CN115248549A - 一种打散消除杂散频谱噪声的数字全息三维重建方法 - Google Patents

一种打散消除杂散频谱噪声的数字全息三维重建方法 Download PDF

Info

Publication number
CN115248549A
CN115248549A CN202210032442.9A CN202210032442A CN115248549A CN 115248549 A CN115248549 A CN 115248549A CN 202210032442 A CN202210032442 A CN 202210032442A CN 115248549 A CN115248549 A CN 115248549A
Authority
CN
China
Prior art keywords
spectrum
frequency spectrum
object image
segmentation
spectrogram
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.)
Granted
Application number
CN202210032442.9A
Other languages
English (en)
Other versions
CN115248549B (zh
Inventor
陈本永
张济帆
严利平
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.)
Zhejiang Sci Tech University ZSTU
Original Assignee
Zhejiang Sci Tech University ZSTU
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 Zhejiang Sci Tech University ZSTU filed Critical Zhejiang Sci Tech University ZSTU
Priority to CN202210032442.9A priority Critical patent/CN115248549B/zh
Publication of CN115248549A publication Critical patent/CN115248549A/zh
Application granted granted Critical
Publication of CN115248549B publication Critical patent/CN115248549B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G03PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03HHOLOGRAPHIC PROCESSES OR APPARATUS
    • G03H1/00Holographic processes or apparatus using light, infrared or ultraviolet waves for obtaining holograms or for obtaining an image from them; Details peculiar thereto
    • G03H1/04Processes or apparatus for producing holograms
    • G03H1/0443Digital holography, i.e. recording holograms with digital recording means
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00Three dimensional [3D] modelling, e.g. data description of 3D objects
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • G06T7/62Analysis of geometric attributes of area, perimeter, diameter or volume
    • GPHYSICS
    • G03PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03HHOLOGRAPHIC PROCESSES OR APPARATUS
    • G03H1/00Holographic processes or apparatus using light, infrared or ultraviolet waves for obtaining holograms or for obtaining an image from them; Details peculiar thereto
    • G03H1/0005Adaptation of holography to specific applications
    • G03H2001/0033Adaptation of holography to specific applications in hologrammetry for measuring or analysing
    • G03H2001/0038Adaptation of holography to specific applications in hologrammetry for measuring or analysing analogue or digital holobjects
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10004Still image; Photographic image
    • G06T2207/10012Stereo images
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20021Dividing image into blocks, subimages or windows

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种打散消除杂散频谱噪声的数字全息三维重建方法。采集待测物的全息干涉图,转换为频谱图,通过相位信息确定物像频谱中心坐标;对频谱图作基于打散消除杂散频谱噪声的迭代阈值分割处理获得频谱二值分割图;根据物像频谱中心坐标在频谱二值分割图的前景区域中搜索并单独提取出物像频谱区域二值分割掩模,以物像频谱区域二值分割掩模作为滤波窗口对频谱图作频谱空间滤波获得物像频谱滤波图,通过相位解包裹和畸变补偿操作重建出待测物的三维形貌图。本发明降低了阈值迭代的次数,加快运算处理速度,能够获取到更多的物体频谱信息,有利于实现物体三维形貌的高质量重建。

