一种基于光圈时控的高清图像获取方法

摘要

本发明一种基于光圈时控的高清图像获取方法属于计算机视觉测量技术领域，涉及一种摄像机光圈实时调整方法以及基于此的高清特征图像获取方法。该方法针对大型复合材料构件表面在线激光扫描测量过程中的强光反射问题，建立满足光条信息提取要求的光条图像质量判定准则；保留高质量光条图像，通过极亮和极暗的两个极限图像确定光圈时控阈值，结合空间几何特性，确定光圈控制准则；对低质量图像通过光圈实时控制的方式调节光圈大小、控制进光量进行图像采集，在整体图像采集过程中获取亮度基本一致，且高质量的光条图像，提取光条特征并进行图像融合，得到高清且完整的光条图像。该方法能高效、高精度地获取图像，得到的图像特征清晰、质量好。

主权项

一种基于光圈时控的高清图像获取方法，其特征是，该方法针对大型复合材料构件表面在线激光扫描测量过程中的强光反射问题，建立满足光条信息提取要求的光条图像质量判定准则；保留高质量光条图像，通过极亮和极暗的两个极限图像确定光圈时控阈值，结合空间几何特性，确定光圈控制准则；对低质量图像通过光圈实时控制的方式调节光圈大小、控制进光量进行图像采集，从而在整体的图像采集过程中获取亮度基本一致且高质量的光条图像；最后,提取光条特征并进行图像融合，得到高清且完整的光条图像。方法具体步骤如下：第一步建立光条图像质量判定准则，确定光圈时控合理阈值1)建立光条图像质量判定准则以图像处理能够精确提取光条特征信息为条件，定义其对应的光条图像为高质量图像；以光条横截面平均灰度来表征光条图像的质量，建立图像质量判定模型：$\left\{\begin{array}{cc}{I}_a<I<I_b,& goodquality\\ I\le I_{a}orI\ge I_b,& poorquality\end{array}\right.---\left(1\right)$其中，I表示图像的光条横截面平均灰度分布，而(I_a,I_b)为高质量光条图像的光条横截面平均灰度分布区间；当I_a<I<I_b,认为光条图像质量较好，提取出精确的光条特征信息；当I≤I_aorI≥I_b，认为光条图像质量较差，则采取控制光圈大小的方式控制进光量，使得光条图像满足高质量要求，进而提取精确的光条特征信息；2)确定光圈时控合理阈值采用基于线激光辅助扫描进行视觉测量时，采集到的光条图像在摄像机采集方向位于激光反射方向时灰度达到最大。调节此时的摄像机光圈大小至F₁，使得光条图像灰度I₁满足公式(1)确定的高质量图像要求。同理，利用激光器粗扫描被测件，获得光条图像灰度最小位置，调节此时的摄像机光圈大小至F₂，使得光条图像灰度I₂满足高质量图像要求。由此获得摄像机光圈在整个激光扫描过程中的调控范围在[F₂,F₁]；第二步摄像机光圈实时控制方法1)建立光条灰度衰减模型在摄像机采集方向位于线激光投射的反射方向上时，光条横截面的平均灰度值达到最大，偏移该位置后摄像机采集的光条图像灰度发生衰减；利用此光条灰度衰减特性，建立光条灰度衰减模型：$k=\frac{I_1-I_i}{d(tan\alpha -\tan (\alpha -\omega i/f\left)\right)}---\left(2\right)$其中，k为光条灰度的衰减率，I₁为摄像机采集方向位于线激光入射方向的反射方向上的光条灰度值，I_i为第i张扫描图像的光条灰度值，d为激光器被测物表面的距离，α为光条灰度值最大位置处的光条入射角，ω为激光器扫描转速，f为摄像机采集帧频；2)确定光圈时控步长当光条灰度低于高质量光条图像灰度下限I_a时，需要调节摄像机光圈使得进光量增大，从而获得高质量光条图像；结合上述光条灰度衰减率，建立光圈时控步长ΔL：$\Delta L=\frac{I_1-I_a}{k}---\left(3\right)$其中，I₁为摄像机采集方向位于线激光入射方向的反射方向上的光条灰度值，I_a为高质量光条图像的灰度值下限，k为光条灰度的衰减率；于是可以利用该公式计算得到当光条灰度值低于高质量光条图像的灰度值下限时，结合扫描运动的几何关系，扫描光条的移动步长ΔL₀：ΔL₀＝d(tanα‑tan(α‑ωj/f))       (4)其中，d为激光器被测物表面的距离，α为光条灰度值最大位置处的光条入射角，ω为激光器扫描转速，f为摄像机采集帧频；当光圈时控步长ΔL达到临界值ΔL₀即进行光圈调节；于是采用(4)式反解得到扫描每移动j次光条时调整增大一级光圈大小，然后继续进行扫描拍摄；第三步光条图像特征提取与合成通过上述实时调整光圈大小的方式采集得到的图像其光条灰度基本一致，则采用统一的灰度阈值来进行光条特征的提取，从而快速获得高精度高清晰的光条特征图像；1)光条特征提取对采集到的光条图像进行边缘特征提取，图像函数的一阶导数反映了图像的灰度变化显著程度，通过计算图像函数的一阶导数局部极大值来确定光条的边缘特征，图像函数f(x,y)的一阶导数为$G(x,y)=\left[\begin{array}{c}{G}_x\\ G_y\end{array}\right]=\left[\begin{array}{c}\partial f/\partial x\\ \partial f/\partial y\end{array}\right]---\left(5\right)$其中，G(x,y)为图像二维函数f(x,y)的梯度，G_x和G_y分别是对x和y的偏导数。采用Sobel算子进行边缘检测，利用像素点(x,y)的3×3的邻域来计算梯度值，其两个卷积模板为$G_x=\left[\begin{array}{ccc}-1& 0& 1\\ -2& 0& 2\\ -1& 0& 1\end{array}\right],G_y=\left[\begin{array}{ccc}-1& -2& -1\\ 0& 0& 0\\ 1& 2& 1\end{array}\right]---\left(6\right)$采用∞范数衡量梯度的幅值|G(x,y)|＝max(|G_x|,|G_y|)，即将两个模板算子的最大值作为该点的输出位；然后计算每一点的梯度值，将梯度最大处定义为边缘位置；2)高清特征图像融合对处理得到的一系列光条特征图像f_i(x,y)(i＝1,2,...,n)采用灰度加权平均的方法进行图像融合，则图像融合的过程表示为：$F(x,y)=\underset{i=1}{\overset{n}{\Sigma }}{\lambda }_i{f}_i(x,y)---\left(7\right)$其中，F(x,y)为融合后得到的高清特征图像，λ_i为对应第i光条图像的加权系数，而且有$\underset{i=1}{\overset{n}{\Sigma }}{\lambda }_i=1.$