CN109668904A

CN109668904A - 一种光学零件疵病检测装置及方法

Info

Publication number: CN109668904A
Application number: CN201910074602.4A
Authority: CN
Inventors: 王志华; 唐姣姣; 仝若男; 高峰
Original assignee: Nanjing University of Science and Technology
Current assignee: Nanjing University of Science and Technology
Priority date: 2019-01-25
Filing date: 2019-01-25
Publication date: 2019-04-23

Abstract

本发明公开了一种光学零件表面疵病检测装置及方法，该装置包括图像采集模块、照明系统、运动控制模块和处理器，运动控制模块用于放置被测光学零件，控制光学零件在方位和俯仰方向上移动；照明系统用于为被测光学零件提供不同光谱的光源；图像采集模块用于采集不同光谱、不同位置角度下的光学零件图像；处理器用于控制运动控制模块的移动，接光学零件图像收进行疵病检测。本发明通过多光谱LED光源和旋转待测光学零件，获得多光谱、多角度的图像，并通过图像融合技术，将同一场景下的多光谱、多角度的疵病图像信息融合到一起，提高了信息的可靠性和检测的精度。

Description

一种光学零件疵病检测装置及方法

技术领域

本发明涉及图像处理技术，具体涉及一种光学零件疵病检测装置及方法。

背景技术

表面疵病情况是光学零件表面质量的一个重要评价指标，会对入射到光学零件表面的光束造成散射和能量损耗，如果疵病的尺寸较小，还会产生较为严重的衍射现象，出现膜层破坏、衍射条纹、能量吸收和疵病畸变等现象，进一步影响光学元件的使用效率和使用寿命。

基于白光照明和传统光学显微成像的暗场成像法是目前主流的表面疵病检测方法。为了提高检测精度，一些检测方法对成像系统进行改进，以获得清晰的图像。如专利CN108152299A公开了一种高精度光学元件的表面疵病检测装置及检测方法，通过波前编码显微成像模块实现大景深的疵病成像效果；专利CN108152302A公开了一种曲面光学元件表面疵病的检测装置及方法，在成像系统中设置N组成像机构，将相机传感器与处理器进行信号连接，通过调节每个相机传感器的位置，使得获得清晰的图像。但是上述方法中，照明系统都用的是单一光谱段的光源，且待测光学零件都是固定不动的，造成很多疵病细节被忽略，疵病检测精度不高。

发明内容

本发明的目的在于提供一种光学零件疵病检测装置及方法。

实现本发明目的的技术解决方案为：一种光学零件表面疵病检测装置，包括图像采集模块、照明系统、运动控制模块和处理器，所述运动控制模块用于放置被测光学零件，控制光学零件在方位和俯仰方向上移动；所述照明系统用于为被测光学零件提供不同光谱的光源；所述图像采集模块用于采集不同光谱、不同位置角度下的光学零件图像；所述处理器用于控制运动控制模块的移动，接光学零件图像收进行疵病检测。

作为一种优选实施方式，所述图像采集模块包括CCD和显微镜头。

作为一种优选实施方式，所述照明系统为环形LED光源，提供白光和红外光。

作为一种优选实施方式，所述运动控制模块由电控平移台和4个驱动电机，计算机通过4个驱动电机控制电控平移台X轴、Y轴、Z轴方向的平移和θ角的旋转。

一种光学零件表面疵病检测方法，包括如下步骤：

步骤1、控制照明系统发出白光和红外光，照射运动控制模块的被测光学零件；

步骤2、在白光和红外光照射下，分别控制电控平移台沿X轴、Y轴、Z轴方向平移，沿θ角旋转，获得多个子口径图像；

步骤3、对各子口径图像进行预处理、拼接融合和疵病提取，确定光学零件表面疵病状况。

作为一种优选实施方式，步骤2中，在两种光谱下，对CCD进行面扫描，具体先从元件的左侧上边缘开始，沿X轴向右扫描，电控平移台每移动一个步长采集一幅子口径图片，直至元件右侧边缘，此时平移台再沿Y轴向下移动一个步长，向左继续扫描，实现类似S型扫描，直至完成对整个元件的扫描；然后将待测光学零件每次旋转20度，直至旋转到180度，在9个角度上分别进行面扫描，获得不同角度下的子口径图像。

