CN110726372B - 一种准确处理单缝衍射图像方法 - Google Patents

Abstract

本发明公开了一种准确处理单缝衍射图像方法，包括以下步骤：步骤1搭建实验光路，采集衍射图像；步骤2图像定标；步骤3确定衍射图像中心位置；步骤4处理图像数据，计算狭缝宽度，本发明具有测量系统光路设计简单、可行性强、后期维护方便、测量系统成本低廉等显著优点，分析结果可靠，可广泛应用在无接触式测量细丝直径和狭缝宽度等领域。

Description

一种准确处理单缝衍射图像方法

技术领域

本发明涉及光学图像处理方法，特别涉及一种准确处理单缝衍射图像方法。

背景技术

随着科学技术与工业发展，产品出现小型化、微型化的趋势，对微小尺寸产品的测量也越来越重视，要求测量的精度也越来越高。目前，有许多直径小于0.1mm的细丝，如电子器件中的金属细丝、光学纤维、游丝等，这些细丝的直径若采用接触式机械测量法，即使测力很小也会很容易使细丝形变，产生较大误差；若采用非接触式的光学显微镜来测量，由于光的衍射现象，被测件直径越小，测量误差就越大，然而，用光的衍射法测量确可以达到无接触和高精度测量要求。

单缝宽度与衍射图样的扩展之间存在着反比关系，这种反比关系提供了一种特殊的方法原理，具体说是一种光学变换方法。在工程应用中，单缝实际上是反映了物体的间隔、位移、剖面以及构成温度、折射率等许多物理量的转换器，所以精确测量细丝直径、单缝宽度在工程实践中有着重要的意义。

根据夫琅禾费衍射理论和巴比涅互补原理，当细光束照射在细丝上时，其衍射效应和狭缝一样，即直径为d的细丝产生的衍射图样与宽度为d的狭缝产生的衍射图样相同。在工业生产中，常用激光光源，光路中不需要透镜，不用透镜的激光细丝衍射原理如图1所示，产生暗条纹的条件是：

d sinθ_j＝jλ j＝1,2,3,… (1)

其中，λ为激光光源波长，j为衍射级数，θ为衍射角。

由于

其中c_j为第j级暗条纹的位置，l为细丝到光屏距离，即只需测出第j级暗条纹的位置c_j，细丝到光屏距离l就可以计算出细丝的直径d。由(1)式可知随着暗条纹级数增大，各级暗条纹的sinθ值呈等差数列递增，同时相邻暗条纹的正弦值sinθ的差值等于λ/d，即

sinθ_j+1-sinθ_j＝λ/d j＝1,2,3,… (3)

当θ很小时

根据(4)式，(3)式化为

其中z为相邻暗条纹间距，所以测出细丝到光屏距离l，相邻暗条纹间距z也可以计算出直径d。

通常可以用一般的测高装置测量c_j来测得狭缝或者细丝的直径，此法可以对正在生产加工过程的细丝(如漆包线)直径进行监测，即所谓动态测量，把测试装置安装在加工生产线上，用测量结果控制生产线，使细丝直径实现自动控制。

直接测量条纹间距z的方法很多，常用光电管通过转镜扫描来测量，这种方法使用激光光速照射被测的细丝，产生衍射条纹，让这些条纹通过一个稳速的旋转反射镜，将衍射条纹相继扫描通过狭缝而被放在狭缝后面的光电管所接收，如图2所示，当明条纹相继通过光电管时产生相应的脉冲信号，脉冲的间隔与条纹间距z相对应。

以上两种测量方式对测试装置的感光性能要求高，测量精度一般，同时电路和光路的设计复杂，后期的维修成本也比较高。

发明内容

发明目的：针对以上问题，本发明目的是提供一种准确处理单缝衍射图像方法，利用计算机快速、有效处理单缝衍射图像，提高在线监测细丝直径、单缝缝宽的精确度。

技术方案：本发明提出了一种准确处理单缝衍射图像方法，包括以下步骤：

步骤1：搭建实验光路，采集衍射图像：搭建实验光路，依次将光源、光栅架以及光屏放置到光具座上，将待测物竖直放置到光栅架上，其中光源发射光依次通过待测物和光屏，摄像头水平对准光屏，摄像头和光屏处于暗箱内，摄像头连接到计算机上，摄像头采集在光屏上待测物被光源照射后产生的衍射图像，传输到计算机里为后续图像处理做准备；

