CN103455813A - 一种ccd图像测量***光斑中心定位的方法 - Google Patents

Abstract

本发明提供了一种CCD图像测量***光斑中心定位的方法，利用软件对CCD传感器生成的光斑图像进行仿真,随后利用中值滤波对仿真生成的激光光斑进行去噪处理，然后对去噪处理后的图像进行二值化处理，接着对二值化处理后的图像采用高斯拉普拉斯算子进行边缘提取，并利用灰度重心法进行初步定位，最后对初步定位后的图像采用高斯曲线拟合算法进行精确定位。本方法通过引入图像预处理环节，能有效的滤除图像中的噪声，增强抗干扰性；并且由于本方法仅对图像中有用的数据点进行计算分析，因此计算量小，使得软件实现简单并能大大节省***的资源。

Description

一种CCD图像测量***光斑中心定位的方法

技术领域

本发明涉及一种测量定位方法，尤其是一种的光斑中心的测量定位方法。

背景技术

专利CNIO1465002（公开日：2009年6月24日）公开了一种椭圆目标的亚像素边缘定位方法，该方法主要分为三个步骤，第一个步骤是对图像除噪、Sobel算子边缘检测、提取椭圆目标的边缘点；第二个步骤是利用边缘点求得椭圆目标的几何参数；第三个步骤是亚像素边缘定位。

在图像测量过程中对投射到CCD上的激光光斑中心进行精确定位是保证测量精度的一个重要前提，随着对测量精度要求的提高，像素级精度已经不能满足实际测量的要求，需要更高精度的提取算法，即亚像素算法。使测量结果达到一微米乃至零点几微米，从而大大提高***的测量精度.

激光光斑精确定位问题，现在最常用的中心定位亚像素算法有灰度重心法、插值法、相关法和矩方法等，其算法简单且定位精度较高，能达到0.2～0.5个像素，但这些方法只能处理目标面积区域适中的图像，并且受噪声干扰较大，当图像信噪比较小时，它的定位误差会变得很大。同时，高斯曲线拟合法也是图像处理中用的较多的一种数学方法，但是其定位精度与图像的具体分布有关，在实际处理中往往需要对每幅图像进行具体分析，语言描述复杂并且需要耗费大量的程序运行时间。

发明内容

为了满足图像测量***对光斑中心精确的定位的要求，本发明提供了一种亚像素级适用于光斑中心定位的方法，即基于灰度重心法的高斯曲线拟合亚像素级光斑中心定位方法。

本发明解决其技术问题所采用的技术方案包括以下步骤:

第一步，利用MATLAB软件对CCD传感器生成的光斑图像进行仿真,对光斑图像预处理，利用中值滤波对仿真生成的激光光斑进行去噪处理；

第二步，对第一步处理后的图像进行二值化处理：按照一个指定的阈值将图像上的像素点的灰度值设置为0和255CCD图像测量***光斑中心定位的方法，经过二值化处理后的图像将呈现出明显的黑白效果，阈值的选取以仍然可以反映图像整体和局部特征为标准；

第三步，对第二步处理后的图像采用高斯拉普拉斯算子进行边缘提取；

第四步，对第三步处理后的图像利用灰度重心法进行初步定位；

第五步，对第四步处理后的图像采用高斯曲线拟合算法进行精确定位：根据CCD方形孔径采样定理可知，CCD采集到的光斑近似符合高斯分布，高斯曲线表达式可用下式表示：

$y=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}\exp \left[\frac{{-(x-\mathrm{\μ})}^2}{{2\mathrm{\σ}}^2}\right]$

其中x为光斑位置，y为多对应光强，μ为光强分布中心，σ为光强分布误差，由于高斯曲线的积分表达式非常难求，因此不直接对上式进行拟合，对上式两端取对数：

可以看出该式是关于x的二次曲线，只需要对目标进行抛物线拟合即可，而二次函数可以看成高斯曲线的一种高次逼近，对二次曲线进行拟合时，找出差分值最大的点，即中心位置。

本发明的有益效果是由于通过引入了图像预处理环节，能有效的滤除图像中的噪声，增强抗干扰性；该方法对图像中的数据点并不是采用传统的逐点搜索计算的方法，而是通过灰度重心法先对光斑进行初步定位，然后仅对图像中有用的数据点进行计算分析，计算量小，使得软件实现简单并能大大节省***的资源。

附图说明

图1是本发明的流程图。

具体实施方式

下面结合附图和实施例对本发明进一步说明。

本发明的实现方法为如下所述步骤：

第一步，如图1所示利用matlab软件对CCD传感器生成的光斑图像进行仿真。首先，对光斑图像预处理，利用中值滤波对仿真生成的激光光斑进行去噪处理。中值滤波的主要功能是让与周围像素灰度值的差比较大的像素改取与周围像素值接近的值，从而消除孤立的噪声点。

第二步，对第一步处理后的图像进行二值化处理。图像的二值化处理就是按照一个指定的阈值将图像上的像素点的灰度值设置为0和255，经过二值化处理后的图像将呈现出明显的黑白效果，阈值的选取以仍然可以反映图像整体和局部特征为标准。

第三步，对第二步处理后的图像采用高斯拉普拉斯算子(LOG算子)进行边缘提取。在图像的边缘提取中，通常使用的拉普拉斯算子是一个二阶导数，它会在边缘处产生一个陡峭的零交叉，加上噪声对边缘检测的影响，因此一般使用LOG算子。它把高斯平滑滤波器和拉普拉斯锐化滤波器结合起来，先平滑掉噪声，然后进行边缘检测，所以效果较好。

