CN110232677A - 一种用于干涉条纹分析的手机app - Google Patents

一种用于干涉条纹分析的手机app Download PDF

Info

Publication number
CN110232677A
CN110232677A CN201910435913.9A CN201910435913A CN110232677A CN 110232677 A CN110232677 A CN 110232677A CN 201910435913 A CN201910435913 A CN 201910435913A CN 110232677 A CN110232677 A CN 110232677A
Authority
CN
China
Prior art keywords
interference fringe
pixel
user
page
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.)
Granted
Application number
CN201910435913.9A
Other languages
English (en)
Other versions
CN110232677B (zh
Inventor
蔡怀宇
庞伟凇
徐怀远
陈晓冬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin University
Original Assignee
Tianjin University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tianjin University filed Critical Tianjin University
Priority to CN201910435913.9A priority Critical patent/CN110232677B/zh
Publication of CN110232677A publication Critical patent/CN110232677A/zh
Application granted granted Critical
Publication of CN110232677B publication Critical patent/CN110232677B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
    • H04M1/724—User interfaces specially adapted for cordless or mobile telephones
    • H04M1/72403—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality
    • H04M1/7243—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality with interactive means for internal management of messages
    • H04M1/72439—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality with interactive means for internal management of messages for image or video messaging
    • 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
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Human Computer Interaction (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开一种用于干涉条纹分析的手机APP，该APP由功能为消息推送、条纹分析以及个人信息的三个人机交互页面及对应数据处理部分构成。该APP主要功能为条纹分析，使用者可拍摄或选择干涉条纹图像，并进行图像裁剪、指定中心轴线、选择滤波次数、选择条纹分析项选择，分析结果将展示在APP结果页面。干涉条纹分析过程按照人机交互过程中用户设定进行，包括图像滤波、二值化、孔洞填充等预处理，对二值图像应用改进的Zhang并行快速细化算法进行骨架提取，对骨架进行毛刺、断点的处理、条纹级次标定，以及明条纹数目确定、中心轴线处条纹间距确定、应用Zernike多项式进行面形拟合、计算PV值与RMS值等处理，最终将处理结果反馈于人机交互部分。

