一种基于图像特性参数的散斑图像质量评价方法

本发明涉及全场、无损、非接触式光测力学，具体涉及一种基于图像特性参数的散斑图像质量评价方法。

背景技术：

1、数字图像相关方法作为一种全场、无损、非接触，以及系统结构简单的光测力学方法，在多种力学或形变测量场景，尤其是一些高温、焊接等极端环境，均有较好的应用。该方法以变形前的区域为参考子区，通过假设一定阶数的形函数，通过计算变形后的目标子区与参考子区间的相关系数，确定使相关系数达到最大值的区域，从而确定整个子区变形模式，并通过newton—raphson算法对亚像素灰度场进行重建。

2、散斑作为试样表面变形信息的载体，其图像质量将显著影响数字图像相关法的测量误差。根据以往经验，高质量散斑应当满足稳定性、高对比度、随机分布、无方向性的特点，对应黑白分明，尺度适中的散斑颗粒。

3、通过对散斑的质量评价，可以指导散斑的喷涂工艺，获取较低误差的散斑图像，实现实验误差的最小化。

4、目前的散斑图像质量评价指标，例如平均灰度梯度、信息熵、平均二阶灰度导数法等，都是着眼于图像整体的全局评价参数，并且计算方法都不可避免地受到图像尺寸的影响，往往只能用于比较同等尺寸散斑图像的相对质量大小，并且单一使用时容易出现散斑图像相对质量大小的误判。而针对图像本身特性的经验性评价参数，诸如散斑占空比，散斑尺寸等，尚缺乏定量化的研究。因此，从提升散斑评价参数适用性和便捷性的目标出发，结合图像参数和散斑质量评价参数，分析其对应关系，并提出综合考虑多个定量评价指标的归一化散斑质量评价参数，具有重要的工程意义和实际应用价值。

技术实现思路

1、鉴于上述问题，本发明提供了一种基于图像特性参数的散斑图像质量评价方法，使用散斑图像占空比、散斑点平均面积、散斑点数量组成的散斑相对密度特性参数，实现对散斑质量的综合评价包括散斑分布的随机性、各向同性以及散斑点的对比度，有利于设备或系统在以数字图像为基础的测量或使用过程中筛选出高质量的散斑图像，降低了系统误差，提高数字图像相关系统测量位移、应变过程中的精度。

2、本发明提供了一种基于图像特性参数的散斑质量评价方法，包括：

3、s1、采集散斑图像，对所述散斑图像的质量进行预评价；

4、优选的，步骤s1所述所述散斑图像的质量进行预评价为划分低、中、高质量散斑图像；

5、所述划分高质量散斑图像的条件为：高质量散斑图像满足稳定性、高对比度、随机分布、无方向性的特点，对应黑白分明，尺度适中的散斑颗粒；如图2，序号5、6、9、10的散斑图像为高质量图像；

6、所述散斑图像的散斑包括实物散斑和数字散斑，实物散斑包括材料表面的自然图案纹理、人工喷漆、画点或其他方法制作的实物散斑场，数字散斑场通过计算机仿真生成；所述散斑图像为散斑图的数字图像。

7、s2、计算所述散斑图像的定量评价参数；

8、优选的，步骤s2所述定量评价参数为散斑图像灰度。

9、进一步的，使用散斑图像灰度评价步骤s1划分的高质量散斑图像(speckle)；所述高质量散斑图像的灰度分布曲线平坦，各个灰度级的像素分布较广，具有较高的对比度和较强的随机性，如图3所示，多个散斑图像的灰度分布柱状图，横坐标表示灰度，纵坐标表示像素点数量。

10、优选的，基于所述定量评价参数获得散斑图像的平均灰度梯度；采用所述平均灰度梯度评价步骤s1划分的高质量散斑图像的准确性，当散斑图像的平均灰度梯度越大，散斑图像的质量越好，步骤s1中划分的高质量散斑应具有较大的平均灰度梯度，进一步确定高质量散斑图像对应的图像序号，便于后续获取高质量散斑图像对应的相对密度。

11、进一步的，获得散斑图像的平均灰度梯度具体步骤包括：

12、测量所述散斑图像的应变和位移，获取所述散斑图像的应变和位移的误差和标准差，依据所述散斑图像的应变和位移的误差和标准差获得散斑图像的平均灰度梯度。

13、进一步的，所述散斑图像平均灰度梯度的表达式为：

14、

15、其中，δf为散斑图像平均灰度梯度；xij为散斑图像中第i行第j列的像素点在x轴的坐标，i＝1,2,3…i，i表示散斑图像的像素点的总行数，j＝1,2,3…j，j表示散斑图像的像素点的总列数；w为散斑图像的总宽度，h为散斑图像的总高度；为散斑图像像素点的灰度梯度矢量，fx(ij)为散斑图像像素点xij在x轴处的灰度一阶导数，fy(ij)为散斑图像像素点xij在y轴处的灰度一阶导数。

