CN109708584A - 一种油膜干涉法条纹间距图像识别方法 - Google Patents

Abstract

本发明涉及风洞实验数据处理方法，更具体地说，本发明涉及一种油膜干涉法条纹间距图像识别方法，其特征是：它主要包含导入t1时刻油膜干涉条纹图像、图像的灰度化处理、线性拟合去趋势、设置计算窗口、获取窗口内条纹间距、移动窗口获取全图像条纹间距、重复程序获得t2时刻图像条纹间距、计算摩擦阻力系数。本发明的油膜干涉法条纹间距识别方法具有较高的精度，并且能够在图像质量不高的情况下具有较好的鲁棒性。

Description

一种油膜干涉法条纹间距图像识别方法

技术领域

本发明涉及一种风洞实验数据处理方法，具体涉及一种油膜干涉条纹间距的图像识别方法。

背景技术

高速飞行器表面摩擦阻力对飞行器气动性能影响巨大，因此飞行器表面摩擦阻力的精细化测量成为航空航天气动领域的重要课题。

油膜干涉法是一种基于薄膜干涉理论的具有较高精确度的表面摩擦阻力系数测量方法，已广泛应用到各种风洞试验和飞行试验中。在应用油膜干涉法的过程中，重要的一步是获取图像中准确的条纹间距。最早的方法是人工手动读取，这种方法误差较大不够精确；后来有人提出利用正弦函数拟合的方法，通过计算函数波长来获取条纹宽度。，但是实践证明这种拟合方法在条纹不清楚、噪点严重的情况下误差较大。因此，对于油膜干涉条纹间距的测量，急需一种误差小、且能够在图片质量不够好的情况下获得较高精度的图像识别方法。

发明内容

本发明要解决的技术问题是提供一种油膜干涉条纹间距图像识别方法，该方法具有精度高、鲁棒性好的特点。

本发明的技术方案是：

一种油膜干涉条纹间距图像识别方法，其特征是它包括导入t1时刻油膜干涉条纹图像、图像的灰度化处理、线性拟合去趋势、设置计算窗口、获取窗口内条纹间距、移动窗口获取全图像条纹间距、重复程序获得t2时刻图像条纹间距、计算摩擦阻力系数。具体方案如下：

(1)导入t1时刻油膜干涉条纹图像是指导入风洞实验中获取的t1时刻的条纹原始图像；

(2)图像的灰度化处理是指将实验中获得的t1时刻油膜干涉条纹图像灰度化，即表征图像的R、G、B值设置为相等，范围为0～255表征图像亮度，这项操作可以在减少图像容量,大小的情况下，不丢失条纹的信息，方便接下来的图像处理操作。

(3)线性拟合去趋势包括以下步骤：

第一步：将像素为m×n的所述二维灰度图像分割为m个1×n的片段，对于每个片段的亮度数据，利用最小二乘法线性拟合得到其由于全局光照的不均匀性引起的图像在横向的亮度差异；

第二步：将所得灰度图像亮度分布分别减去线性拟合的数据，最终得到局部光照亮度分布更加清晰的条纹灰度图。这项操作可以在图像质量不高，噪点严重的情况下提取出有用的计算数据。

(4)设置计算窗口是指对于第(3)步中分割后的1×n新片段，设置像素大小为1×w的窗口，其中w能覆盖至少2～3级条纹，且w＜n；

(5)获取窗口内条纹间距包括以下步骤“

第一步：读取第(4)步获取计算窗口内的1×w像素大小的亮度数据，计算出平均值N和标准偏差S；

第二步：如果计算窗口的每个亮度数据Ni满足

Ni-N＞0.5S

那么该数据被标记为“峰值“；

相反，如果数据Ni满足

N-Ni＞0.5S

那么数据被标记为“谷值”；

第三步：如果计算窗口的数据片段中出现连续的“峰值”或者“谷值”，那么将这些数据标记为“亮条纹”或者“暗条纹”；对于每个“亮条纹”或者“暗条纹”的数据，将其中的最大值(“亮条纹”)或者最小值(“暗条纹”)定义为条纹的中点；

