基于自適應(yīng)ROI算法的光斑中心檢測(cè)*

許丹丹，馬增強(qiáng),2，錢榮威，周 涵，李俊峰

(1.石家莊鐵道大學(xué)電氣與電子工程學(xué)院，石家莊 050043；2.石家莊鐵道大學(xué)省部共建交通工程結(jié)構(gòu)力學(xué)行為與系統(tǒng)安全國(guó)家重點(diǎn)實(shí)驗(yàn)室，石家莊 050043；3. 廣州理工學(xué)院電氣與電子工程學(xué)院，廣州 510540 )

0 引言

在光學(xué)測(cè)量中，激光光斑檢測(cè)具有重要應(yīng)用價(jià)值，是光學(xué)檢測(cè)系統(tǒng)的關(guān)鍵技術(shù)[1-2]，尤其在遠(yuǎn)距離測(cè)量中。隨著檢測(cè)距離的增加會(huì)給采集到的光斑圖像帶來更多的噪聲干擾，尤其是在較強(qiáng)光照條件下，對(duì)光斑中心的檢測(cè)精度影響十分明顯。傳統(tǒng)的激光光斑檢測(cè)方法包括灰度重心法[3-4]、質(zhì)心法[5-6]、空間中心矩法[7]等。使用灰度重心法及質(zhì)心法進(jìn)行光斑中心檢測(cè)時(shí)要求激光光斑圖像均勻分布且邊緣清晰，否則會(huì)導(dǎo)致較大的誤差，而實(shí)際工況下因?yàn)楣庹盏仍肼暤拇嬖诤茈y滿足這一要求。在空間中心矩算法中，它利用邊緣的灰度空間矩來檢測(cè)具有亞像素位置的邊緣。但計(jì)算過程包含多次卷積，運(yùn)算量較大實(shí)時(shí)性較低。在實(shí)際測(cè)量環(huán)境中光斑投射點(diǎn)一般暴露在室外條件下，其噪聲干擾大部分是由光照條件變化引起。當(dāng)光照較弱時(shí)光斑與背景對(duì)比度較低圖像較為模糊，無法分清前景與背景。當(dāng)光照較強(qiáng)時(shí)，背景光影響的程度更為嚴(yán)重，極大的影響了光斑中心的準(zhǔn)確提取。本文主要研究強(qiáng)光照條件的光斑中心提取，采用算法優(yōu)化的方法來解決問題。

1 光斑圖像退化情況

在野外進(jìn)行測(cè)試時(shí)，受到強(qiáng)烈太陽(yáng)光的影響，靶面上成像的光斑圖像會(huì)嚴(yán)重退化，使得光斑的亮度低于周圍亮度、光斑邊緣不清晰、圓形光斑形變等。在光照較為均衡的情況下對(duì)光斑圖像進(jìn)行閾值分割可較好分理出前景與背景。但在光照較強(qiáng)時(shí)，背景光的影響較為嚴(yán)重使得二值化后的部分光斑信息丟失，使得圖像處理算法無法準(zhǔn)確地提取出光斑中心。

為更好說明不同光照對(duì)光斑圖像的影響，選取不同光照條件下采集的光斑圖像(63像素×63像素)如圖1所示來進(jìn)行說明。若想定位激光光斑的中心，典型方法是找到復(fù)雜背景下圓形區(qū)域，之后對(duì)圖像進(jìn)行二值化找到邊緣，進(jìn)行圓擬合獲得中心坐標(biāo)。由圖1a可知，光照均衡下的光斑圖像在進(jìn)行閾值分割后，可較好地將光斑從背景中分割出來；但是在光照較強(qiáng)的情況下，二值化后的光斑信息部分丟失與背景融為一體，極大地影響了后續(xù)的光斑中心點(diǎn)提取，因此對(duì)強(qiáng)光照下光斑中心提取的研究十分必要。

