一种基于频谱特性的光学元件表面弱划痕检测方法与流程

本发明属于光学技术领域，尤其是涉及一种基于频谱特性的光学元件表面弱划痕检测方法。

背景技术：

激光核聚变是目前认为比较可行的一种实现可控核聚变的方式，其中关键的一步，即需要产生极高功率的激光脉冲，使得热核燃料在短时间内产生电离。在这种高功率激光的光学系统中，每一个光学元件的质量变得格外重要。

在光学元件表面的激光能量达到一定程度时，光学元件本身会发生开裂/破损，甚至产生爆炸等一系列不可逆转的变化，这个激光能量称之为光学元件的激光损伤阈值。光学元件的激光阈值主要由元件本身材料决定，同时如果由于元件加工质量不过关，或者是使用过程中对元件产生了磨损，对应的缺陷区域的激光损伤阈值就会下降，从而影响到整个光学系统对于大功率激光的承载能力。因此，准确地检测缺陷，评估光学元件的质量，在承载高功率激光的光学系统中显得尤为重要。

目前的光学材料受限于当前的加工水平，生成出来的光学元件常会伴随一定的缺陷。这些缺陷大致可分为块状缺陷和线状缺陷两大类，块状缺陷包括麻点、坑洞等，而现状缺陷则主要包括划痕、裂纹等等。块状缺陷通常是在加工过程中产生的破碎性损伤，因为其自身产生原因的特点，通常缺陷信息比较明显，在暗场散射成像中，能够产生足够强的散射光，从而方便检测。而对于线状缺陷，除了裂纹之外，还有一个主要来源就是划痕。划痕通常是产生于研磨抛光过程中的受力不均匀，某些划痕由于深度较浅，其在暗场散射成像中，被相机捕捉到的散射光相对较弱，因此称之为弱划痕。

在检测图像的过程中，由于块状缺陷和强划痕信息在图像中较为明显，可以直接利用常规的图像处理手段进行提取，例如连通域检测、霍夫直线检测等手段。如公开号为cn110361400a的中国专利文献公开了一种铸铁工件的气泡检测方法，包括如下步骤：s1、输入x射线图像，对所述x射线图像进行预处理以获得预处理图像；s2、对所述预处理图像进行连通域检测以获得所述预处理图像的边缘连通域和前景连通域；s3、对获得的边缘连通域和前景连通域求并集和/或交集以确定所述x射线图像中的气泡区域。

而对于弱划痕，由于其信噪比本身非常低，在常规图像处理手段中，很难兼顾好弱划痕信息的提取和噪声信号的压制。

因此，针对这种情况，需要简单、高效的装置和方法，实现对光学元件中弱划痕的有效检测。

技术实现要素：

为解决现有技术存在的上述问题，本发明提供了一种基于频谱特性的光学元件表面弱划痕检测方法，可以实现对光学元件表面弱划痕的有效准确检测。

本发明的技术方案如下：

一种基于频谱特性的光学元件表面弱划痕检测方法，包括：

(1)采用激光光源发出光线，依次经过扩束器和整形器获得各部分均匀的平顶光斑，斜入射至待测光学元件，经光学元件表面反射并依次进入光学显微镜和ccd，得到待测光学元件表面的二维图像；

(2)对二维图像进行二维离散傅里叶变换，将图像信息从空域转变为频域；

(3)对傅里叶变换后的图像进行频移，之后进行不同方向上强度积分，获取弱划痕信号角度；

(4)在频率域中垂直方向上不同缺陷表现出强度信号不同，根据频移后的积分信号强弱，将弱划痕对应方向的强度信号在频率域中滤除；

(5)将处理后的图像进行傅里叶逆变换，将傅里叶逆变换后得到图片与原始图像进行差分，获得纯净的弱划痕图片。

采用本发明的方法进行弱划痕检测的过程中，当光学元件表面存在缺陷时，表面疵病诱发的散射光反射后进入光学显微镜，ccd获得表面缺陷的二维图像。但是一些宽度很窄，同时深度也不够的划痕，很难产生足够的散射光，这些划痕通常是在抛光和研磨的过程中由于受力不均匀所导致的，这种情况表现在图像上就是一条极其微弱的直线。因为亮度有限，所以很难被人眼或者普通机器视觉的方式捕获。通过基于频谱特性的光学元件表面弱划痕检测方法，可以避开弱划痕在空域中的微弱信号(低灰度值)，成功找到了其具有明显区分度的特征，也就是其频域特性。在实际检测过程中，可以对弱划痕进行有效检测。

