光弹实验中骨架自动提取的研究

光弹实验中骨架自动提取的研究

1等差线条纹图的自动化提取20世纪70年代初，数字图像处理技术在光测量机械中的应用吸引了人们的注意。从1970年代末到80年代初，它取得了巨大的进步，这有效地证明了光测量图像数据处理技术的必要性和灵活性。在光测力学数字图像处理中,重要的一环就是把干涉条纹中心线的位置即骨架线,准确地提取出来,供应力、应变及位移场分析使用。光弹性法是目前光测法中比较成熟的一种方法。通过光弹实验我们可以得到反应主应力大小和方向的等差线条纹图和等倾线条纹图。本文是针对等差线条纹图骨架线的自动化提取来研究的。等差线条纹可以看成模型各点最大剪应力的等值线。如以第三强度理论来判别构件的强度,则等差线最大的级数处就是危险点的位置。如果借助其他方法,将主应力等值分离,就可以求得模型各点的主应力分布。因此,正确测定等差线的条纹级数,在光弹性法中极为重要。要想得到等差线的条纹级数首先要得到骨架线图。以往等差线骨架线图是由人工来描述,不但费时费力,而且其结果也会因人而异,对结果的精度和可靠性有一定的影响,远远不能满足力学研究与工程应用的实际需要。应用数字图像处理技术来自动提取骨架线图时,由于光弹实验得到的等差线条纹的光强分布不均匀,实际背景光场复杂,通常不是常数,一个常阈值很难适合于全场,且相邻的亮条纹与暗条纹之间灰度变化无法作定量的分析,因此对图像进行二值化,再细化提取骨架线的方法不适用于光弹条纹图。本文针对光弹条纹图的特性,提出了一种直接提取骨架线的方法。这种方法撇开了二值化,对条纹图直接提取骨架线,初步提取的骨架线背景复杂,轮廓丢失,然后利用了数字图像处理中差影检测原理去除背景,找回轮廓,得到完整的骨架线图。2图像预处理2.1彩色图像的转化在光弹实验中我们采用的是白光,得到的是彩色图像。彩色图像处理起来比较复杂,基本原理和灰度图像处理却是一样的,为了分析方便我们首先把彩色图像转化为灰度图,再进行以下处理。数字图像处理中RGB表示法是常用的图像表示法。这种方法是利用R,G,B颜色分量来表示数字图像像素的颜色值。对于灰度图像某一点的R,G,B值是相等的,而对于彩色图像某点R,G,B值不一定相等。所以把彩色图像转化为灰度图,只需把彩色图各点的R,G,B值变化为相等值Gray即可。Gray的取值依据公式:处理结果如下:2.2频域低通滤波在图像的采集、传输和处理过程中,常常会伴有噪声干扰导致图像模糊,从而将直接影响后处理的质量。对此,可用图像的平滑技术来处理。平滑技术有空域和频域两类方法。本文首先采用的平滑方法是空域法中常用的方法:领域平均法。它是将每一点的像元值与其四邻像元平均作为该点处理后的值,这里我们采用的是3×3模板。采用的另一种平滑方法是:频域低通滤波法。这种方法是先把图像利用傅里叶变换,变换到频域内,然后采取相应的滤波器滤除我们不需要的信息,再利用傅里叶反变换,把图像变换到时域。滤波器种类很多,通过比较我们这里选择的是理想低通滤波器。理想低通滤波器是最简单的一种低通滤波器。这种滤波器是“截断”傅立叶变换中的所有高频部分,这些成分处在距变换原点的距离比指定距离Do要远得多的位置,其变换函数为:其中,Do是指定的非负数值,D(m,n)是(m,n)点距频率矩形原点的距离。对于理想的低通滤波器横截面,在H(m,n)=1和H(m,n)=0之间的过渡点称为“截止频率”。我们程序中do就是理想低通滤波器的截止频率,我们把它设置成可调参数。参数过小处理后的图像很模糊,参数太大处理效果不明显,通过参数不同的效果比较我们可以看出在do=70时,处理效果最佳。处理结果如下:3背景和前景分离图的提取分析图像可以看出,图像包括背景和前景。前景是我们要的图像信息,要想得到我们需要图像信息的边界,首先要把前景和背景分离开。观察图像的灰度直方图我们发现有个谷底,其值大约为70,于是我们选择阈值为70,进行阈值分割,就可以得到背景灰度值为0,前景灰度值为255的图像。我们所需图像的背景和前景就可分离开。得到背景和前景分离图之后,我们进一步来提取前景的轮廓线。轮廓线的提取运用的是数字图像中常用的基本方法。具体操作是,读取图像的每一点,如果其相邻八点都是黑点的话,我们令其灰度值为255,如果相邻八点中有一个不是黑点,我们令其灰度值为0,处理结果如图5。4值化再细化细化是提取骨架线的关键。首先分析光弹实验得到的等差线图,可知光照不均,这就意味着一个常阈值很难适合全场。在研究过程中,针对阈值不适合全场这一点,作者曾尝试过局部二值化的方法,即把图像分成很多区域,在各个区域中取不同的阈值。这种方法处理结果也不是很理想。因此我们常用的处理干涉条纹图的二值化再细化的方法在这里是很难实现。本文提出的直接细化方法就抛开了二值化这条路,直接对预处理后的灰度图进行细化。它是利用纵向最小值原理,即在每一纵向分段读取图像灰度值,取这一段中灰度值最小的位置我们定义为0,其他位置定义为255,图像如图8.我们这里是针对纯弯曲横梁得到的干涉条纹来处理的,如果得到的是纵向条纹,就需要横向读取最小值。这种方法的局限性就在于处理的条纹只限于横向和纵向条纹。5图像的预处理去除背景本文采用的是数字图像中经常用的差影检测法,即把两幅图像通过相加或是相减实现图像的叠加,得到我们需要的图像信息。具体操作如下,分析图8可以看出图像直接细化后,背景信息影响很大,需要把背景去除。分析图6和图8,选择两幅图像相减,可以把图8的背景信息去除。利用差影检测法实现,即用图6所示的背景和前景分离图6减去图8,可以得到如图9的初步骨架图。再分析图9。可以看出明显的边界丢失,需要进一步的修整,再利用一次差影检测法,用图7减去图9,我们就可以把丢失的边界找回,得到完整的骨架图即图10。处理结果如下:6图像骨架提取本文针对光弹