Description

一种用于干涉条纹分析的手机APP
技术领域
本发明涉及手机APP开发领域以及条纹细化、条纹级次标定、面形拟合重建等图像处理领域，具体设计了一种用于干涉条纹分析的手机APP。
背景技术
目前进行干涉条纹分析的仪器大都为连接在干涉仪后的大型装置，该类装置大都将干涉仪所成的干涉条纹成像在CCD或CMOS上，然后在计算机上进行图像处理，通过干涉条纹骨架提取、级次标定等拟合面形，判读出当前范围平面的PV值与RMS值，最终显示与计算机显示器上。该类装置体积庞大，大都与干涉仪器一体化，不具有操作方便性与便携性，且价格不菲，无法广泛应用于一些小型公司。同样，操作不便、体积过大以及成本过高等问题也致使该类装置很难普及于高校学生的光学实验中。
条纹细化算法在本发明中也可称为干涉条纹骨架提取算法，常用的算法有Zhang并行快速细化算法、Hilditch算法、Pavilidis算法等，其中Zhang并行快速细化算法目前应用较为广泛，该算法细化结果清晰且保证了原图像的完整轮廓，但由于删除点判断条件缺陷，细化结果无法保证完全为单像素骨架，且处理后的图像可能会存在单像素噪声点，诸如此类的缺点会影响后续条纹级次标定算法，使得标定算法过于繁琐，影响算法速度，甚至影响标定结果。
发明内容
本发明的目的是为了克服现有技术中的不足，提供一种用于干涉条纹分析的手机APP，解决传统干涉条纹判读仪器体积巨大、价格昂贵、不便于普及等问题，并对条纹细化、条纹级次标定算法进行了改进。
本发明的目的是通过以下技术方案实现的：
一种用于干涉条纹分析的手机APP，该APP可基于手机系统用Java语言进行功能实现，包括以下两个部分：
人机交互P1：所述手机APP界面主要由A、B、C三个页面构成，页面A为消息推送页面，页面B为干涉条纹分析页面，页面C为个人信息页面；使用者通过点击APP界面下方的三个按钮进行页面切换；
数据处理P2：该部分为分别与人机交互三个页面对应的相关算法，即与APP开发者对接进行消息推送并显示在APP界面的消息推送算法、根据APP使用者要求进行干涉条纹分析与处理的干涉条纹分析算法以及根据APP使用者信息输入链接至APP后端的个人信息数据链接算法。
其中，人机交互P1中各页面具体内容如下：
页面A用于消息推送，包括“光学知识”、“光学新闻”及“生活中光学现象解释”内容的推送；
页面B用于干涉条纹分析，使用者在此页面进行条纹分析相关操作；
页面C内的个人信息包括个人账号、条纹分析使用说明、条纹分析历史、APP使用反馈四个模块。
具体的，进行干涉条纹分析的页面B包括以下操作步骤：
步骤S1：使用者点击首页下方按钮切换至页面B，调用手机摄像机拍摄干涉图或直接从手机相册中调用已有干涉图；
步骤S2：使用者根据实际应用情况手动裁剪干涉图，舍弃不包含干涉图的背景区域，此步骤可跳过；
步骤S3：使用者根据实际应用情况，手动标出处理的中心轴线，此步骤可跳过；
步骤S4：使用者根据实际应用情况，选择滤波次数，此步骤可跳过，默认滤波次数为1；
步骤S5：使用者根据实际应用情况，单项或多项选择需要分析的干涉图信息，可选择项有：干涉条纹中明条纹数目、中心轴线处各条纹像素间距、当前范围表面形貌的最大峰谷值(PV值)、表面形貌的均方根值(RMS值)和拟合面形；
步骤S6：使用者点击“开始分析”按钮，进行图像数据处理；
步骤S7：读取图像数据处理部分的反馈，并根据步骤S5中使用者选择情况在页面显示干涉条纹分析结果。
具体的，页面C中条纹分析使用说明具体内容为：使用者根据实际情况进行干涉图像的拍摄、选择、裁剪、处理中心轴线选取以及分析内容选取；其中裁剪部分为使用者手动裁减掉不包含干涉条纹的部分或使用者不进行处理的条纹部分；若使用者需要获得中心轴线处条纹像素间距，需进行处理中心轴线选取，处理结果将为轴线方向的条纹间距。
其中，数据处理P2中所述的干涉条纹分析算法包括以下步骤：
步骤S101：对人机交互部分页面B操作步骤S2得到的裁剪后图像进行中值滤波，得到滤波处理后的干涉条纹图像，滤波次数为人机交互部分页面B操作步骤S4使用者选择的次数；
步骤S102：对滤波后的干涉条纹图像进行灰度化、二值化与孔洞填充，得到二值化干涉条纹图像；
步骤S103：应用改进的Zhang并行快速细化算法对二值化干涉图像进行条纹亮度中心提取，得到单像素干涉条纹骨架图像；
步骤S104：基于干涉条纹的特点对步骤S103得到的单像素干涉条纹骨架图像进行毛刺处理与断点连接处理，得到完整、平滑的单像素干涉条纹骨架图像；
步骤S105：根据完整的干涉条纹骨架图像进行干涉条纹级次标定；
步骤S106：根据人机交互部分页面B操作步骤S5中使用者选择的分析目标选择性的进行以下步骤；
步骤S107：若使用者选择了“干涉条纹中明条纹数目”，则根据级次标定结果获得干涉条纹中明条纹数目；
步骤S108：若使用者选择了“中心轴线处各条纹像素间距”，则沿人机交互部分页面B操作步骤S3中选择的中心轴线方向结合步骤S104处理后的单像素干涉条纹骨架图像计算中心轴线处各条纹像素间距；
步骤S109：若使用者选择了“当前范围表面形貌的最大峰谷值(PV值)”或“表面形貌的均方根值(RMS值)”或“拟合面形”，则根据标定的完整干涉条纹骨架图像，利用Zernike多项式进行面形拟合，得到面形拟合结果；