Description

一种打散消除杂散频谱噪声的数字全息三维重建方法
技术领域
本发明涉及数字全息技术领域的一种物体三维形貌测量方法,具体涉及一种打散消除杂散频谱噪声的数字全息三维重建方法。
背景技术
在离轴数字全息测量技术里,零级项、共轭项和物像频谱相互分离,并且在全频谱范围内随机遍布着杂散频谱噪声。其中只有物像频谱包含着物体三维形貌全息重建的有效信息,而零级项、共轭项与杂散频谱都属于干扰信息,会降低重建图像的质量。所以需要对全息的频谱图进行自动化的滤波处理,单独提取出频谱图上的物像频谱区域。目前相关研究者们已经提出了多种滤波算法,并且主要都是基于阈值分割技术获得滤波窗口。优势是全息频谱图的像素点强度分布呈现三级频谱中心点最强向四周扩散变弱的特点,正好适合通过阈值分割技术自动获取到合适的滤波窗口形状。然而目前的算法常常由于选取的阈值过大或者迭代次数过多导致生成的滤波窗口过小,造成物体频谱信息部分丢失,数值重建后的物体轮廓分布失真。因此,排除杂散频谱噪声的影响,自适应的确定频谱的最佳形状以作为滤波窗口,同时尽可能的增大滤波窗口的面积,使滤波器能够获取到全部的物体有效频谱信息,是全息频谱滤波领域的发展需求。
发明内容
为了解决上述技术问题,本发明提供了一种打散消除杂散频谱噪声的数字全息三维重建方法。能够将面积较大的杂散频谱区域分裂成很多单个面积小于待删除临界面积S的小型杂散频谱区域,从而提前满足阈值迭代分割算法的终止条件,降低阈值迭代的次数,加快运算处理速度。同时该算法允许使用更小的阈值完成图像分割任务,由此增加了自适应滤波窗口的有效面积,能够获取到更多的物体频谱信息,有利于实现物体三维形貌的高质量重建。
本发明是通过以下技术方案来实现的:
步骤一:采集待测物的全息干涉图,然后将全息干涉图转换为频谱图P0,通过频谱图P0的相位信息,确定物像频谱中心坐标(x1,y1);
步骤二:对频谱图P0作基于打散消除杂散频谱噪声的迭代阈值分割处理获得频谱二值分割图P1
步骤三:根据物像频谱中心坐标(x1,y1),在频谱二值分割图P1的前景区域中搜索并单独提取出物像频谱区域二值分割掩模P2,前景区域即为像素点强度值为1的白色区域;
步骤四:以物像频谱区域二值分割掩模P2作为滤波窗口对频谱图P0作频谱空间滤波,获得物像频谱滤波图P3,最后通过相位解包裹和畸变补偿操作重建出待测物的三维形貌图。
所述的待测物为微纳结构对象,例如超精密零件、MEMS芯片、生物细胞。
本发明采用分辨率测试靶作为实施例中的待测物,采集了待测物表面的全息干涉图。
所述步骤一,具体为:
1.1)采用CCD(charge-coupled device)光敏电子成像器件记录物光波和参考光波相互干涉产生的全息干涉图:
I=|O|2+|R|2+OR*+O*R
其中,I表示全息干涉信号,O为激光穿过待测物后衍射形成的物光信号,R为激光不穿过待测物的参考光信号;
1.2)通过二维傅里叶变换将全息干涉图转换为频谱图P0
P0=FFT{I}=FFT{|O|2}+FFT{|R|2}+FFT{OR*}+FFT{O*R}
其中,FFT{}表示二维傅里叶变换;O和R分别为待测物的物光信号和参考光信号,O*和R*分别为物光信号的共轭和参考光信号的共轭;FFT{|O|2}+FFT{|R|2}共同构成了频谱图P0中的零级项频谱,FFT{O(x,y)R*(x,y)}和FFT{O*(x,y)R(x,y)}分别为物像频谱和共轭项频谱;
1.3)频谱图P0为复振幅信号,同时包含强度信息和相位信息,提取出频谱图P0的包裹相位信号:
φFFT=arctan{Im(P0)/Re(P0)}
其中,φFFT表示频谱图P0的包裹相位信号,Re()表示提取频谱图P0的实部信息,Im()表示提取频谱图P0的虚部信息;
1.4)将包裹相位信号通过进一步的相位解包裹操作获得展开相位,通过搜索全息干涉图的展开相位最大值的位置,作为物像频谱中心坐标(x1,y1),展开相位分布出现与载频对应的极值。
所述步骤二,具体为:
2.1)预先设置频谱图P0的初始的全局阈值T0和待删除临界面积S;
