CN110455219A - 一种基于误差扩散抖动算法的三维成像方法 - Google Patents
一种基于误差扩散抖动算法的三维成像方法 Download PDFInfo
- Publication number
- CN110455219A CN110455219A CN201910604579.5A CN201910604579A CN110455219A CN 110455219 A CN110455219 A CN 110455219A CN 201910604579 A CN201910604579 A CN 201910604579A CN 110455219 A CN110455219 A CN 110455219A
- Authority
- CN
- China
- Prior art keywords
- error
- pixel
- value
- error diffusion
- dither algorithm
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
- G01B11/25—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object
- G01B11/2518—Projection by scanning of the object
- G01B11/2527—Projection by scanning of the object with phase change by in-plane movement of the patern
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于误差扩散抖动算法的三维成像方法，包括以下步骤：获取误差扩散抖动算法中的阈值：所述阈值根据像素周围矩阵内灰度平均值和误差补偿参数得到；将待测像素点原灰度值与误差扩散过程中引入的量化误差相加，依次计算全图每个像素点临时灰度值，将所述临时灰度值与a中所述阈值进行比较，当临时灰度值大于所述阈值时，像素输出为255，反之，像素输出为0；根据所述输出像素进行离焦得到三维成像。本发明通过阈值优化方式来进行三维结构光成像的优化，以有效提高散焦光栅的正弦性，减小成像误差。
Description
技术领域
本发明涉及一种成像方法，尤其涉及一种基于误差扩散抖动算法的三维成像方法。
背景技术
结构光相移法因具有非接触式、处理快速和精度高的特点，在三维形貌测量领域占有重要的地位。包括三步、四步和N步相移法在内的各种相移法用于物体的三维重构，相移法投影的条纹数目越多精确度越高。
在实际的结构光三维测量过程中，可以通过离焦二元编码技术使得二值图像近似模拟正弦条纹，解决非线性效应对三维测量的影响。离焦二元编码只有0和1两个值，不需要进行非线性标定和校正，降低了对检测设备的要求。
抖动算法在离焦结构光三维测量中具有良好的表现，抖动算法处理后的二值图案，经过离焦操作，可以得到高质量的正弦条纹。常见的抖动算法包括随机抖动、有序抖动和误差扩散抖动等，这些方法存在的缺陷如下：
(1)商用数字投影仪非线性影响正弦条纹的正弦性，对实验测量结果造成干扰；
(2)离焦二元编码结构光受到高次谐波的影响，条纹正弦性较差；
(3)抖动算法存在量化误差，容易导致图像细节的丢失；
传统误差扩散抖动算法中，阈值通常取127，这导致量化误差在图像处理过程中不断累积，影响条纹正弦性。
发明内容
本发明为了解决传统误差扩散抖动算法中，阈值的取值导致量化误差在图像处理过程中不断累积，影响条纹正弦性的问题，提供了一种通过阈值优化方式来进行三维结构光成像的优化。
本发明所采取的技术方案为：一种基于误差扩散抖动算法的三维成像方法，包括以下步骤
a获取误差扩散抖动算法中的阈值：图案每个像素阈值根据像素周围3×3矩阵内灰度平均值和误差补偿参数得到；
b将待测像素点原灰度值与误差扩散过程中引入的量化误差相加，依次计算全图每个像素点临时灰度值，将该新灰度值与a中所述阈值进行比较，当临时灰度值大于所述阈值时，像素输出为255，反之，像素输出为0；
c根据所述输出像素进行离焦得到三维成像。
2、根据权利要求1所述的三维成像方法，其特征在于：所述误差补偿参数通过以下方法获得
a1在[a,b]区间内引入若干的误差补偿参数，根据步骤a获取若干误差补偿参数所对应的阈值；
a2根据所述阈值得到不同的抖动条纹图案；
a3对所述抖动条纹图案进行高斯滤波，模拟实验时的投影仪离焦功能得到高斯滤波后的条纹图案；
a4将所述高斯滤波后的条纹图案与抖动算法处理前标准正弦图案进行均方根误差计算；
a5比较均方根误差大小，均方根误差最小时所对应的误差补偿参数为所求误差补偿参数。
