激光條紋法向中心的快速提取算法研究＊

席劍輝，包 輝，任 艷

（沈陽航空航天大學 自動化學院，遼寧 沈陽 110136）

激光條紋法向中心的快速提取算法研究＊

席劍輝，包 輝，任 艷

（沈陽航空航天大學 自動化學院，遼寧 沈陽 110136）

探討一種亞像素級激光條紋法向中心快速提取算法。主要考慮激光條紋中心存在于條紋骨架的法向截面上，當條紋被物體表面調(diào)制成曲線或者受噪聲影響不規(guī)則變化時，提取法向中心十分困難。首先設(shè)計一個模板對條紋圖像進行兩次卷積，以消除孤立光斑，并使用中值濾波器來減少隨機噪聲；其次沿著條紋邊緣，在小鄰域內(nèi)計算每個點的灰度梯度值，以獲得條紋法線；最后找到距離法線最近的光點，利用灰度重心法提取條紋的亞像素中心坐標。實驗結(jié)果證明該算法具有較高的提取精度和廣泛的實用性。

激光條紋；中心提取；重心法；兩次卷積

近年來，在非接觸測量、機器視覺、遙感圖像處理、目標跟蹤等領(lǐng)域，精確檢測以提取相機圖像中被目標表面調(diào)制成不規(guī)則形狀的激光條紋中心，是獲得目標三維信息的重要步驟。特別是在激光視覺檢測系統(tǒng)中，條紋中心的檢測精度直接影響到整個測量系統(tǒng)的測量精度。如果圖像質(zhì)量不高、噪聲較多，則難以快速準確地提取條紋中心。

目前提出的條紋檢測方法大致分為2類：①基于激光條紋圖像的幾何特征。Muller和Saack通過確定不同直徑的圓與條紋的邊緣內(nèi)切，再把圓的中心連起來即為條紋中心。Seguchi提出逐層剝?nèi)l紋外層的像素點來細化條紋，最后得到條紋中心線的思想。②利用條紋的光強變化及分布特點來提取條紋骨架線，進而提取中心。1982年Yatagai[1]確定亮條紋中的光強極大點為條紋骨架線。Ramesh等人在1991年第一次提出了使用光強最小值點來確定骨架線，進而提出改進算法降低噪聲的影響，得到優(yōu)質(zhì)的骨架線。近年來，如何精確提取條紋中心日益成為研究熱點，一些綜合性的方法被提出。比如熊會元等[2]采用閾值分割確定條紋中心初始點和法線方向，最后在法線方向精確獲取條紋中心；賈衛(wèi)平等[3]提出一種基于Hessian矩陣的多結(jié)構(gòu)光條紋亞像素中心提取方法；張廣軍等[4]采用曲線擬合的方法來得到亞像素級精度的光條中心。這些算法可以得到亞像素級精度，但因為依賴于像素的灰度值關(guān)系，容易受噪聲影響。

本文所用方法沿用曲線擬合法思路，將每點法向灰度強度最高的點判為中心點。同時簡化曲線擬合過程，使算法不但提取精度高，而且速度快。

1 激光條紋圖像卷積濾波去噪

利用差影法提取條紋目標，并對提取的條紋圖像進行二值化。根據(jù)光條橫截面光強分布特點，可知光條的中心位置處最“亮”，即中心位置處像素的灰度值最大。但是受外界環(huán)境的變化、激光的散射、被測表面相鄰部分相互反射光的干擾等影響，實際獲取的激光條紋圖像中含有大量的噪聲。這些噪聲對圖像的影響主要表現(xiàn)為2點：①誤檢測作為局部最大點的孤立光斑，容易造成“假”目標，在提取條紋中心時造成誤差；②沿著條紋邊緣形成的毛刺、暗點、斷點等，這類噪聲影響了條紋中心提取的速度。

為濾除局部光點、光斑，首先設(shè)計3×3模板。使用模板對條紋圖像進行兩次卷積，在保留有效點的同時刪除“假”目標點，即孤立光點。在前景圖像中，移動模板中心與值為1的像素重合，根據(jù)下式計算一次卷積：

式（1）中：G1（i，j）為模板與圖像卷積的值。

若G1（i，j）＞5，則認為該像素為孤立的一個亮點，可消除，將該像素值置為0.經(jīng)過以上處理后，能將所有單像素噪聲點和兩像素的噪聲點都去掉。對較大的局部光斑，利用上述模板用鄰域的方式對圖像進行二次卷積，其公式為：

若G2（i，j）＜3，將其點判斷為有用點，保留該點，將該點像素值置為1.通過上述兩次的卷積便足夠濾掉所有非光條上的噪聲點，但在光條邊緣可能會形成一些斷點，導致邊緣模糊，影響中心提取的精度，可結(jié)合中值濾波[5]對圖像邊緣進行平滑濾波，保留連續(xù)的光條圖像。

