CN110580685A - 光的等厚干涉图像数据处理系统 - Google Patents

光的等厚干涉图像数据处理系统 Download PDF

Info

Publication number
CN110580685A
CN110580685A CN201910531148.0A CN201910531148A CN110580685A CN 110580685 A CN110580685 A CN 110580685A CN 201910531148 A CN201910531148 A CN 201910531148A CN 110580685 A CN110580685 A CN 110580685A
Authority
CN
China
Prior art keywords
image
ring
interference
processing
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.)
Granted
Application number
CN201910531148.0A
Other languages
English (en)
Other versions
CN110580685B (zh
Inventor
李永涛
王明
时启亮
谭鑫
潘振邦
丁寅
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.)
Nanjing Post and Telecommunication University
Original Assignee
Nanjing Post and Telecommunication 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 Nanjing Post and Telecommunication University filed Critical Nanjing Post and Telecommunication University
Priority to CN201910531148.0A priority Critical patent/CN110580685B/zh
Publication of CN110580685A publication Critical patent/CN110580685A/zh
Application granted granted Critical
Publication of CN110580685B publication Critical patent/CN110580685B/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
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/77—Retouching; Inpainting; Scratch removal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • 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
    • 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
    • G06T2207/20172—Image enhancement details
    • G06T2207/20192—Edge enhancement; Edge preservation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Analysis (AREA)

Abstract

本发明提出光的等厚干涉图像数据处理系统，首先用CCD摄像头采集到清晰的牛顿环图像，之后对图像进行灰度化、二值化、细化等处理，有效提升图像质量。然后取干涉圆环上的三个像素点测算圆环半径。最后代入曲率半径计算公式算出平凸透镜的曲率半径。本发明相较于现有技术，读数简单，测量时间短，不会引起使用者的视觉疲劳，传统人工读数方法的测量误差较大，而本发明测量误差较小，解决了当前人工读数不便于长时间连续观测及存储图像信息的问题。

