CN113219589B - 基于霍夫梯度下降的熊猫眼保偏光纤自适应对轴方法 - Google Patents

Abstract

本发明提供一种基于霍夫梯度下降的熊猫眼保偏光纤自适应对轴方法，通过获取两侧的光纤端面RGB图像；进行灰度处理得到光纤端面的灰度图；进行高斯滤波处理，进行固定阈值的二值化得到二值化图像；进行应力区Canny边缘检测，获得光纤边缘轮廓图像；采用霍夫梯度下降算法识别得到各光纤边缘轮廓图像中两圆圆心位置和纤芯圆心位置，分别得到光纤的偏振角度；对比分析得到相似度，设定相似度阈值，若达到设定相似度阈值，则给出两侧待耦合熔接光纤头空间位置信息，根据其信息，基于光纤三维与旋转平台，实现光纤三维姿态的闭环控制自动调整后，实现保偏光纤对接；若未能达到阈值，两段光纤端面不匹配；该方法，与现有技术相比，自适应良好，对接精度高。

Description

基于霍夫梯度下降的熊猫眼保偏光纤自适应对轴方法

技术领域

本发明涉及一种基于霍夫梯度下降的熊猫眼保偏光纤自适应对轴方法，涉及光纤技术领域。

背景技术

熊猫眼保偏光纤在传感器领域应用的日渐活跃，推动了熊猫眼保偏光纤熔接技术相应的发展。熊猫眼保偏光纤熔接要求接点的光功率损耗尽量小、偏振保持的性能良好。而影响熊猫眼保偏光纤性能的主要因素有光纤衰耗和双折射效应，其中对熊猫眼保偏光纤最关注的因素是双折射指标。为此熊猫眼保偏光纤熔接前必须进行双折射轴的精确对准，这是熊猫眼保偏光纤熔接技术要解决的关键问题。

目前主要采用光强分布检测实现光纤对准，通过获取光纤的光强曲线，得到峰值时，进行对芯，如中国专利CN201310369271.X公开的一种熊猫型保偏光纤侧视对轴装置及方法，这种方法下，存在峰值模糊、误差大、精度低的问题。

上述问题是在保偏光纤熔接过程中应当予以考虑并解决的问题。

发明内容

本发明的目的是提供一种基于霍夫梯度下降的熊猫眼保偏光纤自适应对轴方法，解决现有技术中存在的如何在保偏光纤熔接前实现双折射轴的精确对准的问题。

本发明的技术解决方案是：

一种基于霍夫梯度下降的熊猫眼保偏光纤自适应对轴方法，包括以下步骤，

S1、将待对接的光纤分别置于光纤熔接机平台上，利用直角棱镜将两侧待对接的光纤的光路反射至摄像头的视场中，使用摄像头分别获取两侧的光纤端面RGB图像；

S2、采用线性加权法，将光纤端面RGB图像进行灰度处理，分别得到光纤端面的灰度图；

S3、对上一步骤得到的光纤端面的灰度图进行高斯滤波处理，分别得到高斯模糊后的高斯模糊灰度图，将所得高斯模糊灰度图进行固定阈值的二值化，得到二值化图像；

S4、对得到的二值化图像分别进行应力区Canny边缘检测，采用轮廓绘制函数对目标图像进行灰度对比，输出得到只含有圆形的图像，即图像只包含光纤边缘轮廓和应力区中心轮廓以及纤芯轮廓；

S5、采用霍夫梯度下降算法识别得到各光纤边缘轮廓图像中两圆圆心位置和纤芯圆心位置；在一侧光纤边缘轮廓图像中标记识别应力区的圆心为A(x₁,y₁)和B(x₂,y₂)，纤芯圆心为R₁(x₁₀,y₁₀)，在另一侧光纤边缘轮廓图像中标记识别的应力区圆心为C(x₃,y₃)和D(x₄,y₄)，纤芯圆心为R₂(x₂₀,y₂₀)；否则认为没有识别到应力区圆心，由光纤熔接机平台的电机驱动光纤至摄像头的视场中，返回步骤S1；

