現今土木領域中，結構物設計時不僅考慮地震力，也需考慮風力所造成的影響，透過風洞試驗可大致了解建物受風情形，當風洞實驗中產生紊流流場，其局部細節很難以透過數值模擬，但可以透過在實驗中放煙來進行粒子拍攝，以PIV粒子圖像測速法程式分析出移動量及方向，進而還原出真實流場變化情形。
    研究的目的為建立粒子移動軌跡影像分析之基礎知識，在未來的水洞試驗、煙流試驗，透過添加粒子於流體中，藉由雷射等光源照射下，以高速攝影機進行拍攝粒子反射所產生光點，可得出兩張不同時間步的粒子圖片，利用PIV繪製出的速度場圖，可得出流場變化量達到流場的判讀。
    研究主要利用互相關對兩張不同時間步的圖片做辨識，將取得的圖片進行影像強化及灰階等前處理，將圖片以二維矩陣代表，將圖片切割成多個一致的尺寸，對每個數列以互相關計算關聯性，得出關聯性最高的點，繪製出關聯性的三軸圖，可推斷出移動方向繪製出一個向量，將其他切割的圖片都做互相關，變求得整體的速度場圖。
    研究案例分為3個部分，第一部分以Python生成不同大小的圖片，比較各個模型參數的關係，第二部分以FDS模擬建物周圍風場，第三部分以Tecplot模擬街谷效應，判斷成果上能判斷出主要流場，細部流場可透過將圖片切割成更小尺寸或將拍攝範圍縮小，進行修正。
    後續除了提升模型適用性及準確性外，期望能延伸應用到其他風工程實驗的應用中，建立不同拍攝圖片的自動輔助判斷系統，透過將多個連續時間步的圖片進行辨識，比較各個速度場圖以求得較複雜的流場變化。

Nowadays, the influence of not only seismic force but also wind force must be considered when design of structures. Wind tunnel tests can help us roughly understand the wind effects on buildings. When turbulent is generated in wind tunnel experiments, its local details are difficult to measure by numerical simulation. We can release smoke during experiments to shoot particle photographs, and use PIV (Particle Image Velocimetry) program to analyze the moving distances and directions of particles. Then, the real flow field changes can be reestablished.
    The purpose of the study is to establish the basic knowledge of particle trajectory image analysis. Adding particles in future water tunnel and smoke in wind tunnel tests, we can use high-speed camera to capture the reflection of particles illuminated by laser. Two particle pictures at different time steps can be obtained, and the velocity field diagram drawn by PIV can be used to obtain the interpretation of the flow field change amount.
    The concept of the study is using cross-correlation to identify two pictures at different time steps. The research performs pre-processing such as image enhancement and grayscale on the obtained pictures, represents the pictures by two-dimensional matrix, and cuts the pictures into multiple consistent sizes. The cross-correlation of each series is calculated, a three-axis diagram of relevance is drawn, the point of highest correlation can be identified, and then the velocity vector can be determined. The process repeats for every picture cut to obtain the whole velocity field.
    The case study consists of three parts. The first part used Python to generate images of different sizes and compared the relationship between each model parameter. The second part used FDS to simulate the wind field around a building, and the third part used Tecplot to simulate the street valley effect. The main flow field can be identified. However, the detailed flow field needs to be corrected by cutting the image into smaller sizes or reducing the image capturing range.
    In addition to improving the applicability and accuracy of the model in the future, it is hoped the model can be applied to other wind engineering experiments. An automatic auxiliary judgment system for model parameter selection according to different image characteristics and the ability to identify velocity fields of multiple consecutive time step images are desired future research directions.

