Granulometria é o processo usado para medir objetos de diferentes tamanhos em imagens de material granular. Frequentemente algoritmos baseados em morfologia matemática ou detecção de arestas são utilizados para esta finalidade. Propomos uma nova abordagem para a granulometria utilizando correlações cruzadas com círculos de tamanhos diferentes. Esta técnica é primeiramente adequada para a detecção de objetos de formato circular, mas pode ser estendido para outras formas utilizando outros núcleos (kernels) de correlação. Experimentos mostram que o novo algoritmo é robusto ao ruído e pode detectar objetos com pouco contraste e/ou com sobreposição parcial. Este trabalho também apresenta características quantitativas estruturais da camada de silício poroso, obtidas aplicando o algoritmo proposto em imagens de microscopia eletrônica de varredura (MEV). O novo algoritmo, que chamamos Granul, calcula as áreas e frequências dos poros. Processamentos adicionais utilizando outros algoritmos classificam os poros em circulares ou quadrados. Relacionamos os resultados quantitativos obtidos com o processo de fabricação e discutimos o mecanismo de formação do poro quadrado no silício. O novo algoritmo mostrou-se confiável no processamento de imagens de MEV e é uma ferramenta promissora para controle no processo de formação dos poros. / Granulometry is the process of measuring the size distribution of objects in an image of granular material. Usually, algorithms based on mathematical morphology or edge detection are used for this task. We propose a entirely new approach for the granulometry using the cross correlations with circles of different sizes. This technique is primarily adequate for detecting circular shaped objects, but it can be extended to other shapes using other correlation kernels. Experiments show that the new algorithm is greatly robust to noise and can detect even faint objects and/or objects with partial superposition. This paper also reports the quantitative structural characteristics of the porous silicon layer based on the proposed algorithm applied to Scanning Electron Microscopy (SEM) images. The new algorithm, that we call Granul, computes the size distribution of pores and classifies the pores in circular or square ones. We relate these quantitative results to the fabrication process and discuss the square porous silicon formation mechanism. The new algorithm shows to be reliable in SEM images processing and is a promising tool to control the pores formation process.

Granulometria é o processo usado para medir objetos de diferentes tamanhos em imagens de material granular. Frequentemente algoritmos baseados em morfologia matemática ou detecção de arestas são utilizados para esta finalidade. Propomos uma nova abordagem para a granulometria utilizando correlações cruzadas com círculos de tamanhos diferentes. Esta técnica é primeiramente adequada para a detecção de objetos de formato circular, mas pode ser estendido para outras formas utilizando outros núcleos (kernels) de correlação. Experimentos mostram que o novo algoritmo é robusto ao ruído e pode detectar objetos com pouco contraste e/ou com sobreposição parcial. Este trabalho também apresenta características quantitativas estruturais da camada de silício poroso, obtidas aplicando o algoritmo proposto em imagens de microscopia eletrônica de varredura (MEV). O novo algoritmo, que chamamos Granul, calcula as áreas e frequências dos poros. Processamentos adicionais utilizando outros algoritmos classificam os poros em circulares ou quadrados. Relacionamos os resultados quantitativos obtidos com o processo de fabricação e discutimos o mecanismo de formação do poro quadrado no silício. O novo algoritmo mostrou-se confiável no processamento de imagens de MEV e é uma ferramenta promissora para controle no processo de formação dos poros. / Granulometry is the process of measuring the size distribution of objects in an image of granular material. Usually, algorithms based on mathematical morphology or edge detection are used for this task. We propose a entirely new approach for the granulometry using the cross correlations with circles of different sizes. This technique is primarily adequate for detecting circular shaped objects, but it can be extended to other shapes using other correlation kernels. Experiments show that the new algorithm is greatly robust to noise and can detect even faint objects and/or objects with partial superposition. This paper also reports the quantitative structural characteristics of the porous silicon layer based on the proposed algorithm applied to Scanning Electron Microscopy (SEM) images. The new algorithm, that we call Granul, computes the size distribution of pores and classifies the pores in circular or square ones. We relate these quantitative results to the fabrication process and discuss the square porous silicon formation mechanism. The new algorithm shows to be reliable in SEM images processing and is a promising tool to control the pores formation process.