光干涉条纹图的中心线提取算法

灰度重心法提取激光条纹中心线灰度重心法是一种常用的图像处理方法，可以用于提取激光条纹的中心线。

激光条纹是一种重要的光学现象，广泛应用于三维重建、轮廓测量等领域。

本文将介绍灰度重心法的原理和步骤，并结合实例进行详细说明。

灰度重心法是一种基于灰度信息的图像处理方法。

在激光条纹图像中，激光条纹通常呈现出明暗交替的条纹模式。

而激光条纹的中心线是条纹中灰度最高的位置，通过提取中心线可以得到激光条纹的轮廓信息。

灰度重心法就是利用条纹中灰度最高的位置作为中心线的提取方法。

具体的提取步骤如下：1. 预处理：首先需要对激光条纹图像进行预处理，包括去噪、灰度化等操作。

去噪可以采用滤波算法，如均值滤波、中值滤波等。

灰度化则是将彩色图像转换为灰度图像，只保留亮度信息。

2. 二值化：将灰度图像转换为二值图像，即将灰度值大于某个阈值的像素点设置为白色，小于阈值的像素点设置为黑色。

二值化操作可以使用简单的阈值分割方法，也可以使用自适应阈值分割等方法。

3. 边缘检测：对二值图像进行边缘检测，可以使用常见的边缘检测算法，如Sobel算子、Canny算子等。

边缘检测可以提取出激光条纹的边缘信息。

4. 中心线提取：通过灰度重心法提取激光条纹的中心线。

首先计算每一列的灰度重心，即计算每一列中灰度最高的位置。

然后将这些灰度最高位置连接起来，得到中心线。

灰度重心法的原理是基于激光条纹的灰度分布特性。

激光条纹的中心线上的像素点具有最高的灰度值，而离中心线越远的像素点灰度值逐渐降低。

因此，通过计算每一列的灰度重心，可以得到激光条纹的中心线位置。

下面以实例说明灰度重心法的应用。

假设我们有一张激光条纹图像，经过预处理后得到二值图像。

然后使用Sobel算子进行边缘检测，得到边缘图像。

接下来，我们计算每一列的灰度重心，得到中心线的位置。

最后，将中心线绘制在原始图像上，即可得到激光条纹的中心线。

灰度重心法在激光条纹的轮廓提取中具有较好的效果。

相比于其他方法，灰度重心法不需要复杂的数学模型或大量的计算，简单易实现。

线结构光条纹自适应中心提取优化算法
线结构光条纹自适应中心提取优化算法是一种基于投影变换的方法，它可以有效地提取和分析线结构光条纹。

该方法主要包括四个步骤：首先，对投影图像进行模糊处理，使用模糊处理可以有效地消除
图像中不必要的细节；其次，计算投影变换后的边缘信号，以检测带
有结构光条纹信息的边缘；第三，基于投影变换和模糊处理后的边缘
信息，采用一种局部拟合算法，提取出投影变换后的线结构光条纹的
中心；最后，使用去噪算法进一步优化线结构光条纹自适应中心的提
取效果。

线结构光条纹自适应中心提取优化算法的优势主要体现在三个方面：首先，该算法能够从投影图像中有效提取线结构光条纹的中心点；其次，该算法采用投影变换和模糊处理等技术，使得提取精度更高，
同时也更加稳定；第三，该算法采用了去噪算法进行优化，从而使提
取出的线结构光条纹的中心更加精确。

