CN111474179A - 镜片表面清洁度检测装置及方法 - Google Patents

Abstract

本发明公开了一种镜片表面清洁度检测装置及方法，装置包括三维电控运动模块、线阵CCD图像传感器、图像采集卡、显微镜头、光源照明模块、图像处理模块以及电源模块。三维电控运动模块用于装载镜片，控制镜片在高度和平面上的位置；线阵CCD图像传感器结合显微镜头，采集镜片表面污染物质的图像；图像采集卡用于缓存线阵CCD图像传感器采集的图像数据，并通过接口电路将数据传送至图像处理模块；光源照明模块采用2个线阵LED光源，照射镜片表面污染物质；图像处理模块对线阵CCD图像传感器采集的图像进行预处理和污染物质特征提取。本发明提高了对镜片表面污染物质的识别精度高和检测效率。

Description

镜片表面清洁度检测装置及方法

技术领域

本发明涉及图像处理领域，具体涉及一种镜片表面清洁度检测装置及方法。

背景技术

在各种成像系统中，比如显微镜、望远镜、照相机、摄像机等都含有镜头模组，而镜头模组是由多个光学镜片组装而成，因此只有当光学镜片满足一定的清洁度，才可以进行组装，以最大限度减少成像中产生的例如畸变、色散等影响成像质量的因素。一般光学镜片在镀膜前后需要进行清洗，以去除镜片表面的污染物质，包括灰尘颗粒、纤维颗粒、化学残留物等。镜片表面污染物质的去除，一方面在于提高成像质量，另一方面也有助于延长镜片的使用寿命。

目前，对镜片表面清洁度进行检测的常用方法有：目检判断、脉冲声波检测、红外频谱反射密度分布检测和机器视觉检测法等。此外，也有如专利CN101191775A公开的一种检验光学镜片清洁度的装置及方法，其将镜片置于一个水蒸发装置上，然后通过检测光源照射下镜片表面的水膜均匀度来判断镜片表面是否存在残留化学物质；再如专利CN206609796U公开的一种高清洁度镜面自动检测设备，其将除尘装置、风扇、检测装置以及空气净化器安置在一条流线上，多工位的设置保证了镜片的检测环境，从而较大地提高了检测精度。但上述装置及方法，不同程度上存在着价格高昂、精度有限、效率不高以及检测流程复杂等问题，尤其在效率上，对于大口径的镜片检测速度较慢。

发明内容

本发明的目的在于提供一种镜片表面清洁度检测装置及方法。

实现本发明目的的技术解决方案为：一种镜片表面清洁度检测装置，包括三维电控运动模块、线阵CCD图像传感器、图像采集卡、显微镜头、光源照明模块、图像处理模块以及电源模块，其中三维电控运动模块用于装载镜片，控制镜片在高度和平面上的位置；所述线阵CCD图像传感器，结合显微镜头，用于采集镜片表面污染物质的图像；所述图像采集卡用于缓存线阵CCD图像传感器采集的图像数据，并通过接口电路将数据传送至图像处理模块；所述光源照明模块采用2个线阵LED光源，用于照射镜片表面污染物质；所述图像处理模块用于对线阵CCD图像传感器采集的图像进行预处理和污染物质特征提取。

一种镜片表面清洁度检测方法，包括如下步骤：

步骤1、接通2个LED线阵光源使其发出线阵光，线阵光和运动工作台的X方向保持垂直，最终照射在运动工作台上的被测镜片表面且两个线阵光重叠；

步骤2、调整线阵CCD图像传感器，使其能够获取线阵光上的背景图像；

步骤3、微调电控平移台高度使图像进一步清晰化，控制电控平移台从设置的起始点逐行逐列匀速移动，同时控制图像采集卡将线阵CCD图像传感器获取的图像传送至图像处理模块；