作为一种优选实施方式，步骤3中，图像预处理包括：图像灰度化、图像增强、图像去噪、图像二值化和形态学处理。

作为一种优选实施方式，步骤3中，拼接融合采用基于SURF的方法对图像进行配准处理，再应用加权平均法进行图像融合处理。

作为一种优选实施方式，步骤3中，疵病提取采用Canny边缘检测算法提取疵病。

本发明与现有技术相比，其显著优点为：本发明通过多光谱LED光源和旋转待测光学零件，获得多光谱、多角度的图像，并通过图像融合技术，将同一场景下的多光谱、多角度的疵病图像信息融合到一起，提高了信息的可靠性和检测的精度。

附图说明

图1为本发明光学零件疵病检测装置的框架图。

图2为本发明光学零件疵病检测方法的流程图。

具体实施方式

下面结合附图和具体实施例，进一步说明本发明方案。

如图1所示，光学零件表面疵病检测装置，包括图像采集模块、照明系统、运动控制模块和处理器，所述运动控制模块用于放置被测光学零件4，控制光学零件在方位和俯仰方向上移动，所述照明系统用于为被测光学零件提供不同光谱的光源；所述图像采集模块用于采集不同光谱、不同位置角度下的光学零件图像；所述处理器用于控制运动控制模块的移动，接光学零件图像收进行疵病检测。

在一些实施例中，图像采集模块包括CCD 1和显微镜头2，设置在运动控制模块上方。

在一些实施例中，照明系统3采用LED环形光源，设置在图像采集模块与运动控制模块之间，提供白光和红外光。

在一些实施例中，运动控制模块由电控平移台5和4个驱动电机，通过4个步进电机控制电控平移台，实现X轴平移，Y轴平移，Z轴升降和θ角旋转。其中步进电机控制Z轴升降来调焦；在相机调焦后，电机控制X轴和Y轴上的平移；还有一个电机控制载物平台的θ角旋转。

基于上述装置进行光学零件表面疵病检测，具体包括如下步骤：

步骤1、控制照明系统3发出白光和红外光，照射运动控制模块的被测光学零件；

步骤2、在白光和红外光照射下，分别控制电控平移台5沿X轴、Y轴、Z轴方向平移，沿θ角旋转，获得多个子口径图像；

图像采集的具体情况如下：在白光照明下，利用步进电机控制进行CCD面扫描，从元件的左侧上边缘开始，沿X轴向右扫描，平移台每移动一个步长采集一幅子口径图片，直至元件右侧边缘。此时平移台再沿Y轴向下移动一个步长，向左继续扫描，实现类似S型扫描，直至完成对整个元件的扫描。然后将待测光学零件每次旋转20度，直至旋转到180度，获得9个角度的子口径图像；再在红外光照明下重复以上的步骤。2种照明光下，拼接不同角度下的子口径图片，一共获得18张全口径图片，图片融合后信息互补，能增加图片信息可靠性，提高疵病检测精度。

