CN113962918A - 一种光纤纤芯的聚焦方法及系统 - Google Patents

一种光纤纤芯的聚焦方法及系统 Download PDF

Info

Publication number
CN113962918A
CN113962918A CN202010514436.8A CN202010514436A CN113962918A CN 113962918 A CN113962918 A CN 113962918A CN 202010514436 A CN202010514436 A CN 202010514436A CN 113962918 A CN113962918 A CN 113962918A
Authority
CN
China
Prior art keywords
fiber core
pixel point
image
boundary
optical fiber
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.)
Pending
Application number
CN202010514436.8A
Other languages
English (en)
Inventor
黄沃彬
张建平
谢建毫
刘东昌
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.)
Shenzhen Yixun Technology Co ltd
Feixun Sensor Technology Shanghai Co ltd
Original Assignee
Shenzhen Yixun Technology Co ltd
Feixun Sensor Technology Shanghai 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 Shenzhen Yixun Technology Co ltd, Feixun Sensor Technology Shanghai Co ltd filed Critical Shenzhen Yixun Technology Co ltd
Priority to CN202010514436.8A priority Critical patent/CN113962918A/zh
Publication of CN113962918A publication Critical patent/CN113962918A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G02—OPTICS
    • G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
    • G02B6/00—Light guides; Structural details of arrangements comprising light guides and other optical elements, e.g. couplings
    • G02B6/02—Optical fibres with cladding with or without a coating
    • G02B6/02057—Optical fibres with cladding with or without a coating comprising gratings
    • G02B6/02076—Refractive index modulation gratings, e.g. Bragg gratings
    • G02B6/02123—Refractive index modulation gratings, e.g. Bragg gratings characterised by the method of manufacture of the grating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based 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
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/77—Determining position or orientation of objects or cameras using statistical methods

Abstract

本发明公开了一种光纤纤芯的聚焦方法，包括：基于机器视觉获取光纤纤芯基于初始位置的第一位置纤芯图像与基于预设步长值的第二位置纤芯图像；计算所述第一位置纤芯图像与所述第二位置纤芯图像的纤芯边界像素点统计值；根据对焦策略对比分析所述第一位置纤芯图像的第一边界像素点统计值与所述第二位置纤芯图像的第二边界像素点统计值的像素点差异，并分析所述光纤纤芯的边界像素点与所述光纤纤芯的背景像素点的像素点差异；根据所述像素点差异调节预设步长值，得到所述像素点差异最小的目标步长值，作为所述光纤纤芯的最佳对焦位置。本发明的有益效果在于：可以实现快速准确的找到最佳对焦位置。

