基于regionprops函數(shù)的并行彩色共聚焦測(cè)量系統(tǒng)的三維重構(gòu)

張雅麗，余卿，程方，王翀，王寅

基于regionprops函數(shù)的并行彩色共聚焦測(cè)量系統(tǒng)的三維重構(gòu)

張雅麗，余卿*，程方，王翀，王寅

（華僑大學(xué) 機(jī)電及自動(dòng)化學(xué)院，福建 廈門(mén) 361021）

針對(duì)并行彩色共聚焦測(cè)量系統(tǒng)在進(jìn)行三維重構(gòu)時(shí)質(zhì)心識(shí)別效果差，處理效率低等問(wèn)題，提出一種高效率、高精度的三維重構(gòu)方法。該方法首先對(duì)三維重構(gòu)實(shí)驗(yàn)得到的所有圖像進(jìn)行目標(biāo)提取和圖像拼接，得到待處理的拼接圖像，通過(guò)MATLAB的regionprops函數(shù)和形態(tài)學(xué)處理提取拼接后各個(gè)被測(cè)點(diǎn)的質(zhì)心及質(zhì)心連通區(qū)域，并利用顏色轉(zhuǎn)換算法進(jìn)行相應(yīng)的“值-高度”轉(zhuǎn)換，最后，比較并結(jié)合插值擬合算法實(shí)現(xiàn)了物體表面三維形貌的重構(gòu)。為了驗(yàn)證該算法的可行性，針對(duì)一元硬幣的“N”字和“E”字進(jìn)行處理。實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)的軸向測(cè)量范圍為80 μm，測(cè)量精度可達(dá)到微米級(jí)別。該算法可以快速有效地實(shí)現(xiàn)物體表面三維形貌的還原，相較于傳統(tǒng)方法，處理效率提高5～6倍。

三維形貌測(cè)量；彩色共聚焦；并行測(cè)量；圖像處理

1 引　言

彩色共聚焦技術(shù)作為物體表面三維形貌測(cè)量技術(shù)之一，常用于厚度測(cè)量［1-2］，粗糙度和瑕疵檢測(cè)［3-4］，三維重構(gòu)［5-6］和生物醫(yī)療［7］等。與傳統(tǒng)激光共聚焦技術(shù)［8］相比，彩色共聚焦技術(shù)避免了軸向掃描，提高了測(cè)量效率和測(cè)量精度。為了提高傳統(tǒng)單點(diǎn)彩色共聚焦系統(tǒng)的測(cè)量效率，并行彩色共聚焦測(cè)量技術(shù)［9-10］應(yīng)運(yùn)而生，該技術(shù)主要利用光分束器件［11］將一束光分成多束光以實(shí)現(xiàn)并行測(cè)量。在并行彩色共聚焦測(cè)量裝置中，彩色相機(jī)采集圖像時(shí)常常受到雜散光和離焦光的影響［12］，所采集的每一幅圖像由于圖像質(zhì)量不同，很難一次性識(shí)別所有光點(diǎn)的質(zhì)心，進(jìn)行目標(biāo)被測(cè)點(diǎn)的定位、提取和處理。尤其是在并行測(cè)量的過(guò)程中，采集到的圖像質(zhì)量較差，質(zhì)心識(shí)別效果差，圖像數(shù)量比較多，處理耗時(shí)長(zhǎng)且效率低。針對(duì)這些問(wèn)題，本文首先利用圖像拼接技術(shù)［13-14］將彩色相機(jī)采集到的結(jié)果用掩膜［15］進(jìn)行摳圖處理，截取圓形光點(diǎn)的目標(biāo)區(qū)域，圓形的形狀方便了后續(xù)的質(zhì)心識(shí)別。之后再將這些目標(biāo)區(qū)域拼接在一起，進(jìn)一步利用MATLAB的regionprops函數(shù)［16-17］進(jìn)行質(zhì)心及質(zhì)心連通區(qū)域提取，并結(jié)合實(shí)驗(yàn)室自主研發(fā)的顏色轉(zhuǎn)換算法［18］實(shí)現(xiàn)“值-高度”轉(zhuǎn)換，進(jìn)行物體表面三維形貌的還原和插值擬合［19-20］。本文提出了一種用于并行彩色共聚焦技術(shù)的三維重構(gòu)方法，不僅大大減少了計(jì)算量，而且明顯提高了處理效率，能行之有效地實(shí)現(xiàn)質(zhì)心提取以及三維形貌的重構(gòu)。

