基于傅里叶-极坐标变换的光带图像局部弯曲检测 下载: 933次
ing at the laser stripe images with the local bending obtained by the laser triangulation measurement system, a method based on the Fourier-polar transformation algorithm to measure the local bending is proposed. Through the computing, the normal direction of laser stripe is obtained. The gray projection of the spatial-domain image along the normal direction is conducted, and the magnitude of the local bending is obtained directly. This method has advantages of a simple computing process and high immunity to random noises and the non-uniform intensity distribution of laser stripe. The theoretical analysis and experimental test verify the effectiveness of this method.
1 引言
在基于激光三角测量原理的线结构光测量系统中,激光器发射出的一字线结构光投射至被测物体(如工件、印刷电路板等)表面,经物体表面高度信息调制后的激光光带含有物体的三维轮廓信息。通过分析光带图像可以获得被测物体的三维(3D)几何尺寸[1-4],该方法可用于质量检验、逆向工程、产品建模等领域中。这种结构光视觉测量技术具有非接触、快速、灵活性强等优势,已发展成为最为有效的3D测量技术之一[5]。
在工程实际中,有一类细长型、板条状产品,如雪糕棒、木地板等,其材质较软、外形结构特殊,容易发生弯曲变形。其中有一类弯曲在工程上称作死弯,即局部弯曲。局部弯曲的特点是在产品表面出现局部小面积的凹陷或凸起,较大区域仍为平面。对这类产品进行质量检测时,对局部弯曲程度有着严格的规定。含有局部弯曲信息的光带图像,绝大部分光带均保持直线特征,只是局部区域出现一定程度的弯曲变形。对于这类含有局部弯曲光带图像,一般可以通过传统直线检测技术进行分析处理,如光带中心提取[6-7]结合最小二乘拟合法、Hough变换[8]、Radon变换[9]、边缘跟踪算法[10]等。目前,这些处理算法一般需要对目标图像进行阈值分割、轮廓提取或其他预处理操作,处理过程繁琐,当图像信噪比偏低、光带强度不均匀、光带强度较低或光带宽度较宽时,它们的适应能力和检测精度将明显降低。
光带图像边缘沿法线方向的灰度具有最大的变化率,即灰度梯度最大,在频域中主要表现为高频成分,因此幅度谱能量分布总会沿光带的法线方向伸展。傅里叶变换具有平移不变性,光带目标位于图像中任意位置时,其幅度谱始终以频谱图像的中心(即零频位置)为原点。极坐标变换可将笛卡儿坐标下的旋转成分转化为平移成分。本文将这两者结合起来,对光带图像进行傅里叶变换,再以幅度谱中心为原点进行极坐标变换,由此得到光带目标的法线方向,进而对光带图像在法线方向上进行灰度投影,得到光带目标的局部弯曲量。
文献[ 11-12]提到的算法是对经极坐标变换后的空域图像进行傅里叶变换,严格意义上应称为极坐标-傅里叶变换,主要用到旋转不变特征,用于两幅图像间的配准或图像检索。本文采用傅里叶-极坐标变换算法检测光带的局部弯曲,该方法无需对图像进行滤波、阈值分割等预处理操作,利用图像频域的整体信息,对噪声、降质图像具有很好的适应性,检测步骤简捷,检测结果更为准确。
2 傅里叶-极坐标变换
2.1 二维傅里叶变换的平移与旋转特性
假设图像
式中
设
式中
设
(3)式显示,幅度谱与平移(
图 1. 二维傅里叶变换的平移和旋转特性。(a) f1; (b) f2; (c) M1; (d) M2
Fig. 1. Translation and rotation characteristics of 2D Fourier transformation. (a) f1; (b) f2; (c) M1; (d) M2
与空间域图像具有相同的旋转角度
二维傅里叶变换的平移与旋转特性可用
幅度谱的能量分布总是沿目标图像灰度变化的最大梯度方向,对于
图 2. 用于估计幅度谱中能量随角度变化关系时的扇形区域
Fig. 2. Fan-shaped area used to evaluate relationship between energy and angle in magnitude spectrum
计算幅度谱
式中
2.2 极坐标变换
事实上,幅度谱为离散信号,(4)式中的
笛卡儿坐标系中幅度谱的某一像素(
式中
极坐标变换的示意图如
图 3. 极坐标变换示意图。(a)笛卡儿坐标系; (b)极坐标系
Fig. 3. Schematic of polar transformation. (a) Cartesian coordinate; (b) polar coordinate
为了得到更准确的
图 5. 图1所示幅度谱的极坐标变换。(a) M1; (b) M2
Fig. 5. Polar transformation of magnitude spectra shown in Fig. 1. (a) M1; (b) M2
2.3 光带法线方向的计算
通过傅里叶-极坐标变换,可将(4)式表示的幅度谱扇形区域的积分转化为极坐标系中沿