Description

一种光纤纤芯的聚焦方法及系统
技术领域
本发明实施例涉及光纤领域，尤其涉及一种光纤纤芯的聚焦方法及系统。
背景技术
光纤作为信息的载体，是光纤通信系统的重要组成部分，光纤被广泛应用于通信及传感领域。光纤本身是光的良好传播载体，具有传输速度快，损耗低，保密性强等特点，在通信领域被广泛应用于数据传输，同时随着微纳加工技术的发展，精密化加工的精度越来越高，针对光纤的特殊加工需求在逐渐增加，应用也更加广泛。针对不同需求有不同的加工方式，这就使得光纤加工尤为重要。
但目前的加工方式均存在一定的问题，就是光纤纤芯的位置聚焦问题，由于光纤具有多层结构，从外层涂覆层，包层到纤芯，每一层的折射率有一定的差异，且光纤是特殊的圆形波导，会产生自聚焦效应，因此在显微物镜下很难直接定位在光纤纤芯的中心位置。而针对光纤纤芯进行光栅结构的加工，最佳的加工位置就是光纤纤芯的中心位置。因此在对光纤进行加工之前，对光纤纤芯进行聚焦和定位是十分必要的。
发明内容
有鉴于此，本发明实施例的目的是提供一种光纤纤芯的聚焦方法与系统，可以实现快速准确的找到最佳对焦位置。
为实现上述目的，本发明实施例提供了一种光纤纤芯的聚焦方法，包括：
基于机器视觉获取光纤纤芯基于初始位置的第一位置纤芯图像与基于预设步长值的第二位置纤芯图像；
计算所述第一位置纤芯图像与所述第二位置纤芯图像的纤芯边界像素点统计值；
根据对焦策略对比分析所述第一位置纤芯图像的第一边界像素点统计值与所述第二位置纤芯图像的第二边界像素点统计值的像素点差异，并分析所述光纤纤芯的边界像素点与所述光纤纤芯的背景像素点的像素点差异；
根据所述像素点差异调节预设步长值，得到所述像素点差异最小的目标步长值，作为所述光纤纤芯的最佳对焦位置。
进一步地，所述基于机器视觉获取光纤纤芯基于初始位置的第一位置纤芯图像与基于预设步长值的第二位置纤芯图像包括：
通过聚焦器件将外部光源聚焦于所述光纤的纤芯；
基于机器视觉获取初始位置时所述光纤的第一位置纤芯图像，以及预设步进值时所述光纤纤芯的第二位置纤芯图像。
进一步地，所述计算所述第一位置纤芯图像与所述第二位置纤芯图像的纤芯边界像素点统计值包括：
对所述第一位置纤芯图像与所述第二位置纤芯图像进行去噪处理；
将所述去噪后的第一位置纤芯图像与第二位置纤芯图像进行灰度化处理，得到二值化图片；
根据动态阈值算法对所述二值化图片进行处理，得到所述第一位置纤芯图像与所述第二位置纤芯图像的纤芯边界像素点统计值。
进一步地，所述将所述去噪后的第一位置纤芯图像与第二位置纤芯图像进行灰度化处理，得到二值化图片包括：
截取所述第一位置纤芯图像与所述第二位置纤芯图像的ROI区域；
对所述ROI区域进行灰度边界识别，并对所述ROI区域进行灰度化处理，得到所述光纤纤芯边界的二值化图片。
进一步地，所述根据对焦策略对比分析所述第一位置纤芯图像的第一边界像素点统计值与所述第二位置纤芯图像的第二边界像素点统计值差异包括：
获取所述第一边界像素点统计值中所述光纤纤芯的纤芯边界的第一像素比重以及所述第二边界像素点统计值中所述光纤纤芯的纤芯边界的第二像素比重；
根据所述第一像素比重与所述第二像素比重的差异确定所述预设步长值的调节方向。
进一步地，所述分析所述光纤纤芯的边界像素点与所述光纤纤芯的背景像素点的像素点差异包括：
统计所述第一位置纤芯图像的第一边界像素点统计值与所述第二位置纤芯图像的第二边界像素点统计值的边界高亮区域的比重；
采用对焦策略分析边界高亮区域的比重的统计图，以得到所述光纤纤芯的最佳对焦位置。
进一步地，所述采用对焦策略分析边界高亮区域的比重的统计图，以得到所述光纤纤芯的最佳对焦位置包括：
若所述第一位置纤芯图像对应的边界高亮区域的比重相对于所述第二位置纤芯图像对应的边界高亮区域的比重大，说明所述第一位置纤芯图像对应的位置为最佳对焦位置；
若所述第一位置纤芯图像对应的边界高亮区域的比重相对于所述第二位置纤芯图像对应的边界高亮区域的比重小，说明所述第二位置纤芯图像对应的位置为最佳对焦位置。
进一步地，所述方法还包括：
若所述像素点差异大于预设范围内，重复执行：
基于机器视觉获取光纤纤芯基于初始位置的第一位置纤芯图像与基于预设步长值的第二位置纤芯图像；
计算所述第一位置纤芯图像与所述第二位置纤芯图像的纤芯边界像素点统计值；
根据对焦策略对比分析所述第一位置纤芯图像的第一边界像素点统计值与所述第二位置纤芯图像的第二边界像素点统计值的像素点差异，并分析所述光纤纤芯的边界像素点与所述光纤纤芯的背景像素点的像素点差异。
为实现上述目的，本发明实施例提供了一种光纤纤芯的聚焦系统，包括：