2 系統(tǒng)原理及實(shí)現(xiàn)

2.1　測(cè)量原理及系統(tǒng)搭建

基于光纖束的并行彩色共聚焦測(cè)量系統(tǒng)以傳統(tǒng)的單點(diǎn)彩色共聚焦測(cè)量技術(shù)［21］為基礎(chǔ)，利用光纖束作為光分束器件實(shí)現(xiàn)并行測(cè)量的效果，其原理如圖1所示。光源發(fā)出的復(fù)色光經(jīng)光纖束分束后，通過(guò)分光鏡到達(dá)色散管鏡［22］產(chǎn)生色散效果，使得不同波長(zhǎng)的光線(xiàn)按照一定規(guī)律聚焦在光軸不同高度上。其中，只有聚焦在被測(cè)物表面的光線(xiàn)，經(jīng)被測(cè)物面反射后能夠通過(guò)探測(cè)光路的小孔陣列，并由面陣彩色相機(jī)接收，而其他波長(zhǎng)的光線(xiàn)則無(wú)法通過(guò)小孔陣列。光纖束出瞳、小孔陣列和被測(cè)物表面相對(duì)應(yīng)的焦點(diǎn)三者互為共軛關(guān)系。彩色相機(jī)拍照后，利用標(biāo)定結(jié)果，根據(jù)圖像的不同顏色對(duì)應(yīng)不同的物方高度，結(jié)合位移平臺(tái)的一維線(xiàn)掃描運(yùn)動(dòng)，即可得到整個(gè)被測(cè)物面的高度信息，從而還原被測(cè)物面的三維形貌，達(dá)到三維重構(gòu)的效果。

圖1　基于光纖束的并行彩色共聚焦測(cè)量原理

基于光纖束的并行彩色共聚焦測(cè)量實(shí)驗(yàn)平臺(tái)［23］如圖2所示。

圖2　并行彩色共聚焦測(cè)量實(shí)驗(yàn)平臺(tái)

2.2　顏色轉(zhuǎn)換算法

顏色空間是使用一組數(shù)值表示顏色的抽象數(shù)學(xué)模型。并行彩色共聚焦測(cè)量系統(tǒng)中所涉及的顏色空間主要是RGB顏色空間和HSI顏色空間，如圖3所示。

圖3　RGB顏色空間與HSI顏色空間

實(shí)驗(yàn)室的前期研究工作表明，彩色圖像的RGB顏色空間可以轉(zhuǎn)換為HSI顏色空間，而HSI 顏色空間中的色調(diào)值可以與物體高度值建立良好的對(duì)應(yīng)關(guān)系，即“值-高度”對(duì)應(yīng)關(guān)系，因此可以通過(guò)顏色轉(zhuǎn)換算法得到被測(cè)點(diǎn)的值，進(jìn)而得到各個(gè)被測(cè)點(diǎn)處相應(yīng)的高度信息，并最終測(cè)得整個(gè)被測(cè)物面的三維形貌。色調(diào)表示角度，其范圍為［0，2π］。其中，純紅色的角度為0，純綠色的角度為2π/3，純藍(lán)色的角度為4π/3。

根據(jù)以上分析，將彩色相機(jī)直接采集到的顏色信息RGB值轉(zhuǎn)換為與波長(zhǎng)相關(guān)的色調(diào)參數(shù)值，轉(zhuǎn)換公式如下：

這里：

2.3　三維圖像采集

231標(biāo)定

首先，需要對(duì)系統(tǒng)進(jìn)行標(biāo)定實(shí)驗(yàn)。在標(biāo)定過(guò)程中，被測(cè)物以50 μm為固定步距進(jìn)行軸向移動(dòng)，在軸向的不同高度位置處彩色相機(jī)拍照得到系統(tǒng)成像面不同顏色的變化。以光纖束其中的一根光纖為例，利用實(shí)驗(yàn)室自主研制的顏色轉(zhuǎn)換算法得到“值-高度”曲線(xiàn)，如圖4所示。

圖4　標(biāo)定實(shí)驗(yàn)結(jié)果

最后，對(duì)“值-高度”曲線(xiàn)80 μm線(xiàn)性范圍內(nèi)的數(shù)據(jù)進(jìn)行直線(xiàn)擬合，以光纖1為例，擬合結(jié)果如圖5所示。對(duì)應(yīng)的“值-高度”擬合關(guān)系式為：