此外，线结构光条纹自适应中
心提取优化算法的可扩展性也很好，可以应用于各种不同的图像上，
从而大大提高精度和实时性。

线结构光条纹自适应中心提取优化算法在实际应用中可以解决复
杂环境中线缝隙检测、机器视觉准确识别和机器人路径规划等问题。

例如，可以应用于线结构光条纹车辆定位和跟踪、智能车辆安全驾驶
系统以及智能机器人导航等相关领域。

综上所述，线结构光条纹自适应中心提取优化算法是一种高效的
方法，用于检测线结构光条纹的中心位置。

该算法具有较高的准确性
和可扩展性，可用于智能车辆安全驾驶、机器人导航和机器视觉准确
识别等领域。

多场景下结构光三维测量激光中心线提取方法在我们日常生活中，三维测量技术已经悄悄地融入了很多领域。

从汽车制造到医疗检测，再到艺术创作，三维测量真是无处不在。

而在这些技术背后，有一种叫做“结构光三维测量”的方法，听上去有点高深莫测，其实它的原理并不复杂。

简单来说，结构光就是通过投射一系列光线到物体表面，再根据光的变形来推算物体的三维形状。

这就像是用手电筒照射一个球，观察光线的变化来判断球的大小和形状。

今天我们聊聊的，就是如何提取这些光线中的“激光中心线”。

光是结构光三维测量的核心。

说到激光中心线，很多人可能第一反应是，这个东西就像电影里那些神秘的激光束，能切开钢铁，能精确定位。

但激光中心线提取是一个非常细致的活儿，要说复杂，简直就是一门艺术。

想象一下，一个激光束投射到物体上，不是直接照在物体表面，而是经过一番折射、反射，甚至是弯曲，最后才会出现在屏幕上。

这个过程中，我们要从“乱糟糟”的激光数据中找到最精确的中心线，确保它准确无误。

问题来了，为什么激光中心线如此重要呢？激光中心线其实是整个三维测量的基础。

如果我们连激光的中心都找不到，其他的测量数据怎么可能精准？就像我们做饭，连盐都没放好，怎么能指望味道好呢？如果测量不准，结果也就没什么意义了。

我们需要通过激光中心线来准确地确定物体的轮廓、形状、尺寸，甚至是它的表面细节。

这一步搞得好，接下来的三维重建才有可能做得像模像样。

但说到提取激光中心线，难度可不小。

毕竟，激光条纹是连续的，亮度不均匀，还常常受外界环境的影响，比如光线的变化，或者是物体表面有反射光等，这些都会影响激光的精准度。

就像我们在阳光下看手机屏幕，明明手机上显示的内容很清晰，但因为反光，怎么看都觉得模糊。

所以提取激光中心线，要求我们不仅要有精确的算法，还得有过硬的技术功底。

就像修理手机的师傅，技术好坏直接影响最终结果，哪怕一个小小的误差，都会导致整个三维重建出问题。

有些时候，激光条纹的形态并不是那么规则，特别是在复杂的物体表面。

激光条纹中心线提取
激光条纹中心线提取是一种基于数字图像处理技术，用于从激光投影中提取条纹中心线的方法。

该方法可以广泛应用于三维重建、机器视觉、自动检测等领域。

激光投影技术是将激光束投射到物体表面，通过测量反射光的形态和方向来重建物体的三维模型。

在激光投影中，激光束将物体表面投影成一系列平行的条纹。

这些条纹的中心线可以提供物体表面的精确位置和形状信息。

激光条纹中心线提取主要包括以下步骤：首先，对激光投影图像进行预处理，包括去除噪声、增强对比度等；然后，通过阈值分割将图像分为黑白两部分；接着，使用形态学操作去除条纹中的噪点和毛刺；最后，利用数学方法或曲线拟合算法提取条纹中心线，从而得到物体表面的准确位置和形状信息。

激光条纹中心线提取技术在自动检测、机器视觉、三维重建等领域具有广泛的应用前景。

随着数字图像处理技术的不断发展，激光条纹中心线提取的精度和效率将会更加提高，为实现更加智能的机器视觉和自动化检测提供更加可靠的技术支持。

- 1 -。

一种快速光纤干涉条纹图像相位信息提取方法段晓杰;赵鹤;汪剑鸣;王重祁【期刊名称】《计算机仿真》【年(卷),期】2018(035)010【摘要】精确提取相位信息是结构光三维形貌测量的关键,鉴于现有的光纤干涉条纹图像相位提取方法存在测量精度低,不适用于对动态物体测量的问题,提出了基于希尔伯特变换的相位恢复算法.利用两次希尔伯特变换法从单幅条纹图中获取正弦和余弦分量,由这两个分量构造解析信号,通过解析信号得到复杂图像的包裹相位信息,再通过相位解包裹实现对全场相位分布信息的获取.分别通过计算机仿真和M-Z 光纤干涉仪实际投射干涉条纹图像进行实验,结果表明,改进的方法不仅可以精确地恢复相位信息,而且大大提升了计算速度.【总页数】4页(P389-392)【作者】段晓杰;赵鹤;汪剑鸣;王重祁【作者单位】天津工业大学电子与信息工程学院,天津300387;天津市光电检测技术与系统重点实验室,天津300387;天津工业大学电子与信息工程学院,天津300387;天津市光电检测技术与系统重点实验室,天津300387;天津工业大学电子与信息工程学院,天津300387;天津市光电检测技术与系统重点实验室,天津300387;天津工业大学电子与信息工程学院,天津300387;天津市光电检测技术与系统重点实验室,天津300387【正文语种】中文【中图分类】TP301.6【相关文献】1.一种新的正弦相位调制干涉条纹相位稳定方法 [J], 伯恩;段发阶;冯帆;吕昌荣;傅骁2.一种正弦相位调制光纤干涉条纹相位稳定方法 [J], 伯恩;段发阶;冯帆;吕昌荣;傅骁3.光干涉条纹检测中的一种并行迭代相位解缠算法应用研究 [J], 王超燕;陈欣扬4.干涉条纹图像处理的相位解包新方法 [J], 万文博;苏俊宏;杨利红;徐均琪5.动态干涉条纹相位差提取方法的研究 [J], 李敏;王选择;翟中生;周浩因版权原因，仅展示原文概要，查看原文内容请购买。

