光学纤维面板^[1],简称光纤面板,是近些年提出的一个重要的光子元件。由于其具有很高的分辨率和集光能力等特点,已成为光电成像器件及系统不可缺少的重要组成部分。然而由于在光纤面板的制造过程中受各种不可控因素的影响,使得光纤面板存在各种缺陷^[2],由此严重影响传像质量,因此对这些缺陷的检测就具有很高的现实意义。本文利用先进的图像处理技术,实现了对光纤面板的暗影缺陷的全检测。

利用数字图像处理技术^[3]实现对光纤面板(OFP)透光图像暗影全景检测的流程,如图 1所示。

图 1

Fig. 1

图 1 暗影全检测流程图 Fig. 1 The flow chart of shadow detection

图像采集是通过光纤面板透光图像采集系统^[4]采集多张具有共有部分的图片作为预拼接图像。图像采集时,按镜头垂直光纤面板面并平行移动的方法进行取图,取图方式如图 2所示。在移动过程中,若移动距离过大会导致图像间重叠区域过少而无法进行准确的匹配;而移动距离过小则重叠区域过大,匹配特征点过多,计算量过大。经多次实验,相对于实验型号为Φ35.56 mm×9.8 mm的台阶式纤维面板,最理想的平移距离是9 mm左右。

图 2

Fig. 2

图 2 透光图像取图装置移动方式示意图 Fig. 2 Schematic diagram of the movement of the transparent image

图像去噪在整个图像预处理中占据重要的位置,是图像处理的初始步骤,有效提高了图像的质量,使得高层处理更加准确,决定了图像配准和图像融合的可行性和准确性。本文利用线性滤波^[5]处理方法对CCD噪声和光源不均匀产生的干扰进行了去噪处理。在完成降噪之后,再对取出图像进行灰度化、背景扣除^[6]等预处理,经过上述处理后有效地校正了光纤面板透光图像的灰度失真和几何失真,如图 3所示。

图 3

Fig. 3

图 3 经预处理前后的效果对比图 Fig. 3 Comparison of the images before and after preprocessing

本研究匹配步骤需要实现在不同时刻、同视觉角度下拍摄的图片进行空间上的对齐与灰度上的融合。由图像获取方式的特殊性,即对单筒显微镜在计算机视觉中的成像结果进行匹配,算法特点需要容忍图像灰度变化对配准造成的影响,所以选取了适用性强的基于特征点的图像匹配算法。

Harris是一种对Morvaec算法改进的算子,它利用一阶偏导函数来描述亮度的变化。Harris角检测的主体思想是利用自相关函数来寻找图像信息发生二维变化的位置:

式中,是卷积操作符,I^表示对I进行高斯滤波,I_x和I_y分别是图像灰度I在点(x,y)处的梯度,I_x=I(－1,0,1),I_y=I(－1,0,1)^T。M的两个特征量λ₁,λ₂是自相关函数的中心曲率,即若点(x,y)的两个特征量都是正值,那么该点便是一特征点,特征点可用如下评价函数表示:

式中,det(M)=I^²_x·I^²_y－(I^_x·I^_y)²,trace(M)=I^²_x+I^²_y,分别表示矩阵M的行列式和直迹。当点(x,y)的R值大于某一个阈值T时,该点所对应的位置点就是所追求的特征点,其中k一般取0.04～0.06,是实验值。

为了使特征点具备旋转不变的特性,还利用MBR^[8]的理论建立了每个特征点的指向方向。

对两幅光纤面板透光图像提取了特征点及其指向方向后,接着便要对其进行匹配,即寻找相互对应的特征点对。为了去除无效的特征点,本文采用了双向最大相关系数法和相邻特征点之间的空间关系相结合的匹配方式。该方法可以去除无效特征点并能准确地提取出相匹配的特征对。

采用相关窗的办法匹配特征点,设P_1i=M_1i(x_i,y_i)是第一幅图像M₁的第i个兴趣点,其主方向为α₁;P_2j=M_2j(x_j,y_j)是第二幅图像M₂的第j个兴趣点,其主方向为α₂;α=α₁－α₂是旋转角度。分别以特征点P_1i和P_2j为中心取一个(2n+1)×(2n+1)大小的相关窗N₁和N₂,将N₁以P_1i为中心旋α度,α<0时顺时针旋转,当α>0时逆时针旋转。然后以第一幅图像中每个特征点为参照点,在第二幅图像中寻找对应匹配的特征点,匹配的依据是计算两个特征点之间的相关系数:

式中,A_uv=M₁(x_i+ucosα+vsinα,y_i+vcosα－usinα),B_uv=M₂(x_j+u,y_j+v),u,v∈(－n,+n)。

当P_1i和P_2j满足以下关系时,就认为{p_1i,p_2j}为一对预备匹配点。

C_p1ip_2j=maxl∈L₂C_p1ip_2l,L₂是M₂的特征点集合。

C_p1ip_2j=maxl∈L₁C_p1lp_2j,L₁是M₁的特征点集合。

C_p1ip_2j>λ,{B_j,A_j},λ是系统所设置的特定值。

由于图像区域某处存在着相似的特征或者无明显特征等因素,会产生一定的错误匹配。通过相邻特征点之间的关系剔除错误匹配点。若{A_i,B_i}和{A_j,B_j}是两对正确的匹配对,那么A_i和A_j之间的距离d₁应该与B_i和B_j之间的距离d₂近似。其中d(u_i,u_j)=u_i－u_j是u_i与u_j之间的欧氏距离。应用A_i与第一幅图像中所有特征点A_j的关系和B_i与第二幅图像中所有特征点B_j的关系的相似性,来评定两点之间的对应关系,则A_i和B_i的整体匹配度可用如下评价函数表示:

式中,R(i,j)=exp(－u_ij),u_ij=d(A_i,A_j)－d(B_i,B_j)/d(i,j),d(i,j)=[d(A_i,A_j)+d(B_i,B_j)]/2,是A_i与B_i与每对特征点的平均距离。

U是A_i与B_i和每对特征点的相对差异,若u_ij=0,则取R(i,j)1+d(i,j)=1,计算出所有U(i)的均值U,如果U(i)>0.75U,则A_i和B_i作为正确的特征点被保留,否则删除。

对于匹配成功所得到的对齐的图像,采用采样权重函数法的融合办法来进一步消除图像接缝。对于组成结果的每个图像采用权重分布的理念,即离图像分布中心越近的像素对合成结果的贡献越大,也就是图像中心的权重大,边缘小。权重分布函数表现像一顶帽子,又称帽子函数。

定义ψ_k(x,y,k)为帽子函数,即在第k个图像权值分配函数:

w是第k个局部图像的宽度,h是第k个局部图像的高度,利用帽子函数的加权平均算法,多幅图像融合共同构成的重叠区域表达式如下:

式中,f(x,y)是融合后的图像,n是重叠区域融合图像的总数,f_k是第k幅预拼接图像。

经融合处理后有效地减少了合成图像时光强颜色的不连续性,但还是未能完全消除手工边缘的痕迹,如图 4所示。

图 4

Fig. 4

图 4 光纤面板透光图像全景图 Fig. 4 Panoramic image of OFP

经图像拼接程序处理后由9幅图像拼接得出了一张完整的光线面板透光图像,利用暗影缺陷检测系统,对光纤面板透光全景图进行暗影全检测,检测暗影的分布结果如图 5所示。按照光纤面板制作的传统工艺,其边缘部分并不是由光纤融压而成,不能作为光纤面板的有效部分使用。其透过率分布十分不均匀的特性,在通过暗影缺陷检测系统成像时形成了一个形似暗影的闭合曲线紧密堆砌的圆环。这种圆环的形成对暗影统计结果造成很大影响,因此要在程序中去除后才能对暗影检测结果做精确统计。经处理,最为精确的数据结果如表 1所示。

图 5

Fig. 5

图 5 暗影全景图 Fig. 5 Panoramic image of shadow

表 1(Table 1">Table 1)

表 1 检测数据生成 Tab. 1 The generation of measured data 序号 面积/ mm2 周长/ mm 宽度/ mm 高度/ mm 外接圆 半径/mm 等面积 圆半径/mm 圆相 似度/% 灰度 最大值 灰度 最小值 灰度 平均值 灰度 总和 1 0.000 02 0.033 12 0.016 07 0.012 05 0.007 46 0.002 78 0.138 48 159 33 105 634 2 0.000 13 0.140 51 0.044 20 0.024 11 0.023 13 0.006 41 0.076 81 162 2 92 2 209 3 0.000 06 0.161 86 0.040 18 0.028 13 0.018 74 0.004 53 0.058 54 159 12 79 1 663 4 0.000 35 0.128 17 0.044 20 0.031 24 0.025 26 0.010 51 0.173 18 163 6 89 2 678 5 0.000 08 0.179 88 0.072 32 0.056 25 0.044 28 0.005 07 0.013 10 158 0 65 1 506 6 0.000 02 0.051 54 0.028 13 0.008 04 0.012 42 0.002 27 0.033 34 143 0 97 779 7 0.000 07 0.310 00 0.116 52 0.092 41 0.073 68 0.004 81 0.004 26 162 0 74 2 685 8 0.000 04 0.201 06 0.060 27 0.048 21 0.033 68 0.003 58 0.011 32 151 2 74 1 868

表 1 检测数据生成 Tab. 1 The generation of measured data

暗影缺陷局部缺陷检测的数据结果显示:在总面积为170.388 37 mm²的被检测总面积中存在18个暗影,目标区域-暗影的总面积为0.016 40 mm²,目标区占图像总面积的0.010 2%;而经本系统完成的检测结果显示:光纤面板的总面积为2 430.812 16 mm²,存在暗影227个,目标区为0.974 33 mm²,目标区占总面积的0.040 1%。对比两种实验的检测结果,检测面积之比约为1∶14,而暗影个数之比约为1∶13。在暗影个数上,两者检测结果接近,但暗影所占检测面积的百分数相差很多,所以暗影在光纤面板上的分布个数较均匀。但是,分布面积具有不均匀性,局部的暗影检测不能代表整个光纤面板暗影检测的最终结果,在实际应用中,为保证检测精度,需对整张面板的暗影进行检测。

从暗影检测结果可见,本文在光纤面板缺陷检测中应用了图像拼接技术,能够准确、有效地检测出光纤面板中所存在的全部暗影,且检测结果更具有代表性,更具备实用价值。但因受图像拼接时的边缘特征影响,拼接完成后的全景图产生了一定的形变,对暗影缺陷的精度有一定的影响,系统自动化程度有待提高。