2.2)在对频谱图P0进行均值滤波后,根据全局阈值T0和待删除临界面积S进行基于打散消除杂散频谱噪声的迭代阈值分割操作,获得频谱分割图;
2.3)通过计算机自动识别出当前频谱分割图中的前景区域个数,并进行判断:
如果第一次通过基于打散消除杂散频谱噪声的阈值分割操作获得的频谱分割图中前景区域个数不等于3,则将全局阈值T0增加0.01后回到步骤2.2)进行处理,不断迭代,直到前景区域个数等于3,以最后一次迭代的全局阈值T0记录为分割阈值T;
如果第一次通过基于打散消除杂散频谱噪声的阈值分割操作获得的频谱分割图中前景区域个数等于3,则将全局阈值T0减少0.01后回到步骤2.2)进行处理,不断迭代,直到前景区域个数不等于3,以倒数第二次迭代的全局阈值T0记录为分割阈值T;
使用最终迭代获取的分割阈值T对频谱图P0作基于打散消除杂散频谱噪声的阈值分割处理得到频谱二值分割图P1
所述2.2)中,基于打散消除杂散频谱噪声的迭代阈值分割操作具体如下:
2.2.1)针对频谱图P0中的每个像素点进行判断:
如果像素点的强度值小于全局阈值T0,则将像素点及其周围的8个像素点的强度值均设为2;
如果像素点的强度值大于等于全局阈值T0且小于等于1,则将像素点的强度值设为1;
如果像素点的强度值大于等于2,则将像素点的强度值保持不变;
2.2.2)重新一次遍历频谱图P0中的每个像素点,再进行判断:
如果像素点的强度值等于2,则将像素点的强度值改为0;
如果像素点的强度值不等于2,则将像素点的强度值保持不变;
其中,1表示为前景区域,0表示为背景区域;
2.2.3)最后删除所有面积小于待删除临界面积S的前景区域,即将面积小于待删除临界面积S的前景区域全部变成背景区域,从而获得频谱二值分割图。
所述步骤三,具体为:频谱二值分割图P1中存在三个前景区域,分别为零级项、共轭项和物像频谱区域;获取这三个前景区域各自的质心坐标(xi,yi),分别计算每个前景区域的质心坐标(xi,yi)与物像频谱中心坐标(x1,y1)之间的距离Li,取距离Li最小的前景区域作为物像频谱区域,建立针对物像频谱区域的物像频谱区域二值分割掩模P2
其中所述的距离Li是按照以下公式计算获得:
Figure BDA0003467047150000041
其中,Li表示前景区域的质心坐标(xi,yi)到物像频谱区域中心坐标的距离,(xi,yi)为前景区域的质心坐标,(x1,y1)为物像频谱中心坐标。
所述步骤四,具体为:
在频谱图P0上,将物像频谱区域二值分割掩模P2的背景区域范围内的像素点的强度值全部更设为0,获得物像频谱滤波图P3
最后由物像频谱滤波图P3通过相位解包裹和畸变补偿操作重建获得待测物高质量的三维形貌图。
所述的物像频谱滤波图P3按照以下公式获得:
Figure BDA0003467047150000042
其中,P3(x,y)表示物像频谱滤波图的每个像素点的强度值,P0(x,y)表示频谱图P0对应像素点的强度值,P2(x,y)表示物像频谱区域二值分割掩模的对应像素点的强度值。
与现有的技术相比,本发明的有益效果是:
本发明通过将面积较大的杂散频谱区域打散分裂成很多单个面积小于待删除临界面积S的小型杂散频谱噪声区域,从而提前满足阈值迭代分割算法的终止条件,降低阈值迭代的次数,加快运算处理速度。
同时该算法允许使用更小的阈值完成图像分割任务,由此增加了自适应滤波窗口的有效面积,能够获取到更多的物体频谱信息,有利于实现物体三维形貌的高质量重建。
附图说明
图1为打散消除杂散频谱噪声的算法流程图;
图2为同一阈值条件下,常规阈值分割算法与基于打散消除杂散频谱噪声的频谱分割算法效果对比示意图;
图3为打散消除杂散频谱噪声的数字全息三维重建方法流程图;
图4为实施例全息频谱图P0
图5为实施例均值滤波处理后的频谱图;
图6为实施例频谱二值分割图P1
图7为实施例物像频谱区域二值分割掩模P2
图8为实施例物像频谱滤波图P3;