专利名称：一种多高斯信号拟合的激光条纹中心线提取方法专利类型：发明专利
发明人：叶秀芬,李传龙,陈尚泽,宫垠,刘文智,王潇洋
申请号：CN201610487738.4
申请日：20160628
公开号：CN106097430A
公开日：
20161109
专利内容由知识产权出版社提供
摘要：本发明提供的是一种多高斯信号拟合的激光条纹中心线提取方法。

本发明方法通过使用一组具有不同期望及方法的高斯信号，以不同的位置及权值组合起来，最大程度的拟合激光线条图像某一行像素值的分布，当找到最佳的拟合组合时，根据各个高斯信号组合时所处的位置即可做出对激光线条中心的最优估计。

本发明方法可以有效解决在激光线条图像的像素值分布无法满足对称性及均一性的情况下，准确地估计出激光线条的中心，提高3D扫描重建的精度。

申请人：哈尔滨工程大学
地址：150001 黑龙江省哈尔滨市南岗区南通大街145号哈尔滨工程大学科技处知识产权办公室国籍：CN
更多信息请下载全文后查看。

上海电力大学学报Journal of Shanghai University of ElecCic Power第37卷第2期2021年4月VoU37,No. 2Apr 2021DOE 10 . 3969/j. issn . 2096 -8299 . 2021.02 . 018基于焊缝图像信息的光条纹中心线提取廉杰1,吕学勤1,顾冬霞2,王敏3(1.上海电力大学，上海200090 ； 2.国网上海青浦供电公司，上海201700；3.国网上海市北供电公司，上海200040)摘要:为准确快速提取不同坡口的焊缝特征信息，采用改进Steger 算法在滤波去噪后的二值图像中提取出光条纹中心线。

首先，将原图像与Otsu 法相结合得到包含所有结构光条纹的矩形区域,利用高斯函数的可分 离性将图像的二维高斯卷积进行简化，用一次高斯行卷积和一次高斯列卷积进行替代，从而减少运算量。

由实验结果可知，改进后的算法不仅能更加准确地提取焊缝光条纹中心线，而且能够提升运行速度，满足实时性 的要求。

关键词：焊缝识别；光条纹中心线；特征提取中图分类号:TP249；TP391.7 文献标志码：A 文章编号：2096 -8299(2021)02 -0195 -05Extraction of Laser Stripe Center Line Based onWeld Image InformationLIAN Jie 1, LYU Xueqin 1, GU Dongxia 2, WANG Min 3(1. Shanghai University of Electric Power , Shanghai 200090, China ；2. Stt Gri Shanghai Qingpu Electric Power Suppfy Company , Shanghai 200000, China ；3. Stat Gid Shanghai Shibei Electric Power Supply Company , Shanghai 200040, China )Abstracr : In order to accurately and quickly extract the weld feature information of dCferentgroov/s , th/improv/d Stg/ralgorithm isus/d to /xtractth/las/rstrip/c/ntrlin/from th/fil-Cred binay image. Firstly , the ROI region is obtained by combining the original image with thethresho'd method.Then , according to theseparabiity ofGau s ian , thetwo-dimensiona'Gau s ian convo'ution oftheimageisequivaentto aGau s ian row convo'ution and aGau s ian co'umn con-vo'ution , so asto reducetheamountofcomputation.Theexperimenta'resu tsshow thatthewe'drecognition a'gorithm can accurate'y extractthewe'd aserstripecenterine , and can improvethe proce s ing speed to meettherea-timerequirements.Key wordt ： we'd recognition ； aserstripecenterine ； featureextraction焊接信息的自动提取对于实现焊接自动化有的焊缝识别技术的不断深入发展,其速度和准确着至关重要的作用。

光条中心提取
光条中心提取是一种常用的图像处理技术，其主要目的是提取图像中的光条中心线。

在机器视觉和自动化控制等领域，光条中心提取常用于机器人视觉引导、工业检测、道路识别等方面。

光条中心提取的主要步骤如下:
1.滤波：首先，由于图像中存在噪点和干扰，需要进行高斯滤波等去噪处理，以增强图像的清晰度和对比度。

2.二值化：将图像转化为黑白二值图像，同时保留光条区域，并抑制掉其他区域的影响。

3.边缘检测：通过边缘检测算法（如Canny算法等）提取光条的边缘信息，并对边缘进行闭合处理，以得到光条的连续线条。

4.求取中心线：通过像素遍历，确定每个光条边缘的中心点坐标，并连接各点，得到光条的中心线。

5.优化处理：由于提取得到的光条中心线存在一定的误差和噪声，可以通过插值、拟合等技术，对光条中心线进行优化处理，以提高其精度和可靠性。

总之，光条中心提取是一种在机器视觉和自动化控制领域使用广泛的图像处理技术，其主要依赖于二值化、边缘检测、中心线提取等基本算法，并可结合其他图像处理技术进行完善和优化。

