CN103440629B - 激光标记自动跟踪的视频引伸计的数字图像处理方法 - Google Patents

Abstract

本发明公开了一种激光标记自动跟踪的视频引伸计的数字图像处理方法。利用CCD获取试样图像，经图像采集卡输入计算机，进行归一化处理得到M×N的试样图像；利用基于图像统计信息的线性亮度调整算法，修正试样图像中每个像素点的像素值；选用<i>Top-Hat</i>变换的对比度拉伸方法对试样图像去雾；从RGB颜色空间转换到YCbCr颜色空间，采用自适应Cr色度阈值分割算法提取激光标记；再提取激光标记位置来获得仅包含试样标记和激光标记的感兴趣图像区域，在该区域内利用图像亮度梯度提取试样标记；为激光标记对试样标记的实时精密跟踪和求解材料变形量提供技术基础。本发明对光强变化具有强鲁棒性，抗环境干扰能力强且两标记识别精度高。

Description

激光标记自动跟踪的视频引伸计的数字图像处理方法

技术领域

本发明涉及数字图像处理方法，尤其是涉及一种激光标记自动跟踪的视频引伸计的数字图像处理方法。

背景技术

视频引伸计是材料变形测量的主要工具。测量前，先在试样上制作标记，再通过数字图像处理对CCD采集的试样图像进行预处理、标记提取，获得试样实时形变量。标记提取算法的优劣是决定视频引伸计测量精度的关键技术。

目前，常用的图像目标特征提取算法主要有基于边缘检测和模板匹配两大类。边缘检测算法一般先使用灰度阈值分割、逐差法等方法提取标记区域的像素级粗边缘，然后利用灰度矩等方法提取亚像素边缘，但该方法不能有效区分多目标；模板匹配法，通过历遍图像、寻找与模板相关系数最大的区域来实现对标记的提取，但该方法计算量大，且需要预先获得目标区域信息来设置模板参数。此外，上述算法对实验光照条件要求高，适应性差。在数字图像处理领域中主要通过直方图均衡化、Gamma校正、非线性变换和同态滤波等各种图像亮度补偿方法来解决光照问题。但这些方法各自存在不足，无法满足视频引伸计的实时性要求。

发明内容

针对激光标记自动跟踪的视频引伸计需要识别激光标记和试样标记来获取材料变形量，本发明的目的在于提供一种激光标记自动跟踪的视频引伸计的数字图像处理方法，经过线性图像亮度调整和去雾增强相结合的预处理算法、阈值分割的标记识别两处理步骤，实现激光标记和试样标记的识别与提取，为激光标记实时精密跟踪试样标记提供技术基础。

本发明采用的技术方案的步骤如下：

（1）利用CCD获取试样图像，经图像采集卡输入计算机，进行归一化处理得到M×N的试样图像，M为图像宽度，N为图像高度；

（2）对M×N的试样图像利用基于图像统计信息的线性亮度调整算法，利用如下公式（1）计算试样图像亮度均值I，选取I=128的试样图像，计算其RGB三通道均值为(r,g,b)，统计一幅待修正试样图像的RGB三通道像素均值为avg_r，avg_g，avg_b，利用如下公式（2）计算亮度调整算子gain_r、gain_g和gain_b，据此亮度调整算子修正试样图像中每个像素点的像素值，增强试样图像中的试样标记；

图像亮度均值： $I[i,j]=\frac{R_{i,j}+G_{i,j}+B_{i,j}}{3}(i=0,\&CenterDot;\&CenterDot;\&CenterDot;,M;j=0,\&CenterDot;\&CenterDot;\&CenterDot;,N)$

亮度调整算子： $\left\{\begin{array}{c}\mathrm{gain}\_r=r/\mathrm{avg}\_r\\ \mathrm{gain}\_g=g/\mathrm{avg}\_g\\ \mathrm{gain}\_b=b/\mathrm{avg}\_b\end{array}\right.$

