基于Halcon的光纖端面尺寸檢測方法

修亞男　穆平安

摘 要：針對傳統(tǒng)光纖端面尺寸檢測幾何尺寸誤差大、效率低的弊端，采用一種基于Halcon的光纖端面尺寸檢測方法，利用數(shù)字圖像處理算法，采用中值濾波的方法對圖像進(jìn)行預(yù)處理，消除圖像噪聲，并對圖像進(jìn)行二值化及形態(tài)學(xué)處理，選用Canny算子作為邊緣檢測算子確定像素級邊緣，該方法邊緣檢測性能較好，且具有較強(qiáng)的抗噪聲能力;再從選取的邊緣中選出類圓度高的部分邊緣進(jìn)行共圓輪廓合并、擬合，通過擬合的橢圓和圓得到光纖半徑、不圓度、同心度等幾何參數(shù)。實(shí)驗(yàn)結(jié)果表明，纖芯和包層半徑可以精確到萬分之一，不圓度和同心度可以精確到小數(shù)點(diǎn)后8位，測量精度較高且不受操作水平影響。

關(guān)鍵詞：Halcon; 光纖端面尺寸檢測;? 邊緣檢測;? 橢圓擬合; 圓擬合

DOI：10. 11907/rjdk. 191603

中圖分類號：TP317.4 ?? 文獻(xiàn)標(biāo)識碼：A ??????????????? 文章編號：1672-7800（2020）003-0252-05

Optical Fiber End Face Size Detection Based on Halcon

XIU Ya-nan， MU Ping-an

（School of Optical-Electrical and Computer Engineering， University of Shanghai for Science and Technology，

Shanghai 200093， China）

Abstract： Aiming at the shortcomings of traditional fiber end face size detection， this paper adopts a Halcon-based method for fiber end face size detection. Digital image processing algorithm and median filtering method are used to preprocess the image， eliminate image noise and the image is binarized and morphologically processed. The Canny operator is selected as the edge detection operator to determine the pixel. The edge with high circularity is selected for the co-circular contour and then fitted， and the geometric parameters such as radius， out-of-roundness and concentricity of the fiber are obtained by the fitted ellipse and circle. According to the experimental result， the core and the cladding radius can be accurate to one ten thousandth， the roundness and concentricity can be accurate to eight decimal places， the measurement accuracy is high， and does not depend on the operation level.

Key Words： Halcon; fiber end face size detection; edge detection; ellipse; fitting

0 引言

光導(dǎo)纖維簡稱為光纖，是一種由玻璃或塑料制成的纖維，利用光的全反射原理進(jìn)行傳輸，是一種光傳導(dǎo)工具。近年來，光纖通信技術(shù)發(fā)展速度非?？欤瑧?yīng)用廣泛，成為現(xiàn)代通信的重要手段，在電信網(wǎng)發(fā)展中起著舉足輕重的作用，是世界新技術(shù)革命的主要標(biāo)志和未來信息社會各種信息的主要傳送工具[1]。

光纖端面尺寸精密測量在進(jìn)行長距離傳輸?shù)墓饫w通信中起著至關(guān)重要的作用，可通過調(diào)整光纖端面幾何參數(shù)生產(chǎn)出更適合的光纖。其中，光纖纖芯與包層半徑、不圓度、同心度是非常重要的幾何參數(shù)，但由于光纖截面直徑很小，人工測量光纖端面幾何尺寸誤差大、效率低，在光纖生產(chǎn)過程中很難準(zhǔn)確測量光纖端面的幾何尺寸，因此本文通過機(jī)器視覺的方法測量以上幾何參數(shù)。

由于光纖截面尺寸很小，通常用顯微鏡將光纖截面放大后再采用不同的方法測量其幾何參數(shù)。光纖幾何參數(shù)測量方法主要有折射近場法與近場光分布法兩種，實(shí)現(xiàn)手段有人工判讀法、圖像剪切法和脈沖計(jì)數(shù)法，前兩種方法通過顯微鏡用目視的方法進(jìn)行，或通過光電成像系統(tǒng)與計(jì)算機(jī)，由操作者通過人機(jī)對話形式進(jìn)行交互式半自動檢測，第3種方法采用圖像一維數(shù)據(jù)采樣，機(jī)構(gòu)復(fù)雜，測量過程不直觀，傳統(tǒng)光纖端面尺寸檢測需使用顯微鏡，該方法檢測較慢，操作精度受操作人員影響，具有較大的不確定性，使用CCD成像測量光纖尺寸，需要使用發(fā)光二極管和透鏡[2]，操作復(fù)雜。近年來，基于機(jī)器視覺的圖像處理得到了廣泛應(yīng)用[3]。圖像處理指利用計(jì)算機(jī)處理圖像的過程，目的是改善圖像視覺效果[4]。本文采用基于Halcon的方法實(shí)現(xiàn)光纖幾何參數(shù)的精準(zhǔn)測量[5]。根據(jù)實(shí)驗(yàn)結(jié)果，纖芯和包層半徑可以精確到萬分之一，不圓度和同心度可以精確到小數(shù)點(diǎn)后八位，測量精度較高且操作簡單，不依靠操作水平，但在圖像預(yù)處理過程中不能完全消除噪聲，邊緣檢測時閾值需要人工選取，存在一定誤差。

