（机械设计及理论专业论文）大口径光学元件表面洁净度检测分析系统研制.pdf

重庆大学硕士学位论文中文摘要 摘要 光学元件表面洁净度对激光器的负载能力有着重要的影响。目前对光学元件 表面洁净度的检测，多采用的是人眼观察的方法，导致人为干扰因素过多、操作 复杂、精度低，而利用图像检测分析的方法最大优点是精确，快速，可靠，以及 数字化，因此本文采用图像检测分析技术，研制一套针对光学元件表面洁净度的 检测分析系统。 本文首先论述了表面洁净度的背景知识，表面洁净度的检测标准和国内外一 些洁净度的检测方法，对比了国内外的一些洁净度的检测方法。并提出了课题的 研究方向和任务，即研制一种应用于光学元件表面洁净度检测的系统。该系统利 用d a l s a 公司的线阵c c d 摄像机和图像采集卡，锡明公司的卤素灯光源，自行 设计的机械运动扫描装置，图像处理计算机等组成系统硬件部分。采用比例法对 系统进行标定，标定精度达到实际测量要求。 系统具有的主要功能为图像采集与处理，图像分割，图像测量与分析。通过 图像处理与分割，自动判别、提取原图像中感兴趣目标的信息，例如面积、周长 等，通过对图像的形态处理，可以半自动的测量图像中点的位置、线段长度、面 积大小，并做出标记；通过边缘检测，可以自动检测出边缘之间的距离等，同时 具有小型图像处理软件通用的功能，如图像相加、减，形态处理，图像分割等。 文章最后对系统用到的关键性技术进行了论述，包括利用a n s y sw o r k b e n c h 软件对机械运动扫描装置的强度与变形情况分析校核；利用m a t l a b 与v c 混合程 序技术，实现图像处理与图像分析功能；利用数学形态学对污染物特征描述。 关键词：图像检测，光学元件，表面洁净度，污染物 重庆大学硕士学位论文 英文摘要 a bs t r a c t 1 kp 证f i c a t i o no fo p t i c a l 触ei sv e 巧i r n p o r t a n tt 0t 1 1 el o a do fl a s e r 舭i l 时 w 1 l i l et l l ep r e s e n tt e s t i n gm e m o d so fo p t i c a ls u 酊i a c ep u r i 6 c a t i o na r em o s t l yd o m 如a t e d b yn a k l 甜- e y eo b s e r v i n g c o n s e q u e n n ym et es t i i 培i st o om u c hd e l i b e r a t e l yi n ：t e r f e r e d ， 锄dt h eo p e r a t i o ni sr a m e rc o m p l i c 砷e d ，谢廿lal o wp r e c i s i o n b u t 恤ea d v a m a g e so f i i l l a g ei i l s p e c t i o n 砒l da n a l y s i sa r ea c c u r a t e ，q u i c k ，c r e d i b l e 锄dd i g i t a lc o m p a r e d 、析m m a m l a l 、0 r ki i l s p e c t s or e s e a r c h 锄dd e v e l o pai l l s p e c t i o na n d 删y s i ss y s t 咖f o r l e o p t i c a l 吼l r f 如ep i l r i f i c a t i o n p 印e rf i r s tg i v e sab r i e fa c c o u n to ft h eb a c k g r o u i l do fs 耐a c ep 嘶f i c a t i o i l ，p r 0 v i d e s s o m ec r i t e r i ao fs 训臣i c ep u d f i c a t i o nt e s t i i 唱，a n dm a k e sac o m p a r i s o na n dc o n l 船s t b 舐e e ns o m ep 嘶f i c a t i o nt e s t i n gm e t h o d sa d o p t e dh o m ea 1 1 da b r o a d ，锄db r i i l g s f o r w a r dt l l er e s e 疵ho r i e n t a t i o na n d 协s ko fm i st h e s i s ni sm a i l ls t u d yc o n t e m 也a t d e v e l o pas o r to fi n s p e c t i o na i l da l l a l y s i ss y s t e ma p p l i e d i i lo p t i c a ls u r f k ep m i f i c a t i o n t h es