下面详细介绍涉及的图像处理方法。

一、图像预处理

图像预处理包括：图像灰度化、图像增强、图像去噪、图像二值化和形态学处理，其中：

图像灰度化处理是对不同光谱段子口径图像进行统一灰度化处理，得到仅具有一维颜色信息的灰度图像。

图像增强处理是采用空域法进行对图像的增强，包括：图像的灰度变换和直方图均衡化；

图像去噪处理是采用非线性滤波器中的中值滤波以便较好的保留边的锐度和图像细节。中值滤波属于非线性滤波技术，计算公式为：

选取窗口S_xy中被干扰图像g(x,y)的中值，作为坐标点(x,y)的输出，其中窗口S_xy大小为m×n。

图像二值化处理是根据阈值对灰度图像中的像素点进行分类，使整幅图像转变为黑白图像。具体采用自动阈值分割方法对灰度图像中的像素点进行分类：

1)首先选择一个近似阈值T，将图像分割为R1和r2两个区域；

2)分别计算R1和R2两个区域的均值μ1和μ2，确定新的分割阈值为(μ1+μ2)/2；

3)重复以上步骤，直至μ1和μ2不再变化。

图像形态学处理包括灰度值膨胀和灰度值腐蚀两个步骤。其中灰度值腐蚀是用结构元素b对输入图像f(x,y)进行灰度值腐蚀，可记为：

(fΘb)(s,t)＝min{f(s+x,t+y)-b(x,y)|s+x,t+y∈D_f,x+y∈D_b}

其中,D_f和D_b分别是f和b的定义域。这里我们限制(s+x)和(t+y)在f的定义域内。

灰度值膨胀是用结构元素b对输入图像f(x,y)进行灰度值膨胀，可记为

其中,D_f和D_b分别是f和b的定义域。这里我们限制(s-x)和(t-y)在f的定义域内。

闭运算的定义为：

含义是f由b膨胀，随后膨胀的结果由b腐烛。

完成图像闭运算处理后，将原本的灰度图像减去经过闭运算处理后的图像，达到去除图像阴影的目的，最后进行图像灰度级调整。

二、拼接融合

拼接融合是采用基于SURF的方法对图像进行配准处理，再应用加权平均法进行图像融合处理，其中：

基于SURF的方法对图像进行配准处理，是通过SURF算法对两幅图片进行特征点匹配，找到这两幅图像之间变换的对应关系并进行变换。SURF特征点提取与描述主要包含4个步骤：

1)检测尺度空间极值；

2)精炼特征点位置；

3)计算特征点的描述信息；

4)生成描述特征点的特征向量。

特征点的匹配的目的是找出相邻待拼接图像中的特征点，并形成匹配对。实现特征点匹配点对，通过对提取出的特征点进行最近邻的搜索，然后再进行最近邻比值的判别，把最短欧氏距离作为判别的标准。

变换矩阵H的求解是图像匹配的核心，其求解的算法流程具体步骤如下：

1)检测每幅图像中特征点：

2)计算特征点之间的匹配；

3)计算图像间变换矩阵的初始值；

4)迭代精炼H变换矩阵；

5)引导匹配，用估计的H变换矩阵去定义对极线附近的搜索区域，进一步确定特征点的对应；

6)重复迭代4)和5)直到对应点的数目稳定为止。

设图像序列之间的变换为投影变换，即：

H的自由度为8，(x,y)和(x',y')是待匹配的特征点对，则根据投影变换公式

可以用4组最佳匹配计算出矩阵的8个自由度参数，并以此H矩阵作为初始值。

图像融合处理是采用加权平均法对待融合图像间对应像素点进行加权处理。将两幅图像对应像素点乘以一个加权系数再相加得到融合的图像。设I₁(i,j)和I₂(i,j)分别为图像I₁和图像I₂位于坐标(i,j)的像素点，则融合图像I中对应位置上的像素值I(i,j)为：

I(i,j)＝αI₁(i,j)+(1-α)I₂(i,j)

其中α为图像I₁的加权系数，α∈[0,1]，且α的取值可由重叠部分的像素点计算得到，即：

α＝s₁/(s₁+s₂)

其中s₁为图像1中重叠部分的所有像素和，s₂为图像2中重叠部分的所有像素和。

三、疵病提取

疵病提取是采用Canny边缘检测算法提取疵病图像，与国家标准对照。利用Canny边缘检测算法提取疵病图像，算法处理流程如下：

1)使用高斯滤波器，以平滑图像，滤除噪声；

高斯平滑是使用高斯滤波器与图像进行卷积，以减少边缘检测器上明显的噪声影响。大小为(2k+1)x(2k+1)的高斯滤波器核的生成方程式由下式给出：

其中1≤i,j≤(2k+1)

