CN103093223A - 一种光斑图像中心的快速定位方法 - Google Patents

Abstract

本发明涉及一种光斑图像中心的快速定位方法，其特征在于：包括下述步骤：(1)通过测量得到光斑图像的灰度分布I(x，y)；(2)随机选取光斑图像上的一个点，计算得到该点的梯度；(3)计算得到通过该点和光斑中心的直线；(4)随机选取N个点，N大于等于2，重复步骤(2)和(3)，将得到的通过光斑中心的直线方程联立成方程组；(5)采用最小二乘方法解方程组，得到光斑中心的位置(x₀，y₀)。本发明通过随机选取少量点对光斑中心进行快速定位，实时性高，存储量小，便于硬件实现，并可在光斑图像分布不均的情况下进行中心定位。

Description

一种光斑图像中心的快速定位方法

【技术领域】

本发明涉及一种光斑图像中心的快速定位方法，属于图像处理领域。 

【背景技术】

光斑图像广泛存在于机器视觉、模式识别、光学测量等领域中。其中光斑中心是光斑图像的特征，可应用于机器视觉中的目标跟踪、视觉检测中的特征点提取、姿态测量部件星敏感器星点定位及激光衍射法粒度测量中的零级衍射光定位等诸多场合。 

目前，对于光斑中心的定位方法主要可归为两类：基于灰度的定位方法和基于边缘的定位方法。其中，基于灰度的定位方法是利用目标光斑图像的灰度分布信息进行定位，典型的方法为重心法和曲面拟合法等；基于边缘的定位方法一般是利用光斑图像的边缘形状进行定位，典型的方法为圆拟合法和霍夫(Hough)变换法等。 

通常情况下，基于灰度的定位方法比基于边缘的定位方法具有更高的精度。基于灰度的曲面拟合采用高斯曲面对目标光斑图像的灰度分布进行拟合，但常用的二维高斯曲面函数的计算比较复杂，因此，重心法由于其实现较为简单且定位精度较高，成为使用最多的一种定位方法。虽然重心法应用范围较广，但该方法要求光斑图像分布比较均匀，图像对称性好，否则会产生较大误差，而且抗干扰能力弱。另外，特别是对于光斑中心点不在探测平面上的情况，重心法通常不能适用。 

【发明内容】

本发明的目的在于提供一种光斑图像中心的快速定位方法，通过随机选点的方式对光斑中心进行快速定位，实时性高，存储量小，便于硬件实现，并能够在光斑图像分布不均或光斑中心不在探测平面上的情况下进行中心定位。 

本发明所提出的一种光斑图像中心的快速定位方法，包括下述步骤： 

步骤一：通过测量得到光斑图像的灰度分布I(x，y)； 

步骤二：随机选取光斑图像上的一个点，假设为M，计算得到该点的梯度 

$\▿I(x,y){|}_M=(\frac{\∂I(x,y)}{\∂x}{|}_M,\frac{\∂I(x,y)}{\∂y}{|}_M)---\left(1\right)$

其中，(x，y)为光斑图像上所选点的坐标。

为梯度算子，

及

分别表示点M处灰度梯度的横坐标分量及纵坐标分量； 

步骤三：计算得到通过该点和光斑中心的直线 

$\frac{x_1-x_0}{\frac{\∂I(x,y)}{\∂x}{|}_M}=\frac{y_1-y_0}{\frac{\∂I(x,y)}{\∂y}{|}_M}---\left(2\right)$

其中，(x₀，y₀)为光斑中心位置； 

步骤四：随机选取N个不同的点，N大于等于2，重复步骤二和三，将得到的通过光斑中心的直线方程联立成方程组； 

步骤五：采用最小二乘方法解方程组，得到光斑中心的位置(x₀，y₀)。 

本发明给出的一种光斑图像中心的快速定位方法，其优点及功效在于：与将全部像素点纳入计算的重心法和Hough变换法相比，本发明随机选取部分点即可完成计算，提高了计算速度，减少硬件资源使用，利于硬件实现；由于计算过程中，光斑图像上的像素点方向指向光斑中心，因此当光斑中心不在探测平面上或光斑分布不均匀时，该方法仍可用于计算光斑中心位置，而重心法则不适用。 

【附图说明】

附图1所示为典型的轴对称的光斑图像。 

附图2所示为典型的光强分布图。 

附图3所示为对无噪声光斑图像进行中心定位的仿真结果。 

附图4所示为对信噪比为60dB的光斑图像进行中心定位的仿真结果。 

附图5所示为对光斑中心大大偏离图像中心的图像进行中心定位的仿真结果。 

附图6所示为对非规则光斑图像的中心定位的仿真结果。 

【具体实施方式】

本发明，即一种光斑图像中心的快速定位方法，包括下述步骤： 

步骤一：通过测量得到光斑图像的灰度分布I(x，y)； 

步骤二：随机选取光斑图像上的一个点，假设为M，计算得到该点的梯度 

$\▿I(x,y){|}_M=(\frac{\∂I(x,y)}{\∂x}{|}_M,\frac{\∂I(x,y)}{\∂y}{|}_M)---\left(3\right)$

