CN111091598A - 多光斑同步测量分析方法及装置 - Google Patents

多光斑同步测量分析方法及装置 Download PDF

Info

Publication number
CN111091598A
CN111091598A CN201911324809.9A CN201911324809A CN111091598A CN 111091598 A CN111091598 A CN 111091598A CN 201911324809 A CN201911324809 A CN 201911324809A CN 111091598 A CN111091598 A CN 111091598A
Authority
CN
China
Prior art keywords
image
roi
spot
bounding box
original image
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
CN201911324809.9A
Other languages
English (en)
Other versions
CN111091598B (zh
Inventor
胡松
许维
王雪辉
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.)
Wuhan Huagong Laser Engineering Co Ltd
Original Assignee
Wuhan Huagong Laser Engineering Co Ltd
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 Wuhan Huagong Laser Engineering Co Ltd filed Critical Wuhan Huagong Laser Engineering Co Ltd
Priority to CN201911324809.9A priority Critical patent/CN111091598B/zh
Publication of CN111091598A publication Critical patent/CN111091598A/zh
Application granted granted Critical
Publication of CN111091598B publication Critical patent/CN111091598B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations
    • 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
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Multimedia (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种多光斑同步测量分析方法及装置，该方法包括以下步骤：S1、获取包含多个光斑的原始图像P0并在窗口显示；S2、将用户在图像P0中选取的仅包含一个光斑的ROI区域的图像P1作为匹配模板，通过IMAQ Resample函数，将图像P1保持长宽比重新采样，转化到固定的分辨率范围内以满足Match Pattern函数的使用需求，然后通过Learn Pattern函数进行模板学习；S3、通过Match Pattern函数，在图像P0中匹配所有与图像P1相似的ROI区域，形成ROI数组；S4、逐个拷贝ROI数组中ROI区域的子图像，并分别进行光斑分析计算。本发明可以完成多光斑的同步测量分析，该方法匹配过程仅考虑每个光斑的位置，与各个光斑之间的相对位置无关，可用于任意分布方式下光斑的精确定位。

