专利名称：面形检测系统中前后表面反射光斑自动分离方法
技术领域：
本发明涉及一种面形检测系统中前后表面反射光斑自动分离方法，属于光学组件面形检测技术和图像处理领域。
背景技术：
在采用基于角差法的面形检测过程中，检测激光经光学组件前后表面反射后经光学系统后在CCD上形成前后表面光斑。当光学元件前后表面平行度非常高时，使得同一测量点对应的前后表面测量反射光夹角很小，在CCD上产生重叠光斑。如果把重叠光斑看成整体进行质心计算，将引入较大的计算误差，造成面形测量结果的误差。同时在面形重构中只能使用前表面光斑，因此必须将前后反射光斑进行自动分离，以剔除背表面光斑。因此， 需要研究一种能实际应用的前后光斑自动分离方法。在进行光学组件面形检测时，L束激光入射被检测光学组件后，经光学组件前后表面反射后会在CCD上形成K (L<K S2L)个前后表面激光光斑，如图1所示。可将光斑分为A、B、C等3类光斑，根据判别准则，结合前后表面反射光斑的灰度特征实现前表面光斑的提取与分类。具体方法如下(1)手动剔除第一个采样点光斑图像中的背表面光斑，检测出该图像中所有前表面光斑的质心坐标并分类，以之为分类参考光斑；(2)从第2个采样点开始，对含背表面光斑的图像进行分割，提取出所有的光斑的质心和灰度和，形成光斑集合S ；C3)从S集合找出符合式C类的光斑组合集，再从这些组合中选取灰度值最大的一组作为4个C类前表面光斑；从S集合中去除这些组合；(4)当前扫描点如果与参考光斑不同行，利用式B类光斑第2判别规则，更新参考光斑信息为当前扫描点；如同行，利用B类光斑第2判别规则判别。将符合该准则的光斑组合作为候选，找出灰度值最大的一组作为2个B类前表面光斑。从S集合中去除找到的光斑组合；(5)最后，利用判别A类候选光斑，找出灰度最大的作为真实的A类光斑；该方法存在以下缺点(1)需对第一帧图像中的后表面反射光斑及类型进行手动标注。(2)前后光斑的分离依赖于判别规则中的阈值；(3)当前后光斑有重叠的时候就无能为力。一般背光斑的剔除都是通过物理上的方法解决，最常用和有效的是在光学组件背表面涂上一层凡士林。但在光学组件装调上架后，这一方式难以实施，因为当光学组件装调上架并运行后，是不允许对光学组件的后表面涂抹凡士林。
发明内容
本发明所要解决的技术问题是针对现有技术的不足提供一种面形检测系统中前后表面反射光斑自动分离方 法。一种面形检测系统中前后表面反射光斑自动分离方法，包括以下步骤Al :(XD采集当前前后表面反射的光斑图像Fl ；若为第一帧图像，则人工擦除背表面反射光斑，为后面跟踪选择正确目标；A2 采用减背景与乘法滤波相结合的方法来滤除噪声并进行迭代阈值分割，以分离出激光光斑；得到二值图像F2 ；A3 检测图像F2中所有光斑，若有光斑粘连，则进行粘连光斑的分离，提取所有光斑的质心；A4:利用Kalman滤波器进行跟踪。若为第一帧图像，用光斑质心数据初始化 Kalman滤波器，并做第一次预测，若为第一帧，转步骤Al，反之，则采用Kalman滤波器进行跟踪，即转步骤A5 ；A5:在上一次预测质心周围寻找最近的光斑质心并输出，将所有找到的前表面反射光斑质心数据传给Kalman滤波器，Kalman滤波器利用上一次预测数据与此次实际提取数据预测下一帧光斑质心的位置；A6 若为最后一帧数据，则结束。所述的面形检测系统中前后表面反射光斑自动分离方法，所述步骤A3中，对于有粘连的光斑，其光斑分离的方法如下A31 对二值图像F2进行距离变换，得到图像F3，使重叠光斑凹点更明显；A32:对距离变换图像F3采用逐渐增大的结构元素进行形态学开操作，计算每次开操作后的图像与原图像的差异，获取光斑半径R ；A33 利用重叠判别，从F3中提取出所有重叠区域构成重叠区域二值图像F4 ；A34 对F4中的每一个重叠区域，跟踪重叠区域轮廓，提取链码；根据链码和半径 R，求取每一轮廓点对应的圆心点，聚集成各个光斑的中心区域；A35 用半径比R稍小的圆形结构元素对F4进行腐蚀得到F5，并将中心区域图像和F5进行交集运算，从而删除那些偏离光斑中心较远的圆心点，得到圆心区域图像F6 ；
