CN109087279B - 一种基于数字图像衍射的物体变形量快速获取方法 - Google Patents
一种基于数字图像衍射的物体变形量快速获取方法 Download PDFInfo
- Publication number
- CN109087279B CN109087279B CN201810645488.1A CN201810645488A CN109087279B CN 109087279 B CN109087279 B CN 109087279B CN 201810645488 A CN201810645488 A CN 201810645488A CN 109087279 B CN109087279 B CN 109087279B
- Authority
- CN
- China
- Prior art keywords
- function
- deformation
- displacement
- pixel
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000006073 displacement reaction Methods 0.000 claims abstract description 93
- 238000001228 spectrum Methods 0.000 claims abstract description 59
- 239000011159 matrix material Substances 0.000 claims abstract description 32
- 230000009466 transformation Effects 0.000 claims abstract description 22
- 238000006243 chemical reaction Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 12
- 230000003595 spectral effect Effects 0.000 claims description 12
- 230000001131 transforming effect Effects 0.000 claims description 2
- 238000005259 measurement Methods 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/32—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring the deformation in a solid
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明属于工程测量相关技术领域,其公开了一种基于数字图像衍射的物体变形量快速获取方法,该方法包括以下步骤:(1)在物体变形前后的两个图像中分别选取分析区域;(2)通过快速傅里叶变换分别得到表示物体变形前的第一变换结果及表示物体变形后的第二变换结果,进而得到换算结果函数,进而得到第五函数、第六函数及物体变形产生的整像素位移量;(3)对第六函数进行傅里叶变换,并以整像素位点在扩大后的频谱域中的坐标点为中心来计算周围(k+1)×(k+1)范围内的频谱值;(4)获取频谱值组成的频谱矩阵中最大值对应的行列坐标与频谱矩阵的中心的差值,以得到亚像素精度的物体变形量。本发明提供的物体变形量快速获取方法的灵活性较高,且适用性较强。
Description
技术领域
本发明属于工程测量相关技术领域,更具体地,涉及一种基于数字图像衍射的物体变形量快速获取方法。
背景技术
大型工程结构,如桥梁、输电塔架及隧道等的变形测量或者监测是目前面临的重大技术课题。这些大型工程结构的尺寸较大,人员携带测量仪器进行测量的难度很大且危险。
目前,图像视觉系统的初出现为解决这一问题提出了一种可行的途径,采用数字图像测量大型结构的变形方法具有远距离、无损、全场、自动化程度高、数据传输快等特点,但是测量精度依赖于数字图像的物理分辨率,具有较大的局限性,不利于推广应用。相应地,本领域存在着发展一种灵活性较高的物体变形量快速获取方法的技术需求。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种基于数字图像衍射的物体变形量快速获取方法,其基于现有结构变形量的获取特点,研究及设计了一种灵活性较高的基于数字图像衍射的物体变形量快速获取方法。所述物体变形量快速获取方法对变形前后的图像进行傅里叶变换处理就相当于物理学中的双孔衍射会产生等间距的数字散斑条纹图,并对该数字散斑条纹图进行补零后再次进行傅里叶变换,以得到亚像素精度位移,精度不依赖于数字图像的物理分辨率,灵活性较高。此外,所述物体变形量快速获取方法结合了傅里叶变换及加零扩展,通过计算整像素位点在扩大后的频谱域中的坐标点为中心的周围(k+1)×(k+1)范围内的频谱值,继而获得频谱矩阵中最大值对应的行列坐标与所述频谱矩阵的中心的差值而得到亚像素精度的物体变形量,实现物体变形量的快速获取,节省了时间,提高了效率。