步骤S110：若使用者选择了“当前范围表面形貌的最大峰谷值(PV值)”，则根据面形拟合结果进行面形偏差指标PV值计算；
步骤S111：若使用者选择了“表面形貌的均方根值(RMS值)”，则根据面形拟合结果进行面形偏差指标RMS值计算；
步骤S112：将干涉条纹中明条纹数目、中心轴线处各条纹像素间距、面形拟合结果、PV值与RMS值的信息反馈于人机交互部分页面B操作步骤S7。
具体的，步骤S103中改进的Zhang并行快速细化算法具体步骤为：
步骤S31：该算法模板为，当前像素点记为P1，以当前像素点为中心的3*3模板中，以中心像素点正上方的像素点开始沿逆时针方向进行标记，分别记为P2、P3、P4、P5、P6、P7、P8、P9；规定1表示黑色，0表示白色，二值化后条纹为黑色，背景为白色；
步骤S32：若P1＝1且周围像素点均为零，即P1+P2+P3+P4+P5+P6+P7+P8+P9＝0，则将P1标记为待删除；
步骤S33：若P1＝1且以下四个条件同时满足则将P1标记为待删除：
条件C1：2≤N(P1)≤6
条件C2：S(P1)＝1或Z(P1)＝1
条件C3：P2*P4*P6＝0
条件C4：P4*P6*P8＝0
其中N(P1)表示与P1相邻的8个像素点中像素值为1的像素点的个数；S(P1)表示从P2-P9-P2像素中出现0-1的变化的累计次数；Z(P1)表示与P1相邻的8个像素点中像素值为1的像素点中间相隔的0像素值的个数；
步骤S34：重复步骤S33，但将条件C3改为：P2*P4*P8＝0；将条件C4改为：P2*P6*P8＝0；
步骤S35：对图像反复执行步骤S32与S33直至没有可删除的点为止；
步骤S36：删除所有标记的点，即令P1＝0。
具体的，步骤S33中条件C2中的Z(P1)的计算方式具体为：
步骤S321：规定以P1为中心的3*3模板中，其周围八个像素点，标记其中一个像素值为1的像素点为p0，沿顺时针方向该像素点周围分别标记为p-1、p-2、p-3…，沿逆时针方向该像素点周围分别标记为p+1，p+2，p+3…；
步骤S322：当S(P1)＝2，N(P1)＝2，p0＝1时，若满足等式p0+p+2＝2或p0+p-2＝2，则Z(P1)＝1；
步骤S323：当S(P1)＝2，N(P1)＝3，p0＝1时，若满足等式p0+p+1+p+2+p+3＝3或p0+p-1+p-2+p-3＝3或p0+p-1+p+1+p+2＝3，则Z(P1)＝1；
步骤S324：当S(P1)＝2，N(P1)＝4，p0＝1且p-1+p+1>0时，若满足等式p0+p+1+p+2+p+3+p+4＝4或p0+p-1+p-2+p-3+p+1＝4或p0+p-1+p+1+p+2+p+3＝4或p0+p-1+p-2+p-3+p-4＝4，则Z(P1)＝1；
具体的，步骤S105中干涉条纹级次标定具体为：
步骤S51：从第一行开始逐行扫描单像素干涉条纹骨架图像，直到找到第一个灰度值为255的像素点，将该点标记为数字i＝1；
步骤S52：寻找当前标记点周围的8个像素点是否有未标记的点，如果有则将该点标记为与当前点相同的数字，并再次进行步骤S52的操作，如果没有则进入步骤S53；
步骤S53：再次从第一行开始逐行扫描单像素干涉条纹骨架图像，直到找到第一个灰度值为255并且未被标记的像素点，将该点标记为上次标记数字i+1，然后进入步骤S52，直至所有骨架像素点均被标记。
具体的，步骤S108中计算中心轴线处各条纹像素间距步骤具体为：
步骤S81：获取人机交互部分步骤S3的中心轴线方向与轴线位置；
步骤S82：从图像与轴线最左边的交点开始，向右沿轴线方向寻找像素值为1的像素点，并依次记录下每两个相邻像素值为1的像素点之间相隔的像素个数。
具体的，步骤S109中利用Zernike多项式进行面形拟合具体为：
步骤S91：光学面形变化应用Zernike多项式拟合的表达式为：
H＝a1Z1+a2Z2+...+ajZj (1)
其中，H为光学平面的面形变化，Zj为第j项Zernike多项式，aj为第j项Zernike多项式的系数，本发明取前15项，即j＝15；
步骤S92：对单像素条纹骨架进行采样，采样点数m应满足m>j，本发明取m＝30，在笛卡尔坐标系下进行拟合如下：
步骤S93：根据公式(2)进行最小二乘法运算，即可求得Zernike多项式的系数；
步骤S94：将各数据点的坐标(x，y)代入已知系数的公式(1)即可求解出各点对应的面形相对变化值；
步骤S95：根据各点对应的相对面形变化值进行面形拟合
与现有技术相比，本发明的技术方案所带来的有益效果是：
1.本发明用于干涉条纹分析的手机APP基于手机开发系统应用Java语言完成干涉条纹的图像处理。使用者可通过下载安装APP至手机上，拍摄干涉图像然后进行干涉条纹分析，分析结果(包括干涉条纹中明条纹数目、中心轴线处各条纹像素间距、面形拟合结果、PV值与RMS值)会根据使用者的选择显示在手机APP结果展示的界面上。该APP相比于传统的干涉条纹判读仪来说成本大幅度降低、操作方便、体积小且具有便携性，适用于一些无力支付昂贵的干涉条纹判读仪的中小型企业，而且可推广普及用于高校的光学实验中。