图9为实施例物体三维形貌重建结果图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
本发明的实施例完整操作如图3的流程图所示,具体步骤如下:
步骤一:采集待测物的全息干涉图,然后将其转换为频谱图P0。通过频谱图P0的相位信息,确定物像频谱中心坐标(x1,y1)。具体为:
1.1)采用CCD(charge-coupled device)光敏电子成像器件记录物光波和参考光波相互干涉产生的全息干涉图:
I=|O|2+|R|2+OR*+O*R
1.2)通过二维傅里叶变换将全息干涉图转换为频谱图P0
P0=FFT{I}=FFT{|O|2}+FFT{|R|2}+FFT{OR*}+FFT{O*R}
1.3)频谱图P0为复振幅信号,同时包含强度信息和相位信息,提取出频谱图P0的包裹相位信号:
φFFT=arctan{Im(P0)/Re(P0)}
1.4)将包裹相位信号通过进一步的相位解包裹操作获得展开相位,通过搜索全息干涉图的展开相位最大值的位置,作为物像频谱中心坐标(x1,y1),展开相位分布出现与载频对应的极值。
本实施例采用的具体过程是:首先采用CCD工业相机设备拍摄一幅全息干涉图,然后对该全息干涉图进行傅里叶变换获得频谱图P0,如图4所示。再提取出频谱图P0的包裹相位信号,经过相位解包裹操作后得到全息频谱的相位图,该相位分布总是出现与载频对应的极值。将频谱相位图中的相位值最大点位置记录为物像频谱的中心坐标(x1,y1)。
步骤二:对频谱图P0做基于打散消除杂散频谱噪声的迭代阈值分割处理获得频谱二值分割图P1。具体为:
2.1)预先设置频谱图P0的初始的全局阈值T0和待删除临界面积S,全局阈值T0大于0小于1;
2.2)先对频谱图P0做均值滤波处理,从而将三级频谱区域内少量强度值小于阈值T的像素点拉到阈值之上,将三级频谱区域外小部分强度值大于阈值T的像素点拉到阈值之下。
在对频谱图P0进行均值滤波后,得到如图5所示结果,再根据全局阈值T0和待删除临界面积S进行基于打散消除杂散频谱噪声的迭代阈值分割操作,获得频谱分割图;
全局阈值T0大于0小于1。具体实施通过OTSU阈值分割法获得频谱图P0的全局阈值T0作为初始值,将待删除临界面积S设为100。
所述2.2)中,基于打散消除杂散频谱噪声的迭代阈值分割操作具体如下:
2.2.1)针对频谱图P0中的每个像素点进行判断:
如果像素点的强度值小于全局阈值T0,则将像素点及其周围的8个像素点的强度值均设为2;
如果像素点的强度值大于等于全局阈值T0且小于等于1,则将像素点的强度值设为1;
如果像素点的强度值大于等于2,则将像素点的强度值保持不变;
2.2.2)重新一次遍历频谱图P0中的每个像素点,再进行判断:
如果像素点的强度值等于2,则将像素点的强度值改为0;
如果像素点的强度值不等于2,则将像素点的强度值保持不变;
其中,1表示为前景区域,0表示为背景区域;
2.2.3)最后删除所有面积小于待删除临界面积S的前景区域,即将面积小于待删除临界面积S的前景区域全部变成背景区域,从而获得频谱二值分割图,能够防止一些特殊的小区域对迭代条件判断造成影响。
2.3)通过计算机自动识别出当前频谱分割图中的前景区域个数,并进行判断:
如果第一次迭代时候的前景区域个数不等于3,
情况一:初始个数小于3,说明初始阈值T0太小导致零级项、共轭项与物像频谱连接在一起合成了同一块前景区域,无法在后续实现单独提取出物像频谱区域二值掩模的操作。将阈值每次增加0.01迭代,直到识别到前景区域个数等于3时停止迭代,记录此时获得的最终分割阈值T。
情况二:初始个数大于3,此时频谱分割图包含了零级项、共轭项、物像频谱以及部分杂散频谱区域,同样将阈值每次增加0.01迭代,所有前景区域面积都不断减小,直到所有杂散频谱区域面积都小于待删除临界面积S,被全部自动删除,识别到前景区域个数等于3时停止迭代,记录此时获得的最终分割阈值T。
由此步可知,杂散频谱区域面积被打散为多个单独面积小于待删除临界面积S的小区域可以提前满足迭代终止条件,降低迭代次数,加快运算速度,并且自适应滤波窗口的面积不用再继续减小就可以满足分割条件