为实现上述目的,本发明提供了一种基于数字图像衍射的物体变形量快速获取方法,所述物体变形量快速获取方法主要包括以下步骤:
(1)在物体变形前后的两个图像中分别随机选取物体的相同部分的区域作为分析区域;
(2)分别对两个分析区域的像素点的灰度值进行快速傅里叶变换以分别得到表示物体变形前的第一变换结果及表示物体变形后的第二变换结果,进而得到关于变形前图像对应的所述分析区域内像素点的灰度值、变形造成的位移量及角度变量的换算结果函数;
(3)分别计算所述角度变量取第一预定值、第二预定值、第三预定值及第四预定值时的第一函数、第二函数、第三函数及第四函数,并对所述第一函数、所述第二函数、所述第三函数及所述第四函数进行数学处理以抵消共轭相乘所引起的系数而得到第五函数;
(4)对所述第五函数进行傅里叶变换以得到包含变形产生的位移量的脉冲函数,并计算获得所述脉冲函数的最高脉冲点的位置坐标,进而得到物体变形产生的整像素位移量;
(5)以所述第五函数对应的条纹图像为中心,通过在所述条纹图像周围以加零的方式将所述条纹图像扩大k倍,以得到第六函数;
(6)对所述第六函数进行傅里叶变换,使得变换后的频谱域扩大k倍;接着,以步骤四得到的整像素位点在扩大后的频谱域中的坐标点为中心来计算周围(k+1)×(k+1)范围内的频谱值;
(7)获取步骤(6)中频谱值组成的频谱矩阵中最大值对应的行列坐标,并计算该行列坐标与所述频谱矩阵的中心的差值,进而得到第一级亚像素精度的物体变形量。
进一步地,步骤(7)之后还包括以下步骤:
(8)以所述第五函数对应的条纹图像为中心,通过在所述条纹图像周围以加零的方式将所述条纹图像扩大k2倍,以得到第七函数,其中,k为大于1的偶数;
(9)对所述第七函数进行傅里叶变换,使得变换后的频谱域扩大k2倍;接着,以步骤七中得到亚像素位移点在扩大后的频谱域中的坐标点为中心来计算周围(k+1)×(k+1)范围内的频谱值;
(10)获取步骤九中的频谱值组成的频谱矩阵中最大值对应的行列坐标,并计算该行列坐标与该频谱矩阵的中心的差值以得到第二级亚像素精度的位移量。
进一步地,步骤(1)中还包括采用相机在同一位置拍摄所述物体变形前后的图像,两个图像均分别包括所述物体的至少一个相同部分的步骤。
进一步地,步骤(2)中,将所述第二变换结果乘以一个角度变量得到第三变换结果,将所述第一变换结果与所述第三变换结果相加以得到换算结果,所述换算结果为矩阵,对该矩阵进行共轭相乘处理以得到关于变形前图像对应的分析区域内像素点的灰度值、变形造成的位移量及所述角度变量的换算结果函数。
进一步地,所述第三变换结果采用以下公式表示:
式中,F0(u,v)为所述第一变换结果;F1(u,v)为所述第二变换结果;(x,y)为由图像平面位移和像素点的灰度值组成的时空区域内的坐标;(u,v)是傅里叶变换后的坐标;j为虚数单位;为需要增加的位移变量;e为自然对数。
进一步地,第一变换结果为指数函数F0(u,v),所述第二变换结果即为指数函数F1(u,v),两个指数函数分别采用以下公式表示:
式中,(x,y)为由图像平面位移和像素点的灰度值组成的时空区域内的坐标;dx和dy分别是由于变形造成像素点在x方向及y方向的位移,(u,v)是傅里叶变换后的坐标;j为虚数单位;e为自然对数;π为数学中角度,等于180°;f0(x,y)表示变形前图像灰度值与坐标之间关系的函数,f0(x-dx,y-dy)则表示变形后图像的灰度值与坐标间的关系函数;分析区域的x方向及y方向的像素数量均为M。
进一步地,所述换算结果函数的表达式为:
其中,为需要增加的位移变量,*表示其为所示函数的转置;(x,y)为由图像平面位移和像素点的灰度值组成的时空区域内的坐标;F0(u,v)为所述第一变换结果;(u,v)是傅里叶变换后的坐标;分析区域的x方向及y方向的像素数量均为M。
进一步地,步骤(6)中的频谱值采用以下公式进行计算:
其中,x的取值范围为:y的取值范围为:j为虚数单位;e为自然对数;U0和V0分别是所述第五函数经傅里叶变换得到的对应X方向和Y方向的整像素精度位移量;M是选取的分析区域的在x方向的像素数量,分析区域在y方向的像素数量也为M;(u,v)分别是傅里叶变换后的坐标;I5(u,v)为第五函数。
进一步地,所述脉冲函数的表达式为:
