一种光学元件表面疵病的检测装置及方法与流程

本发明涉及光学设备技术领域，具体来说，涉及一种光学元件表面疵病的检测装置及方法。

背景技术：

随着科技的发展，对光学元件表面的质量要求越来越高。其表面缺陷、划痕、碎边等各种疵病的存在将造成不同程度散射，由于散射将大大消耗光能量同时也可能引入严重的衍射而造成光学元件的新的损伤破坏薄膜层，所以往往由于一个或几个较大的疵病而会严重影响整个系统的运行。因此其检测方法不能用检测表面粗糙度的方法采用抽样取平均之类的统计方法，而是必须查找元件有效孔径内的所有可能疵病。最基本及常用的是目视法，是指在暗场照明的情况下用肉眼或放大镜观测划痕的宽度和长度来划分疵病的等级。但是人眼的分辨率虽然高，但是对于小零件高曲率半径便面却有局限，检测效率低，而且久视会造成因疲劳，严重损害视力。

针对相关技术中的问题，目前尚未提出有效的解决方案。

技术实现要素：

本发明的目的是提出一种光学原件表面疵病的检测装置及方法，以克服现有相关技术所存在的上述问题。

本发明的技术方案是这样实现的：

根据本发明的一个方面，提供了一种光学元件表面疵病的检测装置。

该光学元件表面疵病的检测装置包括底座，具有光源；纵向导轨，设置于所述底座上；显微镜，设置于所述纵向导轨上，并且所述显微镜的上方设置有CCD图像传感器；载物台，包括具有光阑的载物台一和载物台二，所述载物台一和所述载物台二均设置于所述纵向导轨上，并依次位于所述显微镜的下方；所述载物台一与所述载物台二之间具有在X/Y/Z方向上可调整的相对位移，并且，所述载物台一与所述载物台二在相对位移调整的情况下，所述载物台一与所述载物台二的光阑与所述光源、所述CCD图像传感器和所述显微镜位于同轴光路上；此外，所述载物台一的底部具有CMOS图像传感器，所述CMOS图像传感器和所述CCD图像传感器与外部的图像处理器连接，促使所述图像处理器利用图像处理技术处理和/或观察所述CCD图像传感器和CMOS图像传感器所采集的图像。

其中，所述载物台一与所述纵向导轨之间固定连接，所述载物台二与所述纵向导轨之间活动连接，并且，所述纵向导轨上设置有用于调整所述载物台二在X/Y/Z方向上移动的调节装置。

其中，所述调节装置包括粗调旋钮和微调旋钮。

其中，所述粗调旋钮和所述微调旋钮为同轴设置。

根据本发明的另一方面，提供了一种光学元件表面疵病的检测方法，用于上述的光学元件表面疵病的检测装置。

该光学元件表面疵病的检测方法包括以下步骤：

将待测光学元件样品上片固定于所述载物台一的光阑上；

将待测光学元件样品下片固定于所述载物台二的光阑上；

调整所述载物台一和所述载物台二在X/Y/Z方向上的相对位移，并通过CMOS图像传感器观察待测光学元件样品上片和待测光学元件样品下片之间的空气间隙，避免物理碰撞；

在待测光学元件样品下片的上表面点一滴清水，继续调整所述载物台一和所述载物台二在X/Y/Z方向上的相对位移，促使所述待测光学元件样品上片和所述待测光学元件样品下片接触；

调节显微镜，促使待测光学元件样品出现在视野当中，并调整光源入射角度，促使CCD图像传感器中的图像清晰并无大面积白斑；

通过图像处理器，利用图像处理技术，对CCD图像传感器所采集的图像进行处理，提取全口径二维灰度图像，并观察并确定该全口径二维灰度图像中所存在的疵病特征。

其中，所述图像处理技术包括：中值滤波图像处理技术、灰度变换图像处理技术、阈值分割图像处理技术、数学形态学膨胀和细化图像处理技术以及边缘提取图像处理技术。

本发明的有益效果：本发明能够实现小直径大曲率半径表面疵病的快速检测，具有分析精度高、适用性广、分析速度快、样品用量少的优点，同时避免了检测人员眼部负担，提高了工作效率，降低了工作成本。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是根据本发明实施例的光学元件表面疵病的检测装置的结构示意图；