当
根据
3 基于方向投影的光带位置检测
一幅图像在给定角度
式中
根据计算出的法线角度(
图 8. 图1中图像在目标法线方向上的投影曲线。(a) f1; (b) f2
Fig. 8. Projection curves along normal direction of images shown in Fig.1. (a) f1; (b) f2
4 光带图像局部弯曲的工程测量实验
针对长度为114 mm的细长平面木制品建立了形状误差检测的激光三角测量系统,激光器发出线结构光投射在产品表面。若表面出现局部凸起或凹陷时,光带图像将发生变形。
实验中采集到的两幅大小为1250 pixel×280 pixel的光带图像如
图 9. 光带图像局部弯曲的实验检测结果。 (a)(b) 实验采集的光带图像; (c)(d)经傅里叶-极坐标变换后得到的h(?); (e)(f) 光带图像在法线方向上的投影曲线
Fig. 9. Experimental detecting results of local bending of laser stripe images. (a) (b) laser stripe images recorded in experiment; (c) (d) h(?) obtained after Fourier-polar transformation; (e) (f) projection curves of laser stripe images along normal direction
5 方法的性能测试及讨论
为了进一步验证所提方法的性能,在
图 10. 含有局部污染并加入高斯噪声的光带图像的实验结果。(a)光带图像; (b) 傅里叶-极坐标变换结果与h(?); (c) 光带图像在法线方向上的投影曲线
Fig. 10. Experimental results of laser stripe images with local contamination and Gaussian noises. (a) Laser stripe image; (b) Fourier-polar transformation result and h(?); (c) projection curve of laser stripe image along normal direction
图 11. 灰度重心法对图10(a)中心线的提取结果
Fig. 11. Extracting result of center-line in Fig. 10(a) by gray level gravity algorithm
传统方法一般需要提取光带中心线,采用直线拟合算法(如最小二乘法或者Hough变换法)得到直线参数,进而计算拟合直线与中心线上最远点之间的距离,由此得到弯曲量。光带中心线提取与直线拟合过程均会引入计算误差,尤其是光带目标偏低的信噪比会对中心线提取算法的稳健性提出更高要求。
上述分析表明,当光带目标的宽度及强度出现不均匀分布、图像中存在较大随机噪声时,所提方法仍能实现准确检测;而一些传统方法既不能直接获得被测结果,还容易受光带图像质量的影响。
6 结论
利用基于一字单线结构光的三角测量技术测量平板的局部起伏时,关键技术是对采集到的光带图像进行局部弯曲检测,重点对光带图像的处理方法进行了研究。采用傅里叶-极坐标变换算法估计光带目标的法线方向,对光带图像进行了灰度方向投影以实现光带目标检测,由投影曲线直接计算得到了光带局部弯曲量。检测算法只包括傅里叶变换、极坐标变换与灰度投影三个处理过程,无需对原始图像进行预处理操作,无需人工参与,算法简捷。通过三个实际光带图像的检测实验,证实了该方法应用于光带局部弯曲检测及直线类目标检测的有效性,该方法对随机噪声、光带强度不一致分布等情况具有较好的免疫力。
[2] 周兴敏, 刘恒彪, 葛剑敏. 激光三角测量中物面反射光斑重心偏移的修正[J]. 光学学报, 2015, 35(5): 0512001.
周兴敏, 刘恒彪, 葛剑敏. 激光三角测量中物面反射光斑重心偏移的修正[J]. 光学学报, 2015, 35(5): 0512001.
[3] 李冠楠, 谭庆昌, 寇莹, 等. 一字线结构光三维测量模型的新型标定方法[J]. 光子学报, 2013, 42(11): 1334-1339.
李冠楠, 谭庆昌, 寇莹, 等. 一字线结构光三维测量模型的新型标定方法[J]. 光子学报, 2013, 42(11): 1334-1339.
[4] 苏显渝, 张启灿, 陈文静. 结构光三维成像技术[J]. 中国激光, 2014, 41(2): 0209001.
苏显渝, 张启灿, 陈文静. 结构光三维成像技术[J]. 中国激光, 2014, 41(2): 0209001.
[5] 张曦, 张健. 线结构光标定方法综述[J]. 激光与光电子学进展, 2018, 55(2): 020001.
张曦, 张健. 线结构光标定方法综述[J]. 激光与光电子学进展, 2018, 55(2): 020001.
[6] 胡坤, 周富强, 张广军. 一种快速结构光条纹中心亚像素精度提取方法[J]. 仪器仪表学报, 2006, 27(10): 1326-1327.
胡坤, 周富强, 张广军. 一种快速结构光条纹中心亚像素精度提取方法[J]. 仪器仪表学报, 2006, 27(10): 1326-1327.
Hu K, Zhou F Q, Zhang G J. Fast extraction method for sub-pixel center of structural light stripe[J]. Chinese Journal of Scientific Instrument, 2006, 27(10): 1326-1327.