圖5　線(xiàn)性擬合結(jié)果

其中：為值，為載物臺(tái)的軸向高度。根據(jù)標(biāo)定實(shí)驗(yàn)結(jié)果可知：該系統(tǒng)的測(cè)量范圍約為80 μm，且所有光纖對(duì)應(yīng)的擬合方程的線(xiàn)性相關(guān)系數(shù)均在0.99左右。

232三維圖像采集

在進(jìn)行物體表面三維重構(gòu)時(shí)，實(shí)驗(yàn)選擇一元硬幣背面的“N”字和“E”字作為測(cè)量目標(biāo)，如圖6所示。在測(cè)量過(guò)程中，位移臺(tái)沿垂直于光纖束和系統(tǒng)光軸的方向進(jìn)行一維線(xiàn)掃描運(yùn)動(dòng)，運(yùn)動(dòng)方向與光纖束垂直，如圖7中的白色箭頭所示，同時(shí)也與系統(tǒng)光軸垂直。位移臺(tái)一維線(xiàn)掃描速度為0.025 mm/s，掃描長(zhǎng)度為2.5 mm，彩色相機(jī)以每秒5張的拍照頻率共拍照得到500張圖像，每張圖像上有42個(gè)光纖測(cè)量點(diǎn)，共計(jì)21 000個(gè)光纖測(cè)量點(diǎn)。

圖6　一元硬幣實(shí)物圖

圖7　“N”字測(cè)量示意圖

3 圖像處理算法

3.1　三維重構(gòu)算法流程

本文提出的三維重構(gòu)算法結(jié)合OpenCV和MATLAB來(lái)實(shí)現(xiàn)。首先，通過(guò)OpenCV庫(kù)實(shí)現(xiàn)圖像拼接，得到完整拼接圖像之后利用MATLAB中的Regionprops（Get the Properties of Region）函數(shù)識(shí)別質(zhì)心并提取質(zhì)心連通區(qū)域。Regionprops函數(shù)是MATLAB中用來(lái)度量圖像區(qū)域?qū)傩缘暮瘮?shù)，可以用來(lái)測(cè)量標(biāo)注矩陣中每一個(gè)標(biāo)注區(qū)域的一系列屬性。利用該函數(shù)結(jié)合形態(tài)學(xué)處理得到被測(cè)點(diǎn)質(zhì)心之后，再對(duì)每個(gè)質(zhì)心連通區(qū)域都進(jìn)行“值-高度”轉(zhuǎn)換，實(shí)現(xiàn)自動(dòng)識(shí)別、定位和處理拼接圖像上所有的被測(cè)光點(diǎn)，最終還原得到物體表面的三維形貌。本文提出的圖像處理算法的流程如圖8所示。

圖8　圖像處理算法流程

311圖像拼接

圖像拼接流程如下：依次讀取圖像之后進(jìn)行圖像預(yù)處理、掩膜摳圖、底片融合拼接等。

第一步，圖像預(yù)處理。由于相機(jī)接收端獲取的圖像像素和尺寸較大，且冗余的背景區(qū)域占據(jù)較大的處理空間，因此需進(jìn)行預(yù)處理操作，即對(duì)所有待處理圖像進(jìn)行批量旋轉(zhuǎn)、裁剪等方式來(lái)去除冗余的背景區(qū)域，只保留待處理的光點(diǎn)區(qū)域，以節(jié)省內(nèi)存空間，提高處理效率，預(yù)處理前后的圖像如圖9所示。

第二步，掩膜摳圖。掩膜又稱(chēng)為掩碼，相當(dāng)于硬件系統(tǒng)中的濾光片。當(dāng)使用掩膜參數(shù)時(shí)，操作只會(huì)在掩膜值為非空的像素點(diǎn)上執(zhí)行，并將其他像素點(diǎn)的值置為0，從而可以提取所需要的光點(diǎn)目標(biāo)像素，屏蔽冗余背景像素，直接生成呈行排列的圓形光點(diǎn)圖像。這里利用自制的掩膜摳取目標(biāo)圖像，目的是避免圖像中不同位置的光點(diǎn)質(zhì)量情況不一致而造成根據(jù)原圖生成的掩膜不夠準(zhǔn)確，影響目標(biāo)圖像的精度以及后續(xù)光點(diǎn)質(zhì)心的識(shí)別。自制掩膜圖像以及利用掩膜摳取的圖像如圖10所示。