步骤(1)中，所述扩束器和整形器的工作波长与激光光源相同，均为340～405nm。

进一步地，在相同激光能量密度、脉宽的条件下，波长越小，其具有的光子能量越大，对于光学元件弱划痕检测的探测效果越好，同时355nm波长的激光器成熟度高、适用性范围广，因此采用波长为355nm的激发光源。

步骤(2)中，进行二维离散傅里叶变换的具体步骤为：

二维图像的每一行有n个点，对每一行的一维n点序列进行离散傅里叶变换得到f(x,u)，再对得到f(x,u)按列向对每一列做m点的离散傅里叶变换，得到二维图像f(x,y)的离散傅里叶变换f(u,v)。

通过二维离散傅里叶变换，将图像信息从空域转变为频域，能够更直观地观察和处理图像。步骤(2)中，进行二维离散傅里叶变换的公式如下：

式中，f(x,y)代表一幅大小为m×n的矩阵，其中x＝0,1,2,···,m-1和y＝0,1,2,···,n-1，f(x,y)所在坐标系被称为空间域，所定义的m×n矩阵被称为空间域矩阵。f(u,v)表示f(x,y)的傅里叶变换。可以转换为三角函数表示方法，其中u和v可用于确定正余弦的频率。f(u,v)所在坐标系被称为频域，由u＝0,1,2,···,m-1和v＝0,1,2,···,n-1定义的m×n矩阵常称为频域矩阵。显然频域矩阵的大小与原空间域矩阵大小相同。频域矩阵中每个点的都代表了一个频率为u，v的函数，这些函数在空间域的组合即为原函数f(x,y)。

在频域信号图片中，对应像素的坐标代表了其频率高低，像素强度则对应了图像中对应频率信号的强度，其频率信号表示了图片空域信号变化的频率，在普通图片中，通常在细节处越明显，表示信号变化频率高，反映在频率信息上就表现为其在高频范围内拥有较高值。反之，如果图像的细节十分模糊，整张图片只有一个大致变化趋势，那么在傅立叶变换的结果中更多的信号会集中在低频范围，划痕由于其空间连续性，会在频率域中在垂直方向上表现出较高强度信号，具备了足够的区分度；反观图像中的其他元素，例如灰尘、麻点，这些信息基本呈现形式近似于圆形，在各个方向表现均匀，经过傅立叶变换会在频域中被淹没；同时，因为在傅立叶变换中存在积分的操作，垂直方向上的信号会被积累起来，因此对应弱划痕在空域信号较弱的劣势会被修正。

步骤(3)中，采用峰值检测的方法获取弱划痕信号角度。

步骤(4)中，在垂直于弱划痕的方向检测到高亮强度，将对应方向的强度信号在频率域中滤除。

步骤(5)的具体过程为：

将具备区分度的划痕信息在频率域上去除后，再进行反向滤波，进行傅里叶逆变换后得到包含噪声、灰尘、麻点的图片，再将其与原始图像进行差分，以损失绝大多数图像信息为代价，获得关注的弱划痕图片。

与现有技术相比，本发明具有以下有益效果：

1、通常光学元件表面缺陷中块状缺陷和强划痕信息在图像中比较明显，可以直接利用常规的图像处理手段进行提取，例如连通域检测、霍夫直线检测等方法；而弱划痕其信噪比本身非常低，在常规图像处理手段中，很难兼顾好弱划痕信息的提取和噪声信号的压制。本发明充分利用了弱划痕和块状缺陷、强划痕等其他缺陷在频域特性上的差异，获得的缺陷特征描述具有更高的区分度，弱划痕提取的效率和准确度相比于传统图像处理手段有了明显的提升。

2、本发明所述算法简单、快速、步骤少、效率高，具有很大的工程应用价值，不仅能推动表面缺陷自动化检测系统的发展和应用，更为提高先进光学制造超精密加工技术、研究各种超精密加工工艺提供有力手段。

附图说明

图1为本发明实施例中采用的暗场显微成像装置示意图；

图2为常规缺陷图像和弱划痕缺陷图像对比示意图；

图3为本发明基于频谱特性的光学元件表面弱划痕检测方法的流程图；

图4为本发明实施例中模拟产生的带有噪声的弱划痕图像和频域图像以及不同方向的光谱图像积分图和弱划痕检测结果图；

图5为采用本发明方法在实际应用过程中获得的检测结果。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步详细说明。

如图1所示，本发明的方法采用暗场显微成像装置，包括激光光源1，扩束器2，整形器3，光学显微镜5和ccd4。其中，扩束器2和整形器3的工作波长与激光光源相同，均为355nm，原始光线从激光光源1发出，经过扩束器2增大入射光光斑直径，再经过整形器3获得准直且均匀的平顶光斑，并以一定的角度斜入射待检测的光学元件6；位于光学系统物面上的入射光经被测表面反射从另一端出射，当光学元件表面存在缺陷时，表面疵病诱发的散射光反射后进入光学显微镜5，ccd4获得表面缺陷的二维图像。