2)计算图像中每个像素点的梯度强度和方向；

计算梯度强度和方向时，使用边缘差分算子Sobel算子计算水平和垂直方向的差分G_x和G_y，再用如下计算公式计算梯度模和方向：

应用非极大值抑制，以消除边缘检测带来的杂散响应；

非最大值抑制是一种边缘细化方法，能帮助保留局部最大梯度而抑制所有其他梯度值，对梯度图像中每个像素进行非极大值抑制的算法是：

将当前像素的梯度强度与沿正负梯度方向上的两个像素进行比较；

如果当前像素的梯度强度与另外两个像素相比最大，则该像素点保留为边缘点，否则该像素点将被抑制。

4)应用双阈值检测来确定真实的和潜在的边缘；

Canny算法应用双阀值，即一个高阀值和一个低阀值来区分边缘像素。如果边缘像素点梯度值大于高阀值，则被认为是强边缘点。如果边缘梯度值小于高阀值，大于低阀值，则标记为弱边缘点，小于低阀值的点则被抑制掉。

5)通过抑制孤立的弱边缘最终完成边缘检测。

Claims

1.一种光学零件表面疵病检测装置，其特征在于，包括图像采集模块、照明系统(3)、运动控制模块和处理器(6)，所述运动控制模块用于放置被测光学零件(4)，控制光学零件在方位和俯仰方向上移动；所述照明系统(3)用于为被测光学零件提供不同光谱的光源；所述图像采集模块用于采集不同光谱、不同位置角度下的光学零件图像；所述处理器(6)用于控制运动控制模块的移动，接光学零件图像收进行疵病检测。

2.根据权利要求1所述的光学零件表面疵病检测装置，其特征在于，所述图像采集模块包括CCD(1)和显微镜头(2)。

3.根据权利要求1所述的光学零件表面疵病检测装置，其特征在于，所述照明系统(3)为环形LED光源，提供白光和红外光。

4.根据权利要求1所述的光学零件表面疵病检测装置，其特征在于，所述运动控制模块由电控平移台(5)和4个驱动电机，计算机(6)通过4个驱动电机控制电控平移台(5)X轴、Y轴、Z轴方向的平移和θ角的旋转。

5.一种光学零件表面疵病检测方法，其特征在于，包括如下步骤：

步骤1、控制照明系统(3)发出白光和红外光，照射运动控制模块的被测光学零件；

步骤2、在白光和红外光照射下，分别控制电控平移台(5)沿X轴、Y轴、Z轴方向平移，沿θ角旋转，获得多个子口径图像；

6.根据权利要求5所述的光学零件表面疵病检测方法，其特征在于，步骤2中，在两种光谱下，对CCD进行面扫描，具体先从元件的左侧上边缘开始，沿X轴向右扫描，电控平移台(5)每移动一个步长采集一幅子口径图片，直至元件右侧边缘，此时平移台再沿Y轴向下移动一个步长，向左继续扫描，实现类似S型扫描，直至完成对整个元件的扫描；然后将待测光学零件每次旋转20度，直至旋转到180度，在9个角度上分别进行面扫描，获得不同角度下的子口径图像。

7.根据权利要求5所述的光学零件表面疵病检测方法，其特征在于，步骤3中，步骤3中，图像预处理包括：图像灰度化、图像增强、图像去噪、图像二值化和形态学处理。

8.根据权利要求5所述的光学零件表面疵病检测方法，其特征在于，步骤3中，步骤3中，拼接融合采用基于SURF的方法对图像进行配准处理，再应用加权平均法进行图像融合处理。

9.根据权利要求5所述的光学零件表面疵病检测方法，其特征在于，步骤3中，步骤3中，疵病提取采用Canny边缘检测算法提取疵病。