Description

多光斑同步测量分析方法及装置
技术领域
本发明涉及激光光束分析领域，尤其涉及一种多光斑同步测量分析方法及装置。
背景技术
在激光的工业生产制造领域，随着技术的发展，为了进一步提升产量，多光斑并行加工正成为越来越多厂家的研究方向，然而目前市面上的光束分析装置仅针对单个光斑进行测量与分析，国内关于多光束光斑的分析与测试测量装置几乎不存在，抑制了相关技术的研究与发展。
激光光斑的光束分析过程主要为对于单个光斑图像的处理与计算，然后获得光斑的一系列参数，其通常由包含一套计算机与相机的硬件、以及与硬件配套的客户端软件组成。使用时，相机用于对光束进行光斑成像，软件用于控制相机和计算光斑图像。市面上已存在多款成熟的产品，其在计算光斑时普遍采用选择光斑区域并截取该区域内切圆的预处理方式，本专利对于光束分析的相关内容不再赘述。
对于规则排布的光斑，比如阵列，比较容易想到的方法是使用ROI阵列来实现，即采用固定的ROI区域，拷贝所有ROI，获取多个子图像。然而，实际使用时会发现，当图像发生旋转或光斑排布规则发生变化时，想要调整ROI就会变得非常复杂和困难，因此上述方式不具备足够的灵活性。因此，有必要提出一种可实时精确定位每个光斑，无需考虑其变化方式的多光斑的同步测量分析方法及装置。
发明内容
本发明的目的在于提供一种多光斑的同步测量分析方法及装置，旨在用于解决现有的光束分析软件无法对多光斑阵列进行分析的问题。
本发明是这样实现的：
一方面，本发明提供一种多光斑同步测量分析方法，包括以下步骤：
S1、获取包含多个光斑的原始图像P0并在窗口显示；
S2、将用户在图像P0中选取的仅包含一个光斑的ROI区域的图像P1作为匹配模板，通过IMAQ Resample函数，将图像P1保持长宽比重新采样，转化到固定的分辨率范围内以满足Match Pattern函数的使用需求，然后通过Learn Pattern函数进行模板学习；
S3、通过Match Pattern函数，在图像P0中匹配所有与图像P1相似的ROI区域，形成ROI数组；
S4、逐个拷贝ROI数组中ROI区域的子图像，并分别进行光斑分析计算。
进一步地，当窗口显示的原始图像P0中光斑阵列所占区域很小不易于观察时，所述步骤S2之前还包括：
根据用户在原始图像P0中选择的包含所有光斑的矩形ROI区域以及设定的需要匹配的光斑数，调用select rectangle函数弹出新的窗口显示用户选择的包含所有光斑的矩形ROI区域的图像作为新的图像P0，并记下其缩放显示的倍率；
所述步骤S3具体包括：
通过Match Pattern函数，在新的图像P0中匹配所有与图像P1相似的ROI区域，返回匹配图像数据，数据内容中包含有bounding box数组，将上述bounding box除以缩放显示的倍率换算成与原图大小匹配的值，换算完成后，再根据新的图像P0相对于原始图像P0的坐标，将bounding box换算到原始图像P0的坐标系中；
所述步骤S4具体包括：
在原始图像P0中根据bounding box显示各个ROI区域的方框，同时，取出boundingbox左上右下四个边的坐标，转换成多个ROI参数，然后逐个截取复制并计算各个ROI区域内光斑的光学参数。
进一步地，所述将上述bounding box除以缩放显示的倍率换算成与原图大小匹配的值之后还包括：给bounding box加上一个适当值的数组，从而增大bounding box区域以确保包住整个光斑。
进一步地，所述逐个截取复制并计算各个ROI区域内光斑的光学参数时，截取ROI图像内切圆的部分以消除四个角落像素的影响。
进一步地，还包括：当获取到用户鼠标在图像P0中移动时，通过比较鼠标坐标位于ROI数组中哪个ROI的范围内，得到鼠标处ROI的序号并实时显示。
另一方面，本发明还提供一种多光斑同步测量分析装置，包括：
光斑图像获取模块，用于获取包含多个光斑的原始图像P0并在窗口显示；
模板学习模块，用于将用户在图像P0中选取的仅包含一个光斑的ROI区域的图像P1作为匹配模板，通过IMAQ Resample函数，将图像P1保持长宽比重新采样，转化到固定的分辨率范围内以满足Match Pattern函数的使用需求，然后通过Learn Pattern函数进行模板学习；
图像匹配模块，用于通过Match Pattern函数，在图像P0中匹配所有与图像P1相似的ROI区域，形成ROI数组；
光斑分析计算模块，用于逐个拷贝ROI数组中ROI区域的子图像，并分别进行光斑分析计算。
进一步地，所述模板学习模块还用于根据用户在原始图像P0中选择的包含所有光斑的矩形ROI区域以及设定的需要匹配的光斑数，调用selectrectangle函数弹出新的窗口显示用户选择的包含所有光斑的矩形ROI区域的图像作为新的图像P0，并记下其缩放显示的倍率；
所述图像匹配模块具体用于通过Match Pattern函数，在新的图像P0中匹配所有与图像P1相似的ROI区域，返回匹配图像数据，数据内容中包含有bounding box数组，将上述bounding box除以缩放显示的倍率换算成与原图大小匹配的值，换算完成后，再根据新的图像P0相对于原始图像P0的坐标，将bounding box换算到原始图像P0的坐标系中；
