專利名稱：基于光柵投影的二維圖像區(qū)域定位方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種使用光柵投影設(shè)備對物體進(jìn)行三維重構(gòu)時(shí)的二維圖像區(qū)域定位方法，尤其涉及一種基于光柵投影的二維圖像區(qū)域定位方法。
背景技術(shù)：
逆向工程(Reverse Engineering，RE)技術(shù)是20世紀(jì)80年代后期出現(xiàn)在先進(jìn)制造領(lǐng)域里的新技術(shù)。大多數(shù)關(guān)于逆向工程的研究主要集中在實(shí)物的逆向重構(gòu)上，即產(chǎn)品實(shí)物的CAD模型重構(gòu)和最終產(chǎn)品的制造方面，稱為“實(shí)物逆向工程”。其流程結(jié)構(gòu)見圖1。
光柵投影法是實(shí)物逆向工程技術(shù)中的一種，具有檢測過程完全非接觸、數(shù)據(jù)空間分辨率高、一次性瞬間投影直接實(shí)現(xiàn)三維空間物體形狀檢測和獲取三維信息的特點(diǎn)。在實(shí)際應(yīng)用中具有對環(huán)境要求低、成本低廉、使用操作方便等多種優(yōu)點(diǎn)。系統(tǒng)組成圖見圖2。
投影光柵法的基本思想是向物體投射各種結(jié)構(gòu)光(在實(shí)際操作中通常采用正弦光柵或矩形光柵)，通過在不同于投影光軸的方向上觀察，利用目標(biāo)物、投影點(diǎn)、觀測點(diǎn)的三角幾何關(guān)系來測量物體的三維外表信息。
逆向工程的最終目的是為了重構(gòu)三維實(shí)物，理論上來說，不需借助任何輔助手段，只需直接檢測由雙目CCD得到的兩幅不同圖像，比較圖中物體的位置視差就可以還原出實(shí)物模型。但對計(jì)算機(jī)來說，直接識別兩幅圖片中的物體并比較出二者之間的位差難度太大，因此需要設(shè)計(jì)光柵條紋來輔助計(jì)算機(jī)對圖片進(jìn)行識別。就兩幅圖像中同一物體的識別過程而言，對物體在不同鏡頭下視差的識別，可以等同于對單幅圖片中物體特征區(qū)域的識別。這是因?yàn)槿绻趩畏鶊D片上可以標(biāo)識出物體的每一個(gè)特征部分，那么只需簡單比較兩張圖中的同一特征區(qū)就可以輕易的獲取二者之間的誤差。但對于一般圖片來說，圖片中的物體本身并不具備有規(guī)律、明顯便于識別的特征，所以對物體進(jìn)行光柵投影，以使得圖像中物體表面出現(xiàn)規(guī)律的宜于辨識的條紋形狀。由于對單幅條紋圖像辨識仍然十分困難，所以在實(shí)際應(yīng)用中通常采用對物體進(jìn)行一組光柵投影，接著分析一組光柵條紋圖像的方法去進(jìn)行物體空間劃分，以得到物體視差信息。
這樣對雙CCD圖片中同一物體的位差識別問題就被轉(zhuǎn)化為對單CCD系列圖片中條紋的識別問題。單CCD系列圖像中可被識別出的條紋數(shù)越多、條紋識別的位置越精確，則意味著對物體空間劃分的數(shù)目越多，可以標(biāo)識出的物體特征區(qū)域越多，這也就意味著最終重構(gòu)出的物體CAD點(diǎn)云的精度越高。
