CN112581490B - 一种复杂曲面干涉测量中前景区域提取方法 - Google Patents
一种复杂曲面干涉测量中前景区域提取方法 Download PDFInfo
- Publication number
- CN112581490B CN112581490B CN202011584267.1A CN202011584267A CN112581490B CN 112581490 B CN112581490 B CN 112581490B CN 202011584267 A CN202011584267 A CN 202011584267A CN 112581490 B CN112581490 B CN 112581490B
- Authority
- CN
- China
- Prior art keywords
- image
- value
- threshold
- light
- object 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.)
- Active
Links
Images
Classifications
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
Abstract
本发明公开了一种复杂曲面干涉条纹图像的前景区域提取方法。由于采用干涉法对复杂曲面表面形状误差进行测量时,CCD的视场通常大于被测面,所以采样得到的干涉条纹图像中将同时包含着前景区域和背景区域。其中背景区域图像不仅会对干涉条纹后续处理的相位提取、相位解包裹以及图像配准产生影响,而且会降低数据处理的效率并最终影响测量结果的精度。因此,在对干涉条纹图像进行处理前应首先对被测前景区域进行提取。
Description
技术领域
本发明属于光学测量领域,具体涉及一种激光干涉测量系统中的干涉条纹图像中测量区域的提取方法。
背景技术
随着光学技术的飞速发展,人们出于对测量精度、测量速度以及不损伤被测面的需求也逐步提升,利用激光干涉法这种光学非接触的测量方法对复杂表面零件的表面形状误差进行测量已经成为重要的研究方向。该方法将被测量的物理信息以干涉条纹图像的相位信息进行体现,通过对干涉条纹图像进行处理来计算复杂曲面的表面形状误差。而在对复杂曲面零件进行干涉测量时,CCD拍摄得到的干涉条纹图像中同时包含着带有丰富被测面信息的前景区域以及无用的背景区域。当对干涉图进行后续数据处理时,这些背景区域不仅会增加图像处理的时间,甚至会导致在相位解包裹时计算出错误的解包结果以及配准过程的失败,最终影响测量的精度甚至引入错误结果等。
通过查阅相关文献发现对于干涉测量中前景区域的提取研究:目前,大部分的图像分割算法基本上是针对特定场景或特定图像的具体应用,而通用的图像分割方法仍然是图像处理领域的研究热点。针对不同的对象和场景,迄今为止已有众多的分割算法提出,这些方法基本可以分为基于边缘的分割方法和基于区域的分割方法两类。基于边缘的分割方法是将图像中所感兴趣的目标边缘提取出来,从而实现分割的目的,基本可以分为以下几类:基于数学形态学的方法;基于代价函数的方法;基于变形模板的方法;基于像素属性的方法;基于边缘流的方法等。基于区域的分割方法是通过图像的空间局部特征,如灰度、纹理以及其他统计特性或规则来实现分割的目的。该方法可以分为以下几类:经典区域分割法,如阈值法、聚类法和区域生长法等;统计模式识别分割法;人工神经网络分割法;基于分形维数的分割方法;基于物理模型的分割方法;基于纹理特性的分割方法等。
虽然关于图像分割方法的研究很多,但是受限于研究领域以及分割对象的不同,并没有通用的分割方法,上述方法直接使用在干涉条纹图像的前景区域提取上都有一定的局限性。复杂曲面干涉测量得到的干涉图具有灰度分布不均匀、测量区域内条纹明暗相间以及边界毛糙模糊等特点,另外,对不同参数的被测面拍摄出的干涉条纹图像,质量差别也很大,这些因素使得干涉条纹图像中前景区域的提取变的困难。此外,提取的自动化程度也关乎整个测量系统的自动化程度,其所耗费的时间关乎测量的效率。因此,有必要在其他操作之前自动快速的提取出干涉条纹中的前景区域。
本发明结合干涉测量系统的特点,提出了一种基于复杂曲面干涉条纹图像的前景区域提取方法。
发明内容
本发明的目的是提供一种复杂曲面干涉测量中前景区域提取方法,解决了现有技术中存在的通用性方法提取图像前景区域的结果不理想问题。