式中,(x,y)为由图像平面位移和像素点的灰度值组成的时空区域内的坐标;dx和dy分别是变形造成的x方向及y方向上的表面整像素位移量;δ(x)为狄拉克函数。
进一步地,第一级亚像素精度的物体变形量采用以下公式计算:
式中,U1和V1分别对应X方向和Y方向的第一级亚像素位移;U0和V0分别对应X方向和Y方向的整像素精度位移;I1和J1分别是频谱矩阵中最大值对应的行列坐标。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,本发明提供的基于数字图像衍射的物体变形量快速获取方法主要具有以下有益效果:
1.所述物体变形量快速获取方法对变形前后的图像进行傅里叶变换处理就相当于物理学中的双孔衍射会产生等间距的数字散斑条纹图,并对该数字散斑条纹图进行补零后再次进行傅里叶变换,以得到亚像素精度位移,精度不依赖于数字图像的物理分辨率,灵活性较高。
2.所述物体变形量快速获取方法结合了傅里叶变换及加零扩展,通过计算整像素位点在扩大后的频谱域中的坐标点为中心的周围(k+1)×(k+1)范围内的频谱值,继而获得频谱矩阵中最大值对应的行列坐标与所述频谱矩阵的中心的差值而得到亚像素精度的物体变形量,实现物体变形量的快速获取,节省了时间,提高了效率。
3.所述物体变形量快速获取方法不依赖于数字图像的物理分辨率,进而不需要精度较高的拍摄设备,降低了使用成本,提高了适用性。
4.所述物体变形量快速获取方法通过在得到的一级亚像素精度的基础上继续以补零的方式可以获得更高一级的亚像素级精度,提高了精度,为物体变形量的研究提供了有力的数据支持。
附图说明
图1是本发明第一实施方式提供的基于数字图像衍射的物体变形量快速获取方法的流程示意图。
图2A和图2B是采用本发明第二实施方式提供的基于数字图像衍射的物体变形量快速获取方法中采用MATLAB软件编写的程序获得的变形前后相同位置的散斑图。
图3是采用本发明第二实施方式提供的基于数字图像衍射的物体变形量快速获取方法获得的第五函数的条纹图。
图4是采用本发明第二实施方式提供的基于数字图像衍射的物体变形量快速获取方法获得的脉冲函数的频谱图。
图5是采用本发明第二实施方式提供的基于数字图像衍射的物体变形量快速获取方法获得的扩大10倍后整像素点对应的坐标点周围11*11范围内的频谱图。
图6是采用本发明第二实施方式提供的基于数字图像衍射的物体变形量快速获取方法获得的扩大100倍后的第一级亚像素精度位移对应坐标点周围11*11范围内的频谱图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
请参阅图1,本发明第一实施方式提供的基于数字图像衍射的物体变形量快速获取方法基于物体变形造成了表面位移,物体表面上具有许多微小特征点,这些微小特征点随着表面位移而移动,拍摄物体同一位置的变形前后的图像,对变形前后的图像进行傅里叶变换处理就相当于物理学中的双孔衍射会产生等间距的数字散斑条纹图,并对该数字散斑条纹图进行补零后再次进行傅里叶变换,以得到亚像素精度位移,在得到上一级亚像素精度的基础上通过继续补零的方式可以获得更高一级的亚像素精度,此精度不依赖于数字图像的物理分辨率,灵活性较高,获取速率较高。
本发明第一实施方式提供的基于数字图像衍射的物体变形量快速获取方法主要包括以下步骤:
步骤一,在物体变形前后的两个图像中分别随机选取物体的相同部分的区域作为分析区域,两个所述分析区域的形状和包含的像素数量均相同,且两个分析区域在对应的图像中的像素的起始坐标和终点坐标也分别相同。
具体地,采用拍摄设备(如相机)在同一位置拍摄同一物体变形前后的两个图像,两个图像均包括所述物体的至少一个相同部分。接着,在两个图像中物体相同部分的区域内随机选取一个正方形分析区域,且两个分析区域的形状及包含的像素数量相同,同时,两个分析区域在对应的图像中的像素的起始坐标和终点坐标也分别相同。
步骤二,分别对两个分析区域的像素点的灰度值进行快速傅里叶变换以分别得到表示物体变形前的第一变换结果及表示物体变形后的第二变换结果,进而得到关于变形前图像对应的所述分析区域内像素点的灰度值、变形造成的位移量及角度变量的换算结果函数。
具体地,分别对两个分析区域中的像素点的灰度值进行快速傅里叶变换,以分别得到表示物体变形前的第一变换结果及表示物体变形后的第二变换结果,由于物体变形后的图像相对于变形前图像发生变形而造成了位移量,故所述第二变换结果是所述第一变换结果的函数,将所述第二变换结果乘以一个角度变量以得到第三变换结果,将所述第一变换结果与所述第三变换结果相加以得到换算结果,所述换算结果为矩阵,对该矩阵进行共轭相乘处理以得到关于变形前图像对应的分析区域内像素点的灰度值、变形造成的位移量及所述角度变量的换算结果函数。
