干涉條紋圖的數(shù)字圖像處理

1、干涉條紋圖的數(shù)字圖像處理濾波由于CCD拍攝的圖像中存在很大的噪聲，濾除噪聲的干擾對(duì)后期的處理相當(dāng)重要。由于噪聲的多樣性，本文采用Wiener自適應(yīng)濾波【】，Wiener自適應(yīng)濾波根據(jù)圖像的局部方差來調(diào)整濾波器的輸出。當(dāng)局部方差大時(shí)，濾波器平滑效果強(qiáng)。對(duì)灰度圖中的每一個(gè)像素點(diǎn)fCj),Wiener濾波器采用的算法首先估計(jì)出像素的局部矩陣,和方差Q2:1)2)個(gè)像素利用Wiene旎波器C2=f2Cj)-,2MNi,jenn是圖像中每個(gè)像素的MXN的鄰域。估計(jì)出其灰度值:bG,j)=,(fCj)-,)3)式中:V2是圖像中噪聲的方差。細(xì)化處理對(duì)濾波后的圖像先進(jìn)行二值化，并對(duì)二值化的干涉條紋進(jìn)行細(xì)化處

2、理【】。干涉條紋的細(xì)化難點(diǎn)在于解決骨架的抽取，防止斷點(diǎn)出現(xiàn)和剔除毛刺。基于以上的考慮，本文利用數(shù)學(xué)形態(tài)學(xué)【】中的零交叉細(xì)化法來進(jìn)行圖像的細(xì)化。其優(yōu)點(diǎn)是對(duì)條紋的平滑和骨架抽取同時(shí)進(jìn)行，并且可以有效地防止分支和解決易產(chǎn)生斷點(diǎn)的問題，其算法如下。圖1所示為圖像中的一個(gè)3x3區(qū)域，各點(diǎn)標(biāo)記名稱為P,P,P,P，其中P位于中心，若p=1（即黑點(diǎn)），下而4個(gè)條件如123911果同時(shí)滿足，則刪除PS=0）。PXPXP248PXPXP2462NZ（P）i座=2-a+(y-b-r2-l(-2,(y-b)=0Qbii1QQ=21-a+(y-b-(-2r=0(12)13)Xmyn二厶JXmynN”iiii(14)(

3、11)(11)(11)(11)式中:N表示圖像的所有邊界點(diǎn)個(gè)數(shù)。由式(14)便可算出圓環(huán)參數(shù)a,b,r為|-2A222j(I二(XX+工、-A一XT)(X-X)-iX/1/b-f工_v+yy_-J-.x_y)(x-x)-(xx+fJ(i-2x(i+b2yb+a-+y-(11)(11)(11)(11)由最小二乘原理圓擬合方法推導(dǎo)的激光干涉條紋中心及半徑的檢測(cè)算法雖然形式復(fù)雜，但僅對(duì)邊界點(diǎn)循環(huán)一次就可計(jì)算出各參數(shù)，平助運(yùn)行1時(shí)間兒心的76105S3巧90較為復(fù)雜的根方運(yùn)算只是在計(jì)算出中心后求半徑時(shí)計(jì)算一次，因此整個(gè)算法的計(jì)算速度將會(huì)很快。2實(shí)驗(yàn)結(jié)果及分析為了驗(yàn)證方法的有效性，本文進(jìn)行了大量的驗(yàn)證試

4、驗(yàn)，試驗(yàn)是在Pentnm4CPU為300GH、內(nèi)存為512MB的計(jì)算機(jī)上進(jìn)行的，編程語言為VisualC+60采用CCD拍攝干涉條紋圖像，經(jīng)圖像卡輸入計(jì)算機(jī)，在屏幕上可顯示放大的干涉條紋圖像如圖3a所示，條紋的標(biāo)準(zhǔn)中心位置為(56,84)，單位為像素，圖31)為濾波后的干涉條紋，可以明顯看出，原圖像噪聲已經(jīng)剔除，并得到了清晰的干涉條紋。由于拍攝圖像的邊緣條紋不完整，灰度變化大，細(xì)化后很難保存完整的條紋，而中間條紋細(xì)化后保存完好，減少了分叉，得到了單像素的條紋，因此本文只處理0-4級(jí)條紋。利用最小二乘法擬合激光干涉條紋的中心及各級(jí)半徑，對(duì)圖像擬合100次取平均得到的結(jié)果如表1所示，算法運(yùn)行時(shí)間如表2所示。細(xì)化圖像圖3b濾波圖像a原圖像c二值化圖像圖像處理由表1可以看出，利用本文提出的方法來檢測(cè)干,涉條紋的中心及半徑，其中心像素誤差低于05個(gè)像素，測(cè)量精度能夠達(dá)到亞像素級(jí)。由表2可以看出算法所需時(shí)間平均在100ms以下，基本可以達(dá)到實(shí)時(shí)要求。表1干涉條紋中心及半徑測(cè)量結(jié)果涉級(jí)次中心隹置/像素中心誤差牒素半徑滌素行級(jí)i562A8S75)iQ2A(125100781怨(563氐8402)(Q3氐Q02)129.342級(jí)(560&8S92)(Q0&Q08)14258(5