商執(zhí)億，尹培麗

(1.西安工業(yè)大學機電工程學院，陜西 西安 710021；2.西安工程大學機電工程學院，陜西 西安 710048)

0 引言

線結(jié)構(gòu)光法因其非接觸、效率高和結(jié)構(gòu)簡單等優(yōu)點，被廣泛應(yīng)用在三維重構(gòu)、缺陷檢測等形貌測量場合[1-3]。該方法主要是通過采集被測表面的條紋圖像，然后提取其中心數(shù)據(jù)來完成測量，因此，獲取高質(zhì)量的條紋圖像是測量的前提[4-6]。

線結(jié)構(gòu)光測量因受被測表面光學特性、環(huán)境光干擾和隨機激光散斑噪聲等因素的影響，通常無法獲得高質(zhì)量的條紋圖像，需要通過圖像處理的方法進行圖像質(zhì)量的增強[7-8]。紀運景等[9]提出了一種基于灰度缺失區(qū)域自適應(yīng)增強的方法對條紋進行修復改善；闞建霞[10]提出了一種基于HSV顏色空間的改進的多尺度Retinex增強方法；李春明等[11]采用了自適應(yīng)中值濾波算法和高斯濾波算法對條紋圖像中的高斯噪聲和椒鹽噪聲進行了去除；趙博華等[12]采用圖像梯度增強方法、閾值分割方法和連通區(qū)域的思想去除了條紋圖像中的噪聲；Wang等[13]采用差分圖像法對明場和暗場進行處理，消除了不均勻反射的影響，利用區(qū)域生長統(tǒng)計方法去除了隨機的激光散斑噪聲。

本文采用相干性低的LED光作為線結(jié)構(gòu)光法的測量光源，避免了干涉散斑噪聲的影響，搭建了LED線結(jié)構(gòu)光測量系統(tǒng)，并通過分析測量金屬表面形貌形成的條紋圖像的特點，提出了采用基于拉普拉斯金字塔的曝光圖像融合方法來增強條紋圖像質(zhì)量，最后完成了圖像增強的實驗。

1 LED線結(jié)構(gòu)光測量系統(tǒng)及條紋圖像特點

1.1 LED線結(jié)構(gòu)光測量系統(tǒng)

本文搭建的LED線光法測量系統(tǒng)如圖1a所示，系統(tǒng)主要由LED光源、狹縫、匯聚透鏡組、工件裝夾臺、雙遠心鏡頭和CCD組成。該系統(tǒng)采用光三角測量原理，如圖1b所示，LED光經(jīng)過狹縫后變?yōu)?條線光，此時的光條寬度較大，通過多級透鏡的匯聚后光條變細，然后投射到被測工件表面，經(jīng)反射后被CCD采集。被測表面的高低起伏變化反饋在CCD靶面的條紋圖像上，且為一一映射的關(guān)系，最后通過分析條紋圖像的變化便可得到被測表面的高度信息。該測量系統(tǒng)的主要特點如下所述。

圖1 LED線光法測量系統(tǒng)

a.采用相干性低的LED光源，減少測量中因干涉形成的散斑噪聲的影響。此外，該系統(tǒng)匯聚形成的LED線光的光強呈均勻分布，這可以增加條紋圖像的邊緣對比度，便于分割感興趣區(qū)域。

b.選用畸變率小的雙遠心鏡頭，所選鏡頭的畸變率小于0.06%，這可以大大減小條紋圖像的畸變誤差，提高測量精度。

c.該系統(tǒng)的主要參數(shù)：測量光長度為10 mm，寬度為70 μm，鏡頭的物距為63 mm，景深為1 mm，投射端的工作距離為110 mm。該系統(tǒng)可用于小尺寸工件表面的高精度形貌測量。

1.2 金屬表面的LED線結(jié)構(gòu)光條紋圖像特點

LED線結(jié)構(gòu)光法主要是通過采集被測工件表面的漫反射光來完成測量，因此分析被測表面的光學特性尤為重要。通常工件的表面光學特性與粗糙度相關(guān)，當表面比較粗糙時，光學特性主要呈漫反射狀態(tài)，有利于測量。當表面比較光滑時，鏡面反射占主導地位，為避免反光影響，需避開鏡面反射角測量，但此時的漫反射又較弱，不利于測量。

工業(yè)測量中的金屬工件占比較大，而金屬表面的光學特性又比較復雜，多數(shù)情況其表面不是理想的漫反射狀態(tài)，而是漫反射與鏡面反射共存且不斷變化的狀態(tài)，由于漫反射的不均勻和存在大量不規(guī)則的鏡面反射點，會導致采集到的條紋圖出現(xiàn)局部過暗或過亮的顆粒點或小區(qū)域，降低圖像質(zhì)量。圖2為采用本文測量系統(tǒng)采集的不同曝光時間下的金屬粗糙度樣塊的表面條紋序列圖，從圖2a中可以看到條紋中存在大量過暗或過亮的顆粒點和小區(qū)域。雖然通過增加曝光時間可以消除多數(shù)過暗區(qū)域，但仍然存在局部過暗的信息缺失區(qū)域，如圖2b和圖2c所示。若曝光時間過大還會導致條紋寬度增加，噪聲增多，掩蓋真實的表面形貌信息，如圖2d所示。