[7] 吴庆阳, 苏显渝, 李景镇, 等. 一种新的线结构光光带中心提取算法[J]. 四川大学学报(工程科学版), 2007, 39(4): 151-155.
吴庆阳, 苏显渝, 李景镇, 等. 一种新的线结构光光带中心提取算法[J]. 四川大学学报(工程科学版), 2007, 39(4): 151-155.
Wu Q Y, Su X Y, Li J Z, et al. A new method for extracting the centre-line of line structure light-stripe[J]. Journal of Sichuan University (Engineering Science Edition), 2007, 39(4): 151-155.
[9] 张锁平, 张春田. 基于Radon 变换和梯度跟踪的海岸线提取算法[J]. 光电工程, 2009, 36(3): 57-62.
张锁平, 张春田. 基于Radon 变换和梯度跟踪的海岸线提取算法[J]. 光电工程, 2009, 36(3): 57-62.
[10] 屈彬, 王景熙, 郑昌琼, 等. 一种基于区域生长规则的快速边缘跟踪算法[J]. 四川大学学报(工程科学版), 2002, 34(2): 100-103.
屈彬, 王景熙, 郑昌琼, 等. 一种基于区域生长规则的快速边缘跟踪算法[J]. 四川大学学报(工程科学版), 2002, 34(2): 100-103.
Qu B. W J X, Zheng C Q, et al. A fast boundary tracking method based on the rule of region-growth[J]. Journal of Sichuan University (Engineering Science Edition), 2002, 34(2): 100-103.
[11] 范春年, 陈建坤, 傅德胜. 一种二维极坐标傅里叶描述子在图像检索中的应用[J]. 计算机工程与应用, 2004, 40(24): 77-79.
范春年, 陈建坤, 傅德胜. 一种二维极坐标傅里叶描述子在图像检索中的应用[J]. 计算机工程与应用, 2004, 40(24): 77-79.
Fan C N, Chen J K, Fu D S. 2-dimensional polar Fourier descriptor applying in image retrieval[J]. Computer Engineering and Applications, 2004, 40(24): 77-79.
[12] 甘厚吉, 华文深. 基于傅里叶-极坐标变换的相关结果后处理技术[J]. 应用光学, 2010, 42(8): 939-943.
甘厚吉, 华文深. 基于傅里叶-极坐标变换的相关结果后处理技术[J]. 应用光学, 2010, 42(8): 939-943.
Gan H J, Hua W S. Post processing technique for correction results based on Fourier-polar transformation[J]. Journal of Applied Optics, 2010, 42(8): 939-943.
[14] 郭永彩, 何卫华. 改进极坐标的频域图像配准算法[J]. 重庆大学学报, 2012, 32(2): 98-104.
郭永彩, 何卫华. 改进极坐标的频域图像配准算法[J]. 重庆大学学报, 2012, 32(2): 98-104.
Guo Y C, He W H. A frequency-domain image registration algorithm using the improved polar transform[J]. Journal of Chongqing University, 2012, 32(2): 98-104.
[15] Gong L X, Hu H P, Bai Y P, et al. Vehicle license plate slant correction based on mathematical morphology and Radon transformation[J]. Proceedings of 6th International Conference on Natural Computation, 2010: 3457-3463.
Gong L X, Hu H P, Bai Y P, et al. Vehicle license plate slant correction based on mathematical morphology and Radon transformation[J]. Proceedings of 6th International Conference on Natural Computation, 2010: 3457-3463.
[16] Van Assen H C, Egmont-Petersen M, Reiber J H C. Accurate object location in gray level images using the center of gravity measure: Accuracy versus precision[J]. IEEE Transactions on Image Processing, 2002, 11(12): 1379-2384.
Van Assen H C, Egmont-Petersen M, Reiber J H C. Accurate object location in gray level images using the center of gravity measure: Accuracy versus precision[J]. IEEE Transactions on Image Processing, 2002, 11(12): 1379-2384.
[17] 刘斌, 沈康, 魏兆超, 等. 基于线结构光视觉技术的微小直径高精度测量系统[J]. 仪器仪表学报, 2014, 35(12): 126-129.
刘斌, 沈康, 魏兆超, 等. 基于线结构光视觉技术的微小直径高精度测量系统[J]. 仪器仪表学报, 2014, 35(12): 126-129.
Liu B, Shen K, Wei Z C, et al. High-precision measurement system for micro-diameter based on structured-light vision technology[J]. Chinese Journal of Scientific Instrument, 2014, 35(12): 126-129.
Article Outline
白福忠, 张铁英, 高晓娟, 徐永祥. 基于傅里叶-极坐标变换的光带图像局部弯曲检测[J]. 光学学报, 2018, 38(8): 0815019. Fuzhong Bai, Tieying Zhang, Xiaojuan Gao, Yongxiang Xu. Local Bending Measurement of Laser Stripe Images Based on Fourier-Polar Transformation[J]. Acta Optica Sinica, 2018, 38(8): 0815019.