CN114241281A - 一种基于滚动采样提取局部峰值点的算法 - Google Patents

一种基于滚动采样提取局部峰值点的算法 Download PDF

Info

Publication number
CN114241281A
CN114241281A CN202111319203.3A CN202111319203A CN114241281A CN 114241281 A CN114241281 A CN 114241281A CN 202111319203 A CN202111319203 A CN 202111319203A CN 114241281 A CN114241281 A CN 114241281A
Authority
CN
China
Prior art keywords
point
points
equal
case
value
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
CN202111319203.3A
Other languages
English (en)
Inventor
许学彬
陈博桓
杨中奥
周豪
沈洋
倪军
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.)
China Jiliang University
Original Assignee
China Jiliang University
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 China Jiliang University filed Critical China Jiliang University
Priority to CN202111319203.3A priority Critical patent/CN114241281A/zh
Publication of CN114241281A publication Critical patent/CN114241281A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种基于基于滚动采样提取包络线算法。该算法通过对数据点的分割，依据分割的数据点顺次连线所呈现出不同的情况进行分类处理，搜索出白光干涉数据的局部峰值点，最后通过函数拟合出包络线，包络线的最大值位置即为白光干涉的零光程差位置，相比于重心法和三次样条插值法复原图像的精度得到了提升。