步骤4、图像处理模块对采集图像进行预处理，包括图像拼接处理、图像灰度化处理、图像去噪处理、图像边缘检测；

步骤5、图像处理模块对图像中污染物质进行特征提取和输出，包括图像圆检测算法、格雷厄姆求凸壳算法、图像形态学膨胀运算、图像污染物质判断、图像二值化输出处理。

本发明与现有技术相比，其显著优点为：1)本发明对镜片表面污染物质的识别精度高。考虑到传统面阵CCD很难做到高分辨率，且在帧幅率上受到限制，而线阵CCD的分辨率却可以做到很大，且具有很高的扫描频率，因此本发明采用线阵CCD结合显微镜头，能够识别微米级大小的污染物质。2)本发明能够识别更多属性的污染物质。由于本发明采用双线阵高照度LED光源，从不同的方向对污染物质进行照射，相比单一光源，在获得更高照度的同时，也增加了散射率较低的污染物质被识别的概率。同时，本发明采用的格雷厄姆凸壳算法，增加了对看上去不连续尚未闭合的污染物质识别概率。3)本发明检测效率高。伺服电机控制的三维电控平移台和高帧率的线阵CCD统一接受PC机的协调控制，因此能够在较短时间内完成镜片表面污染物质的扫描和识别。4)本发明应用范围广。由于本装置及方法具有非接触式的特点，所以除了可以应用在镜片表面的清洁度检测，还可以应用于其它精密仪器表面的清洁度检测。

附图说明

图1为本发明检测装置的示意图；

图2为本发明检测方法的测量原理示意图；

图3为本发明检测方法的系统工作流程图；

图4为本发明检测方法的图像处理流程图。

具体实施方式

下面结合附图对本发明方案作进一步详细说明。

如图1所示，一种镜片表面清洁度检测装置，包括：三维电控运动模块、线阵CCD图像传感器、图像采集卡、显微镜头、光源照明模块、图像处理模块以及电源模块，其中线阵CCD图像传感器和显微镜头相连，再通过图像采集卡与图像处理模块相连，光源照明模块和线阵CCD图像传感器保持各自位置相对固定，电源模块和其余各模块均相连。

下面详细描述各模块的功能。

所述三维电控运动模块用于控制镜片在高度和平面上的位置，由于不同的镜片具有不同的厚度，因此需要微调电控平移台的高度以获得最佳的图像效果；电控平移台控制镜片在平面上的位置为：从设置的初始运动点开始逐行逐列匀速运动，使得线阵CCD图像传感器能够连续采集镜片不同位置上的图像。

所述线阵CCD图像传感器具有高分辨率和高扫描频率的特点，结合显微镜头，能够识别微米级的镜片表面污染物质；图像采集卡用于缓存线阵CCD图像传感器的高速数据流并通过接口电路将数据传送至图像处理模块。

所述光源照明模块采用了2个高照度的线阵LED光源，通过不同的角度对镜片表面污染物质进行照射，相比单一光源，在获得更高照度的同时，也增加了散射率较低的污染物质被识别的概率。

所述图像处理模块包括图像预处理模块和图像污染物质特征提取与输出模块，其中：

图像预处理模块包括图像拼接处理单元、图像灰度化处理单元、图像去噪处理单元和图像边缘检测单元；

图像污染物质特征提取与输出模块包括图像圆检测单元、格雷厄姆法求凸壳单元、图像形态学膨胀运算单元、图像污染物质判断单元、图像二值化输出处理单元。

所述图像拼接处理单元是对线阵CCD图像传感器采集的线阵图像进行拼接，以形成可被进一步处理的平面图像。

所述图像灰度化处理单元是用来对拼接后的平面图像进行灰度化处理，以此减少后期图像处理的数据量，对于得到的灰度图，本发明利用Laplacian算子做了进一步增强，用于增加图像对比度，使得图像细节呈现更加丰富。

所述图像去噪处理单元是对灰度图像进行降噪处理，用于改善图像质量，提高图像的锐度，便于更高层次的处理。

所述图像边缘检测单元是突显出图像灰度区域属性发生突变的像素，该区域像素是图像中信息最集中的地方，具有不随光照和视角变化而变化的特性。

所述图像圆检测单元是用于定位整幅图像中属于镜片的部分，将其和背景图像区分开，最终提取出镜片部分的图像。

所述格雷厄姆法求凸壳单元是用于当镜片表面污染物质边缘图像未闭合时便于后续的精确分割，避免将污染物质一些复杂的边缘图像分成多个区域。

所述图像形态学膨胀运算单元是用于获得镜片表面污染物质更为完整的图像信息以及周边的背景情况，以便于对污染物质的像素进行判断。

所述图像污染物质判断单元是用于对凸壳内的闭合区域图像进行阈值判断分割，然后通过遍历提取出的整幅镜片图像，最终获得分割后的污染物质二值图。

所述图像二值化输出处理单元是用于对处理后的污染物质二值图像进行输出，并通过人机交互界面显示。

进一步的，所述三维电控运动模块可以采用伺服电机控制的方式，控制运动平移台在x、y、z三维空间中精确移动。

进一步的，所述图像预处理模块和图像污染物质特征提取与输出模块既可以在PC机上实现，也能够在嵌入式系统中运行，当在嵌入式系统中运行时具有体积小和成本低的优点。

如图2、图3、图4所示，一种镜片表面清洁度检测方法，其中图2表明了本发明的检测原理：利用光源主动式照明，构建暗场成像的方式，当镜片表面清洁度较高时，则能量主要以反射光或透射光为主，散射光的能量很弱，而当镜片表面存在污染物质时，则散射光的能量增强，CCD图像传感器将会在暗场背景下获得明亮的污染物质图像。