圖10　掩膜摳圖的相關(guān)圖像

第三步，底片融合。需要先根據(jù)并行彩色共聚焦測(cè)量得到的彩色圖像的數(shù)量和預(yù)處理后的尺寸設(shè)計(jì)一個(gè)合適的空白圖片，稱(chēng)之為底片。設(shè)定底片的感興趣區(qū)域（Region of Interest， ROI），然后將步驟二中利用掩膜摳取出來(lái)的圖像一一按圖11所示的位置關(guān)系疊加到底片的ROI中。在圖11中，1，2，…，42分別代表光纖束的光纖序號(hào)（圖10中從左至右依次排列）；1，2，…，500分別代表按照時(shí)刻依次拍照得到的照片序號(hào)?，F(xiàn)將每張照片中每根光纖的位置按照?qǐng)D11所示的位置關(guān)系布置，圖12為拼接完成的圖像，從圖像中可以看到拼接后輪廓清晰可見(jiàn)的字母“N”和“E”。

圖11　ROI中光點(diǎn)的位置關(guān)系

圖12　拼接后的“N”字和“E”字

312質(zhì)心連通區(qū)域提取

對(duì)拼接好的圖像，需要得到每個(gè)被測(cè)光點(diǎn)質(zhì)心的位置坐標(biāo)以及質(zhì)心連通區(qū)域。在對(duì)拼接圖像直接進(jìn)行質(zhì)心提取之前，需要對(duì)拼接后的字母進(jìn)行形態(tài)學(xué)處理，主要涉及數(shù)學(xué)形態(tài)學(xué)中的開(kāi)運(yùn)算，即先將圖像腐蝕，再對(duì)腐蝕結(jié)果進(jìn)行膨脹，從而去除圖像噪點(diǎn)，選取的局部拼接圖像如圖13（a）所示，對(duì)原圖進(jìn)行二值化并取反后的圖像如13（b）所示。如果不經(jīng)過(guò)形態(tài)學(xué)處理直接利用MATLAB 中的regionprops函數(shù)進(jìn)行質(zhì)心識(shí)別，圖像中的噪點(diǎn)會(huì)對(duì)質(zhì)心識(shí)別產(chǎn)生一定的干擾，產(chǎn)生如圖13（c）中的圓圈所示的錯(cuò)誤識(shí)別結(jié)果。經(jīng)過(guò)形態(tài)學(xué)處理后的圖像如圖13（d）所示，圖像中的光點(diǎn)在去噪后更加圓滑，利用regionprops函數(shù)的屬性“Centroid”和“BoundingBox”可以更準(zhǔn)確地提取出質(zhì)心坐標(biāo)及質(zhì)心連通區(qū)域，如圖13（e）所示。

Regionprops函數(shù)的調(diào)用格式為STATS=regionprops（，properties），該函數(shù)可用來(lái)測(cè)量標(biāo)注矩陣中每一個(gè)標(biāo)注區(qū)域的一系列屬性。中不同的正整數(shù)元素對(duì)應(yīng)不同的區(qū)域，例如：中等于整數(shù)1的元素對(duì)應(yīng)區(qū)域1；中等于整數(shù)2的元素對(duì)應(yīng)區(qū)域2；以此類(lèi)推。返回值STATS是一個(gè)長(zhǎng)度為max（（：））的結(jié)構(gòu)數(shù)組，結(jié)構(gòu)數(shù)組的相應(yīng)域定義了每一個(gè)區(qū)域相應(yīng)屬性Properties下的度量。本文中的Properties沒(méi)有指定，等于“basic”，即屬性：“Area”“Centroid”和“BoundingBox”。如表1所示，ndims（）是指圖像包含的相應(yīng)區(qū)域的個(gè)數(shù)。

表1部分Properties屬性介紹

Tab.1　Description of partial properties

本例的各部分區(qū)域的“Centroid”（質(zhì)心）和“BoundingBox”（質(zhì)心連通區(qū)域）如圖13（e）所示。其中，光點(diǎn)圓心為光點(diǎn)質(zhì)心，光點(diǎn)外部的矩形虛線(xiàn)輪廓為該光點(diǎn)的質(zhì)心連通區(qū)域。依據(jù)圖13（e）為例，利用MATLAB中的regionprops函數(shù)將500×42個(gè)光點(diǎn)的質(zhì)心位置及質(zhì)心連通區(qū)域全部提取出來(lái)。