光学显微线条纹图像中心线提取李海;张宪民;黄沿江;单译琳【摘要】Due to the proximity of the optical diffracting limitation, the edges of the stripes in micrometer scale are blurred after magnification by the optical microscope.Together with the uneven illumination caused by coaxial lighting source, the stripe image quality is very poor.To effectively measure the stripe distance between two stripes in micrometer scale, a centerline extraction algorithm was proposed.First, a single scale Retinex model was adopted to enhance the original image to overcome inaccurate segmentation caused by uneven illumination.After that, binary segmentation was conducted on the enhanced image via optimal threshold value of Ostu.Then, directing at the phenomenon that there was much rag and hollow at the boundary of stripes after segmentation, a boundary collapse method based on fast marching algorithm was utilized to extract centerline accurately.Finally, least square fitting method was conducted to fit the extracted centerlines.Experimental results show that the proposed method can effectively realize accurate extraction of stripe centerline in microscopic image with micrometer scale;the maximum measured deviation of this method is less than 2% when it is used for measuring stripe distance between two stripes with standard width.%由于接近光学衍射极限,微米尺度线条纹在经过高倍显微镜放大成像后边缘通常都很模糊,加上同轴光源产生的光照不均匀现象,成像质量通常很差.为了有效测量微米尺度线条纹间距,本文提出了一种针对光学显微线条纹图像的中心线提取算法.首先,采用Retinex方法对原图像进行增强,以克服由光照不均匀所造成的无法准确分割的问题.接着,使用Ostu最佳阈值对图像进行二值分割.然后,针对分割后条纹边缘含有大量毛刺和凹陷的现象,使用基于快速步进算法的边缘塌陷法对中心线进行准确提取.最后,对提取中心线进行了最小二乘拟合.实验结果表明:本文提出的方法可以有效实现微米尺度线条纹光学显微图像中心线的准确提取.使用本方法对标准宽度线条纹间距进行实测的最大测量偏差小于2%.【期刊名称】《光学精密工程》【年(卷),期】2017(025)005【总页数】8页(P1340-1347)【关键词】显微图像;线条纹;中心线提取;快速步进法;Retinex;边界塌陷【作者】李海;张宪民;黄沿江;单译琳【作者单位】华南理工大学广东省精密装备与制造技术实验室,广东广州 510640;华南理工大学广东省精密装备与制造技术实验室,广东广州 510640;华南理工大学广东省精密装备与制造技术实验室,广东广州 510640;华南理工大学广东省精密装备与制造技术实验室,广东广州 510640【正文语种】中文【中图分类】TP394.1在微纳制造与微纳测量领域，常会出现微米、亚微米尺度的线条纹，如用于集成电路(Integrated Circuit，IC)制造的光刻掩模板[1]，用于测量光学显微镜分辨率的测试板[2]，以及计算光学用于计算复原图案的条纹间隙等[3]。

计算机测量与控制．２０２１．２９（１２）　犆狅犿狆狌狋犲狉犕犲犪狊狌狉犲犿犲狀狋牔犆狅狀狋狉狅犾　·２２６　·收稿日期：２０２１０９２２；　修回日期：２０２１１１０１。