比較經(jīng)典的空間劃分方法是Gray劃分方法。它是Gray在1953年研究數(shù)字通訊的數(shù)模和模數(shù)轉(zhuǎn)換中提出來的，又稱灰階碼法(Gray F.Pulse code Communications[P.US-Patent 2632058，1953-03-17])?；译A碼實(shí)質(zhì)上是由一組灰階數(shù)所組成的編碼。所謂灰階數(shù)，存在如下性質(zhì)后一個(gè)數(shù)字與前一個(gè)數(shù)字相比只有一位數(shù)字不同。比如說000，001，010，011，111，110，010，000就是一組灰階數(shù)。在進(jìn)行空間劃分時(shí)，使用Gray方法就是指設(shè)計(jì)一組光柵條紋，使得最終所劃分的空間區(qū)域滿足灰階數(shù)的性質(zhì)。使用該方法對物體空間進(jìn)行劃分具體原理見圖3。
其圖像空間劃分過程中所使用的是一組明暗相間的黑白條紋。由計(jì)算機(jī)控制投影裝置，將黑白條紋依次投影到被測物體上。由CCD攝像機(jī)依次拍攝出被投影的物體條紋灰度圖像，然后再由計(jì)算機(jī)將所得到的條紋圖案進(jìn)行黑白二值化處理，將圖像中白色條紋區(qū)域的像素標(biāo)記為“1”，黑色條紋區(qū)域的像素標(biāo)記為“0”。
這樣在每次投影中，圖像的每個(gè)像素就可以獲得一個(gè)唯一的二進(jìn)制數(shù)“0”或“1”。待投影圖案全部投影完后將像素所獲得二進(jìn)制數(shù)順序組合起來，具有相同數(shù)值的像素構(gòu)成了一個(gè)窄的帶狀區(qū)域，這樣被測物體空間就相應(yīng)被分割成眾多由二進(jìn)制數(shù)唯一確定的窄帶狀區(qū)域。
其流程圖見圖4。最終三維圖像的轉(zhuǎn)換精度理論上只取決于光柵條紋投影的密度，但在實(shí)際應(yīng)用中則受制于攝像機(jī)所取圖的質(zhì)量。
在實(shí)際投影過程中，環(huán)境光影變化、地面振動(dòng)、物體表面顏色和反光等因素都可能影響到最終CCD所拍攝圖像的質(zhì)量。在此種情況下，Gray方法的空間定位效果并不理想，有可能出現(xiàn)錯(cuò)誤的情況。因此如何設(shè)計(jì)新的區(qū)域定位方法使其在噪聲條件下同時(shí)滿足高精度的要求就是圖像二維空間劃分的關(guān)鍵所在。
要想減小整個(gè)劃分過程中噪聲對最終結(jié)果的影響，必須首先明確過程中噪聲的性質(zhì)和來源。最終得到的光柵圖像中可能包含的誤差有1)攝像機(jī)產(chǎn)生的誤差攝像機(jī)產(chǎn)生的噪聲包括光子噪聲、暗電流噪聲、光響應(yīng)非均勻性噪聲、讀出噪聲、雜波噪聲、A/D轉(zhuǎn)化誤差等。
光子噪聲服從泊松分布，在低照明、低反差條件下，當(dāng)其他噪聲用各種方法抑制后，光子噪聲成為主要噪聲。
暗電流噪聲指感光像元在無光條件下由于電子產(chǎn)生的電流。它和溫度和曝光時(shí)間密切相關(guān)，它也滿足泊松分布。
光響應(yīng)非均勻性噪聲沒有一定的規(guī)律，因器件而異，主要和器件的制造工藝有關(guān)，具有很大隨機(jī)性。
雜波噪聲主要來源于傳輸通道及各種器件，如時(shí)鐘信號和電源電壓不穩(wěn)定，以及傳輸中受到的電磁干擾。這種噪聲多滿足無規(guī)則隨機(jī)性，頻譜幅值不定。
讀出噪聲是在感光像元產(chǎn)生的電荷信號被讀出和放大的電路中產(chǎn)生的噪聲，包括由復(fù)位電路產(chǎn)生的復(fù)位噪聲，和由放大器產(chǎn)生的噪聲。這是一種隨機(jī)噪聲。
A/D轉(zhuǎn)換誤差是獨(dú)立于圖像信號的，具有高斯分布和可加性。該誤差通常很小，與其他誤差相比可以忽略。