位移平台，用于固定放置有光纤的光纤夹具以及放大元件；
光源，放置于所述光纤夹具与所述光纤之间，用于为所述光纤提供背景光；
深度摄像头，用于获取实时光纤的位置以及对所述光纤进行成像，得到深度图像；
所述放大元件，放置与所述位移平台与所述深度摄像头之间，用于将所述光纤进行放大；
控制中心，连接所述位移平台与所述深度摄像头，用于控制所述深度摄像头进行拍摄以及控制所述位移平台进行移动。
进一步地，所述放大元件在所述位移平台上移动。
本发明实施例提供的一种光纤纤芯的聚焦方法及系统，通过获取初始位置的第一位置纤芯图像和以预设步进值移动的第二位置纤芯图像，再计算纤芯边界的像素点统计值，通过两张图片的像素点统计值的数据进行对比差值，同时结合光纤纤芯边界灰度值和背景灰度值差异，判定光纤在垂直方向的移动方向和目标步进值，可以实现快速准确的找到最佳对焦位置。
附图说明
图1为本发明光纤纤芯的聚焦方法实施例一的流程图。
图2为本发明实施例中步骤S100的流程图。
图3为本发明实施例中步骤S120的流程图。
图4为本发明实施例中步骤S122的流程图。
图5为本发明实施例中步骤S140的流程图。
图6为本发明实施例中步骤S140的另一实施例的流程图。
图7为本发明实施例中步骤S140B的流程图。
图8为本发明光纤纤芯的聚焦方法实施例二的示意图。
图9为本发明光纤纤芯的聚焦方法实施例一的第一解析图。
图10为本发明光纤纤芯的聚焦方法实施例一的第二解析图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。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他实施例，都属于本发明保护的范围。
实施例一
如图1所示，本发明实施例描述了一种光纤纤芯的聚焦方法，包括：
步骤S100，基于机器视觉获取光纤纤芯基于初始位置的第一位置纤芯图像与基于预设步长值的第二位置纤芯图像。
具体地，将光纤纤芯放置在位移平台上，位移平台可以为三维调节平台，通过光纤夹具将光纤纤芯进行固定，并调节好背景光源亮度。机器视觉，即通过采用具有深度信息的图像采集设备，来获取第一位置纤芯图像和第二位置纤芯图像。因此，第一位置纤芯图像和第二位置纤芯图像上分别带有对应的深度信息：初始位置、预设步长值。通过获取不同深度的光纤俯视图片，对光纤纤芯的边界的特征进行获取，获取的特征不局限于边界的线宽，边界的对比度值和边界灰度统计值等。
示例性地，参阅图2，所述步骤S100进一步包括：
步骤S101，通过聚焦器件将外部光源聚焦于所述光纤的纤芯。
具体地，为光纤纤芯设置背景光源，通过聚焦器件，可以为物镜，将外部光源聚焦于光纤的纤芯，并进行调节，以使图像采集设备采集到清晰的光纤纤芯图像，图像采集设备可以为CCD光开关。
步骤S102，基于机器视觉获取初始位置时所述光纤的第一位置纤芯图像，以及预设步进值时所述光纤纤芯的第二位置纤芯图像。
具体地，预设步进值是预先进行估算得到的，将图像采集设备设置于三维调节平台上，通过调节三维调节平台拉开图像采集设备与光纤纤芯的距离，调节至预设步进值时，采集第二位置纤芯图像。
步骤S120，计算所述第一位置纤芯图像与所述第二位置纤芯图像的纤芯边界像素点统计值。
具体地，获取第一位置纤芯图像与第二位置纤芯图像的边界灰度区域，并对边界灰度区域进行灰度化以及二值化处理，得到纤芯边界二值化图片，并对纤芯边界二值化图片进行像素点统计，得到纤芯边界像素点值的直方图。
示例性地，参阅图3，所述步骤S120进一步包括：
步骤S121，对所述第一位置纤芯图像与所述第二位置纤芯图像进行去噪处理。
具体地，对获取的第一位置纤芯图像与第二位置纤芯图像进行高斯滤波，消除图片背景噪声，以保证统计值，纤芯边界像素统计值的正确性。
步骤S122，将所述去噪后的第一位置纤芯图像与第二位置纤芯图像进行灰度化处理，得到二值化图片。
具体地，将去噪后的第一位置纤芯图像与第二位置纤芯图像进行灰度化处理，并截取ROI区域，得到边界灰度图片。再将边界灰度图片进行二值化处理，得到只含有0或者1两个值的二值化图片。ROI(region of interest)区域，感兴趣区域。机器视觉、图像处理中，从第一位置纤芯图像与第二位置纤芯图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域，称为感兴趣区域，ROI。在Halcon、OpenCV、Matlab等机器视觉软件上常用到各种算子(Operator)和函数来求得感兴趣区域ROI，并进行图像的下一步处理。