基金项目：江苏省输配电装备技术重点实验室开放课题资助项目（２０２１ＪＳＳＰＤ０５）。

作者简介：张　衡（１９９７），男，山东济宁人，硕士研究生，主要从事机器学习，图像处理方向的研究。

通讯作者：苗红霞（１９６８），女，河北邯郸人，博士，副教授，主要从事故障诊断方向的研究。

引用格式：张　衡，苗红霞，郭章旺，等．动态环境下的激光条纹中心线提取方法［Ｊ］．计算机测量与控制，２０２１，２９（１２）：２２６２３３，２５６．文章编号：１６７１４５９８（２０２１）１２０２２６０８ ＤＯＩ：１０．１６５２６／ｊ．ｃｎｋｉ．１１－４７６２／ｔｐ．２０２１．１２．０４１ 中图分类号：ＴＰ３９１．４１文献标识码：Ａ动态环境下的激光条纹中心线提取方法张　衡１，苗红霞１，２，郭章旺１，饶星楠１（１．河海大学物联网工程学院，江苏常州　２１３０２２；２．江苏省输配电装备技术重点实验室，江苏常州　２１３０２２）摘要：线结构光三维视觉测量技术最关键的一步是提取出结构光图像中的激光条纹中心线；针对动态测量环境下激光条纹图像存在复杂背景信息、激光光强分布不均、光带各部分宽度差别大、激光条纹断裂等问题，文章研究了一种适用于动态测量环境的激光条纹中心线提取方法；首先通过图像预处理以及自适应裁剪算法提取出感兴趣区域（ＲＯＩ，ｒｅｇｉｏｎｏｆｉｎｔｅｒｅｓｔ）；其次通过改进型伽马校正（ＩＧＣ，ｉｍｐｒｏｖｅｄｇａｍｍａｃｏｒｒｅｃｔｉｏｎ）以及改进型变阈值大津阈值分割算法（ＩＶＴ－Ｏｓｔｕ，ｉｍｐｒｏｖｅｄｖａｒｉａｂｌｅｔｈｒｅｓｈｏｌｄ）分割出激光条纹区域；然后使用二维灰度重心法（ＴＤ－ＧＢＭ，ｔｗｏ－ｄｉｍｅｎｓｉｏｎａｌｇｒａｙｂａｒｙｃｅｎｔｒｉｃｍｅｔｈｏｄ）提取激光条纹的初始中心线；最终使用二次优化算法对初始中心线进行优化，精确地提取出激光条纹中心线；实验结果表明，相比于灰度重心法、Ｓｔｅｇｅｒ法等算法，文章所提方法受背景干扰以及激光条纹质量的影响较小，能够在多种复杂情况下更精确地提取激光条纹中心线，满足准确性高、稳定性强以及实时性好的要求。

线结构光条纹中心的全分辨率精确提取
熊会元 ， 宗志坚 ， 陈承鹤
（ 中山大学 工学院 现代设计技术中心 ， 广东 广州 ５ １ ０ ２ ７ ５）
摘要 ： 激光条纹中心的提取是线结构光坐 标 测 量 系 统 的 关 键 技 术 之 一 ， 本文对条纹中心的高分辨率精确提取进行了研 基于阈值法全分辨率提取条纹初值中心 ； 然后 ， 在条纹初值中心域应用灰度 梯 度 与 Ｂ 究 。 首先 ， ａ ｚ ｅ ｎ方 法 计 算 条 纹 法 向， 最后在法线方向精确获取光条纹能量中心 。 采用分辨率为 ７ 应用 Ｖ 形检测块进行对比实验 ， 结果表明 ： ６ ８×５ ７ ６ 的相机 ， 提取的中心点分辨率为 １０ 比传统方法增加了 ４ 且无冗余点； 中心点到由中心点拟合的直线的平均距离最 ８ ６点， ２． ５％ ， 小， 分别为０． ； 条纹法向计算精确 ， 计算时间为 ７ 。 该方法避免了被测体表面曲率变化大 、 提取 ２ ９ ４与 ０． ３ ０ ６７ｐ ｉ ｘ ｅ ｌ ５． ８ｍ ｓ 中心密度小等问题 ， 提取的精度与鲁棒性高 ， 满足在线精确测量要求 。 关 键 词： 线结构光 ； 灰度梯度 ； 三维测量 中图分类号 ： Ｔ Ｐ ３ ９ １； ＴＮ ２ ４ ７ 文献标识码 ： Ａ
］ １ 。 线结构光测量是基于激光三 角法 模具等行业 ［ ］ ２ 原理的一种非 接 触 式 测 量 ， 其 原 理［ 是激光器产
］ ３ 符合正态分布 ［ ， 因而条纹中心的精确提取一直
受到国内外学者的关注 。
生线激光照射到 被 测 物 体 ， 摄像机从一定角度获 取被测物体调制 后 的 光 条 信 息 ， 然后测量系统依 据摄像机光条信息反求出线激光照射处被测物体 因而 在 条 纹 图 像 中 获 取 的 线 条 纹 中 的三维坐标 ， 心将直接影响物体表面坐标的测量精度 。 国内外学者主要通过提高线结构光视觉传感 器摄像机的分辨率和采用高精度提取条纹图像中 心算法等两种方 法 来 提 高 条 纹 中 心 提 取 的 精 度 。 前者是通过增加成像系统的元件或辅助细分技术 来提高摄像机的分辨率 ； 该方法成本高 ， 实施较为 困难 ， 采用高分辨 率 摄 像 机 或 辅 助 细 分 技 术 会 增 加数据处理时间 ， 降低成像的频率 ， 直接影响线结 构光测量的速度 。 后者则通过软件算法对条纹图 像进行数据处理 ， 突破像元间距的限制 ， 提高条纹 中心的提取精度 ； 方法应用较为灵活 ， 在摄像机分 辨率一定的情况 下 ， 能有效地提高条纹中心像点 的获取精度 。 本文在分析现有条纹中心提取算法 的基础上 ， 提出了 一 种 光 条 纹 中 心 的 全 分 辨 率 精 确提取算法 ， 在统 一 的 实 验 平 台 对 常 用 算 法 进 行 了对 比 实 验， 实 验 验 证 了 算 法 的 正 确 性， 且精度 高， 速度满足在线测量要求 。

