CN109596321A - 一种自聚焦透镜后截距的测量方法 - Google Patents

Abstract

本发明公开了一种自聚焦透镜后截距的测量方法：使用CCD相机采集一组自聚焦透镜不同位置处的图像，光栅尺采集CCD相机采集图像时自聚焦透镜所在位置，并以自聚焦透镜位置信息为文件名保存到指定图库中；切割图像，提取图像中感兴趣区域包括：会聚点区域和自聚焦透镜边缘区域；利用亮度、面积和集中度来确定焦点位置；利用SFR算法来估计不同图像的锐利度，对锐利度进行插值处理，得到自聚焦透镜表面位置；自聚焦透镜表面与焦点位置的差值即为后截距；此方法利用插值算法，提高了后截距测量的精度及测量速度。

Description

一种自聚焦透镜后截距的测量方法

技术领域

本发明设计光学测量领域，具体是一种利用计算机测量自聚焦透镜后截距的方法。

背景技术

自聚焦透镜作为一个基本的光学元件，大量的被应用在军事、航天、医学、工业等领域。在各行各业对自聚焦透镜的品质要求不一样，故对其参数的测量格外重要，后截距即是自聚焦透镜的一个重要参数。长期以来，国内外都对后截距的测量做了大量的研究，产生了多种的测量方法，根据其方法制造了大量的自动化测量装置，但精度与效率仍达不到有效的统一。

发明内容

本发明的目的是提供一种自聚焦透镜后截距测量的方法，与现有技术相比较，本发明可以解决自聚焦透镜后截距测量速度慢以及精度低的问题。

为了解决上述问题，本发明提供的技术方案包括如下步骤：

(1)将自聚焦透镜放置在带有光栅尺的精密平移台上，使CCD相机与自聚焦透镜共光轴；精密平移台移动时，CCD相机采集一组自聚焦透镜不同位置处的自聚焦透镜图像，光栅尺采集CCD相机采集图像时自聚焦透镜所在位置，并以自聚焦透镜位置信息为文件名保存到指定图库中；

(2)计算机依次读取步骤(1)图库中的图像，切割图像，提取图像中感兴趣的区域，直至遍历完整个图库；所述的感兴趣区域包括自聚焦透镜会聚点区域和自聚焦透镜边缘区域；

(3)提取步骤(2)中会聚点区域的特征信息，包括亮度、面积和集中度信息，根据所述特征信息得到自聚焦透镜焦点位置，步骤如下：

a.提取步骤(2)中会聚点区域的灰度最大值，并将灰度最大值存储到数组Lm中：

Lm(i)＝max(A_i)，

其中，Lm为存储每张会聚点区域灰度最大值的数组，A为会聚点区域，i表示图库中的第i幅图像；

b.寻找Lm数组中的最大值p，保留会聚点区域最大值为p的图片；

c.提取步骤b中每张保留会聚点区域灰度最大值的面积，将所述的面积信息存储到数组Ly中，将其对应的自聚焦透镜位置信息存储到数组Lx中，对Ly、Lx进行拟合求极小值点，设置最接近极小值点的自聚焦透镜位置为初始焦点；

d.利用集中度来校正步骤c中的初始焦点，初始焦点所对应图像在图库中的序列为K；

e.以步骤d中的图库序列K为中心，取序列为K-3,K-2,K-1,K,K+1,K+2,K+3的图像，对其会聚点区域灰度最大值的面积进行插值处理，其最小值点即为自聚焦透镜焦点区域：

节点为：Mx(0)＜Mx(1)＜…＜Mx(5)＜Mx(6)，

函数值为：My(i)＝f(Mx(i))(i＝0,1,…,6)，

S(x)满足S(Mx(i))＝My(i)(i＝0,1,…,6)，

由定义可设

其中S_k(x)为[Mx(k-1),Mx(k)]上的三次多项式，且满足S_k(Mx(k-1))＝My(k-1),S_k(Mx(k))＝My(k)(k＝0,1,…,6)；

利用S'_k(Mx(k)^-)＝S'_k+1(Mx(k)⁺),S”_k(Mx(k)^-)＝S”_k+1(Mx(k)⁺)(k＝1,2,…,5)，

以及S'(Mx(0))＝f₀',S'(Mx(6))＝f₆'，其中：S′为S的一阶导数，S″为S的二阶导数；

可以得到：

其中Mx为序列K-3至K+3的七幅图像所对应的自聚焦透镜位置信息，My为序列K-3至K+3七幅图像会聚点区域灰度最大值的面积信息，h_k＝Mx(k)-Mx(k-1)；