(a) 光照均衡 (b) 強(qiáng)光照

2 基于SSIM的自適應(yīng)ROI提取

為了解決強(qiáng)光下光斑中心檢測(cè)產(chǎn)生誤差這一難題，本文提出了一種基于SSIM的自適應(yīng)ROI算法，核心是利用結(jié)構(gòu)相似度匹配出強(qiáng)光下的光斑最小外接矩形區(qū)域。強(qiáng)光下光斑中心檢測(cè)的總體流程如圖2所示。首先在無光照影響的條件下采集光斑圖像進(jìn)行二值化處理，將獲取的光斑作為匹配模板保存到預(yù)設(shè)文件夾中，其次是采集室外環(huán)境下的光斑圖像并保存到與模板相同的文件夾中，在程序中設(shè)置相應(yīng)的初始化信息，按照流程圖進(jìn)行，獲得需要的光斑感興趣區(qū)域，對(duì)采集到的最小ROI進(jìn)行二值化和圓擬合算法處理，記錄光斑中心坐標(biāo)。

圖2 強(qiáng)光下光斑中心檢測(cè)流程圖

2.1 結(jié)構(gòu)相似度(SSIM)

人是通過圖像中的結(jié)構(gòu)輪廓識(shí)別信息的，SSIM算法(structural similarity index)[8]就是以人眼系統(tǒng)為基礎(chǔ)的，認(rèn)為兩幅圖像像素間具有結(jié)構(gòu)相似性、有很強(qiáng)的結(jié)構(gòu)相關(guān)性，是一種衡量?jī)煞鶊D像相似度的指標(biāo)。該指標(biāo)首先由德州大學(xué)奧斯丁分校的圖像和視頻工程實(shí)驗(yàn)室(Laboratory for Image and Video Engineering)提出。該算法從亮度、對(duì)比度、結(jié)構(gòu)三方面比較兩幅圖像，并度量?jī)烧叩南嗨瞥潭取?/p>

SSIM算法框圖如圖3所示。圖像I和O分別代表輸入圖像和輸出圖像，尺寸均為H*W，通過亮度相似度l(I,O)、對(duì)比度相似度c(I,O)和結(jié)構(gòu)相似度s(I,O)來計(jì)算兩幅圖像的相似度度量SSIM，定義如下：

SSIM(I,O)=l(I,O)·c(I,O)·s(I,O)

(1)

其中，l代表亮度，c代表對(duì)比度，s代表結(jié)構(gòu)，即：

(2)

(3)

(4)

其中，C1、C2和C3為固定正數(shù)，是為了避免分母出現(xiàn)0的情況，通常取C1=(K1*N)2，C2=(K2*N)2，C3=C2/2(K1=0.01，K2=0.03，N=255)，μI、μO分別表示圖像I和O的均值，δI、δO分別表示圖像I和O的標(biāo)準(zhǔn)方差，δIO表示圖像I和O的協(xié)方差，即：

(5)

(6)

(7)

(8)

SSIM的取值范圍為[0,1]數(shù)值越大，表示兩幅圖像越相似。

圖3 SSIM實(shí)現(xiàn)框圖

SSIM算法常用于圖像的質(zhì)量評(píng)價(jià)[9]，主要依靠采集的圖像雖然部分信息丟失，但總體輪廓變化不大這一特點(diǎn)。本文的光斑檢測(cè)通過結(jié)構(gòu)相似度和模板匹配相結(jié)合，將光斑感興趣區(qū)域提取問題轉(zhuǎn)化為強(qiáng)光下光斑失真圖像與暗背景模板間結(jié)構(gòu)相似度問題，匹配得到的最相似區(qū)域即為包含光斑的最小的ROI。

2.2 基于SSIM的光斑ROI提取

自適應(yīng)ROI算法是一種高精度、高運(yùn)算速度的方法，用來獲取強(qiáng)光照背景下的光斑的最小ROI。圖4所示為自適應(yīng)ROI算法的步驟流程。首先是獲取原始圖像，該圖像要求沒有光照噪聲的影響，對(duì)其進(jìn)行二值化清晰地分離出光斑獲得匹配模板并記錄模板的尺寸。其次是采集實(shí)際工況下的光斑，將其與匹配模板進(jìn)行循環(huán)的結(jié)構(gòu)相似度的測(cè)量，記錄最大結(jié)構(gòu)相似度的位置并提取，如圖4c所示，圖中矩形框的尺寸等于匹配模板的尺寸，研究這一包含激光光斑的矩形框區(qū)域以計(jì)算光斑中心，這一區(qū)域即為本文所提的自適應(yīng)ROI。獲得的自適應(yīng)ROI圖像如圖4d所示，該圖像包含一個(gè)沒有強(qiáng)光背景的清晰激光光斑。