y s t e ma r ec o i n p o s e do fd a l s ec c d ，v i d e o 觚q u i r ec a r d ，l 锄p h o l l s e ，s c a i ld e v i c e ， t h eh a g ep r o c e s s i i 培c o m p u t e re t c c m i b r a t et h i ss y s t e mw i t l lr u l eo ft l l r e e ，觚d c a l i b r a t i o np r e c i s i o na r r i v e sa ta p p l i c a t i o nr e q u i r e m e n t 1 km o s t l y 如n c t i o n so fm ei i l s p e c t i o n 觚da n a l y s i ss y s t e ma r ea c q u i r i n ga 1 1 d p r o c e s s i n g 硫a g e s ，s e g m e n 谢o no fi m a g e sa n dm e 嬲u i ei i i l a g e s i tc a i la u t o m a t i c a l l y d i 脯r e l ：1 _ t i a t ea n dp i c k u pa v a i l a b l e 证f o n n a t i o no ft h eo r i g i n a li m a g e ，s u c h 弱a r e aa n d p 舐m e t e r ，b yi i i l a g ep r o c e s s m ga n ds e g m e n t a t i o n ；m a ys e m i a 眦o m a t i c a l l yr r l e a s u r e l e l o c a t i o no fas p o to nt h ei m a g e ，t l l el e n g mo fl i n e s ，a r e as i z e ；m a ya u t o m a t i c a l l yd e t e c t d i s t a n c e sb e 觚e e ne d g e sb ye d g ed 酏e c t i o n ；a tt l l es 锄et i m el l a _ v ec o m m o n 劬c t i o n so f s m a l l i m a g ep r o c e s s i n gs o f ，s u c h 嬲a d d i t i o no rs u b 仃i c to fi i i l a g e s ，m o 印h o l o g i c a l p r o c e s s i n g 砒l di i i l a g es e 缪n e n t a t i o n p a p e rl 喊d i s c u s s e st l l ek e yt e c m q u eu s e di i lm i es y s t e m ，w 1 1 i c hi s 硫l u d i n g 恤t t 1 1 ei n t e n s i 够趴dd e f i o m i a t i o no fm e c h a i l i c a l 、a sa n a l y z e db ya n s y sw o r k b e n c h s o n 撇鹏，c o m b i n a t i o np r o g r 锄m i n gf o rm a t l a ba 1 1 dv ct od e a l 、v i t l li l i l a g e sa n d a i l a l y z ei m a g e s ，m o 巾h 0 1 0 9 yt e c h i l i q u ef o r c h a r a c t e r so fc o n t a m i 彻t i o n k e y w o r l s ：i m a g ei n s p e c t i o n ，o p t i c a le l e m e n t ，su r f a c ep u r i f i c a t i o n ，c o 吡吼i n a t i o n u 学位论文独创性声明 本人声明所呈交的披士学位语文& 整型巍咯翅蔓划鳓固纠 是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了艾中特别 加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果。与我 一同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示了谢 意。 学位论文作者签名：似签字吼矽石- 多 学位论文使用授权书 本人完全了解重庆大学有关保留、使用学位论文的规定。本人完全同意中国博 士学位论文全文数据库以及重庆大学博硕学位论文全文数据库中全文发表。