分区间曲线拟合的干涉条纹中心点提取方法 下载: 926次
1 引言
干涉位移测量系统是精密位移测量中常用的系统之一。干涉位移系统能够在激光波长测量精度的基础上根据物理特性检测位移,主要用于表面粗糙度分析、材料膨胀实验和气体浓度测量等方面[1-5]。气体浓度测量主要依据气体浓度变化使干涉条纹移动,再根据相关计算将条纹移动量换算成气体浓度变化[6],因此条纹移动量的计算是干涉位移测量系统的核心。目前,检测干涉条纹移动的方法主要有条纹中心线法和全灰度法[7]。条纹中心线法是对条纹图进行直接测量的方法,相比于全灰度法,此方法快捷、有效,可以显著提高测量精度[8]。条纹中心线法的核心是提取干涉条纹中心点,以此为基准,便可以计算干涉条纹的移动量。
传统的条纹中心位置提取方法主要有灰度阈值法、几何中心法和极值法等,特点是方法简单、快速,但精度不高[9-11]。此后在传统方法的基础上提出了一些改进算法:Steger[12]利用Hessian矩阵得到条纹图法线方向,将法线方向上的极值点作为条纹中心,该方法的精度高,鲁棒性强,但运算量大,无法应用于实时性要求高的场合;李涛涛等[13]提出基于高斯-洛伦兹分峰拟合的中心提取方法,该方法的适用性强,精度高,但耗时长; Li等[14]提出一种基于多高斯信号拟合的条纹中心提取算法,该方法的精度较高,但需要拟合的高斯信号较多,计算量大;蔡怀宇等[15-16]提出一种基于主成分分析,利用大津阈值法提取图像,在条纹法线方向进行二阶泰勒展开,实现结构光条纹中心提取的方法,但该方法没有充分考虑条纹的灰度分布,存在一定误差; Yin等[17]采用分段拟合的方法获得光滑连续的激光条纹中心线,但该方法局限于单个条纹的中心提取,需要对整个图像进行卷积运算。此外,研究人员还提出阈值轮廓跟踪算法[18]、二次平滑算法[19]、密度聚类算法[20]等。
上述方法虽在一定程度上提高了条纹中心提取的准确度,但适用性较低,存在一定的局限性,计算过程复杂、耗时长。本文提出一种基于分区间曲线拟合的干涉条纹中心点提取方法。该方法通过上位机实现,利用条纹灰度分布规律,在条纹法线方向上截取条纹灰度曲线邻近峰值的一段,分成递增与递减两个区间,进行两个方向曲线拟合,求得两段曲线拟合函数的交点即为干涉条纹中心点。
2 基本原理
2.1 干涉条纹图特性
各种干涉条纹图的光强(灰度)分布可表示为
式中:I0(x,y)为背景光强;I1(x,y)为条纹幅值;φ(x,y)为相位场;IARN(x,y)为加性随机噪声。
干涉条纹图的分布具有以下特征:
1) I(x,y)是唯一可测的量,下文采用3×N的像素矩阵形式。
2) 干涉条纹图是对相位场φ(x,y)的余弦调制结果,余弦调制即表现为条纹分布。由于cos φ(x,y)具有周期性,只能测量出相位场的2π主值。当只考虑cos φ(x,y)的影响时,条纹的中心骨架线点的相位为π的整数倍。余弦调制的结果表现在图形上即为明暗条纹,本实验选取亮条纹中心点,即寻找灰度图像的最大值[21]。
3) 相位场φ(x,y)的物理意义取决于所使用的实验技术,本实验选取雅满干涉仪形成的干涉条纹图。
条纹方位分布表示相位变化的梯度方向,对于条纹切线方向t,则有
对于条纹法线方向n,则有
式中:ρ为某个求导方向。从(2)~(5)式可以得出:条纹切线方向上,相位场与灰度变化近似为零;在条纹法线方向上,相位场与灰度梯度变化最大(
图 1. 干涉条纹图灰度分布。(a)切线方向;(b)法线方向
Fig. 1. Grayscale distribution of interference fringe. (a) Tangential direction; (b) normal direction
当灰度提取方向平行于条纹方向时,即
2.2 傅里叶级数曲线拟合
对于条纹中心附近区域,(1)式可改写为
式中:A为平均光强;B为干涉条纹幅值。根据(2)式并比较多种曲线拟合方法,决定采用傅里叶级数拟合曲线,其拟合函数形式如下:
可以利用f(x)近似I(x)替代,并且对于确定干涉条纹中心点问题,即x=0时,f(x)和I(x)的右端皆为常量,这是进行曲线拟合的理论基础。
(7)式中系数a0、a1、b1、a2、b2、ω均可用最小二乘法求解[22]。最小二乘法的误差和可表述为
式中:xi和yi分别表示m对拟合数据中第i对拟合数据的横、纵坐标值。
对(9)式进行一阶泰勒展开,可得
式中:x是由待测参数a0、a1、b1、a2、b2、ω组成的向量;x(k)表示解x的第k次近似;Ñfi(x(k))是fi在x(k)处的梯度;fi(x(k))表示fi在x(k)处的取值。用(10)式近似求解(9)式,则(8)式可表示为
令Ak=
通过(12)式可以直接求解误差函数Φ取最小值时x(k)的值。函数Φ在最小值点处满足线性方程:
当Ak为列满秩矩阵时,(13)式的解为
式中:x(k+1)表示(12)式的最优解在x(k)处的一阶近似值。(14)式可化简为
式中:Hk=2
2.3 图像预处理