目錄
第一章 緒論 1
1.1 研究動機與目的 1
1.2 研究方法 2
1.3 論文架構 3
第二章 文獻回顧 4
2.1 文獻探討 4
2.2 OpenPIV介紹	6
2.3 FDS及Pyrosim簡介 9
2.4 Tecplot介紹 10
第三章 粒子影像拍攝實驗及PIV參數設定探討 11
3.1 研究架構 11
3.2 資料前處理 11
3.2.1 影像強化與灰階處理 12
3.3 水洞實驗 14
3.4 不同案例辨識結果 16
3.4.1 分析主要參數意義 16
3.4.2 不同帶寬、方向比較 27
3.4.3 不同密度對辨識的影響 29
3.4.4 不同流速對辨識的影響 33
第四章 粒子移動軌跡影像分析應用案例及成果討論 35
4.1 Python生成圖測試 35
4.1.1 垂直移動 36
4.1.2 單旋轉 38
4.1.3 雙旋轉 40
4.2 FDS模擬圖驗證 43
4.2.1 室內通風(雙開口) 43
4.2.2 雙棟建物 46
4.3 Tecplot模擬圖 48
4.4 三種案例成果比較 51
第五章 結論與建議 53
5.1 結論 53
5.2 建議 55
參考文獻	56
［附錄A］Python模擬圖 58
64*64 Pixels 水平移動 58
128*128 Pixels 水平移動 61
不同流速	64
［附錄B］Python模擬圖 65
垂直移動	65
單旋轉 67
雙旋轉 69
［附錄C］FDS模擬圖 71
建物通風(雙開口) 71
雙棟建物	73
［附錄D］Tecplot模擬圖 76
街谷效應	76

圖目錄
圖2-1 OpenPIV架構圖 6
圖2-2 圖像遮罩計算關聯性圖 7
圖2-3 高速攝影機拍攝粒子圖 7
圖2-4 關聯性地圖 8
圖2-5 速度場圖 8
圖3-1 強化前後對比圖 13
圖3-2 水洞實驗拍攝圖 14
圖3-3 影像強化後的水洞實驗圖 15
圖3-4 影像強化後的OpenPIV速度場圖 15
圖3-5 不同閥值對圖片的影響 18
圖3-6 Python生成64*64大小的粒子圖 19
圖3-7 Window size = 12時不同Search size的比較 20
圖3-8 Window size = 16時不同Search size的比較 21
圖3-9 Window size = 20時不同Search size的比較 22
圖3-10 Python生成128*128 Pixels粒子圖 23
圖3-11 Window size = 20時不同Search size的比較 24
圖3-12 Window size = 24時不同Search size的比較 25
圖3-13 Window size = 32時不同Search size的比較 26
圖3-14 三條不同帶寬、方向粒子圖	27
圖3-15 OpenPIV在不同參數設定下的判斷結果 28
圖3-16 1倍密度粒子圖 29
圖3-17 0.5倍密度粒子圖 30
圖3-18 2倍密度粒子圖 30
圖3-19 OpenPIV在不同參數設定下的判斷結果 34
圖4-1 Python生成垂直向下移動粒子圖 36
圖4-2 垂直的圖片在不同參數設定下的OpenPIV速度場圖 37
圖4-3 Python生成單旋轉移動粒子圖 38
圖4-4 單旋轉的圖片在不同參數設定下的OpenPIV速度場圖 39
圖4-5 Python生成雙旋轉移動粒子圖 40
圖4-6 雙旋轉的圖片在不同參數設定下的OpenPIV速度場圖 42
圖4-7 室內通風模擬示意圖及橫切面粒子圖 43
圖4-8 影像強化後的圖片 44
圖4-9 OpenPIV在不同參數設定下與FDS速度場圖做比較 45
圖4-10 雙棟建物模擬示意圖及橫切面粒子圖 46
圖4-11 影像強化後橫切面粒子圖 46
圖4-12 不同參數設定下的判斷結果，(d)為FDS輸出的速度場圖 47
圖4-13 Tecplot模擬圖示意圖 48
圖4-14 Tecplot影像強化粒子圖 49
圖4-15 OpenPIV辨識成果與Tecplot比較 50

圖A-1 W12 S16 T1.3判斷結果 58
圖A-2 W12 S16 T1.5判斷結果 58
圖A-3 W12 S16 T1.7判斷結果 58
圖A-4 W12 S24 T1.3判斷結果 58