中 国博士学位论文全文数据库、中国优秀硕士学位论文全文数据库可以以电子、网 络及其他数字媒体形式公开出版，并同意编入c n l 【i 中国知识资源总库，在中国博 硕士学位论文评价数据库中使用和在互联网上传播，同意按“章程 规定享受相关 权益和承担相应义务。本人授权重庆大学可以采用影印、缩印或其他复制手段保存论 文，可以公开论文的全部或部分内容。 作者签名：导师签名： 和 备注：审核通过的涉密论文不得签署搿授权书一，须填写以下内容： 该论文属于涉密论文，其密级是，涉密期限至年一月日 重庆大学硕士学位论文1 绪论 1 绪论 1 1 研究背景及意义 表面洁净度一般是指物体表面上附着有粒子、金属、有机物、湿气分子和自 然氧化物等的一种或几种的数目和颗粒的大小及粒子的分布情况，甚至包括研磨 和抛光过程中的超细粉体和胶粒等工艺处理后获得所需表面的洁净度【1 1 。 物体表面的洁净度的检测在各工业领域中都有广泛应用，一是以磁记录头、 大规模集成电路基片等器件为主的电子工业领域。二是以强激光、短波光学等为 代表的工程光学领域，如：紫外光学系统、x 射线光学系统、x 射线激光系统、 高温等离子体诊断等光学领域。随着机械制造技术向精密化和微型化方向发展， 对零件表面洁净度的要求也提高到微米级，甚至纳米，亚纳米级。物体表面洁净 度检测应用在一些以前不曾考虑的因素也成为影响超精密加工表面质量的重要方 面，对镀膜前的光学元件和大规模集成电路用的硅片的表面洁净度就是其中之一。 表面洁净度的高低是衡量表面预处理质量好坏的指标。但是迄今为止，还没 有一种简单而灵敏的检测洁净度的方法，而且表面处理在各个行业对表面的洁净 度的要求有完全不同的要求。各行业均根据自己的要求和条件的不同，选用不同 的方法。理想的评价方法应具有几个特点：如客观性、可重复性、可信度高、操 作简单方便迅捷、检测过程中不破坏材料等。 激光器主要由光学元件和机械结构件组成，其负载能力是装置的一项重要指 标。提高负载能力有利于提高装置的能量输出水平，有利于延长大口径光学元件 的使用寿命，有利于最大限度地降低装置的工程建造和运行维护成本。常规加工 的光学元件和薄膜的表面存在许多污染物( 微粒、油污、指纹等) ，这些污染物的 存在会导致光束质量发生变化，导致光束能量重新分布，有可能导致后路元件的 局部能量过高而使损伤阈值的下降；也有可能导致光学元件和薄膜的表面局部吸 热过高而导致损伤阈值的下降；污染物对光的影响首先表现为散射，在相干光学 系统中，散射光的存在会降低系统的对比度，显然会增加光学系统的噪声，严重 可能使系统性能降低到无法正常工作的地步。控制装置整机及其组件的污染物水 平是有效提高装置负载能力和降低维护难度的有效手段之一，而光学元件表面洁 净度检测是有效控制污染物的必要手段。 1 2 洁净度检测技术国内外发展状况 在十九世纪前叶，人们已经认识到衡量表面干净度程度的重要性，二十世纪 重庆大学硕士学位论文1 绪论 五十年代初期，美国电镀和表面精饰协会( a e s f a m 甜c 锄e l e c 昀n p l a t e r s & s w f 砬ef “s h e r ss o c i e 够) 资助由l i n f o r d 和s 锄b e s 仃e 领导的研究项目，这个课题 详尽论述对各种测试方法进行定量比较、并对有些老的方法提出建议性改进。第 一次工业应用的表面干净程度测试，可追溯到美国内战时期，当时摄相师发现， 在照相乳液涂在基片之前，玻璃基片的干净程度是很重要的f 2 】。 目前对物体表面洁净度的检测的根据在国标g b 4 8 7 9 8 5 和g j b l 4 5 8 6 中 1 3 】，规定检测洁净度的方法有以下一些： 1 ) 目测法：在室内白光线或照明度相当的日光灯下，用肉眼检查表面有无残 留的污物。目测法检测方便，但精度很低。 2 ) 称重法：先准备一个清洁的玻璃器皿，并在6 0 0 c 下烘干、恒重，然后用 干净的镊子把式样放在其中，分别称量其脱脂前和脱脂后的质量，即可算出每平 方米试样面积上的含油量。此法准确度较高，较适用于实验室检测，但作为车间 过程中的快速检验，则达不到要求。 3 ) 擦拭法：用清洁不掉毛绒的白布或黑布擦拭，观察布的表面有无异常污染， 如有明显的沉积污染则示为不合格。此法简单、方便，可以快速的对试件进行检 测，但是这种检测方法，不能检测出表面污物的面积大小和分布情况。 4 ) 溶剂法：用未污染的溶剂清洗产品表面，观察或分析溶剂中有无污物、悬 浮或沉淀，如溶剂被污染为不合格的产品。 5 ) 残留碱、酸检验法：将清洗后的被测件的表面润湿，即干燥表面，用蒸馏 水润湿一部分，用精确的p h 试纸，检验p h 值，p h 值应在乱8 为合格。 美国电镀工作者协会( a e s ) 一些有关的洁净度检测的方法： 1 ) 揩拭法：通过清洁柔软的白纸揩拭物体的表面，以确定物体表面是否合格。 2 ) 水湿润法：表面有油污，哪怕是极薄的油膜，均不能被水湿润，通过目视 可以观察到油污染部分，这是采用本方法的依据。但是，要是表面残留有可溶的 药剂或表面活性剂，可能导致判断失败。与水湿润相关的检测方法有，水滴试验、 接触角测量法、挂水试验、喷雾试验。