2.本发明还对Zhang并行快速细化算法进行了改进，改进后的算法通过扩充删除点的检测条件，完善了原算法提取的骨架存在多像素的缺陷，提取的干涉条纹骨架均为单像素骨架，分支更少、不含单像素噪声点且仍旧完好保留干涉条纹的原有轮廓。在单像素骨架的基础上，本发明提出了一种简便的条纹标定算法，一次循环仅需检测周围一个像素点，标定速度更快且标定准确。
附图说明
图1是本发明的页面A模拟示意图；
图2是本发明的页面B模拟示意图；
图3是本发明的页面C模拟示意图；
图4是本发明的页面C中条纹使用分析说明板块模拟示意图；
图5是本发明的干涉图裁剪页面模拟示意图；
图6是本发明的中心轴线选择页面模拟示意图；
图7是本发明的滤波次数、分析内容选择页面模拟示意图；
图8是本发明的分析结果展示页面模拟示意图；
图9是本发明的数据处理流程图；
图10是Zhang并行快速细化算法的3*3模板；
图11是求解Z(P)的3*3模板。
具体实施方式
以下结合附图和具体实施例对本发明作进一步详细说明。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。
本发明保护的是一种用于干涉条纹分析的手机APP，其技术方案为：本APP可基于手机系统用Java语言进行功能实现，主要包括以下部分：
人机交互P1：该手机APP界面主要有A、B、C三个分界面，分别命名为“消息”页面、“分析”页面以及“个人”页面，使用者可通过点击APP界面下方的三个按钮进行页面切换，按钮从左至右分别为“消息”“分析”“个人”。
数据处理P2：该部分为分别与人机交互三个页面对应的相关算法，即与APP开发者对接进行消息推送并显示在APP界面的消息推送算法、根据APP使用者要求进行干涉条纹分析与处理的干涉条纹分析算法以及根据APP使用者信息输入链接至APP后端的个人信息数据链接算法。
其中，人机交互部分中各页面具体内容如下：
页面A：如图1所示，此页面为“消息”，包括“光学知识”、“光学新闻”以及“生活中光学现象解释”内容的推送；
页面B：如图2所示，此页面为“分析”，是干涉条纹分析主页面；
页面C：如图3所示，此页面为“个人”，包括个人账号、条纹分析使用说明、条纹分析历史、APP使用反馈。
其中，人机交互界面中进行干涉条纹分析的“分析”页面包括以下操作步骤：
步骤S1：使用者点击首页下方“分析”按钮切换至“分析页面”，如图2所示，调用手机摄像机拍摄干涉图或直接从手机相册中调用已有干涉图；
步骤S2：如图5所示，使用者根据实际应用情况手动裁剪干涉图，舍弃不包含干涉图的背景区域，此步骤可跳过；
步骤S3：如图6所示，使用者根据实际应用情况，手动标出处理的中心轴线，此步骤可跳过；
步骤S4：如图7上半部分所示，使用者根据实际应用情况，选择滤波次数(可选择2-4次)，此步骤可跳过，默认滤波次数为1；
步骤S5：如图7下半部分所示，使用者根据实际应用情况，选择需要分析的干涉图信息，可选择项有：干涉条纹中明条纹数目、中心轴线处各条纹像素间距、当前范围表面形貌的最大峰谷值(PV值)、表面形貌的均方根值(RMS值)、拟合面形(可多选)；
步骤S6：使用者点击如图7底部所示的“开始分析”按钮，进行图像数据处理(P2)；
步骤S7：读取图像数据处理部分的反馈，并根据步骤S5中使用者选择情况在如图8所示的结果显示页面显示干涉条纹分析结果。
人机交互界面中“个人”页面C中条纹分析使用说明(如图4所示)，其具体内容为：
使用者可根据实际情况进行干涉图像的拍摄、选择、裁剪、处理中心轴线选取以及分析内容选取。其中裁剪部分需要使用者手动裁减掉不包含干涉条纹的部分或使用者不进行处理的条纹部分；若使用者需要获得中心轴线处条纹像素间距，则需进行处理中心轴线选取，处理结果将为轴线方向的条纹间距。
其所述的数据处理部分干涉条纹分析算法处理流程如图9所示，具体包括以下步骤：
步骤S101：对人机交互部分“分析”页面B操作步骤S2得到的图像进行中值滤波，得到滤波处理后的干涉条纹图像，滤波次数为人机交互部分“分析”页面B操作步骤S4使用者选择的次数；
步骤S102：对滤波后的干涉条纹图像进行灰度化、二值化与孔洞填充，得到二值化干涉条纹图像；
步骤S103：应用改进的Zhang并行快速细化算法对二值化干涉图像进行条纹亮度中心提取，得到单像素干涉条纹骨架图像；
步骤S104：基于干涉条纹的特点对步骤S103得到的单像素干涉条纹骨架图像进行毛刺处理与断点连接处理，得到完整的单像素干涉条纹骨架图像；
步骤S105：根据完整的单像素干涉条纹骨架图像进行干涉条纹级次标定；
步骤S106：根据人机交互部分“分析”页面B操作步骤S5中使用者选择的分析目标选择性的进行以下步骤；
步骤S107：若使用者选择了“干涉条纹中明条纹数目”，则根据级次标定结果获得干涉亮条纹的条纹数目；
步骤S108：若使用者选择了“中心轴线处各条纹像素间距”，则沿人机交互部分“分析”页面B操作步骤S3中选择的中心轴线方向结合步骤S104处理后的单像素条纹骨架图像计算条纹间的距离；
步骤S109：若使用者选择了“当前范围表面形貌的最大峰谷值(PV值)”或“表面形貌的均方根值(RMS值)”或“拟合面形”，则根据标定的完整干涉条纹骨架图像，利用Zernike多项式进行面形拟合，得到面形拟合结果；
步骤S110：若使用者选择了“当前范围表面形貌的最大峰谷值(PV值)”，则根据面形拟合结果进行面形偏差指标PV值计算；