313二維差值擬合

在得到每個(gè)被測(cè)光點(diǎn)的質(zhì)心及質(zhì)心連通區(qū)域之后，將標(biāo)定實(shí)驗(yàn)得到的“值-高度”線(xiàn)性關(guān)系式和圖像中的各個(gè)質(zhì)心連通區(qū)域相對(duì)應(yīng)，通過(guò)計(jì)算每個(gè)質(zhì)心連通區(qū)域的平均值，得到相應(yīng)的高度值，再結(jié)合三維繪圖指令進(jìn)行二維插值擬合。圖14為進(jìn)行二維插值擬合前的“N”字原始圖像。

圖14　“N”字原始圖像

二維數(shù)據(jù)插值，即曲面插值。通過(guò)構(gòu)造一個(gè)二元插值函數(shù)去近似插入更多的插值點(diǎn)，使得圖像更為精確和平滑。常用的幾種插值方法如下：雙線(xiàn)性插值、自然鄰域插值、最近鄰域插值和雙三次插值等。

圖15　“N”字三維重構(gòu)

雙三次插值法不僅考慮到周?chē)?個(gè)直接相鄰像素點(diǎn)灰度值的影響，還考慮到它們灰度值變化率的影響，因此克服了前面3種方法的不足之處。如圖15（c）和15（b）所示，雙三次插值法能夠產(chǎn)生比雙線(xiàn)性插值更為平滑的邊緣，處理后的圖像質(zhì)量最佳。

綜上所述，本文選擇雙三次插值作為插值擬合算法還原物體表面的三維形貌。插值擬合后的圖像如圖15（d）所示，圖中所有高度值均為物體的實(shí)際高度值。為了驗(yàn)證雙三次插值算法的可行性，還對(duì)硬幣表面的“E”字進(jìn)行了雙三次插值法處理，處理結(jié)果如圖16所示，可見(jiàn)利用雙三次插值法進(jìn)行插值擬合有較好的三維還原結(jié)果。

圖16　“E”字三維重構(gòu)圖

從還原結(jié)果可以看出，該并行彩色共聚焦測(cè)量系統(tǒng)具備較好的三維形貌恢復(fù)能力，且針對(duì)該系統(tǒng)研究的三維重構(gòu)方法也具備較好的適用性。

3.2　不同算法的比較

傳統(tǒng)的三維重構(gòu)方法處理流程如圖17所示。本文提出的三維重構(gòu)方法的不同主要體現(xiàn)在圖像拼接和質(zhì)心連通區(qū)域提取這兩個(gè)方面。

圖17　傳統(tǒng)三維重構(gòu)方法流程

在圖像拼接方面，傳統(tǒng)的三維重構(gòu)方法在處理三維形貌掃描測(cè)量得到的多張圖像時(shí)，主要是通過(guò)依次對(duì)單張圖像進(jìn)行截圖和質(zhì)心識(shí)別，提取三維物體的質(zhì)心位置，并通過(guò)“值-高度”轉(zhuǎn)換得到對(duì)應(yīng)質(zhì)心位置的高度，從而得到被測(cè)物體的三維重構(gòu)圖。與傳統(tǒng)的依次對(duì)單張圖像一一進(jìn)行處理的三維重構(gòu)方法相比，基于regionprops函數(shù)的并行彩色共聚焦測(cè)量系統(tǒng)三維重構(gòu)方法的優(yōu)勢(shì)在于：先利用OpenCV庫(kù)將圖像拼接，再對(duì)拼接圖像進(jìn)行三維重構(gòu)，從根本上避免了同時(shí)對(duì)多張圖像處理的耗時(shí)長(zhǎng)和效率低，一定程度上提高了處理效率；在質(zhì)心連通區(qū)域提取方面，傳統(tǒng)的三維重構(gòu)方法主要是通過(guò)對(duì)每個(gè)質(zhì)心區(qū)域進(jìn)行二重循環(huán)，對(duì)軸和軸的數(shù)據(jù)進(jìn)行遍歷，即找到每個(gè)質(zhì)心區(qū)域的所有像素值對(duì)應(yīng)的軸坐標(biāo)和軸坐標(biāo)，對(duì)它們進(jìn)行平均值處理，從而求出質(zhì)心位置，再對(duì)每一個(gè)質(zhì)心區(qū)域進(jìn)行以一定像素為半徑的圓形截取，即可得到每個(gè)光點(diǎn)對(duì)應(yīng)的質(zhì)心連通區(qū)域。而本文提出的三維重構(gòu)方法應(yīng)用MATLAB中的regionprops函數(shù)，可以直接快速地識(shí)別被測(cè)點(diǎn)質(zhì)心及質(zhì)心連通區(qū)域，比一般的質(zhì)心提取算法效率更高。