光条中心提取方法光条中心提取是一种基于图像处理的技术，主要用于分析和提取图像中的光条的中心位置。

光条通常是由光源产生的亮线或者是光的反射导致的，常见于夜景、景观摄影等场景中。

光条中心的提取对于光线追踪、光影效果的生成、图像修复等任务具有重要意义。

下面将介绍两种常见的光条中心提取方法：基于滤波和基于边缘检测。

一、基于滤波的光条中心提取方法：1.预处理：首先，将图像转化为灰度图像，以减少计算开销。

2.滤波：利用高斯滤波器对图像进行滤波，以平滑图像并降低噪声的影响。

3.二值化：采用合适的阈值将灰度图像二值化，将目标光条提取出来，并将其余部分设置为黑色。

4.查找连通区域：对二值化后的图像进行连通区域分析，找出所有的连通区域或者兴趣区域。

5.取区域中点：对于每个连通区域，计算其重心位置，并将其作为光条中心的位置输出。

二、基于边缘检测的光条中心提取方法：1.预处理：同样地，将图像转化为灰度图像。

2. 边缘检测：利用边缘检测算法，如Canny算子或者Sobel算子，获取图像中的边缘信息。

3. 线段检测：基于Hough变换或者RANSAC算法，检测出图像中的直线段。

4.筛选：对检测到的直线段进行筛选，选取符合光条特征的线段，如长度、方向等。

5.中心点计算：计算所选线段的中心点，并将其作为光条中心的位置输出。

以上两种方法都是常用的光条中心提取方法，但各有优缺点。

基于滤波的方法简单直观，但对于光条边缘不清晰或者存在噪声的情况下，效果可能不理想。

基于边缘检测的方法则可以更好地提取光条的边缘特征，但对于图像中存在其他干扰边缘的情况下，可能会误检测。

此外，还有其他的光条中心提取方法，如基于深度学习的方法。

这种方法通过训练神经网络模型，可以更好地对光条中心进行定位和提取，但需要足够的训练数据和计算资源。

综上所述，光条中心提取是一项重要的图像处理技术，可以应用于各种任务中。

根据具体需求和图像特点，可以选择合适的方法进行处理。

像。利用此二值图像在 水平与垂 直方 向的投影 变化计算出图像 中运动 目标在 水平与垂 直两个
作者简介
李亚 荣 （ １ ９ ５ ３ － ），男，现 为 大连 交通 大学 动
】 高 度和 向下倾 斜 的角度 以及摄像 头 的可
Ｉ 度 决定 。假定 当前运 动 目标水平 投影 有
上接 １ １ ７页
【 和初 始阈值相 差最 小，仅仅差 了 ４ 个灰度
所以可 以直接取 阈值为 １ ２ ７ ，省去 了寻找
表１ ：采用几种 算子提取边缘后二值化求取阈值情况对 比
ｉ 阈值 、迭代求值 的过程 ，大大加快 了阈值 度。利 用四向差分算子边缘提取后 ，求取
［ 时迭代 次数 与八向差分算子相 同，但最后 Ｊ 的最佳 阈值相对初始阈值差 比较大。
算子
Ｓ ｏ ｂ ｅ ｌ 算子
Ｐ ｒ ｅ ｗｉ ｔ ｔ 算子
四向差分算子
八 向差分算子
初 始闽值
最佳 闽值
迭 代 次数
ｌ ２ ７
７６
６
１ ２ ７
７ ５
６
ｌ ２ ７
１ １ ９
２
１ ２ ７
１ ２ ３
２
动 目标 的定 位
对 运 动 目标 边 缘 二 值 图 像 （ ， ） ，
车运 用与维护学院教授 ，主要从 事图像 采集处
方向上移动的像素数，计算出 目标的位置、移 理 和 分析 的研 究 。 动方 向，根据两帧间的拍摄时间间隔计算出 目 【 素起止坐标 为 ａ ｌ ，ａ ２ ， 垂直投影有 效像 素 刘 东东 （ １ ９ ８ ５ 一），男，硕士研 究 生，研究 方 标移动速度 。 ： 坐标 为 ｂ １ ， ｂ ２ ，根据 当前 运动 目标 的水 向为数 字图像处理 与分析 。 ！ 影 有效起 止像 素坐标 可 以对应得 到 目标 处 于实 际场景 地面横 向坐 标起止 位置 为 ｋ ／ Ｗｉ ｄ ｔ ｈ，ａ ２ ｘ ｄ ｔ ｈ ，纵 向坐标 为 ｂ ｌ ｘ Ｂ ／ ． ｈ Ｉ ，ｂ ２ ｘ Ｂ ／ Ｈｅ ｉ ｇ ｈ ｔ ，其中 Ｗｉ ｄ ｔ ｈ为 图像 的宽