S6、根据光纤边缘轮廓图像中两个标记识别的圆心坐标，分别得到光纤的偏振角度；

S7、将光纤熔接机平台上的待对接的光纤进行旋转，使两侧光纤的偏振角度趋于0°，即左右两侧光纤趋于水平，由步骤S1-S6获取此时的两组图像，对比分析得到相似度，进入下一步骤；

S8、设定相似度阈值，若达到设定相似度阈值，则给出两侧待耦合熔接光纤头空间位置信息，根据其信息，基于光纤三维与旋转平台，实现光纤三维姿态的闭环控制自动调整后，实现保偏光纤对接；若未能达到阈值，将左侧或者右侧光纤旋转180°，再次经过步骤S1-S7，对比相似度，若仍未能达到阈值，则两段光纤端面不匹配，重新切割或更换光纤后，返回步骤S1。

进一步地，步骤S3中，对上一步骤得到的灰度图进行高斯滤波处理，具体为，

S31、根据二维高斯函数计算图像中每个像素点的权重值，建立权重矩阵，设定高斯内核，在图像的水平和垂直的两个方向上，即X和Y两个方向上，设定标准差，将每个像点乘以对应权值，求和得到中心点的高斯模糊的值，计算出所有像素点的高斯模糊值，得到高斯模糊后的灰度图；

S32、对上一步骤得到的高斯模糊图像进行固定阈值的二值化，根据不同阈值下应力区识别结果，选择固定二值化阈值，对每个像素点进行固定二值化处理，得到二值化图像。

进一步地，步骤S5中，采用霍夫梯度下降算法识别得到各光纤边缘轮廓图像中两圆圆心位置和纤芯圆心位置，具体为，

S51、对光纤边缘轮廓图使用高斯函数作为算子对图像像素求梯度值；

S52、重复上一过程，计算全部像素点的邻域内的梯度值；

S53、将步骤S4中所得光纤边缘轮廓图从图像空间映射到极坐标空间，也就是将光纤边缘轮廓图在X-Y坐标系中的像素点转换到变量空间，变量空间的选择是由要检测的光纤边缘轮廓图的圆形形状决定的；

S54、在极坐标空间中，初始化圆心空间N(a,b)，这里(a，b)表示所有可能的圆心的位置，N(a，b)是各圆心位置(a，b)的投票数，初始化为0；

S55、遍历边缘二值化图像的非零像素点，沿着图形的梯度方向，将线段经过的所有累加器中的点(a,b)，对应的N(a,b)+1；

S56、根据投票数，降序排序数组N(a,b)，若排序前三位的投票值N(a,b)超过设定的阈值，则选择这三个点作为应力区识别的圆心和纤芯的圆心，标记识别应力区的圆心为A(x₁,y₁)和B(x₂,y₂)、纤芯的圆心为R₁(x₀,y₀)；在另一侧光纤边缘轮廓图像中标记识别的应力区圆心为C(x₃,y₃)和D(x₄,y₄)，纤芯圆心为R₂(x₂₀,y₂₀)；否则认为没有识别到应力区圆心，将电机正向转动后，返回步骤S1。

进一步地，步骤S56中，排序前三位的三个点中，距离另外两点的距离最相近的点，即为纤芯的圆心点，其余两点标记为应力区圆心点。

进一步地，步骤S6中，根据光纤边缘轮廓图像中两个标记识别的圆心A和B的坐标，分别得到光纤的偏振角度，具体为，光纤的偏振角度θ₁：

同理根据标记识别的圆心C和D的坐标，得到另一侧光纤的偏振角度θ₂：

进一步地，步骤S7中，对比分析得到相似度，具体为，使用步骤S5中两侧已标记圆心的光纤边缘轮廓图像，将点A和点C重合计算点B和点D的坐标距离，记为L₁；同理，将点B和点D坐标重合，计算点A和点C之间的距离，记为L₂，计算R1和R3的距离，记为L₃，相似度则为