Description

光的等厚干涉图像数据处理系统
技术领域
本发明涉及图像处理技术领域，具体涉及一种光的等厚干涉图像数据处理系统。
背景技术
图像处理是当前很热门课题，在航天和航空技术、生物医学工程、通信工程、工业和工程、军事和公安、文化与艺术等方面都有广泛的应用。图像处理技术是用计算机对图像信息进行处理的技术，主要包括图像数字化、图像增强和复原、图像数据编码、图像分割和图像识别等。图像处理是针对视效较低的图像，输出尽可能提高效果后的图像。
等厚干涉实验是大学物理实验教学中的基础实验。广泛应用在科学研究和工业技术领域，如测量光学玻璃的应力、微型器件表面质量控制、光波波长测量、试件表面光洁度检验、液体折射率测量以及半导体技术中硅片中氧化层的厚度测量等等。传统的等厚干涉实验仪是通过读数显微镜对牛顿环干涉条纹进行测量，进而获得待测透镜的曲率半径。在实验中，为了提高测量的准确度，一般需要测到40环的半径或者直径(待测孔径为10mm以上)。因此另一方面，由于读数显微镜读数范围小，无法看见全场的牛顿环干涉图样，对实验者来说直观性不好。所以有必要将图像处理技术应用到等厚干涉实验中。
发明内容
本发明针对目前等厚干涉实验中存在的读数困难，测量时间长，容易引起视觉疲劳，传统人工读数方法的测量误差较大，且不便于长时间连续观测及存储图像信息等问题，提出一种光的等厚干涉图像数据处理系统。
光的等厚干涉图像数据处理系统，包括如下步骤：
步骤1，图像捕捉；
要对等厚干涉图样进行数字化处理，获取清晰的牛顿环干涉图像是关键，因此，将可调高度的CCD成像系统加载在读数显微镜的目镜上，捕获较高清晰度的牛顿环干涉图像；
步骤2，增强对比度；
步骤3，灰度化；
对于增强对比度的图像，还需做进一步灰度化处理，使图像G、R、B三值相等，均等于灰度值；
步骤4，滤波；
为消除噪声对图像质量的影响，采用高斯滤波算法，对灰度化处理后的牛顿环图像进一步滤波降噪处理；
步骤5，二值化；
在对比度增强、灰度化和滤波这一系列准备工作完成后，即可对图像进行二值化处理；采用Otsu算法，基于整幅图像的统计特性自动选取阈值；二值化处理可以有效分离干涉环区域与背景区域，便于后续编写算法计算圆环直径；
步骤6，细化；
细化是处理过程的最后一步，其目的是将二值化后的牛顿环宽度缩减至单个像素点宽度，进而提高在后续取点计算干涉圆环半径时的精确度；采用目前常用的Hilditch经典细化算法，每次扫描删除干涉图像上满足一定要求的轮廓像素，直到图像上不存在可删除的轮廓像素为止；
步骤7，数据计算过程；
在得到细化骨架图后，因其每个圆环仅有一个像素点宽度，可以精确地取到位于原干涉圆环宽度中心位置上的点，通过得到同一圆上三个像素点的坐标位置，并将其储存至数组中，即可用构造内切三角形的方法求出该圆半径；取多个圆环重复上述操作得到多组数据，带入曲率半径公式求出待测物体曲率半径。
进一步地，所述步骤2中，采用了目前较为常用的直方图均衡化增强算法，以进行增强对比度的工作。
进一步地，所述步骤3中，采用加权法进行灰度化，设gx(i,j)为x点的灰度值，其值等于该点G、B、R三分量的加权平均值，即
gx(i,j)＝WRRx(i,j)+WGGx(i,j)+WBBx(i,j)
其中WR、WG、WB分别为Rx(i,j)、Gx(i,j)、Bx(i,j)对应的权值。
进一步地，所述步骤4中的高斯滤波算法，具体即在每一个像素点上选取适当的领域，并用邻域内像素点的加权平均灰度值去替代原像素点的灰度值。
本发明达到的有益效果为：相较于现有技术，本发明读数简单，测量时间短，不会引起使用者的视觉疲劳，传统人工读数方法的测量误差较大，而本发明测量误差较小，解决了当前人工读数不便于长时间连续观测及存储图像信息的问题。
附图说明
图1为本发明所述处理系统的步骤流程图。
图2为本发明中灰度化处理后的干涉图样。
图3为本发明中滤波处理后的干涉图样。
图4为本发明中二值化处理后的干涉图样。
图5为本发明中细化处理后的干涉图样。
具体实施方式
下面结合说明书附图对本发明的技术方案做进一步的详细说明。
光的等厚干涉图像数据处理系统，包括如下步骤：
步骤1，图像捕捉。
要对等厚干涉图样进行数字化处理，获取清晰的牛顿环干涉图像是关键，因此，将可调高度的CCD成像系统加载在读数显微镜的目镜上，捕获较高清晰度的牛顿环干涉图像。
步骤2，增强对比度。
采用了目前较为常用的直方图均衡化增强算法。
步骤3，灰度化。
对于增强对比度的图像，还需做进一步灰度化处理，使图像G、R、B三值相等，均等于灰度值；采用加权法进行灰度化，设gx(i,j)为x点的灰度值，其值等于该点G、B、R三分量的加权平均值，即
gx(i,j)＝WRRx(i,j)+WGGx(i,j)+WBBx(i,j)
其中WR、WG、WB分别为Rx(i,j)、Gx(i,j)、Bx(i,j)对应的权值。
步骤4，滤波。
在利用CCD成像系统获取牛顿环干涉图像及图像传输过程中会受到外界各种噪声的干扰，图像质量会降低；为消除噪声对图像质量的影响，采用高斯滤波算法，对灰度化处理后的牛顿环图像进一步滤波降噪处理，即在每一个像素点上选取适当的领域，并用邻域内像素点的加权平均灰度值去替代原像素点的灰度值。
步骤5，二值化。
在对比度增强、灰度化和滤波这一系列准备工作完成后，即可对图像进行二值化处理；采用Otsu算法，基于整幅图像的统计特性自动选取阈值；二值化处理可以有效分离干涉环区域与背景区域，便于后续编写算法计算圆环直径。
步骤6，细化。
细化是处理过程的最后一步，其目的是将二值化后的牛顿环宽度缩减至单个像素点宽度，进而提高在后续取点计算干涉圆环半径时的精确度；采用目前常用的Hilditch经典细化算法，每次扫描删除干涉图像上满足一定要求的轮廓像素，直到图像上不存在可删除的轮廓像素为止。
步骤7，数据计算过程。
在得到细化骨架图后，因其每个圆环仅有一个像素点宽度，可以精确地取到位于原干涉圆环宽度中心位置上的点，通过得到同一圆上三个像素点的坐标位置，并将其储存至数组中，即可用构造内切三角形的方法求出该圆半径。取多个圆环重复上述操作得到多组数据，带入曲率半径公式求出待测物体曲率半径。
以上所述仅为本发明的较佳实施方式，本发明的保护范围并不以上述实施方式为限，但凡本领域普通技术人员根据本发明所揭示内容所作的等效修饰或变化，皆应纳入权利要求书中记载的保护范围内。