Description

一种基于滚动采样提取局部峰值点的算法
技术领域：
本发明涉及一种基于滚动采样提取局部峰值点的算法，本方法通过对像素点的白光干涉数据进行滚动检测，能够准确提取出像素点白光干涉数据的局部峰值点，对局部峰值点进行拟合得到包络线，实现MPO光纤连接器的表面复原，属于3D表面形貌测量和白光干涉领域。
背景技术：
白光垂直扫描干涉技术相对于传统的无损检测方法，具有非接触、精度高、测量时间短等特点，被广泛应用于精密无损检测领域。重心法提取白光干涉的零光程差位置的算法运算速度快，但精度较小；三次样条插值根据提取干涉数据的局部峰值点确定零光程差位置，算法运算速度较慢，但相比于重心法复原图像的精度有了提升。
本发明提出一种基于滚动采样提取局部峰值点的算法，通过对白光干涉数据的局部峰值点进行提取，三次样条插值拟合峰值点得到包络线，包络线的极大值位置即为白光干涉的零光程差位置，相比于重心法和三次样条插值法复原图像的精度得到了提升。
发明内容：
本发明提出一种基于滚动采样提取局部峰值点的算法，每3个数据为一组，通过3点滚动采样，依据3点所呈现的不同情况，对像素点的白光干涉数据进行筛选局部峰值点并存储在矩阵中。将迭代完成得到的局部峰值点做曲线拟合，得到包络线，取包络线的局部峰值点的位置作为白光干涉的零光程差位置，得到MPO光纤连接器的相对高度。
本发明专利通过以下方案予以实现：
一种基于滚动采样提取局部峰值点的算法，运用MATLAB读取MPO光纤连接器检测系统拍摄的图像数据，基于滚动采样对像素点白光干涉数据的局部峰值点进行提取，并对得到的峰值点利用三次样条函数进行插值拟合，得到像素点白光干涉的包络线，包络线的极大值位置即为白光干涉的零光程差位置，将零光程差位置于扫描步距做乘积运算，便可得到像素点的相对高度。
(1)所述的读取干涉图像数据的实现过程如下：
使用MATLAB软件按照CCD相机存储图像的顺序以像素点的形式读取并储存干涉图像的灰度值数据，将每张图像的灰度值数据以矩阵的形式储存在MATLAB中。图像的灰度值数据代表MPO光纤连接器表面发生干涉时的光强变化情况，图像的长宽乘积决定了图像像素点的总个数，每个矩阵中数据的总个数等于图像像素点的总个数，图像的总数量与矩阵的总数量相同。创建一个空矩阵，像素点的总个数为空矩阵行的总数，图像的总数量为空矩阵列的总数，将上述储存图像数据矩阵的值赋值到新建的空矩阵中，即可得到MPO光纤连接器表面区域的干涉数据矩阵。MPO光纤连接器的每个区域用一个像素点来表示，所有的像素点的集合代表了整个MPO光纤连接器的表面区域，干涉数据矩阵单行的数据代表MPO光纤连接器某个区域发生白光干涉的光强变化情况。
(2)所述的局部峰值点的具体定义如下：
局部峰值点包括局部峰值点和局部峰值点，在连续的干涉数据[yi](i＝1,2,3...,M)中，M为干涉数据的总个数，若存在n(n＝2,3,4...,M-1)个相等的干涉数据yi+1,yi+2...,yi+n，满足yi+n＜yi+n+1且yi+n＞yi或yi满足yi+n＞yi+n+1且yi+n＜yi则称yi+1,yi+2...,yi+n为局部峰值点；若存在n(n＝1,2,3,...,M-1)个相等的干涉数据yi+1,yi+2...,yi+n，若全部相等的yi+1,yi+2...,yi+n满足yi+n＞yi+n+1且yi+n＞yi，则称yi+1,yi+2...,yi+n为局部峰值点。
(3)所述的滚动采样获取像素点干涉数据的局部峰值点的实现过程如下：
设每个像素点的白光干涉数据的个数为M，每3个数据为一组，共有M-2组，[Ni,Ni+1,Ni+2](i＝1,2,...M-2)，分别对每组数据进行滚动采样处理。
(4)所述的获取像素点的相对高度的实现过程如下：
设每个像素点包络线的极大值对应的零光程差位置为x1，MPO光纤连接器检测系统的工作平台移动步距为Δx，MPO光纤连接器表面某区域的相对高度为x。则有：
x＝x1×Δx
附图说明
图1为本发明专利的MPO光纤连接器的实物图。
图2为本发明专利像素点干涉数据的局部峰值点的示意图。
图3为本发明专利滚动采样分组数据点顺次连线得到的常见七种情况。
图4为本发明专利滚动采样提取像素点局部峰值点的算法流程图。
图5为本发明专利基于滚动采样提取包络线的效果图。
具体实施方式
结合附图对本发明专利进一步说明。
图1为MPO光纤连接器的实物结构图，表面为平缓的光滑曲面，有24个插孔，用于光纤的插入。
图2为本发明专利像素点干涉数据的局部峰值点的示意图，像素点在干涉过程中灰度值会发生升高或降低的不同变化，所述的像素点即为MPO光纤连接器的某个区域，所述的灰度值变化情况即为MPO光纤连接器的某个区域的发生干涉时的光强变化情况。由于数据会发生升高或降低的不同变化，所以数据会存在多个局部峰值点，如图2中的圆点所标注的位置。
图3为本发明专利滚动采样分组数据点顺次连线得到的常见七种情况：