这种方法检测的优点，可以直接观察试件 表面的污物的分布情况，还可以观察到污物的形状、面积，操作简单、方便。水 湿润发检测试件。 3 ) 电镀法：将钢铁件浸入硫酸铜溶液中( 浓度为1 0 2 0 9 l ) ，观察其表面上铜 析出的情况。清洁的表面应全部被铜覆盖。此种方法来检测试件，其范围有一定 的局限性，常用于镀件表面的检测。 4 ) 荧光染料法：荧光染料在黑暗中被紫外灯照射后能发出荧光，即使微量也 能被发现。利用这个原理，事先在油脂或污垢中加入荧光染料，通过荧光观察除 油后残留的油脂。也可以在除油后采用喷雾法，使荧光染料溶液中的染料吸附在 2 重庆大学硕士学位论文l 绪论 油污上进行鉴别。若使用荧光分光光度计还可以很方便的进行定量检测。 5 ) 放射线法：用含有放射性同位素( 如c 1 4 、s 1 5 等) 的油污覆盖表面，然后用 盖格一弥勒尔计数管测量除油后表面残留物的放射能。此法虽然不适合现场检测， 而且操作复杂，但是这种检测方法的精度较高，是一种灵敏的方法。 此外还有椭圆对称、反射型红外线吸收光谱等方法，对表面的洁净度进行检 测也是一些很理想的检测手段。 目前国内外也采用显微镜对物体表面的洁净度进行检测，其有： 1 ) 电子显微分析法：电子显微分析法是用扫描电子显微镜、x 一唧能谱仪、电 子探针、俄歇能谱仪等测试件表面上的杂质并进行形貌和成分的定量分析。能够 准确、全面和可靠的分析出杂质的种类、数量、大小，但价格昂贵，操作复杂， 而且对测试件性质和大小有一定的限制，不适合车间内批量产品的分析，且很难 实现在线的洁净度评定。 2 ) 光学显微分析：利用光学显微镜或普通放大镜观测试件表面的形貌、确定 杂质的大小和分布。设备简单，评价的效率也比电子显微分析法高，可以实现在 线检测，但是主要靠技术员肉眼观测试件的表面，以判断试件表面的杂质的多少 和分布情况，评判中主观因素大，对得出的结果有不确定性。 本课题研究的系统要适用于光学元件表面检测工序，比较上述的方法，我们 采用计算机图像技术对光学元件表面的洁净度进行检测。对光学元件表面图像采 集，应用计算机图像处理软件对光学元件表面图像进行处理分析得出光学元件表 面洁净度信息。采用这种方法，减少了人为因素的干扰，操作简单方便迅捷，提 高了检测的测量精度和工作效率，非常适用于光学元件表面洁净度检测工序。这 种方法属于非接触式检测，所以检测过程中不破光学元件表面质量，能全面准确 的评价光学元件表面的洁净度情况。 1 3 研究内容 系统要检测的光学元件种类主要有平板类与透镜类如表1 1 。 表1 1 光学元件种类 t a b l e1 1k i n d so fo p t i c a le l e m e n t s 本课题的研究方向是针对上述两类光学元件表面检测，研究与开发光学元件 表面洁净度检测分析系统。该系统适用于光学元件表面洁净度检测工序，能检测 3 重庆大学硕士学位论文l 绪论 出光学元件表面污染物的数量与大小及分布情况。 本课题的研究内容主要包括： c c d 摄像机，图像采集卡，运动台，运动控制卡，图像处理计算机等构建， 并进行以下内容的研究： 1 ) 硬件的搭配与选用； 2 ) 运动台结构设计与校核； 3 ) 研究了数学形态与二值图像处理； 4 ) 结合m a t l a b 7 o 分析软件和v i s u mc + + 开发平台，实现混合编程，完成了检 测分析系统的整体软件开发； 针对检测分析系统的软件开发，进行以下几方面内容研究： 1 ) 开发了利用图像采集卡获取标准图像的算法与程序； 2 ) 采用传统的图像处理方法对图像进行处理和分析； 3 ) 开发了提取污染物的主要特征的算法； 4 ) 完成了检测分析系统的常用功能； 4 重庆大学硕+ 学位论文2 图像检测技术的理论背景 2 系统的理论基础 2 1 系统的理论基础概述 光学元件表面洁净度检测分析系统包括图像采集和图像处理两个主要的处理 过程。图像采集包括光学成像、光电转换和信号处理等内容，采用c c d 摄像机将 被摄取的光学元件表面转换成图像信号，传送给专用的图像处理系统，其功能是 通过图像数据采集通道完成对原始图像的采集，并输入到图像处理计算机。而对 图像的采集、处理与分析理论是本系统的理论基础。 图像处理就是对图像信息进行加工处理，以满足人的视觉心理或实际应用的 要求。图像处理强调其目的性，强调入在图像处理中所起的主观作用。而计算机 图像处理是指以计算机为主要工具，应用与图像处理相关的软件实现的数字图像 处理。从数字图像处理涵盖的内容来看，计算机图像处理有广义和狭义之分【删。 广义的计算机图像处理是指图像信息从获取到输出的全过程，包括与计算机应用 相关的设备、图像处理相关的方法的研究及有效的软件实现、图像处理软件应用、 图像信息在计算机中的表示、图像数据库及检索、图像信息应用等。而狭义的数 字图像处理仅指其中对图像信息进行处理这一环节。 2 2 图像数字化 检测分析系统的图像处理计算机只能处理数字图像，而原始图像却往往是非 数字形式的，用图像处理计算机对图像进行处理前必须将其转化为数字形式。 2 2 1 二维采样定理 图像的原始形式通常是连续的，不但在空间上是连续的，而且在亮度上也是 连续的。为了得到其数字形式，需要在空间和亮度上实现离散化，这个过程叫做 图像采样和量化7 卅。