如图2所示，图中，(a)为正常的缺陷图像，(b)为弱划痕图像，可以明显看出，一些宽度很窄，同时深度也不够的划痕，很难产生足够的散射光，这些划痕通常是在抛光和研磨的过程中由于受力不均匀所导致的，这种情况表现在图像上就是一条极其微弱的直线。弱划痕缺陷由于其在图片中亮度太弱，难以识别。同时，由于存在其他较强划痕的存在，在视觉上就会对弱划痕产生进一步的压制，另外，由于噪声的存在，很容易将弱划痕淹没其中。因此很难被人眼或者普通机器视觉的方式捕获。

通过本发明基于频谱特性的光学元件表面弱划痕检测方法，可以避开弱划痕在空域中的微弱信号(低灰度值)，成功找到了其具有明显区分度的特征，也就是其频域特性。在实际检测过程中，可以对弱划痕进行有效检测。

如图3所示，一种基于频谱特性的光学元件表面弱划痕检测方法，包括如下步骤：

步骤1，采用激光光源发出光线，依次经过扩束器和整形器获得各部分均匀的平顶光斑，斜入射至待测光学元件，经光学元件表面反射并依次进入光学显微镜和ccd，得到待测光学元件表面的二维图像。

步骤2，对光学元件表面的图像进行二维离散傅里叶变换，将图像信息从空域转变为频域，实施方法具体如下：对原始采集到的图片进行二维离散傅里叶变换：

在频域信号图片中，对应像素的坐标代表了其频率高低，像素强度则对应了图像中对应频率信号的强度，其频率信号表示了图片空域信号变化的频率，在普通图片中，通常在细节处越明显，表示信号变化频率高，反映在频率信息上就表现为其在高频范围内拥有较高值。反之，如果图像的细节十分模糊，整张图片只有一个大致变化趋势，那么在傅立叶变换的结果中更多的信号会集中在低频范围，划痕由于其空间连续性，会在频率域中在垂直方向上表现出较高强度信号，具备了足够的区分度。反观图像中的其他元素，例如灰尘、麻点，这些信息基本呈现形式近似于圆形，在各个方向表现均匀，经过傅立叶变换会在频域中被淹没。同时，因为在傅立叶变换中存在积分的操作，垂直方向上的信号会被积累起来，因此对应弱划痕在空域信号较弱的劣势会被修正。

步骤3，对傅里叶变换后的图片进行频移，之后进行不同方向上强度积分，获取划痕信号角度，实施方法具体如下：

在对图4中(a)所示已有的弱划痕图片进行傅里叶变化和频移后，在不同方向上进行强度积分，通过峰值检测方法找到相应的划痕方向，如图4中(b)所示。

步骤4，根据频移后的积分信号强弱，将对应方向的强度信号在频率域中滤除，实施方法具体如下：

通过观察步骤3获取得到的带有噪声的弱划痕图片，可以得到弱划痕的方向为135°，同时在积分信号中，能够在垂直于弱划痕的方向，即45°检测到高亮强度，如图4中(c)所示，将对应方向的强度信号在频率域中滤除。

步骤5，将处理后的图像进行傅里叶逆变换，得到包含噪声、灰尘、麻点的图片，再将其与原始图像进行差分，获得关注的弱划痕图片，实施方法具体如下：

将具备区分度的划痕信息在频率域上去除后，再进行反向滤波，逆变换后得到包含噪声、灰尘、麻点的图片，再将其与原始图像进行差分，以损失绝大多数图像信息为代价，获得关注的弱划痕图片，如图4中(d)所示。由于基本没有噪声的干扰，直接降低霍夫直线检测的检测阈值，就可以轻易捕获到弱划痕。

为了进一步验证本发明的有效性，本实施例对实际光学系统采集到的光学元件表面疵病图像应用本发明介绍的基于频谱特性的弱划痕增强算法进行了处理。图5给出了处理得到的结果图，图中，(a)(b)表示应用本发明介绍的算法可以识别出人眼可见的划痕，(c)表示应用本发明介绍的算法可以识别出人眼轻易不可见的弱划痕。

实验结果证明，本检测方法可以识别到人眼可见的划痕，同时在图5(c)中，检测到了人眼轻易不可见的弱划痕，证明本算法具备检测弱划痕的能力，满足实际的检测要求。

以上所述仅为本发明的较佳实施举例，并不用于限制本发明，凡在本发明精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。