2)空氣流動(dòng)空氣流動(dòng)主要由兩個(gè)方面產(chǎn)生第一是由拍攝過程中人的走動(dòng)產(chǎn)生的流動(dòng)；第二則是由于系統(tǒng)采用的大功率點(diǎn)光源在長時(shí)間照明后，加熱周圍空氣所產(chǎn)生的流動(dòng)?？諝饬鲃?dòng)將給照相機(jī)捕捉圖片帶來不利影響。并且由于這種影響由空氣流動(dòng)的具體方式?jīng)Q定，因此無法知道其確定結(jié)果，所以很難定量分析和模擬。一般情況下，空氣流動(dòng)對圖片的影響可以忽略不計(jì)。但在光強(qiáng)較弱和空氣中灰塵較多的情況下，這種現(xiàn)象則不能被忽視。
3)視頻圖像采集的像素抖動(dòng)由于圖像卡內(nèi)部像素時(shí)鐘本身的波動(dòng)而造成了采樣時(shí)間的變化，并且由于視頻信號是變化的，因此產(chǎn)生了像素值對應(yīng)位置的變化。像素抖動(dòng)表現(xiàn)為一種隨機(jī)誤差。
4)機(jī)械裝置帶來的噪聲機(jī)械裝置的噪聲主要指步進(jìn)電機(jī)帶動(dòng)滑塊在導(dǎo)軌上滑行所引起的噪聲，這種噪聲也可以由其他的振動(dòng)產(chǎn)生。所以在拍攝時(shí)，整個(gè)環(huán)境要盡量安靜。在此情況下，這種噪聲對系統(tǒng)的影響相當(dāng)小，可以忽略不計(jì)。
5)光柵片帶來的噪聲光柵片上的噪聲主要指光柵片上灰塵所帶來的噪聲，這種噪聲在圖像上的表現(xiàn)就是灰色斑點(diǎn)的出現(xiàn)。在所得的系列圖像中，這種灰色斑點(diǎn)和由于物體本身灰色表面或由于物體高度變化形成的灰色陰影有所區(qū)別。在整個(gè)一系列圖中，物體的灰色表面和物體高度變化形成的灰色陰影始終是不動(dòng)的，也就是說如果它們在第一幅圖出現(xiàn)的話，那在最后一幅圖也應(yīng)該是出現(xiàn)的，并且在圖像中的位置是始終不動(dòng)的，這種斑點(diǎn)出現(xiàn)在所拍攝的所有圖像中。而由于光柵片上灰塵所引起的圖像中的灰色斑點(diǎn)表現(xiàn)則不同，它表現(xiàn)為在光柵圖像中某幅圖像中有，某幅圖像中無。

發(fā)明內(nèi)容
本發(fā)明提供一種能夠明確在條紋定位過程中圖像噪聲的來源和特性，對圖像中所包含的噪聲進(jìn)行遏制，快速可靠的得到高精度要求的物體空間劃分基于光柵投影的二維圖像區(qū)域定位方法。
本發(fā)明采用如下技術(shù)方案一種用于條紋圖像編碼的基于光柵投影的二維圖像區(qū)域定位方法1)用CCD攝像頭首先拍攝一幅被測物體的圖片作為基準(zhǔn)圖片，然后由投影設(shè)備把一組粗、細(xì)光柵先后投影到物體上，每投射一幅光柵，CCD攝像頭對其進(jìn)行一幅拍攝，上述粗光柵為單條條紋寬度大于10像素的光柵，第1幅粗光柵圖片中有黑白2條條紋，第2幅粗光柵圖片對第1幅中的黑白條紋進(jìn)行等分，得到4條黑白交替的條紋，依此類推，第n幅粗光柵圖片對第n-1幅粗光柵圖片中的條紋進(jìn)行等分，得到2n條黑白交替條紋，上述細(xì)光柵為條紋寬度是最后一幅粗光柵圖片中條紋寬度的二分之一的光柵，其中后一幅細(xì)光柵圖片中條紋位置依次與上一幅細(xì)光柵圖片中條紋位置在同方向上偏移l/k距離，l為細(xì)光柵中的條紋寬度，k為細(xì)光柵圖片的總幅數(shù)，l/k值為0.4到0.6個(gè)像素寬度；2)先對基準(zhǔn)圖片進(jìn)行閾值分割，得到基準(zhǔn)圖片的二值化圖像；對粗光柵圖像進(jìn)行濾波，再對濾波后粗光柵圖像的與基準(zhǔn)圖片二值化圖像的白色區(qū)域相對應(yīng)的區(qū)域進(jìn)行閾值分割，并給濾波后粗光柵圖像的與基準(zhǔn)圖片二值化圖像的黑色區(qū)域相對應(yīng)的區(qū)域賦予黑白以外的第三種顏色，得到粗定位圖像；對細(xì)光柵圖像進(jìn)行濾波，得到對物體圖像進(jìn)行空間精確定位所用的細(xì)光柵灰度圖像；3)對第一幅粗定位圖像上的像素點(diǎn)進(jìn)行逐行遍歷，根據(jù)黑白顏色的突變信息，確定并得到第一幅粗定位圖像上的條紋邊界，并用補(bǔ)償算法對條紋邊界不連續(xù)之處進(jìn)行連續(xù)化補(bǔ)償處理，得到具有連續(xù)的第1黑白邊界的第一幅粗定位補(bǔ)償圖像；將此前的各個(gè)連續(xù)的黑白邊界疊加到第二幅粗定位圖像上，對疊加后粗定位圖像上的像素點(diǎn)進(jìn)行逐行遍歷，并根據(jù)黑白顏色的突變信息，在該疊加后粗定位圖像上確定第二幅粗定位圖像上的條紋邊界，并用補(bǔ)償算法對條紋邊界不連續(xù)之處進(jìn)行連續(xù)化補(bǔ)償處理，得到具有連續(xù)的第2、第3黑白邊界；依次類推，將此前的各個(gè)連續(xù)的黑白邊界疊加到當(dāng)前的粗定位圖像上，對疊加后粗定位圖像上的像素點(diǎn)進(jìn)行逐行遍歷，并根據(jù)黑白顏色的突變信息，在該疊加后粗定位圖像上確定當(dāng)前粗定位圖像上的條紋邊界，并用補(bǔ)償算法對條紋邊界不連續(xù)之處進(jìn)行連續(xù)化補(bǔ)償處理，直至得到具有連續(xù)的第2n-2及第2n-1黑白邊界，由此將被測物體空間分割成窄帶狀區(qū)域，并得到了與此信息相對應(yīng)的粗定位結(jié)果圖像；上述補(bǔ)償算法為由攝像機(jī)取得的粗光柵圖片經(jīng)過圖像的去噪、圖像整體的閾值分割，再經(jīng)過輪廓提取和邊緣細(xì)化、圖像的膨脹操作(Rafael C.Gonzalez，Richard E.Woods.Digital Image Processing.BeijingPublishing House of Electronics Industry)后，得到所需要的補(bǔ)償對照圖；逐行遍歷當(dāng)前圖像中的像素，找到不連續(xù)邊界點(diǎn)，再找到補(bǔ)償對照圖上的與該不連續(xù)邊界點(diǎn)的位置相匹配的補(bǔ)償參照點(diǎn)，根據(jù)補(bǔ)償參照點(diǎn)的位置信息，對不連續(xù)邊界進(jìn)行補(bǔ)償；4)將粗定位結(jié)果圖像上的邊界信息疊加到所有的待分析細(xì)光柵灰度圖像上，在每一幅細(xì)光柵灰度圖像中，對粗定位結(jié)果圖像中的每兩條邊界之間的區(qū)域進(jìn)行逐行遍歷，使用最小二乘法對此區(qū)間逐行進(jìn)行二次曲線擬合，得到此區(qū)間中每行上的極值點(diǎn)，最后疊加所有細(xì)光柵灰度圖像中的極值點(diǎn)，并使用該極值點(diǎn)信息作為最終物體空間劃分結(jié)果。
與現(xiàn)有技術(shù)相比，本發(fā)明具有如下優(yōu)點(diǎn)本發(fā)明主要用于噪聲情況下的條紋物體空間劃分。利用發(fā)明，可以有效的遏制圖像中噪聲對空間劃分結(jié)果的影響，不會(huì)出現(xiàn)使用Gray方法時(shí)可能會(huì)出現(xiàn)的錯(cuò)誤，提高了條紋空間劃分的精度。Gray方法可能會(huì)出錯(cuò)的兩種情況見圖11、圖12。