采样就是用一个有限的数字阵列来表示一幅连续图像，这些 离散的数字就称为样本，每个样点叫做图像的一个像素或像点( p i x e l ) ；而量化就 是对于亮度取离散整数值。采样和量化是依靠数字化图像输入设备来实现的。 二维采样 最简单且最常用的采样方法是均匀的矩形采样如图2 1 。将平面( x ，y ) 沿x 方向 和y 方向分别以缸和缈为间隔均匀地进行矩形的划分，采样点为 f x ：f 缸 1 ，：，y ( 2 1 ) 于是，对于连续的图像( x ，y ) ，其对应的离散图像6 ( x ，”可表示为 5 重庆大学硕十学位论文2 图像检测技术的理论背景 伽，= p n 丢嚣垆歹_ 在岛( x ，y ) 中，采样点之间的取值都丢掉了，从角( x ，y ) 中能否完全地恢复出( x ，y ) 这个问题可由下面的二维采样定理加以解决。 ji yi x ， j ，-h q ij ij ij i j i 一 - 7 7 x 一 ， ji v v c 厂。、 一u c ，u c 弋 ? 一v c jl v 吖、厂、 龄恰 虬和i ，i 屹的范围 内为零，那么当采样间隔 时，该信号就能准确地从其均匀矩形采样岛( x ，y ) 中恢复出来，这就是二维采样定 理。 恢复 从离散的采样中恢复连续图像的问题，实际上是一个插值的问题。对于满足 上述采样定理的均匀矩形采样方式，可通过如下的理想低通滤波器实现。 脚：卜劬卦i 去，| v i 击 ( 2 4 ) i o ，其他 6 32 上弛上叱 一 一 缸 缈 重庆大学硕士学位论文2 图像检测技术的理论背景 2 2 2 图像的量化 量化就是将采样后的图像的每个样点的取值范围划分成若干区间，并仅用一 个数值代表每个区间中的所有取值。 昂，f l ，为量化判决阈值，勖，g l ，踟为输出量化级，量化前样点的 取值范围为( f 卜矗) 。最简单和常用的量化方法是均匀量化如图2 2 ，即每个量化判 决阈值间的间隔是相等的；反之，则是非均匀量化。 g o9 1g n lg f onf 2mf 图2 3 ，图像量化 f i 薛2q u 觚t i z a t i o no fi m a g e 量化级的多少及每个量化间隔的确定，主要根据图像或图像局部的特性及人 眼的视觉特性和对量化误差的要求折中考虑。量化准则可表示为：若有 z z + l ，则有g = g i 。 量化过程所引起的误差叫做量化误差，由量化误差引起图像的失真称为量化 失真。量化误差可计算如下 馘= g 一厂= 岛一彳( 2 5 ) 2 3 图像处理技术 2 3 1 图像变换 图像变换就是把空间域的图像作某种数学运算，把它变换到其他域中进行分 析和处理【m “】。图像变换是简化问题求解的一种技巧。图像变换有傅罩叶变换、 离散余弦变换( d c d 、离散k 一，变换和小波变换等，它们各自有自己的特点。 下面简单介绍傅里叶变换和小波变换。 傅里叶变换 离散傅里叶变换( d f d 在数字信号处理和数字图像处理中的应用十分广泛， 它建立了离散时域和离散频域之间的联系，如果直接应用卷积和相关运算在时域 中处理，计算量将随着采样点数n 的平方而增加，这是由于计算机的计算量大、 费时，很难达到实时处理的要求。因此一般可采用d f t 方法。将输入的数字信号 首先进行d f t 变换，在频域中进行各种有效的处理，然后进行d f t 反变换，恢复 为时域信号，这样用计算机对变换后的信号进行频域处理，比在时域中直接处理 更加方便，计算量也大大减少，提高了处理速度。 7 重庆大学硕士学位论文2 图像检测技术的理论背景 d f t 还有一个明显的优点就是有快速算法，即f f t ( f a s tf 锄e rt r a n s f o 衄) 算 法，其于原始变换算法的计算量之比是l o g ：，当n 比较大时，计算量的节省 是相当可观的。 傅里叶变换有两个缺点：一是需计算复数而不是实数，进行复数运算比较费 事。如果采用其他合适、完备的正交函数系来代替傅里叶变换，所用的正交函数 构成完备的正交函数系，就可以避免这种复数运算。二是收敛慢。 小波变换 小波变换在信号处理，图像处理，模式识别以及众多非线性科学领域被认为 近年来在分析工具及方法上的重大突破，原则上讲，凡传统使用傅里叶分析的方 法，都可以用小波分析代替。小波分析在时域和频域都具有良好的局部化特性， 而且由于对高频采取逐渐精细的时域或空域步长，从而可以聚焦到分析对象的任 意细节。所以小波变换被称为“数学显微镜。 2 3 2 图像增强 图像增强是数字图像处理的基本内容之一。图像增强是指按特定的需要突出 一幅图像中的某些信息同时削弱或去除某些不需要的信息的处理方法。其主要目 的是使处理后的图像对某种特定的应用来说，比原始图像更适用，因此，这类处 理是为了某种应用目的而去改善图像质量的。处理的结果使图像更适合于人的视 觉特性或机器的识别系统。应该明确的是增强处理并不能增强原始图像的信息， 其结果只能增强对某种信息的辨别能力，而这种处理有可能损失一些其他信息【1 2 】。 图像增强技术主要包括直方图修改处理、图像平滑化处理、图像尖锐化处理 及伪彩色处理技术等。可以采用单一方法处理，也可以采用几种方法联合处理， 以便达到预期的增强效果。