本发明的有益效果是：该种基于霍夫梯度下降的熊猫眼保偏光纤自适应对轴方法，与现有技术相比，自适应良好，对接精度高，尤其适用于40～60um的光纤熔接。基于此技术，可适用于航天惯导市场中光纤陀螺仪和光纤熔接机的断纤对接熔接等场景。

附图说明

图1是本发明实施例基于霍夫梯度下降的熊猫眼保偏光纤自适应对轴方法的流程示意图。

图2是实施例中直角棱镜与摄像头的设置说明示意图。

图3是实施例中直角棱镜进行光路反射的说明示意图。

图4是实施例中摄像头获取两侧的光纤端面RGB图像的示意图，其中，(a)是一侧的光纤端面RGB图像，(b)是另一侧的光纤端面RGB图像。

图5是实施例中灰度处理后光纤端面的灰度图的示意图，其中，(a)是一侧的光纤端面的灰度图，(b)是另一侧的光纤端面的灰度图。

图6是实施例中高斯滤波处理后的高斯模糊灰度图，其中，(a)是一侧的高斯模糊灰度图，(b)是另一侧的高斯模糊灰度图。

图7是实施例中二值化后的图像示意图，其中，(a)是一侧的二值化图像，(b)是另一侧的二值化图像。

图8是实施例中进行应力区Canny边缘检测后的光纤边缘轮廓图像的示意图；其中，(a)是一侧的光纤边缘轮廓图像，(b)是另一侧的光纤边缘轮廓图像。

图9是对所得光纤边缘轮廓图像分别进行中心点识别的图像的示意图；其中，1为检测到的应力区的边缘轮廓，2为应力区的中心，3为检测到的纤芯轮廓，4为纤芯中心。(a)是一侧的中心点识别图像，(b)是另一侧的中心点识别图像。

图10是将中心点识别标识在所获取的光纤端面RGB图像的示意图；其中，1为检测到的应力区的边缘轮廓，2为应力区的中心，3为检测到的纤芯轮廓，4为纤芯中心。(a)是一侧的中心点识别标记后光纤端面RGB图像图像，(b)是另一侧的中心点识别标记后光纤端面RGB图像。

具体实施方式

下面结合附图详细说明本发明的优选实施例。

实施例

一种基于霍夫梯度下降的熊猫眼保偏光纤自适应对轴方法，如图1所示，包括以下步骤，

S1、将待对接的光纤分别置于光纤熔接机平台上，如图2和图3所示，利用直角棱镜将两侧待对接的光纤的光路反射至摄像头的视场中，其中直角棱镜由电机驱动上下移动，光纤两端有白色光源，通过直角棱镜，光纤端面图像可以被反射至摄像头的视野中，使用摄像头分别获取两侧的光纤端面RGB图像；如图4所示。

S2、采用线性加权法，将光纤端面RGB图像进行灰度处理，分别得到光纤端面的灰度图；如图5所示。在一个实施例中，线性加权法中具体权重系数优选使用心理学公式，Grey＝0.299*R+0.587*G+0.114*B，其中R、G、B分别为图片三个通道的分量。

S3、对上一步骤得到的光纤端面的灰度图进行高斯滤波处理，分别得到高斯模糊后的高斯模糊灰度图，如图6所示，即为滤波前后效果对比，可以看出滤波后，图像更加平滑，没有尖锐像素点。将所得高斯模糊灰度图进行固定阈值的二值化，得到二值化图像；如图7所示。

S31、根据二维高斯函数计算图像中每个像素点的权重值，建立权重矩阵，设定高斯内核，在和两个方向上，设定标准差，将每个像点乘以对应权值，求和得到中心点的高斯模糊的值，计算出所有像素点的高斯模糊值，得到高斯模糊后的灰度图；

在一个实施例中，对得到的灰度图进行固定阈值等的高斯滤波处理，其中，在1W白光源，侧面45°照射光纤时，所选取最佳阈值为55左右，其余情况使用者可根据滤波前后图像平滑度选择。