步骤S111：若使用者选择了“表面形貌的均方根值(RMS值)”，则根据面形拟合结果进行面形偏差指标RMS值计算；
步骤S112：将干涉条纹中明条纹数目、中心轴线处各条纹像素间距、面形拟合结果、PV值与RMS值等信息反馈于人机交互部分“分析”页面B操作步骤S7。
数据处理部分中所述的步骤S103中改进的Zhang并行快速细化算法具体步骤为：
步骤S31：该算法模板如图10所示，当前像素点记为P1，以当前像素点为中心的3*3模板中，以中心像素点正上方的像素点开始沿逆时针方向进行标记，分别记为P2、P3、P4、P5、P6、P7、P8、P9；规定1表示黑色，0表示白色，二值化后条纹为黑色，背景为白色；
步骤S32：若P1＝1且周围像素点均为零，即P1+P2+P3+P4+P5+P6+P7+P8+P9＝0，则将P1标记为待删除；
步骤S33：若P1＝1且以下四个条件同时满足则将P1标记为待删除：
条件C1：2≤N(P1)≤6
条件C2：S(P1)＝1或Z(P1)＝1
条件C3：P2*P4*P6＝0
条件C4：P4*P6*P8＝0
其中N(p1)表示与P1相邻的8个像素点中像素值为1的像素点的个数；S(P1)表示从P2-P9-P2像素中出现0-1的变化的累计次数；Z(P1)表示与P1相邻的8个像素点中像素值为1的像素点中间相隔的0像素值的个数。
步骤S34：重复步骤S33，但将条件C3改为：P2*P4*P8＝0；将条件C4改为：P2*P6*P8＝0；
步骤S35：对图像反复执行步骤S32与S33直至没有可删除的点为止；
步骤S36：删除所有标记的点(即令P1＝0)。
步骤S33中条件C2中的Z(P1)的计算方式具体为：
步骤S321：计算模板如图11所示，规定以P1为中心的3*3模板中，其周围八个像素点，标记其中一个像素值为1的像素点为p0，沿顺时针方向该像素点周围分别标记为p-1、p-2、p-3等，沿逆时针方向该像素点周围分别标记为p+1，p+2，p+3等。
步骤S322：当S(P1)＝2，N(P1)＝2，p0＝1时，若满足等式p0+p+2＝2或p0+p-2＝2，则Z(P1)＝1；
步骤S323：当S(P1)＝2，N(P1)＝3，p0＝1时，若满足等式p0+p+1+p+2+p+3＝3或p0+p-1+p-2+p-3＝3或p0+p-1+p+1+p+2＝3，则Z(P1)＝1；
步骤S324：当S(P1)＝2，N(P1)＝4，p0＝1且p-1+p+1>0时，若满足等式p0+p+1+p+2+p+3+p+4＝4或p0+p-1+p-2+p-3+p+1＝4或p0+p-1+p+1+p+2+p+3＝4或p0+p-1+p-2+p-3+p-4＝4，则Z(P1)＝1；
具体的，数据处理部分中步骤S105干涉条纹级次标定具体为：
步骤S51：从第一行开始逐行扫描单像素干涉条纹骨架图像，直到找到第一个灰度值为255的像素点，将该点标记为数字i＝1；
步骤S52：寻找当前标记点周围的8个像素点是否有未标记的点，如果有则将该点标记为与当前点相同的数字，并再次进行步骤S52的操作，如果没有则进入步骤S53；
步骤S53：再次从第一行开始逐行扫描单像素干涉条纹骨架图像，直到找到第一个灰度值为255并且未被标记的像素点，将该点标记为上次标记数字i+1，然后进入步骤S52，直至所有骨架像素点均被标记。
具体的，数据处理部分中步骤S108中计算中心轴线处条纹像素间距步骤具体为：
步骤S81：获取人机交互(P1)部分步骤S3的中心轴线方向与轴线位置；
步骤S82：从图像与轴线最左边的交点开始，向右沿轴线方向寻找像素值为1的像素点，并依次记录下每两个相邻像素值为1的像素点之间相隔的像素个数。
具体的，数据处理部分中所述的步骤S109中利用Zernike多项式进行面形拟合具体为：
步骤S91：光学面形变化应用Zernike多项式拟合的表达式为：
H＝a1Z1+a2Z2+...+ajZj (1)
其中，H为光学平面的面形变化，Zj为第j项Zernike多项式，aj为第j项Zernike多项式的系数，在本次设计选取Zernike多项式的前15项，即取j＝15。
步骤S92：对单像素的条纹骨架进行采样，采样点数m应满足m>j，本次设计选取m＝30。在笛卡尔坐标系下进行拟合如下：
步骤S93：根据公式(2)进行最小二乘法运算，即可求得Zernike多项式的系数aj；
步骤S94：将各数据点的坐标(x，y)代入已知系数的公式(1)即可求解出各点对应的面形相对变化值；
步骤S95：根据各点对应的相对面形变化值进行面形拟合。
本发明数据处理部分所述的步骤S10中PV值计算公式为：
EPV＝Emax-Emin (3)
其中，EPV为PV值，Emax为待测波面相对于参考波面偏差的峰值，Emin为待测波面相对于参考波面偏差的谷值。
本发明数据处理部分所述的步骤S11中RMS值计算公式为：
其中，ERMS为RMS值，Ei为待测波面相对于参考波面各点的偏差，N为待测波面的点数。
本发明并不限于上文描述的实施方式。以上对具体实施方式的描述旨在描述和说明本发明的技术方案，上述的具体实施方式仅仅是示意性的，并不是限制性的。在不脱离本发明宗旨和权利要求所保护的范围情况下，本领域的普通技术人员在本发明的启示下还可做出很多形式的具体变换，这些均属于本发明的保护范围之内。