如果将三点顺次连线呈现的情况是图3所述的情况1：选取三个点中的第一个点与左边的点值依次进行比较，如果与该点左边第一个点的点值相等，那么该点与左边第二个点值进行比较，直到该点左边有一个点的点值与之不同。按照上面所述的流程进行比较，如果左边出现一个点的点值大于三个点中的第一个点，那么判定情况一的前两个点是局部峰值点，进行记录，滚动循环以第二个点为开始向下进行；如果左边出现一个点的点值小于三个点中的第一个点，那么判定情况一的三个点中前两个点是极大值，进行记录，滚动循环以第二个点为开始向下进行；如果左边没有出现与三个点中的第一个点的点值不相等的点，那么认定三个点中前两个点无意义，记录相关信息，滚动循环以第二个点为开始向下进行。
如果将三点顺次连线呈现的情况是图3所述的情况2：选取三个点中的第三个点与右边的点值依次进行比较，如果与该点右边第一个点的点值相等，那么该点与右边第二个点值进行比较，直到该点右边出现一个点的点值与之不同。按照上面所述的流程进行比较，如果右边出现一个点的点值大于三个点中的第一个点，那么判定情况二的后两个点是极小值点，记录相关信息，滚动循环以第二个点为开始向下进行；如果右边出现一个点的点值小于三个点中的第三个点，那么判定情况二的三个点中后两个点是局部峰值点，记录相关信息，滚动循环以第二个点为开始向下进行；如果右边没有出现与三个点中的第三个点的点值不相等的点，那么认定三个点中后两个点无意义，记录相关信息，滚动循环以第二个点为开始向下进行。
如果将三点顺次连线呈现的情况是图3所述的情况3：选取三个点中的第一个点与左边的点值依次进行比较，如果与该点左边第一个点的点值相等，那么该点与左边第二个点值进行比较，直到该点左边有一个点的点值与之不同。按照上面所述的流程进行比较，如果左边出现一个点的点值大于三个点中的第一个点，那么判定情况三的前两个点是极小值点，记录相关信息，滚动循环以第二个点为开始向下进行；如果左边出现一个点的点值小于三个点中的第一个点，那么判定情况一的三个点中前两个点是局部峰值点，进行记录，滚动循环以第二个点为开始向下进行；如果左边没有出现与三个点中的第一个点的点值不相等的点，那么认定三个点中前两个点无意义，记录相关信息，滚动循环以第二个点为开始向下进行。
如果将三点顺次连线呈现的情况是图3所述的情况4或5：如果三个点顺次连线呈现的是情况4，则判定三个点中第二个点是局部峰值点，进行记录，滚动循环以第二个点为开始向下进行；如果三个点顺次连线呈现的是情况5，则判定三个点中第二个点是极小值点，记录相关信息，滚动循环以第二个点为开始向下进行。
如果将三点顺次连线呈现的情况是图3所述的情况6：第一步先选取三个点中的第一个点与左边的点值依次进行比较，如果与该点左边第一个点的点值相等，那么该点与左边第二个点值进行比较，直到该点左边有一个点的点值与之不同。第二步再选取原先三个点中的第三个点与右边的点值依次进行比较，如果与该点右边第一个点的点值相等，那么该点与右边第二个点值进行比较，直到该点右边出现一个点的点值与之不同。如果左右两边都没有出现不相等的点，那么判断这三个点无意义，记录相关信息，滚动循环以第二个点为开始向下进行；如果左边出现一个点大于三个点中的第一个点，且右边出现一个点小于三个点中的第三个点，那么认定三个点为局部峰值点，进行记录，滚动循环以第二个点为开始向下进行；如果左边出现一个点小于三个点中的第一个点，且右边出现一个点大于三个点中的第三个点，那么认定三个点为局部峰值点，进行记录，滚动循环以第二个点为开始向下进行；如果左边出现一个点小于三个点中的第一个点，且右边出现一个点也小于三个点中的第三个点，那么认定三个点为局部峰值点，进行记录，滚动循环以第二个点为开始向下进行
如果将三点顺次连线呈现的情况是图3所述的情况7：选取三个点中的第三个点与右边的点值依次进行比较，如果与该点右边第一个点的点值相等，那么该点与右边第二个点值进行比较，直到该点右边出现一个点的点值与之不同。按照上面所述的流程进行比较，如果右边出现一个点的点值大于三个点中的第一个点，那么判定情况七的前两个点是局部峰值点，进行记录，滚动循环以第二个点为开始向下进行；如果右边出现一个点的点值小于三个点中的第三个点，那么判定情况七的三个点中后两个点是极大值，进行记录，滚动循环以第二个点为开始向下进行；如果右边没有出现与三个点中的第三个点的点值不相等的点，那么认定三个中后两个点无意义，记录相关信息，滚动循环以第二个点为开始向下进行。
滚动循环结束后，判定选取得到的点即为局部峰值点。
图4为本发明专利滚动采样提取像素点局部峰值点的算法流程图，对每个像素点的干涉数据进行分组，每3个点为一组，依据3点顺次连线的不同情况分别处理，最终得到每个像素点的局部峰值点。
图5为本发明专利基于滚动采样提取包络线的效果图，像素点白光干涉数据曲线的局部峰值点都被找到，并且通过函数曲线拟合得到了像素点白光干涉数据曲线的包络线。