示例性地，参阅图4，所述步骤S122进一步包括：
步骤S122A，截取所述第一位置纤芯图像与所述第二位置纤芯图像的ROI区域。
具体地，ROI区域即光纤纤芯区域，包含有光纤纤芯边界以及管线纤芯边界的灰度区域，可通过OpenCV数字图像处理进行截取。OpenCV的全称，是Open source ComputerVision Library，开放源代码计算机视觉库。OpenCV是一个用于图像处理、分析、机器视觉方面的开源函数库。通过对第一位置纤芯图像与第二位置纤芯图像中，边界区域进行特征识别，再进行ROI区域截取。
步骤S122B，对所述ROI区域进行灰度边界识别，并对所述ROI区域进行灰度化处理，得到所述光纤纤芯边界的二值化图片。
具体地，如图9的(a)与(b)所示，由于光纤纤芯边界和背景的灰度存在一定的差异，且该差异在不同聚焦深度时具有连续变化趋势。对ROI区域进行灰度边界识别以及灰度化处理，将ROI区域的边界与背景的灰度进行区分，再进行二值化处理，得到所述光纤纤芯边界的二值化图片。
步骤S123，根据动态阈值算法对所述二值化图片进行处理，得到所述第一位置纤芯图像与所述第二位置纤芯图像的纤芯边界像素点统计值。
具体地，采用动态阈值法对二值化图片进行分割，分割出边界与背景之间的区域，以进行边界与灰度的像素点值统计，如图9的(c)所示。图像阈值化的目的是要按照灰度级，对像素集合进行一个划分，得到的每个子集形成一个与现实景物相对应的区域，各个区域内部具有一致的属性，而相邻区域布局有这种一致属性。这样的划分可以通过从灰度级出发选取一个或多个阈值来实现。阈值法是一种传统的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术，已被应用于很多的领域。
步骤S140，根据对焦策略对比分析所述第一位置纤芯图像的第一边界像素点统计值与所述第二位置纤芯图像的第二边界像素点统计值的像素点差异，并分析所述光纤纤芯的边界像素点与所述光纤纤芯的背景像素点的像素点差异。
具体地，对焦策略包括但不限于遍历法和爬山法。通过两张图片的灰度值直方图的数据进行对比差值，同时结合光纤纤芯边界灰度值和背景灰度值差异，判定光纤在垂直方向的移动方向和移动步进值。循环重复上述步骤，结合爬坡算法，对比得到光纤纤芯边界对焦最清晰的位置，即光纤边界和背景的灰度值对比最小的位置。
示例性地，参阅图5，所述步骤S140进一步包括：
步骤S141，获取所述第一边界像素点统计值中所述光纤纤芯的纤芯边界的第一像素比重以及所述第二边界像素点统计值中所述光纤纤芯的纤芯边界的第二像素比重。
具体地，对图9的(c)中的像素点进行统计，统计出边界像素值在二值化图片的全部像素值的比重。
步骤S142，根据所述第一像素比重与所述第二像素比重的差异确定所述预设步长值的调节方向。
具体地，如图9的(a)与(c)所示，初始位置时，边界像素所占的第一像素比重较小，设为q，若在预设步长值的第二像素比重大于q，则向初始位置移动，若第二像素比重小于q，则远离光纤移动。
示例性地，参阅图6，所述步骤S140还包括：
步骤S140A，统计所述第一位置纤芯图像的第一边界像素点统计值与所述第二位置纤芯图像的第二边界像素点统计值的边界高亮区域的比重。
具体地，统计图9的(c)中的高亮区域的像素占全部ROI区域像素的比重，高亮区域即像素值大于预设阈值的区域，对焦时，光纤纤芯的边界高亮区域的比重最小。
步骤S140B，采用对焦策略分析边界高亮区域的比重的统计图，以得到所述光纤纤芯的最佳对焦位置。
具体地，如图10所示，将比重图进行绘制。当对焦在光纤纤芯中间位置时，纤芯边界的高亮区域的比重最小。
示例性地，参阅图7，所述步骤S140B进一步包括：
步骤S140B1，若所述第一位置纤芯图像对应的边界高亮区域的比重相对于所述第二位置纤芯图像对应的边界高亮区域的比重大，说明所述第一位置纤芯图像对应的位置为最佳对焦位置。
步骤S140B2，若所述第一位置纤芯图像对应的边界高亮区域的比重相对于所述第二位置纤芯图像对应的边界高亮区域的比重小，说明所述第二位置纤芯图像对应的位置为最佳对焦位置。
具体地，聚焦位置离纤芯中心位置越远的位置统计值越大，当聚焦位置纤芯中心位置时，此时得到最小统计值，因此可以采用爬山法得到谷底方向，进而得到最佳的光纤纤芯聚焦位置，得到光纤纤芯中心位置深度参数。
步骤S160，根据所述像素点差异调节预设步长值，得到所述像素点差异最小的目标步长值，作为所述光纤纤芯的最佳对焦位置。
具体地，根据得到的调节方向及调节调节位置，对光纤纤芯进行调节。