其中，(x，y)为光斑图像上所选点的坐标。

为梯度算子，

及

分别表示点M处灰度梯度的横坐标分量及纵坐标分量； 

步骤三：计算得到通过该点和光斑中心的直线 

$\frac{x_1-x_0}{\frac{\∂I(x,y)}{\∂x}{|}_M}=\frac{y_1-y_0}{\frac{\∂I(x,y)}{\∂y}{|}_M}---\left(4\right)$

其中，(x₀，y₀)为光斑中心位置； 

步骤四：随机选取N个不同的点，N大于等于2，重复步骤二和三，将得到的通过光斑中心的直线方程联立成方程组； 

步骤五：采用最小二乘方法解方程组，得到光斑中心的位置(x₀，y₀)。 

下面结合附图和实施例对本发明做进一步详细说明。 

获取的光斑图像通常如附图1所示，以中心为起点，典型的光强分布如附图2所示。从图像获得的灰度分布为I(x，y)，在光斑上选取10个点，记为M_i(1≤i≤10)，其坐标表示为(x_i，y_i)，分别计算这10个位置的梯度 

$\▿I(x,y){|}_{M_i}=(\frac{\∂I(x,y)}{\∂x}{|}_{M_i},\frac{\∂I(x,y)}{\∂y}{|}_{M_i})---\left(5\right)$

于是，可计算得到10个坐标点(x_i，y_i)(1≤i≤10)处对应的灰度的梯度值。 

则通过所选点与光斑中心的直线可表示为 

$\frac{x-x_0}{\frac{\∂I(x,y)}{\∂x}{|}_{M_i}}=\frac{y-y_0}{\frac{\∂I(x,y)}{\∂y}{|}_{M_i}}---\left(6\right)$

其中，(x₀，y₀)为光斑中心位置。 

联立得到的10个直线方程，有 

$\left\{\begin{array}{c}\frac{x_1-x_0}{\frac{\∂I(x,y)}{\∂x}{|}_{M_1}}=\frac{y_1-y_0}{\frac{\∂I(x,y)}{\∂y}{|}_{M_1}}\\ \frac{x_2-x_0}{\frac{\∂I(x,y)}{\∂x}{|}_{M_2}}=\frac{y_2-y_0}{\frac{\∂I(x,y)}{\∂y}{|}_{M_2}}\\ .\\ .\\ .\\ \frac{x_{10}-x_0}{\frac{\∂I(x,y)}{\∂x}{|}_{M_{10}}}=\frac{y_{10}-y_0}{\frac{\∂I(x,y)}{\∂y}{|}_{M_{10}}}\end{array}\right.---\left(7\right)$

采用最小二乘方法解方程组(7)，得到光斑中心的位置(x₀，y₀)，如附图3所示。 

通常情况下，探测到的图像会存在一定的噪声，当探测得到的图像的信噪比为60dB时，计算得到的光斑中心位置如附图4所示。当光斑中心在边缘位置或光斑不规则时，计算得到的光斑中心如附图5和 附图6所示。 

以上对本发明及其实施方式的描述，并不局限于此，附图中所示仅是本发明的实施方式之一。在不脱离本发明创造宗旨的情况下，不经创造地设计出与该技术方案类似的结构或实施例，均属本发明保护范围。 

Claims (1)

1.一种光斑图像中心的快速定位方法，其特征在于：包括下述步骤：

步骤一：通过测量得到光斑图像的灰度分布I(x，y)；

步骤二：随机选取光斑图像上的一个点，假设为M，计算得到该点的梯度

$\▿I(x,y){|}_M=(\frac{\∂I(x,y)}{\∂x}{|}_M,\frac{\∂I(x,y)}{\∂y}{|}_M)---\left(1\right)$

其中，(x，y)为光斑图像上所选点的坐标。

为梯度算子，

及

分别表示点M处灰度梯度的横坐标分量及纵坐标分量；

步骤三：计算得到通过该点和光斑中心的直线

$\frac{x_1-x_0}{\frac{\∂I(x,y)}{\∂x}{|}_M}=\frac{y_1-y_0}{\frac{\∂I(x,y)}{\∂y}{|}_M}---\left(2\right)$

其中，(x₀，y₀)为光斑中心位置；

步骤四：随机选取N个不同的点，N大于等于2，重复步骤二和三，将得到的通过光斑中心的直线方程联立成方程组；

步骤五：采用最小二乘方法解方程组，得到光斑中心的位置(x₀，y₀)。

Images