謝森棟，田秋紅，孫政榮，張立見

（浙江理工大學(xué)精密測量技術(shù)實(shí)驗(yàn)室，杭州 310018）

激光標(biāo)記自動跟蹤視頻引伸計(jì)的標(biāo)記識別算法研究

謝森棟，田秋紅，孫政榮，張立見

（浙江理工大學(xué)精密測量技術(shù)實(shí)驗(yàn)室，杭州 310018）

針對視頻引伸計(jì)易受光照變化干擾的問題，提出一種基于圖像亮度調(diào)整和去霧增強(qiáng)相結(jié)合的圖像預(yù)處理算法，獲得了激光標(biāo)記和試樣標(biāo)記的清晰圖像；分別利用Cr色度閾值分割算法和基于感興趣區(qū)域的亮度梯度閾值分割算法提取激光標(biāo)記和試樣標(biāo)記。在光照變化和有無試驗(yàn)機(jī)夾頭干擾的情況下分別進(jìn)行了實(shí)驗(yàn)，驗(yàn)證了算法的穩(wěn)定性和準(zhǔn)確性。

視頻引伸計(jì)；圖像處理；數(shù)學(xué)形態(tài)學(xué)增強(qiáng)；Cr色度；亮度梯度

0 引 言

視頻引伸計(jì)測量材料應(yīng)變時(shí)，一般預(yù)先在試樣上制作標(biāo)記，通過圖像測量技術(shù)［1］對CCD采集的圖像進(jìn)行預(yù)處理、標(biāo)記提取、計(jì)算被測試樣的實(shí)時(shí)形變量。邊緣檢測［2-4］和模板匹配［5-7］是最常用的圖像目標(biāo)特征提取方法，但對實(shí)驗(yàn)光照條件要求高，適應(yīng)性差。目前，在數(shù)字圖像處理領(lǐng)域中解決光照問題主要是通過圖像亮度補(bǔ)償來實(shí)現(xiàn)：直方圖均衡化［8］能有效增強(qiáng)圖像對比度，卻容易受背景噪聲干擾；Gamma校正［9］，通過改變Gamma參數(shù)來控制一幅圖像的整體亮度，但容易造成圖像失真；非線性變換［8-9］，采用像素值的對數(shù)變換來達(dá)到增強(qiáng)圖像的目的；同態(tài)濾波［10］，根據(jù)光照反射理論，通過傅里葉變換在頻域內(nèi)對圖像亮度范圍進(jìn)行壓縮的同時(shí)增強(qiáng)圖像的對比度。非線性變換和同態(tài)濾波計(jì)算量大，不滿足測量系統(tǒng)實(shí)時(shí)性要求。上述方法都是通過直接提取試樣標(biāo)記來獲取試樣形變量，未考慮測量過程中試樣標(biāo)記變形問題，引入了測量誤差。而基于激光標(biāo)記自動跟蹤測量材料變形的方法利用形狀穩(wěn)定的激光標(biāo)記跟蹤試樣標(biāo)記，采用連圖算法提取激光標(biāo)記實(shí)現(xiàn)材料形變測量，消除了試樣標(biāo)記變形引入的誤差［11］，但該方法在光照變化復(fù)雜情況下存在標(biāo)記提取的準(zhǔn)確率下降的問題。本文在此基礎(chǔ)上，設(shè)計(jì)了一種對光強(qiáng)變化具有強(qiáng)魯棒性的預(yù)處理算法，描述了激光標(biāo)記自動跟蹤視頻引伸計(jì)的結(jié)構(gòu)和測量原理，詳細(xì)闡述了該視頻引伸計(jì)的圖像預(yù)處理算法和標(biāo)記識別算法，并設(shè)計(jì)了算法流程圖，最后進(jìn)行了實(shí)驗(yàn)驗(yàn)證。

1 系統(tǒng)結(jié)構(gòu)