图2是根据本发明实施例的光学元件表面疵病的检测方法的流程示意图。

图中：

1、底座；2、光源；3、纵向导轨；4、显微镜；5、CCD图像传感器；6、载物台一；7、载物台二；8、CMOS图像传感器；9、粗调旋钮；10、微调旋钮。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。

根据本发明的实施例，提供了一种光学元件表面疵病的检测装置。

如图1所示，根据本发明实施例的光学元件表面疵病的检测装置包括底座1，具有光源2；纵向导轨3，设置于所述底座1上；显微镜4，设置于所述纵向导轨3上，并且所述显微镜4的上方设置有CCD图像传感器5；载物台，包括具有光阑的载物台一6和载物台二7，所述载物台一6和所述载物台二7均设置于所述纵向导轨3上，并依次位于所述显微镜4的下方；所述载物台一6与所述载物台二7之间具有在X/Y/Z方向上可调整的相对位移，并且，所述载物台一6与所述载物台二7在相对位移调整的情况下，所述载物台一6与所述载物台二7的光阑与所述光源2、所述CCD图像传感器5和所述显微镜4位于同轴光路上；此外，所述载物台一6的底部具有CMOS图像传感器8，所述CMOS图像传感器8和所述CCD图像传感器5与外部的图像处理器连接，促使所述图像处理器利用图像处理技术处理和/或观察所述CCD图像传感器5和CMOS图像传感器8所采集的图像。

具体应用时，对于上述所述载物台一6与所述载物台二7之间具有在X/Y/Z方向上可调整的相对位移来说，其可以通过以下方案来实现：所述载物台一6与所述纵向导轨3之间固定连接，所述载物台二7与所述纵向导轨3之间活动连接，并且，所述纵向导轨3上设置有用于调整所述载物台二7在X/Y/Z方向上移动的调节装置。

具体的，所述调节装置包括粗调旋钮9和微调旋钮10。并且，所述粗调旋钮9和所述微调旋钮10为同轴设置。

根据本发明的实施例，还提供了一种光学元件表面疵病的检测方法，用于上述的光学元件表面疵病的检测装置。

如图2所示，根据本发明实施例的光学元件表面疵病的检测方法包括以下步骤：

步骤S201，将待测光学元件样品上片固定于所述载物台一6的光阑上；

步骤S203，将待测光学元件样品下片固定于所述载物台二7的光阑上；

步骤S205，调整所述载物台一6和所述载物台二7在X/Y/Z方向上的相对位移，并通过CMOS图像传感器8观察待测光学元件样品上片和待测光学元件样品下片之间的空气间隙，避免物理碰撞；

步骤S207，在待测光学元件样品下片的上表面点一滴清水，继续调整所述载物台一6和所述载物台二7在X/Y/Z方向上的相对位移，促使所述待测光学元件样品上片和所述待测光学元件样品下片接触；

步骤S209，调节显微镜4，促使待测光学元件样品出现在视野当中，并调整光源2入射角度，促使CCD图像传感器5中的图像清晰并无大面积白斑；

步骤S211，通过图像处理器，利用图像处理技术，对CCD图像传感器5所采集的图像进行处理，提取全口径二维灰度图像，并观察并确定该全口径二维灰度图像中所存在的疵病特征。

具体应用时，上述图像处理技术包括：中值滤波图像处理技术、灰度变换图像处理技术、阈值分割图像处理技术、数学形态学膨胀和细化图像处理技术以及边缘提取图像处理技术。

为了方便理解本发明的上述技术方案，以下分别通过具体的图像处理技术对本发明的上述技术方案进行详细说明。

CCD图像传感器5采集到图像以后，保存在本地磁盘，然后对图像依次进行如下处理：

中值滤波：

把局部区域中灰度的中值(或称中位数)作为输出灰度，去掉与周围像素灰度值的差比较大的像素，代之以与周围像素比较接近的灰度值。本发明采用自适应的中值滤波方法进行降噪，滤波器的输出是一个单值，该值用于代替点(x,y)处的像素值，点(x,y)是在给定窗口sxx被中心化后的一个特殊点。算法如下：

令zmin表示sxr中的最小亮度值；zm表示sx中的最大亮度值；zn表示sx,中的亮度中值；孔表示坐标(x,y)处的亮度值。这个自适应中值滤波算法工作在两个层面，表示为A层和B层:

A层:若,则转到B层;

否则增大窗口尺寸；

若窗口尺寸<Smax，重复A层;

否则输出Zmed；

B层:若,则输出;

否则输出Zmed。

其中，Smax表示允许的最大自适应滤波器窗口的大小。Zmin和Zmax的值进行统计后被算法认为是类冲激式的噪声成分，即使它们在图像中并不是最低和最高的可能像素值。此算法可以除去冲激噪声，平滑其他非冲激噪声，并减少诸如物体边界细化或粗化等失真。

A层的目的是决定中值滤波器的输出Zmed是否为一个脉冲噪声。如果条件有效，则Zmed就不是脉冲。在该情况下，转到B层检测,看一下窗口中心点孔本身是否是一个脉冲。若条件为真，那么Zxy和Zmed就不是脉冲，原因与Zmed不是脉冲相同。在这种情况下，算法输出一个不变的像素值Zxy。通过不改变这些“中间水平”的点，来减少图像中的失真。如果条件为假，则Zmin=Zxy和Zmax=Zxy。在任一种情况下，像素值都是一个极值且算法输出中值Zmed，从A层知道Zmed不是脉冲噪声。

假设A层确实找到了一个脉冲，然后算法会增大窗口尺寸并重复A层，该循环会继续直到算法找到一个非脉冲中值(转到B层)，或者达到最大的窗口尺寸。如果达到了最大的窗口尺寸，算法输出Zxy值。算法没输出一个值，窗口Sxy，就被移到图像的下一个位置。然后算法重新初始化，在新的像素位置应用。

灰度变换：

滤波后的图片，用Prewit算子（1）边对输入图像进行线性空间滤波，得到偏导数，用Prewit算子（2）对输入原图像滤波，得到，将结果如公式，计算得到梯度。得到梯度图像，这样疵病目标被增强了，容易与背景进行区分。

其中，Prewit算子（1）公式如下:

；

其中，Prewit算子（1）公式如下:

。

阈值分割：

本发明使用迭代法选择一个全局阈值：

首先选择一个平均灰度值T的初始值，用T分割图像，将所有灰度值大于T的像素归入Gl组，否则归入G2组，分别计算Gl和G2中像素平均灰度值μ1和μ2。然后令新的闭值Tl=（μ1+μ2）/2，再将Tl的值赋给T，用重新T分割原图像，重复上述步骤，直到逐次迭代所得的Tl值与前一次分割所用的阂值T之间的差值小于事先定义的参数ε，则分割结束，且Tl就是自动选择的阂值。当背景和目标在图像中占据的面积相近时，则好的T的初始值就是图像的平均灰度值。

数学形态学膨胀和细化：

通过闭值分割。得到了二值化的疵病图像。即背景像素为黑色。值为0；疵病目标像素为白色，值为1。再对图像进行膨胀（）,腐蚀（），开启和闭合，进一步细化图像，使疵病边缘凸现出来。

边缘提取：

本发明使用8连接方式对目标区域进行标记，用线扫描标记连通区域算法实现具体步骤：

1.从左到右、从上到下扫描图像。

2.如果象素点为1，则:

如果左、左上、上、右上点有一个标号，则复制这一标号给p点。

如果四个邻点中至少有一个己加标号，且所有已加标号的像素点的标号相同，则为p点加上该标号。

如果四个邻点中至少有两个己加标号，且标号不同，则这些标记被用于了同一组元，应该把它们合并。在这种情况下，则按照左、左上、上、右上的顺序检测，将第一次遇到的标号分配给该象素点p，并且将这些相同的标记输入等价表中作为等价标号。

否则给这一个象素点分配一新的标号并将这一标记输入等价表中。

3.如果需考虑更多的点则回到第2步。

4.在等价表的每一等价集中找到最低的标号。

5.扫描图像，用等价表中的最低标记取代每一个标号，算法结束。

综上所述，借助于本发明的上述技术方案，本发明能够实现小直径大曲率半径表面疵病的快速检测，具有分析精度高、适用性广、分析速度快、样品用量少的优点，同时避免了检测人员眼部负担，提高了工作效率，降低了工作成本。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，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。