所述光斑分析计算模块具体用于在原始图像P0中根据bounding box显示各个ROI区域的方框，同时，取出bounding box左上右下四个边的坐标，转换成多个ROI参数，然后逐个截取复制并计算各个ROI区域内光斑的光学参数。
进一步地，所述图像匹配模块还用于在将上述bounding box除以缩放显示的倍率换算成与原图大小匹配的值之后，给bounding box加上一个适当值的数组，从而增大bounding box区域以确保包住整个光斑。
进一步地，所述光斑分析计算模块在逐个截取复制并计算各个ROI区域内光斑的光学参数时，截取ROI图像内切圆的部分以消除四个角落像素的影响。
进一步地，还包括ROI序号显示模块，用于当获取到用户鼠标在图像P0中移动时，通过比较鼠标坐标位于ROI数组中哪个ROI的范围内，得到鼠标处ROI的序号并实时显示。
与现有技术相比，本发明具有以下有益效果：
本发明提供的这种多光斑的同步测量分析方法及装置，针对激光光束分析仪中的多光斑的分离与分析处理，利用labview软件中视觉模块的Match Pattern函数，在一副包含多个任意排布光斑的图像中，匹配出指定数量的多个子图像，每个子图像仅包含单个光斑，并传递给光束分析函数进行计算，从而完成多光斑的同步测量分析，该方法匹配过程仅考虑每个光斑的位置，与各个光斑之间的相对位置无关，可用于任意分布方式下光斑的精确定位，无需考虑光斑的排布规律发生变化，适应性好。
附图说明
图1为本发明实施例提供的一种多光斑同步测量分析方法的流程图；
图2为本发明实施例提供的光斑原始图像；
图3为本发明实施例提供的在ROI区域中选择其中一个光斑的示意图；
图4为本发明实施例提供的自动匹配的光斑的示意图
图5为本发明实施例提供的一种多光斑同步测量分析装置的结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
如图1所示，本发明实施例提供一种多光斑同步测量分析方法，包括以下步骤：
S1、获取包含多个光斑的原始图像P0并在窗口显示；
用户可通过鼠标在窗口显示的原始图像P0中选取任意一个光斑的ROI区域。
S2、将用户在图像P0中选取的仅包含一个光斑的ROI区域的图像P1作为匹配模板，通过IMAQ Resample函数，将图像P1保持长宽比重新采样，转化到固定的分辨率范围内以满足Match Pattern函数的使用需求，然后通过Learn Pattern函数进行模板学习；
S3、通过Match Pattern函数，在图像P0中匹配所有与图像P1相似的ROI区域，形成ROI数组；
S4、逐个拷贝ROI数组中ROI区域的子图像，并分别进行光斑分析计算。
由于匹配过程仅考虑每个光斑的位置，与各个光斑之间的相对位置无关，因此可以不必考虑光斑的排布规律。上述方法得到的ROI顺序是随机的，可根据需要增加专门的查看方法。
上述方法可应用于光束分析仪中，在光束分析仪工作过程中，启用多光斑分析功能，弹出包含原始图像P0的窗口，然后按照上述方法处理，产生ROI数组，之后所有帧的图像均按照ROI数组进行计算，并连续输出多个光斑的数据。
在上述实施例的基础上，当窗口显示的原始图像P0中光斑阵列所占区域很小不易于观察时，所述步骤S2之前还包括：
根据用户在原始图像P0中选择的包含所有光斑的矩形ROI区域以及设定的需要匹配的光斑数，调用select rectangle函数弹出新的窗口显示用户选择的包含所有光斑的矩形ROI区域的图像作为新的图像P0，并记下其缩放显示的倍率；
在步骤S3中，通过Match Pattern函数，在新的图像P0中匹配所有与图像P1相似的ROI区域，返回匹配图像数据，数据内容中包含有bounding box数组，将上述bounding box除以缩放显示的倍率换算成与原图大小匹配的值，优选地，给bounding box加上一个适当值的数组，从而增大bounding box区域以确保包住整个光斑，换算完成后，再根据新的图像P0相对于原始图像P0的坐标，将bounding box换算到原始图像P0的坐标系中；
在步骤S4中，在原始图像P0中根据bounding box显示各个ROI区域的方框，同时，取出bounding box左上右下四个边的坐标，转换成多个ROI参数，然后逐个截取复制并计算各个ROI区域内光斑的光学参数，计算时截取ROI图像内切圆的部分以消除四个角落像素的影响，同时还能避免角落包含邻近光斑时造成的错误。
通过上述方法，解决了窗口显示的原始图像P0中光斑阵列所占区域很小不易于观察的问题，适应性更好。
该方法的具体实施过程如下：
第一步，如图2所示，为输入的光斑原始图像，其中左下方为需要识别的8个光斑，这8个光斑非常小，占用区域范围也很小，排列方式也很散乱。通过手动选择一块包含所有光斑的矩形ROI区域，该区域大小任意，只要包含所有要测量的光斑即可，比如图2中的方框；同时设定需要匹配的光斑数大于等于8。
第二步，用户通过操作程序产生相关事件，启用自动多ROI功能，程序调用selectrectangle函数弹出新的窗口以供选择其中的一个光斑，选择的仍为框出矩形ROI，此时新弹出的窗口中显示的是原图里ROI区域的图像，作为图像P0。由于该窗口中的图像不会随着窗口大小的改动而自动缩放，因此要通过程序将其缩放到适合显示的大小，并记下缩放率。新弹出的窗口如图3所示，可以看见其中包含8个光斑和一个位于图像正中心的不需要的暗斑。用户通过鼠标操作，在新窗口中选择包含任意一个光斑的ROI区域，作为图像P1，并在选择完成后单击确认按钮。
