CN115690195A - 一种自动获取莫尔条纹包裹相位的方法及装置 - Google Patents
一种自动获取莫尔条纹包裹相位的方法及装置 Download PDFInfo
- Publication number
- CN115690195A CN115690195A CN202211283045.5A CN202211283045A CN115690195A CN 115690195 A CN115690195 A CN 115690195A CN 202211283045 A CN202211283045 A CN 202211283045A CN 115690195 A CN115690195 A CN 115690195A
- Authority
- CN
- China
- Prior art keywords
- matrix
- row
- maximum value
- moire fringe
- 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
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种自动获取莫尔条纹包裹相位的方法及装置,获取待测流场的莫尔条纹图像,选取莫尔条纹图像的计算区域,设计算区域为M×N的矩阵A;对矩阵A进行傅立叶分析,得到矩阵B;计算矩阵B的第i行所有元素的平均值为xi;获取xi最大值对应的行数为o,令xo=0;设矩阵B剩余行中最大值所在的行数为h,h∈{i|o‑k<i<o+k},k=1,2,3,…,c;依次将k从1取到c,若xh为o‑k<i<o+k中最大值,则令xh=0;在xo=0、xh=0的矩阵B中,获取行中平均值最大值对应的行数为h′;将矩阵B中h′行的数据放入M×N的矩阵D的正中心;对矩阵D进行傅立叶逆变换,得到矩阵E;根据矩阵E利用反正切函数计算得到莫尔条纹的包裹相位分布ψ。本发明提供的一种自动获取莫尔条纹包裹相位的方法及装置,不仅节约了数据处理的时间,还为后期的相位解包提供更准确可靠的基础。
Description
技术领域
本发明涉及一种自动获取莫尔条纹包裹相位的方法及装置,属于光学测量技术领域。
背景技术
莫尔层析技术是一种重要的高温复杂流场探测方法,在流场诊断等领域提供了有效的方法和数据。莫尔层析技术应用时,首先,通过实验获得待测流场的莫尔条纹;然后,对条纹进行预处理以及相位信息提取;最后,重建出待测流场的折射率分布,从而反演出待测流场的关键参数分布。
不难看出,上述过程中,相位信息的准确提取对后面的结果起到至关重要的作用。值得注意的是,莫尔条纹一级频谱的提取一直是其计算包裹相位的关键一步。一级频谱中包含了所需的相位信息,其准确快速的提取,也关系着后续包裹相位的精度和计算效率。
在现有的利用傅立叶分析方法提取莫尔条纹包裹相位的过程中,条纹图像经过傅里叶变换后,需要人工确定并提取条纹的一级频谱,过程相对比较繁琐,耗费时间较多,且会产生肉眼所带来的误差,缺乏客观性。此外,如果旁瓣选取不合适,也会影响后续包裹相位的获取。
因此,如何更好的获取莫尔条纹包裹相位是本领域技术人员急需要解决的技术问题。
发明内容
目的:为了克服现有技术中存在的不足,本发明提供一种自动获取莫尔条纹包裹相位的方法及装置,利用莫尔条纹一级频谱所对应的数据特征,进行自动选择和平移旁瓣,可以节省莫尔条纹的包裹相位计算时间,提高提取精度。总之,相关研究将对于莫尔条纹的信息提取具有重要意义。
技术方案:为解决上述技术问题,本发明采用的技术方案为:
第一方面,一种自动获取莫尔条纹包裹相位的方法,包括如下步骤:
步骤1:获取待测流场的莫尔条纹图像,选取莫尔条纹图像的计算区域,设计算区域为M×N的矩阵A。矩阵A表示像素值矩阵,M表示行像素点数量,N表示列像素点数量。
步骤2:对矩阵A进行傅立叶分析,得到矩阵B。
步骤3:计算矩阵B的第i行所有元素的平均值为xi。
步骤4:获取xi最大值对应的行数为o,令xo=0。
步骤5:设矩阵B剩余行中最大值所在的行数为h,h取值范围如下:
h∈{i|o-k<i<o+k},k=1,2,3,…,c
其中:
c为满足括号里条件o-i的最小值。
步骤6:依次将k从1取到c,若xh为o-k<i<o+k中最大值,则令xh=0。
步骤7:在xo=0、xh=0的矩阵B中,获取行中平均值最大值对应的行数为h′。
步骤8:将矩阵B中h′行的数据放入M×N的矩阵D的正中心。