本发明所采用的技术方案是,一种复杂曲面干涉测量中前景区域提取方法,依赖于一种复杂曲面干涉测量中前景区域提取方法使用的测量装置,,包括有激光器,激光器发射出的点光入射偏振分光棱镜a,偏振分光棱镜a将入射光分为互相垂直的P偏振光与S偏振光,所述S偏振光进入测量光路,沿测量光路设置有光强调节器a、扩束镜b、前光楔、后光楔,前光楔与后光楔之间放置被测物体,P偏振光透射通过偏振分光棱镜b,λ/4波片、经与PZT固连的反射镜a、反射后,再次通过λ/4波片,P偏振光的偏振方向发生了90°的变化,变为了S偏振光,再次入射偏振分光棱镜b后发生反射进入参考光路,沿参考光路依次设置有光强调节器b、扩束镜a、反射镜b、半反半透镜,测量光路与参考光路在半反半透镜汇聚为成像共光路,成像共光路的光通过成像透镜后进入CCD相机,PZT与CCD相机电性连接有计算机,具体按照以下步骤实施:
步骤1、将参考光路的光强调节至零,拍摄得到被测物体的物体像图像;
步骤2、对分割阈值进行迭代计算求解;
步骤3、对生成的二值化掩膜的噪点进行处理;
步骤4、对分割边界进行曲线拟合;
本发明的特点还在于:
步骤2中的具体按照以下步骤实施:
步骤2.1、根据物体像图像的分布特征给定一个初始阈值将物体像图像划分成背景区域和目标区域,并分别计算所述背景区域和所述目标区域的灰度平均值;
步骤2.2、通过对背景区域和目标区域的灰度平均值赋予权值,计算出整幅物体像图像的加权平均灰度值,利用所述加权平均灰度值作为阈值再对物体像图像进行提取,如此循环迭代直至相邻两步的加权平均灰度值之差小于给定值,所述给定值的取值与物体像有关,一般给定为5,则最后一步计算出的加权平均灰度值作为初始阈值,所述初始阈值对物体像图像初步提取;
步骤2.3、对物体像图像用步骤2.2得到的初始阈值初步提取后,得出的背景区域均值为μn1,目标区域均值为μn2,分别对其赋予权值α1和α2,可以得到新加权平均值μn+1,将新的加权平均值μn+1作为新的阈值;
步骤2.4、进行阈值迭代计算,使用上一步计算出的阈值对上一步的物体像图像分割一次,并再次计算出新的阈值,直到满足终止迭代条件时,取μn+1为最终的阈值。
步骤2.5、根据所述最终的阈值将物体像图像分割为二值化掩膜图像。
步骤2.3的新加权平均值如下:
μn+1=α1μn1+α2μn2
α1+α2=1
式中,α1和α2是预设的固定值,在迭代计算过程中不变。
步骤2.4的终止迭代条件为:
|μn+1-μn|<ε
式中:
ε——极小值。
步骤3按照以下步骤实施:利用形态学图像处理方法,执行开操作,然后执行闭操作对图像噪声进行形态学平滑。
步骤4采用最小二乘法对所述分割边界进行曲线拟合,设拟合曲线的解析式f(x)为:
f(x)=a0+a1x+a2x2+...+akxk
所有离散点误差平方和δ为:
根据偏导数的定义,当都等于0时,误差平方和δ将达到最小值,此时求出a0,a1,a2,...,ak后,即得所述拟合曲线的解析式f(x),由若干条曲线包围的区域即为所求前景区域,由此可以得到提取复杂曲面前景区域的掩膜。
本发明的有益效果是:
1、本发明能够准确的提取干涉条纹图像中的前景区域,为后续干涉条纹的处理提供了重要的前提条件,从而提高干涉条纹图像的处理精度。
2、本发明能够实现干涉条纹前景区域的自动化处理,自适应的阈值设置避免了人为主观因素的影响。
附图说明
图1是本发明一种复杂曲面干涉测量中前景区域提取方法被测齿轮的齿面物体像;
图2(a)~(b)是本发明一种复杂曲面干涉测量中前景区域提取方法不同灰度分布的齿面物体像1~2;
图3是本发明一种复杂曲面干涉测量中前景区域提取方法初步提取后出现的噪声区域示例;
图4(a)~(d)是本发明一种复杂曲面干涉测量中前景区域提取方法的初步分割结果图、形态学处理结果图、边缘线图及掩模图;
图5是本发明一种复杂曲面干涉测量中前景区域提取方法使用的测量装置结构示意图;
图6是本发明一种复杂曲面干涉测量中前景区域提取方法齿面干涉条纹图像;
图7是本发明一种复杂曲面干涉测量中前景区域提取方法齿面物体像图;
图8是本发明一种复杂曲面干涉测量中前景区域提取方法提取的齿面前景区域在干涉图中的显示;
图中,1.氦氖激光器,2.偏振分光棱镜a,3.偏振分光棱镜b,4.光强调节器b,5.光强调节器a,6.扩束镜a,7.扩束镜b,8.前光楔,9.后光楔,10.反射镜b,11.半反半透镜,12.CCD相机,13.计算机,14.被测齿轮,15.λ/4波片,16.反射镜a,17.PZT,18.成像透镜。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