第三步，按照上述技术方案的内容，程序根据第一步中设定的需要匹配的光斑数，在图像P0中匹配与图像P1类似的光斑图像。如果匹配出现错误，则关闭匹配功能，等待重新操作；如果匹配成功，则Match Pattern函数会返回匹配图像数据，数据内容中包含有bounding box数组。其中每个元素为单个匹配出的光斑所在矩形区域的四端点坐标组成的数组，共包含五对数字，其中最后一个与第一个相同，四个端点的顺序为左上、右上、右下、左下、左上，可直接用于绘制封闭矩形。图中匹配出了8个光斑，因此bounding box也包含8个元素。
第四步，将上述bounding box除以缩放显示的倍率换算成与原图大小匹配的值，然后给bounding box加上一个适当值的数组，从而增大bounding box区域以确保包住整个光斑。换算完成后，再根据新的图像P0相对于原始图像的坐标，将bounding box换算到原始图像的坐标系中。
第五步，在原始图像中根据bounding box显示8个ROI区域的方框如图4所示。同时，取出bounding box左上右下四个边的坐标，转换成8个ROI参数，然后逐个截取复制并计算各个ROI区域内光斑的光学参数，计算时截取ROI图像内切圆的部分以消除四个角落像素的影响，同时还能避免角落包含邻近光斑时造成的错误。所得的多个光斑光学参数如强度、位置、光束直径等可用于记录、比较分析或其它操作。
由于ROI顺序是随机的，为了便于查看，该方法优选还包括：当获取到用户鼠标在图像P0中移动时，通过比较鼠标坐标位于ROI数组中哪个ROI的范围内，得到鼠标处ROI的序号并实时显示。
基于同一发明构思，本发明实施例还提供了一种多光斑同步测量分析装置，由于该装置所解决问题的原理与前述实施例的方法相似，因此该装置的实施可以参见前述方法的实施，重复之处不再赘述。
如图5所示，为本发明实施例提供的一种多光斑同步测量分析装置，可以用于执行上述方法实施例，该装置包括：
光斑图像获取模块，用于获取包含多个光斑的原始图像P0并在窗口显示；
模板学习模块，用于将用户在图像P0中选取的仅包含一个光斑的ROI区域的图像P1作为匹配模板，通过IMAQ Resample函数，将图像P1保持长宽比重新采样，转化到固定的分辨率范围内以满足Match Pattern函数的使用需求，然后通过Learn Pattern函数进行模板学习；
图像匹配模块，用于通过Match Pattern函数，在图像P0中匹配所有与图像P1相似的ROI区域，形成ROI数组；
光斑分析计算模块，用于逐个拷贝ROI数组中ROI区域的子图像，并分别进行光斑分析计算。
在一个实施例中，所述模板学习模块还用于根据用户在原始图像P0中选择的包含所有光斑的矩形ROI区域以及设定的需要匹配的光斑数，调用select rectangle函数弹出新的窗口显示用户选择的包含所有光斑的矩形ROI区域的图像作为新的图像P0，并记下其缩放显示的倍率；
所述图像匹配模块具体用于通过Match Pattern函数，在新的图像P0中匹配所有与图像P1相似的ROI区域，返回匹配图像数据，数据内容中包含有bounding box数组，将上述boundingbox除以缩放显示的倍率换算成与原图大小匹配的值，换算完成后，再根据新的图像P0相对于原始图像P0的坐标，将bounding box换算到原始图像P0的坐标系中；
所述光斑分析计算模块具体用于在原始图像P0中根据bounding box显示各个ROI区域的方框，同时，取出bounding box左上右下四个边的坐标，转换成多个ROI参数，然后逐个截取复制并计算各个ROI区域内光斑的光学参数。
在一个实施例中，所述图像匹配模块还用于在将上述bounding box除以缩放显示的倍率换算成与原图大小匹配的值之后，给bounding box加上一个适当值的数组，从而增大bounding box区域以确保包住整个光斑。
在一个实施例中，所述光斑分析计算模块在逐个截取复制并计算各个ROI区域内光斑的光学参数时，截取ROI图像内切圆的部分以消除四个角落像素的影响。
在一个实施例中，还包括ROI序号显示模块，用于当获取到用户鼠标在图像P0中移动时，通过比较鼠标坐标位于ROI数组中哪个ROI的范围内，得到鼠标处ROI的序号并实时显示。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种多光斑同步测量分析方法，其特征在于，包括以下步骤：
S1、获取包含多个光斑的原始图像P0并在窗口显示；
S2、将用户在图像P0中选取的仅包含一个光斑的ROI区域的图像P1作为匹配模板，通过IMAQ Resample函数，将图像P1保持长宽比重新采样，转化到固定的分辨率范围内以满足Match Pattern函数的使用需求，然后通过Learn Pattern函数进行模板学习；
S3、通过MatchPattern函数，在图像P0中匹配所有与图像P1相似的ROI区域，形成ROI数组；