如果第一次迭代时候的前景区域个数等于3,则此时频谱分割图包含了零级项、共轭项、物像频谱以及部分杂散频谱区域,将全局阈值T0减少0.01后回到步骤2.2)进行处理,不断迭代,直到前景区域个数不等于3,以倒数第二次迭代的全局阈值T0记录为分割阈值T;
2.4)使用最终迭代获取的分割阈值T对频谱图P0作基于打散消除杂散频谱噪声的阈值分割处理得到频谱二值分割图P1,如图6所示。
杂散频谱区域面积跟随分割阈值T的迭代而变化,当该面积大于设定的待删除临界面积S时,会导致频谱二值分割图的剩余前景区域个数大于3,由此来影响阈值迭代算法的终止条件判断。
本发明的打散消除杂散频谱噪声算法如图1的流程图所示,常规阈值分割算法与基于打散消除杂散频谱噪声的频谱分割算法效果对比示意图如图2所示,其中图2(a)表示常规阈值分割处理得到的二值分割图,图2(b)表示删除所有面积小于临界面积S的前景区域后的二值分割图,可见在当前的阈值T下,常规阈值分割处理后仍然存在大量的杂散频谱区域无法被消除,需要进一步迭代增大阈值从而减小所有前景区域面积,直到杂散频谱区域面积都小于S,才能满足只剩下三级频谱区域的分割要求,而图2(c)是在同样的阈值T下通过基于打散消除杂散频谱噪声的频谱分割算法处理的结果,将面积较大的杂散频谱区域打散分裂成了多个小型杂散频谱噪声区域,从而允许直接使用更小的阈值完成图像分割任务,由此减少了迭代次数,并且增加了自适应滤波窗口的有效面积。
步骤三:频谱二值分割图P1中存在三个前景区域,分别为零级项、共轭项和物像频谱区域;获取这三个前景区域各自的质心坐标(xi,yi),分别计算每个前景区域的质心坐标(xi,yi)与物像频谱中心坐标(x1,y1)之间的距离Li,取距离Li最小的前景区域作为物像频谱区域,建立针对物像频谱区域的物像频谱区域二值分割掩模P2
本实施例采用的具体过程是:分别获取频谱二值分割图P1中零级项,共轭项和物像频谱这三个区域的质心坐标(xi,yi),并且计算(xi,yi)与物像频谱中心坐标(x1,y1)的距离,搜索到距离最小的那块前景区域即为物像频谱区域。最后单独提取出物像频谱区域二值分割掩模P2,如图7所示。
步骤四:在频谱图P0上,将物像频谱区域二值分割掩模P2的背景区域范围内的像素点的强度值全部更设为0,获得物像频谱滤波图P3;最后由物像频谱滤波图P3通过相位解包裹和畸变补偿操作重建获得待测物高质量的三维形貌图。
本实施例采用的具体过程是:通过计算机遍历物像频谱区域二值分割掩模P2的每个像素点强度值非0即1,当像素点的强度值为0时,将频谱图P0对应像素点的强度值更设为0;当像素点的强度值为1时,频谱图P0对应像素点频谱信息不变。以此实现通过物像频谱区域二值分割掩模P2做为滤波窗口对频谱图P0做频谱空间滤波,从而获得物像频谱滤波图P3,如图8所示。最后通过常规的相位解包裹和畸变补偿操作重建出物体高质量的三维形貌图。
本实施例相位展开结果如图9所示,可以看出本发明得到的展开相位清晰展现了物体表面形貌,并且均匀性也很好,证实了本发明的有效性。
本发明针对离轴全息频谱图自适应滤波中出现的由于选取的阈值过大或者迭代次数过多导致生成的滤波窗口过小,造成物体频谱信息部分丢失,数值重建后的物体轮廓分布失真的问题。根据全息频谱图离三级频谱中心点像素点的强度值最强并且向四周扩散变弱的强度分布特点,首先通过均值滤波操作将三级频谱区域内少量强度值小于阈值T的像素点拉到阈值之上,将三级频谱区域外小部分强度值大于阈值T的像素点拉到阈值之下。然后以强度值小于T的像素点为锚点通过将其周围8个像素点强度值都更设为0来实现杂散频谱区域的打散分裂功能,将面积较大的杂散频谱区域的变成很多单个面积小于待删除临界面积S的小型杂散频谱噪声区域,从而提前满足阈值迭代分割算法的终止条件,降低阈值迭代的次数,加快运算处理速度。同时该算法允许使用更小的阈值完成图像分割任务,由此增加了自适应滤波窗口的有效面积,能够获取到更多的物体频谱信息,有利于实现物体三维形貌的高质量重建。