3、根据权利要求2所述的三维成像方法，其特征在于：(1)所述步骤a1中所述区间[a,b]为区间[0,100]，以间隔m为单位引入若干第一误差补偿参数，经步骤a2、a3、a4、a5获得均方根误差最小时的第一误差补偿参数γ1；
(2)根据γ1所处的区间[c,d]，以间隔n为单位再次引入若干第二误差补偿参数γ2，获得均方根误差最小时的第一误差补偿参数γ2，所述c大于a，d小于b，n小于m；
重复(2)若干次得到最终误差补偿参数γ。
进一步的，所述步骤a中阈值的计算方法为
式中，Aver(i,j)表示原图片每个像素位置的平均灰度，表示阈值，Imax表示原图像像素中最大灰度值，γ为误差补偿参数；
其中Aver(i,j)的计算方法为
x和y表示(i,j)像素周围8个像素点的位置信息，i,j表示像素位置，x，y公式里面取值为-1,0,1，这样就是保证把3×3的每个像素点灰度值都进行了相加。
进一步的，所述临时灰度值即原图像在待测像素点处加上周围像素误差扩散的量化误差后的灰度值计算方法为
式中，I'(i,j)表示原图像在(i,j)处加上周围像素误差扩散的量化误差后的灰度值，I(i,j)表示原图像(i,j)位置像素灰度值，h(m,n)表示抖动算法误差扩散的核函数，(m,n)表示核函数中的位置坐标，核函数矩阵区域用S表示，e(i-m,j-n)表示量化误差，通过核函数h(m,n)传递到相邻像素。
进一步的，所述h(m,n)计算方法为：
式中，X表示当前处理的像素，“＊”表示处理过的像素。
进一步的，所述e(i-m,j-n)计算方法为
e(i-m,j-n)＝I'(i-m,j-n)-D(i-m,j-n)
式中D(i-m,j-n)表示i-m,j-n处输出像素灰度值，大小为255或者0。
本发明所产生的有益效果包括：本发明通过阈值优化方式来进行三维结构光成像的优化。阈值优化方法将阈值进行动态化处理，考虑处理像素周围像素灰度值大小，引入参数γ进行阈值分析，以有效提高散焦光栅的正弦性，减小成像误差。
附图说明
图1结构光相移法成像装置图。
具体实施方式
下面结合具体实施例对本发明做进一步详细的解释说明，但应当理解为本发明的保护范围并不受具体实施例的限制。
如图1为结构光相移法成像装置图，图中Projector表示投影仪，CCD表示图像获取装置，即相机，h表示待测物体高度，L表示CCD距离标准面的高度。结构光相移法为采用投影仪向待测物体发射结构光，结构光通过物体反射至图像获取装置，然后采用各种相移法进行物体的三维重构。
通过N步相移法获取待测物体表面相位信息进行三维重建：
具体实施步骤如下：
(a)对于常见的等相移步距的N步相移方法，其第n幅投影正弦条纹图的图像灰度值In(x,y)可以描述为
In(x,y)＝A+Bcos[φ(x,y)+2nπ/N](n＝1,2,K,N) (7)
式中，A是背景光强大小，B是强度调制参量，φ(x,y)是相位编码值。可以通过反正切公式计算得到物体表面的相位信息。例如，对于四步相移法，φ(x,y)通常可以求解为
(b)根据阈值优化算法，在PC上获取改进后的N幅投影条纹；
(c)把待测物放在白色平板上，连接投影仪和PC；
(d)调节投影仪适当离焦，相机聚焦，将N幅条纹图像依次投影至待测物体表面；
(e)在投影过程中使用相机对物体表面情况进行拍照保存。
(f)取走待测物体，对白色平板进行步骤(d)中的投影操作，同时也采用相机进行拍照，作为背景相位信息使用；
(h)使用解包裹算法根据待测物检测前后条纹相位信息的变化，进行三维重建。
步骤(b)中阈值优化方法为：引入误差补偿参数γ设置阈值动态变化，充分考虑图像不同像素对抖动算法的影响，控制每个像素阈值各不相同，进而提升抖动算法的成像质量，提高条纹正弦性。具体计算公式为
式中，Aver(i,j)表示原图片每个像素位置的平均灰度，x和y表示(i,j)像素周围8个像素点的位置信息，表示阈值大小，Imax表示原图像像素中最大灰度值，γ是引入的误差补偿参数。γ取值如下：
a1在[0,100]区间内以10为间隔单位引入若干的第一误差补偿参数(0、10、20、30……90、100)，根据步骤a获取若干第一误差补偿参数所对应的不同阈值；
a2根据不同阈值得到不同的抖动条纹图案；
a3对得到的不同抖动条纹图案进行高斯滤波，模拟实验时的投影仪离焦功能得到高斯滤波后的条纹图案；
a4将高斯滤波后的条纹图案与抖动算法处理前标准正弦图案进行均方根误差计算；
a5比较均方根误差大小，均方根误差最小时所对应的第一误差补偿参数记为γ1，如通过比较得到均方根误差最小时第一误差补偿参数γ1为20，则根据γ1再次优化γ的取值空间，将取值空间定为[11,29]，以2为间隔单位，重新引入若干第二误差补偿参数(11、13、25……27、29)，得到所对应的阈值，重复步骤a2、a3、a4、a5；
经若干次优化取值区间后得到一相对理想的误差补偿参数γ，该误差补偿参数γ即为所求误差补偿参数。