根据二维高斯函数计算图像中每个像素点的权重值，其中二维高斯函数为：

其中x、y为横纵坐标位置，σ为方差，e为自然常数；本实施例中设定中心点的坐标为(0，0)，设定卷积核大小为9，则9×9矩阵为

选取方差σ＝1.5，则可以计算出上述矩阵各个像素点的权重值如下：

将上述矩阵权重归一化，得到最终的权重矩阵：

将每个像点乘以对应权值，求和得到中心点的高斯模糊的值；计算出所有像素点的高斯模糊值，得到高斯模糊后的灰度图，如图6所示。

S32、对上一步骤得到的高斯模糊图像进行固定阈值的二值化，根据不同阈值下应力区识别结果，选择固定二值化阈值，对每个像素点进行固定二值化处理，得到二值化图像；如图7所示。

S4、对得到的二值化图像分别进行应力区Canny边缘检测，采用轮廓绘制函数对目标图像进行灰度对比，输出得到只含有圆形的图像，即图像只包含光纤边缘轮廓和应力区中心轮廓以及纤芯轮廓，如图8所示。

S5、采用霍夫梯度下降算法识别得到各光纤边缘轮廓图像中两圆圆心位置和纤芯圆心位置；如图9所示，在一侧光纤边缘轮廓图像中标记识别应力区的圆心为A(x₁,y₁)和B(x₂,y₂)，纤芯圆心为R₁(x₁₀,y₁₀)，在另一侧光纤边缘轮廓图像中标记识别的应力区圆心为C(x₃,y₃)和D(x₄,y₄)，纤芯圆心为R₂(x₂₀,y₂₀)；否则认为没有识别到应力区圆心，由光纤熔接机平台的电机驱动光纤至摄像头的视场中，返回步骤S1；

S51、对光纤边缘轮廓图使用高斯函数作为算子对图像像素求梯度值；其中，二维高斯函数为G(同步骤S31中二维高斯函数公式)，通过对高斯函数进行二阶偏导，求取点(x，y)处的梯度值为

S52、重复上一过程，计算全部像素点的邻域内的梯度值；

S53、将步骤S4中所得光纤边缘轮廓图从图像空间映射到参数空间，也就是将光纤边缘轮廓图在X-Y坐标系中的像素点转换到变量空间，变量空间的选择是由要检测的光纤边缘轮廓图的圆形形状决定的；在极坐标空间中完成圆心和半径的检测；

S54、在极坐标空间中，初始化圆心空间N(a,b)，这里(a，b)表示所有可能的圆心的位置，N(a，b)是圆心位置(a，b)的投票数，初始化为0，这里N(a，b)可以理解为一个数组。

S55、遍历边缘二值化图像的非零像素点，沿着图形的梯度方向，将线段经过的所有累加器中的点(a,b)，对应的N(a,b)+1；

S56、根据投票数，降序排序数组N(a,b)，若排序前三位的投票值N(a,b)超过设定的阈值，则选择这三个点作为应力区识别的圆心和纤芯的圆心，记识别应力区的圆心为A(x₁,y₁)和B(x₂,y₂)；纤芯的圆心为R₁(x₀,y₀)。否则认为没有识别到应力区圆心，将电机正向转动后，返回步骤S1。如图9和图10所示，其中黑色圆点即为识别的应力区圆心和纤芯圆心。

步骤S56中，排序前三位的三个点中，由于应力区的两圆心与纤芯圆心基本在一条直线，并且纤芯圆心处于两个应力区的中心位置，因此三个点中，距离另外两点的距离最相近的点，即为纤芯的圆心点，其余两点标记为应力区圆心点即可。

在对二值化图像进行识别各光纤边缘轮廓图像中两圆圆心位置和纤芯圆心位置后，可将识别标识与步骤S1所得光纤端面RGB图像结合，使得识别结果进行直观显示，如图10所示。

S6、根据光纤边缘轮廓图像中两个标记识别的圆心坐标，分别得到光纤的偏振角度。给定两个圆心A(x₁,y₂)和B(x₂,y₂)，可以唯一确定一条直线；根据A和B的坐标，可以得到一侧光纤的偏振角度θ₁，即直线倾斜角度，计算公式θ₁：