式中：R_i,j，G_i,j，B_i,j分别表示在像素点(i,j)处RGB三分量的值，I[i,j]表示在像素点(i,j)处的亮度，(r,g,b)为图像亮度均值I=128的试样图像的RGB三通道均值，avg_r，avg_g，avg_b则表示实时采集的试样图像的RGB三通道平均值，gain_r、gain_g、gain_b分别为对应实时采集试样图像三通道的亮度调整算子；

（3）采用线性图像亮度调整算法后，虽然试样图像整体亮度得到改善，但其表面对比度不高，覆盖了一层“薄雾”，采用基于数学形态学的图像去雾增强算法，选用Top-Hat变换的对比度拉伸方法对试样图像进行去雾增强处理；

（4）将去雾增强处理后的试样图像从RGB颜色空间转换到YCbCr颜色空间，采用自适应Cr色度阈值分割算法提取激光标记，Cr表示像素点的红色色度；

（5）在实验过程中激光标记实时跟踪试样标记，利用步骤（4）提取的激光标记位置来获得仅包含试样标记和激光标记的感兴趣图像区域，在感兴趣图像区域内利用图像亮度梯度提取试样标记；

即完成了激光标记和试样标记的识别与提取。

本发明具有的有益效果是：

（1）激光标记自动跟踪视频引伸计的数字图像处理方法，利用图像亮度调整和去雾增强相结合的图像预处理算法，解决了复杂光照影响试样图像质量的问题，抗光照干扰能力强。

（2）激光标记自动跟踪视频引伸计的数字图像处理方法，根据图像的颜色差异和结构特点，分别提出了Cr色度阈值分割算法和感兴趣区域的亮度梯度阈值分割算法提取激光标记和试样标记，识别精度高。

附图说明

图1是激光标记自动跟踪视频引伸计的数字图像处理流程图。

图2是激光标记自动跟踪视频引伸计测量原理图。

图中：1：激光器，2：分划板；3：五角棱镜，4：伺服电机与驱动器，5：计算机，6：图像采集卡，7：CCD，8：激光标记9：试样标记，10：试样。

具体实施方式

下面结合附图和实施例对本发明作进一步说明。

基于激光标记自动跟踪的材料变形测量装置如图2所示（见发明专利ZL201110197130.5），本发明将该装罝又称为视频引伸计，它主要包括激光扫描自动跟踪控制系统（它由激光器1、分划板2、五棱镜3、伺服电机与驱动器4组成）、计算机5、图像采集卡6、CCD7、激光标记8、试样标记9和试样10等部分。系统工作时，CCD实时采集拉伸试样图像，经图像采集卡传入计算机，数字图像处理算法经预处理、标记提取计算两标记位移差，控制伺服电机驱动五棱镜转动，使激光标记跟踪试样标记完成材料变形量测量。

激光标记自动跟踪的视频引伸计的数字图像处理方法流程图如图1所示，具体实现步骤如下：

（1）利用CCD（型号：OK_AC1300）获取试样图像，经图像采集卡（型号：OK_RGB20B）输入计算机（型号：Lenovos520），进行归一化处理得到宽高为600×256的试样图像；

（2）采用基于图像统计信息的线性亮度调整算法对试样图像中的试样标记进行增强：

对600*256的试样图像，算法如下：

①统计试样图像中RGB三通道像素均值

$\left\{\begin{array}{c}\mathrm{avg}\_r=\frac{1}{600\&times;256}\underset{i=1}{\overset{600}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{256}{\mathrm{\&Sigma;}}}{R}_{\mathrm{ij}}\\ \mathrm{avg}\_g=\frac{1}{600\&times;256}\underset{i=1}{\overset{600}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{256}{\mathrm{\&Sigma;}}}{G}_{\mathrm{ij}}\\ \mathrm{avg}\_b=\frac{1}{600\&times;256}\underset{i=1}{\overset{600}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{256}{\mathrm{\&Sigma;}}}{B}_{\mathrm{ij}}\end{array}\right.---\left(1\right)$