實(shí)際結(jié)果表明，利用本文提出的三維重構(gòu)方法進(jìn)行物體表面三維形貌還原耗時(shí)20 min左右，處理效率提高了5～6倍。兩種方法的處理結(jié)果對(duì)比如表2所示。綜上，基于OpenCV庫(kù)的圖像拼接和MATLAB中regionprops函數(shù)的應(yīng)用提高了并行彩色共聚焦測(cè)量的處理效率，利用該方法進(jìn)行三維重構(gòu)具有一定的可行性。

表2兩種處理方法結(jié)果對(duì)比

Tab.2　Comparison of results of two treatment methods

3.3　不同三維重構(gòu)方法的比較

除了上述本文所提到的三維重構(gòu)方法之外，這里將蔡司激光共聚焦顯微鏡LSM700和泰勒霍普森表面輪廓儀PGI1240作為參考，與本文所提的并行彩色共聚焦測(cè)量方法進(jìn)行對(duì)比，結(jié)果如表3所示。

表3本文方法與商用儀器的耗時(shí)對(duì)比

Tab.3　Time-consuming of proposed method compared with commercial instrument

由表3可知，本文提出的并行彩色共聚焦三維測(cè)量系統(tǒng)在保證測(cè)量精度的前提下，具備耗時(shí)短、效率高的特點(diǎn)。

4 結(jié)　論

本文研究了一種基于regionprops函數(shù)的并行彩色共聚焦測(cè)量系統(tǒng)三維重構(gòu)方法。該方法在光纖束并行彩色共聚焦原理的基礎(chǔ)上，首先對(duì)原始圖像進(jìn)行圖像預(yù)處理，去除冗余背景區(qū)域，對(duì)預(yù)處理后的圖像借助OpenCV庫(kù)實(shí)現(xiàn)目標(biāo)區(qū)域的摳取和圖像拼接，再利用MATLAB中的regionprops函數(shù)提取目標(biāo)光點(diǎn)的質(zhì)心及其連通區(qū)域，進(jìn)行“值-高度”轉(zhuǎn)換，最后根據(jù)不同測(cè)量位置處的光點(diǎn)對(duì)應(yīng)的不同高度值建立三維圖像，比較不同的插值算法的原理并選擇雙三次插值法進(jìn)行插值擬合，優(yōu)化物體表面三維形貌的還原結(jié)果。本文提出的算法避免了雜散光和離焦光所導(dǎo)致的圖像噪聲的影響，可以精確地提取出所需要處理的目標(biāo)光點(diǎn)區(qū)域，提高了處理精度，精度在微米級(jí)別；同時(shí)，圖像拼接的應(yīng)用也極大地縮短了處理時(shí)長(zhǎng)，提高了處理效率。實(shí)驗(yàn)結(jié)果表明，該算法對(duì)材料表面三維形貌的還原結(jié)果具備良好的應(yīng)用和參考價(jià)值。

［1］ 馮國(guó)華. 基于光譜共焦的厚度檢測(cè)系統(tǒng)研究［D］. 杭州：浙江大學(xué)， 2020.

FENG G H.［D］. Hangzhou： Zhejiang University， 2020. （in Chinese）

［2］ BERKOVIC G， ZILBERMAN S， SHAFIR E，. Chromatic confocal displacement sensing at oblique incidence angles［J］.， 2020， 59（10）： 3183-3186.

［3］ 何寶鳳，丁思源，魏翠娥，等. 三維表面粗糙度測(cè)量方法綜述［J］. 光學(xué)精密工程， 2019， 27（1）： 78-93.