实施例1
一种复杂曲面干涉测量中前景区域提取方法,其特征在于,具体按照以下步骤实施:
步骤1、将参考光路的光强调节至零,拍摄得到被测齿轮的齿面像图像;
步骤2、对分割阈值进行迭代计算求解;
步骤3、对生成的二值化掩膜的噪点进行处理;
步骤4、对分割边界进行曲线拟合;
一种复杂曲面干涉测量中前景区域提取方法使用的测量装置,如图5所示,包括有激光器1,激光器1发射出的点光入射偏振分光棱镜a2,偏振分光棱镜a2将入射光分为互相垂直的P偏振光与S偏振光。S偏振光进入测量光路,沿测量光路设置有光强调节器a5、扩束镜b7、前光楔8、后光楔9,前光楔8与后光楔9之间放置被测物体14。P偏振光透射通过偏振分光棱镜b3,λ/4波片15、经与PZT17固连的反射镜a16反射后,再次通过λ/4波片15,此时P偏振光的偏振方向发生了90°的变化,变为了S偏振光,入射偏振分光棱镜b3后发生反射进入参考光路。沿参考光路依次设置有光强调节器b4、扩束镜a6、反射镜b10、半反半透镜11。干涉测量光路与参考光路光束在半反半透镜11汇聚为成像共光路,成像共光路的光通过成像透镜18后进入CCD相机12,PZT17、CCD相机12电性连接报计算机13。
步骤2中的具体按照以下步骤实施:在用激光干涉法测量复杂曲面表面形状误差时,由于测量光和参考光的亮度是可调的,导致不同条件下对同一齿面拍摄的物体像灰度值分布和对比度不同,如图2所示。因此,对不同的物体像这里采用自适应阈值。
步骤2.1、根据齿面像图像的分布特征采用给定一个初始阈值将齿面像图像划分成背景区域和目标区域,并分别计算背景区域和目标区域的灰度平均值;
步骤2.2、通过对背景区域和目标区域的灰度平均值赋予权值,计算出整幅齿面像图像的加权平均灰度值,利用加权平均灰度值作为阈值再对物体像图像进行提取,如此循环迭代直至相邻两步的加权平均灰度值之差小于给定值,给定值的取值与齿面像有关,一般给定为5,则最后一步计算出的加权平均灰度值作为初始阈值,初始阈值对物体像图像初步提取;
步骤2.3、对齿面像图像用步骤2.2得到的初始阈值初步提取后,得出的背景区域均值为μn1,目标区域均值为μn2,分别对其赋予权值α1和α2,计算出得新加权平均值μn+1,新加权平均值μn+1作为新阈值;
步骤2.4、进行阈值迭代计算,使用上一步计算出的阈值对上一步的齿面像图像分割一次,计算出新的阈值,当满足终止迭代条件时,取μn+1为最终的阈值。
步骤2.5、根据最终的阈值将齿面像图像分割为二值化掩膜图像。
步骤2.3的新加权平均值如下:
μn+1=α1μn1+α2μn2
α1α2=1
式中,α1和α2是预设的固定值,在迭代计算过程中不变。考虑到背景区域的灰度值比测量前景区域小得多,即使在齿面域内,各像素点灰度值的分布范围也较大,选取相对较小的阈值更加合适,即将权值α1设置大一些,而α2设置小一些。
步骤2.4的终止迭代条件为:
|μn+1-μn|<ε
式中:
ε——极小值。
步骤2的计算中,最终的阈值的计算也可以采用大津法计算。
步骤3按照以下步骤实施:利用形态学图像处理方法,执行开操作,然后执行闭操作对图像噪声进行形态学平滑。对生成的二值化掩膜的噪点进行处理,其中包括背景区域中包含被测面特征像素点,称之为假前景块。以及前景区域中出现的背景区域特征的像素点,称之为假背景块,如图3所示。而被测复杂曲面是连续曲面,利用阈值法初步提取的二值化后的掩膜图像应为实心连通区域。
利用形态学图像处理方法,先执行开操作,然后执行闭操作对图像噪声进行形态学平滑。其中,开操作也称开运算,相当于用结构元素B先对A腐蚀,再进行膨胀操作,可以表示为:
闭操作过程与开操作相反,先用结构元素B对A进行膨胀后再进行腐蚀操作,可以表示为:
步骤4对分割边界进行曲线拟合。经过三个步骤后得到的前景区域边缘呈锯齿状,并不光滑,是由于被测面边缘处受杂散反射光影响的结果,而实际被测面边缘应是光滑的曲线。根据分割结果,前景区域是由几条不同的曲线所包围的,所以在曲线拟合前,需先找到相邻曲线的交叉点坐标,接下来对边缘曲线逐条自动提取其中的特征点并将它们拟合成新的曲线。边界曲线拟合的要求是使拟合的曲线尽可能接近已知的边缘特征点,并且符合知边缘特征点分布的总体轮廓。为使拟合的边界与已提取的边缘特征点的距离误差尽量的小,这里采用最小二乘法对图像边缘进行曲线拟合,使得总体上偏差达到最小。