同理可以得到右侧光纤的应力区的中心点C(x₃,y₃)和D(x₄,y₄)，以及右侧光纤的偏振角度θ₂：

S7、将光纤熔接机平台上的待对接的光纤进行旋转，使两侧光纤的偏振角度趋于0°，即左右两侧光纤趋于水平，由步骤S1-S6获取此时的两组图像，对比分析得到相似度，进入下一步骤。

在一个实施例中，通过光纤熔接机平台驱动电机旋转左右两侧光纤至水平，此时进行相似度对比，对比方法如下：使用步骤S5中两侧已标记圆心的光纤边缘轮廓图像，将点A和点C重合计算点B和点D的坐标距离，记为L₁；同理，将点B和点D坐标重合，计算点A和点C之间的距离，记为L₂，计算R1和R3的距离，记为L₃，相似度则为

S8、设定相似度阈值，优选为0.8，若达到设定相似度阈值，则给出两侧待耦合熔接光纤头空间位置信息，根据其信息，基于光纤三维与旋转平台，实现光纤三维姿态的闭环控制自动调整后，实现保偏光纤对接；若未能达到阈值，将左侧或者右侧光纤旋转180°，再次经过步骤S1-S7，对比相似度，若仍未能达到阈值，则两段光纤端面不匹配，这主要是由切割不当，或者光纤本身芯包同心度(即包层内径圆心距离整个纤芯圆心的偏移程度。理想状态是0，就是不偏移)不够造成，此时需要更换光纤或者重新切割，之后返回步骤S1。

若达到设定相似度阈值，则给出两侧待耦合熔接光纤头空间位置信息，根据其信息，基于光纤三维与旋转平台，实现光纤三维姿态的闭环控制自动调整，进而实现超高效率耦合、高消光比小芯径保偏光纤对接。

该种基于霍夫梯度下降的熊猫眼保偏光纤自适应对轴方法，适用于各种熊猫眼保偏光纤的对轴，自适应良好，对接精度高，尤其适用于40～60μm的光纤熔接，能够满足熔接精度要求，解决现有超细保偏光纤的对接精度不足的问题。

该种基于霍夫梯度下降的熊猫眼保偏光纤自适应对轴方法，使用直角棱镜，使得摄像头能够获取端面图像，比起侧视利用光强确定光纤偏振角度更加精确，能够解决现有方法中由于光强曲线的峰值并不尖锐存在的很难精确把控对芯角度的问题。

此外，理论上，纤芯中心和应力区中心应该在一条直线上，但是对于超细保偏光纤而言，国内的生产的光纤的芯包同心度较低，即纤芯中心和应力区中心不在一条直线上，这使得即使应力区能够精确对接，纤芯未必精确对接。针对该问题，实施例方法通过纤芯中心和应力区中心的识别，对左右两侧待熔接光纤的端面进行了相似度分析，只有纤芯中心和应力区中心均满足一定的匹配条件，才会进行后续对接，这将会使得熔接后的光纤寿命更长，性能即消光比更大。

该种基于霍夫梯度下降的熊猫眼保偏光纤自适应对轴方法，通过将待对轴光纤进行相似度比对，能够剔除不符合熔接要求的光纤，能大幅减少熔接前角度偏差，提升对接精度。

该种基于霍夫梯度下降的熊猫眼保偏光纤自适应对轴方法，与现有技术相比，自适应良好，对接精度高。基于此技术，可适用于航天惯导市场中光纤陀螺仪和光纤熔接机的断纤对接熔接等场景。

实验效果验证如下：

通过采用实施例方法与现有方法作为对比例，进行性能测试对比，性能测试包括负向角度和正向角度的误差检测，测试结果如表1和表2所示。

表1负向角度的误差检测

序号	1	2	3	4	5	6
							初始角度	-15	-30	-45	-60	-75	-90
对比例误差角度	-10.6	-9.8	-11.0	-10.2	-9.9	-10.1
							实施例误差角度	-1.64	-1.79	-1.72	-1.64	-1.93	-2.8