激光標(biāo)記自動跟蹤視頻引伸計(jì)的結(jié)構(gòu)如圖1所示，LD激光器發(fā)出的光束通過十字分劃板產(chǎn)生“+”字形激光標(biāo)記，經(jīng)五角棱鏡和平面鏡兩次反射，射向被測試樣；CCD獲取激光標(biāo)記和試樣標(biāo)記的圖像，經(jīng)圖像采集卡傳輸給計(jì)算機(jī)，由圖像處理算法獲得激光標(biāo)記和試樣標(biāo)記的距離差，控制伺服電機(jī)帶動五角棱鏡轉(zhuǎn)動，使激光標(biāo)記實(shí)時(shí)跟蹤試樣標(biāo)記，獲得試樣變形量。

圖1 激光標(biāo)記自動跟蹤視頻引伸計(jì)的結(jié)構(gòu)

2 圖像預(yù)處理

2.1 基于圖像統(tǒng)計(jì)信息的線性亮度調(diào)整算法

由于實(shí)驗(yàn)光照環(huán)境不穩(wěn)定，CCD采集的試樣圖像中試樣區(qū)域和背景區(qū)分度低，影響激光標(biāo)記和試樣標(biāo)記的準(zhǔn)確識別。因此，本文提出基于圖像統(tǒng)計(jì)信息的線性亮度調(diào)整算法對CCD采集到的試樣圖像的亮度進(jìn)行調(diào)整，改善試樣圖像整體亮度。對于大小為N×M的試樣圖像，基于圖像統(tǒng)計(jì)信息的線性亮度調(diào)整算法具體實(shí)現(xiàn)如下：

a）在實(shí)驗(yàn)室環(huán)境中，利用CCD采集50幅光照強(qiáng)度不同對應(yīng)的試樣圖像，從中選取標(biāo)記突出的一幅試樣圖像，分別利用公式（1）和公式（2）計(jì)算：I= 140，RGB三通道均值（135，165，130），并將此RGB均值作為圖像亮度調(diào)整的參考標(biāo)準(zhǔn)。

b）統(tǒng)計(jì)試樣圖像中RGB三通道像素均值

式（2）中：avg_r，avg_g，avg_b則表示實(shí)時(shí)采集的試樣圖像中RGB的統(tǒng)計(jì)平均值。

c）根據(jù)實(shí)時(shí)采集的試樣圖像統(tǒng)計(jì)信息，計(jì)算RGB三通道亮度調(diào)整算子

式（3）中：gain_r，gain_g，gain_b分別為三通道的亮度調(diào)整算子；（135，165，130）為預(yù)先獲得的亮度調(diào)整參考點(diǎn)。

d）遍歷試樣圖像，利用實(shí)時(shí)計(jì)算得到的亮度調(diào)整算子修正像素值

式（4）中：R，G，B分別為原試樣圖像上一像素點(diǎn)的RGB值；R′，G′，B′分別表示修正后試樣圖像中與之相對應(yīng)像素點(diǎn)的RGB值。

為保證獲取完整試樣圖像且盡量減少外界環(huán)境干擾，實(shí)驗(yàn)時(shí)采集的圖像大小設(shè)置為600*256。對CCD采集到的圖像（如圖2（a））使用上述算法后，改善了試樣圖像清晰度，為后續(xù)圖像處理提供亮度穩(wěn)定的試樣圖像，實(shí)驗(yàn)結(jié)果如圖2（b）所示。

基于圖像統(tǒng)計(jì)信息的線性亮度調(diào)整算法結(jié)果

2.2 基于數(shù)學(xué)形態(tài)學(xué)的圖像去霧增強(qiáng)算法

由圖2可知，利用線性圖像亮度調(diào)整算法后，雖然試樣圖像整體亮度得到改善，但其表面對比度不高，覆蓋了一層“薄霧”。為了后續(xù)能有效提取激光標(biāo)記和試樣標(biāo)記，需要對亮度調(diào)整后的“帶霧”圖像進(jìn)行圖像去霧增強(qiáng)處理，提高圖像對比度。本文選用數(shù)學(xué)形態(tài)學(xué)中基于Top-Hat變換［12］的對比度拉伸方法進(jìn)行圖像去霧增強(qiáng)處理。

數(shù)學(xué)形態(tài)學(xué)中，高帽變換能有效檢測出圖像中的亮點(diǎn)，是一種波峰檢測器；與之對偶的低帽變換則適合于檢測圖像中的暗點(diǎn)，它們分別定義如下：