步骤三,分别计算所述角度变量取第一预定值、第二预定值、第三预定值及第四预定值时的第一函数、第二函数、第三函数及第四函数,并对所述第一函数、所述第二函数、所述第三函数及所述第四函数进行数学处理以抵消共轭相乘所引起的系数而得到第五函数。
具体地,所述第一预定值、所述第二预定值、所述第三预定值及所述第四预定值分别为0、π/2、π以及3π/2;所述第一函数、所述第二函数、所述第三函数及所述第四函数进行数学处理,以抵消物体变形前图像的灰度值在频域中共轭相乘所引起的系数,从而得到第五函数。
所述第五函数的表达式为:
其中,I1、I2、I3以及I4分别为第一函数、第二函数、第三函数以及第四函数;(u,v)分别是其傅里叶变换后的坐标;所述正方形分析区域的在x方向及y方向上的像素数量均为M;dx和dy分别为变形造成的在x方向及y方向上的位移量;π为数学中角度,等于180°。
步骤四,对所述第五函数进行傅里叶变换以得到包含变形产生的位移量的脉冲函数,并计算获得所述脉冲函数的最高脉冲点的位置坐标,进而得到物体变形产生的整像素位移量。
具体地,所述脉冲函数采用如下公式表示:
式中,(x,y)为由图像平面位移和像素点的灰度值组成的时空区域内的坐标;dx和dy分别是变形造成的x方向及y方向上的表面整像素位移量;(u,v)分别是傅里叶变换后的坐标;j为虚数单位;δ(x)为狄拉克函数;e为自然对数。
步骤五,以所述第五函数对应的条纹图像为中心,通过在所述条纹图像周围以加零的方式将所述条纹图像扩大k倍,以得到第六函数,其中,k为大于1的偶数。
所述第六函数的表达式如下所示:
式中,区域D0的范围为D0={(u,v)|u∈(S,S+M-1),v∈(S,S+M-1)};区域D1的范围为D1={(u,v)|u∈(-5M,5M-1),v∈(-5M,5M-1)};点(S,S)为区域D0在区域D1中的起始位置坐标,当M为偶数时,当M为奇数时,k为所述第五函数对应图像扩大的倍数,k为大于1的偶数,当k=2时称为“二分法”,当k=10时称为“十分法”;M是选取的分析区域的在x方向的像素数量,分析区域在y方向的像素数量也为M。
步骤六,对所述第六函数进行傅里叶变换,使得变换后的频谱域扩大k倍;接着,以步骤四得到的整像素位点在扩大后的频谱域中的坐标点为中心来计算周围(k+1)×(k+1)范围内的频谱值。其中,所述第五函数经傅里叶变换后,精度提高了k倍。
所述频谱值采用以下公式进行计算:
其中,x的取值范围为:y的取值范围为:j为虚数单位;δ(x)为狄拉克函数;e为自然对数;k为第五函数对应条纹图像扩大的倍数,k为大于1的偶数;U0和V0分别是所述第五函数经傅里叶变换得到的对应X方向和Y方向的整像素精度位移量。
步骤七,获取所述频谱值组成的频谱矩阵中最大值对应的行列坐标,并计算该行列坐标与所述频谱矩阵的中心的差值,以得到第一级亚像素精度的物体变形量。
第一级亚像素精度的物体变形量采用以下公式计算:
式中,U1和V1分别对应X方向和Y方向的第一级亚像素位移;U0和V0分别对应X方向和Y方向的整像素精度位移;I1和J1分别是频谱矩阵中最大值对应的行列坐标;k为第五函数对应的条纹图像扩大的倍数,k为大于1的偶数。由此得到的亚像素精度称为“第一级亚像素精度”。
为了得到更高精度的位移量,可重复以下步骤,即重复步骤八至步骤十。
步骤八,以所述第五函数对应的条纹图像为中心,通过在所述条纹图像周围以加零的方式将所述条纹图像扩大k2倍,以得到第七函数,其中,k为大于1的偶数。
所述第七函数的表达式为:
式中,区域D0的范围为D0={(u,v)|u∈(S,S+M-1),v∈(S,S+M-1)};区域D2的范围为点(S,S)为区域D0在区域D2中的起始位置坐标;当M为偶数时,当M为奇数时,k2为第五函数对应图像扩大的倍数,k为大于1的偶数。
步骤九,对所述第七函数进行傅里叶变换,使得变换后的频谱域扩大k2倍;接着,以步骤七中得到亚像素位移点在扩大后的频谱域中的坐标点为中心来计算周围(k+1)×(k+1)范围内的频谱值。其中,所述第五函数经傅里叶变换后,精度提高了k2倍。
本步骤中的频谱值采用以下公式进行计算:
步骤十,获取步骤九中的频谱值组成的频谱矩阵中最大值对应的行列坐标,并计算该行列坐标与该频谱矩阵的中心的差值以得到第二级亚像素精度的位移量。
具体地,所述第二级亚像素精度的位移量采用以下公式进行计算:
式中,U2和V2分别对应X方向和Y方向的第二级亚像素位移;U1和V1分别对应X方向和Y方向的第一级亚像素位移;I2和J2分别是步骤九得到的频谱矩阵中最大值对应的行列坐标;k2为第五函数对应条纹图像扩大的倍数;k为大于1的偶数。由此得到的亚像素精度称为“第二级亚像素精度”。
步骤十一,重复步骤五至步骤十以得到第三级亚像素精度、第四级亚像素精度.....更高一级的亚像素精度的位移量。
请参阅图2A、图2B、图3、图4、图5及图6,本发明第二实施方式提供的基于数字图像衍射的物体变形量快速获取方法主要包括以下步骤:
S1,利用MATLAB软件编写的程序来得到物体变形前后的模拟散斑图像,如图2A及图2B所示,图2A是变形前散斑部分的图像,图2B是变形后散斑部分的图像,两幅图像包括该相同部分,即散斑部分。
S2,在两幅图像中散斑附近的区域内分别随机选取分析区域,该两个分析区域的形状相同,均为正方形,且两个区域包含的像素数量也相同。本实施方式中,在变形前和变形后的图像中选取的像素点起始坐标均为(180,150),结束像素点坐标均为(280,250),分析区域尺寸均为101*101。
S3,分别对两个区域内的像素点的灰度值进行快速傅里叶变换,以分别得到表示物体变形前的第一变换结果及表示物体变形后的第二变换结果,第一变换结果即为指数函数F0(u,v),第二变换结果即为指数函数F1(u,v),两个指数函数分别如下所示:
式中,f0(x,y)表示变形前图像灰度值与坐标间关系的函数;f0(x-dx,y-dy)则表示变形后图像的灰度值与坐标间的关系函数。由于可认为变形前后位移是平移关系,所以变形前后图像像素的灰度值存在X方向和Y方向的位移值,即分别为dx和dy,也即物体变形前后产生的表面位移量。
由于变形造成的位移量是一个相对运动造成的结果,其依赖于变形前的图像的灰度值,之所以增加就是为了在后期的处理中利用这个增加的位移量将变形造成的位移量独立于变形前图像的灰度值,从而为求解变形造成的位移量提供可能。
F3(u,v)是一个与F0(u,v)、表面位移量dx和dy、以及角度变量有关的函数,然后将这个函数与变形前图像的快速傅里叶变换结果F0(u,v)相加以得到一个函数Ai(u,v),该函数就是换算结果,具体过程如下式所示:
将代表该换算结果的函数Ai(u,v)共轭相乘,以得到关于变形前图像的分析区域内像素点的灰度值、变形造成的位移以及角度变量的函数Ii(u,v),即得到一个与F0(u,v)、表面位移量dx和dy以及变量中有关的函数,如下式所示:
S4,分别计算所述角度变量取第一预定值时的第一函数、所述角度变量取第二预定值时的第二函数、所述角度变量取第三预定值时的第三函数以及所述角度变量取第四预定值时的第四函数。本实施方式中,所述第一预定值、所述第二预定值、所述第三预定值以及第四预定值分别为π/2,π和3π/2,得到的所述第一函数、所述第二函数、所述第三函数以及所述第四函数,分别对应为I1、I2、I3以及I4,具体如下所示:
S5,对步骤S4中的所述第一函数、所述第二函数、所述第三函数以及所述第四函数进行数学处理以抵消掉函数中的像素点的灰度值,如此得到关于表面位移量dx和dy的第五函数,该第五函数为如下的三角函数:
其中,I1、I2、I3以及I4分别为第一函数、第二函数、第三函数以及第四函数;(u,v)是傅里叶变换后的坐标;dx和dy分别为变形造成的位移量;π为数学中角度,等于180°。
用软件MATLAB对三角函数I5(u,v)绘图,得到关于表面位移量dx和dy的条纹图,如图3所示。
S6,再对I5(u,v)进行傅立叶变换以得到包含变形造成的位移量的脉冲函数W(x,y),对应图像如图4所示,根据最高脉冲点的位置得到对应的坐标及表面位移量的整像素精度值U0和V0,具体如下所示:
在该步骤中得到的频谱域中峰值点对应坐标点的位置为(4,3)和(-4,-3),计算得到的整像素位移量U0和V0分别为4个像素和3个像素。
S7,以第五函数对应的条纹图像为中心,通过在条纹图像周围以加零的方式将图像扩大k倍来得到第六函数。在本实施例中,取k=10,得到的第六函数I6如下:
式中,区域D0的范围为D0={(u,v)|u∈(S,S+M-1),v∈(S,S+M-1)};区域D1的范围为D1={(u,v)|u∈(-5M,5M-1),v∈(-5M,5M-1)};点(S,S)为区域D0在区域D1中的起始位置坐标;当M为偶数时,当M为奇数时,
S8,对第六函数I6进行傅立叶变换,变换后的频谱域扩大了10倍,即分辨率提高了10倍,以整像素位移点在扩大10倍后的频谱域中对应的坐标(10U0,10V0)为中心,计算周围11×11范围内的频谱值,具体如下:
其中;x的取值范围为:x=10U0-5,10U0-4,…,10U0+4,10U0+5,y的取值范围为:y=10V0-5,10V0-4,…,10V0+4,10V0+5;U0和V0分别是图像变形造成的X方向和Y方向上的整像素精度的位移量,j为虚数单位,δ(x)为狄拉克函数,e为自然对数。
S9,由步骤S8得到的频谱值图像如图5所示,找到最大值对应的行列坐标(I1,J1)为(8,9),计算行列坐标与频谱矩阵中心的差值,根据下式计算得到第一级亚像素精度的位移量:
式中,U1和V1分别对应X方向和Y方向的第一级亚像素位移量;U0和V0分别对应X方向和Y方向的整像素位移量;I1和J1分别是步骤S8得到的频谱矩阵中最大值对应的行列坐标。由此得到的亚像素精度称为“第一级亚像素精度”。