表2正向角度的误差检测

由表1与表2，对比实验误差结果，可以看出，实施例方法精度提高了近5倍，大幅提高了对接精度。

该种基于霍夫梯度下降的熊猫眼保偏光纤自适应对轴方法，能够实现对芯角度误差<3°的精准熊猫眼对接，解决了保偏光纤的应力区在对接时应完全重合，对轴难度大，对轴偏差大的问题。利用该方法在光纤熔接机上进行验证，结果表明：该方法稳定有效，对接精度大幅提高，最终的对接效果能够满足熊猫眼对轴的性能要求。本方法使用于光纤熔接机，对接精度高，且能够大幅减低成本，有益于光纤事业的发展。

对熔接完成后的光纤进行性能测试，包括消光比测试和熔接损耗测试如下：

首先，采用实施例方法对轴后的光纤消光比测试，本次测试采用消光比测定方法进行效果测试，测试过程如下：

在管线熔接前，待熔接的一组光纤中的其中一根光纤插入适配器，后接入消光比测试仪，读取屏幕上的消光比的值，记录下此时读数为初始消光比；同样的方法，将熔接后的光纤接入消光比测试仪，读消光比为熔接后的消光比，样本数量为五组待熔接光纤，每个样本重复测量5次，将5次的平均值计入下表中。

表3光纤熔接前后的消光比：

通过表3中结果表明，通过上述对轴方法对轴后的超细径光纤在熔接后具有良好的消光比。

其次，进行熔接损耗测试。测试系统包括保偏光源和光功率计，首先调整保偏光源的输出功率，使得输出功率在光功率计的范围以内，待系统预热以后，读取稳定的光功率值P₀作为基准参考，将光功率计切换为相对模式，并做归零操作；将熔接后的光纤接入系统，注意熔接点距离光功率计的距离每次保持恒定且大于2m，测出此时的光功率值，此时为该光纤熔接后的熔接损耗。多次实验，并取平均值，测量结果如下表所示。

表4实施例方法与对比例方法的熔接损耗

通过表4中结果表明：通过实施例方法对轴后的超细径光纤在熔接后的熔接损耗很低。

以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (6)

1.一种基于霍夫梯度下降的熊猫眼保偏光纤自适应对轴方法，其特征在于：包括以下步骤，

S1、将待对接的光纤分别置于光纤熔接机平台上，利用直角棱镜将两侧待对接的光纤的光路反射至摄像头的视场中，使用摄像头分别获取两侧的光纤端面RGB图像；

S2、采用线性加权法，将光纤端面RGB图像进行灰度处理，分别得到光纤端面的灰度图；

S3、对上一步骤得到的光纤端面的灰度图进行高斯滤波处理，分别得到高斯模糊后的高斯模糊灰度图，将所得高斯模糊灰度图进行固定阈值的二值化，得到二值化图像；

S4、对得到的二值化图像分别进行应力区Canny边缘检测，采用轮廓绘制函数对目标图像进行灰度对比，输出得到只含有圆形的图像，即图像只包含光纤边缘轮廓和应力区中心轮廓以及纤芯轮廓；

S5、采用霍夫梯度下降算法识别得到各光纤边缘轮廓图像中两圆圆心位置和纤芯圆心位置；在一侧光纤边缘轮廓图像中标记识别应力区的圆心为A(x₁,y₁)和B(x₂,y₂)，纤芯圆心为R₁(x₁₀,y₁₀)，在另一侧光纤边缘轮廓图像中标记识别的应力区圆心为C(x₃,y₃)和D(x₄,y₄)，纤芯圆心为R₂(x₂₀,y₂₀)；否则认为没有识别到应力区圆心，由光纤熔接机平台的电机驱动光纤至摄像头的视场中，返回步骤S1；

S6、根据光纤边缘轮廓图像中两个标记识别的圆心坐标，分别得到光纤的偏振角度；

S7、将光纤熔接机平台上的待对接的光纤进行旋转，使两侧光纤的偏振角度趋于0°，即左右两侧光纤趋于水平，由步骤S1-S6获取此时的两组图像，对比分析得到相似度，进入下一步骤；