Claims (10)

1.一种用于干涉条纹分析的手机APP，其特征在于，基于手机系统用Java语言进行功能实现，包括以下两个部分：
人机交互P1：所述手机APP界面主要由A、B、C三个页面构成，页面A为消息推送页面，页面B为干涉条纹分析页面，页面C为个人信息页面；使用者通过点击APP界面下方的三个按钮进行页面切换；
数据处理P2：该部分包括分别与人机交互部分A、B、C三个页面对应的相关算法，即与APP开发者对接进行消息推送并显示在APP界面的消息推送算法、根据APP使用者要求进行干涉条纹分析与处理的干涉条纹分析算法以及根据APP使用者信息输入连接至APP后端的个人信息数据链接算法。
2.根据权利要求1中所述的一种用于干涉条纹分析的手机APP，其特征在于，所述的人机交互P1中各页面具体内容如下：
页面A用于消息推送，包括“光学知识”、“光学新闻”及“生活中光学现象解释”内容的推送；
页面B用于干涉条纹分析，使用者在此页面进行条纹分析相关操作；
页面C内的个人信息包括个人账号、条纹分析使用说明、条纹分析历史、APP使用反馈四个模块。
3.根据权利要求1或2所述的一种用于干涉条纹分析的手机APP，其特征在于，进行干涉条纹分析的页面B包括以下操作步骤：
步骤S1：使用者点击首页下方按钮切换至页面B，调用手机摄像机拍摄干涉图或直接从手机相册中调用已有干涉图；
步骤S2：使用者根据实际应用情况手动裁剪干涉图，舍弃不包含干涉图的背景区域，此步骤可跳过；
步骤S3：使用者根据实际应用情况，手动标出处理的中心轴线，此步骤可跳过；
步骤S4：使用者根据实际应用情况，选择滤波次数，此步骤可跳过，默认滤波次数为1；
步骤S5：使用者根据实际应用情况，单项或多项选择需要分析的干涉图信息，可选择项有：干涉条纹中明条纹数目、中心轴线处各条纹像素间距、当前范围表面形貌的最大峰谷值(PV值)、表面形貌的均方根值(RMS值)和拟合面形；
步骤S6：使用者点击“开始分析”按钮，进行图像数据处理；
步骤S7：读取图像数据处理部分的反馈，并根据步骤S5中使用者选择情况在页面显示干涉条纹分析结果。
4.根据权利要求2所述的一种用于干涉条纹分析的手机APP，其特征在于，页面C中条纹分析使用说明具体内容为：使用者根据实际情况进行干涉图像的拍摄、选择、裁剪、处理中心轴线选取以及分析内容选取；其中裁剪部分为使用者手动裁减掉不包含干涉条纹的部分或使用者不进行处理的条纹部分；若使用者需要获得中心轴线处条纹像素间距，需进行处理中心轴线选取，处理结果将为轴线方向的条纹间距。
5.根据权利要求1中所述的一种用于干涉条纹分析的手机APP，其特征在于，数据处理P2中所述的干涉条纹分析算法包括以下步骤：
步骤S101：对人机交互部分页面B操作步骤S2得到的裁剪后图像进行中值滤波，得到滤波处理后的干涉条纹图像，滤波次数为人机交互部分页面B操作步骤S4使用者选择的次数；
步骤S102：对滤波后的干涉条纹图像进行灰度化、二值化与孔洞填充，得到二值化干涉条纹图像；
步骤S103：应用改进的Zhang并行快速细化算法对二值化干涉图像进行条纹亮度中心提取，得到单像素干涉条纹骨架图像；
步骤S104：基于干涉条纹的特点对步骤S103得到的单像素干涉条纹骨架图像进行毛刺处理与断点连接处理，得到完整、平滑的单像素干涉条纹骨架图像；
步骤S105：根据完整的干涉条纹骨架图像进行干涉条纹级次标定；
步骤S106：根据人机交互部分页面B操作步骤S5中使用者选择的分析目标选择性的进行以下步骤；
步骤S107：若使用者选择了“干涉条纹中明条纹数目”，则根据级次标定结果获得干涉条纹中明条纹数目；
步骤S108：若使用者选择了“中心轴线处各条纹像素间距”，则沿人机交互部分页面B操作步骤S3中选择的中心轴线方向结合步骤S104处理后的单像素干涉条纹骨架图像计算中心轴线处各条纹像素间距；
步骤S109：若使用者选择了“当前范围表面形貌的最大峰谷值(PV值)”或“表面形貌的均方根值(RMS值)”或“拟合面形”，则根据标定的完整干涉条纹骨架图像，利用Zernike多项式进行面形拟合，得到面形拟合结果；
步骤S110：若使用者选择了“当前范围表面形貌的最大峰谷值(PV值)”，则根据面形拟合结果进行面形偏差指标PV值计算；
步骤S111：若使用者选择了“表面形貌的均方根值(RMS值)”，则根据面形拟合结果进行面形偏差指标RMS值计算；
步骤S112：将干涉条纹中明条纹数目、中心轴线处各条纹像素间距、面形拟合结果、PV值与RMS值的信息反馈于人机交互部分页面B操作步骤S7。
6.根据权利要求5中所述的一种用于干涉条纹分析的手机APP，其特征在于，步骤S103中改进的Zhang并行快速细化算法具体步骤为：