求得S(x)的最小值即为自聚焦透镜焦点的位置；

(4)利用SFR算法估计步骤(2)中自聚焦透镜边缘区域的锐利度，并对其锐利度进行插值处理，从而得到自聚焦透镜表面的所在位置，步骤如下：

f.利用SFR算法估计步骤(2)中自聚焦透镜边缘区域的锐利度，将每张自聚焦透镜边缘区域的锐利度信息存入到数组Ry中，将其对应的自聚焦透镜位置信息存储到数组Rx中；

g.对Ry、Rx进行拟合求极大值点，设置最接近极大值点的自聚焦透镜位置为初始初始表面位置，初始表面所对应图像在图库中的序列为P；

h.以步骤g中的图库序列P为中心，取序列为P-3,P-2,P-1,P,P+1,P+2,P+3的图像，对其边缘区域的锐利度进行插值处理，其极大值点即为自聚焦透镜表面区域：

节点为：Rx(0)＜Rx(1)＜…＜Rx(5)＜Rx(6)，

函数值为：Ry(i)＝f(Rx(i))(i＝0,1,…,6)，

S(x)满足S(Rx(i))＝Ry(i)(i＝0,1,…,6)，

由定义可设

其中S_k(x)为[Rx(k-1),Rx(k)]上的三次多项式，且满足S_k(Rx(k-1))＝Ry(k-1),S_k(Rx(k))＝Ry(k)(k＝0,1,…,6)，

利用S'_k(Rx(k)^-)＝S'_k+1(Rx(k)⁺),S”_k(Rx(k)^-)＝S”_k+1(Rx(k)⁺)(k＝1,2,…,5)

以及S'(Rx(0))＝f₀',S'(Rx(6))＝f₆'，

可以得到：

其中Mx为上述序列P-3至P+3七幅图像所对应的自聚焦透镜位置信息，My为上述序列P-3至P+3七幅图像会聚点区域灰度最大值的面积信息，h_k＝Rx(k)-Rx(k-1)；

求得S(x)的极大值即为自聚焦透镜表面的位置；

其中Rx为上述序列P-3至P+3七幅图像所对应的自聚焦透镜位置信息，Ry为上述序列P-3至P+3七幅图像会聚点区域灰度最大值的面积信息；

自聚焦透镜表面与焦点位置的差值即为后截距。

由于采用了上述技术方案，本发明的有益效果如下：

本发明自聚焦透镜焦点的位置由亮度、面积和集中度三个特征决定，并运用了插值算法，使得焦点位置的精度更高，计算机处理速度更快；

本发明自聚焦透镜表面位置由插值决定，故在到达精度要求的情况下，计算机处理速度更快。

附图说明

图1为自聚焦透镜的后截距测量流程图；

图2为自聚焦透镜的后截距测量装置示意图；

图3为感兴趣区域中自聚焦透镜会聚点区域示例图；

图4为感兴趣区域中自聚焦透镜边缘区域示例图；

其中：1-CCD相机，2-镜头，3-光栅尺，4-自聚焦透镜，5-精密平移台，6-电机，7-盒体。

具体实施方式

下面结合附图及实施例对本发明作进一步描述：

实施例：一种自聚焦透镜后截距的测量方法，其特征在于，包括以下步骤:(1)将自聚焦透镜放置在带有光栅尺的精密平移台上，使CCD相机与自聚焦透镜共光轴；精密平移台移动时，CCD相机采集一组自聚焦透镜不同位置处的自聚焦透镜图像，光栅尺采集CCD相机采集图像时自聚焦透镜所在位置，并以自聚焦透镜位置信息为文件名保存到指定图库中；