第四步：利用第三步获得的条纹中点沿横向依次计算相邻条纹的宽度，获得多个宽度值w1，w2，w3……。将这些宽度值取平均值定义为窗口中点位置处平均条纹宽度w。这项操作可以减小标准差取值对相邻条纹间距读取的误差，获取更真实的条纹间距。

(6)移动窗口获取全局图像间距是指当获得所述窗口中点位置处平均条纹宽度w后，将计算窗口右移一个像素，重复第(5)个步骤，直到将1×n新片段计算完毕。然后所述窗口下移一个像素，从头开始计算下一个1×n的数据片段，直至将整个条纹图像计算完毕，获取t1时刻油膜干涉条纹间距分布x1；

(7)重复程序获得不同时刻条纹间距是指将(1)-(6)程序应用到t2时刻的条纹图像中，获取t2时刻油膜干涉条纹间距分布x2；

(8)计算摩擦阻力系数是指将t1时刻和t2时刻得到的条纹宽度相减，获得t2-t1时间段内条纹的移动距离△x＝x2-x1，再根据公式

计算摩擦阻力系数。其中n₀表示硅油折射率，θ_r表示入射光线和反射光线之间的夹角，N表示条纹级数，λ表示钠灯光波长，q_∞表示来流动压，μ表示硅油粘度。

本发明的有益效果：

1.本发明所采用的图像识别技术能够在条纹图像不清楚、噪点严重的情况下进行有效的识别，大大提高了其鲁棒性。

2.本发明能够首先图像全局条纹的辨识，大大丰富了获取的条纹图像间距信息，为进一部深入分析表面摩擦阻力系数分布提供了充足的信息。

附图说明

下面结合附图和实施例对本发明做进一步说明。

图1是本发明的油膜干涉法条纹间距识别方法流程图

图2是本发明所述方法导入的t1时刻的油膜干涉条纹原始图像

图3是灰度化后的t1时刻的油膜干涉条纹灰度图像

图4是线性拟合去趋势后的t1时刻的油膜灰度图像

图5是本发明中所述的去趋势后的t1时刻干涉条纹灰度图像的第100行亮度分布图像

图6是去趋势后的t1时刻干涉条纹灰度图像的第100行第一部分条纹相对亮度分布图像

图7是本发明所述方法的实验结果和数值计算结果对比图

附图中

100t1时刻的条纹原始图像 200条纹灰度图像 300去趋势后的灰度图像

310第100行的像素图像 311第一部分条纹 400第100行的像素图像亮度分布图

410第一部分条纹亮度分布图

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，以下结合实施例和附图，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方式仅仅用以解释本发明，并不用于限定本发明。

本实例针对来流马赫数Ma5条件下的平板模型，针对实验过程中两个时刻t1＝3s和t2＝4s获取的油膜干涉条纹图像。

一种油膜干涉条纹间距图像识别方法，其流程如图1所示，它包括以下步骤：

(1)导入t1时刻油膜干涉条纹图像，包括以下步骤：导入风洞实验中获取的t1时刻的条纹原始图像(100)，如图2，其宽度像素为1020px，高度像素为238px；

(2)图像的灰度化处理，包括以下步骤：将实验中获得的所述t1时刻条纹原始图像(100)灰度化，获得条纹灰度图像(200)，如图3。即将表征图像颜色的R、G、B值设置为相等，范围为0～255来表征图像亮度。这项操作可以在减少图像容量,大小的情况下，不丢失条纹的信息，方便接下来的图像处理操作。

(3)线性拟合去趋势，包括以下步骤：

第一步：将像素为238×1020的所述条纹灰度图像(200)分割为238个1×1020的片段，对于每个片段的亮度数据，利用最小二乘法线性拟合得到其由于全局光照的不均匀性引起的图像在横向的亮度差异；