步骤9:对矩阵D进行傅立叶逆变换,得到矩阵E。
步骤10:根据矩阵E利用反正切函数计算得到莫尔条纹的包裹相位分布ψ。
第二实施例一种自动获取莫尔条纹包裹相位的装置,包括如下模块:
获取计算区域模块:用于获取待测流场的莫尔条纹图像,选取莫尔条纹图像的计算区域,设计算区域为M×N的矩阵A。矩阵A表示像素值矩阵,M表示行像素点数量,N表示列像素点数量。
获取矩阵B模块:用于对矩阵A进行傅立叶分析,得到矩阵B。
计算平均值模块:用于计算矩阵B的第i行所有元素的平均值为xi。
第一次清零模块:用于获取xi最大值对应的行数为o,令xo=0。
取值范围设定模块:用于设矩阵B剩余行中最大值所在的行数为h,h取值范围如下:
h∈{i|o-k<i<o+k},k=1,2,3,…,c, (1)
其中:
c为满足括号里条件o-i的最小值。
第二次清零模块:用于依次将k从1取到c,若xh为o-k<i<o+k中最大值,则令xh=0。
一级频谱获取模块:用于在xo=0、xh=0的矩阵B中,获取行中平均值最大值对应的行数为h′。
频谱平移模块:用于将矩阵B中h′行的数据放入M×N的矩阵D的正中心。
矩阵E获取模块:用于对矩阵D进行傅立叶逆变换,得到矩阵E。
包裹相位计算模块:用于根据矩阵E利用反正切函数计算得到莫尔条纹的包裹相位分布ψ。
作为优选方案,矩阵B计算公式如下:
作为优选方案,xi计算公式如下:
其中,N为矩阵B的列数,Bij为第i行第j列的数值。
作为优选方案,h′计算公式如下:
作为优选方案,E计算公式如下:
作为优选方案,ψ计算公式如下:
其中,Im[E]为矩阵E的虚部,Re[E]为矩阵E的实部。
有益效果:本发明提供的一种自动获取莫尔条纹包裹相位的方法及装置,用于克服原先需要手动提取莫尔条纹一级频谱的繁琐之处。不仅节约了数据处理的时间,还为后期的相位解包提供更准确可靠的基础。其优点如下:
1.本发明可以自动寻找莫尔条纹的一级频谱,节省时间,提高效率。
2.通过本发明可为提取莫尔条纹的包裹相位提供更可靠的基础。
附图说明
图1为本发明方法的流程示意图。
图2为实验获取待测流场的莫尔条纹图像示意图。
图3所截取的莫尔条纹图像计算区域示意图。
图4左侧为计算区域傅立叶变换后的结果,右侧为傅立叶变换后一级频谱的数值。
图5左侧为计算区域一级频谱平移后的结果,右侧为平移后的结果对应的数值。
图6为一级频谱滤波的包裹相位计算结果示意图。
具体实施方式
下面结合具体实施例对本发明作更进一步的说明。
如图1所示,第一实施例一种自动获取莫尔条纹包裹相位的方法,包括如下步骤:
步骤1:获取待测流场的莫尔条纹图像,选取莫尔条纹图像的计算区域,设计算区域为M×N的矩阵A。
矩阵A表示像素值矩阵,M表示行像素点数量,N表示列像素点数量。
步骤2:对矩阵A进行傅立叶分析,得到矩阵B。
矩阵B计算公式如下:
步骤3:计算矩阵B的第i行所有元素的平均值为xi。
xi计算公式如下:
其中,N为矩阵B的列数,Bij为第i行第j列的数值。
步骤4:获取xi最大值对应的行数为o,令xo=0。
步骤5:设矩阵B剩余行中最大值所在的行数为h,h取值范围如下:
h∈{i|o-k<i<o+k},k=1,2,3,…,c (4)
其中:
c为满足括号里条件o-i的最小值。
步骤6:依次将k从1取到c,若xh为o-k<i<o+k中最大值,则令xh=0。
步骤7:在xo=0、xh=0的矩阵B中,获取行中平均值最大值对应的行数为h′。
步骤8:将矩阵B中h′行的数据放入M×N的矩阵D的正中心。
步骤9:对矩阵D进行傅立叶逆变换,得到矩阵E。
步骤10:根据矩阵E利用反正切函数计算得到莫尔条纹的包裹相位分布ψ。
其中,Im[E]为矩阵E的虚部,Re[E]为矩阵E的实部。
第二实施例一种自动获取莫尔条纹包裹相位的装置,包括如下模块:
获取计算区域模块:用于获取待测流场的莫尔条纹图像,选取莫尔条纹图像的计算区域,设计算区域为M×N的矩阵A。
矩阵A表示像素值矩阵,M表示行像素点数量,N表示列像素点数量。
获取矩阵B模块:用于对矩阵A进行傅立叶分析,得到矩阵B。
矩阵B计算公式如下:
计算平均值模块:用于计算矩阵B的第i行所有元素的平均值为xi。
xi计算公式如下:
其中,N为矩阵B的列数,Bij为第i行第j列的数值。
第一次清零模块:用于获取xi最大值对应的行数为o,令xo=0。
取值范围设定模块:用于设矩阵B剩余行中最大值所在的行数为h,h取值范围如下:
h∈{i|o-k<i<o+k},k=1,2,3,…,c, (7)