干涉条纹图像的边界是简单光滑的曲线,设所述拟合曲线的解析式f(x)为:
f(x)=a0+a1x+a2x2+…+akxk
所有离散点误差平方和δ为:
根据偏导数的定义,当都等于0时,误差平方和δ将达到最小值,此时求出a0,a1,a2,…,ak后,即得5条所述拟合曲线的解析式f(x),由所述五条曲线包围的区域即为所求前景区域,由此可以得到提取复杂曲面前景区域的掩膜。
一种复杂曲面干涉测量中前景区域提取方法使用的测量装置的工作原理如下:用于复杂曲面测量的干涉测量系统非共光路的,包含测量光路与参考光路,所以在实验过程中可以方便的遮挡一路光路而保留另一光路成像。将参考光路遮挡而只有测量光路成像时可以拍摄到无干涉的普通的被测曲面物体图像。理想情况下,被测曲面物体图像中的前景区域,即物体像区域与干涉图中的前景区域与干涉图中的前景区域是完全对应的。因此,识别出物体图像中的前景区域即意味着识别除了干涉图中的前景区域。
被测曲面物体图像中的背景区域由于接收不到被测面反射光,前景区域的亮度明显高于背景区域的亮度。因此,可以用灰度阈值过滤的方法实现前景区域和背景区域的区分。
为了处理灰度分布不均匀与人工设置阈值的问题,提出自适应阈值的运用避免了算法需要人为干预的问题,提高了计算的自动化程度,结合形态学的处理方法去除了提取结果中的噪声。
根据实施例1得到齿轮齿面干涉测量的前景区域分步处理结果及最终提取的掩膜如图4所示。从结果看与理论一致,能够满足自动化的提取要求。
实施例1中以精密斜齿轮齿面为被测对象,其齿宽为15mm,入射角86°,采用的光路如图5所示。首先拍摄齿面干涉条纹图像,如图6所示。然后,将一不透明的档板置于参考光路中,即扩束镜a6和反射镜b10之间。记录拍摄此时的齿面物体像如图7所示。针对此时拍摄的物体像图计算自适应的阈值并进行二值化分割,经过形态学处理去掉分割后的噪声,将分割的前景边界进行拟合,可以得到干涉条纹图像的前景区域,如图8所示。
Claims (1)
1.一种复杂曲面干涉测量中前景区域提取方法,其特征在于,依赖于一种复杂曲面干涉测量中前景区域提取方法使用的测量装置,包括有激光器(1),激光器(1)发射出的点光入射偏振分光棱镜a(2),偏振分光棱镜a(2)将入射光分为互相垂直的P偏振光与S偏振光,所述S偏振光进入测量光路,沿测量光路设置有光强调节器a(5)、扩束镜b(7)、前光楔(8)、后光楔(9),前光楔(8)与后光楔(9)之间放置被测物体,P偏振光透射通过偏振分光棱镜b(3),λ/4波片(15)、经与PZT(17)固连的反射镜a(16)反射后,再次通过λ/4波片(15),P偏振光的偏振方向发生了90°的变化,变为了S偏振光,再次入射偏振分光棱镜b(3)后发生反射进入参考光路,沿参考光路依次设置有光强调节器b(4)、扩束镜a(6)、反射镜b(10)、半反半透镜(11),测量光路与参考光路在半反半透镜(11)汇聚为成像共光路,成像共光路的光通过成像透镜(18)后进入CCD相机(12),所述PZT(17)与所述CCD相机(12)电性连接有计算机(13),具体按照以下步骤实施:
步骤1、将参考光路的光强调节至零,拍摄得到被测物体的物体像图像;
步骤2、对分割阈值进行迭代计算求解;具体按照以下步骤实施:
步骤2.1、根据物体像图像的分布特征采给定一个初始阈值将物体像图像划分成背景区域和目标区域,并分别计算所述背景区域和所述目标区域的灰度平均值;
步骤2.2、通过对背景区域和目标区域的灰度平均值赋予权值,计算出整幅物体像图像的加权平均灰度值,利用所述加权平均灰度值作为阈值再对物体像图像进行提取,如此循环迭代直至相邻两步的加权平均灰度值之差小于给定值,所述给定值的取值与齿面像有关,一般给定为5,则最后一步计算出的加权平均灰度值作为初始阈值,所述初始阈值对物体像图像初步提取;
步骤2.3、对物体像图像用步骤2.2得到的初始阈值初步提取后,得出的背景区域均值为μn1,目标区域均值为μn2,分别对其赋予权值α1和α2,计算出得新加权平均值μn+1,将新的新加权平均值μn+1作为新阈值;
新加权平均值如下:
μn+1=α1μn1+α2μn2
α1+α2=1
式中,α1和α2是预设的固定值,在迭代计算过程中不变;
步骤2.4、进行阈值迭代计算,使用上一步计算出的阈值对上一步的物体像图像分割一次,计算出新的阈值,当满足终止迭代条件时,取μn+1为最终的阈值;