S4、逐个拷贝ROI数组中ROI区域的子图像，并分别进行光斑分析计算。
2.如权利要求1所述的多光斑同步测量分析方法，其特征在于，当窗口显示的原始图像P0中光斑阵列所占区域很小不易于观察时，所述步骤S2之前还包括：
根据用户在原始图像P0中选择的包含所有光斑的矩形ROI区域以及设定的需要匹配的光斑数，调用select rectangle函数弹出新的窗口显示用户选择的包含所有光斑的矩形ROI区域的图像作为新的图像P0，并记下其缩放显示的倍率；
所述步骤S3具体包括：
通过MatchPattern函数，在新的图像P0中匹配所有与图像P1相似的ROI区域，返回匹配图像数据，数据内容中包含有bounding box数组，将上述bounding box除以缩放显示的倍率换算成与原图大小匹配的值，换算完成后，再根据新的图像P0相对于原始图像P0的坐标，将bounding box换算到原始图像P0的坐标系中；
所述步骤S4具体包括：
在原始图像P0中根据bounding box显示各个ROI区域的方框，同时，取出bounding box左上右下四个边的坐标，转换成多个ROI参数，然后逐个截取复制并计算各个ROI区域内光斑的光学参数。
3.如权利要求2所述的多光斑同步测量分析方法，其特征在于，所述将上述boundingbox除以缩放显示的倍率换算成与原图大小匹配的值之后还包括：给bounding box加上一个适当值的数组，从而增大bounding box区域以确保包住整个光斑。
4.如权利要求2所述的多光斑同步测量分析方法，其特征在于，所述逐个截取复制并计算各个ROI区域内光斑的光学参数时，截取ROI图像内切圆的部分以消除四个角落像素的影响。
5.如权利要求1所述的多光斑同步测量分析方法，其特征在于，还包括：当获取到用户鼠标在图像P0中移动时，通过比较鼠标坐标位于ROI数组中哪个ROI的范围内，得到鼠标处ROI的序号并实时显示。
6.一种多光斑同步测量分析装置，其特征在于，包括：
光斑图像获取模块，用于获取包含多个光斑的原始图像P0并在窗口显示；
模板学习模块，用于将用户在图像P0中选取的仅包含一个光斑的ROI区域的图像P1作为匹配模板，通过IMAQ Resample函数，将图像P1保持长宽比重新采样，转化到固定的分辨率范围内以满足Match Pattern函数的使用需求，然后通过Learn Pattern函数进行模板学习；
图像匹配模块，用于通过Match Pattern函数，在图像P0中匹配所有与图像P1相似的ROI区域，形成ROI数组；
光斑分析计算模块，用于逐个拷贝ROI数组中ROI区域的子图像，并分别进行光斑分析计算。
7.如权利要求6所述的多光斑同步测量分析装置，其特征在于：
所述模板学习模块还用于根据用户在原始图像P0中选择的包含所有光斑的矩形ROI区域以及设定的需要匹配的光斑数，调用selectrectangle函数弹出新的窗口显示用户选择的包含所有光斑的矩形ROI区域的图像作为新的图像P0，并记下其缩放显示的倍率；
所述图像匹配模块具体用于通过Match Pattern函数，在新的图像P0中匹配所有与图像P1相似的ROI区域，返回匹配图像数据，数据内容中包含有bounding box数组，将上述boundingbox除以缩放显示的倍率换算成与原图大小匹配的值，换算完成后，再根据新的图像P0相对于原始图像P0的坐标，将bounding box换算到原始图像P0的坐标系中；
所述光斑分析计算模块具体用于在原始图像P0中根据bounding box显示各个ROI区域的方框，同时，取出bounding box左上右下四个边的坐标，转换成多个ROI参数，然后逐个截取复制并计算各个ROI区域内光斑的光学参数。
8.如权利要求7所述的多光斑同步测量分析装置，其特征在于，所述图像匹配模块还用于在将上述bounding box除以缩放显示的倍率换算成与原图大小匹配的值之后，给bounding box加上一个适当值的数组，从而增大bounding box区域以确保包住整个光斑。
9.如权利要求7所述的多光斑同步测量分析装置，其特征在于，所述光斑分析计算模块在逐个截取复制并计算各个ROI区域内光斑的光学参数时，截取ROI图像内切圆的部分以消除四个角落像素的影响。
10.如权利要求6所述的多光斑同步测量分析装置，其特征在于：还包括ROI序号显示模块，用于当获取到用户鼠标在图像P0中移动时，通过比较鼠标坐标位于ROI数组中哪个ROI的范围内，得到鼠标处ROI的序号并实时显示。
CN201911324809.9A 2019-12-20 2019-12-20 多光斑同步测量分析方法及装置 Active CN111091598B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911324809.9A CN111091598B (zh) 2019-12-20 2019-12-20 多光斑同步测量分析方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911324809.9A CN111091598B (zh) 2019-12-20 2019-12-20 多光斑同步测量分析方法及装置