(2)计算机依次读取步骤(1)图库中的图像，切割图像，提取图像中感兴趣的区域，直至遍历完整个图库；所述的感兴趣区域包括自聚焦透镜会聚点区域和自聚焦透镜边缘区域；

(3)提取步骤(2)中会聚点区域的特征信息，包括亮度、面积和集中度信息，根据所述特征信息得到自聚焦透镜焦点位置；

(4)利用SFR算法估计步骤(2)中自聚焦透镜边缘区域的锐利度，并对其锐利度进行插值处理，从而得到自聚焦透镜表面的所在位置；

(5)自聚焦透镜表面与焦点位置的差值即为后截距。

具体的自聚焦透镜的后截距测量装置如图2所示，包括CCD相机1、带有光栅尺3的精密平移台5和电机放置在盒体7上，自聚焦透镜4放置在带有光栅尺的精密平移台上，CCD相机与自聚焦透镜共光轴；电机6驱动平移台移动，CCD相机采集一组自聚焦透镜图像，光栅尺采集CCD相机采集图像时自聚焦透镜所在位置；具体的自聚焦透镜的后截距测量流程如图1所示，

(1)使用CCD相机采集自聚焦透镜一组自聚焦透镜图像，光栅尺采集CCD相机采集图像时自聚焦透镜所在位置，并以自聚焦透镜位置信息为文件名保存到指定图库中；

(2)计算机依次读取步骤(1)图库中的图像，切割图像，提取图像中感兴趣的区域，直至遍历完整个图库，步骤如下：

2.1.利用汉明窗口提取图像中感兴趣的区域：

A_i＝I_i*B

C_i＝I_i*D

其中A为自聚焦透镜会聚点区域，C为自聚焦透镜边缘区域，B、D为汉明窗口函数矩阵，且B、D矩阵根据图像的先验知识得到，I为图库中的原图像，i表示图库中的第i幅图像；

2.2.切割图像，减轻计算机的运算量；

(1)提取步骤(2)中会聚点区域的特征信息，包括亮度、面积和集中度信息，根据所述特征信息得到自聚焦透镜焦点位置，步骤如下：

3.1.提取步骤(2)中会聚点区域的灰度最大值，并将灰度最大值存储到数组Lm中：

Lm(i)＝max(A_i)

其中，Lm为存储每张会聚点区域灰度最大值的数组，A为会聚点区域，i表示图库中的第i幅图像；

3.2.寻找Lm数组中的最大值p，保留会聚点区域最大值为p的图片；

3.3.提取步骤3.2中每张保留会聚点区域灰度最大值的面积，将所述的面积信息存储到数组Ly中，将其对应的自聚焦透镜位置信息存储到数组Lx中，对Ly、Lx进行拟合求极小值点，设置最接近极小值点的自聚焦透镜位置为初始焦点；

3.4.利用集中度来校正步骤3.3中的初始焦点，初始焦点所对应图像在图库中的序列为K；

3.5.以步骤3.4中的图库序列K为中心，取序列为K-3,K-2,K-1,K,K+1,K+2,K+3的图像，对其会聚点区域灰度最大值的面积进行插值处理，其最小值点即为自聚焦透镜焦点区域，自聚焦透镜会聚点区域示例如图3所示：

节点为：Mx(0)＜Mx(1)＜…＜Mx(5)＜Mx(6)

函数值为：My(i)＝f(Mx(i))(i＝0,1,…,6)

满足S(Mx(i))＝My(i)(i＝0,1,…,6)

由定义可设

其中S_k(x)为[Mx(k-1),Mx(k)]上的三次多项式，且满足S_k(Mx(k-1))＝My(k-1),S_k(Mx(k))＝My(k)(k＝0,1,…,6)

利用S'_k(Mx(k)^-)＝S'_k+1(Mx(k)⁺),S”_k(Mx(k)^-)＝S”_k+1(Mx(k)⁺)(k＝1,2,…,5)

以及S'(Mx(0))＝f₀',S'(Mx(6))＝f₆'

可以得到:

其中Mx为上述序列K-3至K+3七幅图像所对应的自聚焦透镜位置信息，My为上述序列K-3至K+3七幅图像会聚点区域灰度最大值的面积信息，h_k＝Mx(k)-Mx(k-1)；

求得S(x)的极小值即为自聚焦透镜焦点的位置；

(2)利用SFR算法估计步骤(2)中自聚焦透镜边缘区域的锐利度，并对其锐利度进行插值处理，从而得到自聚焦透镜表面的所在位置，步骤如下：

4.1.利用SFR算法估计步骤(2)中自聚焦透镜边缘区域的锐利度，将每张自聚焦透镜边缘区域的锐利度信息存入到数组Ry中，将其对应的自聚焦透镜位置信息存储到数组Rx中；