步骤S31：该算法模板为，当前像素点记为P1，以当前像素点为中心的3*3模板中，以中心像素点正上方的像素点开始沿逆时针方向进行标记，分别记为P2、P3、P4、P5、P6、P7、P8、P9；规定1表示黑色，0表示白色，二值化后条纹为黑色，背景为白色；
步骤S32：若P1＝1且周围像素点均为零，即P1+P2+P3+P4+P5+P6+P7+P8+P9＝0，则将P1标记为待删除；
步骤S33：若P1＝1且以下四个条件同时满足则将P1标记为待删除：
条件C1：2≤N(P1)≤6
条件C2：S(P1)＝1或Z(P1)＝1
条件C3：P2*P4*P6＝0
条件C4：P4*P6*P8＝0
其中N(P1)表示与P1相邻的8个像素点中像素值为1的像素点的个数；S(P1)表示从P2-P9-P2像素中出现0-1的变化的累计次数；Z(P1)表示与P1相邻的8个像素点中像素值为1的像素点中间相隔的0像素值的个数；
步骤S34：重复步骤S33，但将条件C3改为：P2*P4*P8＝0；将条件C4改为：P2*P6*P8＝0；
步骤S35：对图像反复执行步骤S32与S33直至没有可删除的点为止；
步骤S36：删除所有标记的点，即令P1＝0。
7.根据权利要求6中所述的一种用于干涉条纹分析的手机APP，其特征在于，步骤S33中条件C2中的Z(P1)的计算方式具体为：
步骤S321：规定以P1为中心的3*3模板中，其周围八个像素点，标记其中一个像素值为1的像素点为p0，沿顺时针方向该像素点周围分别标记为p-1、p-2、p-3…，沿逆时针方向该像素点周围分别标记为p+1，p+2，p+3…；
步骤S322：当S(P1)＝2，N(P1)＝2，p0＝1时，若满足等式p0+p+2＝2或p0+p-2＝2，则Z(P1)＝1；
步骤S323：当S(P1)＝2，N(P1)＝3，p0＝1时，若满足等式p0+p+1+p+2+p+3＝3或p0+p-1+p-2+p-3＝3或p0+p-1+p+1+p+2＝3，则Z(P1)＝1；
步骤S324：当S(P1)＝2，N(P1)＝4，p0＝1且p-1+p+1>0时，若满足等式p0+p+1+p+2+p+3+p+4＝4或p0+p-1+p-2+p-3+p+1＝4或p0+p-1+p+1+p+2+p+3＝4或p0+p-1+p-2+p-3+p-4＝4，则Z(P1)＝1。
8.根据权利要求5中所述的一种用于干涉条纹分析的手机APP，其特征在于，步骤S105中干涉条纹级次标定具体为：
步骤S51：从第一行开始逐行扫描单像素干涉条纹骨架图像，直到找到第一个灰度值为255的像素点，将该点标记为数字i＝1；
步骤S52：寻找当前标记点周围的8个像素点是否有未标记的点，如果有则将该点标记为与当前点相同的数字，并再次进行步骤S52的操作，如果没有则进入步骤S53；
步骤S53：再次从第一行开始逐行扫描单像素干涉条纹骨架图像，直到找到第一个灰度值为255并且未被标记的像素点，将该点标记为上次标记数字i+1，然后进入步骤S52，直至所有骨架像素点均被标记。
9.根据权利要求5中所述的一种用于干涉条纹分析的手机APP，其特征在于，步骤S108中计算中心轴线处各条纹像素间距步骤具体为：
步骤S81：获取人机交互部分步骤S3的中心轴线方向与轴线位置；
步骤S82：从图像与轴线最左边的交点开始，向右沿轴线方向寻找像素值为1的像素点，并依次记录下每两个相邻像素值为1的像素点之间相隔的像素个数。
10.根据权利要求5中所述的一种用于干涉条纹分析的手机APP，其特征在于，步骤S109中利用Zernike多项式进行面形拟合具体为：
步骤S91：光学面形变化应用Zernike多项式拟合的表达式为：
H＝a1Z1+a2Z2+...+ajZj (1)
其中，H为光学平面的面形变化，Zj为第j项Zernike多项式，aj为第j项Zernike多项式的系数，取前15项，即j＝15；
步骤S92：对单像素的条纹骨架进行采样，采样点数m应满足m>j，取m＝30，在笛卡尔坐标系下进行拟合如下：
步骤S93：根据公式(2)进行最小二乘法运算，即可求得Zernike多项式的系数；
步骤S94：将各数据点的坐标(x，y)代入已知系数的公式(1)即可求解出各点对应的面形相对变化值；
步骤S95：根据各点对应的相对面形变化值进行面形拟合。
CN201910435913.9A 2019-05-23 2019-05-23 一种用于干涉条纹分析的手机app Active CN110232677B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910435913.9A CN110232677B (zh) 2019-05-23 2019-05-23 一种用于干涉条纹分析的手机app