第四步，对第三步处理后的图像利用灰度重心法进行初步定位。灰度重心法是对图像中圆，椭圆和矩形等中心对称的目标进行高精度定位常用的亚像素算法。由于采用灰度重心法时，先要对采集到的图像进行二值化处理，因此先在第二步对图像进行了二值化处理。灰度重心法的定位精度一般为0.2～0.5个像素。

第五步，对第四步处理后的图像采用高斯曲线拟合算法进行精确定位。根据《信息光学》（苏显渝著）中CCD方形孔径采样定理可知，CCD采集到的光斑近似符合高斯分布，高斯曲线表达式可用下式表示：

其中x为光斑位置，y为多对应光强，μ为光强分布中心，σ光强分布误差。由于高斯曲线的积分表达式非常难求，因此不直接对上式进行拟合，对上式两端取对数：

可以看出该式是关于x的二次曲线，只需要对目标进行抛物线拟合即可。而二次函数可以看成高斯曲线的一种高次逼近，对二次曲线进行拟合时，需要知道差分值最大的点，也就是大概的中心位置。

本发明采用的是通过灰度重心法初步定位找到图像的中心位置，然后以该像素点为中心点对水平方向和垂直方向进行高斯曲线拟合，下面对本方法中的高斯曲线拟合举例说明：

可设二次曲线的形式为：y＝Ax²+Bx+C，其中x为光斑位置，y为所对应光强，A、B、C为所设函数的系数。所以每个像素的输出灰度值为：

$f_{\mathrm{nx}}={\∫}_{n-\frac{1}{2}}^{n+\frac{1}{2}}({\mathrm{Ax}}^2+\mathrm{Bx}+C)\mathrm{dx}$

f_nx为第n个像素点的灰度值。通过重心法求出的坐标为(x₀,y₀)，该像素的灰度值为f_0x，由上式可知：

$f_{0x}={\∫}_{-\frac{1}{2}}^{\frac{1}{2}}({\mathrm{Ax}}^2+\mathrm{Bx}+C)\mathrm{dx}=\frac{1}{12}A+C$   ①

以该点为中心，向前向后各取一个像素点，记为f_-1x和f_1x，由上式可知：

$f_{-1x}={\∫}_{-\frac{3}{2}}^{-\frac{1}{2}}({\mathrm{Ax}}^2+\mathrm{Bx}+C)\mathrm{dx}=\frac{26}{24}A-B+C$   ②

$f_{1x}={\∫}_{\frac{1}{2}}^{\frac{3}{2}}({\mathrm{Ax}}^2+\mathrm{Bx}+C)\mathrm{dx}=\frac{26}{24}A+B+C$   ③

联立上式得：

$A=\frac{1}{2}(f_{1x}+f_{-1x}-{2f}_{0x})$ $B=\frac{1}{2}(f_{1x}-f_{-1x})$ $C=\frac{13}{12}{f}_{0x}-\frac{1}{24}{f}_{-1x}-\frac{1}{24}{f}_{1x}$

可求出二次曲线的顶点为：

$x=\frac{f_{1x}-f_{-1x}}{2({2f}_{0x}-f_{1x}-f_{-1x})}$

求解出来的结果是对原高斯曲线取对数并记中心坐标为0的结果，因此，上式中的灰度值用对数值代替，这样就能得到水平方向的亚像素中心为：

$x_{\mathrm{hori}}=x_0+\frac{{\mathrm{Inf}}_{1x}-{\mathrm{Inf}}_{-1x}}{2({2\mathrm{Inf}}_{0x}-{\mathrm{Inf}}_{-1x}\_{\mathrm{Inf}}_{1x})},$ x_hori为水平方向亚像素中心值。

同理可以求出垂直方向的亚像素中心为：

$y_{\mathrm{vert}}=y_0+\frac{{\mathrm{Inf}}_{1y}-{\mathrm{Inf}}_{-1y}}{2({2\mathrm{Inf}}_{0y}-{\mathrm{Inf}}_{-1y}\_{\mathrm{Inf}}_{1y})},$ y_vert为垂直方向亚像素中心值。

通过以上步骤我们便可求出光斑中心精确位置坐标（x_hori,y_vert）。

Claims (1)

1.一种CCD图像测量***光斑中心定位的方法，其特征在于包含下述步骤：

第一步，利用MATLAB软件对CCD传感器生成的光斑图像进行仿真,对光斑图像预处理，利用中值滤波对仿真生成的激光光斑进行去噪处理；

第二步，对第一步处理后的图像进行二值化处理：按照一个指定的阈值将图像上的像素点的灰度值设置为0和255CCD图像测量***光斑中心定位的方法，经过二值化处理后的图像将呈现出明显的黑白效果，阈值的选取以仍然可以反映图像整体和局部特征为标准；

第三步，对第二步处理后的图像采用高斯拉普拉斯算子进行边缘提取；

第四步，对第三步处理后的图像利用灰度重心法进行初步定位；

第五步，对第四步处理后的图像采用高斯曲线拟合算法进行精确定位：根据CCD方形孔径采样定理可知，CCD采集到的光斑近似符合高斯分布，高斯曲线表达式可用下式表示：

$y=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}\exp \left[\frac{{-(x-\mathrm{\μ})}^2}{{2\mathrm{\σ}}^2}\right]$

其中x为光斑位置，y为多对应光强，μ为光强分布中心，σ为光强分布误差，由于高斯曲线的积分表达式非常难求，因此不直接对上式进行拟合，对上式两端取对数：可以看出该式是关于x的二次曲线，只需要对目标进行抛物线拟合即可，而二次函数可以看成高斯曲线的一种高次逼近，对二次曲线进行拟合时，找出差分值最大的点，即中心位置。

Images