在圖11中，我們可以看到每幅光柵的最右側(cè)有塊由噪聲引起的橢圓狀黑色區(qū)域，按照Gray方法橢圓區(qū)域最終結(jié)果為000，而理想情況下此區(qū)域?yàn)?11。
在圖12中，我們可以看到由于圖像閾值分割效果不好可能會(huì)出現(xiàn)黑白條紋不均勻的現(xiàn)象，這種不均勻?qū)⒁疱e(cuò)誤。如果在上圖中，黑色用0、白色用1表示的話，最終編碼結(jié)果會(huì)有兩個(gè)110的區(qū)域。
對于第一種情況，我們的方法在條紋粗定位階段，采用了不對錯(cuò)誤區(qū)域進(jìn)行劃分的思路；對于第二種情況在條紋粗定位階段也同樣會(huì)出現(xiàn)和Gray方法一樣的結(jié)果，也就是邊界不夠準(zhǔn)確，但由于最終我們使用的是細(xì)條紋的灰度圖像，舍棄粗定位時(shí)的劃分結(jié)果，所以粗條紋定位時(shí)誤差和噪聲將不會(huì)帶入最終空間劃分的結(jié)果之中。
在對細(xì)條紋圖像的灰度圖處理當(dāng)中，采用了條紋圖像的旋轉(zhuǎn)濾波方法，有效的去除了條紋圖像中條紋切線方向的隨機(jī)噪聲。旋轉(zhuǎn)濾波的基本思想如下在條紋的法線方向，灰度分布變化最大，而在條紋的切線方向上，灰度分布變化最小，在其他方向上居于二者之間。在條紋法線方向，灰度變化較大，對應(yīng)的頻譜呈一條寬帶，條紋信號與噪聲的頻譜是疊加在一起的，無法截然分開。在條紋的切線方向，灰度變化很小，近似為常數(shù)，對應(yīng)的頻譜是零頻附近的一條窄帶，而隨機(jī)噪聲仍然分布在高頻段。對這種情況使用常規(guī)的低通濾波器，如中值濾波或均值濾波，就可將零頻的條紋與高頻的噪聲頻譜干凈地分離開。這種做法可以達(dá)到去除無用信息而保留有用信息的效果。其步驟為首先確定條紋的切線方向，然后只在條紋的切線方向?qū)l紋圖進(jìn)行低通濾波。也就是說，首先找到條紋灰度的等值線，然后在此灰度等值線上作低通濾波。
在對細(xì)條紋圖像進(jìn)行二次曲線擬合時(shí)，我們考慮到了噪聲對圖像中條紋法線方向的影響。分析表明在圖像條紋法線黑白灰度變化梯度大的地方其隨機(jī)噪聲也較大，因此對二次擬合曲線算法進(jìn)行了改進(jìn)。首先使用圖像中條紋法線方向上灰度變化較小點(diǎn)進(jìn)行二次曲線擬合，然后對所擬合進(jìn)行插值運(yùn)算，最后使用插值點(diǎn)和所有的原始點(diǎn)重新進(jìn)行擬合。算法加大了二次曲線擬合算法中圖像灰度梯度變化平緩的點(diǎn)的權(quán)重值，使最終得到的擬合結(jié)果更加精確。


圖1是逆向工程流程圖。
圖2是光柵式三維掃描系統(tǒng)組成圖。
圖3是Gray編碼原理圖。
圖4是Gray編碼流程圖。
圖5是條紋定位流程圖。
圖6是粗條紋光柵系列示意圖。
圖7是細(xì)條紋光柵系列示意圖。
圖8是邊界算法示意圖。
圖9是邊界算法流程圖。
圖10是邊界算法結(jié)果不連續(xù)情況的定義。
圖11是Gray編碼出錯(cuò)情況一。
圖12是Gray編碼出錯(cuò)情況二。
圖13是粗光柵系列的補(bǔ)償圖的取得。
圖14是粗劃分空間補(bǔ)償前后效果對比圖。
圖15是細(xì)光柵條紋濾波前后效果圖。
圖16是最終光柵圖像劃分結(jié)果。
具體實(shí)施例方式