通过将原图像在(i,j)处加上周围像素误差扩散的量化误差后的灰度值I'(i,j)与阈值进行比较得到像素输出结果，即
公式(3)中I'(i,j)通过公式(4)得到，
式中，I(i,j)表示原图像(i,j)位置像素灰度值，h(m,n)表示抖动算法误差扩散的核函数，(m,n)表示核函数中的位置坐标，核函数矩阵区域用S表示，e(i-m,j-n)表示量化误差，通过核函数h(m,n)传递到相邻像素。
误差e(i-m,j-n)的计算公式为
e(i-m,j-n)＝I'(i-m,j-n)-D(i-m,j-n) (5)
式中D(i,j)表示像素经过处理后的输出结果，大小为255或者0。
Floyd-Steinberg抖动算法的误差扩散核函数通过公式(6)获得
式中，矩阵内外相乘后数字表示对应位置误差扩散的比例，“＊”表示处理过的像素，X表示当前处理的像素，像素处理后，该位置的图像灰度值将不再发生变化。X的右方、左下、下方、右下依次获得7/16、3/16、5/16、1/16的扩散误差。
本发明中的方法操作简单，在抖动条纹生成的过程中就可以实现，算法计算量小；可有效提高了条纹正弦性，有效较小高次谐波对条纹正弦性的影响；对设备要求低，使用商用投影仪即可；图像细节丢失情况较小，本方法将量化误差和周围像素灰度值进行协同考虑。
上述仅为本发明的优选实施例，本发明并不仅限于实施例的内容。对于本领域中的技术人员来说，在本发明的技术方案范围内可以有各种变化和更改，所作的任何变化和更改，均在本发明保护范围之内。
Claims (7)
1.一种基于误差扩散抖动算法的三维成像方法，其特征在于：包括以下步骤
a获取误差扩散抖动算法中的阈值：所述阈值根据像素周围3×3矩阵内灰度平均值和误差补偿参数得到；
b将待测像素点原灰度值与误差扩散过程中引入的量化误差相加，依次计算全图每个像素点临时灰度值，将所述临时灰度值与a中所述阈值进行比较，当临时灰度值大于所述阈值时，像素输出为255，反之，像素输出为0；
c根据所述输出像素进行离焦得到三维成像。
2.根据权利要求1所述的基于误差扩散抖动算法的三维成像方法，其特征在于：所述误差补偿参数通过以下方法获得
a1在[a,b]区间内引入若干的误差补偿参数，根据步骤a获取若干误差补偿参数所对应的阈值；
a2根据所述阈值得到不同的抖动条纹图案；
a3对所述抖动条纹图案进行高斯滤波，模拟实验时的投影仪离焦功能得到高斯滤波后的条纹图案；
a4将所述高斯滤波后的条纹图案与抖动算法处理前标准正弦图案进行均方根误差计算；
a5比较均方根误差大小，均方根误差最小时所对应的误差补偿参数为所求误差补偿参数。
3.根据权利要求2所述的基于误差扩散抖动算法的三维成像方法，其特征在于：
(1)所述步骤a1中所述区间[a,b]为区间[0,100]，以间隔m为单位引入若干第一误差补偿参数，经步骤a2、a3、a4、a5获得均方根误差最小时的第一误差补偿参数γ1；
(2)根据γ1所处的区间[c,d]，以间隔n为单位再次引入若干第二误差补偿参数γ2，获得均方根误差最小时的第一误差补偿参数γ2，所述c大于a，d小于b，n小于m；
重复(2)若干次得到最终误差补偿参数γ。
4.根据权利要求1所述的基于误差扩散抖动算法的三维成像方法，其特征在于：所述步骤a中阈值的计算方法为
式中，Aver(i,j)表示原图片每个像素位置的平均灰度，表示阈值，Imax表示原图像像素中最大灰度值，γ为误差补偿参数；
其中Aver(i,j)的计算方法为
x和y表示(i,j)像素周围8个像素点的位置信息。
5.根据权利要求1所述的基于误差扩散抖动算法的三维成像方法，其特征在于：所述临时灰度值计算方法为
式中，I'(i,j)表示原图像在(i,j)处加上周围像素误差扩散的量化误差后的灰度值，I(i,j)表示原图像(i,j)位置像素灰度值，h(m,n)表示抖动算法误差扩散的核函数，(m,n)表示核函数中的位置坐标，核函数矩阵区域用S表示，e(i-m,j-n)表示量化误差，通过核函数h(m,n)传递到相邻像素。
6.根据权利要求4所述的基于误差扩散抖动算法的三维成像方法，其特征在于：所述h(m,n)计算方法为：
式中，X表示当前处理的像素，“＊”表示处理过的像素。
7.根据权利要求1所述的基于误差扩散抖动算法的三维成像方法，其特征在于：所述e(i-m,j-n)计算方法为
e(i-m,j-n)＝I'(i-m,j-n)-D(i-m,j-n)