终止迭代条件为:
|μn+1-μn|<ε
式中:
ε——极小值;
步骤2.5、根据所述最终的阈值将物体像图像分割为二值化掩膜图像;
步骤3、对生成的二值化掩膜的噪点进行处理;按照以下步骤实施:利用形态学图像处理方法,执行开操作,然后执行闭操作对图像噪声进行形态学平滑;
步骤4、对分割边界进行曲线拟合;具体为:采用最小二乘法对所述分割边界进行曲线拟合,设拟合曲线的解析式f(x)为:
f(x)=a0+a1x+a2x2+...+akxk
所有离散点误差平方和δ为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011584267.1A CN112581490B (zh) | 2020-12-28 | 2020-12-28 | 一种复杂曲面干涉测量中前景区域提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011584267.1A CN112581490B (zh) | 2020-12-28 | 2020-12-28 | 一种复杂曲面干涉测量中前景区域提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112581490A CN112581490A (zh) | 2021-03-30 |
CN112581490B true CN112581490B (zh) | 2023-03-17 |
Family
ID=75140318
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011584267.1A Active CN112581490B (zh) | 2020-12-28 | 2020-12-28 | 一种复杂曲面干涉测量中前景区域提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112581490B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106091978A (zh) * | 2016-06-01 | 2016-11-09 | 西安工程大学 | 斜入式激光干涉法测量中干涉条纹图像的拼接方法 |
CN109785339A (zh) * | 2018-12-29 | 2019-05-21 | 西安交通大学 | 一种同时分割和配准精密复杂曲面干涉条纹图像的方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102136068B (zh) * | 2011-03-31 | 2012-11-21 | 中国科学院半导体研究所 | 基于平均灰度的距离选通图像有效信息区的提取方法 |
CN102663405B (zh) * | 2012-05-14 | 2013-07-24 | 武汉大学 | 基于显著度和混合高斯模型的监控视频前景提取方法 |
JP2017091298A (ja) * | 2015-11-12 | 2017-05-25 | 日本電信電話株式会社 | 画像処理装置、画像処理方法及び画像処理プログラム |
JP6611255B2 (ja) * | 2016-06-09 | 2019-11-27 | 日本電信電話株式会社 | 画像処理装置、画像処理方法、及び画像処理プログラム |
CN107564018A (zh) * | 2017-08-30 | 2018-01-09 | 北京航空航天大学 | 一种利用改进迭代算法提取目标图像的方法 |
CN112036254B (zh) * | 2020-08-07 | 2023-04-18 | 东南大学 | 基于视频图像的运动车辆前景检测方法 |
-
2020
- 2020-12-28 CN CN202011584267.1A patent/CN112581490B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106091978A (zh) * | 2016-06-01 | 2016-11-09 | 西安工程大学 | 斜入式激光干涉法测量中干涉条纹图像的拼接方法 |