一種用于條紋圖像編碼的基于光柵投影的二維圖像區(qū)域定位方法1)用CCD攝像頭首先拍攝一幅被測物體的圖片作為基準(zhǔn)圖片，然后由投影設(shè)備把一組粗、細(xì)光柵先后投影到物體上，每投射一幅光柵，CCD攝像頭對其進(jìn)行一幅拍攝，上述粗光柵為單條條紋寬度大于10像素的光柵，第1幅粗光柵圖片中有黑白2條條紋，第2幅粗光柵圖片對第1幅中的黑白條紋進(jìn)行等分，得到4條黑白交替的條紋，依此類推，第n幅粗光柵圖片對第n-1幅粗光柵圖片中的條紋進(jìn)行等分，得到2n條黑白交替條紋，n具體的取值由CCD攝像頭參數(shù)決定，對于高分辨率的CCD攝像頭，其對應(yīng)的n值可取的大一些，但應(yīng)保持最細(xì)光柵的粗條紋圖片在閾值分割后，條紋信息清晰可見。一般來說，n最大的取值至少要保證在對粗條紋光柵取圖后，其最細(xì)一幅光柵圖中的單條條紋寬度大于10像素，上述細(xì)光柵為條紋寬度是最后一幅粗光柵圖片中條紋寬度的二分之一的光柵，其中后一幅細(xì)光柵圖片中條紋位置依次與上一幅細(xì)光柵圖片中條紋位置在同方向上偏移l/k距離，l為細(xì)光柵中的條紋寬度，k為細(xì)光柵圖片的總幅數(shù)，l/k值為0.4到0.6個(gè)像素寬度；2)先對基準(zhǔn)圖片進(jìn)行閾值分割，得到基準(zhǔn)圖片的二值化圖像；對粗光柵圖像進(jìn)行濾波，再對濾波后粗光柵圖像的與基準(zhǔn)圖片二值化圖像的白色區(qū)域相對應(yīng)的區(qū)域進(jìn)行閾值分割，并給濾波后粗光柵圖像的與基準(zhǔn)圖片二值化圖像的黑色區(qū)域相對應(yīng)的區(qū)域賦予黑白以外的第三種顏色，得到粗定位圖像；對細(xì)光柵圖像進(jìn)行濾波，得到對物體圖像進(jìn)行空間精確定位所用的細(xì)光柵灰度圖像；3)對第一幅粗定位圖像上的像素點(diǎn)進(jìn)行逐行遍歷，根據(jù)黑白顏色的突變信息，確定并得到第一幅粗定位圖像上的條紋邊界，并用補(bǔ)償算法對條紋邊界不連續(xù)之處(見圖10)進(jìn)行連續(xù)化補(bǔ)償處理，得到具有連續(xù)的第1黑白邊界的第一幅粗定位補(bǔ)償圖像；將此前的各個(gè)連續(xù)的黑白邊界疊加到第二幅粗定位圖像上，對疊加后粗定位圖像上的像素點(diǎn)進(jìn)行逐行遍歷，并根據(jù)黑白顏色的突變信息，在該疊加后粗定位圖像上確定第二幅粗定位圖像上的條紋邊界，并用補(bǔ)償算法對條紋邊界不連續(xù)之處進(jìn)行連續(xù)化補(bǔ)償處理，得到具有連續(xù)的第2、第3黑白邊界；依次類推，將此前的各個(gè)連續(xù)的黑白邊界疊加到當(dāng)前的粗定位圖像上，對疊加后粗定位圖像上的像素點(diǎn)進(jìn)行逐行遍歷，并根據(jù)黑白顏色的突變信息，在該疊加后粗定位圖像上確定當(dāng)前粗定位圖像上的條紋邊界，并用補(bǔ)償算法對條紋邊界不連續(xù)之處進(jìn)行連續(xù)化補(bǔ)償處理，直至得到具有連續(xù)的第2n-2及第2n-1黑白邊界，由此將被測物體空間分割成窄帶狀區(qū)域，并得到了與此信息相對應(yīng)的粗定位結(jié)果圖像；上述補(bǔ)償算法為由攝像機(jī)取得的粗光柵圖片經(jīng)過圖像的去噪、圖像整體的閾值分割，再經(jīng)過輪廓提取和邊緣細(xì)化、圖像的膨脹操作后，得到所需要的補(bǔ)償對照圖；逐行遍歷當(dāng)前圖像中的像素，找到不連續(xù)邊界點(diǎn)，再找到補(bǔ)償對照圖上的與該不連續(xù)邊界點(diǎn)的位置相匹配的補(bǔ)償參照點(diǎn)，根據(jù)補(bǔ)償參照點(diǎn)的位置信息，對不連續(xù)邊界進(jìn)行補(bǔ)償；圖10中我們定義條紋邊界的不連續(xù)情況為非由物體高度變化引起的圖像中條紋邊界斷裂情況。