第二步：如图4，将所得灰度图像亮度分布分别减去线性拟合的数据，最终得到局部光照亮度分布更加清晰的去趋势条纹灰度图像(300)。这项操作可以在图像质量不高，噪点严重的情况下提取出有用的计算数据。以所述去趋势后的灰度图像(300)第100行的像素(310)为例，其亮度分布图(400)如图5所示，可以观测到明显的周期型波动，这些波动正好对应于所述第100行像素图像(310)中的明暗条纹位置。

(4)设置计算窗口，包括以下步骤：对于第(3)步中分割后的所述第100行像素亮度分分布图(400)，设置像素宽度为100px的计算窗口，使得计算窗口至少能覆盖3级条纹。本实施例中以所述第100行像素图像(310)中的第一部分条纹(311)作为分析对象。

(5)获取窗口内条纹间距，包括以下步骤“

第一步：读取第(4)步获取计算窗口对应的所述第一部分条纹(311)的100px大小的亮度数据，计算出亮度平均值N＝152和标准偏差S＝12。并将所有亮度值减去平均值，即把平均值置为0，获取第一部分条纹相对亮度值分布(410)，如图6所示。

第二步：如果计算窗口的每个亮度数据Ni满足

Ni-N＞0.5S

那么该数据被标记为“峰值“；

相反，如果数据Ni满足

N-Ni＞0.5S

那么数据被标记为“谷值”；

第三步：如果计算窗口的数据片段中出现连续的“峰值”或者“谷值”，那么将这些数据标记为“亮条纹”或者“暗条纹”；对于每个“亮条纹”或者“暗条纹”的数据，将其中的最大值(“亮条纹”)或者最小值(“暗条纹”)定义为条纹的中点；如图6，相对亮度值大于12的标记为亮条纹，小于-12的标记为暗条纹。

第四步：利用第三步获得的条纹中点沿横向依次计算相邻条纹的宽度，获得第一部分条纹(311)的宽度值分布。取这些宽度数据的中位数为M，定义M+1和M-1均为有效数字，并将M，M+1和M-1三种数字求加权平均，作为计算窗口内的平均宽度。这项操作可以减小标准差取值对相邻条纹间距读取的误差，获取更真实的条纹间距。本实施例中，宽度分布如表1，并且M＝10，因此计算得到平均宽度为10px；

表1第一部分条纹(311)的宽度值分布

条纹序号	1	2	3	4	5	6	7	8
									条纹间距(px)	10	9	10	11	10	11	20	10

(6)移动窗口获取全局图像间距，包括以下步骤：当获得所述窗口中点位置处平均条纹宽度后，将计算窗口右移一个像素，重复第(5)个步骤，获得所述第100行像素图像(310)的条纹宽度分布x1；

(7)重复程序获得不同时刻条纹间距，包括以下步骤：将(1)-(6)程序应用到t2时刻的条纹图像中，获取t2时刻相同位置处油膜干涉条纹间距分布x2；

(8)计算摩擦阻力系数，包括以下步骤：将t1时刻和t2时刻得到的条纹宽度相减，获得t2-t1时间段内条纹的移动距离△x＝x2-x1，再根据公式

计算摩擦阻力系数。其中n₀表示硅油折射率，θ_r表示入射光线和反射光线之间的夹角，N表示条纹级数，λ表示钠灯光波长，q_∞表示来流动压，μ表示硅油粘度。本实施例中，n₀＝1.4，θ_r＝0°，N＝1，λ＝589nm，q_∞＝13137.39Pa，μ＝20cSt。最终计算得到所述第一部分条纹(311)处平均摩擦阻力系数结果和数值计算结果，如图7。可以看出，两者结果吻合度较高，证明本实施例中应用的图像处理方法具有较高的精度。

通过上述实例，可以发现本发明具有误差低、精度高的特点，且在在图片质量不好的情况下具有较好的鲁棒性。

本发明具体用途很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进，这些改进也应视为本发明的保护范围。

Claims (9)