示例性地，所述方法还包括步骤S170：
步骤S170，若所述像素点差异大于预设范围内，重复执行：
步骤S100，基于机器视觉获取光纤纤芯基于初始位置的第一位置纤芯图像与基于预设步长值的第二位置纤芯图像。
步骤S120，计算所述第一位置纤芯图像与所述第二位置纤芯图像的纤芯边界像素点统计值。
步骤S140，根据对焦策略对比分析所述第一位置纤芯图像的第一边界像素点统计值与所述第二位置纤芯图像的第二边界像素点统计值的像素点差异，并分析所述光纤纤芯的边界像素点与所述光纤纤芯的背景像素点的像素点差异。
具体地，本发明的目的是调节最佳对焦位置，当一次调节不成功时，进行多次调节。即，循环重复上述步骤S100-S140，结合爬坡算法，对比得到光纤纤芯边界对焦最清晰的位置，即光纤边界和背景灰度值对比最小的位置。
实施例二
如图8所示，本发明实施例描述了一种光纤纤芯的聚焦系统，包括：
位移平台10，用于固定放置有光纤的光纤夹具以及放大元件40。
具体地，位移平台为三维(X、Y、Z)调节平台，待测量的光纤固定在光纤夹具上，光纤夹具固定在高精度X、Y位移平台上，X、Y位移平台采用电驱动控制，位移精度为亚微米级别。X,Y平台相互垂直安装。光纤夹具优选为V型槽。V型槽对光纤进行限位，保证光纤在光纤夹具加紧时光纤的位置，保证了光纤纤芯位于摄像头的视野范围内，不会超出视野。
光源20，放置于所述光纤夹具与所述光纤之间，用于为所述光纤提供背景光。
具体地，由于光纤的特殊结构，因此采用背透光作为背景光源，背景光源安装于光纤样品的下方，光源垂直线向上平行打光。
深度摄像头30，用于获取实时光纤的位置以及对所述光纤进行成像，得到深度图像。
具体地，高倍物镜安装于镜筒下方，相互匹配的CCD摄像头(深度摄像头)安装于镜头上方，CCD摄像头通过网口和控制中心50连接，控制中心50可实时读取成像。
所述放大元件40，放置与所述位移平台10与所述深度摄像头30之间，用于将所述光纤进行放大。
示例性地，所述放大元件12在所述位移平台10上移动。
具体地，放大元件12可以为高倍物镜，安装于光纤上方，物镜安装于高精度运动控制压电陶瓷结构上，Z轴的压电陶瓷可带动高倍物镜严Z轴垂直运动。
控制中心50，连接所述位移平台10与所述深度摄像头30，用于控制所述深度摄像头30进行拍摄以及控制所述位移平台10进行移动。
具体地，控制中心50包括电脑(PC上位机)和数控模块，位移平台10由数控模块连接，数控模块由电脑控制，电脑可发送指令到所述数控模块。
示例性地，本实施例的具体工作流程为：(1)将位移平台10初始化，将光纤放置于光纤夹具上，并调节好背景光源亮度，手动调节物镜至光纤纤芯边界最清晰的高度，并将该深度位置特征值进行提取分析，并将特征值进行保存作为视觉判别的基准。(2)加工过程中，由于V型槽限位作用，经过第一步骤的初始化操作，保证了光纤纤芯在视野范围内，并且可以通过控制中心50控制平台移动在到任意指定位置。(3)通过CCD获取光纤位置，通过图像判别找到纤芯区域ROI，区域内包含纤芯的边界，且不包含气泡及杂质等干扰信息。并对图像进行处理及特征读取，特征值用于判别光纤纤芯的深度位置指标。(4)将获取的特征指标和初始化设置的参考基准做对比，判别此时是否达到最佳聚焦位置。如达标则提示调节完成，如果不满足要求，则重复步骤(2)和步骤(3)直到满足要求，找到光纤纤芯边界最清晰的对焦位置。
本发明实施例提供的一种光纤纤芯的聚焦方法及系统，通过获取初始位置的第一位置纤芯图像和以预设步进值移动的第二位置纤芯图像，再计算纤芯边界的像素点统计值，通过两张图片的像素点统计值的数据进行对比差值，同时结合光纤纤芯边界灰度值和背景灰度值差异，判定光纤在垂直方向的移动方向和目标步进值，可以实现快速准确的找到最佳对焦位置。克服现有技术对光纤纤芯位置定位精度低，对焦速度慢的特点，该对焦过程无需人工调焦，即可实现高精度的自动对焦过程，精确得到光纤纤芯的准确物理位置。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种光纤纤芯的聚焦方法，其特征在于，包括：
基于机器视觉获取光纤纤芯基于初始位置的第一位置纤芯图像与基于预设步长值的第二位置纤芯图像；
计算所述第一位置纤芯图像与所述第二位置纤芯图像的纤芯边界像素点统计值；
根据对焦策略对比分析所述第一位置纤芯图像的第一边界像素点统计值与所述第二位置纤芯图像的第二边界像素点统计值的像素点差异，并分析所述光纤纤芯的边界像素点与所述光纤纤芯的背景像素点的像素点差异；