4)將粗定位結(jié)果圖像上的邊界信息疊加到所有的待分析細(xì)光柵灰度圖像上，在每一幅細(xì)光柵灰度圖像中，對粗定位結(jié)果圖像中的每兩條邊界之間的區(qū)域進(jìn)行逐行遍歷，使用最小二乘法對此區(qū)間逐行進(jìn)行二次曲線擬合，得到此區(qū)間中每行上的極值點(diǎn)，最后疊加所有細(xì)光柵灰度圖像中的極值點(diǎn)，并使用該極值點(diǎn)信息作為最終物體空間劃分結(jié)果。
下面結(jié)合附圖示對本發(fā)明的具體實(shí)施方式
作進(jìn)一步描述。該實(shí)例是三維重構(gòu)過程中對二維圖像的編碼。主要包括以下步驟a)光柵設(shè)計(jì)我們在實(shí)際使用時(shí)設(shè)計(jì)了一組光柵條紋，總共11幅，其中粗條紋系列7幅，細(xì)條紋系列4幅。它們滿足技術(shù)方案中所提及的對光柵的要求。當(dāng)然也可以設(shè)計(jì)和使用其他幅數(shù)的光柵條紋。
b)使用CCD攝像機(jī)拍攝圖像首先拍攝一幅物體的基準(zhǔn)圖片，然后由步進(jìn)電機(jī)拖動(dòng)光柵片，對于每一幅光柵，攝像機(jī)都對物體取圖一次。為了保證取圖的質(zhì)量，拍攝時(shí)盡量減少走動(dòng)，不要在光線劇烈變化，環(huán)境光極強(qiáng)的情況下對物體進(jìn)行拍攝。
c)對CCD圖像進(jìn)行物體空間劃分對粗光柵系列圖片進(jìn)行濾波處理，閾值分割。然后分成兩路進(jìn)行處理，一路用來編碼粗定位，一路用來得到編碼補(bǔ)償圖(見圖13)。接下來用二者所得到的結(jié)果計(jì)算出粗條紋系列的劃分結(jié)果(見圖14)。
精定位是根據(jù)粗定位的結(jié)果和接下去的細(xì)條紋光柵系列圖像來分析計(jì)算的。主要步驟有細(xì)光柵圖像的濾波(見圖15)，條紋的二次曲線擬合。最終結(jié)果見圖16。
權(quán)利要求
1.一種用于條紋圖像的基于光柵投影的二維圖像區(qū)域定位方法，其特征在于1)用CCD攝像頭首先拍攝一幅被測物體的圖片作為基準(zhǔn)圖片，然后由投影設(shè)備把一組粗、細(xì)光柵先后投影到物體上，每投射一幅光柵，CCD攝像頭對其進(jìn)行一幅拍攝，上述粗光柵為單條條紋寬度大于10像素的光柵，第1幅粗光柵圖片中有黑白2條條紋，第2幅粗光柵圖片對第1幅中的黑白條紋進(jìn)行等分，得到4條黑白交替的條紋，依此類推，第n幅粗光柵圖片對第n-1幅粗光柵圖片中的條紋進(jìn)行等分，得到2″條黑白交替條紋，上述細(xì)光柵為條紋寬度是最后一幅粗光柵圖片中條紋寬度的二分之一的光柵，其中后一幅細(xì)光柵圖片中條紋位置依次與上一幅細(xì)光柵圖片中條紋位置在同方向上偏移l/k距離，l為細(xì)光柵中的條紋寬度，k為細(xì)光柵圖片的總幅數(shù)，l/k值為0.4到0.6個(gè)像素寬度；2)先對基準(zhǔn)圖片進(jìn)行閾值分割，得到基準(zhǔn)圖片的二值化圖像；對粗光柵圖像進(jìn)行濾波，再對濾波后粗光柵圖像的與基準(zhǔn)圖片二值化圖像的白色區(qū)域相對應(yīng)的區(qū)域進(jìn)行閾值分割，并給濾波后粗光柵圖像的與基準(zhǔn)圖片二值化圖像的黑色區(qū)域相對應(yīng)的區(qū)域賦予黑白以外的第三種顏色，得到粗定位圖像；對細(xì)光柵圖像進(jìn)行濾波，得到對物體圖像進(jìn)行空間精確定位所用的細(xì)光柵灰度圖像；3)對第一幅粗定位圖像上的像素點(diǎn