Publications (2)

Publication Number Publication Date
CN111091598A true CN111091598A (zh) 2020-05-01
CN111091598B CN111091598B (zh) 2023-08-25

Family

ID=70395366

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911324809.9A Active CN111091598B (zh) 2019-12-20 2019-12-20 多光斑同步测量分析方法及装置

Country Status (1)

Country Link
CN (1) CN111091598B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111855158A (zh) * 2020-07-31 2020-10-30 武汉华工激光工程有限责任公司 多光斑光束分析方法及装置

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050008212A1 (en) * 2003-04-09 2005-01-13 Ewing William R. Spot finding algorithm using image recognition software
US20110221919A1 (en) * 2010-03-11 2011-09-15 Wenbo Zhang Apparatus, method, and system for identifying laser spot
CN102262733A (zh) * 2010-05-28 2011-11-30 株式会社理光 激光点检测方法及装置
CN104769454A (zh) * 2012-10-31 2015-07-08 莱卡地球系统公开股份有限公司 用于确定对象的取向的方法和装置
US20160086324A1 (en) * 2014-09-01 2016-03-24 Asml Netherlands B.V. Method of Measuring a Property of a Target Structure, Inspection Apparatus, Lithographic System and Device Manufacturing Method
CN108414094A (zh) * 2018-01-19 2018-08-17 武汉华工激光工程有限责任公司 基于Labview的激光光束分析系统及方法
CN109631787A (zh) * 2018-12-27 2019-04-16 长安大学 透射式靶标图像的光斑中心检测方法及桥梁挠度图像式检测装置
CN109961438A (zh) * 2019-04-08 2019-07-02 武汉华工激光工程有限责任公司 一种光斑图像分析方法及装置
CN110033436A (zh) * 2019-03-08 2019-07-19 安徽理工大学 一种基于机器视觉与激光融合的矿井刚性罐道变形诊断及其定位系统
CN110288040A (zh) * 2019-06-30 2019-09-27 北京华融塑胶有限公司 一种基于拓扑验证的图像相似评判方法及设备