式（5）、式（6）中：top和black分別表示高帽變換和低帽變換，A表示原試樣圖像，B表示結(jié)構(gòu)算子，A?B和A·B分別為開運(yùn)算和閉運(yùn)算。

試樣圖像中激光標(biāo)記區(qū)域亮度高，而試樣標(biāo)記區(qū)域亮度低，結(jié)合高帽變換和低帽變換的性質(zhì)，可通過對原試樣圖像中激光標(biāo)記區(qū)域的像素點(diǎn)增強(qiáng)亮度而對試樣標(biāo)記區(qū)域的像素點(diǎn)進(jìn)一步減弱亮度，從而達(dá)到提高圖像對比度的目的：式（7）中：A′表示對比度增強(qiáng)后的試樣圖像，A表示CCD實(shí)時(shí)采集的原始試樣圖像，其實(shí)驗(yàn)結(jié)果如圖3所示。

學(xué)形態(tài)學(xué)的圖像去霧增強(qiáng)算法實(shí)驗(yàn)結(jié)果

圖3（c）和圖3（a）、3（b）相對比，消除了圖像中亮度調(diào)整處理后帶來的“薄霧”效果，試樣圖像清晰度進(jìn)一步增強(qiáng)，兩標(biāo)記區(qū)域和圖像其它部分的對比度得到了改善，圖像特征突出。因此，經(jīng)上述預(yù)處理算法處理后，試樣圖像清晰、標(biāo)記突出，為后續(xù)準(zhǔn)確提取標(biāo)記提供了保證。

3 標(biāo)記識別

3.1 自適應(yīng)Cr色度閾值分割算法提取激光標(biāo)記

在RGB顏色空間中，三分量值都同時(shí)包含了色度信息和亮度信息，其歐氏距離無法有效表示任意兩種顏色間的視覺差距，因此在RGB顏色空間中使用R分量進(jìn)行閾值分割將不能有效地提取出激光標(biāo)記。而YCbCr顏色空間將色彩的亮度與色度分離，用Y表示亮度，Cb和Cr分別表示藍(lán)色色度和紅色色度，因而可以用色度的歐氏距離來評估顏色差別。從RGB空間到Y(jié)CbCr空間的轉(zhuǎn)換公式如下：

為了保證Y、Cb、Cr都為正值，式（8）中需要預(yù)先對R、G、B進(jìn)行歸一化，使得R、G、B均屬于［0，1］，此時(shí)有 Y、Cb、Cr均屬于［16，235］。對圖3（c）進(jìn)行顏色空間轉(zhuǎn)換，Cr色度分量的分布如圖4所示，三維圖像中垂直方向表示圖像中各像素點(diǎn)處的紅色色度分量值，由圖4可知，紅色色度分量僅在激光標(biāo)記區(qū)域產(chǎn)生峰值，其它部分分布平坦，故利用Cr分量設(shè)置閾值可有效分割出激光標(biāo)記區(qū)域。自適應(yīng)Cr色度閾值分割提取激光標(biāo)記算法如下：

試樣圖像紅色分量分布圖

a）根據(jù)公式（8）將預(yù)處理后的試樣圖像轉(zhuǎn)換到Y(jié)CbCr顏色空間中表示。

b）統(tǒng)計(jì)試樣圖像中Cr分量信息，計(jì)算平均值avg _Cr，并尋找試樣圖像中Cr分量的最大值max_Cr。

c）設(shè)置自適應(yīng)閾值th_Cr。由圖4，試樣圖像中激光標(biāo)記區(qū)域占整幅圖像的比例很小，即激光標(biāo)記區(qū)域的Cr分量值對計(jì)算avg_Cr的權(quán)重小，故avg_ Cr將接近背景區(qū)域的Cr值，單純利用Cr均值進(jìn)行圖像分割容易引入噪聲點(diǎn)，因此本文選擇綜合考慮avg_Cr和max_Cr來設(shè)置自適應(yīng)閾值th_Cr，具體計(jì)算如下式所示：

d）根據(jù)閾值th_Cr對圖像進(jìn)行分割：對試樣圖像中任意點(diǎn)（x，y），若Cr（x，y）≥th_Cr，則認(rèn)為該點(diǎn)屬于激光標(biāo)記區(qū)域；否則，排除該點(diǎn)。