4.2对Ry、Rx进行拟合求极大值点，设置最接近极大值点的自聚焦透镜位置为初始初始表面位置，初始表面所对应图像在图库中的序列为P；

4.3.以步骤4.2中的图库序列P为中心，取序列为P-3,P-2,P-1,P,P+1,P+2,P+3的图像，对其边缘区域的锐利度进行插值处理，其极大值点即为自聚焦透镜表面区域：

节点为：Rx(0)＜Rx(1)＜…＜Rx(5)＜Rx(6)

函数值为：Ry(i)＝f(Rx(i))(i＝0,1,…,6)

S(x)满足S(Rx(i))＝Ry(i)(i＝0,1,…,6)

由定义可设

其中S_k(x)为[Rx(k-1),Rx(k)]上的三次多项式，且满足S_k(Rx(k-1))＝Ry(k-1),S_k(Rx(k))＝Ry(k)(k＝0,1,…,6)

利用S'_k(Rx(k)^-)＝S'_k+1(Rx(k)⁺),S”_k(Rx(k)^-)＝S”_k+1(Rx(k)⁺)(k＝1,2,…,5)

以及S'(Rx(0))＝f₀',S'(Rx(6))＝f₆'

可以得到:

其中Mx为上述序列P-3至P+3七幅图像所对应的自聚焦透镜位置信息，My为上述序列P-3至P+3七幅图像会聚点区域灰度最大值的面积信息，h_k＝Rx(k)-Rx(k-1)；

求得S(x)的极大值即为自聚焦透镜表面的位置，自聚焦透镜边缘区域示例如图4所示；

其中Rx为上述序列P-3至P+3七幅图像所对应的自聚焦透镜位置信息，Ry为上述序列P-3至P+3七幅图像会聚点区域灰度最大值的面积信息；

(3)自聚焦透镜表面与焦点位置的差值即为后截距。

本技术方案未详细说明部分属于本领域公知技术。

Claims (7)

1.一种自聚焦透镜后截距的测量方法，其特征在于包括以下步骤:

(1)将自聚焦透镜放置在带有光栅尺的精密平移台上，使CCD相机与自聚焦透镜共光轴；精密平移台移动时，CCD相机采集一组自聚焦透镜不同位置处的自聚焦透镜图像，光栅尺采集CCD相机采集图像时自聚焦透镜所在位置，并以自聚焦透镜位置信息为文件名保存到指定图库中；

(2)计算机依次读取步骤(1)图库中的图像，切割图像，提取图像中感兴趣的区域，直至遍历完整个图库；所述的感兴趣区域包括自聚焦透镜会聚点区域和自聚焦透镜边缘区域；

(3)提取步骤(2)中会聚点区域的特征信息，包括亮度、面积和集中度信息，根据所述特征信息得到自聚焦透镜焦点位置；

(4)利用SFR算法估计步骤(2)中自聚焦透镜边缘区域的锐利度，并对其锐利度进行插值处理，从而得到自聚焦透镜表面的所在位置；

(5)自聚焦透镜表面与焦点位置的差值即为后截距。

2.根据权利要求1所述的一种自聚焦透镜后截距的测量方法，其特征在于，所述步骤(3)中利用集中度来校正焦点的初始位置。

3.根据权利要求1所述的一种自聚焦透镜后截距的测量方法，其特征在于，所述步骤(3)中利用插值来计算焦点的位置。

4.根据权利要求1所述的一种自聚焦透镜后截距的测量方法，其特征在于，所述步骤(4)中利用插值来计算表面的位置。

5.根据权利要求1所述的测量自聚焦透镜后截距的方法，其特征在于：利用汉明窗口对图像中的会聚点区域和自聚焦透镜边缘区域进行切割处理；切割处理满足如下条件：

A_i＝I_i*B，

C_i＝I_i*D，

其中A为自聚焦透镜会聚点区域，C为自聚焦透镜边缘区域，B、D为汉明窗口函数矩阵，且B、D矩阵根据图像的先验知识得到，I_i表示图库中的第i幅图像，i为图库中图像序列号。