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050008212A1 (en) * 2003-04-09 2005-01-13 Ewing William R. Spot finding algorithm using image recognition software
US20110221919A1 (en) * 2010-03-11 2011-09-15 Wenbo Zhang Apparatus, method, and system for identifying laser spot
CN102262733A (zh) * 2010-05-28 2011-11-30 株式会社理光 激光点检测方法及装置
CN104769454A (zh) * 2012-10-31 2015-07-08 莱卡地球系统公开股份有限公司 用于确定对象的取向的方法和装置
US20160086324A1 (en) * 2014-09-01 2016-03-24 Asml Netherlands B.V. Method of Measuring a Property of a Target Structure, Inspection Apparatus, Lithographic System and Device Manufacturing Method
CN108414094A (zh) * 2018-01-19 2018-08-17 武汉华工激光工程有限责任公司 基于Labview的激光光束分析系统及方法
CN109631787A (zh) * 2018-12-27 2019-04-16 长安大学 透射式靶标图像的光斑中心检测方法及桥梁挠度图像式检测装置
CN110033436A (zh) * 2019-03-08 2019-07-19 安徽理工大学 一种基于机器视觉与激光融合的矿井刚性罐道变形诊断及其定位系统
CN109961438A (zh) * 2019-04-08 2019-07-02 武汉华工激光工程有限责任公司 一种光斑图像分析方法及装置
CN110288040A (zh) * 2019-06-30 2019-09-27 北京华融塑胶有限公司 一种基于拓扑验证的图像相似评判方法及设备

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
张宏立 等: "《工业机器人典型应用》", 31 August 2017, 北京理工大学出版社, pages: 154 - 161 *
第9期: "模式匹配方法的LabVIEW设计与实现", 《计算机工程与设计》 *
第9期: "模式匹配方法的LabVIEW设计与实现", 《计算机工程与设计》, vol. 36, no. 9, 30 September 2015 (2015-09-30), pages 2422 - 2435 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111855158A (zh) * 2020-07-31 2020-10-30 武汉华工激光工程有限责任公司 多光斑光束分析方法及装置

Also Published As

Publication number Publication date
CN111091598B (zh) 2023-08-25

Similar Documents

Publication Publication Date Title
TWI421960B (zh) 根據基準畫面來檢測缺陷的檢查系統和方法
CN109961040B (zh) 身份证区域定位方法、装置、计算机设备及存储介质
US20100328352A1 (en) Multi-operator media retargeting
CN114266773B (zh) 显示面板缺陷定位方法、装置、设备及存储介质
JP2004537901A5 (zh)
US7359546B2 (en) Defect inspection apparatus and defect inspection method
JPH08189898A (ja) 欠陥検査装置
RU2018113713A (ru) Представление данных светового поля
CN112508952B (zh) 一种病理切片双物镜自适应扫描控制方法及系统
KR20120014886A (ko) 검사 레시피 생성 및 검사 레시피를 기반으로 한 검사
JP4668059B2 (ja) 目視検査支援装置、目視検査支援プログラムおよびそのプログラムを記録した記録媒体
JP2023166444A (ja) 拡大画像の取得およびストレージ
CN107797784B (zh) 获取拼接处理器的适配分辨率的方法及装置
CN112464802A (zh) 一种玻片样本信息的自动识别方法、装置和计算机设备
CN111091598B (zh) 多光斑同步测量分析方法及装置
CN105447878A (zh) 一种图像质量测试分析方法及系统
US20220114732A1 (en) Microscopy System and Method for Image Segmentation
WO2022088660A1 (zh) 提高晶圆检测灵敏度的方法、装置以及存储介质
CN109410197A (zh) 一种定位液晶屏检测区域的方法及装置
JP2014022662A (ja) ウエハ外観検査装置及びウエハ外観検査装置における感度しきい値設定方法
CN105989587B (zh) 一种多功能oct系统的自动定标方法
CN113807368A (zh) 基于yolo算法的玻璃仪器检测方法、装置及相关设备
CN109255754B (zh) 一种大场景多相机图像拼接与真实展现的方法和系统
CN111445431B (zh) 一种图像分割方法、终端设备及计算机可读存储介质
CN114596263A (zh) 深度学习的主板外观检测方法、装置、设备及存储介质

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