Claims (8)

1.一种打散消除杂散频谱噪声的数字全息三维重建方法,其特征在于:
步骤一:采集待测物的全息干涉图,然后将全息干涉图转换为频谱图P0,通过频谱图P0的相位信息,确定物像频谱中心坐标(x1,y1);
步骤二:对频谱图P0作基于打散消除杂散频谱噪声的迭代阈值分割处理获得频谱二值分割图P1
步骤三:根据物像频谱中心坐标(x1,y1),在频谱二值分割图P1的前景区域中搜索并单独提取出物像频谱区域二值分割掩模P2
步骤四:以物像频谱区域二值分割掩模P2作为滤波窗口对频谱图P0作频谱空间滤波,获得物像频谱滤波图P3,最后通过相位解包裹和畸变补偿操作重建出待测物的三维形貌图。
2.根据权利要求1所述的一种打散消除杂散频谱噪声的数字全息三维重建方法,其特征在于:所述步骤一,具体为:
1.1)采用CCD光敏电子成像器件记录物光波和参考光波相互干涉产生的全息干涉图:
I=|O|2+|R|2+OR*+O*R
其中,I表示全息干涉信号,O为激光穿过待测物后衍射形成的物光信号,R为激光不穿过待测物的参考光信号;
1.2)通过二维傅里叶变换将全息干涉图转换为频谱图P0
P0=FFT{I}=FFT{|O|2}+FFT{|R|2}+FFT{OR*}+FFT{O*R}
其中,FFT{}表示二维傅里叶变换;O和R分别为待测物的物光信号和参考光信号,O*和R*分别为物光信号的共轭和参考光信号的共轭;FFT{|O|2}+FFT{|R|2}共同构成了频谱图P0中的零级项频谱,FFT{O(x,y)R*(x,y)}和FFT{O*(x,y)R(x,y)}分别为物像频谱和共轭项频谱;
1.3)频谱图P0为复振幅信号,同时包含强度信息和相位信息,提取出频谱图P0的包裹相位信号:
φFFT=arctan{Im(P0)/Re(P0)}
其中,φFFT表示频谱图P0的包裹相位信号,Re()表示提取频谱图P0的实部信息,Im()表示提取频谱图P0的虚部信息;
1.4)将包裹相位信号通过进一步的相位解包裹操作获得展开相位,通过搜索展开相位最大值的位置,作为物像频谱中心坐标(x1,y1)。
3.根据权利要求1所述的一种打散消除杂散频谱噪声的数字全息三维重建方法,其特征在于:所述步骤二,具体为:
2.1)预先设置频谱图P0的初始的全局阈值T0和待删除临界面积S;
2.2)在对频谱图P0进行均值滤波后,根据全局阈值T0和待删除临界面积S进行基于打散消除杂散频谱噪声的迭代阈值分割操作,获得频谱分割图;
2.3)通过计算机自动识别出当前频谱分割图中的前景区域个数,并进行判断:
如果第一次通过基于打散消除杂散频谱噪声的阈值分割操作获得的频谱分割图中前景区域个数不等于3,则将全局阈值T0增加0.01后回到步骤2.2)进行处理,不断迭代,直到前景区域个数等于3,以最后一次迭代的全局阈值T0记录为分割阈值T;
如果第一次通过基于打散消除杂散频谱噪声的阈值分割操作获得的频谱分割图中前景区域个数等于3,则将全局阈值T0减少0.01后回到步骤2.2)进行处理,不断迭代,直到前景区域个数不等于3,以倒数第二次迭代的全局阈值T0记录为分割阈值T;
使用分割阈值T对频谱图P0作阈值分割处理得到频谱二值分割图P1
4.根据权利要求3所述的一种打散消除杂散频谱噪声的数字全息三维重建方法,其特征在于:所述2.2)中,基于打散消除杂散频谱噪声的迭代阈值分割操作具体如下:
2.2.1)针对频谱图P0中的每个像素点进行判断:
如果像素点的强度值小于全局阈值T0,则将像素点及其周围的8个像素点的强度值均设为2;
如果像素点的强度值大于等于全局阈值T0且小于等于1,则将像素点的强度值设为1;
如果像素点的强度值大于等于2,则将像素点的强度值保持不变;
2.2.2)重新一次遍历频谱图P0中的每个像素点,再进行判断:
如果像素点的强度值等于2,则将像素点的强度值改为0;
如果像素点的强度值不等于2,则将像素点的强度值保持不变;
其中,1表示为前景区域,0表示为背景区域;
2.2.3)最后删除所有面积小于待删除临界面积S的前景区域,从而获得频谱二值分割图。
5.根据权利要求1所述的一种打散消除杂散频谱噪声的数字全息三维重建方法,其特征在于:所述步骤三,具体为:频谱二值分割图P1中存在三个前景区域,分别为零级项、共轭项和物像频谱区域;获取这三个前景区域各自的质心坐标(xi,yi),分别计算每个前景区域的质心坐标(xi,yi)与物像频谱中心坐标(x1,y1)之间的距离Li,取距离Li最小的前景区域作为物像频谱区域,建立针对物像频谱区域的物像频谱区域二值分割掩模P2
6.根据权利要求5所述的一种打散消除杂散频谱噪声的数字全息三维重建方法,其特征在于:其中所述的距离Li是按照以下公式计算获得:
Figure FDA0003467047140000031
其中,Li表示前景区域的质心坐标(xi,yi)到物像频谱区域中心坐标的距离,(xi,yi)为前景区域的质心坐标,(x1,y1)为物像频谱中心坐标。
7.根据权利要求1所述的一种打散消除杂散频谱噪声的数字全息三维重建方法,其特征在于:所述步骤四,具体为:在频谱图P0上,将物像频谱区域二值分割掩模P2的背景区域范围内的像素点的强度值全部更设为0,获得物像频谱滤波图P3;最后由物像频谱滤波图P3通过相位解包裹和畸变补偿操作重建获得待测物的三维形貌图。
8.根据权利要求7所述的一种打散消除杂散频谱噪声的数字全息三维重建方法,其特征在于:所述的物像频谱滤波图P3按照以下公式获得:
Figure FDA0003467047140000032
其中,P3(x,y)表示物像频谱滤波图的每个像素点的强度值,P0(x,y)表示频谱图P0对应像素点的强度值,P2(x,y)表示物像频谱区域二值分割掩模的对应像素点的强度值。
CN202210032442.9A 2022-01-12 2022-01-12 一种打散消除杂散频谱噪声的数字全息三维重建方法 Active CN115248549B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210032442.9A CN115248549B (zh) 2022-01-12 2022-01-12 一种打散消除杂散频谱噪声的数字全息三维重建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210032442.9A CN115248549B (zh) 2022-01-12 2022-01-12 一种打散消除杂散频谱噪声的数字全息三维重建方法