Claims (4)

1.光的等厚干涉图像数据处理系统，其特征在于：包括如下步骤：
步骤1，图像捕捉；
要对等厚干涉图样进行数字化处理，获取清晰的牛顿环干涉图像是关键，因此，将可调高度的CCD成像系统加载在读数显微镜的目镜上，捕获较高清晰度的牛顿环干涉图像；
步骤2，增强对比度；
步骤3，灰度化；
对于增强对比度的图像，还需做进一步灰度化处理，使图像G、R、B三值相等，均等于灰度值；
步骤4，滤波；
为消除噪声对图像质量的影响，采用高斯滤波算法，对灰度化处理后的牛顿环图像进一步滤波降噪处理；
步骤5，二值化；
在对比度增强、灰度化和滤波这一系列准备工作完成后，即可对图像进行二值化处理；采用Otsu算法，基于整幅图像的统计特性自动选取阈值；二值化处理可以有效分离干涉环区域与背景区域，便于后续编写算法计算圆环直径；
步骤6，细化；
细化是处理过程的最后一步，其目的是将二值化后的牛顿环宽度缩减至单个像素点宽度，进而提高在后续取点计算干涉圆环半径时的精确度；采用目前常用的Hilditch经典细化算法，每次扫描删除干涉图像上满足一定要求的轮廓像素，直到图像上不存在可删除的轮廓像素为止；
步骤7，数据计算过程；
在得到细化骨架图后，因其每个圆环仅有一个像素点宽度，可以精确地取到位于原干涉圆环宽度中心位置上的点，通过得到同一圆上三个像素点的坐标位置，并将其储存至数组中，即可用构造内切三角形的方法求出该圆半径；取多个圆环重复上述操作得到多组数据，带入曲率半径公式求出待测物体曲率半径。
2.根据权利要求1所述的光的等厚干涉图像数据处理系统，其特征在于：所述步骤2中，采用了目前较为常用的直方图均衡化增强算法，以进行增强对比度的工作。
3.根据权利要求1所述的光的等厚干涉图像数据处理系统，其特征在于：所述步骤3中，采用加权法进行灰度化，设gx(i,j)为x点的灰度值，其值等于该点G、B、R三分量的加权平均值，即
gx(i,j)＝WRRx(i,j)+WGGx(i,j)+WBBx(i,j)
其中WR、WG、WB分别为Rx(i,j)、Gx(i,j)、Bx(i,j)对应的权值。
4.根据权利要求1所述的光的等厚干涉图像数据处理系统，其特征在于：所述步骤4中的高斯滤波算法，具体即在每一个像素点上选取适当的领域，并用邻域内像素点的加权平均灰度值去替代原像素点的灰度值。
CN201910531148.0A 2019-06-19 2019-06-19 光的等厚干涉图像数据处理系统 Active CN110580685B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910531148.0A CN110580685B (zh) 2019-06-19 2019-06-19 光的等厚干涉图像数据处理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910531148.0A CN110580685B (zh) 2019-06-19 2019-06-19 光的等厚干涉图像数据处理系统