其中:
c为满足括号里条件o-i的最小值。
第二次清零模块:用于依次将k从1取到c,若xh为o-k<i<o+k中最大值,则令xh=0。
一级频谱获取模块:用于在xo=0、xh=0的矩阵B中,获取行中平均值最大值对应的行数为h′。
频谱平移模块:用于将矩阵B中h′行的数据放入M×N的矩阵D的正中心。
矩阵E获取模块:用于对矩阵D进行傅立叶逆变换,得到矩阵E。
包裹相位计算模块:用于根据矩阵E利用反正切函数计算得到莫尔条纹的包裹相位分布ψ。
其中,Im[E]为矩阵E的虚部,Re[E]为矩阵E的实部。
实施例1:
如图2所示,基于丙烷燃烧场实验获取待测流场的莫尔条纹图像。如图3所示,获取莫尔条纹图像的计算区域。如图4左侧所示,莫尔条纹图像的计算区域的傅立叶变换示意图,如图4右侧所示,莫尔条纹图像的计算区域对应的矩阵B的数值。由图中可以得出,零级频谱对应的是平均值向量xi的最大值,但一级频谱由于噪声存在,就不一定是矩阵B中的次最大值了。
如图5所示,利用本发明方法获得矩阵B行数为h′的行数据,并平移至频谱中心,得到矩阵D。
将莫尔条纹导入计算机,进行自动获取莫尔条纹包裹相位,莫尔条纹包裹相位分布结果如图6所示。整个过程的计算时间为0.1281s,运行环境为16寸的2019款MacBookPro,其CPU为Intel Core i7-9750H(六核,频率为2.6GHz),内存为16GB(2667MHz,DDR4)。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式,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的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (7)
1.一种自动获取莫尔条纹包裹相位的方法,其特征在于:包括如下步骤:
步骤1:获取待测流场的莫尔条纹图像,选取莫尔条纹图像的计算区域,设计算区域为M×N的矩阵A;矩阵A表示像素值矩阵,M表示行像素点数量,N表示列像素点数量;
步骤2:对矩阵A进行傅立叶分析,得到矩阵B;
步骤3:计算矩阵B的第i行所有元素的平均值为xi;
步骤4:获取xi最大值对应的行数为o,令xo=0;
步骤5:设矩阵B剩余行中最大值所在的行数为h,h取值范围如下:
h∈{i|o-k<i<o+k},k=1,2,3,…,c
其中:
c为满足括号里条件o-i的最小值;
步骤6:依次将k从1取到c,若xh为o-k≤i≤o+k中最大值,则令xh=0;
步骤7:在xo=0、xh=0的矩阵B中,获取行中平均值最大值对应的行数为h′;
步骤8:将矩阵B中h′行的数据放入M×N的矩阵D的正中心;
步骤9:对矩阵D进行傅立叶逆变换,得到矩阵E;
步骤10:根据矩阵E利用反正切函数计算得到莫尔条纹的包裹相位分布ψ。
7.一种自动获取莫尔条纹包裹相位的装置,其特征在于:包括如下模块:
获取计算区域模块:用于获取待测流场的莫尔条纹图像,选取莫尔条纹图像的计算区域,设计算区域为M×N的矩阵A;矩阵A表示像素值矩阵,M表示行像素点数量,N表示列像素点数量;
获取矩阵B模块:用于对矩阵A进行傅立叶分析,得到矩阵B;
计算平均值模块:用于计算矩阵B的第i行所有元素的平均值为xi;
第一次清零模块:用于获取xi最大值对应的行数为o,令xo=0;
取值范围设定模块:用于设矩阵B剩余行中最大值所在的行数为h,h取值范围如下:
h∈{i|o-k<i<o+k},k=1,2,3,…,c, (1)
其中:
c为满足括号里条件o-i的最小值;
第二次清零模块:用于依次将k从1取到c,若xh为o-k<i<o+k中最大值,则令xh=0;
一级频谱获取模块:用于在xo=0、xh=0的矩阵B中,获取行中平均值最大值对应的行数为h′;
频谱平移模块:用于将矩阵B中h′行的数据放入M×N的矩阵D的正中心;
矩阵E获取模块:用于对矩阵D进行傅立叶逆变换,得到矩阵E;
包裹相位计算模块:用于根据矩阵E利用反正切函数计算得到莫尔条纹的包裹相位分布ψ。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211283045.5A CN115690195A (zh) | 2022-10-19 | 2022-10-19 | 一种自动获取莫尔条纹包裹相位的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211283045.5A CN115690195A (zh) | 2022-10-19 | 2022-10-19 | 一种自动获取莫尔条纹包裹相位的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115690195A true CN115690195A (zh) | 2023-02-03 |