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910435913.9A CN110232677B (zh) 2019-05-23 2019-05-23 一种用于干涉条纹分析的手机app

Publications (2)

Publication Number Publication Date
CN110232677A true CN110232677A (zh) 2019-09-13
CN110232677B CN110232677B (zh) 2023-04-07

Family

ID=67861098

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910435913.9A Active CN110232677B (zh) 2019-05-23 2019-05-23 一种用于干涉条纹分析的手机app

Country Status (1)

Country Link
CN (1) CN110232677B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112085752A (zh) * 2020-08-20 2020-12-15 浙江华睿科技有限公司 一种图像的处理方法、装置、设备及介质
CN113808080A (zh) * 2021-08-12 2021-12-17 常州大学 一种手机摄像孔玻璃面板干涉条纹数目的检测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106384095A (zh) * 2016-09-19 2017-02-08 西安理工大学 基于手机拍摄图像的轿车故障指示灯识别方法
CN109190310A (zh) * 2018-10-25 2019-01-11 福建师范大学 基于matlab平台的干涉条纹波面重建方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106384095A (zh) * 2016-09-19 2017-02-08 西安理工大学 基于手机拍摄图像的轿车故障指示灯识别方法
CN109190310A (zh) * 2018-10-25 2019-01-11 福建师范大学 基于matlab平台的干涉条纹波面重建方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
蔡怀宇等: "基于两步相移干涉的微表面形貌检测系统", 《激光技术》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112085752A (zh) * 2020-08-20 2020-12-15 浙江华睿科技有限公司 一种图像的处理方法、装置、设备及介质
CN112085752B (zh) * 2020-08-20 2024-01-30 浙江华睿科技股份有限公司 一种图像的处理方法、装置、设备及介质
CN113808080A (zh) * 2021-08-12 2021-12-17 常州大学 一种手机摄像孔玻璃面板干涉条纹数目的检测方法
CN113808080B (zh) * 2021-08-12 2023-10-24 常州大学 一种手机摄像孔玻璃面板干涉条纹数目的检测方法

Also Published As

Publication number Publication date
CN110232677B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
CN110599548A (zh) 摄像头的标定方法、装置、相机及计算机可读存储介质
CN104050446B (zh) 一种基于指针宽度特征的仪表指针图像识别方法
CN113240626B (zh) 一种基于神经网络的玻璃盖板凹凸型瑕疵检测与分类方法
CN102704215B (zh) 基于dst文件解析与机器视觉结合的绣布自动切割方法
CN109446982B (zh) 一种基于ar眼镜的电力屏柜压板状态识别方法及系统
CN103439348B (zh) 基于差影法的遥控器按键缺陷检测方法
CN111738229B (zh) 一种指针表盘刻度的自动读取方法
CN105989588B (zh) 一种异形材料切割图像校正方法及系统
HUE026478T2 (en) A method for generating master data to control forward and outgoing form
CN111127417B (zh) 一种基于sift特征匹配和改进ssd算法的印刷缺陷检测方法
CN109271023B (zh) 一种基于三维对象外形轮廓徒手手势动作表达的选择方法
CN112434699A (zh) 手写汉字或偏旁、笔划的自动提取及智能评分系统
CN110232677A (zh) 一种用于干涉条纹分析的手机app
CN110443235B (zh) 一种智能纸质试卷总分识别方法及系统
CN107992483A (zh) 用于手势指点翻译的方法、装置及电子设备
CN113657409A (zh) 车辆损失检测方法、装置、电子设备及存储介质
CN111524224A (zh) 一种电力变压器表面温度分布的全景成像方法
CN108460833A (zh) 一种基于bim构建传统建筑数字化保护与修复的信息平台
CN115345881A (zh) 一种基于计算机视觉的路面病害检测方法
CN103761011B (zh) 一种虚拟触摸屏的方法、系统及计算设备
CN109146768A (zh) 图像变换方法、系统及应用
CN110007764B (zh) 一种手势骨架识别方法、装置、系统及存储介质
CN114463770A (zh) 一种用于普遍试卷题目的智能切题方法
CN102592302A (zh) 数字化卡通智能动检系统及动检方法
CN112907973A (zh) 机动车打刻编码的高精度完整信息采集与真实3d形貌复原比对系统及方法

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