Publications (2)

Publication Number Publication Date
CN110580685A true CN110580685A (zh) 2019-12-17
CN110580685B CN110580685B (zh) 2022-07-29

Family

ID=68811008

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910531148.0A Active CN110580685B (zh) 2019-06-19 2019-06-19 光的等厚干涉图像数据处理系统

Country Status (1)

Country Link
CN (1) CN110580685B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111626979A (zh) * 2020-02-04 2020-09-04 深圳市瑞沃德生命科技有限公司 一种管径测量方法及其装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101995763A (zh) * 2009-08-17 2011-03-30 上海宏力半导体制造有限公司 光学邻近校正方法
US20130044332A1 (en) * 2011-08-20 2013-02-21 Chao-Wen Liang Surface profile measurement apparatus and alignment method thereof and an improved sub-aperture measurement data acquisition method
CN105844593A (zh) * 2016-01-25 2016-08-10 哈尔滨理工大学 一种单幅干涉圆条纹预处理的自动化处理方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101995763A (zh) * 2009-08-17 2011-03-30 上海宏力半导体制造有限公司 光学邻近校正方法
US20130044332A1 (en) * 2011-08-20 2013-02-21 Chao-Wen Liang Surface profile measurement apparatus and alignment method thereof and an improved sub-aperture measurement data acquisition method
CN105844593A (zh) * 2016-01-25 2016-08-10 哈尔滨理工大学 一种单幅干涉圆条纹预处理的自动化处理方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111626979A (zh) * 2020-02-04 2020-09-04 深圳市瑞沃德生命科技有限公司 一种管径测量方法及其装置
CN111626979B (zh) * 2020-02-04 2023-06-02 深圳市瑞沃德生命科技有限公司 一种管径测量方法及其装置

Also Published As

Publication number Publication date
CN110580685B (zh) 2022-07-29

Similar Documents

Publication Publication Date Title
CN109580630B (zh) 一种机械零部件缺陷的视觉检测方法
Li Research on geometric dimension measurement system of shaft parts based on machine vision
CN109635806B (zh) 基于残差网络的电表数值识别方法
CN109035172B (zh) 一种基于深度学习的非局部均值超声图像去噪方法
CN112733950A (zh) 一种基于图像融合与目标检测结合的电力设备故障诊断方法
CN111062880A (zh) 一种基于条件生成对抗网络的水下图像实时增强方法
CN109671031B (zh) 一种基于残差学习卷积神经网络的多光谱图像反演方法
CN111256594A (zh) 一种飞机蒙皮表面状态物理特征的测量方法
CN109584259B (zh) 一种石英坩埚气泡分层计数装置及方法
CN111882489A (zh) 用于水下图像同时增强的超分辨率图形恢复方法
CN111368825A (zh) 一种基于语义分割的指针定位方法
CN110580685B (zh) 光的等厚干涉图像数据处理系统
Ge et al. Millisecond autofocusing microscopy using neuromorphic event sensing
CN109001902A (zh) 基于图像融合的显微镜聚焦方法
CN113962877B (zh) 一种像素畸变的校正方法、校正装置及终端
CN113763315B (zh) 玻片图像的信息获取方法、装置、设备及介质
CN116930192B (zh) 一种高精度铜管缺陷检测方法及系统
CN105243677A (zh) 一种保证精度的实时单分子定位方法及系统
CN108663123A (zh) 一种与微扫描装置相匹配的哈特曼波前重构方法
CN116597016A (zh) 一种光纤内窥镜图像标定方法
CN108364274B (zh) 微纳米尺度下光学图像的无损清晰重构方法
CN111986315A (zh) 一种基于深度学习的超分辨白光干涉图三维重建方法
Wei et al. Computational imaging-based single-lens imaging systems and performance evaluation
TW200842339A (en) Mura detection method and system
CN116295873A (zh) 一种基于人工神经网络的棱锥波前传感器波前重构方法

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