式中D(i-m,j-n)表示i-m,j-n处输出像素灰度值，大小为255或者0。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910604579.5A CN110455219A (zh) | 2019-07-05 | 2019-07-05 | 一种基于误差扩散抖动算法的三维成像方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910604579.5A CN110455219A (zh) | 2019-07-05 | 2019-07-05 | 一种基于误差扩散抖动算法的三维成像方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110455219A true CN110455219A (zh) | 2019-11-15 |
Family
ID=68482164
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910604579.5A Pending CN110455219A (zh) | 2019-07-05 | 2019-07-05 | 一种基于误差扩散抖动算法的三维成像方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110455219A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116839509A (zh) * | 2023-09-01 | 2023-10-03 | 南京信息工程大学 | 一种二值编码结合误差扩散算法的三维测量方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5130823A (en) * | 1991-06-27 | 1992-07-14 | Cactus | Error diffusion system |
| US5543941A (en) * | 1990-12-04 | 1996-08-06 | Research Corporation Technologies, Inc. | Method and apparatus for halftone rendering of a gray image using a blue noise mask |
| CN102496149A (zh) * | 2011-12-02 | 2012-06-13 | 哈尔滨工业大学 | 一种改进Floyd-Steinberg算法的彩色图像处理方法 |
| CN103402042A (zh) * | 2013-07-31 | 2013-11-20 | 浙江大学 | 基于分块式误差扩散的半色调图像生成方法 |
| US8929644B2 (en) * | 2013-01-02 | 2015-01-06 | Iowa State University Research Foundation | 3D shape measurement using dithering |
| CN104897083A (zh) * | 2015-06-11 | 2015-09-09 | 东南大学 | 一种基于投影仪散焦解相位的光栅投影三维快速测量方法 |
| CN109493358A (zh) * | 2018-12-14 | 2019-03-19 | 中国船舶重工集团公司第七0七研究所 | 一种基于人眼视觉模型的误差反馈半色调算法 |
-
2019
- 2019-07-05 CN CN201910604579.5A patent/CN110455219A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5543941A (en) * | 1990-12-04 | 1996-08-06 | Research Corporation Technologies, Inc. | Method and apparatus for halftone rendering of a gray image using a blue noise mask |
| US5130823A (en) * | 1991-06-27 | 1992-07-14 | Cactus | Error diffusion system |
| CN102496149A (zh) * | 2011-12-02 | 2012-06-13 | 哈尔滨工业大学 | 一种改进Floyd-Steinberg算法的彩色图像处理方法 |
| US8929644B2 (en) * | 2013-01-02 | 2015-01-06 | Iowa State University Research Foundation | 3D shape measurement using dithering |
| CN103402042A (zh) * | 2013-07-31 | 2013-11-20 | 浙江大学 | 基于分块式误差扩散的半色调图像生成方法 |