1 參數(shù)定義與檢測方法

光纖幾何參數(shù)包括纖芯直徑、包層直徑、纖芯不圓度、包層不圓度、纖芯-包層同心度，各參數(shù)定義如表1[6]所示。

本文基于Halcon的方法對光纖端面尺寸進(jìn)行測量，根據(jù)光纖特點(diǎn)，采用中值濾波的方法對圖像進(jìn)行預(yù)處理，消除圖像噪聲，并對圖像進(jìn)行了二值化以及形態(tài)學(xué)處理，在經(jīng)過多次試驗(yàn)后，選用Canny算子作為邊緣檢測算子確定像素級邊緣，該方法邊緣檢測性能良好，同時抗噪聲能力強(qiáng)，但由于部分光纖存在缺陷，提取出來的部分邊緣會干擾后續(xù)橢圓和圓的擬合，需要從選取到的邊緣中選出類圓度高的部分邊緣進(jìn)行共圓輪廓合與擬合，通過擬合出來的橢圓和圓即可得到光纖半徑、不圓度、同心度等幾何參數(shù)，從而得到測量結(jié)果。

2 算法設(shè)計(jì)

（1）預(yù)處理模塊包括濾波、二值化、形態(tài)學(xué)處理和邊緣檢測4個部分。采用中值濾波方法時，在濾除噪聲的同時還可保護(hù)信號邊緣不被模糊，形態(tài)學(xué)處理采用的是開運(yùn)算，先腐蝕再膨脹，消除較為細(xì)小的區(qū)域，在纖細(xì)點(diǎn)進(jìn)行分離，平滑一些面積較大的物體，對面積改變較小。邊緣檢測采用Canny算子，可幫助操作者找到一個最優(yōu)邊緣檢測算法。

（2） 通過邊緣檢測提取輪廓，從中選取需用于曲線擬合的輪廓，經(jīng)過共圓輪廓合并后，分別擬合得到圓和橢圓。

（3）通過擬合出的內(nèi)圓可得到纖芯半徑，通過外圓可得到包層半徑，兩個圓的圓心距是同心度，通過對橢圓長軸與短軸的計(jì)算可以得到纖芯與包層不圓度，并將橢圓擬合圖像及纖芯、包層半徑、不圓度、同心度[7]顯示出來。

（4）列出表格分析結(jié)果、誤差，得出結(jié)論。

3 光纖端面尺寸檢測實(shí)驗(yàn)

3.1 中值濾波

中值濾波的數(shù)學(xué)表達(dá)式為：

其中[y（n）]為濾波后觀測歷元數(shù)據(jù)，[y（n）]為觀測歷元數(shù)據(jù)，n=1，2，3，…，N為觀測歷元，M為窗口大?。∕為奇數(shù)），med[]為窗口內(nèi)觀測歷元數(shù)據(jù)按從小到大的順序進(jìn)行排列的中間值。

中值濾波主要基于排序統(tǒng)計(jì)理論，本文采用中值濾波的方法，可有效抑制噪聲的非線性信號，使周圍像素值接近真實(shí)值，消除孤立的噪聲點(diǎn)對實(shí)驗(yàn)結(jié)果的影響[8]。

3.2 二值化

圖像二值化是圖像處理中非常重要的一個步驟，可簡化后續(xù)圖像處理，凸顯目標(biāo)輪廓。對二值圖像進(jìn)行處理與分析，本文將圖像像素點(diǎn)灰度值設(shè)為0-255，將灰度等級分成256個[9]，通過選取合適的閾值對圖像進(jìn)行二值化處理，結(jié)果如圖5所示。

3.3 形態(tài)學(xué)處理

數(shù)學(xué)形態(tài)學(xué)是圖像處理中一種很常用的方法，通常用于分析圖像的幾何形狀與結(jié)構(gòu)[10]。數(shù)學(xué)形態(tài)學(xué)進(jìn)行圖像處理的基本思想是用結(jié)構(gòu)元素對原圖像進(jìn)行位移、交、并等運(yùn)算，然后輸出處理后的圖像[11]。最基本的形態(tài)學(xué)算子有：膨脹、腐蝕、開啟、閉合[12]。