A36:对每个光斑圆心区域，用半径为比R稍大的圆形结构元素进行一次膨胀操作，然后与F2作交集运算，其结果便作为对该圆心区域所对应光斑的形状估计。本发明利用kalman跟踪算法，在每次实验的第一帧图像中，将背表面反射光斑人为擦除，跟踪所有前表面反射的光斑，从而达到分类前后表面光斑的目的；对于前后表面光斑有重合的情况，采用基于距离变换的光斑重叠分割技术，很好地实现重叠光斑的分离；采用基于Kalman滤波器的跟踪算法能正确区分出了前表面反射的光斑，多次实验结果统计表明跟踪正确率在95%以上。
图1为现有技术中的表面光斑分离方法示意图；图2为本发明基于Kalman滤波器的光斑分离流程；图3为本发明基于Kalman滤波器的光斑分离的实验效果图；3_1为第一帧，3_2为第二帧，3-3为第四帧，3-4为第六帧，3-5为第八帧，3-6为第十二帧；图4为本发明对三类激光光斑进行重叠分离的实验结果图。
具体实施例方式以下结合具体实施例，对本发明进行详细说明。实施例1基于kalman滤波的前后反射光斑分离方法在进行面形测试时，对获取的第一帧图像将背表面反射光斑人为擦除，跟踪所有前表面反射的光斑，从而达到分类前后表面光斑的目的。参考图2，其主要步骤为Al :(XD采集当前前后表面反射的光斑图像Fl ；若为第一帧图像，则人工擦除背表面反射光斑，为后面跟踪选择正确目标；A2 采用减背景与乘法滤波相结合的方法来滤除噪声并进行迭代阈值分割，以分离出激光光斑；得到二值图像F2 ；A3 检测图像F2中所有光斑，若有光斑粘连，则进行粘连光斑的分离，提取所有光斑的质心。对于有粘连的光斑，其光斑分离方法的主要流程如下A31 对二值图像F2进行距离变换(见公式1)，得到图像F3，使重叠光斑凹点更明显。d = I m-k I +1 n-1(1)其中，(k，1)为边界像素，(m，η)为区域像素。Α32:对距离变换图像F3采用逐渐增大的结构元素进行形态学开操作，计算每次开操作后的图像与原图像的差异，获取光斑半径R。Α33 利用重叠判别(见公式2~)，从F3中提取出所有重叠区域构成重叠区域二值图像F4。判别规则定义如下
当时，光斑无重叠^
1当P五《巧时，光斑有重叠其中Ptl为光斑重叠判别阈值，PE = 4 π A/C2 (0 < PE彡1)，A是光斑的面积，C是光斑的周长。Α34 对F4中的每一个重叠区域，跟踪重叠区域轮廓，提取链码。根据链码和半径 R，求取每一轮廓点对应的圆心点，聚集成各个光斑的中心区域。Α35 用半径比R稍小的圆形结构元素对F4进行腐蚀得到F5，并将中心区域图像和F5进行交集运算，从而删除那些偏离光斑中心较远的圆心点，得到圆心区域图像F6。Α36:对每个光斑圆心区域，用半径为比R稍大的圆形结构元素进行一次膨胀操作，然后与F2作交集运算，其结果便作为对该圆心区域所对应光斑的形状估计。Α4:利用Kalman滤波器进行跟踪。若为第一帧图像，用光斑质心数据初始化 Kalman滤波器，并做第一次预测，若为第一帧，转步骤Al，反之，则采用Kalman滤波器进行跟踪，即转步骤A5。A5 在上一次预测质心周围寻找最近的光斑质心并输出(即为前表面反射的光斑)，将所有找到的前表面反射光斑质心数据传给Kalman滤波器，Kalman滤波器利用上一次预测数据与此次实际提取数据预测下一帧光斑质心的位置；A6 若为最后一帧数据，则结束；实施例2采用基于Kalman滤波器的跟踪效果如图3，图3中矩形框内的光斑为检测的光斑， 圆形框内的光斑为跟踪的前表面反射光斑，可以发现在出现前后表面反射光斑的情况下， 采用基于Kalman滤波器的跟踪算法能正确区分出了前表面反射的光斑，多次实验结果统计表明跟踪正确率在95%以上。