Family
ID=85066857
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211283045.5A Pending CN115690195A (zh) | 2022-10-19 | 2022-10-19 | 一种自动获取莫尔条纹包裹相位的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115690195A (zh) |
-
2022
- 2022-10-19 CN CN202211283045.5A patent/CN115690195A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108318129B (zh) | 桥梁结构模态参数真假甄别方法及终端设备 | |
CN110916664A (zh) | 一种基于深度学习的快速磁共振图像重建方法 | |
US9286547B2 (en) | Quality control and assurance of images | |
CN111127316B (zh) | 一种基于sngan网络的单幅人脸图像超分辨方法及系统 | |
Lampeas et al. | On the validation of solid mechanics models using optical measurements and data decomposition | |
CN113628296B (zh) | 一种从时频域信号到二维图像的磁粒子成像重建方法 | |
CN104318243A (zh) | 基于稀疏表示和空谱拉普拉斯图的高光谱数据降维方法 | |
CN109447963A (zh) | 一种脑部影像识别的方法及装置 | |
CN115797335A (zh) | 用于桥梁振动测量的欧拉运动放大效果评估及优化方法 | |
Zhou et al. | Spatial orthogonal attention generative adversarial network for MRI reconstruction | |
CN114137015A (zh) | 孔隙度校正方法及装置 | |
CN115690195A (zh) | 一种自动获取莫尔条纹包裹相位的方法及装置 | |
CN109740109A (zh) | 一种基于酉变换的PolSAR图像广义目标分解方法 | |
CN111882532B (zh) | 下肢x光影像中关键点提取方法 | |
CN116433661B (zh) | 多任务学习的半导体晶圆检测方法、装置、设备及介质 | |
CN117095236A (zh) | 一种用于评估叶根轮槽试验精确性的方法及系统 | |
CN111626313B (zh) | 一种特征提取模型训练方法、图像处理方法及装置 | |
CN108897781B (zh) | 论文图形查重系统 | |
CN116012307A (zh) | 基于孪生网络的瓦楞纸箱印刷图案色差检测方法、系统及存储介质 | |
CN116778351A (zh) | 基于高空间分辨率遥感影像的畜牧业牲畜监测提取方法 | |
KR20140053259A (ko) | 특징 추출을 위한 기법들 | |
CN114942233A (zh) | 近红外光谱特征波长选择方法、装置、设备和存储介质 | |
CN112884790B (zh) | 一种图形分析方法、系统及存储介质 | |
US9836833B2 (en) | Non-intrusive measurement of the volume density of a phase in a part | |
CN114167707B (zh) | 一种离轴数字全息参考光估计方法及系统 |
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 |