圖A-5 W12 S24 T1.5判斷結果 58
圖A-6 W12 S24 T1.7判斷結果 58
圖A-7 W12 S30 T1.3判斷結果 58
圖A-8 W12 S30 T1.5判斷結果 58
圖A-9 W12 S30 T1.7判斷結果 58
圖A-10 W16 S24 T1.3判斷結果 59
圖A-11 W16 S24 T1.5判斷結果 59
圖A-12 W16 S24 T1.7判斷結果 59
圖A-13 W16 S32 T1.3判斷結果 59
圖A-14 W16 S32 T1.5判斷結果 59
圖A-15 W16 S32 T1.7判斷結果 59
圖A-16 W16 S40 T1.3判斷結果 59
圖A-17 W16 S40 T1.5判斷結果 59
圖A-18 W16 S40 T1.7判斷結果 59
圖A-19 W20 S30 T1.3判斷結果 60
圖A-20 W20 S30 T1.5判斷結果 60
圖A-21 W20 S30 T1.7判斷結果 60
圖A-22 W20 S40 T1.3判斷結果 60
圖A-23 W20 S40 T1.5判斷結果 60
圖A-24 W20 S40 T1.7判斷結果 60
圖A-25 W20 S50 T1.3判斷結果 60
圖A-26 W20 S50 T1.5判斷結果 60
圖A-27 W20 S50 T1.7判斷結果 60
圖A-28 W20 S30 T1.3判斷結果 61
圖A-29 W20 S30 T1.5判斷結果 61
圖A-30 W20 S30 T1.7判斷結果 61
圖A-31 W20 S40 T1.3判斷結果 61
圖A-32 W20 S40 T1.5判斷結果 61
圖A-33 W20 S40 T1.7判斷結果 61
圖A-34 W20 S50 T1.3判斷結果 61
圖A-35 W20 S50 T1.5判斷結果 61
圖A-36 W20 S50 T1.7判斷結果 61
圖A-37 W24 S36 T1.3判斷結果 62
圖A-38 W24 S36 T1.5判斷結果 62
圖A-39 W24 S36 T1.7判斷結果 62
圖A-40 W24 S48 T1.3判斷結果 62
圖A-41 W24 S48 T1.5判斷結果 62
圖A-42 W24 S48 T1.7判斷結果 62
圖A-43 W24 S60 T1.3判斷結果 62
圖A-44 W24 S60 T1.5判斷結果 62
圖A-45 W24 S60 T1.7判斷結果 62
圖A-46 W32 S48 T1.3判斷結果 63
圖A-47 W32 S48 T1.5判斷結果 63
圖A-48 W32 S48 T1.7判斷結果 63
圖A-49 W32 S64 T1.3判斷結果 63
圖A-50 W32 S64 T1.5判斷結果 63
圖A-51 W32 S64 T1.7判斷結果 63
圖A-52 W32 S80 T1.3判斷結果 63
圖A-53 W32 S80 T1.5判斷結果 63
圖A-54 W32 S80 T1.7判斷結果 63
圖A-55 W24 S48 T1.3判斷結果 64
圖A-56 W24 S48 T1.5判斷結果 64
圖A-57 W24 S48 T1.7判斷結果 64
圖A-58 W24 S60 T1.3判斷結果 64
圖A-59 W24 S60 T1.5判斷結果 64
圖A-60 W24 S60 T1.7判斷結果 64
圖A-61 W24 S72 T1.3判斷結果 64
圖A-62 W24 S72 T1.5判斷結果 64
圖A-63 W24 S72 T1.7判斷結果 64
圖B-1 W24 S48 T1.3判斷結果 65
圖B-2 W24 S48 T1.5判斷結果 65
圖B-3 W24 S48 T1.7判斷結果 65
圖B-4 W24 S60 T1.3判斷結果 65
圖B-5 W24 S60 T1.5判斷結果65
圖B-6 W24 S60 T1.7判斷結果 65
圖B-7 W24 S72 T1.3判斷結果 65
圖B-8 W24 S72 T1.5判斷結果 65
圖B-9 W24 S72 T1.7判斷結果 65
圖B-10 W32 S64 T1.3判斷結果 66
圖B-11 W32 S64 T1.5判斷結果 66
圖B-12 W32 S64 T1.7判斷結果 66
圖B-13 W32 S80 T1.3判斷結果 66