图像增强技术基本上可分成两大类：一类是频域处理 法，一类是空域处理法。 频率处理法 频域处理法的基础是卷积定理，它采用修改图像傅里叶变换的二维谱的方法 实现对图像的增强处理。由卷积定理可知，如果原始图像是f i x ，y ) ，处理后的图 像是g ( x ，y ) ，h ( x ，y ) 是处理系统的冲激响应，那么处理过程可由式( 2 5 ) 表示 g ( x ，y ) = 办( x ，y ) 宰厂( x ，y )( 2 6 ) 其中水表示卷积。如果g ( u ，v ) ，h ( u ，v ) 和f ( u ，v ) 分别是g ( x ，y ) ，h ( x ，y ) ，f i x ，y ) 的 傅里叶变换，那么上面的卷积关系可以表示为变换域的乘积关系，即 g ( ”，v ) = 日( “，) f ( “，v )( 2 7 ) 式中，h ( u ，v ) 为传递函数。 在增强问题中，f 8 ，y ) 是给定的原始数据，经傅旱叶变换可得到f ( u ，v ) ，选 8 重庆大学硕士学位论文2 图像检测技术的理论背景 择合适的h 沁v ) ，使得由式( 2 7 ) g ( x ，y ) = y - 1 【日( 甜，v ) f ( 甜，) 】( 2 8 ) 得到的g ( x ，y ) 比f i x ，y ) 在某些特性方面更加鲜明、突出，因而更加易于分析、理 解。例如，可以强调图像中的低频分量使图像得到平滑，也可以强调图像中的高 频分量使图像的边缘得到增强等等，以上就是频域处理法的基本原理。 空域处理法 空域处理法是直接对图像中的像素进行处理，基本上是以灰度映射变换为基 础的。所用的映射变换取决于增强的目的。例如增加图像的对比度，改善图像的 灰度层次等处理均属空域法处理。 2 3 3 边缘提取 图像的边缘1 3 。8 1 是图像的最基本特征。所谓边缘或边沿是指其周围像素灰度 有阶跃变化或屋顶变化的那些像素的集合。边缘广泛存在于物体与背景、物体与 物体、基元与基元之间。因此，它是图像分割所依赖的重要特征。 边缘种类可以粗略地分为两种，其一是阶跃性边缘，它两边的像素的灰度值 有显著的不同；其二是屋顶状边缘，它位于灰度值从增加到减少的变化转折点。 对于阶跃性边缘，二阶方向导数在边缘处呈零交叉；对于屋顶状边缘，二阶方向 导数在边缘处取极值。 最基本的一类边缘检测算子是微分算子类。微分算子类边缘检测方法的效果 类似于空间域的高通滤波，有增强高频分量的作用。因而这类算子对噪声是敏感 的。另一类边缘检测方法，即基于边缘拟合的检测方法可以较好地解决上述问题。 它的思路是先对图像的小区域进行曲面拟合，再对拟合出的曲面使用微分算子类 方法进行边缘检测。 微分算子法 导数算子1 明具有突出灰度变化的作用，对图像运用导数算子，灰度变化较大 的点处算得的值较高，因此可以将这些导数值作为边界点的边界强度，通过设置 门限的方法，提取边界连续点。 一阶导数算子是最简单的导数算子，它们分别求出了x 与y 方向的变化率， 而0 【角度上的灰度变化率可以用下列式子( 2 8 ) 计算 要：罢c 。s 口+ 关s i i l 口：g ( c o s 叭s i n 口j f ) ( 2 9 )害l = c o s 口+ s m 口= g ( c o s 口f + s l n 口) ( 2 9 ) u t 五u x c y 由于是数字图像，可以使用差分来代替求导，相对应一阶差分为 ，厂( f ，j f ) = 厂o ，歹) 一厂o 一1 ，_ ，) ( 2 1 0 ) 9 重庆大学硕士学位论文 2 图像检测技术的理论背景 ，厂( f ，歹) = 厂( f ，j ) 一( f ，j 一1 ) ( 2 11 ) 方向差分为 口厂( f ，) = ，厂( f ，) c o s 口+ j ，厂( f ，) s i l l 口( 2 1 2 ) 函数f 在某点的方向导数取得最大值方向是 口一1 雾篆 方向导数最大值是 蚓悯2 饼 _ 4 ， 称为梯度模。利用梯度模来检测边缘，不仅具有位移不变性，还具有各向同性。 而由式( 2 1 2 ) 可以计算出灰度变化的方向，即边界方向。为了简化运算，实际中采 用梯度模的近似形式，如 g 例。朋，川+ i 。朋，) i ( 2 1 5 ) g i 粼( i ，厂( f ，) i ，i ，厂( f ，) i ) ( 2 1 6 ) 另外，还有一些常用的算子，如i b b 耐s 算子和s o b e l 算子。 i b b e n s 算子的表达式为 r ( f ，) = n 塌x ( i 厂( f ，) 一厂( f + 1 ，+ 1 ) i ，l 厂( f + 1 ，) 一厂( f ，歹+ 1 ) i )( 2 1 7 ) s ( f ，) = i 厂( f 一1 ，一1 ) + 2 厂o l ，) + 厂( f 一1 ，+ 1 ) i 【o + 1 ，一1 ) + 2 ( f + 1 ，) + 厂o + 1 ，+ 1 ) i 三船丢嚣嚣蒙舞臻! i ：篇y 列 仁 一 厂o 一1 ，+ 1 ) + 2 ( f ，+ 1 ) + 厂( f + 1 ，j + 1 ) 】i 、7 s = s i + s 2 拉普拉斯高斯算子法 拉普拉斯高斯( l o g ) 算法，是一种二阶边缘检测方法，它通过寻找图像灰度 值中二阶微分中过零点( z e r oc r o s s i i l g ) 来检测边缘点【2 0 1 。