基于数学形态学的小孔光斑中心测量方法

发布时间：2021-11-24 06:51

　　针对小孔光斑中心测量问题,在分析用于中心坐标点标定的光斑图像特征基础上,采用以往阈值分割方法、边缘测量方法对小孔光斑中心测量受到外界噪声影响较大,导致测量误差也相对较大,为了解决该问题,提出了基于数学形态学的小孔光斑中心测量方法。依据数学形态学测量原理,获取4个不同方向的中心元素,综合各个方向和尺度元素得到梯度幅值,以此提取小孔光斑特征。在此基础上使用滤波器改善与噪声有关的边缘检测属性,使边缘增强与图像降噪得到一种平衡,并采用数学形态学方法检测中心边缘。使用中值滤波消除剩余噪声,利用灰度数学形态学处理小孔光斑,获取粗略光斑中心位置,采用边界生长方式,确定灰度边界像素点的不同孤立点,最终通过最小二乘原理推导出小孔光斑中心位置。实验结果表明,该方法抗噪性强,测量误差相对较小,对含有噪声的光斑中心测量清晰且细节丰富。 

【文章来源】：激光杂志. 2020,41(09)北大核心

【文章页数】：5 页

【部分图文】：

边缘形态

针对上述内容，需先使用中值滤波消除剩余的噪声，使用形态为3×3十字，阈值为10的灰度数学形态对小孔光斑进行灰度数学形态学处理，处理结果如下图2。分析图2可以看出，小孔光斑的轮廓比较完整和清晰。在单像素的条件下分别从水平方向和垂直方向测量小孔光斑中心的轮廓，但是水平方向和垂直方向上存在很多离散点，因此，将2个方向所检测到的小孔光斑通过数学形态学进行合并处理，保证测量的中心位置尽可能精确，确定中心位置边缘信息，如图3所示。

分析图2可以看出，小孔光斑的轮廓比较完整和清晰。在单像素的条件下分别从水平方向和垂直方向测量小孔光斑中心的轮廓，但是水平方向和垂直方向上存在很多离散点，因此，将2个方向所检测到的小孔光斑通过数学形态学进行合并处理，保证测量的中心位置尽可能精确，确定中心位置边缘信息，如图3所示。运用数学形态学中的边界生长法去除圆弧，同时，在边界集合中保留较长的圆弧，提取没有连续性的孤立点和距圆弧较远的边界点。现有方法仅处理整体区域中的某一像素点，导致测量效率相对较低。而采用数学形态学的边界生长具体实现步骤如下所示:

【参考文献】：
期刊论文
[1]基于数学形态学的混合图像均值滤波方法研究[J]. 杨芹.  电子设计工程. 2019(09)
[2]基于RANSAC的激光烧蚀光斑阵列图像拼接方法研究[J]. 陈至坤,张博伦,曾凯,王福斌.  应用激光. 2018(06)
[3]激光光斑边缘检测算子的研究进展[J]. 张英明,李永亮,张翼鹏,胡伟伟,刘泓鑫,顾小琨.  量子光学学报. 2019(01)
[4]改进阈值分割的光斑中心定位方法[J]. 赵琦,郝士琦,张岱.  激光与红外. 2018(05)
[5]THGEM探测器X光斑寻迹和位置分辨实验研究[J]. 刘川凤,周晓娟,周健荣,鲁黎明,朱林,何聪,谭莹莹,许虹,谢宇广,王晓冬,吴金杰,陈元柏,孙志嘉.  原子核物理评论. 2018(01)
[6]大光斑LiDAR全波形数据小波变换的高斯递进分解[J]. 杨学博,王成,习晓环,田建林,聂胜,朱笑笑.  红外与毫米波学报. 2017(06)
[7]激光通信成像光斑处理方法研究[J]. 王玉坤,贾娜,张锐.  液晶与显示. 2017(09)
[8]提高夏克-哈特曼波前传感器光斑质心的定位精度[J]. 师亚萍,刘缠牢.  激光与光电子学进展. 2017(08)
[9]基于形态学的不完全性骨折CT图像裂痕定位[J]. 吴丽,李航,薛玉君.  光学技术. 2017(04)
[10]基于小波变换和数学形态学的孔径测量研究[J]. 唐瑞尹,王荃,何鸿鲲,胡连军.  应用光学. 2017(04)



本文编号：3515455