(a) 暗背景圖(b) 亮背景圖(c) 匹配結(jié)果(d) ROI圖

其中，光斑ROI提取的理論依據(jù)是：將采集到的光斑圖像與光斑模板圖像進(jìn)行循環(huán)匹配：在采集的光斑圖像中通過比較其與光斑模板的結(jié)構(gòu)相似度，獲得光斑在圖像中的位置。如圖5所示，設(shè)光斑模板O(r0，c0)大小為w×h，采集的圖I(r1，c1)大小為W×H，將光斑模板疊放在大圖上進(jìn)行平移，覆蓋大圖的區(qū)域部分與光斑模板做結(jié)構(gòu)相似度計(jì)算，得到判斷矩陣R，R中SSIM值越大說明此坐標(biāo)位置與理想光斑越相似，ROI的提取效果越好。其中判斷矩陣R定義為：

R(r,c)=SSIM[I(r1，c1),O(r0，c0)]

(9)

如果輸入圖像I的大小是(W×H)，理想光斑圖像的大小是(w×h)，輸出的結(jié)果的R的大小就是(W-w+1，H-h+1)。其中，R為歸一化矩陣，可將尺度變換為[0，255]進(jìn)行可視化顯示。遍歷R中每一個(gè)像素點(diǎn)，找到最大值并得到坐標(biāo)(rm,cm):

rm,cm=argr,c∈[W-w+1,H-h+1]max[R(r,c)]

(10)

即為待提取ROI的左頂點(diǎn)坐標(biāo)，選取ROI尺寸得到所需的ROI區(qū)域：

ROI=I[rm:rm+h+1,cm+w+1]

(11)

圖5 匹配算法

其中，匹配算法利用模板在全圖中進(jìn)行搜索，計(jì)算步長(zhǎng)不同獲得的精度也就不同。為了提高匹配的精度并提高計(jì)算速度，需要根據(jù)SSIM反饋以調(diào)整計(jì)算步長(zhǎng)，既能夠保證精確度，又能提高運(yùn)算速度。自適應(yīng)ROI在計(jì)算步長(zhǎng)和結(jié)構(gòu)相似度計(jì)算之間存在反饋通道，根據(jù)SSIM的結(jié)果對(duì)步長(zhǎng)進(jìn)行動(dòng)態(tài)調(diào)整。

自適應(yīng)ROI能夠去除圖像中絕大部分不利光照。圖6a所示為強(qiáng)曝光背景下采集的激光光斑圖像，以及采用三種不同閾值對(duì)圖像進(jìn)行分割處理所得二值化光斑圖，由分割結(jié)果可知：直接對(duì)強(qiáng)光下的光斑圖像進(jìn)行處理均不能準(zhǔn)確地將激光光斑和背景完全分離。圖6b所示ROI圖像是對(duì)圖6a曝光圖進(jìn)行SSIM匹配后的結(jié)果圖，對(duì)結(jié)果圖再次進(jìn)行上述不同閾值分割處理，由分割圖可知：激光光斑采用自適應(yīng)ROI算法，將光斑最小外接矩形提取后，能將絕大部分的強(qiáng)光噪聲剔除，采用不同的閾值均能很好地將光斑從背景中分割出來。

(a) 原圖像

以下進(jìn)一步說明改進(jìn)算法在計(jì)算精度和運(yùn)算速度方面的優(yōu)勢(shì)。光斑圖像直方圖對(duì)比如圖7所示。圖7a是圖6a中曝光圖的直方圖，也即強(qiáng)光下采集的光斑原始圖像的直方圖，由圖可知像素值為180～200占的比重很大，并且整幅圖像的像素值幾乎均勻地分布在200～250，沒有明顯的分界線，無明顯的雙峰分布規(guī)律，這就導(dǎo)致采用不同的閾值無法準(zhǔn)確將光斑圖像與背景分離。圖7b是圖6b中ROI圖像的直方圖，也即經(jīng)自適應(yīng)ROI算法處理后光斑圖像的直方圖，可以看出像素值約為220和250時(shí)比重很大，像素值約為240時(shí)比重很小，即處理后的光斑圖像直方圖具有明顯的雙峰和低谷，十分契合閾值分割的理念，通過選取合適的閾值便可較好的將圖像的前景與背景分離開來。通過直方圖對(duì)比可知本文算法能夠適應(yīng)不同強(qiáng)度光照，提供了精確檢測(cè)光斑中心的有效手段。