CN109785339A (zh) * | 2018-12-29 | 2019-05-21 | 西安交通大学 | 一种同时分割和配准精密复杂曲面干涉条纹图像的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112581490A (zh) | 2021-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109242828B (zh) | 基于光栅投影多步相移法的3d打印制品三维缺陷检测方法 | |
CN114723681B (zh) | 一种基于机器视觉的混凝土裂缝缺陷检测方法 | |
CN112116576B (zh) | 基于偏振结构光成像和改进的缺陷检测方法 | |
CN115330958B (zh) | 基于激光雷达的实时三维重建方法及装置 | |
CN109085178B (zh) | 一种用于增材制造的缺陷指纹精确在线监测和反馈方法 | |
KR20140009209A (ko) | 연속된 b-스플라인 변형을 이용한 타이어 표면의 삼차원 이미지 전처리 방법 | |
CN110473201A (zh) | 一种刹车片表面缺陷的自动检测方法及装置 | |
US7149337B2 (en) | Method of detecting flaws in the structure of a surface | |
Pei et al. | Profile measurement of non-Lambertian surfaces by integrating fringe projection profilometry with near-field photometric stereo | |
CN112581490B (zh) | 一种复杂曲面干涉测量中前景区域提取方法 | |
CN111354047B (zh) | 一种基于计算机视觉的摄像模组定位方法及系统 | |
CN114719749A (zh) | 基于机器视觉的金属表面裂纹检测及真实尺寸测量方法及系统 | |
CN111968143A (zh) | 基于关联成像的边缘图像提取方法及系统 | |
CN111652823A (zh) | 一种基于颜色信息的结构光测量高反射率物体的方法 | |
Pang et al. | An algorithm for extracting the center of linear structured light fringe based on directional template | |
CN114659455A (zh) | 一种用于测量细丝直径的衍射条纹识别处理方法 | |
CN113188671A (zh) | 一种基于交叉迭代自动位置矫正的波前检测方法 | |
CN114155236A (zh) | 一种适用于动态测量环境的激光条纹中心线提取方法 | |
CN111008952A (zh) | 应用于法布里-珀罗干涉成像的物体内部缺陷检测方法 | |
Bo et al. | Laser stripe center extraction method base on hessian matrix improved by stripe width precise calculation | |
Wang et al. | An accurate method for the extraction of line structured light stripe | |
CN117115143B (zh) | 一种检测晶圆芯粒的方法、装置、计算机设备及存储介质 | |
Ilhan et al. | Autofocusing in digital holography | |
Zhang et al. | Novel sub-pixel feature point extracting algorithm for three-dimensional measurement system with linear-structure light | |
He et al. | Spacing detection method for shearing interference fringes containing speckle noises |
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 |