专利名称：一种基于形态学的激光条纹中心线提取方法专利类型：发明专利
发明人：杨雨泽,王贵成,张敏
申请号：CN202011352029.8
申请日：20201126
公开号：CN112330667A
公开日：
20210205
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于形态学的激光条纹中心线提取方法，包括步骤1：从多个角度获取光条原始图像，提取图像的原始数据；步骤2：进行图像预处理，去除图像大噪声；步骤3：Sobel水平边缘检测，对图像的水平边缘和竖直边缘边缘提取；步骤4：边缘提取后得到的图像进行联通边缘区域；步骤5：确定ROI区域并骨骼化；步骤6：骨骼化后的图像可以明显的看到存在毛刺，小的毛刺就通过移除孤立元素迭代去除。

本发明的目的在于提供一种提取精度高、适用性强的基于形态学激光条纹中心线提取方法来解决鲁棒性差、提取速度慢、精度低，且适用范围窄等技术问题。

申请人：上海应用技术大学
地址：200235 上海市徐汇区漕宝路120-121号
国籍：CN
代理机构：上海汉声知识产权代理有限公司
更多信息请下载全文后查看。

# 116 #
由于条纹的中心线和条纹边界在方向上基本一 致, 不会出现边缘垂直于峰值线的现象。将条纹边界 上的点作为数据提取起点, 将条纹边界上该点的法向 作为进行曲线拟合的数据提取方向, 而且此提取方向 只对边界所属条纹有效, 如图 3 所示。该方法对干涉 图像中心提取具有一般性, 将其称为边界法向曲线拟
图 6 条 纹提取结果 Fig. 6 The sketch map of extracting fringe center lines
# 117 #
光 电 子 # 激 光 2006 年 第 17 卷
果, 其中白色区域为亮条纹, 白色区域中的黑线为提 取到的条纹中心线。
4结论
提出了一种干涉条纹中心自动提取的边界法向 曲线拟合法。根据条纹灰度余弦分布规律, 用抛物线 对其进行最小二乘法曲线拟合。实验表明, 对于 576 @ 768 的 256 级灰度图像, 利用边界法向曲线拟合法 提取条纹中心, 平均需要 1. 5 s。用这种方法不仅提 取精度较高, 而且条纹提取受噪声影响较小。
第 17 卷 第 1 期 2006 年 1 月
光电子 # 激光
Journal of Op toelectronics # Laser
V o l. 17 N o . 1 Jan. 2006
一种基于曲线拟合提取干涉条纹中心点的新方法* *
蔡怀宇* , 于 毅, 黄战华, 司 骞, 于文铮
( 天津大学精密仪器与光电子 工程学院, 光电信息技术科学教育部重点实验室, 天津 300072)
I ( H) = A + B cosH
( 2)
将 I ( H) 按 M aclaurin 公式展开成幂级数, 并略去 4 阶
及后面无穷小项可得

第４０卷　第５期中　国　激　光Ｖｏｌ．４０，Ｎｏ．５２０１３年５月ＣＨＩＮＥＳＥ　ＪＯＵＲＮＡＬ　ＯＦ　ＬＡＳＥＲＳ　Ｍａｙ，２０１３基于互相关算法的激光条纹中心提取刘　振　李　声　冯　常（中国科学院光电技术研究所，四川成都６１０２０９）摘要　线结构光三维测量中，光条中心点提取的准确度和精度直接影响最终测量结果的精确度。

针对现有激光条纹中心提取方法抗干扰能力强、稳健性好与计算量大之间的矛盾，提出了一种互相关中心条纹提取方法。

利用梯度阈值自动分割出有效光条区域，将赋予不同权值的互相关系数与相对应的光条纹灰度值进行互相关运算，以互相关极大值对应的条纹作为初始光条纹中心，通过曲线拟合的方法对条纹中心进行精确定位。