1.一种油膜干涉条纹间距图像识别方法，其特征在于，包括如下步骤：导入t1时刻油膜干涉条纹图像、图像的灰度化处理、线性拟合去趋势、设置计算窗口、获取窗口内条纹间距、移动窗口获取全图像条纹间距、重复程序获得t2时刻图像条纹间距、计算摩擦阻力系数。

2.如权利要求1所述的油膜干涉条纹间距图像识别方法，其特征在于：所述导入t1时刻油膜干涉条纹图像是指导入风洞实验中获取的t1时刻的条纹原始图像。

3.如权利要求2所述的油膜干涉条纹间距图像识别方法，其特征在于：所述图像的灰度化处理是指将实验中获得的所述t1时刻油膜干涉条纹图像灰度化，即表征图像的R、G、B值设置相等，范围为0～255表征图像亮度。

4.如权利要求1或3所述的油膜干涉条纹间距图像识别方法，其特征在于：所述线性拟合去趋势包括以下步骤：

第一步：将像素为m×n的所述二维灰度图像分割为m个1×n的片段，对于每个片段的亮度数据，利用最小二乘法线性拟合得到其由于全局光照的不均匀性引起的图像在横向的亮度差异；

第二步：将所述二维灰度图像的亮度分布分别减去线性拟合的数据，最终得到局部光照亮度分布更加清晰的去趋势灰度图像。

5.如权利要求1或4所述的油膜干涉条纹间距图像识别方法，其特征在于：所述设置计算窗口是指对于所述1×n新片段，设置像素大小为1×w的计算窗口，其中w能覆盖至少2～3级条纹，且w＜n。

6.如权利要求1或5所述的油膜干涉条纹间距图像识别方法，其特征在于：所述获取窗口内条纹间距包括以下步骤：

第一步：读取所述计算窗口内的1×w像素大小的亮度数据，计算出平均值N和标准偏差S；

第二步：如果所述计算窗口的每个亮度数据Ni满足

Ni-N＞0.5S

那么该数据被标记为“峰值“；

相反，如果数据Ni满足

N-Ni＞0.5S

那么数据被标记为“谷值”；

第三步：如果所述计算窗口的数据片段中出现连续的“峰值”或者“谷值”，那么将这些数据标记为“亮条纹”或者“暗条纹”；对于每个“亮条纹”或者“暗条纹”的数据，将其中的最大值(“亮条纹”)或者最小值(“暗条纹”)定义为条纹的中点；

第四步：利用第三步获得的条纹中点沿横向依次计算相邻条纹的宽度，获得多个宽度值w1，w2，w3……。将这些宽度值取平均值定义为所述计算窗口中点位置处平均条纹宽度w。

7.如权利要求1或6所述的油膜干涉条纹间距图像识别方法，其特征在于：所述移动计算窗口获取全局图像间距是指当获得所述窗口中点位置处平均条纹宽度w后，将所述窗口右移一个像素，重复权利要求6的步骤，直到将所述1×n新片段计算完毕。然后所述窗口下移一个像素，从头开始计算下一个1×n的数据片段，直至将整个所述条纹图像计算完毕，获取t1时刻油膜干涉条纹间距分布x1。

8.如权利要求1所述的油膜干涉条纹间距图像识别方法，其特征在于：所述重复程序获得不同时刻条纹间距是指将权利要求要求1-7的方法应用到t2时刻的条纹图像中，获取t2时刻油膜干涉条纹间距分布x2。

9.如权利要求8所述的油膜干涉条纹间距图像识别方法，其特征在于：所述计算摩擦阻力系数是指将t1时刻和t2时刻得到的条纹间距相减，获得t2-t1时间段内条纹的移动距离△x＝x2-x1，再根据公式

计算摩擦阻力系数。其中n₀表示硅油折射率，θ_r表示入射光线和反射光线之间的夹角，N表示条纹级数，λ表示钠灯光波长，q_∞表示来流动压，μ表示硅油粘度。