②根据实时采集的试样图像统计信息，计算RGB三通道亮度调整算子

$\left\{\begin{array}{c}\mathrm{gain}\_r=135/\mathrm{avg}\_r\\ \mathrm{gain}\_g=165/\mathrm{avg}\_g\\ \mathrm{gain}\_b=130/\mathrm{avg}\_b\end{array}\right.---\left(2\right)$

$I[i,j]=\frac{R_{i,j}+G_{i,j}+B_{i,j}}{3}---\left(3\right)$

式中：利用公式（3）求得试样图像试样亮度均值I，（135,165,130）为选取I=128的试样图像利用公式（1）计算的RGB三通道像素均值；

③遍历试样图像，利用实时计算得到的亮度调整算子修正各像素点RGB值

$R^{\&prime;}=\left\{\begin{array}{cc}R\&times;\mathrm{gain}\_r,& R\&times;\mathrm{gain}\_r<255\\ 255,& R\&times;\mathrm{gain}\_r>255\end{array}\right.$

$G^{\&prime;}=\left\{\begin{array}{cc}G\&times;\mathrm{gain}\_g,& G\&times;\mathrm{gain}\_g<255\\ 255,& G\&times;\mathrm{gain}\_g>255\end{array}\right.---\left(4\right)$

$B^{\&prime;}=\left\{\begin{array}{cc}B\&times;\mathrm{gain}\_b,& B\&times;\mathrm{gain}\_b<255\\ 255,& B\&times;\mathrm{gain}\_b>255\end{array}\right.$

式中：R、G、B分别为原试样图像上任意像素点的RGB值；R'，G'，B'分别表示修正后对应的RGB值；

（3）采用基于数学形态学的图像去雾增强算法消除试样图像表面“薄雾”：

选用Top-Hat变换的对比度拉伸方法对试样图像进行去雾增强处理。根据高帽变换和黑帽变换的性质，通过对试样原图像中像素点亮度调整，可提高试样图像对比度：

A'＝A+top-black(5)

式中：top是高帽变换能检测出试样图像中的亮点；black是低帽变换能检测出试样图像中的暗点，A表示CCD实时采集的原始试样图像，A'表示对比度增强后的试样图像，

经过2、3两步预处理算法处理后，试样图像清晰、两标记突出；

（4）采用自适应Cr色度阈值分割算法提取激光标记：

自适应Cr色度阈值分割提取激光标记算法如下：

①将预处理后的试样图像从RGB颜色空间转换到YCbCr颜色空间，

②统计试样图像中Cr分量信息，计算Cr分量平均值avg_Cr，并寻找试样图像中Cr分量的最大值max_Cr，

③设置自适应阈值th_Cr：实验中获得的试样图像中激光标记区域占整幅图像的比例很小，即激光标记区域的Cr分量值对计算avg_Cr的权重小，故avg_Cr将接近非激光标记区域的Cr值，单纯用Cr均值进行图像分割容易引入噪声点，因此综合考虑avg_Cr和max_Cr来设置自适应阈值th_Cr，具体计算如下：

th_Cr＝(avg_Cr+max_Cr)/2(6)

式中：avg_Cr为Cr分量平均值，max_Cr为Cr分量的最大值；

④根据阈值th_Cr对图像进行分割：对试样图像中任意点(x,y)，x和y分别为一像素点对于的横纵坐标，若Cr(x,y)≥th_Cr，Cr(x,y)表示像素点（x,y）的红色色度，则认为该点属于激光标记区域；否则，排除该点；

（5）根据识别出的激光标记横纵坐标的最小值和最大值计算激光标记中心点坐标；

（6）采用基于图像感兴趣区域试样标记提取算法来识别试样标记：

试验机夹头和试样标记在图像中均表现为黑色，增加了试样标记准确提取的难度，在实验过程中激光标记实时跟踪试样标记，因此可利用上述提取的激光标记位置来获得仅包含试样标记和激光标记的感兴趣图像区域，在感兴趣图像区域内利用图像亮度梯度提取试样标记，具体实现如下：