基于所述装置，下面对镜片表面清洁度检测方法的各个步骤作进一步说明：

步骤1、接通2个LED线阵光源使其发出高照度的线阵光，线阵光和运动工作台的X方向保持垂直，最终照射在运动工作台上的被测镜片表面且两个线阵光重叠。

步骤2、调整线阵CCD图像传感器，使其能够较为清晰地获取线阵光上的背景图像。

步骤3、微调电控平移台高度使图像进一步清晰化，并设置运动的长度、宽度和运动起始点，PC机控制电控平移台从设置的起始点逐行逐列匀速移动，同时控制图像采集卡将线阵CCD获取的图像传送至PC机图像处理模块。

利用线阵CCD进行平行扫描采集图像的具体方法如下：由于线阵CCD输出的线阵图像需按扫描的先后关系拼接成一幅平面图像，因此如果想得到一幅准确的平面图，就必须有精确的扫描同步控制。其计算公式如下：

v＝L×vx

式中v代表电控平移台的行进速度，vx代表线阵CCD的线扫描速度，L代表线阵CCD像素所对应的物方尺寸。设线阵CCD的像素尺寸为S，显微镜头焦距f，镜头到镜片的距离为D，则物方尺寸计算公式为：

步骤4、图像处理模块对采集图像进行预处理：包括图像拼接处理、图像灰度化处理、图像去噪处理、图像边缘检测，具体方法如下：

步骤4.1、图像拼接处理

即对线阵CCD输出的线阵图像按扫描的先后关系拼接成一幅平面图像。

步骤4.2、图像灰度化处理

本发明采用加权平均值法来获得最佳的灰度化效果，相比一般的平均值法更显逼真。对于一幅RGB图像(R为红色，G为绿色，B为蓝色)，其计算公式为：

Gray(i,j)＝0.299*R(i,j)+0.578*G(i,j)+0.114*B(i,j)

此外，本发明对上述公式获得的灰度图进行了Laplacian算子增强处理，公式为：

式中f(x,y)代表原灰度图，c为增强系数，

为二阶Laplacian算子：

步骤4.3、图像去噪处理

本发明采用中值滤波算法对灰度图去噪。中值滤波对于高斯噪声有一定的抑制效果，对脉冲噪声抑制效果出色，且具有较好的图像边缘保持性，计算公式为：

M(i,j)＝Med{f(x-m,y-n),(m,n∈z)}

式中z为像素模板，通常采用3×3或者5×5的矩阵模板，f(x,y)为滤波前的目标像素点灰度值，M(i,j)为滤波后的目标像素点灰度值。

步骤4.4、图像边缘检测

本发明采用Sobel算子进行图像边缘检测处理。Sobel算子利用x方向和y方向上的两个卷积模板H_x、H_y：

由此获得像素点在x、y方向的梯度幅值d_x、d_y：

d_x＝[f(x-1,y-1)+2f(x,y-1)+f(x+1,y-1)]

-[f(x-1,y+1)+2f(x,y+1)+f(x+1,y+1)]

d_y＝[f(x+1,y-1)+2f(x+1,y)+f(x+1,y+1)]

-[f(x-1,y-1)+2f(x-1,y)+f(x-1,y+1)]

则在像素点处的梯度幅值为：

最后通过设置合适的阈值T对梯度幅值图像中的像素点进行判断分割。Sobel算子相比较于其它算子结构简洁，能够获得较为清晰明显的边缘，且能较好地抑制噪声，故本发明采用Sobel算子进行图像边缘检测。

步骤5、对图像中污染物质进行特征提取和输出

所述对图像中污染物质进行特征提取和输出包括图像圆检测算法、格雷厄姆求凸壳算法、图像形态学膨胀运算、图像污染物质判断、图像二值化输出处理。

具体方法如下：

步骤5.1、图像圆检测算法

由于图像中包含了背景图像和镜片图像，因此需要将镜片图像和背景图像区分开，然后提取出镜片部分的图像。而光学镜片最为突出的特征是圆形，因此需要进行圆的检测和定位。本发明首先采用Hough变换的方法，即通过将图像空间中的圆映射到Hough参数空间中的圆锥面，然后根据设定的阈值，当参数空间中圆锥面的交点数超出所设定的阈值，则判断该交点所对应的参数即为图像空间中所需检测圆的圆心坐标和半径。