HE B F， DING S Y， WEI C E，. Review of measurement methods for areal surface roughness［J］.， 2019， 27（1）： 78-93. （in Chinese）

［4］ DU H L， ZHANG W H， JU B F，. A new method for detecting surface defects on curved reflective optics using normalized reflectivity［J］.， 2020， 91（3）： 036103.

［5］ LUO D， TAPHANEL M， CLAUS D，. Area scanning method for 3D surface profilometry based on an adaptive confocal microscope［J］.， 2020， 124： 105819.

［6］ CHUN B S， KIM K， GWEON D. Three-dimensional surface profile measurement using a beam scanning chromatic confocal microscope［J］.， 2009， 80（7）： 073706.

［7］ OLSOVSKY C， SHELTON R， CARRASCO-ZEVALLOS O，. Chromatic confocal microscopy for multi-depth imaging of epithelial tissue［J］.， 2013， 4（5）： 732-740.

［8］ 趙維謙，王龍肖，邱麗榮，等. 激光聚變靶丸內(nèi)表面輪廓測(cè)量系統(tǒng)的研制［J］. 光學(xué)精密工程， 2019， 27（5）： 1013-1023.

ZHAO W Q， WANG L X， QIU L R，. Development of inner-surface profile measurement system for ICF capsule［J］.， 2019， 27（5）： 1013-1023. （in Chinese）

［9］ 張一，余卿，張昆，等. 基于數(shù)字微鏡器件的并行彩色共聚焦測(cè)量系統(tǒng)［J］. 光學(xué)精密工程， 2020， 28（4）： 859-866.

ZHANG Y， YU Q， ZHANG K，. Parallel chromatic confocal measurement system based on digital micromirror device［J］.， 2020， 28（4）： 859-866. （in Chinese）

［10］ HILLENBRAND M， WEISS R， ENDR?DY C，. Chromatic confocal matrix sensor with actuated pinhole arrays［J］.， 2015， 54（15）： 4927-4936.

［11］ 余卿，余曉芬，崔長(zhǎng)彩，等. 并行共焦測(cè)量中的并行光源技術(shù)綜述［J］. 中國(guó)光學(xué)， 2013， 6（5）： 652-659.

YU Q， YU X F， CUI CH C，. Survey of parallel light source technology in parallel confocal measurement［J］.， 2013， 6（5）： 652-659. （in Chinese）

［12］ CHEN L C， NGUYEN D T， CHANG Y W. Precise optical surface profilometry using innovative chromatic differential confocal microscopy［J］.， 2016， 41（24）： 5660.

［13］ 李玉峰，李廣澤，谷紹湖，等. 基于區(qū)域分塊與尺度不變特征變換的圖像拼接算法［J］. 光學(xué)精密工程， 2016， 24（5）： 1197-1205.

LI Y F， LI G Z， GU SH H，. Image mosaic algorithm based on area blocking and SIFT［J］.， 2016， 24（5）： 1197-1205. （in Chinese）

［14］ 代少升，姚俐. 基于ROI的高精度紅外全景拼接算法研究［J］. 半導(dǎo)體光電， 2020， 41（4）： 572-577.

DAI SH SH， YAO L. Research on the method of infrared panoramic image mosaic based on ROI［J］.， 2020， 41（4）： 572-577. （in Chinese）

［15］ 王云艷，周志剛，羅冷坤. 基于Sobel算子濾波的圖像增強(qiáng)算法［J］. 計(jì)算機(jī)應(yīng)用與軟件， 2019， 36（12）： 184-188.

WANG Y Y， ZHOU ZH G， LUO L K. Image enhancement algorithm based on sobel operator filtering［J］.， 2019， 36（12）： 184-188. （in Chinese）

［16］ 李波，董明利，張帆. 端面不透光的PDMS微柱陣列制備與圖像處理方法研究［J］. 紅外與激光工程， 2018， 47（12）： 380-387.

LI B， DONG M L， ZHANG F. Research of preparation and image processing method of PDMS micropost arrays with opaque top surfaces［J］.， 2018， 47（12）： 380-387. （in Chinese）

［17］ YANG S W， LIN C S， LIN S K，. Automatic defect recognition of TFT array process using gray level co-occurrence matrix［J］.， 2014， 125（11）： 2671-2676.