步骤2：图像定标：在处理衍射图像前，须进行图像定标，使得图像中像素点间距可以与成像实际距离进行转换，具体定标过程为：在成像光屏(6)上贴上两片发光材料，测出两片发光材料之间实际距离h，用Matlab软件读入图像，形成一个M×N×3数组，M为像素点的行数，N为像素点的列数，对读入图像数据进行二值化处理，形成一个M×N的数组，确定在图像中两片发光材料之间黑色像素点的个数b，算出图像两个像素点之间对应的实际距离Δ＝h/(b+1)；

步骤3：确定衍射图像中心位置：首先对M×N二值化数组逐行求和，选出和值最大的行数P，衍射图像中心位置必在P行，其次选取高的阈值重新对读入的图像数据M×N×3数组进行二值化，凸显出中心亮条纹，取出P行所有数据，找出最中间白色像素点所在列数Q，确定了衍射图像中心位置在P行Q列像素点处；

步骤4：处理图像数据，计算d：利用Matlab读取图像建立的M×N×3的三维数组，选取P行Q列到P行1列像素点进行数据处理，计算各像素点sinθ和颜色强度值s，分析像素强度s频谱，滤波后确定强度s′振动周期T，计算得出d数值。

进一步，所述步骤4中，按照如下过程确定d具体数值：

步骤41：存储图像数据：在M×N×3的三维数组中，前两维(M,N)表示像素位于图像中的位置，而第三维定义的是图像中每一个像素的红、绿、蓝颜色强度值，即采集图像中每一个像素的RGB强度分量都存储在数组的第三维元素中，红，绿，蓝这三种颜色的强度都可以用一个0～255之间的数值表示，根据公式

计算出像素强度s，式中R、G、B分别代表像素的三基色强度分量；

步骤42：确定各像素点sinθ和强度s：选取P行Q列到P行1列像素点，数据存放在1×Q×3的数组中，数据为uint8类型，将数据转换成double类型，计算出各像素点强度s；

像素点从衍射图像中心向边缘选取，第一像素点的距离衍射图像中心的距离为0，第二像素点距离衍射图像中心的距离为h/(b+1)，以此类推第n个像素点的距离衍射图像中心的距离为(n-1)h/(b+1)，根据公式(2)得到每一个像素点位置的正弦值为

步骤43：分析像素强度s频谱：用Matlab中的fft命令进行快速傅里叶变换，得出强度s的频谱密度，快速傅里叶变换公式如下：

式中，s(u)为强度s，S(k)为频谱密度，U为强度s的数据个数，S(k)为复数，S(k)的模|S(k)|是频谱密度的幅度；

步骤44：进行滤波，获取滤波后强度信号s′：滤除干扰的频谱密度，将想要研究的频谱密度留下，滤除干扰后的频谱密度幅度为|S(k)′|，然后利用Matlab中ifft命令将S(k)′进行快速傅里叶逆变换，得到含有强度极值周期信息的强度信号s′，其中快速傅里叶逆变换公式为：

步骤45：确定强度s′振动周期T，计算d：根据振动的规律：振动呈现周期性，且幅度不断变化，可以用y＝a(1)e^a(2)xsin(a(3)x+a(4))来拟合，式中有4个变量a(1)、a(2)、a(3)、a(4)需要确定，其中a(1)是振幅，a(2)是衰减系数，a(3)是角频率，a(4)初相位，根据非线性最小二乘法，利用强度信号s′和衍射角正弦值sinθ，确定出最优解a(1)、a(2)、a(3)、a(4)的值，得到拟合函数，在Matlab中已知拟合函数，要求最优解使得y＝a(1)e^a(2)xsin(a(3)x+a(4))满足