(a) 原始直方圖 (b) 自適應(yīng)ROI直方圖

圖8是加入反饋通道后的自適應(yīng)ROI算法和傳統(tǒng)模板匹配算法的運(yùn)行時(shí)間的對(duì)比圖。

圖8 自適應(yīng)ROI與模板匹配的運(yùn)算速度對(duì)比

由圖可知，傳統(tǒng)匹配算法和本文自適應(yīng)ROI算法運(yùn)行時(shí)間都會(huì)隨圖像尺寸的增大而增加，但是尺寸越大，本文算法的優(yōu)勢(shì)愈加明顯。原因在于傳統(tǒng)模板匹配隨圖像尺寸的增加而成倍地增加卷積次數(shù)，本文算法根據(jù)SSIM來調(diào)整步長(zhǎng)，當(dāng)SSIM較小時(shí)，說明定位區(qū)域較此位置較遠(yuǎn)，通過反饋增加步長(zhǎng)，達(dá)到快速計(jì)算的目的；反之SSIM較大時(shí)，說明要定位的區(qū)域就在附近，通過減小步長(zhǎng)來進(jìn)行搜索。極大地提高了運(yùn)算速度。因此從定性與定量的綜合角度上，本文所提出的自適應(yīng)ROI算法在進(jìn)行光斑的提取中具有明顯優(yōu)勢(shì)。

2.3 光斑中心檢測(cè)

圖9 光斑中心檢測(cè)

前文通過類間方差最大化得到光斑二值圖，清晰地區(qū)分出光斑和背景，此時(shí)需要獲取光斑的中心。本文采用圓擬合算法進(jìn)行檢測(cè)，其依據(jù)是：采用最小二乘法的原理(殘差平方和最小)來逼近激光光斑的輪廓[10-11]。此方法計(jì)算速度快、精度高，適用于實(shí)際工況下的實(shí)時(shí)檢測(cè)系統(tǒng)。圖9是標(biāo)注在ROI圖像中的檢測(cè)結(jié)果，光斑中心坐標(biāo)為(32,32)。

3 實(shí)驗(yàn)驗(yàn)證

圖10 實(shí)驗(yàn)設(shè)備 圖11 不同光照條件下的光斑圖像

表1 自適應(yīng)ROI光斑中心檢測(cè)方法誤差

由表1可知，隨著LED光源對(duì)光斑的影響增加，圖像的平均像素強(qiáng)度也在增加，當(dāng)像素強(qiáng)度在230以下時(shí)，自適應(yīng)ROI的方法能夠無誤差地檢測(cè)出中心坐標(biāo)；當(dāng)像素強(qiáng)度超過230并在240以內(nèi)時(shí)，自適應(yīng)ROI方法出現(xiàn)了測(cè)量誤差但保證在0.05%之內(nèi)；然而當(dāng)光源過亮遮擋住光斑，即平均像素強(qiáng)度超過245時(shí)已經(jīng)無法檢測(cè)光斑中心。這便是本文算法的限制條件，這同樣也是現(xiàn)有算法中無法解決的問題。

在上述限制條件下，又進(jìn)行了大量實(shí)驗(yàn)，結(jié)果表明自適應(yīng)ROI方法能夠在不利光照下檢測(cè)光斑中心，并能與實(shí)際光斑中心保持高度一致，能夠避免實(shí)際工況中不利光照引起的較大測(cè)量誤差。

4 結(jié)論

在需要激光光斑進(jìn)行光學(xué)檢測(cè)系統(tǒng)中，隨著檢測(cè)距離和光照強(qiáng)度的增加會(huì)給采集到的光斑圖像帶來更多的噪聲干擾，導(dǎo)致檢測(cè)結(jié)果出現(xiàn)錯(cuò)誤。本文在結(jié)構(gòu)相似度的基礎(chǔ)上提出了一種自適應(yīng)ROI的光斑中心檢測(cè)算法，提取到的光斑圖像不易受背景光的影響有利于后續(xù)的圓心檢測(cè)。實(shí)驗(yàn)結(jié)果表明，在平均像素強(qiáng)度低于240時(shí)，該方法能更好地適應(yīng)光照影響且計(jì)算誤差均在0.05%以內(nèi)，具有較高的精度，能夠適用于實(shí)際工況下微小位移的測(cè)量。