线阵ccd的图像处理方法研究

线阵ccd的图像处理方法研究

1线阵cd的优缺点随着sd技术的快速发展，sd在测量中的应用越来越广泛。基于CCD的测量系统的一般结构如图1所示,测量精度主要与光学成像系统、图像处理系统有关。除硬件因素外,提高测量精度的最有效手段是提高图像边缘识别精度。从软件处理角度来看,主要包括图像噪音剔除、像素细分、边缘识别等内容。在文献中都对这方面的内容有比较详细的介绍。对于面阵CCD来说,应用面较广,如面积、形状、尺寸、位置,甚至温度等的测量。面阵CCD的优点是可以获取二维图像信息,测量图像直观。缺点是像元总数多,而每行的像元数一般较线阵少,帧幅率受到限制,而线阵CCD的优点是一维像元数可以做得很多,而总像元数角较面阵CCD相机少,而且像元尺寸比较灵活,帧幅数高,特别适用于一维动态目标的测量。以线阵CCD在线测量线径为例,就在不少论文中有所介绍,但在涉及到图像处理时都是基于理想的条件下,而从实际工程应用的角度来讲,线阵CCD图像处理算法还是相当复杂的。图2是弹丸姿态测量系统在实弹测量中获得的两幅图像,其中图2(a)是在没有目标信号通过时的背景图像,图2(b)为目标通过时的一幅图像。可以明显看出,线阵CCD的图像有三个明显的特点:(1)背景图像是起伏变化的,与背景光强度有关;(2)背景中有许多噪音(杂散点),并非大部分文献中介绍的那种理想状况,特别是在动态复杂环境下的测量中,噪音的出现是随机的;(3)目标的边缘是曲线形状,并不明显,且不对称,是要通过算法搜寻的。本文主要研究对以上线阵CCD图像的系统处理算法,包括噪音剔除、平滑处理和边缘识别算法三部分内容。在噪音剔除与平滑处理中,认真分析了噪音出现的一般规律和本身的特点,有效剔除了杂散点,同时采用帧相减方法(去除背景影响)使得平滑方法非常有效。在边缘识别的方法中,采用了整体三次样条插值方法,使得边缘检测有很高的精度。从实际应用效果来看,本文提出的线阵CCD图像处理方法具有简单、稳定、可靠和精度高的优点。2光滑处理的综合算法2.1图像曲线特征在面阵CCD图像中经常用到帧相减技术以突出目标,消除噪音。从图2可看出,线阵CCD图像具有曲线的特征,我们可以借助于帧相减技术突出目标特性,线阵CCD图像不同于面阵CCD图像之处在于对线阵图像来说,经过帧相减后(目标图像减去背景图像),尽管噪音不会有明显改观,但整幅图像近似一条直线,目标特征更加突出,图3所示。2.2有连续噪声时的同化作用噪音主要由图像采集,传输电路、存储电路产生的,其幅度和出现的位置一般是随机的,基本上是孤立点。为了剔除这些杂散点,采用以下比较方法:以主图像(近似直线)为基线,给定两个阈值:d和N,令H(i)表示第i个像素的灰度值,不失一般性,假定在第1个像素处没有噪音,即H(1)是正常的灰度值。假定像元素数为M(对于1024像元的线阵CCD来说,M=1024),对于像素i从1到M-1,如果有|Η(i+1)-Η(i)|＜d(1)|H(i+1)−H(i)|＜d(1)证明灰度值是连续变化的,H(i+1)不属于应该剔除的噪音点。如果|Η(i+1)-Η(i)|＞d(2)|H(i+1)−H(i)|＞d(2)说明在第i+1个像元的灰度值变化太大,有可能是杂散点,但也存在着是目标信号的可能性。在这种情况下,要计算从第i+1个像素开始有多少个连续的像元的灰度值满足|H(i+n)-H(i)|>d,如果连续的像元数小于阈值N,则说明这些连续的像素是杂散点。否则可能是由于目标信号产生的。对于杂散点,我们采用直接剔除,而以两边相邻的正常的像素灰度值的线性插值来代替。如第i个点是杂散点,则以第i-1和i+1的灰度值的平均值来代替(前提条件是i-1,i+1像素点不是杂散点)。若i点到i+n点不是杂散点,而其之间的i+1…i+n-1点是杂散点,则第k个杂散点H(i+k)=H(i)+(H(i+n)-H(i))/n·k,k=1,2,…,n-1。