基于線性擴散板與反射分量分離理論的高光去除方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于三維結(jié)構(gòu)光測量領(lǐng)域，具體涉及一種基于線性擴散板與反射分量分離 理論的高光去除方法。
【背景技術(shù)】
[0002] 上世紀70年代以來，編碼光三維測量技術(shù)在高速檢測、產(chǎn)品開發(fā)、質(zhì)量控制、反求 工程等領(lǐng)域得到廣泛的應(yīng)用和發(fā)展，其具有高精度、高效率、非接觸等優(yōu)點。在編碼光三維 測量中，需要在物體表面投射條紋，條紋攜帶了物體表面的三維信息，條紋的灰度變化反映 了物體表面輪廓的變化。然而在實際工業(yè)測量中，條紋截面的灰度變化會受到很多因素的 干擾，其中高光是影響最為強烈的一個因素。高光的存在不僅可能會使相機飽和，丟失條紋 灰度變化信息，而且還將改變原有漫反射條紋的灰度分布，從而影響條紋中心提取的準確 性。去高光問題目前已是利用光學(xué)方法測量金屬陶瓷等強反射物體所面臨的一個難點與共 性問題。
[0003] 現(xiàn)有的基于漫反射與鏡面反射的分離高光抑制方法中，雙色模型只適用于非導(dǎo)體 材質(zhì)，不適用于金屬表面。極化方法在入射角接近90度時，金屬表面的菲涅耳系數(shù)才有少許 變化，易造成相機的飽和。而在避免和減少鏡面反射方法中，單獨使用多光源、多角度、多曝 光、噴霧法、光度學(xué)等方法仍然存在著高光區(qū)域重疊部分不能完全去除、不能滿足測量的精 度需求、對金屬表面造成腐蝕等問題?？傊?，在編碼光三維測量領(lǐng)域，現(xiàn)有的方法仍然無法 克服高光成分對三維重構(gòu)的影響。

【發(fā)明內(nèi)容】

[0004] 針對上述問題，本發(fā)明公開了一種基于線性擴散板與反射分量分離理論的高光去 除方法，該方法將線性擴散板與反射分量分離理論進行軟硬有機結(jié)合，使二者彼此支持，實 現(xiàn)線性擴散板或反射分量分離理論單獨存在時，都不具有的抑制高光的作用，從而降低高 光部分對三維重構(gòu)的影響。
[0005] 本發(fā)明的目的是這樣實現(xiàn)的：
[0006] 基于線性擴散板與反射分量分離理論的高光去除方法，包括以下步驟：
[0007] 步驟a、在投影儀與被測物之間加入線性擴散板；
[0008] 步驟b、建立待處理圖像信息模型；
[0009] 步驟c、建立待處理圖像漫反射與強反射色度模型；
[0010]步驟d、建立歸一化圖像模型；
[0011] 步驟e、建立非強反射圖像模型；
[0012] 步驟f、確定強反射像素點；
[0013] 步驟g、處理強反射像素區(qū)域。
[0014] 上述基于線性擴散板與反射分量分離理論的高光去除方法，步驟b到步驟g具體 為：
[0015] 步驟b、建立待處理圖像信息模型
[0016] 待處理圖像表示為：
[0017] Αι?(Χ)=α(Χ)]·ΩΤ(λ，Χ)Β(λ)ρκ(λ)(1λ+β(Χ)]·ΩΒ(λ)ρ κ(λ)(1λ
[0018] Αο(Χ)=α(Χ)ΙΩΤ(λ,Χ)Β(λ)ρ0(λ)?λ+β(Χ)ΙΩΒ(λ)ρ〇(λ)?λ
[0019] ΑΒ(Χ)=α(Χ)]·ΩΤ(λ,Χ)Β(λ)ρΒ(λ)(1λ+β(Χ)]·ΩΒ(λ)ρ Β(λ)(1λ
[0020] 其中，Α(Χ)為圖像強度，α(χ)為漫反射加權(quán)因子，β(Χ)為強反射加權(quán)因子，Χ={χ， y}為像素點坐標，Τ(λ，Χ)為漫反射功率譜，Β(λ)為強反射功率譜，Q(A)為傳感器靈敏度，下 角標R、G、B分別表示圖像的紅色通道、綠色通道、以及藍色通道；
[0021] 令：
[0022] DR(X) = ^T(A，X)B(A)QR(A)dA
[0023] Dg(X) = JqT(A，X)B(A)Qg(A)cIA
[0024] DB(X) = jQT(A，X)B(A)QB(A)dA
[0025] SR = ^B(A)QR(A)dA
[0026] Sg = JqB(A)Qg(A)cIA
[0027] SB = ^B(A)QB(A)dA
[0028] 有：
[0029] AR(X)=a(X)DR(X)+e(X)SR
[0030] AG(X)=a(X)DG(X)+P(X)SG
[0031] AB(X)=a(X)DB(X)+P(X)SB
[0032] 步驟c、建立待處理圖像漫反射與強反射色度模型 [0033]定義圖像色度為：
[0037]在像素中只有漫反射的條件下，β(Χ)=0,此像素的色度表達式為：
[0041] 在像素中只有強反射的條件下，α(Χ)=0,此像素的色度表達式為：
[0042] - ?