其原理为，灰度缓变形 成的边缘经过微分算子形成一个单峰函数，峰值位置对应边缘点。对单峰函数进 行微分，峰值处微分值为零，峰值两侧符号相反，而原先极值点对应二阶微分中 1 0 重庆大学硕士学位论文 2 图像检测技术的理论背景 的过零点，通过检测零点即可以把图像中边缘检测出来。 实际应用中，为了去除噪声的影响，首先用高斯函数对图像进行滤波，然后 对滤波后的图像求二阶导数，即按下式( 2 1 8 ) 计算 g ( x ，y ) = v 2 g ( x ，y ) 宰厂( x ，y ) 】( 2 1 9 ) 其中，取，y ) 是图像，g ( x ，y ) 为高斯函数，上述两步骤可以合成一个算子，由卷积 与微分可以交换顺序的性质知 v 2 g ( x ，y ) 幸厂( x ，少) 】= v 2 g ( x ，y ) 厂( x ，少)( 2 2 0 ) 式中v 2 g ( x ，j ，) 是拉普拉斯高斯算子，经运算可得 v 2 g 加嘉( 孚斗p 一等) 亿2 ， v 2 g ( x ，y ) 是关于原点对称的函数，其主瓣宽度为 矿= 2 2 盯( 2 2 2 ) 在实际应用中，可将v 2 g ( x ，y ) 简化为 v 2 g 瓴加k ( 2 一孚 e x p 一等) 在参数设计中，o 取值较大，趋于平滑图像；o 较小时，则趋于锐化图像；应根据 图像特点通过实验选择合适的o 。v 2 g ( x ，y ) 用n n 模版算子表示时，选择算子尺 寸n = ( 3 4 ) w 。k 的选择应使得各阵元为整数且所有阵元之和为零。 检测边界就是寻找v 2 g ( x ，j ，) 的过零点，可以用以下几种参数表示过零点处灰 度变化率：过零点处的斜率，峰差值，峰间曲线下面积绝对值之和。 边界点方向信息可由梯度算子给出。在实际应用中，可以用高斯差分算子 ( d o g ) ： 州一壶e 冲 一等卜去e 坤 一铡亿2 4 ， 代替v 2 g ( x ，y ) 。 边缘检测算法，是先用拉普拉斯高斯滤波器滤波，得到滤波图像。再对得到 的图像进行过零检测，具体方法为：假定得到一阶微分图像的每个像素为p i j 】， l i j 】为拉普拉斯值。p 和l 的含义如图2 3 。 重庆大学硕士学位论文2 图像检测技术的理论背景 i j 】) ( l i ，j 一1 】，l i ，j ) 图2 3l c i g 算子过零检测示意图 f i g 2 3 s k e t c hm a p f o rl c ga r i t h m e t i c0 p e i i a 白d r so fz e r oc r o s s i n g 接下来按照下面规则进行判断，如果l 【i j 】_ o ，则看数对( l 【i 一1 j 】，l i + 1 j 】) 或 ( l 【i j - 1 】，l 【i j + 1 】) 中是否包含正负号相反的两个数。只要这两个数对中有一个包含 正负号相反的数，则p 【i j 】是穿越零点。然后看p 【i j 】对应得一阶差分值是否大于给 定阈值，如果是，p 【i j 】是边缘点，否则不是。如果l i j 】不为零，则看四个数对 ( l 嘶】，l 【i 一1 j 】) 、( l i j 】，l 【i + l j 】) 、( l 【i j 】，l 【i j - 1 】) 和( l i j 】，l 【i j + 1 】) 中是否包含正 负号相反的值。如果有，p i j 】附近有零穿越。看p 【i j 】对应得一阶差分值是否大于 给定阈值，如果是，将p 嘲】作为边缘点。 c 觚n y 算子法 c 锄n y 边缘检测法【2 1 2 3 1 利用高斯函数一阶微分，它能在噪声抑制和边缘检测 之间取得较好的平衡。具体步骤如下： 1 ) 用高斯滤波器来对图像滤波，可以去除图像中的噪声。 2 ) 用高斯算子的一阶微分对图像进行滤波，利用式( 2 1 2 ) ( 2 1 3 ) 得到每个像素 梯度大小i g i 和方向0 。 3 ) 对图像进行“非极大抑制”。 432 1x1 2 34 图2 44 个区域比较方向 f i g 2 4 o r i e n t a t i o nc o m p a r ef 0 rf o u r 陀g i o n 1 2 重庆大学硕士学位论文2 图像检测技术的理论背景 梯度方向可以定义为属于四个区之一，各个区用不同的邻近像素用来进行比 较，以决定局部极大值。这四个区及其相应的比较方向如图2 4 。 假设中心像素x 的梯度方向属于第4 区，则把x 的梯度值与它的左上和右下 相邻像素的梯度值比较，看x 的梯度值是否是局部极大值。如果不是，就是像素x 的灰度设置为零。这个过程称为“非极大抑制”。 4 ) 对梯度取两次阈值得到两个阈值t 1 和他，一般t l = 0 4 t 2 。梯度值小于 t 1 的像素的灰度设为o ，得到图像1 然后把梯度值小于他的像素的灰度设为o ， 得到图像2 。由于图像2 的阈值较高，去除了大部分噪声，但同时也损失了有用的 边缘信息。而图像1 的阈值较低，保留了较多的信息。