16、s3、基于步骤s2所述散斑图像的定量评价参数获得散斑图像的定性评价参数；

17、优选的，步骤s3所述图像的定性评价参数包括散斑点平均面积、散斑点数量和散斑图像占空比。

18、进一步的，计算所述散斑图像占空比，包括：

19、基于散斑图像灰度获得所述散斑图像中多个散斑点的灰度，依据多个散斑点的灰度得到散斑图像的总平均灰度和类间方差；

20、基于所述散斑图像的总平均灰度和类间方差，将散斑图像进行二值化处理，获得二值化散斑图像；

21、确定所述二值化散斑图像的自适应阈值，把散斑图片转换成只有黑白两色像素对应的灰度，获得转换后的二值化散斑图像，

22、依据所述二值化散斑图像的自适应阈值判断转换后的二值化散斑图像的像素，将超过所述自适应阈值的像素更改为255，即该像素显示为白色；低于所述自适应阈值的像素更改为0，即该像素显示为黑色，获得更改灰度后的散斑图像；所述二值化处理的方法为otsu(大津)法；

23、获取所述更改灰度后的散斑图像的散斑图像黑色像素点数量和总像素点数量，基于所述散斑图像黑色像素点数量和总像素点数量得到散斑图像的占空比。

24、更进一步，所述散斑图像的占空比，表达式为：

25、k＝n黑/n总

26、其中，k为散斑图像的占空比，即黑色像素占总像素的比值；n黑为更改灰度后的散斑图像的散斑图像黑色像素点数量，n总散斑图像总像素点数量。

27、所述散斑图像的总平均灰度，表达式为：

28、μ＝ω0*μ0+ω1*μ1

29、其中，μ为散斑图像的总平均灰度，ω0为散斑图像前景的像素点数占整幅散斑图像的比例，ω1为散斑图像背景像素点数占整幅散斑图像的比例，μ0为散斑图像前景平均灰度，μ1为散斑图像背景平均灰度。

30、所述散斑图像的类间方差，表达式为：

31、g＝ω0ω1(μ0-μ1)2

32、其中，g为散斑图像的类间方差，ω0为散斑图像前景的像素点数占整幅散斑图像的比例，ω1为散斑图像背景像素点数占整幅散斑图像的比例，μ0为散斑图像前景平均灰度，μ1为散斑图像背景平均灰度。

33、进一步的，计算所述散斑点平均面积，包括：

34、利用查找轮廓(findcontours)函数划分二值化散斑图像中散斑点轮廓；

35、通过轮廓面积(contourarea)函数获取每个散斑点轮廓面积，依据所述二值化散斑图像轮廓界定散斑图像的边缘；

36、去除散斑图像中散斑点轮廓面积小于1个像素的过大或大于10个像素的过小的散斑点，对剩余散斑点计数得到散斑点数量；对散斑图像中剩余散斑点轮廓面积进行求和获得散斑点总面积，将所述散斑点总面积取平均后得到散斑点平均面积，用于后续相对密度的计算。

37、s4、根据步骤s3所述散斑图像的定性评价参数获得散斑图像的相对密度。

38、所述散斑图像的相对密度的表达式为：

39、

40、其中，p为散斑点的相对密度，n黑为二值化散斑图像黑色像素点数量，k表示散斑图像占空比，w为散斑图像的像素宽度，h为散斑图像的像素高度，n散斑表示散斑图像中所有散斑点的个数，表示散斑点的平均面积。

41、进一步的，所述散斑点数量通过计算面积处于预设范围内的散斑点个数确定散斑点数量。

42、s5、基于所述散斑图像的相对密度和定性评价参数评价图像特性参数的散斑质量。

43、本发明的另一个实施例包括以下技术方案：

44、获取多幅散斑图像，按照步骤s1-s4的方法提取所述多幅散斑图像对应的相对密度和对应的平均灰度梯度；

45、将所述多幅散斑图像对应的相对密度及其相应的平均灰度梯度作图，获得不同相对密度时平均灰度梯度的变化规律；

46、基于所述不同相对密度时平均灰度梯度的变化规律，获取散斑图像中散斑点的拟合曲线；

47、基于所述拟合曲线和不同相对密度时平均灰度梯度的变化规律对散斑图像的质量进行划分；由于拟合曲线满足高斯分布，不同相对密度区间样本数量占比不同，故通过定义相对密度的范围，获得划分取得不同质量的范围；所述不同质量包括低、中、高质量。

48、优选的，所述拟合曲线为满足高斯分布的拟合曲线，表达式为：

49、

50、其中，y为散斑图像中散斑点平均灰度梯度的拟合曲线，e为自然底数，x为相对密度，xc为相对密度的平均值，b为相对密度的标准差；y0为第一拟合参数，表示平均灰度梯度的均值；a为第二拟合参数，表示平均灰度梯度的波动程度。

51、与现有技术相比，本发明至少具有现如下有益效果：

52、(1)本发明提出的基于图像参数的数字图像相关法散斑质量评价方法，只需要计算相对密度即可定量表征散斑图像质量，且评价指标相对密度作为归一化参数，不需要将散斑图像限制为统一尺寸进行相对大小的比较；

53、(2)本发明提出的基于图像参数的数字图像相关法散斑质量评价方法，采用的相对密度指标综合考虑了散斑平均尺寸、散斑数量、占空比三个图像参数，并探究了其与平均灰度梯度这一散斑质量定量评价指标间的对应关系，得到的结果具有较好的准确性；

54、(3)本发明提出的基于图像参数的散斑质量评价方法适用于数字图像相关方法的各类散斑图像，从而为工程测量中以数字图像为基础的设备或系统在测量或使用过程中筛选出高质量的散斑图像，提高了使用数字图像的系统测量位移、应变的精度，同时为数字图像相关系统校准过程中使用的标准散斑的制备提供高质量的散斑质量评价方法，筛选并制作出高质量的目标散斑图像。