[0043]
[0044]
[0045] 此時有：
[0046] AR(X)=md(X)MR(X)+ms(X)K R
[0047] AG(X)=md(X)MG(X)+ms(X)KG
[0048] AB(X)=md(X)MB(X)+ms(X)KB
[0049] 其中，md(X)MR(X)、md(X)MG(X)、md(X)M B(X)為漫反射分量，ms(X)KR、ms(X)K G、ms(X)KB 為強反射分量，并且有：
[0050] md(X) =a(X) [Dr(X)+Dg(X)+Db(X)]
[0051] ms(X)=P(X)(SR+SG+SB)
[0052] 步驟d、建立歸一化圖像模型
[0053] 歸一化的圖像可以表示為：
[0054] Ar7 (X)=Ar(X)/Kr/
[0055] A/g(X)=Ag(X)/K/g
[0056] Ab7 (X)=Ab(X)/Kb/
[0057] 其中，A' (X)為歸一化的圖像強度，f為強反射分量的色度估計值；
[0058]步驟e、建立非強反射圖像模型
[0059] 定義經(jīng)過顏色補償之后的圖像為非強反射圖像，定義式如下：
[0060] = ，XX)
[0061] Ai；{X)^niri{X)M,;{X)
[0062] :1(^) = /^(^)^(^)
[0063]其中，為Z)為非強反射圖像的強度，汾(A1為非強反射圖像的漫反射色度，九為 非強反射圖像的漫反射加權(quán)因子；
[0064]步驟f、確定強反射像素點 [0065]步驟Π 、確定非漫反射像素
[0066] 的log(.4f〇)>-部〇g()(義)))讀的像素為非漫反射像素，其中，d()為導(dǎo)數(shù)微分運 算，l〇g()為取對數(shù)運算；
[0067] 步驟f2、判斷以下條件是否同時滿足：
[0068] AR = !'RiX)-I'RiX ~\)>R
[0069] Δ6 =4(J〇-4(Z -1)>G
[0070] Δ, = /;(Α，）-/;(A，-1)>5
[0071] 如果滿足，步驟f結(jié)束；
[0072]如果不滿足，進入步驟f3;
[0073] 步驟f3、判斷以下條件是否滿足：
[0074] max(KR(X)、Kg(X)、Kb(X) ) =max(KR(X_l)、Kg(X_1 )、Kb(X_1 ))
[0075] 如果滿足，則像素 X為噪聲像素；
[0076] 如果不滿足，則像素 X為強反射像素；
[0077]按照此步驟將所有像素處理完畢，即可標記出被測圖像中所有強反射像素區(qū)域 Ω ;
[0078]步驟g、處理強反射像素區(qū)域
[0079] 步驟gl、根據(jù)強反射像素區(qū)域Ω，按照以下公式確定源區(qū)域Φ :
[0080] Φ=Α(Χ)-Ω
[0081] 進而確定強反射像素區(qū)域Ω與源區(qū)域Φ的邊界〇Ω ;
[0082] 步驟g2、邊界σ Ω上的每個像素點〇對應(yīng)一個采樣模塊φ。，計算邊界σ Ω上每一個像 素點〇的優(yōu)先級Ρ(〇)，對于區(qū)域Φ。:其優(yōu)先級可以表示為：
[0083] P(〇)=C(o)XD(o)
[0084] 其中，C(o)為置信度，D(o)為數(shù)據(jù)項，并且有：
[0085]