數(shù)學(xué)形態(tài)學(xué)處理可分為開運(yùn)算和閉運(yùn)算，依據(jù)腐蝕和膨脹的不同組合進(jìn)行區(qū)分。開運(yùn)算作用主要是消除較為細(xì)小的區(qū)域，可在纖細(xì)點(diǎn)進(jìn)行分離，平滑一些面積較大的物體，且面積改變幅度較小;閉運(yùn)算可對面積較小的空間進(jìn)行填充，連接相近物體，并在不改變原物體形狀的情況下進(jìn)行邊界平滑。本文采用開運(yùn)算處理圖像。

3.4 邊緣檢測

邊緣檢測是圖像處理和計(jì)算機(jī)視覺中的基本問題，邊緣檢測目的是標(biāo)識數(shù)字圖像中亮度變化明顯的點(diǎn)。本文采用Canny算子，定位精度較高，檢出的邊緣點(diǎn)與實(shí)際邊緣點(diǎn)距離較小[13]，操作人員可以根據(jù)不同的特定要求調(diào)整參數(shù)，識別不同的邊緣特性，以此適用于不同場合[14]。

本文使用雙閾值檢測方法，閾值T1和T2（T1

邊緣檢測后的圖像如圖9所示。

輪廓提取過程中存在干擾，應(yīng)選擇提取邊緣中類圓度高的部分，本文采用選取一定長度的輪廓的方法，將較短的輪廓刪選出去，排除干擾，圖10為進(jìn)行輪廓選擇之后的圖像。

輪廓選擇后對選取的輪廓中處于共圓部分的輪廓進(jìn)行合并，確保擬合出纖芯和包層對應(yīng)的圓。合并后的圖像如圖11所示。

3.5 曲線擬合

圖像處理的對象是待檢測的實(shí)際物體，目標(biāo)物體一般有不同的數(shù)據(jù)表示和復(fù)雜的描述方式，因此需盡力簡化復(fù)雜的描述，然而在實(shí)際應(yīng)用中，有時為獲取實(shí)體的某種幾何特性，可以用比較簡單的曲線或曲面模擬代替比較復(fù)雜的實(shí)體。將數(shù)據(jù)以橢圓方程為模型進(jìn)行擬合，使某一橢圓方程盡量滿足這些數(shù)據(jù)[17]。本文根據(jù)選取的輪廓進(jìn)行橢圓與圓的擬合，得到橢圓與圓中心點(diǎn)坐標(biāo)、橢圓長軸與短軸、纖芯與包層半徑，進(jìn)一步得到不圓度、同心度。

最小二乘法擬合圓。最小二乘法擬合曲線和擬合曲面類似[18]，通過最小二乘法對圓的亞像素特征信息進(jìn)行中心位置擬合。最小二乘法擬合通過最小誤差平方和找到一組數(shù)據(jù)的最佳函數(shù)匹配[19]。對于給定的離散測量點(diǎn)集（[xi]，[yi]）[∈]（=1，2…m），設(shè)理想圓的圓心為o（A，B），半徑為R[20]，由圓的曲線方程：

同時對纖芯和包層輪廓進(jìn)行曲線擬合[21]，結(jié)果如圖12所示。

4 實(shí)驗(yàn)結(jié)果

4.1 光纖端面尺寸檢測圖像

為了證明實(shí)驗(yàn)的普遍適應(yīng)性，本文對5種典型光纖分別進(jìn)行幾何尺寸檢測，直接顯示光纖的幾何尺寸以供直觀了解。

4.2 光纖端面尺寸檢測實(shí)驗(yàn)數(shù)據(jù)

5 結(jié)語

本文利用Halcon軟件，采用數(shù)字圖像處理方法對光纖端面幾何尺寸進(jìn)行檢測。首先對圖像進(jìn)行中值濾波、形態(tài)學(xué)處理、二值化以排除干擾，再對圖像進(jìn)行邊緣檢測、輪廓選取，從選取的輪廓中提取有效邊緣，最后利用得到的有效邊緣對纖芯和包層進(jìn)行曲線擬合，得到了較精確的纖芯半徑、包層半徑、纖芯不圓度、包層不圓度、同心度等參數(shù)。該方法可基本實(shí)現(xiàn)自動測量，達(dá)到省時、省力的目的。同時本文方法還存在以下問題：預(yù)處理時不能有效消除噪聲;邊緣檢測要人工選取閾值，不具備自適應(yīng)能力[22]，存在誤差;邊緣檢測后進(jìn)行輪廓選取時，因考慮到缺陷光纖的影響，僅選取部分輪廓，造成后續(xù)曲線擬合誤差。

因此在下一步研究工作中，將進(jìn)一步改進(jìn)圖像預(yù)處理方法，采用圖像增強(qiáng)等方法消除噪聲;提高Canny算子閾值選取性能，改進(jìn)邊緣檢測方法;同時盡量多地選取光纖輪廓，減小誤差。

參考文獻(xiàn)：

[1]胡姮. 基于圖像處理技術(shù)的單模光纖不圓度測量方法[D]. 南京：南京信息工程大學(xué)，2008.