圖B-14 W32 S80 T1.5判斷結果 66
圖B-15 W32 S80 T1.7判斷結果 66
圖B-16 W32 S96 T1.3判斷結果 66
圖B-17 W32 S96 T1.5判斷結果 66
圖B-18 W32 S96 T1.7判斷結果 66
圖B-19 W24 S48 T1.3判斷結果 67
圖B-20 W24 S48 T1.5判斷結果 67
圖B-21 W24 S48 T1.7判斷結果 67
圖B-22 W24 S60 T1.3判斷結果 67
圖B-23 W24 S60 T1.5判斷結果 67
圖B-24 W24 S60 T1.7判斷結果 67
圖B-25 W24 S72 T1.3判斷結果 67
圖B-26 W24 S72 T1.5判斷結果 67
圖B-27 W24 S72 T1.7判斷結果 67
圖B-28 W32 S64 T1.3判斷結果 68
圖B-29 W32 S64 T1.5判斷結果 68
圖B-30 W32 S64 T1.7判斷結果 68
圖B-31 W32 S80 T1.3判斷結果 68
圖B-32 W32 S80 T1.5判斷結果 68
圖B-33 W32 S80 T1.7判斷結果 68
圖B-34 W32 S96 T1.3判斷結果 68
圖B-35 W32 S96 T1.5判斷結果 68
圖B-36 W32 S96 T1.7判斷結果 68
圖B-37 W24 S48 T1.3判斷結果 69
圖B-38 W24 S48 T1.5判斷結果 69
圖B-39 W24 S48 T1.7判斷結果 69
圖B-40 W24 S60 T1.3判斷結果 69
圖B-41 W24 S60 T1.5判斷結果 69
圖B-42 W24 S60 T1.7判斷結果 69
圖B-43 W24 S72 T1.3判斷結果 69
圖B-44 W24 S72 T1.5判斷結果 69
圖B-45 W24 S72 T1.7判斷結果 69
圖B-46 W32 S64 T1.3判斷結果 70
圖B-47 W32 S64 T1.5判斷結果 70
圖B-48 W32 S64 T1.7判斷結果 70
圖B-49 W32 S80 T1.3判斷結果 70
圖B-50 W32 S80 T1.5判斷結果 70
圖B-51 W32 S80 T1.7判斷結果 70
圖B-52 W32 S96 T1.3判斷結果 70
圖B-53 W32 S96 T1.5判斷結果 70
圖B-54 W32 S96 T1.7判斷結果 70
圖C-1 W24 S48 T1.3判斷結果 71
圖C-2 W24 S48 T1.5判斷結果 71
圖C-3 W24 S48 T1.7判斷結果 71
圖C-4 W24 S60 T1.3判斷結果 71
圖C-5 W24 S60 T1.5判斷結果 71
圖C-6 W24 S60 T1.7判斷結果 71
圖C-7 W24 S72 T1.3判斷結果 71
圖C-8 W24 S72 T1.5判斷結果 71
圖C-9 W24 S72 T1.7判斷結果 71
圖C-10 W32 S64 T1.3判斷結果 72
圖C-11 W32 S64 T1.5判斷結果 72
圖C-12 W32 S64 T1.7判斷結果 72
圖C-13 W32 S80 T1.3判斷結果 72
圖C-14 W32 S80 T1.5判斷結果 72
圖C-15 W32 S80 T1.7判斷結果 72
圖C-16 W32 S96 T1.3判斷結果 72
圖C-17 W32 S96 T1.5判斷結果 72
圖C-18 W32 S96 T1.7判斷結果 72
圖C-19 W20 S40 T1.3判斷結果 73
圖C-20 W20 S40 T1.5判斷結果 73
圖C-21 W20 S40 T1.7判斷結果 73
圖C-22 W20 S50 T1.3判斷結果 73
圖C-23 W20 S50 T1.5判斷結果 73
圖C-24 W20 S50 T1.7判斷結果 73
圖C-25 W20 S60 T1.3判斷結果 73
圖C-26 W20 S60 T1.5判斷結果 73
圖C-27 W20 S60 T1.7判斷結果 73
圖C-28 W24 S48 T1.3判斷結果 74
圖C-29 W24 S48 T1.5判斷結果 74
圖C-30 W24 S48 T1.7判斷結果 74