关于两个阈值的选取,一般要根据实际的应用情况来选取,特别是N的选取,要根据目标信号在图像中点所占宽度范围来确定,否则容易将目标信号当作噪音而剔除掉。经过噪音滤除算法后,可使线阵图像整齐起来,为下一步的平滑处理创造条件,保证图像不失真,换句话说,保证了目标信号的基本特征不变。2.3插值条件求解滤除掉杂散点的图像看起来要光滑多了,但从计算目标特性来看,平滑度还远远不够。第三步,采用三次平滑算法,使得图像足够平滑。具体做法如下:对于每一个像元点{i,H(i)},各取前后两点{i-2,H(i-2)},{i-1,H(i-1)},{i+1,H(i+1)},{i+2,H(i+2}},作三次插值y(x)=a3x3+a2x2+a1x+a0(3)y(x)=a3x3+a2x2+a1x+a0(3)其中由ai通过y(x)在以上四个点的插值条件求解,详见参考文献。用该三次插值在x=i处的yi代替H(i),即H(i)=a3x3i3i+a2x2i2i+a1xi+a0,(xi=i)。通过实际应用证明,五点三次平滑算法可以很好的起到平滑作用,而且保证了目标图像的边缘特性。3边缘模糊的测量前边我们讲过,目标在图像中的位置可以反映出实际目标在空间中的位置,而目标本身的尺寸则反映在图像中所占像素的数目上。由于目标的边缘在图像上是一个模糊的概念,即变化剧烈的部分,所以准确的识别出目标的边缘直接关系到测量精度。边缘检测主要是要求准确。从单个像素的观点来看,如果边缘“找”准了,精度是按像素来衡量的,要么是像素j,要么是像素j+1,那么对于一对对应的边缘来说,最大误差可以达到两个像素。而且根据离散像素确定边缘位置时,由于灰度值也不是连续的,精度还有可能降低。例如,理想边缘应该在第i个和i+1个像素之间,按离散算法,确定下来不是i,就是第i+1个像素。显然这种方法将影响测量的精度。更精确的确定边缘,一般需要对像素进行细分。对于面阵来说,像元细分方法较多,而对于线阵CCD图像来说,详细介绍资料不多,特别从系统角度上介绍的更少。本文提出了选用三次样条插值整个图像曲线,再通过选取目标图像区域,计算插值曲线的拐点,可比较精确的求出目标图像的边缘。这种算法的优点是图像曲线充分光滑,达到整体二阶连续,计算出的边缘可以达到0.1个像素以上。比起其它的细分方法,本算法容易实现,精度高。3.1c2连续转化率在第i到第i+1个像素之间定义三次曲线Ri(x)=ai3x3+ai2x2+ai1x+ai0x∈[xi,xi+1](4)Ri(x)=ai3x3+ai2x2+ai1x+ai0x∈[xi,xi+1](4)曲线Ri(x)满足Ri(i)=H(i),Ri(i+1)=H(i+1),且Ri(x)与Ri+1(x)在x=i+1处有相同的一阶导数和二阶导数,即达到C2连续(曲率连续)。通过一阶导数和二阶导数的连续条件,同时补充两个边界条件,就可准确得出分段三次函数Ri(x),详见参考文献,图6是经过整体插值后的图像。3.2阶导数的绝对零度图像,如利用区域内以代表区域进行内分由于在计算边缘时,需要对每段曲线求二阶导数,并求二阶导数的零点,如果对整条曲线计算,计算量非常大。为了简化计算,在实际处理图像时,可以通过光标选取目标图像的区域,在区域内计算二阶导数的零点。经对这样的处理后,图像就成为图7的样子。3.3点声的点假设,在图7(b)中涉及到的曲线段有Rj,Rj+1,…,Rj+n,则分别计算各曲线段在定义区间的二阶导数为零的点R˝i(x)=6ai3x+2ai2i=j,j+1,⋯‚j+n(5)令R″i(x)=0得xs=-ai2/(3ai3)。如果i≤xs≤i+1,则说明xs是边缘点,由于图像本身的特点(目标的边缘是对称的),必能找到另一边缘点,在Rj,Rk中(Rk为另一边缘所在曲线段),图7(b)是经过以上平滑算法后所求得的边缘点。4线阵图像处理技术随着CCD器件本身的快速发展,其在测试领域越来越广泛的被应用,图像处理技术越来越受到重视,特别在兵器测