S8、设定相似度阈值，若达到设定相似度阈值，则给出两侧待耦合熔接光纤头空间位置信息，根据其信息，基于光纤三维与旋转平台，实现光纤三维姿态的闭环控制自动调整后，实现保偏光纤对接；若未能达到阈值，将左侧或者右侧光纤旋转180°，由步骤S1-S7获取相似度后再次进行相似度阈值对比，若仍未能达到阈值，则两段光纤端面不匹配，重新切割或更换光纤后，返回步骤S1。

2.如权利要求1所述的基于霍夫梯度下降的熊猫眼保偏光纤自适应对轴方法，其特征在于：步骤S3中，对上一步骤得到的灰度图进行高斯滤波处理，具体为，

S31、根据二维高斯函数计算图像中每个像素点的权重值，建立权重矩阵，设定高斯内核，在图像的水平和垂直的两个方向上，即X和Y两个方向上，设定标准差，将每个像点乘以对应权值，求和得到中心点的高斯模糊的值，计算出所有像素点的高斯模糊值，得到高斯模糊后的灰度图；

S32、对上一步骤得到的高斯模糊图像进行固定阈值的二值化，根据不同阈值下应力区识别结果，选择固定二值化阈值，对每个像素点进行固定二值化处理，得到二值化图像。

3.如权利要求1所述的基于霍夫梯度下降的熊猫眼保偏光纤自适应对轴方法，其特征在于：步骤S5中，采用霍夫梯度下降算法识别得到各光纤边缘轮廓图像中两圆圆心位置和纤芯圆心位置，具体为，

S51、对光纤边缘轮廓图使用高斯函数作为算子对图像像素求梯度值；

S52、重复上一过程，计算全部像素点的邻域内的梯度值；

S53、将步骤S4中所得光纤边缘轮廓图从图像空间映射到极坐标空间，也就是将光纤边缘轮廓图在X-Y坐标系中的像素点转换到变量空间，变量空间的选择是由要检测的光纤边缘轮廓图的圆形形状决定的；

S54、在极坐标空间中，初始化圆心空间N(a,b)，这里(a，b)表示所有可能的圆心的位置，N(a，b)是各圆心位置(a，b)的投票数，初始化为0；

S55、遍历边缘二值化图像的非零像素点，沿着图形的梯度方向，将线段经过的所有累加器中的点(a,b)，对应的N(a,b)+1；

S56、根据投票数，降序排序数组N(a,b)，若排序前三位的投票值N(a,b)超过设定的阈值，则选择这三个点作为应力区识别的圆心和纤芯的圆心，标记识别应力区的圆心为A(x₁,y₁)和B(x₂,y₂)、纤芯的圆心为R₁(x₀,y₀)，在另一侧光纤边缘轮廓图像中标记识别的应力区圆心为C(x₃,y₃)和D(x₄,y₄)，纤芯圆心为R₂(x₂₀,y₂₀)；否则认为没有识别到应力区圆心，将电机正向转动后，返回步骤S1。

4.如权利要求3所述的基于霍夫梯度下降的熊猫眼保偏光纤自适应对轴方法，其特征在于：步骤S56中，排序前三位的三个点中，距离另外两点的距离最相近的点，即为纤芯的圆心点，其余两点标记为应力区圆心点。

5.如权利要求1-4任一项所述的基于霍夫梯度下降的熊猫眼保偏光纤自适应对轴方法，其特征在于：步骤S6中，根据光纤边缘轮廓图像中两个标记识别的圆心A和B的坐标，分别得到光纤的偏振角度，具体为，光纤的偏振角度θ₁：

同理根据标记识别的圆心C和D的坐标，得到另一侧光纤的偏振角度θ₂：

6.如权利要求1-4任一项所述的熊猫眼保偏光纤自适应对轴方法，其特征在于：步骤S7中，对比分析得到相似度，具体为，使用步骤S5中两侧已标记圆心的光纤边缘轮廓图像，将点A和点C重合计算点B和点D的坐标距离，记为L₁；同理，将点B和点D坐标重合，计算点A和点C之间的距离，记为L₂，计算R1和R3的距离，记为L₃，相似度则为

Images