圖C-31 W24 S60 T1.3判斷結果 74
圖C-32 W24 S60 T1.5判斷結果 74
圖C-33 W24 S60 T1.7判斷結果 74
圖C-34 W24 S72 T1.3判斷結果 74
圖C-35 W24 S72 T1.5判斷結果 74
圖C-36 W24 S72 T1.7判斷結果 74
圖C-37 W32 S64 T1.3判斷結果 75
圖C-38 W32 S64 T1.5判斷結果 75
圖C-39 W32 S64 T1.7判斷結果 75
圖C-40 W32 S80 T1.3判斷結果 75
圖C-41 W32 S80 T1.5判斷結果 75
圖C-42 W32 S80 T1.7判斷結果 75
圖C-43 W32 S96 T1.3判斷結果 75
圖C-44 W32 S96 T1.5判斷結果 75
圖C-45 W32 S96 T1.7判斷結果 75
圖D-1 W16 S32 T1.3判斷結果 76
圖D-2 W16 S32 T1.5判斷結果 76
圖D-3 W16 S32 T1.7判斷結果 76
圖D-4 W16 S40 T1.3判斷結果 76
圖D-5 W16 S40 T1.5判斷結果 76
圖D-6 W16 S40 T1.7判斷結果 76
圖D-7 W16 S48 T1.3判斷結果 76
圖D-8 W16 S48 T1.5判斷結果 76
圖D-9 W16 S48 T1.7判斷結果 76
圖D-10 W20 S40 T1.3判斷結果 77
圖D-11 W20 S40 T1.5判斷結果 77
圖D-12 W20 S40 T1.7判斷結果 77
圖D-13 W20 S50 T1.3判斷結果 77
圖D-14 W20 S50 T1.5判斷結果 77
圖D-15 W20 S50 T1.7判斷結果 77
圖D-16 W20 S60 T1.3判斷結果 77
圖D-17 W20 S60 T1.5判斷結果 77
圖D-18 W20 S60 T1.7判斷結果 77

表目錄
表3-1 基本參數介紹 17
表3-2不同密度判斷成果比較 31
表4-1三種案例比較 51
表4-2三種不同情形的OpenPIV比較 52

[1] Richard D. Keane 、 Ronald J. Adrian(1992), “Theory of cross-correlation analysis of PIV images,” Applied Scientific Research, 49, 191-215”
[2] C.D. Meinhart & A.K. Prasad & R.J. Adrian(1993), “A parallel digital processor system for particle image velocimetry,” Measurement Science and Technology, 4, 619-626
[3] 曾沐崧(2011), “以空照應用PIV探討大安溪蘭勢大橋河段變遷”, 交通大學土木工程學系碩士論文
[4] 曾威甯(2016), “平面突起翼型周圍渦流場之可視化與PIV量測”, 海洋大學系統工程暨造船學系碩士論文
[5] OpenPIV影像辨識基礎。檢自: https://share.cocalc.com/share/93953ce3e2ad89e02708836348769d4f46ef9179/PIV_Basics.html?viewer=share
[6] 互相關於二維數值應用。檢自 : http://paulbourke.net/miscellaneous/correlate/
[7] Pyrosim 基本介紹。檢自: https://www.thunderheadeng.com/pyrosim/pyrosim-features/
[8] Tecplot 基本介紹。檢自: https://www.tecplot.com/products/tecplot-360/
[9] PIL圖像灰階處理。檢自: https://pillow.readthedocs.io/en/stable/
[10] Pyrosim應用範例。檢自: https://www.thunderheadeng.com/pyrosim/fundamentals/#air_movement