)進(jìn)行逐行遍歷，根據(jù)黑白顏色的突變信息，確定并得到第一幅粗定位圖像上的條紋邊界，并用補(bǔ)償算法對條紋邊界不連續(xù)之處進(jìn)行連續(xù)化補(bǔ)償處理，得到具有連續(xù)的第1黑白邊界的第一幅粗定位補(bǔ)償圖像；將此前的各個(gè)連續(xù)的黑白邊界疊加到第二幅粗定位圖像上，對疊加后粗定位圖像上的像素點(diǎn)進(jìn)行逐行遍歷，并根據(jù)黑白顏色的突變信息，在該疊加后粗定位圖像上確定第二幅粗定位圖像上的條紋邊界，并用補(bǔ)償算法對條紋邊界不連續(xù)之處進(jìn)行連續(xù)化補(bǔ)償處理，得到具有連續(xù)的第2、第3黑白邊界；依次類推，將此前的各個(gè)連續(xù)的黑白邊界疊加到當(dāng)前的粗定位圖像上，對疊加后粗定位圖像上的像素點(diǎn)進(jìn)行逐行遍歷，并根據(jù)黑白顏色的突變信息，在該疊加后粗定位圖像上確定當(dāng)前粗定位圖像上的條紋邊界，并用補(bǔ)償算法對條紋邊界不連續(xù)之處進(jìn)行連續(xù)化補(bǔ)償處理，直至得到具有連續(xù)的第2n-2及第2n-1黑白邊界，由此將被測物體空間分割成窄帶狀區(qū)域，并得到了與此信息相對應(yīng)的粗定位結(jié)果圖像；上述補(bǔ)償算法為由攝像機(jī)取得的粗光柵圖片經(jīng)過圖像的去噪、圖像整體的閾值分割，再經(jīng)過輪廓提取和邊緣細(xì)化、圖像的膨脹操作后，得到所需要的補(bǔ)償對照圖；逐行遍歷當(dāng)前圖像中的像素，找到不連續(xù)邊界點(diǎn)，再找到補(bǔ)償對照圖上的與該不連續(xù)邊界點(diǎn)的位置相匹配的補(bǔ)償參照點(diǎn)，根據(jù)補(bǔ)償參照點(diǎn)的位置信息，對不連續(xù)邊界進(jìn)行補(bǔ)償；4)將粗定位結(jié)果圖像上的邊界信息疊加到所有的待分析細(xì)光柵灰度圖像上，在每一幅細(xì)光柵灰度圖像中，對粗定位結(jié)果圖像中的每兩條邊界之間的區(qū)域進(jìn)行逐行遍歷，使用最小二乘法對此區(qū)間逐行進(jìn)行二次曲線擬合，得到此區(qū)間中每行上的極值點(diǎn)，最后疊加所有細(xì)光柵灰度圖像中的極值點(diǎn)，并使用該極值點(diǎn)信息作為最終物體空間劃分結(jié)果。
全文摘要
本發(fā)明公開了一種能夠明確圖像噪聲的來源和特性，對圖像噪聲遏制，快速可靠的基于光柵投影的二維圖像區(qū)域定位方法用攝像頭拍攝基準(zhǔn)圖片后把一組粗、細(xì)光柵投影到物體上，每投射一幅光柵并對其進(jìn)行一幅拍攝，通過閾值分割、圖像濾波等后得到粗定位圖像；對細(xì)光柵圖像進(jìn)行濾波，得到細(xì)光柵灰度圖像；對各個(gè)粗定位圖像上的像素點(diǎn)進(jìn)行逐行遍歷，用補(bǔ)償算法進(jìn)行處理等后，將被測物體空間分割成窄帶狀區(qū)域，并得到與此信息相對應(yīng)的粗定位結(jié)果圖像；將其上的邊界信息疊加到所有的待分析細(xì)光柵灰度圖像上，進(jìn)行逐行遍歷，進(jìn)行二次曲線擬合，最后疊加所有細(xì)光柵灰度圖像中的極值點(diǎn)，并使用該極值點(diǎn)信息作為最終物體空間劃分結(jié)果。
文檔編號G01C11/00GK1847782SQ20061003915
公開日2006年10月18日 申請日期2006年3月29日 優(yōu)先權(quán)日2006年3月29日
發(fā)明者達(dá)飛鵬, 金亞, 蓋紹彥 申請人:東南大學(xué)