matlab 光斑质心算法,高精度光斑中心定位算法

引言

基于光学原理的三维测量, 由于其具有高精度、非接触、易于控制等优点, 日益受到人们的重视。光学三维测量的本质是通过分析被三维物体面形调制的光场分布来获得被测物体的三维信息。目标光斑对应的三维曲面上某点的高度是由该点在摄相机CCD表面的位置来确定的, 那么光斑位置是否准确是决定测量精度的关键因素。目前比较常见的检测光斑中心的算法有灰度质心法、圆拟合法、Hough变换法以及多种改进算法等。

灰度质心法对于均匀光斑能够较准确定位, 计算速度快, 但是抗干扰能力差, 对于情况复杂的实际图像, 定位精度很差, 而且只能定位中心, 不能计算半径[。圆Hough检测是目前应用最为广泛的方法之一, 其可靠性高, 对噪声、变形、部分区域残缺、边缘不连续等有较好的适应性, 但其缺点是计算量大, 占据内存多, 同时Hough变换需要对参数空间离散化, 限制了检测精度, 另外参数空间得票最多的点未必唯一, 选择不同的点得到的图像空间曲线差异比较大[。圆拟合法时间复杂度较小, 运算的精度很高, 而且算法的速度非常快; 但它也有十分明显的缺点, 即抗干扰能力很差, 当随机噪声存在时, 中心运算精度会明显降低, 当遇到很强的外界干扰时, 所得到的圆心甚至可能会产生明显的错误

如果光斑光强分布均匀, 使用恰当的算法可以使光斑定位精度达到亚像素级别, 但是在一些实际测量中, 光斑存在散斑, 加之目标物体的反射以及各种干扰, 使得CCD采集到的光斑强度极不均匀, 严重影响了定位精度, 上述方法均不再适用。为此, 本文提出了一种光斑中心定位算法, 该算法能够有效克服噪声及光强不均匀的情况, 同时, 通过选取合适的二值化阈值, 不仅能够定位光斑中心, 而且能够获取光斑半径。

1 传统中心定位算法1.1 灰度质心法

灰度质心法就是应用像素的灰度值作为权重来计算光斑的质心, 设图片的像素为m×n, 每个像素点的灰度值为G(x, y), 那么计算的质心(x0, y0)可表示为