2 激光條紋中心提取

由于目標表面三維形貌的復雜性，當激光條紋投射其上時，被表面形貌調(diào)制，二維圖像中的激光條紋不再是直線。因此準確得到條紋法向是十分重要的。本文先利用梯度法提取條紋骨架線，再根據(jù)骨架的法向提取準確的條紋中心。

設(shè)f（x，y）為像素點（x，y）的灰度值，根據(jù)灰度分布計算每行的灰度梯度值。將圖像左上角的設(shè)置點作為圖像坐標的原點。用Point（i）表示第i行最大梯度點的列坐標：

式（2）中：j＝1，2，…，N，其中，N為圖像的列數(shù)。計算第i行激光條紋的切線斜率：

為進一步降低噪聲的影響，在當前點前后設(shè)置小鄰域l，鄰域內(nèi)切線斜率的均值即為當前點切線斜率。因此，可以得到條紋點處（i，Point（i））的法線斜率，公式如下：

再根據(jù)已知點（i，Point（i））計算該點法線的截距：

至此，確定當前點的法線方程。計算條紋像素到該法線的距離：

設(shè)θ為距離閾值。設(shè)定點集Vi（x，y），將符合Di（x，y）＜θ的點放入Vi（x，y）中。利用重心法[6]求出條紋中心的列坐標xc（i）和行坐標yc（i）。

3 實例分析

目前的亞像素級條紋中心提取算法主要基于結(jié)構(gòu)激光的光學分析及條紋灰度分布特性分析，現(xiàn)有的方法有高斯擬合法、方向模板法、灰度重心法等[7-8]。為說明本文方法的有效性，將本文方法的提取結(jié)果與極值法和高斯擬合法的結(jié)果進行比較。圖1（a）為激光投射原圖，從圖中可以看出，隨著物體表面形貌的變化，激光表現(xiàn)出不同的幾何特征。圖1（b）和（c）則是2種方法的中心提取結(jié)果。由圖1（d）本文算法結(jié)果圖可以看出，本文方法可以得到更為連續(xù)的條紋中心線，尤其針對物體表面比較粗糙、激光線投影散射嚴重、噪聲比較大的情況，可以獲得較高精度的條紋中心。

比較3種算法的計算時間，算法利用VS2012平臺，結(jié)合OPENCV函數(shù)庫，結(jié)果如表1所示。從表1可以得出，本文算法的運算時間較少。從上述的實例比較中可以看出，本文算法在魯棒性、提取精度和運算時間方面都有所提高。

4 結(jié)論

本文給出的亞像素中心提取算法考慮針對不同類型的噪聲進行濾除，獲取較高精度的條紋中心。仿真實例說明本文算法結(jié)合擬合算法和灰度重心法的特點，在法線方向?qū)ふ覘l紋中心，符合激光條紋的光強分布特性。算法既有高斯擬合算法的提取精度，又有極值法運算量小的優(yōu)點，具有較好的魯棒性，運算快且適用性廣。

圖1 實物仿真圖

表1 算法快速性比較

［1］T.Yatagai，M.Idesawa.Automatic fringe analysis for moire topography.Optics and Lasers in Engineering，1982（3）：73-83.

［2］熊會元，宗堅，陳承鶴.線結(jié)構(gòu)光條紋中心的全分辨率精確提?。跩］.光學精密工程，2009（5）：1057-1062.

［3］賈衛(wèi)平，王邦國.基于Hessian矩陣的多結(jié)構(gòu)光條紋中心快速提取方法［J］.大連大學學報，2014，35（6）：34-37.

［4］張廣軍，王紅，趙慧潔，等.結(jié)構(gòu)光三維視覺系統(tǒng)研究［J］.航空學報，1999，20（4）：365-367.

［5］刑藏菊，王守覺，鄧浩江，等.一種基于極值中值的新型濾波算法［J］.中國圖象圖形學報，2001，6（6）：533-536.

［6］吳家勇，王平江，陳吉紅，等.基于梯度重心法的線結(jié)構(gòu)光中心亞像素提取方法［J］.中國圖象圖形學報，2009，4（7）：1354-1360.

［7］尚雅層，陳靜，田軍委.高斯擬合亞像素邊緣檢測算法［J］.計算機應(yīng)用，2011，31（1）：179-181.

［8］王澤浩，張中煒.自適應(yīng)方向模板線結(jié)構(gòu)光條紋中心提取方法［J］.激光雜志，2017，38（1）：60-64.

TP391.41

A

10.15913/j.cnki.kjycx.2018.01.041

2095－6835（2018）01－0041－03

國家自然科學基金青年基金資助項目（60804025）；遼寧省教育廳科學技術(shù)研究項目（L2014069）；遼寧省自然科學基金項目（2015020061）；沈陽市科技創(chuàng)新團隊項目（src201204）

席劍輝（1975—），女，四川遂寧人，碩士導師，主要研究模式識別與智能系統(tǒng)。包輝（1991—），女，江蘇淮安人，碩士。

〔編輯：劉曉芳〕