S10,以第五函数对应的条纹图像为中心,通过在条纹图像周围加零的方式将图像扩大100倍,得到的第七函数I7如下:
式中,区域D0的范围为D0={(u,v)|u∈(S,S+M-1),v∈(S,S+M-1)};区域D2的范围为D2={(u,v)|u∈(-50M,50M-1),v∈(-50M,50M-)1};点(S,S)为区域D0在区域D2中的起始位置坐标;当M为偶数时,当M为奇数时,
S11,对第七函数I7进行傅立叶变换,变换后的频谱域扩大了100倍,即分辨率提高了100倍,以第一级亚像素位移点在扩大100倍后的频谱域中对应的坐标(10U1,10V1)为中心,计算周围11×11范围内的频谱值,具体如下:
其中,x的取值范围为:x=100U1-5,100U1-4,…,100U1+4,100U1+5;y的取值范围为:y=100V1-5,100V1-4,…,100V1+4,100V1+5;U1和V1分别是图像变形造成的X方向和Y方向上的第一级亚像素精度的位移量;j为虚数单位;δ(x)为狄拉克函数;e为自然对数。
S12,由步骤S11得到的频谱值图像如图6所示,找到最大值对应的行列坐标(I2,J2),计算行列坐标与频谱矩阵中心的差值,根据下式计算得到第二级亚像素精度的位移量:
式中,U2和V2分别对应X方向和Y方向的第二级亚像素位移量,U1和V1分别对应X方向和Y方向的第一级亚像素位移量,I2和J2分别是步骤S11得到的频谱矩阵中最大值对应的行列坐标。由此得到的亚像素精度称为“第二级亚像素精度”。
在得到上一级亚像素精度的基础上通过继续补零的方式可以得到更高一级的亚像素精度,但最高分析精度不超过本实施方式选取的分析区域的窗口大小为101*101,对应的最高分析精度不超过0.02,因此按十分法得到第二级亚像素精度即可,没有计算更高级亚像素精度的意义。
本发明提供的基于数字图像衍射的物体变形量快速获取方法,所述物体变形量快速获取方法基于物体变形造成了表面位移,物体表面上具有许多微小特征点,这些微小特征点随着表面位移而移动,拍摄物体同一位置的变形前后的图像,对变形前后的图像进行傅里叶变换处理就相当于物理学中的双孔衍射会产生等间距的数字散斑条纹图,并对该数字散斑条纹图进行补零后再次进行傅里叶变换,以得到亚像素精度位移,在得到上一级亚像素精度的基础上通过继续补零的方式可以获得更高一级的亚像素精度,此精度不依赖于数字图像的物理分辨率,灵活性较高,获取速率较高。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于数字图像衍射的物体变形量快速获取方法,其特征在于,该方法包括以下步骤:
(1)在物体变形前后的两个图像中分别随机选取物体的相同部分的区域作为分析区域;
(2)分别对两个分析区域的像素点的灰度值进行快速傅里叶变换以分别得到表示物体变形前的第一变换结果及表示物体变形后的第二变换结果,进而得到关于变形前图像对应的所述分析区域内像素点的灰度值、变形造成的位移量及角度变量的换算结果函数;
(3)分别计算所述角度变量取第一预定值、第二预定值、第三预定值及第四预定值时的第一函数、第二函数、第三函数及第四函数,并对所述第一函数、所述第二函数、所述第三函数及所述第四函数进行数学处理以抵消共轭相乘所引起的系数而得到第五函数;
(4)对所述第五函数进行傅里叶变换以得到包含变形产生的位移量的脉冲函数,并计算获得所述脉冲函数的最高脉冲点的位置坐标,进而得到物体变形产生的整像素位移量;
(5)以所述第五函数对应的条纹图像为中心,通过在所述条纹图像周围以加零的方式将所述条纹图像扩大k倍,以得到第六函数;
(6)对所述第六函数进行傅里叶变换,使得变换后的频谱域扩大k倍;接着,以步骤四得到的整像素位点在扩大后的频谱域中的坐标点为中心来计算周围(k+1)×(k+1)范围内的频谱值;
(7)获取步骤(6)中频谱值组成的频谱矩阵中最大值对应的行列坐标,并计算该行列坐标与所述频谱矩阵的中心的差值,进而得到第一级亚像素精度的物体变形量。
2.如权利要求1所述的基于数字图像衍射的物体变形量快速获取方法,其特征在于:步骤(7)之后还包括以下步骤:
(8)以所述第五函数对应的条纹图像为中心,通过在所述条纹图像周围以加零的方式将所述条纹图像扩大k2倍,以得到第七函数,其中k为大于1的偶数;
(9)对所述第七函数进行傅里叶变换,使得变换后的频谱域扩大k2倍;接着,以步骤七中得到亚像素位移点在扩大后的频谱域中的坐标点为中心来计算周围(k+1)×(k+1)范围内的频谱值;
(10)获取步骤九中的频谱值组成的频谱矩阵中最大值对应的行列坐标,并计算该行列坐标与该频谱矩阵的中心的差值以得到第二级亚像素精度的位移量。