3.2 基于圖像感興趣區(qū)域試樣標(biāo)記提取算法

由于試驗(yàn)機(jī)夾頭和試樣標(biāo)記在圖像中均表現(xiàn)為黑色，如果CCD視場中引入了夾頭，將無法利用試樣圖像的亮度梯度變化來準(zhǔn)確提取試樣標(biāo)記。由激光標(biāo)記自動跟蹤視頻引伸計(jì)的測量原理可知，激光標(biāo)記在實(shí)驗(yàn)過程中實(shí)時(shí)跟蹤試件標(biāo)記，兩者間的距離遠(yuǎn)小于激光標(biāo)記與試驗(yàn)機(jī)夾頭間的距離，因此可利用上述提取的激光標(biāo)記位置來獲得一個(gè)僅包含試件標(biāo)記和激光標(biāo)記的感興趣圖像區(qū)域，在此局部區(qū)域內(nèi)利用圖像亮度梯度提取試樣標(biāo)記，具體實(shí)現(xiàn)過程如下：

a）根據(jù)激光標(biāo)記位置，獲取一個(gè)僅包含兩種標(biāo)記的圖像局部區(qū)域A′作為感興趣圖像區(qū)域。

b）對區(qū)域 A′中每一列進(jìn)行遍歷，用 Ri，j，Gi，j，Bi，j分別表示在像素點(diǎn)（i，j）處RGB三分量的值，I［i，j］表示在像素點(diǎn)（i，j）處的亮度，grad［i，j］表示在像素點(diǎn)（i，j）處的亮度梯度，并記錄該列中梯度變化的極值點(diǎn)位置，用map［i，j］=1表示。其中亮度I［i，j］和亮度梯度grad［i，j］的計(jì)算公式如下，

c）由于噪聲點(diǎn)也可能產(chǎn)生梯度變化的極值，需要設(shè)置閾值對其進(jìn)行排除：首先統(tǒng)計(jì)A′中每一行標(biāo)記為map［i，j］=1的點(diǎn)的個(gè)數(shù)，記為count［i］。然后，尋找count［i］中的最大值，記為MAX。由于噪聲點(diǎn)是孤立的，而試件標(biāo)記邊緣是連續(xù)的，即試件邊緣處map標(biāo)記點(diǎn)的個(gè)數(shù)要遠(yuǎn)大于噪聲點(diǎn)處，因此可設(shè)置閾值TH=0.5×MAX，當(dāng)count［i］≥TH，則認(rèn)為該行被標(biāo)記部分屬于試件標(biāo)記區(qū)域；當(dāng)count［i］＜TH，則該行被標(biāo)記部分不屬于試件標(biāo)記區(qū)域，map［i，j］=0。

d）對map［i，j］=1位置處的像素值設(shè)置為綠色，表示該點(diǎn)屬于試件標(biāo)記。

4 圖像處理算法流程圖

綜上所述，激光標(biāo)記自動跟蹤視頻引伸計(jì)的數(shù)字圖像處理流程如圖5所示，通過圖像線性亮度調(diào)整和圖像去霧增強(qiáng)算法獲得預(yù)處理圖像；由自適應(yīng)Cr色度閾值分割提取激光標(biāo)記算法提取激光標(biāo)記，與此同時(shí)獲取一個(gè)僅包含激光標(biāo)記和試樣標(biāo)記的感興趣區(qū)域，在此區(qū)域內(nèi)利用試樣標(biāo)記提取算法獲得試樣標(biāo)記；求取兩標(biāo)記各自的中心位置，計(jì)算其歐式距離并控制電機(jī)實(shí)現(xiàn)激光標(biāo)記對試樣標(biāo)記的實(shí)時(shí)跟蹤。

