激光繪圖儀成像過程中的圖像處理技術研究

李欣欣 任然

摘 ?要： 激光繪圖儀成像過程中的圖像處理技術是激光繪圖儀圖像輸出精度的保障，因此對其進行深入研究。分析激光繪圖儀成像原理后，通過圖像加窗處理，截取220×220像素的圖像，提升激光圖像處理效率;采用基于核方法的自適應維納濾波去噪算法對截取的激光圖像進行降噪處理后，采用灰度值形態學方法提取圖像邊緣;在此基礎上采用Radon尺度變換方法對激光圖像進行RGB分解，獲取激光圖像幾何結構紋理分布特征集合。經實驗證明，采用所研究的圖像處理技術得到的目標物體成像最小誤差和最大誤差分別為0.002 m和0.319 m，大大提高了成像精度，且具有較高的降噪性能和處理性能。

關鍵詞： 圖像處理技術; 激光繪圖儀; 成像過程; 圖像降噪; 圖像邊緣提取; RGB分解

中圖分類號： TN911.73?34; TP301 ? ? ? ? ? ? ? ? ?文獻標識碼： A ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2020）07?0062?04

Research on image processing technology in imaging process of laser plotter

LI Xinxin， REN Ran

（School of Software， Chongqing Institute of Engineering， Chongqing 400000， China）

Abstract： The image processing technology in the imaging process is the guarantee of the laser plotter′ image output precision， so the technology is studied in depth. On the basis of analyzing the imaging principle of the laser plotter， the image of 220×220 pixels is intercepted by image windowing to improve the efficiency of laser image processing， and the image edges are extracted by gray value morphology method after an adaptive Wiener filtering denoising algorithm based on the kernel method is adopted to perform denoising processing of the intercepted laser image. On this basis， the Radon scale transform method is used for RGB decomposition of the laser image to obtain the texture distribution feature set of the geometric structure of laser image. The experiment results show that the minimum error and maximum error of the target object imaging obtained with the proposed image processing technology are 0.002 m and 0.319 m respectively， which greatly improves the imaging accuracy， and is of higher denoising performance and processing performance.

Keywords： image processing technology; laser plotter; imaging process; image denoising; image edge extraction; RGB decomposition

0 ?引 ?言

當今社會，計算機技術愈發成熟，諸多工作領域內均涉及圖像文件輸出，通常情況下采用的圖像輸出設備為繪圖儀[1]。激光繪圖儀作為繪圖儀的主要類型，具有圖像輸出精度高、速率快、非接觸等優勢[2]，在制造、測繪等行業廣泛使用。激光繪圖儀成像過程中的圖像處理技術是激光繪圖儀圖像輸出精度的保障[3]，因此研究激光繪圖儀成像過程中的圖像處理技術具有重要應用意義。

以往國內外研究人員對激光圖像處理方法有較多研究，但均存在一定局限性，例如，有學者采用灰度圖像處理技術增強圖像邊緣，快速高效地設計出輸出表面照度均勻的導光板，該處理技術未考慮降噪過程，激光圖像處理精度低，有學者用紅、綠、藍三通道分別校正方案對激光圖像進行處理，采用非線性圖像縮放法， 統一不同色光放大倍率，該處理技術對激光圖像整體實施處理，效率低下。有學者通過盲解卷積算法恢復激光光斑圖像，以提升激光圖像特征提取精度，該處理技術同樣忽略降噪過程，導致激光圖像處理精度低[4?6]。

針對上述問題，本文深入研究激光繪圖儀成像過程中的圖像處理技術，通過加窗處理、降噪處理、邊緣提取處理和特征識別處理過程，實現高質量激光圖像處理。

1 ?激光繪圖儀成像過程中的圖像處理

[Bc=B0，B1，B2，…，BP-1binary=i=1P-1Bi×2iDee] （11）

[Bi=j=1A×AIjx] （12）

式中[P]和[A]分別表示參考圖像鄰域塊數目和Radon尺度變換步長。

假設激光圖像分布在[x]軸的弱紋理集用[Zx]表示，分布在[y]軸的弱紋理集用[Zy]表示，則按照灰度恒定特征，根據Radon尺度變換不變性，構建激光圖像RGB特征分解協方差矩陣如下：

[C=OTOZxtZxtZxtZytZytZxtZytZyt ] （13）

在激光圖像顏色分量進行RGB分解時，將[x0]點作為中心，獲取激光圖像紋理特征，紋理特征的極小化解如下：

[O=USVT] （14）

式中[U]，[S]和[V]分別表示[N×N]的規范訓練矩陣、[N×2]的投影矩陣和[2×2]的激光衍射光譜分布矩陣。

提取[N×N]的光譜分布范圍內激光圖像光譜特征，光譜特征分布在[x]方向的互相關特征分量用[fx]表示，分布在[y]方向的互相關特征分量用[fy]表示，根據特征值關系實施機器學習，獲取強紋理區域內激光圖像平滑項如下：

[Oi=UiSiVTi=UiSiv1，v2T] （15）

[v1=v11，v12] （16）

2 ?實驗結果與分析

2.1 ?成像誤差分析

為驗證本文激光繪圖儀成像過程中的圖像處理技術的處理性能，以某城市中不同尺寸建筑目標為實驗對象，采用本文圖像處理技術進行激光繪圖儀成像實驗，結果如表1所示。

分析表1能夠得到，使用本文技術處理目標物體激光圖像時，當目標物體尺寸為10 m時，目標物體成像尺寸誤差為0.008 m;隨著目標物體尺寸提升，目標物體成像尺寸誤差也逐漸提升，當目標物體尺寸提升至100 m時，目標物體成像尺寸最大誤差為0.319 m。目標物體成像誤差較小，說明本文處理技術是激光繪圖儀成像過程中一種有效的圖像處理技術。

2.2 ?降噪性能對比

為測試本文處理技術降噪性能，采用本文處理技術、基于分色校正的激光圖像處理技術和基于AOTF的激光圖像處理技術對上述實驗過程中的實驗對象進行圖像處理，對比不同處理技術處理后的圖像峰值信噪比和峰值均方誤差，結果如圖2所示。分析圖2能夠得到，采用本文處理技術處理后的圖像峰值信噪比為20.12，與其他處理技術相比，分別提升了2.23 dB和2.98 dB;本文處理技術處理后的圖像峰值均方誤差為0.018 6，與其他處理技術相比，分別降低了0.002 8和0.008。實驗結果表明，本文處理技術具有較好的降噪性能，大大提高了圖像的抗噪性能。

2.3 ?整體處理性能對比

實驗利用專家評價法，從處理技術的效率、處理技術的降噪性能、處理技術的邊緣提取性能、處理技術的特征識別性能以及圖像處理精度五方面，評價上述實驗過程中三種處理技術的處理性能，結果如表2～表4所示。

對比分析表2～表4可得，專家對本文處理技術的評價得分較高，各項評價平均得分均在97分左右;分色校正處理技術處理效率較差，平均評價得分在78分左右，特征識別性能評價得分較高，平均得分達到93分以上，其余評價平均得分在83～86分之間;AOTF處理技術由于忽略圖像降噪處理過程，導致圖像降噪性能平均評價得分低于60分，且該技術未有效提取激光圖像邊緣，激光圖像邊緣提取處理平均評價得分僅為76分左右。結果說明本文處理技術是一種高性能的激光繪圖儀成像處理技術。

3 ?結 ?語

本文深入研究了激光繪圖儀成像過程中的圖像處理技術。首先，通過圖像加窗處理，提升激光圖像處理效率;其次，通過圖像降噪處理清除截取的激光圖像內噪聲;然后，利用圖像邊緣提取處理確定激光圖像邊緣點;最后，利用圖像特征識別處理獲取激光圖像幾何結構紋理分布特征集合，完成激光繪圖儀成像過程中的圖像處理。經實驗證明，本文處理技術與對比處理技術相比，具有更好的降噪性能和圖像處理性能。

參考文獻

[1] 劉璐，李斌康，楊少華，等.高散射性介質環境中的激光主動成像技術[J].光學技術，2015，41（1）：43?47.

[2] BASDEN A G. Visible near?diffraction?limited lucky imaging with full?sky laser?assisted adaptive optics [J]. Monthly notices of the royal astronomical society， 2018， 442（2）： 1142?1150.

[3] 房娟，劉洪英，陳增淦，等.基于顯微高光譜成像技術的運動和感覺神經分類研究[J].影像科學與光化學，2015，33（3）：203?210.

[4] 馮彥超，馮華君，徐之海，等.基于分色校正的大像差光學成像系統圖像處理技術[J].光子學報，2015，44（6）：33?38.

[5] 王玉坤，賈娜，張銳.激光通信成像光斑處理方法研究[J].液晶與顯示，2017，32（9）：736?740.

[6] 董志偉，張偉斌，樊榮偉，等.條紋原理激光雷達成像仿真及實驗[J].紅外與激光工程，2016，45（7）：100?104.

[7] 王旋，陳忻，劉巍.一種適用于并行運算處理的實時高動態范圍圖像合成算法研究[J].影像科學與光化學，2015，33（4）：330?335.

[8] TEZA G， MARCATO G， PASUTO A， et al. Integration of laser scanning and thermal imaging in monitoring optimization and assessment of rock fall hazard： a case history in the Carnic Alps （Northeastern Italy） [J]. Natural hazards， 2015， 76（3）： 1535?1549.

[9] HAAS N A， HAPPEL C M， MAUTI M， et al. Substantial radiation reduction in pediatric and adult congenital heart disease interventions with a novel X?ray imaging technology [J]. International journal of cardiology heart & vasculature， 2015， 6（2）： 101?109.

[10] 王朋，榮志斌，何俊華，等.基于壓縮感知的偏振光成像技術研究[J].紅外與激光工程，2016，45（2）：274?280.

[11] 李曉，師藝杰，宋雁鵬，等.基于AOTF的近紅外成像系統研究[J].壓電與聲光，2017，39（2）：289?294.

[12] 泮萬盛，侯憶楠，肖石林，等.基于成像的VLC室內定位鏡面干擾消除技術[J].光通信技術，2017，41（8）：52?54.