0,0211 0,0164 0,0173
08 124 106 120 0,0199 0,0170 0,0178
09 128 105 119 0,0206 0,0169 0,0176
10 134 108 111 0,0215 0,0174 0,0164
Soma 1293 1073 1185 0,2078 0,1725 0,1754
Média 0,02078 0,01725 0,01754
Desvio Padrão (s) 0,0009 0,0008 0,0009

TCC Alexandro Egidio Neis - Versao Final PDF

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

TCC Alexandro Egidio Neis - Versao Final PDF

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDADE DO VALE DO RIO DOS SINOS – UNISINOS

CIÊNCIAS EXATAS E TECNOLÓGICAS

CURSO DE ENGENHARIA MECÂNICA

ALEXANDRO EGIDIO NEIS

DETERMINAÇÃO DE TAMANHO DE GRÃO DE AÇOS VIA SOFTWARE PARA

DETERMINAÇÃO DE TAMANHO DE GRÃO DE AÇOS VIA SOFTWARE PARA

Trabalho de Conclusão apresentado como requisito

Orientador: André R. Froehlich

Um método automático para medição do tamanho de grão de aços ao carbono e baixa

Palavras chave: Tamanho de grão. Análise de imagens. Análise computadorizada. Aço

FIGURA 1 - Estruturas tridimensionais vistas no plano ..........................................................21

TABELA 1 – Eventos gerados pelo cruzamento da microestrutura com objetos de teste.......22

AISI – American Iron and Steel Institute

A análise metalográfica quantitativa pode ser considerada uma atividade demorada e

Neste capítulo serão abordados, de maneira sucinta, os principais assuntos envolvidos

2.2 TÉCNICAS METALOGRÁFICAS

2.2.1 Escolha da secção para análise

Este é o passo inicial da análise metalográfica, devendo ser cuidadosamente

2.2.2 Corte da amostra

O corte da peça é realizado de modo a obter amostras com dimensões adequadas ao

2.2.4 Desbaste e lixamento

Após o embutimento, segue a etapa de lixamento, na qual são eliminadas as

A etapa de polimento segue ao lixamento, removendo os riscos deixados pela última

No polimento mecânico é utilizada uma politriz. Esta é composta por um prato

A finalidade da realização do ataque é a obtenção de contraste entre as diversas fases

2.2.7 Observação da microestrutura

A análise micrográfica necessita da utilização de um microscópio, que fornece a

2.3 TÉCNICAS DE METALOGRAFIA QUANTITATIVA

2.3.1 Elementos tridimensionais da microestrutura

O espaço tridimensional, no interior de uma liga metálica, é ocupado por estruturas

FIGURA 1 - Estruturas tridimensionais vistas no plano

2.3.2 Medidas estereológicas

As estruturas tridimensionais têm propriedades geométricas que podem ser divididas

de linhas é aplicada sobre a microestrutura, enquanto uma matriz de pontos é aplicada na

TABELA 1 – Eventos gerados pelo cruzamento da microestrutura com objetos de teste

FIGURA 2 - Aplicação de malhas e realização de medidas

Como diversas outras disciplinas, a estereologia utiliza a sua própria notação. Os

TABELA 2 – Simbologia básica usada em estereologia

Segundo Russ e Dehoff (1999), os símbolos básicos geralmente possuem um índice

TABELA 3 – Relações básicas para valores esperados

2.3.3 Obtenção das medidas básicas

As medidas estereológicas básicas são obtidas através da medição direta sobre a

2.4 MEDIÇÃO DO TAMANHO DE GRÃO

Os metais são basicamente materiais policristalinos, contendo contornos internos

Em 1894, Albert Sauveur publicou o método planimétrico, que recebeu

2.5 NORMAS PARA MEDIÇÃO DO TAMANHO DE GRÃO

A primeira norma da ASTM a tratar do tamanho de grão foi a E2-17T, Methods of

K = 3,7 + 3,33Log ( Z ) (3)

onde m e Gm são definidos como na equação (2).

2.5.1 ASTM E 112

A norma ASTM E 112 apresenta basicamente três procedimentos para a determinação

função do número de interceptos ou interseções contados, sendo possível obter precisão

FIGURA 3 – Padrão de teste para contagem de interceptos

Todos os métodos de análise são complementados pelo tratamento estatístico dos

2.5.2 ASTM E 1382

2.6 ANÁLISE DE IMAGENS

A moderna tecnologia de informática tornou-se uma aliada poderosa em atividades

Realização de medições Resultado: dados

FIGURA 4 – Fluxograma das etapas de uma análise de imagens

2.6.1 Formação da imagem

A imagem digital é gerada quando um sinal analógico, representando a imagem, passa

FIGURA 5 – Efeitos da resolução e quantização