[2]友清. 用CCD成象系統(tǒng)測量光纖尺寸[J].? 激光與光電子學(xué)進(jìn)展，1990（1）：39.

[3]楊遠(yuǎn). 基于機(jī)器視覺的光纖幾何參數(shù)檢測研究[D]. 哈爾濱：哈爾濱工程大學(xué)，2011.

[4]張彩霞.? 數(shù)字圖像處理技術(shù)的發(fā)展現(xiàn)狀及發(fā)展趨勢研究[J]. 計(jì)算機(jī)光盤軟件與應(yīng)用，2014，17（12）：216+218.

[5]陳磊，陳進(jìn)榜，陸潤華. 光纖幾何參數(shù)的自動檢測儀[J]. 光學(xué)學(xué)報(bào)，2001，10：1245-1248.

[6]趙新彥. 數(shù)字圖像法測量光纖端面幾何參數(shù)[J]. 南京郵電大學(xué)學(xué)報(bào)：自然科學(xué)版，2009，2902：55-58.

[7]岳蕾. 光纖參數(shù)測試方法的研究[J]. 電信網(wǎng)技術(shù)，2008（2）：77-81.

[8]章浙濤，朱建軍，匡翠林，等. 不同噪聲下幾種濾波方法的比較研究及改進(jìn)[J]. 大地測量與地球動力學(xué)，2014，3401：127-130.

[9]張誠，陳銀環(huán). 人臉圖像預(yù)處理方法簡析[J]. 科技風(fēng)，2017（18）：4-5.

[10]武瑛. 形態(tài)學(xué)圖像處理的應(yīng)用[J]. 計(jì)算機(jī)與現(xiàn)代化，2013（5）：90-94.

[11]郭昊冉，黎小琴. 形態(tài)學(xué)處理在光學(xué)字符識別中的應(yīng)用研究[J].? 傳感器世界，2016，22（8）：7-9.

[12]郭昊冉，黎小琴. 形態(tài)學(xué)處理在光學(xué)字符識別中的應(yīng)用研究[J].? 傳感器世界，2016，22（8）：7-9.

[13]許宏科，秦嚴(yán)嚴(yán)，陳會茹. 一種基于改進(jìn)Canny的邊緣檢測算法[J]. 紅外技術(shù)，2014，36（3）：210-214.

[14]曾俊. 圖像邊緣檢測技術(shù)及其應(yīng)用研究[D]. 武漢：華中科技大學(xué)，2011.

[15]吳一全，孟天亮，吳詩婳. 圖像閾值分割方法研究進(jìn)展20年（1994—2014）[J]. 數(shù)據(jù)采集與處理，2015，30（1）：1-23.

[16]楊仁民，鄭洲，陳斌，等. 基于機(jī)器視覺的零件特征尺寸提取算法[J]. 包裝工程，2017，38（09）：151-156.

[17]夏菁. 橢圓擬合方法的比較研究[D]. 廣州：暨南大學(xué)，2007.

[18]劉俊焱，云挺，周宇，等. 基于最小二乘的點(diǎn)云葉面擬合算法研究[J]. 西北林學(xué)院學(xué)報(bào)，2014，29（5）：70-77+155.

[19]楊仁民，鄭洲，陳斌，等. 基于機(jī)器視覺的零件特征尺寸提取算法[J].? 包裝工程，2017，38（9）：151-156.

[20]FITTING A. Ellipses and predicting confidence envelopes using a bias corrected Kalman filter[J]. Image and Vision Computing，1990，1 （8）：37-41.

[21]PILU M，F(xiàn)ITZGIBBON A W，F(xiàn)ISHER R B. Ellipse-specific direct least-squre fitting[J]. IEEE International Conference on Image Processing，1996：599-602.

[22]劉洋，薛向陽，路紅，等.? 一種基于邊緣檢測和線條特征的視頻字符檢測算法[J]. 計(jì)算機(jī)學(xué)報(bào)，2005（3）：427-433.

（責(zé)任編輯：江 艷）

收稿日期：2019-05-24

作者簡介：修亞男（1996-），女，上海理工大學(xué)光電信息與計(jì)算機(jī)工程學(xué)院碩士研究生，研究方向?yàn)閳D像處理;穆平安（1964-），男，博士，上海理工大學(xué)光電信息與計(jì)算機(jī)工程學(xué)院教授、碩士生導(dǎo)師，研究方向?yàn)闇y試信息獲取與處理、在線檢測技術(shù)與裝置。