Publications (2)

Publication Number Publication Date
CN115248549A true CN115248549A (zh) 2022-10-28
CN115248549B CN115248549B (zh) 2024-05-24

Family

ID=83698038

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210032442.9A Active CN115248549B (zh) 2022-01-12 2022-01-12 一种打散消除杂散频谱噪声的数字全息三维重建方法

Country Status (1)

Country Link
CN (1) CN115248549B (zh)

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005283683A (ja) * 2004-03-26 2005-10-13 Japan Science & Technology Agency デジタルホログラフィ装置及びデジタルホログラフィを用いた像再生方法
KR20090088053A (ko) * 2008-02-14 2009-08-19 김동욱 디지털 홀로그램의 노이즈 제거 방법
JP2010002840A (ja) * 2008-06-23 2010-01-07 Kyoto Institute Of Technology ディジタルホログラフィ像再生方法及びプログラム
US20100110260A1 (en) * 2007-03-22 2010-05-06 Apntech Co., Ltd. Device and method for recording and reconstructing digital hologram without virtual image
WO2013107076A1 (zh) * 2012-01-19 2013-07-25 东南大学 一种光学三维测量中的自适应窗口傅里叶相位提取法
US20130202181A1 (en) * 2012-02-07 2013-08-08 National Cheng Kung University Integration of filters and phase unwrapping algorithms for removing noise in image reconstruction
CN103323938A (zh) * 2013-07-09 2013-09-25 河北工程大学 一种获取立体显微图像的方法
CN103322940A (zh) * 2013-07-09 2013-09-25 河北工程大学 一种获取三维形貌显微图像的方法
JP2013246424A (ja) * 2012-05-29 2013-12-09 Kyoto Institute Of Technology デジタルホログラフィ装置
CN104407507A (zh) * 2014-09-18 2015-03-11 河北工程大学 一种基于Hilbert变换的数字全息高精度位相重建方法
CN110095968A (zh) * 2019-04-24 2019-08-06 清华大学深圳研究生院 一种离轴数字全息图像重建装置和方法及显微成像系统
WO2019225776A1 (ko) * 2018-05-23 2019-11-28 광운대학교 산학협력단 중심 대칭형 멀티 주파수 대역 필터링 방법을 기반으로 하는 전 방향 시야각을 갖는 단순 구조의 인라인 홀로그램 기반 3 차원 비디오 디스플레이 시스템
KR102057606B1 (ko) * 2018-08-28 2019-12-19 강원대학교산학협력단 레이저 스펙클 노이즈를 감소시키는 방법 및 이를 이용한 광학 장치
CN111521112A (zh) * 2020-04-23 2020-08-11 西安工业大学 一种傅里叶及窗口傅里叶变换的联合相位重构算法
CN112506019A (zh) * 2020-11-29 2021-03-16 北京工业大学 基于克罗内克积插值的离轴数字全息成像重建方法
CN112665529A (zh) * 2021-01-19 2021-04-16 浙江理工大学 基于条纹密度区域分割和校正的物体三维形貌测量方法