本实验采用雅满干涉仪产生干涉条纹图,利用STM32F407FZG开发板控制ALIENTEK OV2640摄像头采集所需图像,采集到的干涉图像分辨率为640 pixel×480 pixel。在实验采集的图像中不可避免地存在噪声,这对于条纹灰度图的分析是不利的。因此,为了减小实验误差,要对图像进行滤波处理,以滤去噪声[23]。本实验选取图像RGB模型中的R值图像进行滤波处理,滤波器采用高斯低通滤波器,在保留原始条纹信息的基础上去除部分噪声。滤波前、后的图像如
图 2. 干涉条纹图。(a)原图像;(b)R值图;(c)高斯滤波图
Fig. 2. Interference fringe patterns. (a) Original image; (b) R-value image; (c) Gaussian filter image
3 实验与分析
3.1 高斯滤波
在干涉条纹图像R值图中截取法线方向的灰度分布图。由于噪声的存在,该灰度图像存在较多毛刺,极值点附近更甚,如
图 3. 法线方向灰度图。(a)原图;(b)高斯滤波后
Fig. 3. Grayscale along normal direction. (a) Original image; (b) after Gaussian filtering
3.2 分区间拟合
干涉条纹中心点理论上位于干涉条纹灰度图极大值处,但由于噪声对图像极值点影响较大,如果直接对曲线进行拟合,得出的结果误差很大;对滤除噪声后的图像来说,误差也较大。因此,为了减小误差,使结果更精确,本实验在高斯滤波后图像中截取部分曲线进行分区间拟合,如
1) 利用MATLAB软件编程,找出整段曲线的极值点横坐标值;
2) 某一极大值点的横坐标为a,其左右两边极小值点处横坐标值为b、c;
3) 对递增区间[b,a]和递减区间[a,c]分别进行曲线拟合,得出2段拟合函数,如
3.3 提取条纹中心点
将拟合函数f1(x)和f2(x)的定义域扩展至[b,c],如
图 8. 提取结果。(a)干涉条纹图;(b)中心线提取结果
Fig. 8. Extraction results. (a) Interference fringe pattern; (b) centerline extraction result
3.4 数据对比与分析
为证明本文方法的优势,在CPU为Pentium E5500,内存为3 GB的主机上,利用MATLAB 2014a开发环境,选用几种典型算法对大小为418 pixel×480 pixel的图像进行处理。
图 9. 干涉条纹图。(a)图像1;(b)图像2;(c)图像3;(d)图像4;(e)图像5
Fig. 9. Interference fringe patterns. (a) Image 1; (b) image 2; (c) image 3; (d) image 4; (e) image 5
表 1. 3种曲线拟合方法统计参数对比
Table 1. Comparison of statistical parameters of three curve fitting methods
|
表 2. 4种方法提取结果平均处理时间对比
Table 2. Comparison of average processing time of extracting results by four methods
|
为进一步验证所提方法的精度,利用计算机绘制出5幅形态不同,中心线已知的条纹图,如
图 10. 中心线已知的图像。(a)图像6;(b)图像7;(c)图像8;(d)图像9;(e)图像10
Fig. 10. Known centerline images. (a) Image 6; (b) image 7; (c) image 8; (d) image 9; (e) image 10
运用灰度阈值法、Steger法、灰度重心法以及本文方法分别对
表 3. 4种方法提取结果与标准值的方均根误差对比
Table 3. RMSE comparison between the extraction results of the four methods and the standard value
|
4 结论
为获取干涉条纹中心点,提出一种分区间曲线拟合的方法。通过对原始图像进行高斯低通滤波,滤去噪声,减小一部分误差;对干涉条纹图法线与切线方向进行对比,法线方向的相位场与灰度梯度变化最大,便于进行曲线拟合;通过比较,选取了傅里叶级数进行曲线拟合,并对两段拟合函数做差求零点,从而得到干涉条纹中心点。实验结果表明:分段曲线的拟合效果更好,能消除部分噪声的影响,精度较高,运算量小,运算速度快;相对于Steger算法,本文算法的速度提高了近10倍,能更稳定、准确地提取干涉条纹中心。本文算法可用于工业光干涉甲烷检测仪中,满足快速、准确、非接触测量的要求。
[3] 胡杨, 方素平. 线结构光条纹中心提取方法[J]. 激光与光电子学进展, 2021, 58(1): 0112005.