考虑到Hough变换虽然具有较强的鲁棒性，但检测精度不太高，因此本发明在Hough变换的基础上，结合最小二乘法对圆的参数作进一步的亚像素级精确定位，整个算法过程为：

1)对预处理后的边缘图像抽取75％的边缘像素点；

2)对抽取后的图像进行Hough变换圆检测，获得圆心和半径；

3)取Hough变换检测的圆上的边缘像素点坐标构成样本集(X_i,Y_i)；

4)对样本集(X_i,Y_i)进行最小二乘法拟合；

5)获得圆相关参数。

步骤5.2、格雷厄姆求凸壳算法

所述格雷厄姆法求凸壳用于对当镜片表面污染物质边缘图像未闭合时便于后续的精确分割，避免将污染物质一些复杂的边缘图像分成多个区域，算法过程：

1)寻找区域点集y坐标最小的点P1；

2)点集中其它各点和P1相连接，并计算各个连接线段和水平线间的夹角，按照夹角大小依次排序，当夹角一样时，则按照到P1点的距离排序，获得序列P1、P2,......Pn；

3)对序列P1、P2,......Pn依次连接后，得到一个多边形；

4)循环删除多边形中的非凸顶点，使用剩下的顶点再次连接成多边形，最终得到凸壳。

步骤5.3、图像形态学膨胀运算

图像形态学膨胀运算用于获得镜片表面污染物质更为完整的图像信息以及周边的背景情况，以便于对污染物质的像素进行判断。通过结构元素b对输入灰度图像f(s,t)进行膨胀运算可表示为：

其中f(x,y)和b(x,y)分别表示二维离散空间F和B上的两个离散函数，且f(x,y)为待处理图像，b(x,y)为结构元素，D_f和D_b分别表示为f和b的定义域。这里把(s-x)和(t-y)限制在f的定义域内。

步骤5.4、图像污染物质判断

图像污染物质判断主要采取对凸壳内的闭合区域图像进行阈值判断分割，然后通过遍历提取出的整幅镜片图像，最终获得分割后的污染物质二值图。设膨胀前凸壳内的灰度均值为m1，膨胀后凸壳内的灰度均值为m2；当m2＞m1时，按照下式进行图像二值化计算：

当m2<m1时，则按下式计算二值化图像：

式中f(x,y)为镜片图像的灰度值，g(x,y)为二值化后所得灰度图，m2为分割阈值。

步骤5.5、图像二值化输出处理

图像二值化输出处理用于对处理后的污染物质二值图像进行输出，并通过人机交互界面显示。

Claims (8)

1.一种镜片表面清洁度检测装置，其特征在于：包括三维电控运动模块、线阵CCD图像传感器、图像采集卡、显微镜头、光源照明模块、图像处理模块以及电源模块，其中三维电控运动模块用于装载镜片，控制镜片在高度和平面上的位置；所述线阵CCD图像传感器，结合显微镜头，用于采集镜片表面污染物质的图像；所述图像采集卡用于缓存线阵CCD图像传感器采集的图像数据，并通过接口电路将数据传送至图像处理模块；所述光源照明模块采用2个线阵LED光源，用于照射镜片表面污染物质；所述图像处理模块用于对线阵CCD图像传感器采集的图像进行预处理和污染物质特征提取。

2.根据权利要求1所述的镜片表面清洁度检测装置，其特征在于：所述图像处理模块包括图像预处理模块和图像污染物质特征提取与输出模块，其中图像预处理模块包括图像拼接处理单元、图像灰度化处理单元、图像去噪处理单元和图像边缘检测单元；所述图像污染物质特征提取与输出模块包括图像圆检测单元、格雷厄姆法求凸壳单元、图像形态学膨胀运算单元、图像污染物质判断单元、图像二值化输出处理单元。