| CN104897083A (zh) * | 2015-06-11 | 2015-09-09 | 东南大学 | 一种基于投影仪散焦解相位的光栅投影三维快速测量方法 |
| CN109493358A (zh) * | 2018-12-14 | 2019-03-19 | 中国船舶重工集团公司第七0七研究所 | 一种基于人眼视觉模型的误差反馈半色调算法 |
Non-Patent Citations (2)
| Title |
|---|
| 张寒冰 等: "数字半色调技术中的误差扩散算法的研究", 《计算机应用》 * |
| 李宗楠 等: "散焦投影三维测量中一种改进的误差扩散核", 《光电工程》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116839509A (zh) * | 2023-09-01 | 2023-10-03 | 南京信息工程大学 | 一种二值编码结合误差扩散算法的三维测量方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110310237B (zh) | 去除图像摩尔纹、显示面板子像素点亮度测量、Mura缺陷修复的方法及系统 | |
| CN106595522B (zh) | 一种光栅投影三维测量系统的误差校正方法 | |
| CN106705855B (zh) | 一种基于自适应光栅投影的高动态性能三维测量方法 | |
| Feng et al. | General solution for high dynamic range three-dimensional shape measurement using the fringe projection technique | |
| CN104897083B (zh) | 一种基于投影仪散焦解相位的光栅投影三维快速测量方法 | |
| CN107607060A (zh) | 一种应用于光栅三维投影测量中的相位误差补偿方法 | |
| CN108981611B (zh) | 一种基于畸变全局修正的数字投影光栅图像拟合校正方法 | |
| CN109708842B (zh) | 一种基于单像素成像的相机镜头点扩散函数测量方法 | |
| US20150233707A1 (en) | Method and apparatus of measuring the shape of an object | |
| CN113358063B (zh) | 一种基于相位加权融合的面结构光三维测量方法及系统 | |
| CN110285775B (zh) | 基于结构光周期编码图案的三维重建方法及系统 | |
| CN108195313A (zh) | 一种基于光强响应函数的高动态范围三维测量方法 | |
| CN105913401B (zh) | 工业相机摄影测量图像亮度补偿方法 | |
| CN103454282A (zh) | 一种基于图像灰度梯度的印刷品墨斑测量方法 | |
| JP2007172512A (ja) | 画像品質定量評価方法及びその装置並びに画像品質定量評価値を計算するプログラム | |
| Wang et al. | A novel and fast three-dimensional measurement technology for the objects surface with non-uniform reflection | |
| CN108362226A (zh) | 提高图像过曝区域相位测量精度的双四步相移法 | |
| CN108195312A (zh) | 基于动态权重的彩色物体三维重建方法和系统 | |
| CN107074259A (zh) | 用于获得关于铁路轨道或转撤器的元件的上部轮廓的数据的方法 | |
| CN110455219A (zh) | 一种基于误差扩散抖动算法的三维成像方法 | |
| CN114998409B (zh) | 一种自适应结构光测量方法、装置、电子设备及介质 | |
| Feng | 78‐2: Measurement and Evaluation of Subpixel Brightness for Demura | |
| CN114777687B (zh) | 基于概率分布函数的分区域相位误差补偿方法及设备 | |
| CN111105365A (zh) | 一种纹理影像的色彩校正方法、介质、终端和装置 | |
| Mo et al. | Robust composite sine-trapezoidal phase-shifting algorithm for nonlinear intensity |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191115 |