实施例3基于距离变换的重叠光斑分离实验结果实验中对三类激光光斑进行了重叠分离(1)大小基本一致、重叠不严重的光斑 (图4-1)；⑵大小不一致的重叠光斑(图4-2) ； (3)大小基本一致、重叠较严重的光斑(图 4-3)。其中，图4-1、图4-2和图4-3中从左至右依次为原图、分割效果图、圆心区域图、分离结果图。实验结果表明，通过本发明的方法，能很好地实现重叠光斑的分离。应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换， 而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
权利要求
1.一种面形检测系统中前后表面反射光斑自动分离方法，其特征在于，包括以下步骤Al =CCD采集当前前后表面反射的光斑图像Fl ；若为第一帧图像，则人工擦除背表面反射光斑，为后面跟踪选择正确目标；A2 采用减背景与乘法滤波相结合的方法来滤除噪声并进行迭代阈值分割，以分离出激光光斑；得到二值图像F2;A3 检测图像F2中所有光斑，若有光斑粘连，则进行粘连光斑的分离，提取所有光斑的质心；A4 利用Kalman滤波器进行跟踪；若为第一帧图像，用光斑质心数据初始化Kalman滤波器，并做第一次预测，若为第一帧，转步骤Al，反之，则采用Kalman滤波器进行跟踪，即转步骤A5 ；A5 在上一次预测质心周围寻找最近的光斑质心并输出，将所有找到的前表面反射光斑质心数据传给Kalman滤波器，Kalman滤波器利用上一次预测数据与此次实际提取数据预测下一帧光斑质心的位置；A6 若为最后一帧数据，则结束。
2.根据权利要求1所述的面形检测系统中前后表面反射光斑自动分离方法，其特征在于，所述步骤A3中，对于有粘连的光斑，其光斑分离的方法如下A31 对二值图像F2进行距离变换，得到图像F3，使重叠光斑凹点更明显； A32 对距离变换图像F3采用逐渐增大的结构元素进行形态学开操作，计算每次开操作后的图像与原图像的差异，获取光斑半径R ；A33 利用重叠判别，从F3中提取出所有重叠区域构成重叠区域二值图像F4 ； A34 对F4中的每一个重叠区域，跟踪重叠区域轮廓，提取链码；根据链码和半径R，求取每一轮廓点对应的圆心点，聚集成各个光斑的中心区域；A35 用半径比R稍小的圆形结构元素对F4进行腐蚀得到F5，并将中心区域图像和F5 进行交集运算，从而删除那些偏离光斑中心较远的圆心点，得到圆心区域图像F6 ；A36 对每个光斑圆心区域，用半径为比R稍大的圆形结构元素进行一次膨胀操作，然后与F2作交集运算，其结果便作为对该圆心区域所对应光斑的形状估计。
全文摘要
本发明公开了面形检测系统中前后表面反射光斑自动分离方法，包括A1CCD采集当前前后表面反射的光斑图像F1；A2采用减背景与乘法滤波相结合的方法来滤除噪声并进行迭代阈值分割得到二值图像F2；A3检测图像F2中所有光斑，提取所有光斑的质心；A4利用Kalman滤波器进行跟踪；A5在上一次预测质心周围寻找最近的光斑质心并输出，将所有找到的前表面反射光斑质心数据传给Kalman滤波器，Kalman滤波器利用上一次预测数据与此次实际提取数据预测下一帧光斑质心的位置；A6若为最后一帧数据，则结束。基于Kalman滤波器的跟踪算法正确区分出了前表面反射的光斑，多次实验结果统计表明跟踪正确率在95％以上。
文档编号G01B11/24GK102322820SQ201110270339
公开日2012年1月18日 申请日期2011年9月14日 优先权日2011年9月14日
发明者巫玲, 徐旭, 熊召, 王俊波, 范勇, 袁晓东, 陈念年 申请人:西南科技大学