光彈實驗中骨架自動提取的研究

光彈實驗中骨架自動提取的研究

1等差線條紋圖的自動化提取20世紀70年代初，數(shù)字圖像處理技術(shù)在光測量機械中的應(yīng)用吸引了人們的注意。從1970年代末到80年代初，它取得了巨大的進步，這有效地證明了光測量圖像數(shù)據(jù)處理技術(shù)的必要性和靈活性。在光測力學(xué)數(shù)字圖像處理中,重要的一環(huán)就是把干涉條紋中心線的位置即骨架線,準確地提取出來,供應(yīng)力、應(yīng)變及位移場分析使用。光彈性法是目前光測法中比較成熟的一種方法。通過光彈實驗我們可以得到反應(yīng)主應(yīng)力大小和方向的等差線條紋圖和等傾線條紋圖。本文是針對等差線條紋圖骨架線的自動化提取來研究的。等差線條紋可以看成模型各點最大剪應(yīng)力的等值線。如以第三強度理論來判別構(gòu)件的強度,則等差線最大的級數(shù)處就是危險點的位置。如果借助其他方法,將主應(yīng)力等值分離,就可以求得模型各點的主應(yīng)力分布。因此,正確測定等差線的條紋級數(shù),在光彈性法中極為重要。要想得到等差線的條紋級數(shù)首先要得到骨架線圖。以往等差線骨架線圖是由人工來描述,不但費時費力,而且其結(jié)果也會因人而異,對結(jié)果的精度和可靠性有一定的影響,遠遠不能滿足力學(xué)研究與工程應(yīng)用的實際需要。應(yīng)用數(shù)字圖像處理技術(shù)來自動提取骨架線圖時,由于光彈實驗得到的等差線條紋的光強分布不均勻,實際背景光場復(fù)雜,通常不是常數(shù),一個常閾值很難適合于全場,且相鄰的亮條紋與暗條紋之間灰度變化無法作定量的分析,因此對圖像進行二值化,再細化提取骨架線的方法不適用于光彈條紋圖。本文針對光彈條紋圖的特性,提出了一種直接提取骨架線的方法。這種方法撇開了二值化,對條紋圖直接提取骨架線,初步提取的骨架線背景復(fù)雜,輪廓丟失,然后利用了數(shù)字圖像處理中差影檢測原理去除背景,找回輪廓,得到完整的骨架線圖。2圖像預(yù)處理2.1彩色圖像的轉(zhuǎn)化在光彈實驗中我們采用的是白光,得到的是彩色圖像。彩色圖像處理起來比較復(fù)雜,基本原理和灰度圖像處理卻是一樣的,為了分析方便我們首先把彩色圖像轉(zhuǎn)化為灰度圖,再進行以下處理。數(shù)字圖像處理中RGB表示法是常用的圖像表示法。這種方法是利用R,G,B顏色分量來表示數(shù)字圖像像素的顏色值。對于灰度圖像某一點的R,G,B值是相等的,而對于彩色圖像某點R,G,B值不一定相等。所以把彩色圖像轉(zhuǎn)化為灰度圖,只需把彩色圖各點的R,G,B值變化為相等值Gray即可。Gray的取值依據(jù)公式:處理結(jié)果如下:2.2頻域低通濾波在圖像的采集、傳輸和處理過程中,常常會伴有噪聲干擾導(dǎo)致圖像模糊,從而將直接影響后處理的質(zhì)量。對此,可用圖像的平滑技術(shù)來處理。平滑技術(shù)有空域和頻域兩類方法。本文首先采用的平滑方法是空域法中常用的方法:領(lǐng)域平均法。它是將每一點的像元值與其四鄰像元平均作為該點處理后的值,這里我們采用的是3×3模板。采用的另一種平滑方法是:頻域低通濾波法。這種方法是先把圖像利用傅里葉變換,變換到頻域內(nèi),然后采取相應(yīng)的濾波器濾除我們不需要的信息,再利用傅里葉反變換,把圖像變換到時域。濾波器種類很多,通過比較我們這里選擇的是理想低通濾波器。理想低通濾波器是最簡單的一種低通濾波器。這種濾波器是“截斷”傅立葉變換中的所有高頻部分,這些成分處在距變換原點的距離比指定距離Do要遠得多的位置,其變換函數(shù)為:其中,Do是指定的非負數(shù)值,D(m,n)是(m,n)點距頻率矩形原點的距離。對于理想的低通濾波器橫截面,在H(m,n)=1和H(m,n)=0之間的過渡點稱為“截止頻率”。我們程序中do就是理想低通濾波器的截止頻率,我們把它設(shè)置成可調(diào)參數(shù)。參數(shù)過小處理后的圖像很模糊,參數(shù)太大處理效果不明顯,通過參數(shù)不同的效果比較我們可以看出在do=70時,處理效果最佳。處理結(jié)果如下:3背景和前景分離圖的提取分析圖像可以看出,圖像包括背景和前景。前景是我們要的圖像信息,要想得到我們需要圖像信息的邊界,首先要把前景和背景分離開。觀察圖像的灰度直方圖我們發(fā)現(xiàn)有個谷底,其值大約為70,于是我們選擇閾值為70,進行閾值分割,就可以得到背景灰度值為0,前景灰度值為255的圖像。我們所需圖像的背景和前景就可分離開。得到背景和前景分離圖之后,我們進一步來提取前景的輪廓線。輪廓線的提取運用的是數(shù)字圖像中常用的基本方法。具體操作是,讀取圖像的每一點,如果其相鄰八點都是黑點的話,我們令其灰度值為255,如果相鄰八點中有一個不是黑點,我們令其灰度值為0,處理結(jié)果如圖5。4值化再細化細化是提取骨架線的關(guān)鍵。首先分析光彈實驗得到的等差線圖,可知光照不均,這就意味著一個常閾值很難適合全場。在研究過程中,針對閾值不適合全場這一點,作者曾嘗試過局部二值化的方法,即把圖像分成很多區(qū)域,在各個區(qū)域中取不同的閾值。這種方法處理結(jié)果也不是很理想。因此我們常用的處理干涉條紋圖的二值化再細化的方法在這里是很難實現(xiàn)。本文提出的直接細化方法就拋開了二值化這條路,直接對預(yù)處理后的灰度圖進行細化。它是利用縱向最小值原理,即在每一縱向分段讀取圖像灰度值,取這一段中灰度值最小的位置我們定義為0,其他位置定義為255,圖像如圖8.我們這里是針對純彎曲橫梁得到的干涉條紋來處理的,如果得到的是縱向條紋,就需要橫向讀取最小值。這種方法的局限性就在于處理的條紋只限于橫向和縱向條紋。5圖像的預(yù)處理去除背景本文采用的是數(shù)字圖像中經(jīng)常用的差影檢測法,即把兩幅圖像通過相加或是相減實現(xiàn)圖像的疊加,得到我們需要的圖像信息。具體操作如下,分析圖8可以看出圖像直接細化后,背景信息影響很大,需要把背景去除。分析圖6和圖8,選擇兩幅圖像相減,可以把圖8的背景信息去除。利用差影檢測法實現(xiàn),即用圖6所示的背景和前景分離圖6減去圖8,可以得到如圖9的初步骨架圖。再分析圖9?？梢钥闯雒黠@的邊界丟失,需要進一步的修整,再利用一次差影檢測法,用圖7減去圖9,我們就可以把丟失的邊界找回,得到完整的骨架圖即圖10。處理結(jié)果如下:6圖像骨架提取本文針對光彈