①根据激光标记位置，提取感兴趣区域ROI，当感兴趣区域ROI包含激光标记和试样标记时进行步骤②处理；否则转动电机，调整激光标记位置继续提取感兴趣区域；

②对ROI中每一列进行历遍，grad[i,j]表示在像素点(i,j)处的亮度梯度，并记录该列中梯度变化的极值点位置，用map[i,j]=1表示在像素点(i,j)处梯度变化存在极值。亮度梯度grad的计算公式如下：

grad[i,j]＝|I[i,j]-I[i+1,j]|(7)

式中：I[i,j]表示在像素点(i,j)处的亮度，I[i+1,j]表示在像素点(i+1,j)处的亮度，grad[i,j]表示在像素点(i,j)处的亮度梯度，i和j表示像素点的横纵坐标；

③由于噪声点也可能产生梯度变化的极值，故设置阈值对其进行排除：首先统计ROI中每一行map[i,j]=1的像素点的个数，记为count[i]，表示第i行中map[i,j]=1的像素点的个数；寻找count[i]中的最大值，记为MAX；由于噪声点是孤立的，而试样标记边缘是连续的，即试样边缘处map[i,j]=1的标记点个数要远大于噪声点处，因此可设置阈值TH=0.5*MAX，当count[i]≥TH，则认为该行被标记部分属于试样标记区域；否则该行被标记部分不属于试样标记区域，并置map[i,j]=0；

④对map[i,j]=1位置处的像素值设置为绿色，表示该点属于试样标记；

（7）根据识别出的试样标记横纵坐标的最小值和最大值计算试样标记中心点坐标；

（8）根据激光标记和试样标记的中心点坐标计算两者位移差。

至此完成本发明。

Claims (1)

1.一种激光标记自动跟踪的视频引伸计的数字图像处理方法，其特征在于，该方法的步骤如下：

(1)利用CCD获取试样图像，经图像采集卡输入计算机，进行归一化处理得到M×N的试样图像，M为图像宽度，N为图像高度；

(2)对M×N的试样图像，采用基于图像统计信息的线性亮度调整算法，利用如下公式(1)计算M×N的试样图像亮度均值I，选取图像亮度均值I＝128的M×N的试样图像，计算其RGB三分量值为(r,g,b)，统计I＝128的M×N的试样图像的RGB三分量均值为avg_r，avg_g，avg_b，利用如下公式(2)计算亮度调整算子gain_r、gain_g和gain_b，据此亮度调整算子利用如下公式(3)修正M×N的试样图像中每个像素点的像素值，增强M×N的试样图像中的试样标记；

图像亮度均值：

亮度调整算子：

式中：R_i,j，G_i,j，B_i,j分别表示在像素点(i,j)处RGB三分量的值，I[i,j]表示在像素点(i,j)处的亮度，gain_r、gain_g、gain_b分别为对应M×N的试样图像三通道的亮度调整算子；

亮度调整：

式中：R、G、B分别为原M×N的试样图像上任意像素点的RGB值；R'，G'，B'分别表示修正后对应的RGB值；

(3)采用线性图像亮度调整算法后，采用基于数学形态学的图像去雾增强算法，选用Top-Hat变换的对比度拉伸方法对试样图像进行去雾增强处理；

(4)将去雾增强处理后的试样图像从RGB颜色空间转换到YCbCr颜色空间，采用自适应Cr色度阈值分割算法提取激光标记，Cr表示像素点的红色色度；

(5)在数字图像处理过程中激光标记实时跟踪试样标记，利用步骤(4)提取的激光标记位置来获得仅包含试样标记和激光标记的感兴趣图像区域，在感兴趣图像区域内利用图像亮度梯度提取试样标记；

即完成了激光标记和试样标记的识别与提取。