[0086]
[0087]其中，|也|是采樣窗口Φ。的面積，α為規(guī)范化因子，丄代表正交操作;η。是點〇正交于 邊界σ Ω的單位正交向量，是〇點處的照度；
[0088]步驟g3、尋找滿足以下公式的像素：
[0089]
[0090] 其中，^、聲、q均為像素點，心為優(yōu)先級最尚的米樣模塊，表不優(yōu)先級 最高的采樣模塊與采樣模塊％的像素的平方差的和，％為滿足條件的源模塊;在找到符 合條件的源模塊力后，用源模塊&中的像素點按照對應(yīng)關(guān)系代替模塊的像素點；反復(fù) 迭代，直到強反射像素區(qū)域Ω都處理完畢。
[0091] 有益效果:本發(fā)明將線性擴散板與反射分量分離理論進行軟硬有機結(jié)合，使二者 彼此支持，實現(xiàn)線性擴散板或反射分量分離理論單獨存在時，都不具有的抑制高光的作用， 從而降低高光部分對三維重構(gòu)的影響。
【附圖說明】
[0092] 圖1是在投影儀與被測物之間加入線性擴散板的原理圖。
[0093] 圖2是在投影儀與被測物之間加入線性擴散板的實物圖。
[0094]圖3是大理石搗蒜罐照片。
[0095]圖4是未加入線性擴散板條件下的大理石搗蒜罐三維重構(gòu)圖。
[0096]圖5是加入線性擴散板條件下的大理石搗蒜罐三維重構(gòu)圖。
[0097]圖6是本發(fā)明方法得到的大理石搗蒜罐三維重構(gòu)圖。
【具體實施方式】
[0098]下面結(jié)合附圖對本發(fā)明【具體實施方式】作進一步詳細描述。
[0099]本實施例的基于線性擴散板與反射分量分離理論的高光去除方法，包括以下步 驟：
[0100]步驟a、在投影儀與被測物之間加入線性擴散板，原理圖如圖1所示，實物圖如圖2 所示；
[0101]步驟b、建立待處理圖像信息模型 [0102] 待處理圖像表示為：
[0103] Αι?(Χ)=α(Χ)]·ΩΤ(λ，Χ)Β(λ)ρκ(λ)(1λ+β(Χ)]·ΩΒ(λ)ρ κ(λ)(1λ
[0104] Αο(Χ)=α(Χ)ΙΩΤ(λ,Χ)Β(λ)ρ0(λ)?λ+β(Χ)ΙΩΒ(λ)ρ〇(λ)?λ
[0105] ΑΒ(Χ)=α(Χ)]·ΩΤ(λ,Χ)Β(λ)ρΒ(λ)(1λ+β(Χ)]·ΩΒ(λ)ρ Β(λ)(1λ
[0106] 其中，Α(Χ)為圖像強度，α(Χ)為漫反射加權(quán)因子，β(Χ)為強反射加權(quán)因子，Χ={χ， y}為像素點坐標，Τ(λ，Χ)為漫反射功率譜，Β(λ)為強反射功率譜，Q(A)為傳感器靈敏度，下 角標R、G、B分別表示圖像的紅色通道、綠色通道、以及藍色通道；
[0107] 令：
[0108] DR(X) = ^T(A，X)B(A)QR(A)dA
[0109] Dg(X) = JqT(A，X)B(A)Qg(A)cIA
[0110] 〇Β(χ)=?ΩΤ(λ，χ)Β(λ)ρΒ(λ)(?λ
[0111] Sr = !ΩΒ(λ)(^(λ)(1λ
[0112] Sg = JqB(A)Qg(A)cIA
[0113] Sb = JqB(A)Qb(A)cIA
[0114] 有：
[0115] AR(X)=a(X)DR(X)+e(X)SR
[0116] AG(X)=a(X)DG(X)+0(X)SG
[0117] AB(X)=