6.根据权利要求5所述的测量自聚焦透镜后截距的方法，其特征在于：利用会聚点区域的亮度、面积和集中度来确定焦点位置的步骤如下：

a.提取步骤(2)中会聚点区域的灰度最大值，并将灰度最大值存储到数组Lm中：

Lm(i)＝max(A_i)，

其中，Lm为存储每张会聚点区域灰度最大值的数组，A为会聚点区域，i表示图库中的第i幅图像；

b.寻找Lm数组中的最大值p，保留会聚点区域最大值为p的图片；

c.提取步骤b中每张保留会聚点区域灰度最大值的面积，将所述的面积信息存储到数组Ly中，将其对应的自聚焦透镜位置信息存储到数组Lx中，对Ly、Lx进行拟合求极小值点，设置最接近极小值点的自聚焦透镜位置为初始焦点；

d.利用集中度来校正步骤c中的初始焦点，初始焦点所对应图像在图库中的序列为K；

e.以步骤d中的图库序列K为中心，取序列为K-3,K-2,K-1,K,K+1,K+2,K+3的图像，对其会聚点区域灰度最大值的面积进行插值处理，其最小值点即为自聚焦透镜焦点区域：

节点为：Mx(0)＜Mx(1)＜…＜Mx(5)＜Mx(6)，

函数值为：My(i)＝f(Mx(i)) (i＝0,1,…,6)，

S(x)满足S(Mx(i))＝My(i) (i＝0,1,…,6)，

由定义可设

其中S_k(x)为[Mx(k-1),Mx(k)]上的三次多项式，且满足S_k(Mx(k-1))＝My(k-1),S_k(Mx(k))＝My(k) (k＝0,1,…,6)；

利用S'_k(Mx(k)^-)＝S'_k+1(Mx(k)⁺),S″_k(Mx(k)^-)＝S″_k+1(Mx(k)⁺) (k＝1,2,…,5)，

以及S'(Mx(0))＝f′₀,S'(Mx(6))＝f′₆，其中：S′为S的一阶导数，S″为S的二阶导数；

可以得到：

其中Mx为序列K-3至K+3的七幅图像所对应的自聚焦透镜位置信息，My为序列K-3至K+3七幅图像会聚点区域灰度最大值的面积信息，h_k＝Mx(k)-Mx(k-1)；

求得S(x)的最小值即为自聚焦透镜焦点的位置。

7.根据权利要求6所述的测量自聚焦透镜后截距的方法，其特征在于：利用SFR算法估计步骤(2)中自聚焦透镜边缘区域的锐利度，并对其锐利度进行插值处理，从而得到自聚焦透镜表面的所在位置，步骤如下：

f.利用SFR算法估计步骤(2)中自聚焦透镜边缘区域的锐利度，将每张自聚焦透镜边缘区域的锐利度信息存入到数组Ry中，将其对应的自聚焦透镜位置信息存储到数组Rx中；

g.对Ry、Rx进行拟合求极大值点，设置最接近极大值点的自聚焦透镜位置为初始初始表面位置，初始表面所对应图像在图库中的序列为P；

h.以步骤g中的图库序列P为中心，取序列为P-3,P-2,P-1,P,P+1,P+2,P+3的图像，对其边缘区域的锐利度进行插值处理，其极大值点即为自聚焦透镜表面区域：

节点为：Rx(0)＜Rx(1)＜…＜Rx(5)＜Rx(6)，

函数值为：Ry(i)＝f(Rx(i)) (i＝0,1,…,6)，

S(x)满足S(Rx(i))＝Ry(i) (i＝0,1,…,6)，

由定义可设

其中S_k(x)为[Rx(k-1),Rx(k)]上的三次多项式，且满足S_k(Rx(k-1))＝Ry(k-1),S_k(Rx(k))＝Ry(k) (k＝0,1,…,6)，

利用S'_k(Rx(k)^-)＝S'_k+1(Rx(k)⁺),S″_k(Rx(k)^-)＝S″_k+1(Rx(k)⁺) (k＝1,2,…,5)

以及S'(Rx(0))＝f′₀,S'(Rx(6))＝f′₆，

可以得到：

其中Mx为上述序列P-3至P+3七幅图像所对应的自聚焦透镜位置信息，My为上述序列P-3至P+3七幅图像会聚点区域灰度最大值的面积信息，h_k＝Rx(k)-Rx(k-1)；

求得S(x)的极大值即为自聚焦透镜表面的位置；

其中Rx为上述序列P-3至P+3七幅图像所对应的自聚焦透镜位置信息，Ry为上述序列P-3至P+3七幅图像会聚点区域灰度最大值的面积信息；

自聚焦透镜表面与焦点位置的差值即为后截距。