以图形2 为基础，以图像1 为补充来连接图像的边缘。 5 ) 连接边缘的具体步骤如下： a 对图像2 进行扫描，当遇到一个非零灰度的像素p 时，跟踪以p 为开始点的 轮廓线，直到该轮廓线的终点q 。 b 考察图像1 中与图形2 中q 点位置对应的点q 的8 一邻近区域。如果在q 点8 邻近区域中有非零像素r 存在，则将其包括到图像2 中，作为点r 。从r 开 始，重复第1 ) 步，直到在图像1 和图像2 中都无法继续为止。 c 当完成对包含p 的轮廓线的连接后，将这条轮廓线标记为已访问。回到第 1 ) 步，寻找下一条轮廓线。重复步骤a 、b 、c ，直到图像2 中找不到新轮廓线为 止。 c a l l n y 算子是边缘检测中最具代表的一种局部极值边缘检测算子。c 籼y 算子 提取的边缘线型连接程度较好，对地类的边缘提取的较完整，边缘线划很细。c a i l l l y 算子具有较好的抗噪性能和较高的边缘定位精度。 2 3 4 图像分割 图像分割( i m a g es e g m e n t a t i o n ) 是计算机领域中极为重要的内容之一，是实现 自动图像分析时首先需要完成的操作。它是根据图像的某些特征或特征集合的相 似性准则，对图像像素进行分组聚类，把图像平面划分为一系列“有意义”的区域， 使图像分析、识别等高级处理阶段所要处理的数据量大大减少，同时又保留有关 图像结构特征的信息。由于分割中出现的误差会传播至高层次处理阶段，因此分 割的精确程度至关重要。 图像分割方法脚5 1 可分为结构分割方法和非结构分割方法两大类。结构分割 方法是根据图像的局部区域像素的特征来实现图像分割，如灰度阈值、区域生长、 纹理结构分析，这些方法是假定事先知道这些区域的特性，或者是在处理过程中 能够求得这些特性来寻找各种形态或研究像素群。在结构分割方法中还有一种技 术是一开始就着眼于保持边缘的性质，跟踪边缘并形成轮廓，即基于边界信息的 1 3 重庆大学硕士学位论文2 图像检测技术的理论背景 图像分割方法。边缘检测方法使用局部窗口操作，可检测出通过给定点的边缘或 边界，但不能体现全局的区域边界，而且边缘跟踪的顺序操作在很大程度上限制 了分割的速度。区域生长算法尽管其区域及边界分别满足封闭性和连续性，下需 进行边缘连接操作，但其顺序操作仍然不能满足实时处理要求，特别是区域生长 算法的计算复杂度一般比边缘操作大得多。应用统计模式识别、人工神经网络方 法或利用景物的先验知识实现的图像分割方法属于非结构方怯，这类方法是根据 图像的二维随机线性模型来构造分类的特征矢量。 灰度阈值分割法 灰度阈值分割法是一种简单的基于区域的技术，这种方法是把每个像素的灰 度值与一个阈值t 进行比较，根据它是否超过该阈值而将像素归于两类中的一类。 所以对像素根据阈值分类达到了区域分割的目的。从以上步骤中可知，确定阈值 是分割的关键。如果阈值选取过高，则过多的目标点被误归为背景；阈值选取过 低，则会出现相反的情况。虽然已经提出很多种阈值选取方法，但至今仍然没有 找到一种对所有图像都能有效分割的阈值选取方法，某种阈值分割方法只能适用 于某一类图像，而对其他图像分割效果并不理想。 目前有多种阈值选取方法【2 睨剐。依阈值的应用范围可分为全局阈值法、局部 阈值法和动态阈值法等。 1 ) 全局阈值法 全局阈值法采用同一组阈值序列作用于整幅图像，即各像素阐值相同，因而 算法简单快速，但抗噪声能力差，在物体和背景的灰度差别较明显时效果比较好。 2 ) 局部阈值法 局部阈值法把图像分成若干个区域，对每个区域设置一个阈值进行二值化， 或者对图像中的每一个像素点，根据其邻域的像素点的灰度变化情况来设定一个 阈值，然后逐点对图像进行二值化。局部灰度阈值法算法的时间复杂程度和空间 复杂程度都比较大，但它的抗噪声能力强，能处理背景灰度可变或灰度交叠的图 像，对光照不均匀、对比度低和有随机扰动、突发噪声的劣质图像有较好效果。 3 ) 动态阈值法 动态阈值法的阈值确定不仅取决于该像素的灰度值及其周围像素的灰度值， 而且与像素位置信息有关。一般来说，全局阈值法对质量较好的图像较为有效， 而局部阈值法则适应于较复杂的图像。 利用取阈值方法来分割灰度图像的情况，主要包括两个步骤。第一步是对一 幅狄度图像，在灰度值f 之间确定一个灰度阈值t ( 劬i n t 劬a x ) 。第二步再将图 像中各个象素的灰度值与阈值相比较，并将对应的象素根据比较结果( 分割) 划分 成两类：象素的灰度大于阈值的为一类，象素灰度小于阈值的为另一类，( 灰度等 1 4 重庆大学硕十学位论文 2 图像检测技术的理论背景 于阈值的可归为上两类之一) ，用数学式子表达为 f0 x u o ，则认为目标图像像素值大于背景像素值，用 u l 做为阈值进行分割，取闭合区域内大于u l 的点作为颗粒图像。反之则取闭合区 重庆大学硕+ 学位论文4 系统的软件设计 域内小于u l 对的点作为目标图像。遍历整幅图像，对每个闭合区域内利用不同的 阈值进行分割，得到全部的污染物的二值图俐4 5 1 。 图4 5 ，图像处理流程。 f i 酣5 f l o wc h 2 i no fi m a g ei m p r o s s i n g 4 3 主界面及功能