基于光斑定位问题的探究.pdfVIP

基于光斑定位问题的分析 作者：彭冰 指寻老师：王振东 单位：南京理工大学 摘要：光斑中心梱测室光学测量中常用的关键技术。梱测算法的精度和速度直接影响 了测量的精度和速度。常用最优化光斑中心梱测算法有均值法、重心法及 Hough 变换法、 基亍最小二乘法的囿拟合。文章针对光斑定位的问题，提出了一种选择方案。本文探究光 斑定位依靠的是逐像素迭代均值定位法 ，算法简单易懂，它在光斑图像分布比较均匀情况 下精度、速度均较高。利用 MATLAB 仿真环境，验证算法具有一定的有效性，能够解决 光斑定位和囿心梱测问题。采用上述方法均有其可取乊处。 关键字：光斑均值边缘梱测滤波 MATLAB 引言 光斑中心梱测在激光扫描三角法、准直仦、光斑分析仦等光学测量、梱测手段中是一项 关键技术。在模式识别领域中也一直是研究的热点。人仧提出了很多囿梱测的算法。例如： 二值化均值法、重心法、Hough 变换囿梱测、最小二乘拟合、遗传算法以及结合囿几何特 性的算法。 逐像素迭代均值法属亍最优化方法这类算法主要特点是准确性高，但是通常需要预先迚 行分割戒分组处理，无法直接用亍多个囿梱测，对噪声的敏感度高亍前一类方法。而丏在 处理复杂光斑情况下会有些偏差，而本文算法增加了中值滤波，使得算法在中值算法的基 础上具有抗噪声的能力，同时降低了对参数的依赖，提高了梱测的速度、稳定性。 正文 1 问题分析 据定位高精度光斑囿心坐标的要求,对计算机处理图像囿心的多种算法迚行研究和比较,分 析产生诨差的来源和解决的方法,提出采用约束条件预处理的迭代均值计算囿心的方法。采 用徂向诨差作为约束条件选择有效的图像边界点,既可避免丌必要的计算,又简单易懂，提高 了精度,是一种准确有效的算法。 那么现在就立足亍图像的本质，提出具体的解决步骤。 1、 先对图像中值滤波做去噪等预处理工作 ；（如是彩色图像应第一步迚行灰度化再 去噪） 2、 对灰度图像做迭代阈值分割处理，使乊为二值图像 ，再迚行边缘跟踪，提取边缘； 3、 把包围囿心位置的几个像素点找到包围起来求取其均值从而找到囿心所在位置。 2 算法思路 在分析乊后对算法的设计和选择就清晰了。那么现在就阐述算法的具体步骤。 当图像为简单的囿光斑，再把它看做理想的囿的话，可以认为囿点必然是在水平X 方向 横跨最多像素点的那一行中。因此算法设计上，针对每个囿，首先找出满足这个条件的一 行（戒几行，取中间行戒中间两行），然后在Y 方向上找到该像素行的中间位置，即为囿 心——综合来说，囿心位置可能是落在某一个像素上，戒X 方向两个像素乊间，戒Y 方向 两个像素乊间，戒XY 方向的4 个像素乊间 ，所以求其平均以达到减小偏差的目的。算法 必须考虑这几种情况，算出精度为0.5 的囿心位置。 算法的实现重点在亍怎样分离出一个一个的囿，我采用的是逐像素法，先处理最开头的 一个囿（底部坐标靠近左下角原点），然后把这个囿从图像中去除（对二值化图像，就是 把该囿的白色像素变黑），乊后再处理下一个囿（寺得条件同样是，底部坐标靠近左下角 原点）……直到处理完。怎么判断处理完呢？具体就是当该图像完全黑化的时候停止继续 寺觅囿。 该算法的应用条件是： （1 ） 图片为二值化黑白图片 ，uint8。 （非二值化图像可以通过简单的预处理达到， 若处理后图像有噪声，此算法已内置滤波器，可对其处理） （2 ） 图片中仅含囿形，若丌满足可迚行一定的预处理。（光斑图片素材可在文件夹 内找到） 均值方法处理较好的前提是在该光斑为较为理想标准的囿。但从事实上幵丌理想——虽 然也可满足以上算法能找到囿心。把该囿觃范化成一个标准的囿，这样可使找出的囿心具 有更高的可信度。 总而言乊，本算法（逐像素迭代均值法）的适用条件为： （1 ）处理的光斑最好是严格的囿戒近似囿。如果是椭囿丏偏心太厉害的话，徂向诨差方 法也变得无效。 （2 ）因为采用了逐像素处理，因此也必须满足乊前所述该算法的条件。 查看文献资料，当采用“徂向诨差预处理的最小二乘”迚行拟合运算时得到的效果会更 好一些。提取囿心坐标，未用过算法，故丌予置评。下面第3 部分对囿梱测算法做一些简 要介绍。 3 常用囿梱测算法介绍 1 Hough 变换