八角光纖端面幾何參數測量算法設計

徐云潔, 陳曉榮, 徐 挺, 王原野, 王子旋

(上海理工大學光電信息與計算機工程學院, 上海 200093)

0 引言(Introduction)

隨著信息化時代的到來,光纖被應用到越來越多的場合,尤其是光纖通信等方面,開展光纖端面幾何參數的研究對于促進該領域的發展有著重要作用[1-3]。有關幾何參數的研究中,首要步驟為測量光纖幾何參數,而傳統的幾何參數測量方法多為人工測量,該方式費時費力且誤差較大[4];實驗室基礎測量方法操作又較為復雜。

隨著科技的發展,國內外提出了多種數字化方法對光纖端面幾何參數進行檢測。楊遠[5]基于機器視覺設計算法,完成了對D型光纖側面拋磨深度的測量,但測量內容較單一,且穩定性有待提升。ZHANG等[6]通過綜合閾值邊界提取和改進的曲線擬合算法進行截面重建,得到多芯光纖幾何參數,但在邊緣擬合方面仍有待改進。

為實現特殊形狀光纖端面幾何參數的數字化檢測與計算,本文采用數字圖像處理技術,設計一種基于機器視覺的八角光纖端面幾何參數測量算法。測量算法經多組圖像測試后,得出的數據精確度較高,符合工業需求。

1 光纖端面及幾何參數簡介(Introduction of optical fiber endface and geometric parameters)

光纖主要分成涂覆層、包層、纖芯等部分。八角光纖端面的中間為纖芯,其外為包層,含干擾的八角光纖端面圖如圖1所示。

圖1 含干擾的八角光纖端面圖Fig.1 Endface diagram of octagonal optical fiber with interference

本算法針對包層為八角形的光纖,檢測其包層輪廓,主要測量內切圓直徑(即包層直徑)、對角距離等幾何參數,重點研究包層部分的邊緣提取、有效輪廓篩選、輔助線參數測量等內容。

2 算法實現及分析(Algorithm implementation and analysis)

2.1 實驗軟件及算法流程

本文使用的軟件為Halcon,全稱及版本號為HDevelop 18.05 Progress (64-bit)。本算法實現的功能為通過運行程序快速測量八角光纖端面幾何參數。

本文采用的算法流程圖如圖2所示。首先進行圖像預處理,其次使用亞像素輪廓檢測算法,針對包層端面進行邊緣提取及分割,設計有效輪廓篩選算法去除干擾輪廓,提出輔助線參數測量法,最后完成八角光纖幾何參數的測量,并顯示檢測結果。

圖2 算法流程圖Fig.2 Algorithm flow chart

2.2 圖像預處理及包層邊緣提取

首先使用中值濾波[7]的方法對圖像進行預處理,濾除采集圖像時因光線和環境等因素引入的噪聲。

定義輸入圖像的灰度值為xi,j,則有中值濾波后輸出灰度值為yi,j[8]:

yi,j=med(r,s)∈W(xi+r,j+s)

(1)

其中,W為中值濾波中使用窗口的階數。

此次我們對比分析了患者的運動能力和自理能力,結果均為觀察組較優秀,說明患者的生活質量也有了很大的改善,綜上所述,腦梗死伴發肢體功能障礙患者接受長期的康復護理,堅持鍛煉,能夠獲得較好的效果,在此過程中,需要護理人員和患者家屬的積極配合。讓患者的肢體功能改善,促進患者生活質量提升。

中值濾波的數學表達式如公式(2)所示:

(2)

其次進行亞像素輪廓邊緣提取[11-12]。本算法中,使用中值濾波后的包層部分與包層外兩個區域的閾值進行計算,分別設為Tmean與Tmean_0,如公式(3)所示,定義分界點閾值T,并以此為基準將這兩個區域分開,對兩種背景圖像進行交叉分割。可從濾波后的圖像中提取出包層區域的亞像素精密輪廓,分割的結果為以亞像素形式存在的分割線。按長度篩選后,即得到八邊形包層亞像素輪廓。

(3)

提取出的八角光纖包層亞像素輪廓示意圖如圖3所示。以此亞像素輪廓為基準,計算繪制出八角光纖包層的內切圓與外接圓,并求出對應的半徑。

圖3 八角光纖包層亞像素輪廓示意圖Fig.3 Sub-pixel contour diagram of octagonal optical fiber cladding

2.3 有效輪廓篩選算法

在八角光纖端面幾何參數測量過程中,所需輪廓為八邊形輪廓的八條直邊,本文提出一種有效輪廓篩選算法,將有效的包層邊緣輪廓段篩選出來。

2.3.1 有效輪廓篩選

將提取出的八角光纖包層亞像素輪廓進行分割,結果如圖4所示。

圖4 分割后的八角光纖包層亞像素輪廓Fig.4 Sub-pixel contour diagram of segmented octagonal optical >fiber cladding

八角光纖本身可能存在不同種類的缺陷,例如光纖本身質量問題引入的缺陷、為拍攝端面圖像而對光纖端面進行切割時引入的缺陷等。這些缺陷的存在可能會影響八邊形亞像素輪廓,導致在提取輪廓時會出現如圖5(a)所示的向內凹陷的缺陷干擾。計算每段輪廓到中心的距離,設計參數,保留距離包層中心較遠的輪廓,篩選掉向內凹陷的干擾缺陷段,結果如圖5(b)所示。

(a)存在向內凹陷的缺陷示意圖

coun=|ro-dnmin|(n=1,2,…,N)

(4)

按照有效輪廓篩選步驟,將有效輪廓逐步篩選保留,有效輪廓篩選步驟詳見表1。

表1 有效輪廓篩選步驟

2.3.2 有效輪廓再篩選

原始圖像中,八角光纖的八個內角受制作工藝因素的影響,通常多為圓角,這給分離八邊形直邊輪廓段帶來了困難。使用有效輪廓篩選算法后,仍會有如圖6(a)所示的缺陷,以及無法通過算法篩除的圓角輪廓段及干擾輪廓段等。此時,需要進行再篩選操作,篩選后的結果如圖6(b)所示。再篩選步驟可以有效去除形狀特殊的干擾輪廓段以及較平緩的圓角輪廓段,進一步完善有效輪廓篩選結果。

(a)圓角及干擾輪廓段示意圖

有效輪廓再篩選算法可將影響計算的圓角及干擾輪廓刪除,保留近似于八邊形的直邊輪廓,方便之后以該組直邊輪廓為基礎,使用輔助線參數測量法測量幾何參數。

2.4 輔助線參數測量法

八角光纖形狀較為特殊,其幾何參數的判斷可以從更多的維度進行,通過測量八角光纖獨有的幾何參數,例如計算八角光纖包層對角頂點之間的距離(簡稱對角距離)等判斷光纖的狀態及質量等。對角距離測量示意圖如圖7所示。本文提出輔助線參數測量法,主要通過構造輔助線的方式求得八角光纖幾何參數。

圖7 對角距離測量示意圖Fig.7 Diagram of diagonal distance measurement

如圖8(a)所示,為了減少不平直輪廓因素的干擾,要先進行直線擬合[13]。取每條直邊輪廓段的起始與終止坐標,使用數組的形式指定坐標,創建不帶圓角的多邊形輪廓,可有效修正直邊輪廓段有凹凸部分的問題,直線擬合后的結果圖如8(b)所示。

(a)直線擬合前的示意圖

2.4.1 固定延長線交點

如圖9所示,做一條過區域中心的水平線作為水平角度為0°的基準線l0。逆時針求得相鄰直邊的延長線交點,標記為A,B,C,D及與之中心對稱的A′,B′,C′,D′。過交點做與區域中心的連線ls(s=1,2,…,8),求出連線ls與基準線l0的夾角,記為αs(s=1,2,…,8),若有負值則加360°將其換算成正值,并按照αs的大小進行排序。

圖9 延長線交點及夾角測量示意圖Fig.9 Diagram of measuring intersection points and included angles of extended lines

2.4.2 求對角距離連線

圖10 八角光纖幾何參數檢測結果Fig.10 Detection results of octagonal optical fiber geometric parameters

3 實驗結果分析(Analysis of experimental results)

表2 八角光纖幾何參數測量結果

由表2可知,在隨機選取三組八角光纖圖,每組隨機抽取五張原始圖像進行測試后,通過組內對比可知,測量得到的包層直徑D并無較大偏差,其對角距離的幾何參數測量值的重復性也無較大偏差。重復性數據經數據處理后,平均值約為0.015 μm。

本算法依托于電纜廠測量項目,其精度需求數據如表3所示。

表3 八角光纖測試精度需求數據

對比分析表2及表3中數據可知,本文提出的算法可有效測量八角光纖端面幾何參數,重復性符合項目測量精度需求及目前現行的電纜參數需求,也可以較好地測量不同八角光纖的幾何參數[14]。

4 結論(Conclusion)

本文通過數字圖像處理的方法,實現八角光纖端面幾何參數測量的算法設計,填補了八角光纖端面幾何參數測量方法的空白。主要通過亞像素輪廓檢測算法提取包層輪廓,提出有效輪廓篩選算法縮小輪廓范圍,使用輔助線參數測量法測量八角光纖幾何參數。實驗證明,本測量算法獲得的重復性符合使用需求,重復性平均值約為0.015 μm,同時操作簡便,數據響應速度快,能提高幾何參數測量的精準度。

在后續算法設計中,應更多考慮可能發生的八角光纖端面的其他缺陷情況,完善有效輪廓篩選算法,提高程序的普適性與魯棒性,進一步優化算法結構,提升測量精度與效率。