数字图像相关测量中, 相关计算前会人工选取散斑区域进行区域限定。随着工业自动化的发展, 面对散斑区域形状越来越复杂以及大量散斑图片的测量需求, 找到一种散斑区域自动提取方法至关重要。本文根据散斑的特征, 对比多种常规边缘检测方法, 提出了一种基于二阶梯度熵函数的散斑区域自动提取判定函数, 并通过分析不同的散斑图片, 确定了最佳子区熵尺寸区间以及在不同散斑图中的自适应阈值区间, 最终通过连通区域分割完成对散斑区域的自动提取。文中采用实际拍摄的散斑图对该方法进行验证, 实验结果表明: 子区熵尺寸取10 pixel以上, 该算法对散斑区域表现敏感; 自适应阈值取图中最大梯度熵值的Q-1.25至Q范围内时, 可以将散斑区域与背景区域有效分割。基本能完成对散斑区域的自动提取, 达到了相关计算前散斑区域选择的目的。

根据干涉条纹区域的特征,对比了多种常规的边缘检测方法,提出了一种基于二阶梯度熵函数的散斑干涉条纹区域自动提取的判定函数,并通过分析不同的散斑干涉条纹图片,确定了最佳的检验子区熵的尺寸区间以及不同干涉条纹图中的自适应阈值区间,最终通过连通区域分割完成对条纹区域的自动提取。对所提方法进行实验验证,结果表明:子区熵尺寸取15 pixel以上时,图片熵值的计算更准确;自适应阈值在[0,Qmax-1.25]中取值时(Qmax为图中最大梯度熵值),可以将干涉条纹区域与散斑背景区域有效分割,实现对散斑干涉条纹区域的自动提取。

在散斑干涉测量中,散斑相位图存在大量散斑噪声,需要对其进行滤波处理。但是,目前存在的滤波评价指标不适用于对单一图像持续滤波过程的判断,难以实现滤波过程的自动化。提出一种基于平滑样条拟合的滤波评价方法,通过对滤波过程中相位图的相位分布进行平滑样条拟合并计算其均方根误差,实现对滤波效果的定量分析,以及对持续滤波过程中的图像滤波完成情况的判断,并采用散斑干涉测量中的实验图像对所提方法进行实验验证。实验结果表明,该方法能有效判断散斑相位图是否滤波完成。最后通过对该方法判断的滤波完成图像进行解包裹处理,进一步验证了该方法的有效性和普适性。

针对目前光滑表面力学性能测试困难的情况, 建立了一种改进的数字激光散斑干涉测量系统。首先通过新的散斑干涉光路设计实现散斑照射, 同时采用空间载波傅里叶变换法, 对光滑零件加载变形的动态散斑干涉图像进行处理, 最后得到光滑表面的变形场分布情况。该方法不对被测表面进行任何处理, 可实现光滑表面的高精度全场变形测量。实验结果表明: 最大变形处为镜面板的中央, 测得最大变形量分别为1936、1861和1797 μm, 与中心变形预设值接近。该方法光路简单、测量方案切实可行, 能够实现光滑表面变形的快速动态测量。