其中a＝[a(1),a(2),a(3),a(4)]，F(a,xdata_i)为拟合函数，xdata_i为各像素点衍射角正弦值sinθ，ydata_i为强度信号s′，可以直接调用lsqcurvefit函数求解，调用方法如下：

a＝lsqcurvefit(fun,a0,xdata,ydata) (8)

a＝[a(1),a(2),a(3),a(4)]为函数调用后输出的最优解，fun为拟合函数，在Matlab中可表示为：

fun＝@(a,x)a(1)*exp(x*a(2)).*sin(x*a(3)+a(4)) (9)

a0＝[a0(1),a0(2),a0(3),a0(4)]为初始预估值，利用周期T和角频率a(3)关系

计算出强度s′振动周期T，再根据

计算出直径d数值。

进一步，所述步骤1中待测物是待测细丝或待测狭缝，所述步骤4中d为待测细丝直径或待测狭缝宽度。

进一步，所述步骤42也可选取P行Q列到P行N列的像素点数据进行处理。

进一步，所述步骤1中光源为激光器，发射激光为绿光或者红光。

有益效果：本发明与现有技术相比，其显著优点是：本发明提出的一种准确处理单缝衍射图像方法，整个测量系统光路设计简单，后期维护简单方便；测量系统成本低廉；处理程序便于做成人机交互界面，程序中参量可以根据要求设置，更加方便快捷。

附图说明

图1为无透镜时激光细丝衍射原理图；

图2为条纹间距测量装置图；

图3为本发明具体实施方式中实验光路示意图；

图4为本发明具体实施方式中摄像头拍摄的彩色图像灰度化处理后的图像；

图5为本发明具体实施方式中阈值为0.5的二值化图像；

图6为本发明具体实施方式中阈值0.95的二值化图像；

图7为本发明具体实施方式中各像素点s强度与衍射角正弦值sinθ关系图；

图8为本发明具体实施方式中频谱密度幅度|S(k)|的变化图；

图9为本发明具体实施方式中滤除干扰后的频谱密度幅度|S′(k)|图像；

图10为像素点强度s和滤波后各点强度s′分布图；

图11为本发明具体实施方式中拟合数据点与拟合曲线。

具体实施方式

本发明的一种准确处理单缝衍射图像方法，包括以下步骤：

步骤1：搭建实验光路，采集衍射图像：搭建实验光路，如图3所示，依次将激光器2、光栅架3以及光屏6放置到光具座1上，将待测物4竖直安装到光栅架3上，其中光源发射的光依次通过待测物4和光屏6，摄像头5水平对准光屏6，摄像头5和光屏6处于暗箱7内，摄像头5连接到计算机上，摄像头5采集光屏6上待测物4被光源2照射后产生的衍射图像，传输到计算机里为后续图像处理做准备；

步骤2：图像定标：在处理衍射图像前，须进行图像定标，使得图像中像素点间距可以与成像实际距离进行转换，具体定标过程为：在成像光屏(6)上贴上两片发光材料，测出两片发光材料之间实际距离h，用Matlab软件读入图像，形成一个M×N×3数组，M为像素点的行数，N为像素点的列数，对读入图像数据进行二值化处理，形成一个M×N的数组，确定在图像中两片发光材料之间黑色像素点的个数b，算出图像两个像素点之间对应的实际距离Δ＝h/(b+1)；

步骤3：确定衍射图像中心位置：首先对M×N二值化数组逐行求和，选出和值最大的行数P，衍射图像中心位置必在P行，其次选取高的阈值重新对读入的图像数据M×N×3数组进行二值化，凸显出中心亮条纹，取出P行所有数据，找出最中间白色像素点所在列数Q，确定了衍射图像中心位置在P行Q列像素点处；

步骤4：处理图像数据，计算d：利用Matlab读取图像建立的M×N×3的三维数组，选取P行Q列到P行1列像素点进行数据处理，计算各像素点sinθ和颜色强度值s，分析像素强度s频谱，滤波后确定强度s′振动周期T，计算得出d数值。

步骤4中，按照如下过程确定d具体数值：

步骤41：存储图像数据：在M×N×3的三维数组中，前两维(M,N)表示像素位于图像中的位置，而第三维定义的是图像中每一个像素的红、绿、蓝颜色强度值，即采集图像中每一个像素的RGB强度分量都存储在数组的第三维元素中，红，绿，蓝这三种颜色的强度都可以用一个0～255之间的数值表示，根据公式

计算出像素强度s，式中R、G、B分别代表像素的三基色强度分量；

步骤42：确定各像素点sinθ和强度s：选取P行Q列到P行1列像素点，数据存放在1×Q×3的数组中，数据为uint8类型，将数据转换成double类型，计算出各像素点强度s；

像素点从衍射图像中心向边缘选取，第一像素点的距离衍射图像中心的距离为0，第二像素点距离衍射图像中心的距离为h/(b+1)，以此类推第n个像素点的距离衍射图像中心的距离为(n-1)h/(b+1)，根据公式(2)得到每一个像素点位置的正弦值为