3.如权利要求1所述的基于数字图像衍射的物体变形量快速获取方法,其特征在于:步骤(1)中还包括采用相机在同一位置拍摄所述物体变形前后的图像,两个图像均分别包括所述物体的至少一个相同部分的步骤。
4.如权利要求1所述的基于数字图像衍射的物体变形量快速获取方法,其特征在于:步骤(2)中,将所述第二变换结果乘以一个角度变量得到第三变换结果,将所述第一变换结果与所述第三变换结果相加以得到换算结果,所述换算结果为矩阵,对该矩阵进行共轭相乘处理以得到关于变形前图像对应的分析区域内像素点的灰度值、变形造成的位移量及所述角度变量的换算结果函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810645488.1A CN109087279B (zh) | 2018-06-21 | 2018-06-21 | 一种基于数字图像衍射的物体变形量快速获取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810645488.1A CN109087279B (zh) | 2018-06-21 | 2018-06-21 | 一种基于数字图像衍射的物体变形量快速获取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109087279A CN109087279A (zh) | 2018-12-25 |
CN109087279B true CN109087279B (zh) | 2020-11-17 |
Family
ID=64840114
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810645488.1A Active CN109087279B (zh) | 2018-06-21 | 2018-06-21 | 一种基于数字图像衍射的物体变形量快速获取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109087279B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110033435B (zh) * | 2019-03-06 | 2021-01-19 | 华中科技大学 | 一种高灵敏度数字图像位移频域分析方法 |
CN112797923B (zh) * | 2021-01-05 | 2022-12-30 | 上海交通大学 | 校正粒子衍射图像图案中心和欧拉角的方法、系统及介质 |
CN112986321B (zh) * | 2021-03-29 | 2021-11-30 | 清华大学 | 热膨胀变形场的测量方法及装置、电子设备和存储介质 |
CN115533664B (zh) * | 2022-11-29 | 2023-10-20 | 江苏黛尚仪器科技有限公司 | 一种用于研磨机的高质量研磨方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5479257A (en) * | 1993-04-05 | 1995-12-26 | Olympus Optical Co., Ltd. | Method of and apparatus for detecting object position using a fourier transform of the object image and processing system using the same |
CN101887121A (zh) * | 2010-06-22 | 2010-11-17 | 北京航空航天大学 | 基于半牛顿迭代法的星载干涉合成孔径雷达基线估计方法 |
CN104200474A (zh) * | 2014-09-04 | 2014-12-10 | 华中科技大学 | 一种获取物体变形量的数字图像分析方法 |
CN105893327A (zh) * | 2016-03-31 | 2016-08-24 | 重庆大学 | 基于fft的深沟球轴承和角接触球轴承弹性变形快速计算方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015142951A1 (en) * | 2014-03-17 | 2015-09-24 | Washington University | System and method for quantifying deformation, disruption, and development in a sample |
-
2018
