一種多結構光條紋亞像素中心提取方法

賈衛平，王邦國

（大連大學 機械工程學院 特種加工與功能材料制備遼寧省教育廳重點實驗室，遼寧 大連116622）

1 引 言

基于視覺的非接觸三維測量方法具有成本低、分辨率高的優點，在工程、醫療等行業應用日益廣泛。為測量物體尺寸等信息需要獲取物體三維輪廓，在待測物體表面投射結構光條的主動視覺法可增加物體表面的特征信息，簡化三維信息提取過程。結構光條紋照射在被測物體表面時，由于物體深度的變化使光條被調制，調制光條被標定的CCD 相機拍攝后可獲取物體表面的深度信息，進而可根據深度信息計算工件尺寸。因此，基于主動視覺的物體尺寸測量及檢測，需要精確提取結構光條紋的中心。

常用的結構光條紋中心提取方法主要有極值法、灰度重心法等［1-3］。這些算法簡單，實時性較好，但對噪聲敏感，中心提取精度較低。方向模板法使用多個方向模板檢測以獲取結構光條紋中心的亞像素位置，該方法具有較強的抗噪聲能力，有一定的斷線修補能力，但計算過程比較復雜［4］。Hessian 矩陣法具有精度高、魯棒性好等優點，但該算法運算量大,難以滿足實時性要求較高的場合［5-6］。

2 結構光圖像預處理

物體被投射白光后拍攝的圖像如圖1（a）所示。由于投射在物體上的光條受到相機噪聲等干擾因素的影響存在噪聲，為準確檢測投射光線的亞像素中心線，要對圖像進行預處理。圖像預處理采用高斯濾波。針對原始圖像的噪聲特點，采用高斯濾波器對原始圖像進行濾波，高斯濾波后的圖像如圖1（b）所示。

圖1 投射白光后的物體圖像

為分析投射在物體上白光條紋的特性，在圖中沿豎線所示位置檢測其灰度值，豎線從上到下各像素位置對應的灰度值如圖2（a）所示，部分光條對應的灰度如圖2（b）所示。由圖2（b）可知，圖像中投影光條的灰度值較大，為消除干擾光線的影響，對灰度值小于一定閾值的像素點灰度置零，閾值處理后的部分光條圖像如圖2（c）所示，本圖像所選用的閾值為23，即：若圖像中像素點的灰度值小于23，則將圖像中該像素點的灰度置零。

圖2 像素位置對應的圖像灰度

3 多結構光條紋亞像素中心提取

使用高斯擬合法提取光條亞像素中心時，首先需識別投射光條紋位置；接著根據識別的結構光條紋位置確定光條范圍；最后對光條范圍內的像素灰度進行曲線擬合，擬合曲線的頂點則為投射光條的亞像素中心。

3.1 投射光條紋位置識別

對于閾值處理后的圖像，由于圖像中光條部分灰度值大，當圖像中光條數目較多時，為確定圖像中光條的數目采用逐列搜索的方法。搜索前設定M0為灰度閾值，從第一列開始從上到下進行掃描，若圖像中該列的一定位置像素點的灰度值大于M0，且該像素點接下來搜索的p個像素其灰度也大于M0，則該像素點為光條上的點，繼續搜索直到像素灰度小于M0為止，則記為1 個光條；繼續搜索可得到該列的光條數目n1。按同樣方法對圖像中各列進行搜索可得到各列的光條數目nm（m=1，2，3，…，r。其中，r 為圖像的列數）。根據投射光條的特點可知，在一定列數范圍內光條的數目相同且同為最大值，因此可選擇這些光條數目最大列中間位置的列作為搜索光條位置的起點列。

使用Canny 算子求圖1（b）中光條的邊緣，所提取的邊緣圖像如圖3（a）所示，圖3（b）為圖3（a）局部圖像放大效果。以起點列值為起始點，在邊緣圖像中從上至下搜索。當搜索到第k 行的光條邊緣時，則根據圖1（b）判斷該像素點及向下的若干像素的灰度值是否大于零，若均大于零則判斷第k 行為光條的上邊緣，并記為W（1）。繼續向下搜索，直到W（r）光條為止。

圖3 Caany 算子提取的光條邊緣圖像

搜索得到的圖像中光條的邊緣點W 如圖4（a）所示；接著再以得到的各光條邊緣點為起始點，沿著光條邊緣左右搜索得到各光條的邊緣點集，光條邊緣的點如圖4（b）所示，光條局部邊緣點集的放大圖如圖4（c）所示。

圖4 提取的光條邊緣

3.2 亞像素中心提取

提取的結構光條紋的邊緣點后，以第1 個光條為例說明結構光紋條亞像素中心提取方法。第t 個光條的邊緣點W（t）為起始點，其中，t=1，2，…。在圖3（a）的光條邊緣圖像中，從上向下搜索，直到光條的另一個邊緣為止。所得到的光條寬度Wt與設定的閾值Wwide比較，若光帶寬度在一定范圍內。如設定光條寬度Wt＞1.3Wwide，并且Wt＜0.7Wwide，則認為是光條；否則為光條的左右邊緣位置或干擾噪聲，則不再進行光條亞像素中心的計算。Wwide的數值由圖4（a）所示的搜索光條邊緣起始點時，根據各光條帶寬的均值確定。

提取以W（t）為起始點沿豎直方向上光條范圍內各像素點的位置及其灰度值，在光條邊緣內的像素灰度如圖5（a）所示，圖中橫坐標為像素位置，縱坐標為各像素對應的灰度值。由圖5（a）可知在邊緣范圍內像素的灰度基本符合高斯分布，但其最大灰度值所對應的像素位置坐標為整數。為得到光條的亞像素中心，需對得到的像素灰度進行高斯擬合。

圖5 像素位置及灰度值

高斯擬合的數學表達式為

式中：A 為幅值，表示曲線高度；σ 為標準差；u 為均值，即條紋中心；x 為光條上像素原始坐標位置；G（x）為灰度值。

擬合得到的曲線如圖5（b）所示，其中，亞像素中心位置如圖中豎線與擬合曲線的交點位置，即u 的值；圓圈為各像素對應的位置及其灰度值。得到該邊緣位置的光條亞像素中心后，求W（t）點右側1 個邊緣點對應的光條亞像素中心，直到右側最后1 個光條邊緣為止。然后，按上述方法對W（t）點左側的各邊緣點對應的亞像素中心進行計算。按照此方法，可計算所有光條的亞像素中心，所求的亞像素中心如圖6 所示。其中，圖6（a）為提取的所有光條的亞像素中心，圖6（b）為光條亞像素中心局部放大圖。由圖6（b）可看出所提取的亞像素中心平滑。該方法與Hessian 矩陣法提取的光條亞像素中心進行了比較，可知兩種算法的精度差別小于0.18 個像素，能滿足結構光亞像素中心提取的需要。

4 結 論

本文提出了一種可用于多結構光條紋亞像素中心提取的方法，該方法能有效識別投射在待測物體上的多結構光條紋的數目，通過先確定的光條邊緣信息能精確獲取光條的亞像素中心坐標。該方法抗干擾能力較強、精度高，能準確快速地處理得到的多結構光條紋圖像。

圖6 光條亞像素中心

［1］ 吳劍波，崔振，趙宏，等.光刀中心自適應閾值提取法［J］.半導體光電，2001，22（1）：62-64.

［2］ 李中偉，王從軍，史玉升.一種結合梯度銳化和重心法的光條中心提取算法［J］.中國圖象圖形學報，2008，13（1）：64-68.

［3］ 吳慶陽，蘇顯渝，李景鎮，等.一種新的線結構光光帶中心提取算法［J］.四川大學學報：工程科學版，2007，39（4）：151-155.

［4］ 胡斌,李德華.基于方向模板的結構光條紋中心檢測方法［J］.計算機工程與應用,2002（11）：59-60.

［5］ Steger C.An Unbiased Detector of Curvilinear Structures［J］.IEEE Transactions on Pattern Analysis and machine Intelligence.1998，20（2）：113-125.

［6］ 周富強，陳強，張廣軍.結構光光條提取的混合圖像處理方法［J］.光電子·激光，2008，19（11）：1534-1537.