根据所述像素点差异调节预设步长值，得到所述像素点差异最小的目标步长值，作为所述光纤纤芯的最佳对焦位置。
2.根据权利要求1所述的光纤纤芯的聚焦方法，其特征在于，所述基于机器视觉获取光纤纤芯基于初始位置的第一位置纤芯图像与基于预设步长值的第二位置纤芯图像包括：
通过聚焦器件将外部光源聚焦于所述光纤的纤芯；
基于机器视觉获取初始位置时所述光纤的第一位置纤芯图像，以及预设步进值时所述光纤纤芯的第二位置纤芯图像。
3.根据权利要求1所述的光纤纤芯的聚焦方法，其特征在于，所述计算所述第一位置纤芯图像与所述第二位置纤芯图像的纤芯边界像素点统计值包括：
对所述第一位置纤芯图像与所述第二位置纤芯图像进行去噪处理；
将所述去噪后的第一位置纤芯图像与第二位置纤芯图像进行灰度处理，得到二值化图片；
根据动态阈值算法对所述二值化图片进行处理，得到所述第一位置纤芯图像与所述第二位置纤芯图像的纤芯边界像素点统计值。
4.根据权利要求3所述的光纤纤芯的聚焦方法，其特征在于，所述将所述去噪后的第一位置纤芯图像与第二位置纤芯图像进行灰度化处理，得到二值化图片包括：
截取所述第一位置纤芯图像与所述第二位置纤芯图像的ROI区域；
对所述ROI区域进行灰度边界识别，并对所述ROI区域进行灰度化处理，得到所述光纤纤芯边界的二值化图片。
5.根据权利要求1所述的光纤纤芯的聚焦方法，其特征在于，所述根据对焦策略对比分析所述第一位置纤芯图像的第一边界像素点统计值与所述第二位置纤芯图像的第二边界像素点统计值差异包括：
获取所述第一边界像素点统计值中所述光纤纤芯的纤芯边界的第一像素比重以及所述第二边界像素点统计值中所述光纤纤芯的纤芯边界的第二像素比重；
根据所述第一像素比重与所述第二像素比重的差异确定所述预设步长值的调节方向。
6.根据权利要求1所述的光纤纤芯的聚焦方法，其特征在于，所述分析所述光纤纤芯的边界像素点与所述光纤纤芯的背景像素点的像素点差异包括：
统计所述第一位置纤芯图像的第一边界像素点统计值与所述第二位置纤芯图像的第二边界像素点统计值的边界高亮区域的比重；
采用对焦策略分析边界高亮区域的比重的统计图，以得到所述光纤纤芯的最佳对焦位置。
7.根据权利要求6所述的光纤纤芯的聚焦方法，其特征在于，所述采用对焦策略分析边界高亮区域的比重的统计图，以得到所述光纤纤芯的最佳对焦位置包括：
若所述第一位置纤芯图像对应的边界高亮区域的比重相对于所述第二位置纤芯图像对应的边界高亮区域的比重大，说明所述第一位置纤芯图像对应的位置为最佳对焦位置；
若所述第一位置纤芯图像对应的边界高亮区域的比重相对于所述第二位置纤芯图像对应的边界高亮区域的比重小，说明所述第二位置纤芯图像对应的位置为最佳对焦位置。
8.根据权利要求1所述的光纤纤芯的聚焦方法，其特征在于，所述方法还包括：
若所述像素点差异大于预设范围内，重复执行：
基于机器视觉获取光纤纤芯基于初始位置的第一位置纤芯图像与基于预设步长值的第二位置纤芯图像；
计算所述第一位置纤芯图像与所述第二位置纤芯图像的纤芯边界像素点统计值；
根据对焦策略对比分析所述第一位置纤芯图像的第一边界像素点统计值与所述第二位置纤芯图像的第二边界像素点统计值的像素点差异，并分析所述光纤纤芯的边界像素点与所述光纤纤芯的背景像素点的像素点差异。
9.一种光纤纤芯的聚焦系统，其特征在于，包括：
位移平台，用于固定放置有光纤的光纤夹具以及放大元件；
光源，放置于所述光纤夹具与所述光纤之间，用于为所述光纤提供背景光；
深度摄像头，用于获取实时光纤的位置以及对所述光纤进行成像，得到深度图像；
所述放大元件，放置与所述位移平台与所述深度摄像头之间，用于将所述光纤进行放大；
控制中心，连接所述位移平台与所述深度摄像头，用于控制所述深度摄像头进行拍摄以及控制所述位移平台进行移动。
10.根据权利要求9所述的光纤纤芯的聚焦系统，其特征在于，所述放大元件在所述位移平台上移动。
CN202010514436.8A 2020-06-08 2020-06-08 一种光纤纤芯的聚焦方法及系统 Pending CN113962918A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010514436.8A CN113962918A (zh) 2020-06-08 2020-06-08 一种光纤纤芯的聚焦方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010514436.8A CN113962918A (zh) 2020-06-08 2020-06-08 一种光纤纤芯的聚焦方法及系统