[5] 吴双乐, 胡慧然, 钟诗民, 等. 散斑干涉条纹区域的自动提取[J]. 光学学报, 2019, 39(12): 1212004.
[6] 沈英, 邵昆明, 吴靖, 等. 气体光学检测技术及其应用研究进展[J]. 光电工程, 2020, 47(4): 190280.
[7] 陈瑞改, 陈怀新. 干涉条纹中心线提取与细化的新方法[J]. 激光杂志, 2005, 26(5): 40-41.
[8] 宋爱群. 基于亚像素的干涉条纹精确定位技术的研究[D]. 厦门: 厦门大学, 2008: 32- 45.
Song AQ. Study of precise location of interference fringe centerlines based on the sub-pixel in digital image[D]. Xiamen: Xiamen University, 2008: 32- 45.
[9] 蔡怀宇, 于毅, 黄战华, 等. 一种基于曲线拟合提取干涉条纹中心点的新方法[J]. 光电子·激光, 2006, 17(1): 115-118.
Cai H Y, Yu Y, Huang Z H, et al. A new method of extracting the center interference fringes based on polynomial fitting[J]. Journal of Optoelectronics·Laser, 2006, 17(1): 115-118.
[11] 赵光兴, 陈洪璆, 杨国光. 干涉条纹的数据拟合方法[J]. 光学学报, 2000, 20(6): 797-800.
[12] Steger C. An unbiased detector of curvilinear structures[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1998, 20(2): 113-125.
[13] 李涛涛, 杨峰, 李石庚, 等. 基于高斯-洛伦兹分峰拟合的线结构光条中心的提取方法[J]. 激光与光电子学进展, 2019, 56(7): 071201.
[14] Li CL, Ye XF, GongY, et al.A center-line extraction algorithm of laser stripes based on multi-Gaussian signals fitting[C] //2016 IEEE International Conference on Information and Automation (ICIA), August 1-3, 2016, Ningbo, China.New York: IEEE Press, 2016: 189- 194.
[15] 蔡怀宇, 冯召东, 黄战华. 基于主成分分析的结构光条纹中心提取方法[J]. 中国激光, 2015, 42(3): 0308006.
[16] Sha C S, Hou J, Cui H X. A robust 2D Otsu's thresholding method in image segmentation[J]. Journal of Visual Communication and Image Representation, 2016, 41: 339-351.
[17] Yin X Q, Tao W, Feng Y Y, et al. Laser stripe extraction method in industrial environments utilizing self-adaptive convolution technique[J]. Applied Optics, 2017, 56(10): 2653-2660.
[18] 李伟明, 彭国, 高兴宇, 等. 线激光光条中心快速提取算法[J]. 中国激光, 2020, 47(3): 0304002.
[19] 杨毅, 闫兵, 董大伟, 等. 基于二次平滑算法的线结构光中心线提取方法[J]. 激光与光电子学进展, 2020, 57(10): 101504.
[20] 周渊, 孟祥群, 江登表, 等. 复杂干扰情况下的结构光条纹中心提取方法[J]. 中国激光, 2020, 47(12): 1204004.
[21] 刘剑, 刘丽华. 基于海森矩阵与区域增长的激光条纹中心提取[J]. 激光与光电子学进展, 2019, 56(2): 021203.
[22] 吴庆华, 周阳, 李子奇, 等. 双频曲线拟合线结构光条纹中心提取方法[J]. 激光与光电子学进展, 2020, 57(14): 141502.
[23] 师月山, 贺渝龙, 是度芳, 等. 二维多光束干涉图特征信息的提取[J]. 光电工程, 2001, 28(5): 58-61.
Shi Y S, He Y L, Shi D F, et al. Extraction of the characteristic information from 2-D multi-beam interferogram[J]. Opto-Electronic Engineering, 2001, 28(5): 58-61.
Article Outline
张瑞峰, 刘畅. 分区间曲线拟合的干涉条纹中心点提取方法[J]. 激光与光电子学进展, 2021, 58(8): 0812002. Ruifeng Zhang, Chang Liu. Interference Fringe Center Point Extraction Method Based on Interval Curve Fitting[J]. Laser & Optoelectronics Progress, 2021, 58(8): 0812002.