步骤43：分析像素强度s频谱：用Matlab中的fft命令进行快速傅里叶变换，得出强度s的频谱密度，快速傅里叶变换公式如下：

式中，s(u)为强度s，S(k)为频谱密度，U为强度s的数据个数，S(k)为复数，S(k)的模|S(k)|是频谱密度的幅度；

步骤44：进行滤波，获取滤波后的强度信号s′：滤除干扰的频谱密度，将想要研究的频谱密度留下，滤除干扰后的频谱密度幅度为|S(k)′|，然后利用Matlab中ifft命令将S(k)′进行快速傅里叶逆变换，得到含有强度极值周期信息的强度信号s′，其中快速傅里叶逆变换公式为：

步骤45：确定强度s′振动周期T，计算d：根据振动的规律：振动呈现周期性，且幅度不断变化，可以用y＝a(1)e^a(2)xsin(a(3)x+a(4))来拟合，式中有4个变量a(1)、a(2)、a(3)、a(4)需要确定，其中a(1)是振幅，a(2)是衰减系数，a(3)是角频率，a(4)初相位，根据非线性最小二乘法，利用强度信号s′和衍射角正弦值sinθ，确定出最优解a(1)、a(2)、a(3)、a(4)的值，得到拟合函数，在Matlab中已知拟合函数，要求最优解使得y＝a(1)e^a(2)xsin(a(3)x+a(4))满足

其中a＝[a(1),a(2),a(3),a(4)]，F(a,xdata_i)为拟合函数，xdata_i为各像素点衍射角正弦值sinθ，ydata_i为强度信号s′，可以直接调用lsqcurvefit函数求解，调用方法如下：

a＝lsqcurvefit(fun,a0,xdata,ydata) (8)

a＝[a(1),a(2),a(3),a(4)]为函数调用后输出的最优解，fun为拟合函数，在Matlab中可表示为：

fun＝@(a,x)a(1)*exp(x*a(2)).*sin(x*a(3)+a(4)) (9)

a0＝[a0(1),a0(2),a0(3),a0(4)]为初始预估值，利用周期T和角频率a(3)关系

计算出强度s′振动周期T，再根据

计算出直径d数值。

步骤1中待测物是待测细丝或待测狭缝，步骤4中d为待测细丝直径或待测狭缝宽度。

步骤42也可选取P行Q列到P行N列的像素点数据进行处理。

步骤1中光源为激光器，发射激光为绿光或者红光。

实施例

本实施例中选用波长λ＝532nm绿激光，照射狭缝宽度为80μm单缝，单缝到光屏的距离l＝80cm，产生的衍射现象如图4下面明暗相间部分，摄像头5拍摄的图像为绿色的彩色图像，图4是对拍摄原图进行灰度处理后的图像，后续的图像处理步骤必须对拍摄原图进行处理，利用步骤2图像定标，测出两发光材料间实际距离是2.00cm。阈值为0.5的二值化图像如图5所示，二值化的阈值不能过大，建议小于等于0.5，图中‘1’之间有66个‘0’数据点，两个像素点之间对应实际距离

Δ＝h/(b+1)＝2/67＝0.02985cm

对M×N的二值化数组逐行求和，选出和值最大的行数P＝181，衍射图像中心位置必在P＝181行，即图5中白色水平线所在的行。图6是阈值为0.95的二值化图像，图中白色部分就是衍射图像极大亮条纹部分，对阈值为0.95的二值化数组进行处理，取出P＝181行所有数据，找出所有‘1’中最中间‘1’所在列数为Q＝243，最终确定衍射图像中心在P＝181行Q＝243列像素点处，即2条白色线的交点处。

l＝0.8m为狭缝到光屏的距离，步骤43中可以确定各像素点sinθ和s，以sinθ和s分别作为横、纵坐标画图，如图7所示，从图中可以看出强度s的分布不均匀，同时强度的变化不是渐进的，会出现毛刺点；图中有多个极大值和极小值点，极大值位置相对混乱，极小值的位置相对容易确定，极小值点应该周期性出现在λ/d的整数倍处，但直接通过图7确定极小值位置误差较大，同时毛刺点也会对程序中准确选取极小点位置产生影响。

频谱密度幅度|S(k)|的变化如图8，由于强度s无法确定由何种信号叠加形成，所以对于频谱密度的频率范围无法确定，所以图8的横坐标不是频率，而是公式6中的变量k，从图8中确定出周期极值的频谱密度是方框选定的部分，所以图8中除了方框中的频谱密度，其他部分都为干扰的频谱密度。

保留图8中方框内S(k)的值，以峰两侧的极值点为界限，两个极值点内的S(k)值保留，其他的S(k)都改变为0，这样就将想要研究的频谱密度留下，滤除干扰的频谱密度，滤除干扰后的频谱密度幅度|S′(k)|图像如图9所示。

用ifft命令将S′(k)进行快速傅里叶逆变换，得到含有强度极值周期信息的强度信号s′，这样就可以得到sinθ～s′关系，如图10，图中可以看出，滤波后的强度s′随衍射角正弦值sinθ在0附近上下振动，sinθ值0-0.07范围内s′振幅先增大后减小，但sinθ～s′具体的函数关系并没有确定。

在步骤45中，将像素点sinθ～s和滤波后各点sinθ～s′的关系进行对比，如图10，取出sinθ～s的极小值位置A1-A10和sinθ～s′的极小值E1-E10位置进行比较，各点坐标如表1，从表格中可以看出，滤波后各极小值像素点的强度发生了明显的变化，但各极小值像素点的sinθ值变化较小，A2-A8这些极小值像素点经过滤波处理后变为E2-E8，仍然为极小值点，且sinθ值不变，即滤波后的各点带有极小值像素点的sinθ值的周期性质。

为了使模拟结果更加精确，选择合适的拟合点十分重要：首先，对比滤波前后的极小值点，找滤波前后sinθ值不变的极小值点，即图10中点E2-E8；其次，取滤波后sinθ值在点E2和点E8sinθ值范围内的点作为拟合点，即图10中E2和E8两点之间所有点。

表1：像素点的sinθ～s和滤波后各点sinθ～s′的极小值位置

取图10中两个极值点E2(0.01439,-102.8)和E3(0.02121,-121.2)来确定初始预估值a0：

将E2和E8两点之间所有点的横坐标数据写成数组赋值给xdata，纵坐标数据写成数据赋值给ydata，在Matlab运行命令(8)进行拟合，运行结束后返回最优解a(1)＝-188.46、a(2)＝19.79、a(3)＝900.16、a(4)＝1.32，数据点和拟合函数的曲线如图11所示，得到最优解后根据

算出单缝宽度d：

单缝理论缝宽d₀＝80μm，相对误差：

提高图像定标过程图像像素点间距离与实际距离转化的精确度以及保证摄像机水平拍摄衍射图像均可提高本发明提供的一种准确处理单缝衍射图像方法处理的精确度。

Claims (5)

1.一种准确处理单缝衍射图像方法，其特征在于：该方法的具体步骤如下，

步骤1：搭建实验光路，采集衍射图像：依次将光源(2)、光栅架(3)以及光屏(6)放置到光具座(1)上，将待测物(4)竖直安装到光栅架(3)上，其中光源(2)发射光依次通过待测物(4)和光屏(6)，摄像头(5)水平对准光屏(6)，摄像头(5)和光屏(6)安置在暗箱(7)内，摄像头(5)连接到计算机上，采集在光屏(6)上待测物(4)被光照射后产生的衍射图像，传输到计算机里为后续图像处理做准备；

步骤2：图像定标：在光屏(6)上贴上两片发光材料，测出两片发光材料之间实际距离h，用Matlab软件读入图像，形成一个M×N×3数组，M为像素点的行数，N为像素点的列数，对读入图像数据进行二值化处理，形成一个M×N的数组，确定在图像中两片发光材料之间黑色像素点的个数b，算出图像两个像素点之间对应的实际距离Δ＝h/(b+1)，实现图像显示和实际距离之间转换；

步骤3：确定衍射图像中心位置：首先对M×N二值化数组逐行求和，选出和值最大的行数P，衍射图像中心位置必在P行，其次选取高的阈值重新对读入的图像数据M×N×3数组进行二值化，凸显出中心亮条纹，取出P行所有数据，找出最中间白色像素点所在列数Q，确定了衍射图像中心位置在P行Q列像素点处；