- 2018-06-21 CN CN201810645488.1A patent/CN109087279B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5479257A (en) * | 1993-04-05 | 1995-12-26 | Olympus Optical Co., Ltd. | Method of and apparatus for detecting object position using a fourier transform of the object image and processing system using the same |
CN101887121A (zh) * | 2010-06-22 | 2010-11-17 | 北京航空航天大学 | 基于半牛顿迭代法的星载干涉合成孔径雷达基线估计方法 |
CN104200474A (zh) * | 2014-09-04 | 2014-12-10 | 华中科技大学 | 一种获取物体变形量的数字图像分析方法 |
CN105893327A (zh) * | 2016-03-31 | 2016-08-24 | 重庆大学 | 基于fft的深沟球轴承和角接触球轴承弹性变形快速计算方法 |
Non-Patent Citations (1)
Title |
---|
提高Fourier变换轮廓术测量精度的新方法;陈文静 等;《光电工程》;20020228;第29卷(第1期);第19-22、68页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109087279A (zh) | 2018-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109087279B (zh) | 一种基于数字图像衍射的物体变形量快速获取方法 | |
JP4874904B2 (ja) | 画像処理装置及びその方法 | |
Li et al. | Markov random field model-based edge-directed image interpolation | |
JP4883223B2 (ja) | 動きベクトル生成装置および動きベクトル生成方法 | |
JP5294343B2 (ja) | 画像位置合わせ処理装置、領域拡張処理装置及び画質改善処理装置 | |
JP6120459B2 (ja) | 規則性模様による変位分布のための測定方法、装置およびそのプログラム | |
US9275463B2 (en) | Stereo image processing device and stereo image processing method | |
CN109242905B (zh) | 一种基于数字图像衍射确定物体位移量及方向的方法 | |
CN104809362A (zh) | 一种基于数值计算的包含非均匀变形散斑图制作方法 | |
JP4941565B2 (ja) | 対応点探索装置および対応点探索方法 | |
JP4728744B2 (ja) | 画像処理装置 | |
CN104318583B (zh) | 一种可见光宽带光谱图像配准方法 | |
CN106169174B (zh) | 一种图像放大方法 | |
CN109035201B (zh) | 一种基于数字图像衍射的物体变形量获取方法 | |
KR101627950B1 (ko) | 화상 처리 장치, 왜곡 보정 맵 작성 장치, 및 반도체 계측 장치 | |
JP2020149560A (ja) | Cnn処理装置、cnn処理方法、およびプログラム | |
CN104657999A (zh) | 一种基于核函数的数字图像相关方法 | |
JP5795095B2 (ja) | 重み付けを用いた格子画像の位相解析方法 | |
CN103440618A (zh) | 基于块的纹理合成方法和装置 | |
CN109767411A (zh) | 一种用于多图像融合的二维多元经验模态分解算法 | |
CN110631499B (zh) | 基于无网格方法的数字图像变形测量方法及电子设备 | |
CN110660022A (zh) | 一种基于曲面拟合的图像超分辨率重建方法 | |
CN110033435B (zh) | 一种高灵敏度数字图像位移频域分析方法 | |
CN115619643A (zh) | 一种用于旋转体图像超分辨率网络模型的构建方法 | |
Alcover | Moiré interferences in the map of orbits of the Mandelbrot Set |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |