一種單幅干涉圓條紋預處理的自動化處理方法
【專利摘要】本發(fā)明針對干涉圖像的預處理，通過改進的去噪方法、二值化算法、細化及修補算法，提出一種單幅干涉圓條紋圖像預處理的自動化處理方法。本發(fā)明利用在P?M模型上引入擴散系數(shù)，修改中值濾波窗口，然后采用加權(quán)方式將兩者結(jié)合形成去噪方法，該方法對圖像邊緣和細節(jié)保護明顯。本發(fā)明采用的細化修補算法不但可以去除圖像中的毛刺，而且在保證圖像連通性的前提下去除多余二像素，從而使圖像細化成單像素圖像。本發(fā)明對單幅干涉圓條紋進行特征信息提取具有重要意義，可為基于單幅干涉圓條紋分析的光學測量技術(shù)的應用提供可靠地分析方法。
【專利說明】
一種單幅干涉圓條紋預處理的自動化處理方法
技術(shù)領域
[0001] 本發(fā)明涉及光學干涉精密檢測技術(shù)領域，特別涉及在基于單幅干涉圓條紋進行干 涉測量時圖像預處理的自動化處理方法。
【背景技術(shù)】
[0002] 光學干涉檢測技術(shù)在光學表面檢測、振動分析、天文光學中的空間干涉檢測、薄膜 的厚度和折射率測量等方面都有著較為廣泛地應用。在所有光學干涉檢測中最重要的部分 是條紋數(shù)據(jù)的分析。目前，條紋分析技術(shù)主要包括三類:基于強度的分析、基于變換的分 析、基于相位的分析。其中基于變換的分析技術(shù)是通過傅里葉變換或者小波變換把干涉圖 變換到其他域進行分析。而基于強度的分析技術(shù)是直接對灰度圖像進行處理，這種方法處 理速度快，但是易于受噪聲影響。在相位分析的方法中，通過干涉圖的相位包裹被抽取和分 析。近年來國內(nèi)外的研究學者主要研究具有高測量精度的相位法，但在某一些特定的場合， 例如通過已往實驗重現(xiàn)的干涉圖像進行分析處理、實驗裝置不便引入相移裝置等。因此，基 于強度的條紋分析法的研究工作一直還很活躍，研究問題的關鍵在于尋找合適的條紋處理 算法，以提高干涉條紋處理的自動化程度和精度。
[0003] 單幅干涉圓條紋圖像的預處理技術(shù)是基于強度的條紋分析法的重要組成部分，單 幅干涉圓條紋圖像預處理的工作過程如下：干涉圓條紋圖像去噪處理、去噪后的圖像二值 化處理、二值圖像進行細化處理、以及對細化圖像進行修補處理。目前常用圖像預處理的過 程存在需要人為控制且易于受噪聲干擾、測量時間長等問題。本發(fā)明專利通過深入研究單 幅干涉圓條紋預處理過程中的各種算法，提出了在干涉圓條紋預處理過程中采用改進的 Perona和Mal ik提出的各向異性擴散方程（即，P-M模型）與復合型中值濾波組合形成加權(quán)去 噪方法，改進的Merriman-Bence-Osher (即，ΜΒ0)二值算法，以及改進的Lu-Wang(即，LW)細 化算法和修補算法，使得通過本發(fā)明的單幅干涉圓條紋處理方法在提取特征信息時具有自 動化，處理速度快和精度高等優(yōu)點。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于解決現(xiàn)有光學干涉測量技術(shù)中，通過對干涉條紋特征信息提取 時的測量時間長、測量精度不高、不能自動化處理等問題，提出了一種單幅干涉圓條紋預處 理的自動化處理方法。
[0005] -種單幅干涉圓條紋預處理的自動化處理方法，它包括以下步驟： 步驟一、對單幅干涉圓條紋圖像進行去噪處理； 對單幅干涉圓條紋進行去噪處理，它是由以下步驟實現(xiàn)的： 步驟、改進現(xiàn)有的偏微分方程中的PHV[模型； 步驟一二、通過步驟一一得到的改進的P-M模型與復合型中值濾波組合形成加權(quán)模 型； 步驟二、根據(jù)步驟一中得到的干涉圓條紋去噪后的圖像進行二值化處理； 步驟三、根據(jù)步驟二中得到的干涉圓條紋二值化后的圖像進行LW細化算法細化處理； 步驟四、根據(jù)步驟三得到的干涉圓條紋細化圖像進行修補處理； 對單幅干涉圓條紋細化圖像修補處理，它是由以下步驟實現(xiàn)的： 步驟四一、針對步驟四中得到的干涉條紋細化圖像通過增加去除摸板，進行去毛刺修 補處理； 步驟四二、針對步驟四一中得到的去除毛刺后的圓干涉條紋修補圖像增加去除模板 進行去二像素修補處理。
[0006] 有益效果:提出了單幅干涉圓條紋預處理時采用基于P-M模型與復合型中值濾波 的去噪算法、改進的MBO二值算法以及LW細化算法的修補算法，使得通過本發(fā)明的單幅干涉 圓條紋的預處理可以實現(xiàn)自動化，從而使圖像信息提取更加快速和方便，提高干涉測量結(jié) 果精度。
【附圖說明】
[0007] 圖1是一種單幅干涉圓條紋預處理的自動化處理方法的流程圖； 圖2是單幅干涉圓條紋圖像進行去噪處理的流程圖； 圖3是單幅干涉圓條紋細化圖像進行修補處理的流程圖； 圖4是干涉測量技術(shù)中采集的單幅干涉條紋圖； 圖5是通過改進的P-M模型與復合型中值濾波組合形成加權(quán)模型去噪處理后的單幅干 涉條紋圖； 圖6是通過二值化算法處理后的單幅干涉條紋圖； 圖7是通過LW細化算法得到的單幅干涉條紋圖； 圖8是通過修補算法得到的單幅干涉條紋，預處理的自動化處理結(jié)果圖； 圖9是通過LW細化算法得到的單幅干涉條紋局部放大圖； 圖10是通過修補算法得到的單幅干涉條紋局部放大圖。
【具體實施方式】
[0008]
【具體實施方式】一、結(jié)合圖1說明本【具體實施方式】，一種單幅干涉圓條紋預處理的自 動化處理方法，它包括以下步驟： 步驟一、對單幅干涉圓條紋圖像進行去噪處理； 步驟二、根據(jù)步驟一中得到的干涉圓條紋去噪后的圖像進行二值化處理； 步驟三、根據(jù)步驟二中得到的干涉圓條紋二值化后的圖像進行LW細化算法細化處理； 步驟四、根據(jù)步驟三得到的干涉圓條紋細化圖像進行修補處理。
[0009] 【具體實施方式】二、結(jié)合圖2說明本【具體實施方式】，本【具體實施方式】與【具體實施方式】 一所述的一種單幅干涉圓條紋預處理的自動化處理方法的區(qū)別在于，步驟一中所述的對單 幅干涉圓條紋圖像進行去噪處理由以下步驟實現(xiàn)： 步驟、改進現(xiàn)有的偏微分方程中的PHV[模型； Perona和Malik在1990年提出了在達到去噪效果的同時，更好地保護邊緣細節(jié)的各向 異性擴散模型即P-M模型
其中，％(XS J偽初始圖像，齡為散度函數(shù)，你為圖像梯度，為圖像梯度模，?為 尺度參數(shù)。理想的擴散系數(shù)應當在圖像邊緣實行較弱擴散，以保持圖像邊緣細節(jié)信息，而在 變化平緩的區(qū)域?qū)崿F(xiàn)快速平滑。Perona和Malik給出了該公式的擴散系數(shù)的兩種形式：

其中，ad為控制擴散程度的擴散系數(shù)，《為梯度，K為常數(shù)。P-M模型能根據(jù)圖像梯度信 息具有選擇性的進行擴散平滑，能夠較好地同時兼顧去除噪聲和保護特征這兩方面，但該 模型也存在以下不足：當干涉圖像受到強烈的噪聲干擾時，圖像中孤立的噪聲點梯度變化 可能會比邊緣的梯度變化程度大，因此不能很好地區(qū)分干涉圖像中噪聲和邊緣細節(jié)信息兩 者之間的差別，可能會對去除噪聲產(chǎn)生不利的一些影響。為了達到對裂縫圖像較好的去噪 效果并保持和增強裂縫的目的，提出了一種利用自適應算子構(gòu)造了新的擴散系數(shù)c改進 現(xiàn)有P-M模型
初始，令濟的初始值為1. 0。在迭代過程中會自適應更新y駕的值：
在判定是特征信息區(qū)域內(nèi)，自調(diào)節(jié)算子濟$迅速增加，使擴散系數(shù)更加快速趨于0,能更 好的保持圖像的特征，而在非特征信息區(qū)域內(nèi)，梯度S趨近于0，于是?急劇減小，使擴散系 數(shù)增大，速率加快，能夠更好地去除噪聲，便構(gòu)成了新的圖像平滑P-M模型。
[0010]步驟一二、通過步驟 得到的改進的P-M模型與復合型中值濾波組合形成加權(quán) 豐旲型； 中值濾波是一種非線性濾波方式，是以設計窗口中所有像素點的中值來代替中心像素 點的值，中值濾波對干涉圖邊緣具有較強的保護能力，但是隨著設計窗口的逐步增大，其計 算量會迅速增大，同時降低噪聲的抑制效果。在復合型中值濾波中，利用圓環(huán)擴散法與中值 濾波相結(jié)合，充分利用干涉圖的圖像結(jié)構(gòu)，在每一個圓圈圓環(huán)中，利用中值濾波，以圓環(huán)擴 散的方式，使這一圈的圖像進行中值濾波，濾波窗口隨著迭代次數(shù)的增加逐步變化，以便達 到去除噪聲的目的。復合型中值濾波的模型表示如下：

其中，:運為圓圈形的濾波窗口，符和:.1.為到中心點距離，Me成0為中值濾波，在對單幅干 涉圓條紋處理時利用以下公式進行筍#々卜? · 再利用如下公式進行近似處理. 最后得到M的公式
通過利用偏微分方程中改進的P-M模型與復合型中值濾波加權(quán)相結(jié)合，得到了一種針 對單幅干涉圓條紋的新型混合噪聲濾波模型，可表示為：
其中，感為改進的P-M模型，I為圓圈形的濾波窗口，為中值濾 波模型，爲fe#和爲汰分為加權(quán)函數(shù)模型的加權(quán)因子：
改進的P-M模型與復合型中值濾波加權(quán)相結(jié)合不僅可以有效地去除圖像噪聲，而且對 圖像邊緣細節(jié)信息進行更好的保護。
[0011]
【具體實施方式】一、本【具體實施方式】與【具體實施方式】一所述的一種單幅干涉圓條紋 預處理的自動化處理方法的區(qū)別在于，步驟二中所述的干涉圓條紋去噪后的圖像進行二值 化處理是由以下步驟實現(xiàn)： 設定參數(shù)石，選擇一個Γ的初始閾值估計值?；，將圖像分成兩組像素區(qū)域G;和G2c3Gi由 所有灰度值大于的像素組成，而_由所有灰度值小于或等于的像素組成。對區(qū)域和疼 中的所有像素計算平均灰度值，得到新的閾值:i ，如果，則推出右 為所求的全局閾值;否則，將C賦給巧，重復以上步驟。
[0012]
【具體實施方式】二、本【具體實施方式】與【具體實施方式】一所述的一種單幅干涉圓條紋 預處理的自動化處理方法的區(qū)別在于，步驟三中所述的干涉圓條紋二值化后的圖像進行LW 細化算法細化處理由以下公式實現(xiàn)： 現(xiàn)有的LW細化算法原理為:設任意像素點為荇，以荇為中心的3>· 3像素鄰域中包括芎 到冷共八個鄰域點，假設目標點的像素為1，背景點的像素為0。在整個干涉條紋二值圖像 內(nèi)，所有滿足一定條件的像素點可以并行處理。LW算法采用迭代的方式把每次迭代分為兩 個迭子代;第一次迭子代消除圖像東和南的邊緣點，以及西北角的點;第二次迭子代消去圖 像西邊和北邊的邊緣點及東南角的點。由兩次迭代過程可以看出，LW算法是從4個方向不斷 刪除不屬于圖像骨架的像素，且保持原圖像的拓撲連接屬性，從而達到對圖像細化目的。 迭代次數(shù)π的初始值設為0,當η:為偶數(shù)時，執(zhí)行子過程1。過程1是掃描當前圖像中所有 的像素點為1的點即像素點芎，如果像素點6滿足條件公式答δ、及試）=1、 = '4 則標記該像素為需要刪除點。當η為奇數(shù)時執(zhí)行子過程2,過 程2是掃描當前圖像中所有的像素點為1的點即像素點巧，如果像素點6滿足條件公式 = 1、3 m(巧6、P2XηXg = &、P2Ji巧X巧=O四個條件，則標記該像素點為需要刪 除點。其中，^cD是A的非零鄰點的個數(shù)，負巧)是mm4、4為序時這些點從 0到1變化次數(shù)。同樣當對所有邊界點都檢查完畢后，將所有標記的點去除，當沒有點再滿足 條件時，剩下的點便組成了圖像的骨架。
[0013]【具體實施方式】三、結(jié)合圖3說明本【具體實施方式】，本【具體實施方式】與【具體實施方式】 一所述的一種單幅干涉圓條紋預處理的自動化處理方法的區(qū)別在于，步驟四中所述的根據(jù) 步驟三中得到的干涉圓條紋細化圖像進行修補處理，它是由以下步驟實現(xiàn)的： 步驟四一、針對步驟四中得到的干涉條紋細化圖像增加去除摸板對毛刺進行修補處 理； 對步驟三中得到的干涉條紋細化圖像，通過增加去除公式進行去毛刺修補處理，去除 公式具體如下：
步驟四二、針對步驟四一得到的去除毛刺后的圓干涉條紋細化圖像增加去除模板進 行去二像素修補處理； 對步驟四一中得到的干涉條紋細化圖像，通過增加去除公式進行去二像素修補處理， 去除公式具體如下：
如果像素點巧滿足以上四個公式，則令像素點否的賢3鄰域內(nèi)的像素點跨=紙名_、 瑪:二:#、4 = ?就可以去掉單幅干涉圓條紋細化后的圖像中存在多余的二像素，得到了完全 細化的單像素干涉圓條紋細化圖像，以待后續(xù)干涉信息的提取之用。
【主權(quán)項】
1. 一種單幅干設圓條紋預處理的自動化處理方法，其特征在于，它包括w下步驟： 對單幅干設圓條紋圖像進行去噪處理； 根據(jù)步驟一中得到的干設圓條紋去噪后的圖像進行二值化處理； 根據(jù)步驟二中得到的干設圓條紋二值化后的圖像進行LW細化算法細化處理； 根據(jù)步驟Ξ得到的干設圓條紋細化圖像進行修補處理。2. 根據(jù)權(quán)利要求1所述的一種單幅干設圓條紋預處理的自動化處理方法，其特征在于， 步驟一中所述的對單幅干設圓條紋圖像進行去噪處理由W下步驟實現(xiàn)： 步驟一一、改進現(xiàn)有的偏微分方程中的P-M模型； 步驟一二、通過步驟一一得到的改進的P-M模型與復合型中值濾波組合形成加權(quán)模 型。3. 根據(jù)權(quán)利要求2所述的一種單幅干設圓條紋預處理的自動化處理方法，其特征在于， 步驟一一中所述的對單幅干設圓條紋圖像進行改進的P-M模型由W下公式實現(xiàn)： 一種利用自適應算子麟構(gòu)造了新的擴散系數(shù)C改進現(xiàn)有P-M模型： 其中，送為梯度，K為常數(shù)。初始，令的初始值為1.0。在迭代過程中會自適應更新的值：在判定是特征信息區(qū)域內(nèi)，自調(diào)節(jié)算子游:迅速增加，使擴散系數(shù)更加快速趨于0,更好 地保持圖像的特征，而在非特征信息區(qū)域內(nèi)，梯度#趨近于0,于是./?急劇減小，使擴散系數(shù) 增大，速率加快，能夠更好地去除噪聲，便構(gòu)成了新的圖像平滑P-M模型。4. 根據(jù)權(quán)利要求2所述的一種單幅干設圓條紋預處理的自動化處理方法，其特征在于， 步驟一二中所述的對單幅干設圓條紋圖像進行改進的P-M模型與復合型中值濾波組合形成 加權(quán)模型去噪處理由W下公式實現(xiàn)： 復合型中值濾波的模型表示如下：其中，義為圓圈形的濾波窗口，和r:為到中屯、點距離，疏礎；的為中值濾波，在對單幅干 設圓條紋處理時利用W下公式進行替代處理：通過利用偏微分方程中改進的P-M模型與復合型中值濾波加權(quán)相結(jié)合，得到了一種針 對單幅干設圓條紋的新型混合噪聲濾波模型，可表示為：其中，淺婚I網(wǎng)巧鍵為改進的P-M模型，施郵為中值濾波模型，襲較皆巧曠始:病 為加權(quán)函數(shù)模型的加權(quán)因子：5. 根據(jù)權(quán)利要求1所述的一種單幅干設圓條紋預處理的自動化處理方法，其特征在于， 步驟四中所述的對單幅干設圓條紋圖像進行修補處理由W下步驟實現(xiàn)： 步驟四一、針對步驟四中得到的干設條紋細化圖像增加去除摸板進行去毛刺修補處 理； 步驟四二、針對步驟四一得到的去除毛刺后的圓干設條紋細化圖像增加去除模板進 行去二像素修補處理。6. 根據(jù)權(quán)利要求5所述的一種單幅干設圓條紋預處理的自動化處理方法，其特征在于， 步驟四一中所述的對單幅干設圓條紋細化圖像進行去毛刺修補處理由W下公式實現(xiàn)： 對步驟四中得到的干設條紋細化圖像，通過增加去除公式進行去毛刺修補處理，去除 公式具體如下：其中，巧為像素為1的像素點，馬;~趕為W像素點巧中必的3X3像素鄰域中的八個鄰域 點，為:巧是巧的非零鄰點的個數(shù)，遇緩褐璋、駕、巧、:馬、:葛、巧、S、溝為序時運些點從0到1 變化次數(shù)。7. 根據(jù)權(quán)利要求5所述的一種單幅干設圓條紋預處理的自動化處理方法，其特征在于， 步驟四二中所述的對單幅干設圓條紋細化圖像進行去二像素修補處理由W下公式實現(xiàn)： 對步驟四一中得到的去毛刺修補處理的干設條紋細化圖像，通過增加去除公式進行去 二像素修補處理，去除公式具體如下：如果像素點巧滿足W上四個公式，則令像素點巧的3X3鄰域內(nèi)的像素點巧疫、焉二竊、 巧=?、'駕=§就可W去掉單幅干設圓條紋細化后的圖像中存在多余的二像素，得到了完全 細化的單像素干設圓條紋圖像。
【文檔編號】G06T5/00GK105844593SQ201610047496
【公開日】2016年8月10日
【申請日】2016年1月25日
【發(fā)明人】于雪蓮, 馬文書, 趙文彬, 王偉佳, 周坤, 張嘉成, 唐曉慧, 滕飛
【申請人】哈爾濱理工大學