圖2 不同曝光時間下的條紋圖

2 LED線結(jié)構(gòu)光條紋圖像增強方法

根據(jù)LED線結(jié)構(gòu)光條紋圖像的特點，提出采用基于拉普拉斯金字塔的曝光圖像融合方法增強圖像質(zhì)量。該方法的主要原理是將多曝光圖像分解為多個不同空間分辨率的子圖像，構(gòu)建金字塔式的圖像層，將有用的圖像信息保留在各個層圖像中，然后重構(gòu)圖像[14-15]。

a.高斯金字塔圖像的構(gòu)建。高斯金字塔圖像的構(gòu)建首先是對原圖像進行低通濾波和隔點采樣得到第1層圖像，然后對第1層圖像做上述處理得到第2層圖像，以此類推，構(gòu)建金字塔，其過程為

Ga(i,j)=

(1)

1≤a≤N,0≤i

Ga為高斯金字塔的第a層圖像；N為高斯金字塔頂層號；Ia和Ja分別為高斯金字塔第a層圖像的行數(shù)和列數(shù)；ω(m,n)為5×5大小的低通濾波器窗口，其濾波系數(shù)為

b.拉普拉斯金字塔圖像的構(gòu)建。該過程是對高斯金字塔圖像進行內(nèi)插圖像點的放大處理，放大后的圖像與上一層圖像尺寸相同，其過程為：

(2)

0

(3)

(4)

N為拉普拉斯金字塔頂層號；La為拉普拉斯金字塔的第a層圖像。

將上述原理應(yīng)用于多曝光圖像序列中，可以求出多圖像融合的拉普拉斯金字塔圖像層為

(5)

k為多曝光圖像數(shù)；Pa為融合后的拉普拉斯金字塔的第a層圖像。

c.圖像重構(gòu)。采用相同的窗口函數(shù)對圖像進行重構(gòu)，過程為

(6)

0

Fa為拉普拉斯金字塔圖層與還原圖層的綜合體，表達式為

(7)

由式(7)逐層遞推，便可得到融合后的圖像。

3 圖像增強實驗

采用上述曝光圖像融合方法完成圖像增強實驗，實驗中發(fā)現(xiàn)選用2幅合適的曝光圖的融合結(jié)果可以達到多序列曝光圖融合的效果，因此采用2幅不同曝光時間的圖像進行融合，這樣也大大提高了融合的效率，所采用金字塔模型層數(shù)為3層。

3.1 環(huán)境圖像增強實驗

為驗證本文圖像增強方法的有效性，完成實驗室環(huán)境圖像的融合實驗，實驗結(jié)果如圖3所示，圖3a和圖3b為原圖像，圖3c為融合的結(jié)果。

圖3 實驗室環(huán)境圖像增強結(jié)果

從圖3可以看出，圖像1中窗戶處的曝光量大，以致窗外的景象缺失;圖像2中窗戶處的景象清晰，而周圍的室內(nèi)景象因曝光不足無法看清；而融合后的圖像曝光均勻，信息完整，有效整合了2幅原圖像的優(yōu)點。證明了上述方法的可行性。

3.2 條紋圖像增強實驗

采用本文搭建的LED線光法測量系統(tǒng)采集金屬刨床粗糙度樣塊的表面條紋。被測金屬樣塊如圖4所示，樣塊根據(jù)不同的粗糙度共分5個，測量其中的▽4樣塊。采集到的不同曝光時間的條紋如圖5a和圖5b所示，采用曝光圖像融合方法處理后的條紋如圖5c所示。

圖4 被測金屬樣塊

從圖5可以看出， 條紋圖1中條紋區(qū)存在大量過暗或過亮的顆粒點和小區(qū)域，信息缺失明顯。條紋圖2雖然條紋整體的光強分布均勻，不存在信息缺失，但因曝光時間長，條紋整體變寬，掩蓋了部分真實的條紋信息，且條紋邊緣的噪聲毛刺增加。而融合后的條紋光強分布均勻，整合了2幅原條紋圖中的有用細節(jié)，信息缺失的問題得到了改善。

圖5 條紋圖像增強結(jié)果

3.3 條紋中心提取結(jié)果

采用相同方法提取3個條紋的中心，繪制輪廓曲線，并與觸針法測量的輪廓曲線進行對比(因觸針法的測量精度高，采用該方法的結(jié)果作為參考標準)，計算點對點誤差，結(jié)果如圖6所示。圖6中橫坐標為測量的條紋長度，縱坐標為提取的條紋中心曲線高度。

圖6 條紋中心提取結(jié)果及誤差

分析圖6的結(jié)果，融合后條紋的平均中心提取誤差為1.52 μm，比條紋1和條紋2的2.20 μm和1.72 μm均有所減小。融合后條紋的最大中心提取誤差為5.87 μm，也比條紋1和條紋2的8.06 μm和7.40 μm要小。說明采用本文方法增強條紋圖像可以提高條紋中心的提取精度。

4 結(jié)束語

提出一種LED線結(jié)構(gòu)光輪廓測量方法，針對該方法在測量金屬表面輪廓時條紋圖像的問題，提出了采用基于拉普拉斯金字塔的曝光圖像融合方法來增強圖像質(zhì)量。實驗室環(huán)境圖像增強實驗的結(jié)果表明，本文方法可以挖掘不同曝光圖像的細節(jié)信息，并進行融合，融合后的圖像質(zhì)量明顯提高。金屬表面條紋圖像增強實驗結(jié)果表明，該方法可以解決條紋圖像信息缺失的問題，并提高了條紋中心的提取精度，融合后條紋的平均中心提取誤差為1.52 μm，最大誤差為5.87 μm。