圖5 激光標(biāo)記自動跟蹤視頻引伸計(jì)的數(shù)字圖像處理流程

5 實(shí)驗(yàn)結(jié)果及討論

為了驗(yàn)證算法的有效性和穩(wěn)定性，搭建如圖1所示的視覺測量系統(tǒng)，選用嘉恒中自公司的圖像采集卡（OK_RGB20B）和CCD（OK_AC1300）采集試樣圖像，實(shí)驗(yàn)采集的圖像大小設(shè)置為600*256，分辨率為10/65=0.15（mm/pixel），系統(tǒng)采樣周期為60 ms。在聯(lián)想ThinkCentre M6100 t（雙核，2.93 GHz，內(nèi)存2GB）計(jì)算機(jī)上實(shí)現(xiàn)本文算法所需時(shí)間在50 ms以內(nèi)，小于試驗(yàn)機(jī)采樣周期60 ms，滿足測量過程的實(shí)時(shí)性要求。

6 I=75，無夾頭干擾

7 I=128，無夾頭干擾

8 I=168，無夾頭干擾

9 I=73，有夾頭干擾

10 I=132，有夾頭干擾

11 I=175，有夾頭干擾

第一組實(shí)驗(yàn)利用低碳鋼驗(yàn)證標(biāo)記識別算法的穩(wěn)定性。在進(jìn)行拉伸實(shí)驗(yàn)前，保持試樣標(biāo)記和激光標(biāo)記空間位置不變，在不同光照條件下（光強(qiáng)由公式（1）計(jì)算得到）對試樣圖像重復(fù)進(jìn)行標(biāo)記提取，結(jié)果如圖6-圖11所示。分別計(jì)算這六組實(shí)驗(yàn)中激光標(biāo)記和試樣標(biāo)記在圖像中的中心坐標(biāo)（以像素為坐標(biāo)），在無夾頭干擾的情況下，當(dāng)光強(qiáng)I=75時(shí)，激光標(biāo)記在圖像中的坐標(biāo)為（101.24，393.68），試樣標(biāo)記坐標(biāo) （101.51，421.13）；當(dāng)光強(qiáng)I=128時(shí)，激光標(biāo)記坐標(biāo)（100.45，394.09），試樣標(biāo)記坐標(biāo)（100.48，421.51）；當(dāng) I= 168時(shí)，激光標(biāo)記坐標(biāo)（100.68，394.12），試樣標(biāo)記坐標(biāo)（102.23，421.48）；在有夾頭干擾的情況下，當(dāng)I=73，時(shí)，激光標(biāo)記坐標(biāo)（99.68，393.75），試樣標(biāo)記坐標(biāo)（100.43，421.08）；當(dāng)I=132時(shí)，激光標(biāo)記坐標(biāo)（100.18，394.01），試樣標(biāo)記坐標(biāo)（102.23，421. 29）；當(dāng)I=175時(shí)，激光標(biāo)記坐標(biāo)（98.68，393.83），試樣標(biāo)記坐標(biāo)（101.13，421.38）。實(shí)驗(yàn)結(jié)果表明，在不同光照環(huán)境和有無試驗(yàn)機(jī)夾頭干擾的情況下，標(biāo)記識別算法穩(wěn)定性高且標(biāo)記誤差小于0.5個(gè)像素（約0.5*0.15=0.075 mm）。

第二組實(shí)驗(yàn)分別利用50根低碳鋼和50根鑄鐵驗(yàn)證標(biāo)記識別算法的準(zhǔn)確率。在50組低碳鋼拉伸實(shí)驗(yàn)過程中有48組能準(zhǔn)確識別標(biāo)記；50組鑄鐵實(shí)驗(yàn)中有45組能準(zhǔn)確識別標(biāo)記。圖12所示為一組激光標(biāo)記跟蹤試樣標(biāo)記序列。實(shí)驗(yàn)結(jié)果表明，本算法在試樣拉伸實(shí)驗(yàn)過程中標(biāo)記識別準(zhǔn)確率為93%。