［18］ 張昆，余卿，邵尊桂，等. 基于彩色相機(jī)顏色轉(zhuǎn)換算法的彩色共聚焦測(cè)量方法［J］. 光學(xué)學(xué)報(bào)， 2019， 39（12）： 151-158.

ZHANG K， YU Q，SHAO Z G，. Chromatic confocal measurement method using color camera and color conversion algorithm［J］.， 2019， 39（12）： 151-158. （in Chinese）

［19］ 馬巖，張超子，劉也，等. 采用雙三次插值的空間目標(biāo)偏振成像［J］. 光學(xué)精密工程， 2019， 27（12）： 2555-2563.

MA Y， ZHANG CH Z， LIU Y，. Polarization imaging of space target based on bicubic interpolation［J］.， 2019， 27（12）： 2555-2563. （in Chinese）

［20］ 龔道然，李思寧，姜鵬，等. 激光雷達(dá)三維距離像超分辨重構(gòu)方法研究［J］. 紅外與激光工程， 2020， 49（8）： 60-66.

GONG D R， LI S N， JIANG P，. Research on super resolution reconstruction of laser radar range profile［J］.， 2020， 49（8）： 60-66. （in Chinese）

［21］ RUPRECHT A K， WIESENDANGER T F， TIZIANI H J. Chromatic confocal microscopy with a finite pinhole size［J］.， 2004， 29（18）： 2130-2132.

［22］ 崔長(zhǎng)彩，李煌，余卿，等. 彩色共焦系統(tǒng)可調(diào)制色散物鏡設(shè)計(jì)［J］. 光學(xué)精密工程， 2017， 25（4）： 343-351.

CUI CH C， LI H， YU Q，. Design of adjustable dispersive objective lens for chromatic confocal system［J］.， 2017， 25（4）： 343-351. （in Chinese）

［23］ 張雅麗，余卿，程方，等. 光纖束并行彩色共聚焦測(cè)量系統(tǒng)及實(shí)驗(yàn)研究［J］. 儀器儀表學(xué)報(bào)， 2020， 41（12）： 23-31.

ZHANG Y L， YU Q， CHENG F，. Parallel Chromatic confocal measurement system based on optical fiber bundle and its experimental study［J］.， 2020， 41（12）： 23-31. （in Chinese）

Three-dimensional reconstruction for parallel chromatic confocal measurement system based on regionprops function

ZHANG Yali，YU Qing*，CHENG Fang，WANG Chong，WANG Yin

（，，361021，），：

To solve the problems of poor centroid recognition and low processing efficiency in 3D reconstruction of parallel chromatic confocal measurement systems， a high efficiency and high precision 3D reconstruction method was proposed in this paper. In this algorithm， target extraction and image splicing were performed on all the experimental images to obtain spliced images. In addition， using the regionprops function in MATLAB， the centroid and its connected area of each measured point were extracted， and the-value and height relationship was constructed with the color conversion algorithm method. Finally， the interpolation fitting algorithm was used to reconstruct the 3D surface topography of the object. To verify the feasibility of the algorithm， the letter “N” and “E” on a one-yuan coin was measured in the author’s self-built parallel chromatic confocal system. The experimental results show that the axial measuring range of the system is 80 μm. Therefore， the measurement accuracy can reach the micron level， and this algorithm can quickly and effectively reconstruct the 3D surface topography of the sample. Compared with the conventional method， the processing efficiency is 5-6 times higher.

three-dimensional profile measurement； chromatic confocal measurement； parallel measurement； image processing

TH742

A

10.37188/OPE.20223001.0045

1004-924X（2022）01-0045-11

2021-04-26；

2021-05-13.

國(guó)家自然科學(xué)基金資助項(xiàng)目（No.52075190，51505162）；福建省科技計(jì)劃項(xiàng)目（No.2019I0013）；華僑大學(xué)中青年教師科研提升資助計(jì)劃項(xiàng)目（No.ZQN-PY604）

張雅麗（1997），女，安徽六安人，碩士研究生，2019年于山東科技大學(xué)獲得學(xué)士學(xué)位，主要從事光電檢測(cè)的研究。E-mail：1612737648@qq.com

余卿（1983），男，江西新余人，博士，副教授，2005年、2011年于合肥工業(yè)大學(xué)分別獲得學(xué)士、博士學(xué)位，主要從事光電檢測(cè)、精密機(jī)械設(shè)計(jì)等的研究。E-mail：yuqing@hqu.edu.cn