步骤4：处理图像数据，计算d：利用Matlab读取图像建立的M×N×3的三维数组，选取P行Q列到P行1列像素点进行数据处理，计算各像素点sinθ和像素强度s，先对像素强度s进行快速傅里叶变换计算频谱密度S(k)，并计算频谱密度幅度|S(k)|，再对频谱密度的幅度|S(k)|进行滤波，将想要研究的频谱密度留下，滤除干扰后的频谱密度幅度为|S(k)′|，将S(k)′进行快速傅里叶逆变换，得到含有强度极值周期信息的强度信号s′，计算得出d数值。

2.根据权利要求1所述的一种准确处理单缝衍射图像方法，其特征在于：所述步骤4中，按照如下过程确定d具体数值：

步骤41：存储图像数据：在M×N×3的三维数组中，前两维(M，N)表示像素位于图像中的位置，而第三维定义的是图像中每一个像素的红、绿、蓝颜色强度值，即采集图像中每一个像素的RGB强度分量都存储在数组的第三维元素中，根据公式

计算出像素强度s，式中R、G、B分别代表像素的三基色强度分量；

步骤42：确定各像素点sinθ和像素强度s：选取P行Q列到P行1列像素点，数据存放在1×Q×3的数组中，数据为uint8类型，将数据转换成double类型，计算出各像素强度s；

像素点从衍射图像中心向边缘选取，第一像素点的距离衍射图像中心的距离为0，第二像素点距离衍射图像中心的距离为h/(b+1)，以此类推第n个像素点的距离衍射图像中心的距离为(n-1)h/(b+1)，根据三角形正弦定义得到每一个像素点位置的正弦值为

步骤43：分析像素强度s频谱：用Matlab中的fft命令进行快速傅里叶变换，得出像素强度s的频谱密度，快速傅里叶变换公式如下：

式中，s(u)为像素强度s，S(k)为频谱密度，U为像素强度s的数据个数，S(k)为复数，S(k)的模|S(k)|是频谱密度的幅度；

步骤44：进行滤波，获取滤波后强度信号s′：滤除干扰的频谱密度，将想要研究的频谱密度留下，滤除干扰后的频谱密度幅度为|S(k)′|，然后利用Matlab中ifft命令将S(k)′进行快速傅里叶逆变换，得到含有强度极值周期信息的强度信号s′，其中快速傅里叶逆变换公式为：

步骤45：确定强度信号s′振动周期T，计算d：根据振动的规律：振动呈现周期性，且幅度不断变化，用y＝a(1)e^a(2)xsin(a(3)x+a(4))来拟合，式中有4个变量a(1)、a(2)、a(3)、a(4)需要确定，其中a(1)是振幅，a(2)是衰减系数，a(3)是角频率，a(4)初相位，根据非线性最小二乘法，利用强度信号s′和衍射角正弦值sinθ，确定出最优解a(1)、a(2)、a(3)、a(4)的值，得到拟合函数，在Matlab中已知拟合函数，要求最优解使得y＝a(1)e^a(2)xsin(a(3)x+a(4))满足：

其中a＝[a(1)，a(2)，a(3)，a(4)，F(a，xdata_i)为拟合函数，xdata_i为各像素点衍射角正弦值sinθ，ydata_i为强度信号s′，可以直接调用lsqcurvefit函数求解，调用方法如下：

a＝1sqcurvefit(fun，a0，xdata，ydata)

a＝[a(1)，a(2)，a(3)，a(4)]为函数调用后输出的最优解，fun为拟合函数，在Matlab中可表示为：

fun＝@(a，x)a(1)*exp(x*a(2)).*sin(x*a(3)+a(4))

a0＝[a0(1)，a0(2)，a0(3)，a0(4)]为初始预估值，利用周期T和角频率a(3)关系

计算出强度信号s′振动周期T，再根据

计算d数值。

3.据权利要求1所述的一种准确处理单缝衍射图像方法，其特征在于：所述步骤1中待测物(4)是待测细丝或待测狭缝，所述步骤4中d为待测细丝直径或待测狭缝宽度。

4.据权利要求1所述的一种准确处理单缝衍射图像方法，其特征在于：所述步骤4也可选取P行Q列到P行N列的像素点数据进行处理。

5.据权利要求1所述的一种准确处理单缝衍射图像方法，其特征在于：所述步骤1中光源为激光器，发射激光为绿光或者红光。

Images