Claims (5)

1.一种基于改进取极大值点和鞍点做包络线的滚动采样算法，其特征在于：通过3点滚动采样，依据3点所呈现的不同情况，对一系列坐标点进行选取和存储，并将迭代完后得到的点做曲线拟合，得到最终的包络线。
2.根据权利要求1所述的3点滚动采样，其特征在于：对于一组需要处理的点，则以当前点和其后面的两个点作为点系进行顺次循环处理，直到运行至一组点的倒数第三个点开始作为最后一个点系进行循环处理。
3.根据权利要求1所述的依据3点呈现出不同的情况进行选取与存储，其特征在于：对于每一次循环，3个点的大小不一，对于三点进行顺次连线将会产生不同的七种情况，对于不同的情况分别进行处理。
4.根据权利要求3所述的七种情况，其特征在于：对于3个点进行顺次连线，他们组成的折线图可以分为七种不同的情况；情况一：两边点高，中间点低，呈现‘V’字型；情况二：中间点高，两边点低，呈现倒‘V’字型；情况三：三个点相等，呈直线型；情况四：前两个点相等，第三个点高；情况五：前两个点相等，第三个点低；情况六，第一个点高，后两个点相等；情况七：第一个点低，后两个点相等。
5.根据权利要求3所述的对于3点呈现出的七种情况进行选取于存储，其特征在于：如果3点呈现的情况是权利要求4所述的情况一，则判定该点系的第二个点为局部极小值点，循环将跳至其第三个点开始重新组成3点系进行循环处理；如果3点呈现的情况是权利要求4所述的情况二，则判定该点系的第二个点是局部极大值点，则记录该点的值和位置信息；如果3点呈现的情况是权利要求4所述的情况三，则将从该点系的第一个点开始，从右往左进行倒序循环，对每一个先前出现过的点与该点进行大小比较，如果循环到出现前面的点比该点小，则判定先前三个相等的点为鞍点或极大值点，对这三个点的相关信息进行记录；如果循环到前面的点比该点大，则判定先前的三个相等的点可能是鞍点或者极小值点，则需要另一个判断标准；那么依据这种情况，对刚才相等的3个点中第三个点开始，从左往右顺序进行采点判断，如果后续的顺序循环中出现一个点大于先前三个相等点中的第三个点，则判定先前三个点是局部极小值点，不记录信息，直接进行后续的循环；如果后续的顺序循环中出现一个点小于先前三个相等点中的第三个点，则判定先前三个点是鞍点，记录相关信息后进行后续循环；如果3点呈现出权利要求4所述的其他情况，则判断三个点是否存在鞍点或者极大值点，如果判断不出来则依照权利要求4所述的情况3的判定方法进行类似处理，直到能够准确判定是否记录3点的相关信息为止。
CN202111319203.3A 2021-11-09 2021-11-09 一种基于滚动采样提取局部峰值点的算法 Pending CN114241281A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111319203.3A CN114241281A (zh) 2021-11-09 2021-11-09 一种基于滚动采样提取局部峰值点的算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111319203.3A CN114241281A (zh) 2021-11-09 2021-11-09 一种基于滚动采样提取局部峰值点的算法

Publications (1)

Publication Number Publication Date
CN114241281A true CN114241281A (zh) 2022-03-25

Family

ID=80748721

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111319203.3A Pending CN114241281A (zh) 2021-11-09 2021-11-09 一种基于滚动采样提取局部峰值点的算法

Country Status (1)

Country Link
CN (1) CN114241281A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116972771B (zh) * 2023-09-25 2023-12-12 板石智能科技(深圳)有限公司 白光扫描干涉三维重建方法、装置、电子设备及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116972771B (zh) * 2023-09-25 2023-12-12 板石智能科技(深圳)有限公司 白光扫描干涉三维重建方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
US10510148B2 (en) Systems and methods for block based edgel detection with false edge elimination
CN108960011B (zh) 部分遮挡的柑橘果实图像识别方法
CN109800619B (zh) 成熟期柑橘果实图像识别方法
CN107808141A (zh) 一种基于深度学习的输电线路绝缘子爆裂识别方法
CN112784717B (zh) 一种基于深度学习的管件自动分拣方法
CN111523535B (zh) 基于机器视觉与深度学习的类圆对象识别计数检测算法
CN114241281A (zh) 一种基于滚动采样提取局部峰值点的算法
CN114494174A (zh) 一种芯片焊接线缺陷检测方法及装置
CN104881668B (zh) 一种基于代表性局部模式的图像指纹提取方法及系统
CN113012096A (zh) 显示屏子像素定位及亮度提取方法、设备以及存储介质
CN112338898B (zh) 物体分选系统的图像处理方法、装置及物体分选系统
CN110751732B (zh) 一种2d图像转3d图像的方法
CN114065798A (zh) 基于机器识别的视觉识别方法及装置
CN116228854B (zh) 一种基于深度学习的包裹自动分拣方法
CN113610187B (zh) 基于图像技术的木材纹理提取及分类方法
CN113435389B (zh) 基于图像特征深度学习的小球藻和金藻分类识别方法
CN1035844C (zh) 在字符识别系统中选取候选字符的方法
CN111322963A (zh) 一种基于双目图像处理的零部件动态排列方法
CN114972317A (zh) 一种方形晶粒放置规划方法
CN114202508A (zh) 一种适应多品种瓷砖表面缺陷凸显的检测方法及系统
CN117218184B (zh) 一种图像快速定位提取方法
CN113008895A (zh) 一种基于三维数据的分块拟合缺陷检测方法
CN112270742A (zh) 一种基于物体自然特征点进行模型检索的方法
CN111079792A (zh) 一种电力设备识别方法及装置
CN117911631B (zh) 一种基于异源图像匹配的三维重建方法

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