Publications (1)

Publication Number Publication Date
CN113962918A true CN113962918A (zh) 2022-01-21

Family

ID=79459079

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010514436.8A Pending CN113962918A (zh) 2020-06-08 2020-06-08 一种光纤纤芯的聚焦方法及系统

Country Status (1)

Country Link
CN (1) CN113962918A (zh)

Similar Documents

Publication Publication Date Title
US20210018743A1 (en) Digital microscopy systems, methods and computer program products
US9297995B2 (en) Automatic stereological analysis of biological tissue including section thickness determination
Osibote et al. Automated focusing in bright‐field microscopy for tuberculosis detection
US8300139B2 (en) Image pickup apparatus and image pickup method
KR101891364B1 (ko) 현미경 이미징에서의 빠른 오토-포커스
CN109085113B (zh) 一种用于宫颈脱落细胞检测装置的自动对焦方法和装置
JPH10506206A (ja) 医・生物学標本の自動焦点装置
US20120249770A1 (en) Method for automatically focusing a microscope on a predetermined object and microscope for automatic focusing
CN104049338A (zh) 数字显微镜装置、寻找其聚焦位置的方法、及程序
US8116550B2 (en) Method and system for locating and focusing on fiducial marks on specimen slides
CN109001902A (zh) 基于图像融合的显微镜聚焦方法
CN112770100B (zh) 一种图像获取方法、摄影装置以及计算机可读存储介质
CN111679418B (zh) 基于激光图像的显微镜自动聚焦方法、系统及计算机设备
CN113962918A (zh) 一种光纤纤芯的聚焦方法及系统
CN114785953B (zh) 基于sfr的相机自动对焦方法及装置
CN111311562A (zh) 虚焦图像的模糊度检测方法及装置
CN113436120B (zh) 一种图像模糊值识别方法及装置
CN114384681A (zh) 显微镜快速精准自动对焦方法、系统、计算机设备及介质
JPH10170817A (ja) 合焦位置算出装置及びその方法とそれらを使用した電子顕微鏡
EP1210634B1 (en) Methods and devices in an optical system
CN111161211A (zh) 一种图像检测方法及装置
CN114757994B (zh) 一种基于深度学习多任务的自动对焦方法及系统
US20230005155A1 (en) Method and apparatus for generating high depth of field image, and apparatus for training high depth of field image generation model using stereo image
Zou et al. An improved clarity evaluation function for precise focusing and its application on vision measuring machine
CN116523882B (zh) 一种基于视觉的光学目标区域准确率检测方法与系统

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