3.根据权利要求1所述的镜片表面清洁度检测装置，其特征在于：所述三维电控运动模块采用伺服电机控制的方式，控制运动平移台在x、y、z三维空间中移动。

4.根据权利要求1所述的镜片表面清洁度检测装置，其特征在于：所述图像处理模块在PC机或者嵌入式系统中运行。

5.一种镜片表面清洁度检测方法，其特征在于：包括如下步骤：

步骤1、接通2个LED线阵光源使其发出线阵光，线阵光和运动工作台的X方向保持垂直，最终照射在运动工作台上的被测镜片表面且两个线阵光重叠；

步骤2、调整线阵CCD图像传感器，使其能够获取线阵光上的背景图像；

步骤3、微调电控平移台高度使图像进一步清晰化，控制电控平移台从设置的起始点逐行逐列匀速移动，同时控制图像采集卡将线阵CCD图像传感器获取的图像传送至图像处理模块；

步骤4、图像处理模块对采集图像进行预处理，包括图像拼接处理、图像灰度化处理、图像去噪处理、图像边缘检测；

步骤5、图像处理模块对图像中污染物质进行特征提取和输出，包括图像圆检测算法、格雷厄姆求凸壳算法、图像形态学膨胀运算、图像污染物质判断、图像二值化输出处理。

6.根据权利要求5所述的镜片表面清洁度检测方法，其特征在于：步骤3中应用线阵CCD图像传感器的扫描同步控制，其控制公式为：

其中v代表三维电控平移台的行进速度，vx代表线阵CCD图像传感器的线扫描速度，S代表线阵CCD图像传感器的像素尺寸，f代表显微镜头焦距，D代表镜头到镜片的距离。

7.根据权利要求5所述的镜片表面清洁度检测方法，其特征在于：步骤4中，对图像进行预处理，具体包括以下步骤：

1)图像拼接处理：对线阵CCD输出的线阵图像按扫描的先后关系拼接成一幅平面图像；

2)图像灰度化处理：对拼接后的平面图像首先利用加权平均值法进行灰度化处理，而后利用Laplacian算子进行增强处理，计算公式为：

其中f(x,y)代表原灰度图，c为增强系数，

代表二阶Laplacian算子，

和

分别代表f(x,y)在x、y方向上的二阶偏导，Gray(x,y)代表处理后的灰度图；

3)图像去噪处理：采用中值滤波算法对灰度图像进行降噪，计算公式为：

M(i,j)＝Med{f(x-m,y-n),(m,n∈z)}

式中z为像素模板，f(x,y)为滤波前的目标像素点灰度值，M(i,j)为滤波后的目标像素点灰度值；

4)图像边缘检测：采用Sobel算子进行图像边缘检测处理，利用x方向和y方向上的两个卷积模板H_x、H_y：

由此获得像素点在x、y方向的梯度幅值d_x、d_y：

d_x＝[f(x-1,y-1)+2f(x,y-1)+f(x+1,y-1)]-[f(x-1,y+1)+2f(x,y+1)+f(x+1,y+1)]

d_y＝[f(x+1,y-1)+2f(x+1,y)+f(x+1,y+1)]-[f(x-1,y-1)+2f(x-1,y)+f(x-1,y+1)]

则在像素点处的梯度幅值为：

最后通过设置的阈值T对梯度幅值图像中的像素点进行判断分割。

8.据权利要求5述的镜片表面清洁度检测方法，其特征在于：步骤5中，图像中污染物质进行特征提取和输出，具体包括以下步骤：

1)图像圆检测算法：首先采用Hough变换的方法初步确定图像中圆的位置，而后结合最小二乘法对圆的参数作进一步的亚像素级精确定位；

2)格雷厄姆求凸壳算法：当镜片表面污染物质边缘图像未闭合时获取凸壳；

3)图像形态学膨胀运算：用于获得镜片表面污染物质更为完整的图像信息以及周边的背景情况，计算公式为：

(f⊕b)(s,t)＝max{f(s-x,t-y)+b(x,y)|s-x,t-y∈D_f,x+y∈D_b}

其中f(x,y)和b(x,y)分别表示二维离散空间F和B上的两个离散函数，且f(x,y)为待处理图像，b(x,y)为结构元素，D_f和D_b分别表示为f和b的定义域，这里(s-x)和(t-y)限制在f的定义域内；

4)图像污染物质判断：对凸壳内的闭合区域图像进行阈值判断分割，然后通过遍历提取出的整幅镜片图像，最终获得分割后的污染物质二值图，设膨胀前凸壳内的灰度均值为m1，膨胀后凸壳内的灰度均值为m2；当m2＞m1时，按照下式进行图像二值化计算：

当m2<m1时，则按下式计算二值化图像：

式中f(x,y)为镜片图像的灰度值，g(x,y)为二值化后所得灰度图，m2为分割阈值；

5)图像二值化输出处理：对处理后的污染物质二值图进行输出。

Images