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005283683A (ja) * 2004-03-26 2005-10-13 Japan Science & Technology Agency デジタルホログラフィ装置及びデジタルホログラフィを用いた像再生方法
US20100110260A1 (en) * 2007-03-22 2010-05-06 Apntech Co., Ltd. Device and method for recording and reconstructing digital hologram without virtual image
KR20090088053A (ko) * 2008-02-14 2009-08-19 김동욱 디지털 홀로그램의 노이즈 제거 방법
JP2010002840A (ja) * 2008-06-23 2010-01-07 Kyoto Institute Of Technology ディジタルホログラフィ像再生方法及びプログラム
WO2013107076A1 (zh) * 2012-01-19 2013-07-25 东南大学 一种光学三维测量中的自适应窗口傅里叶相位提取法
US20130202181A1 (en) * 2012-02-07 2013-08-08 National Cheng Kung University Integration of filters and phase unwrapping algorithms for removing noise in image reconstruction
JP2013246424A (ja) * 2012-05-29 2013-12-09 Kyoto Institute Of Technology デジタルホログラフィ装置
CN103322940A (zh) * 2013-07-09 2013-09-25 河北工程大学 一种获取三维形貌显微图像的方法
CN103323938A (zh) * 2013-07-09 2013-09-25 河北工程大学 一种获取立体显微图像的方法
CN104407507A (zh) * 2014-09-18 2015-03-11 河北工程大学 一种基于Hilbert变换的数字全息高精度位相重建方法
WO2019225776A1 (ko) * 2018-05-23 2019-11-28 광운대학교 산학협력단 중심 대칭형 멀티 주파수 대역 필터링 방법을 기반으로 하는 전 방향 시야각을 갖는 단순 구조의 인라인 홀로그램 기반 3 차원 비디오 디스플레이 시스템
KR102057606B1 (ko) * 2018-08-28 2019-12-19 강원대학교산학협력단 레이저 스펙클 노이즈를 감소시키는 방법 및 이를 이용한 광학 장치
CN110095968A (zh) * 2019-04-24 2019-08-06 清华大学深圳研究生院 一种离轴数字全息图像重建装置和方法及显微成像系统
CN111521112A (zh) * 2020-04-23 2020-08-11 西安工业大学 一种傅里叶及窗口傅里叶变换的联合相位重构算法
CN112506019A (zh) * 2020-11-29 2021-03-16 北京工业大学 基于克罗内克积插值的离轴数字全息成像重建方法
CN112665529A (zh) * 2021-01-19 2021-04-16 浙江理工大学 基于条纹密度区域分割和校正的物体三维形貌测量方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
冷俊敏: "数字全息三维显示中的噪声抑制方法研究", 中国博士学位论文全文数据库 信息科技辑, 15 April 2015 (2015-04-15) *
朱杰: "数字全息中消除零级衍射光及背景噪声的研究", 中国优秀硕士学位论文全文数据库 信息科技辑, 15 May 2007 (2007-05-15) *
王华英;于梦杰;刘飞飞;江亚男;宋修法;高亚飞;: "基于同态信号处理的数字全息广义线性重建算法研究", 物理学报, no. 23, 8 December 2013 (2013-12-08) *
胡翠英;钟金钢;高应俊;翁嘉文;: "显微数字全息相位重构的窗口选取和倾斜校正", 光学学报, no. 12, 15 December 2009 (2009-12-15) *
蔡晓鸥;倪小静;: "数字全息再现像散斑噪声消除的研究", 激光与光电子学进展, no. 05, 10 May 2013 (2013-05-10) *

Also Published As

Publication number Publication date
CN115248549B (zh) 2024-05-24

Similar Documents

Publication Publication Date Title
JP2005539255A (ja) 複合画像を捕捉し、かつ、処理するためのシステムおよび方法複合画像を捕捉し、かつ、処理するためのシステムおよび方法
CN107220988B (zh) 基于改进canny算子的零部件图像边缘提取方法
US8606012B2 (en) Image processing method and image processor
US9454817B2 (en) Relating to image processing
CN110838093B (zh) 一种fMOST或MOST显微图像条纹噪声去除方法
CN107085838B (zh) 全息图噪声的去除方法及装置
CN114724000B (zh) 一种屏拍图摩尔纹的处理方法、处理装置及处理设备
CN115294286A (zh) 一种消除杂散频谱的数字全息物像频谱自适应提取方法
CN116148853B (zh) 一种矿区沉陷干涉相位滤波方法和装置
CN115248549B (zh) 一种打散消除杂散频谱噪声的数字全息三维重建方法
CN116416164B (zh) 一种紫外光路成像分辨率优化方法
CN116385435B (zh) 基于图像分割的制药胶囊计数方法
Tao Enhanced Canny Algorithm for Image Edge Detection in Print Quality Assessment
CN116862973A (zh) 一种基于声学的水下坝面缺陷量测方法
CN116339098A (zh) 参考光对称偏转的轻离轴数字全息零级项消除重建方法
Eichhorn et al. An algorithm for the fast derivation of line structures from interferograms
CN115249231A (zh) 基于Unet卷积神经网络自适应空间滤波的物体三维形貌测量方法
CN118483225B (zh) 无透镜显微干涉成像细胞复现与计数方法
CN109459451A (zh) 一种基于射线造影的金属内部微小裂纹检测方法
CN117953231A (zh) 一种sem图像轮廓提取方法、装置、设备及存储介质
Darakis et al. Processing of digital holograms for size measurements of microparticles
KR102578312B1 (ko) 홀로그램 기반 대상체 3차원 계측 장치 및 방법
JP5087151B2 (ja) 画像処理方法、画像処理装置及び画像処理プログラム
CN110286464B (zh) 一种基于面积准则的自动聚焦方法
JP2003504745A (ja) コントラストを自動的に高める顕微鏡フィルタ

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