圖12 激光標(biāo)記跟蹤序列

6 結(jié) 語

圖像處理算法是實(shí)現(xiàn)高精度視頻引伸計(jì)開發(fā)的關(guān)鍵，本文先利用亮度修正和圖像增強(qiáng)對CCD采集到的試樣圖像進(jìn)行預(yù)處理，提高試樣圖像清晰度；然后由自適應(yīng)Cr色度閾值分割算法標(biāo)記提取算法獲得激光標(biāo)記，在此基礎(chǔ)上獲取一僅包含激光標(biāo)記和試樣標(biāo)記的感興趣區(qū)域，并利用試樣標(biāo)記提取算法提取試樣標(biāo)記，最后在光照變化和有無試驗(yàn)機(jī)夾頭干擾的實(shí)驗(yàn)條件下分別進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明，本文設(shè)計(jì)的算法能快速準(zhǔn)確地提取激光標(biāo)記和試件標(biāo)記，降低測量系統(tǒng)對實(shí)驗(yàn)光照條件的要求，對促進(jìn)視頻引伸計(jì)的發(fā)展具有積極意義。

［1］周萬志.高精度圖像測量技術(shù)研究［D］.西安：西安電子科技大學(xué)，2009.

［2］王占富，謝麗萍.非接觸式視頻應(yīng)變測量系統(tǒng)設(shè)計(jì)［J］.工具技術(shù)，2011，45（8）：91-94.

［3］張英杰.基于視頻圖像的應(yīng)變精密測量研究［D］.長春：吉林大學(xué)，2006.

［4］Tabatabai A J，Mitchell O R.Edge location to subpixel values in digital imagery［J］.IEEE Trans on Pattern Analysis and Machine Intelligence，1984，6（2）：188-201.

［5］戴曉光.基于數(shù)字圖像處理的應(yīng)變測量研究［D］.武漢：華中科技大學(xué)，2006.

［6］毛霜霜，吳 佳.基于數(shù)字圖像相關(guān)方法的光學(xué)引伸計(jì)系統(tǒng)開發(fā)［J］.實(shí)驗(yàn)技術(shù)與管理，2013，30（2）：74-77.

［7］熊 磊.基于數(shù)字圖像相關(guān)方法的材料拉伸變形測量技術(shù)［D］.長春：吉林大學(xué)，2012.

［8］劉海波，沈 晶，郭 聳，等.Visual C++數(shù)字圖像處理技術(shù)詳解［M］.北京：機(jī)械工業(yè)出版社，2010：138-145.

［9］張秀敏.視頻圖像應(yīng)變測量中解決光照問題的相關(guān)措施研究［D］.長春：吉林大學(xué)，2008.

［10］Seow M J，Asari V K.Ratio rule and homomorphic filter for enhancement of digital colour image［J］.Neurocomputing，2006，69：954-958.

［11］Tian Q H，Du X，Liu Y N，et al.Image processingmethod and implementation for a laser automatic tracking extensometer［C］//2012 International Workshop on Image Processing and Optical Engineering.Bellingham：Proc of SPIE，2012，8335.

［12］Bradski G，Kaehler A.學(xué)習(xí)OpenCV［M］.北京：清華大學(xué)出版社，2009：134-145.

Study on Mark Recognition Algorithm of Laser Mark Automatic Tracking Video Extensometer

XIE Sen-dong，TIAN Qiu-hong，SUN Zheng-rong，ZHANG Li-jian
（Precision Measurement Laboratory，Zhejiang Sci-Tech University，Hangzhou 310018，China）

Aiming at the problem that conventional video extensometers are usually susceptible to light changes，this paper comes up with an image preprocessing algorithm based on combination of image brightness adjust-ment and defogging enhancement.Through such algorithm，the clear image with lasermark and specimen mark can be obtained.The laser mark and samp le mark can be extracted through Cr chrom inance threshold segmentation algorithm and brightness gradient threshold segmentation algorithm based on area of interest.The experiments are carried out respectively under light changes and chuck interference of testmachine to verify the stability and accuracy of the algorithm.

video extensometer；image processing；mathematicalmorphology enhancement；Cr chrom inance；gradient of brightness

TP391.41

A

（責(zé)任編輯：陳和榜）

1673-3851（2014）02-0195-06

2013-09-09

浙江省自然科學(xué)基金項(xiàng)目資助（Y1110538）；國家自然科學(xué)基金項(xiàng)目資助（90923026）

謝森棟（1988-），男，浙江富陽人，碩士研究生，主要從事計(jì)算機(jī)測控技術(shù)方面的研究。

田秋紅，tianqiuhong@zstu.edu.cn