以互相关值大小作为条纹中心点是否存在的评判依据，利用相邻光条中心点间的灰度、位置相似性约束消除噪声影响。

实验结果表明，该算法条纹提取精度较高，满足实时性要求。

同当前算法相比，互相关算法简单实用、稳健性好、抗噪声能力强，且对断线条纹具有很强的修补能力。

关键词　机器视觉；条纹中心；互相关算法；精确度；稳健性；梯度阈值中图分类号　ＴＰ３９１ 文献标识码　Ａ ｄｏｉ：１０．３７８８／ＣＪＬ２０１３４０．０５０８００４Ｌａｓｅｒ　Ｓｔｒｉｐｅ　Ｃｅｎｔｅｒ　Ｅｘｔｒａｃｔｉｏｎ　Ｂａｓｅｄ　ｏｎ　Ｃｒｏｓｓ－Ｃｏｒｒｅｌａｔｉｏｎ　ＡｌｇｏｒｉｔｈｍＬｉｕ　Ｚｈｅｎ　Ｌｉ　Ｓｈｅｎｇ　Ｆｅｎｇ　Ｃｈａｎｇ（Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｏｐｔｉｃｓ　ａｎｄ　Ｅｌｅｃｔｒｏｎｉｃｓ，Ｃｈｉｎｅｓｅ　Ａｃａｄｅｍｙ　ｏｆ　Ｓｃｉｅｎｃｅｓ，Ｃｈｅｎｇｄｕ，Ｓｉｃｈｕａｎ６１０２０９，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ　Ｉｎ　ｌｉｎｅ　ｓｔｒｕｃｔｕｒｅｄ　ｌｉｇｈｔ　ｖｉｓｉｏｎ　ｍｅａｓｕｒｅｍｅｎｔ，ｔｈｅ　ｅｘｔｒａｃｔｉｏｎ　ａｃｃｕｒａｃｙ　ａｎｄ　ｐｒｅｃｉｓｉｏｎ　ｏｆ　ｔｈｅ　ｌｉｇｈｔ　ｓｔｒｉｐｅ　ｃｅｎｔｅｒｐｏｉｎｔ　ｄｉｒｅｃｔｌｙ　ａｆｆｅｃｔｓ　ｔｈｅ　ｆｉｎａｌ　ａｃｃｕｒａｃｙ　ｏｆ　ｔｈｅ　ｍｅａｓｕｒｅｍｅｎｔ　ｒｅｓｕｌｔｓ．Ｔｈｅ　ｃｏｎｔｒａｄｉｃｔｉｏｎ　ｂｅｔｗｅｅｎ　ｈｉｇｈ　ｃａｐａｃｉｔｙ　ｏｆ　ａｎｔｉ－ｉｎｔｅｒｆｅｒｅｎｃｅ，ｇｏｏｄ　ｒｏｂｕｓｔｎｅｓｓ　ａｎｄ　ｉｎｔｅｎｓｉｖｅ　ｃｏｍｐｕｔａｔｉｏｎ　ｅｘｉｓｔｓ　ｉｎ　ｏｐｔｉｃａｌ　ｃｅｎｔｅｒ　ｅｘｔｒａｃｔｉｏｎ　ａｌｇｏｒｉｔｈｍ，ｓｏ　ａ　ｃｒｏｓｓ－ｃｏｒｒｅｌａｔｉｏｎ　ｓｔｒｉｐｅ　ｃｅｎｔｅｒ　ｅｘｔｒａｃｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　ｉｓ　ｐｒｏｐｏｓｅｄ．Ｔｈｅ　ｇｒａｄｉｅｎｔ　ｔｈｒｅｓｈｏｌｄ　ｉｓ　ｕｓｅｄ　ｔｏ　ｓｅｐａｒａｔｅ　ｔｈｅ　ｅｆｆｅｃｔｉｖｅ　ｓｔｒｉｐｅｓｒｅｇｉｏｎ，ａｎｄ　ｃｏｒｒｅｌａｔｉｏｎ　ｉｓ　ａｐｐｌｉｅｄ　ｂｅｔｗｅｅｎ　ｃｒｏｓｓ－ｃｏｒｒｅｌａｔｉｏｎ　ｃｏｅｆｆｉｃｉｅｎｔ　ａｎｄ　ｃｏｒｒｅｓｐｏｎｄｉｎｇ　ｇｒａｙ　ｓｃａｌｅ．Ｔｈｅ　ｓｔｒｉｐｅ　ｗｉｔｈｃｒｏｓｓ－ｃｏｒｒｅｌａｔｉｏｎ′ｓ　ｅｘｔｒｅｍｅ　ｖａｌｕｅ　ｉｓ　ｓｅｌｅｃｔｅｄ　ａｓ　ｔｈｅ　ｉｎｉｔｉａｌ　ｃｅｎｔｅｒ，ａｎｄ　ｔｈｅｎ　ｔｈｅ　ｃｕｒｖｅ　ｆｉｔｔｉｎｇ　ｍｅｔｈｏｄ　ｉｓ　ｕｓｅｄ　ｔｏ　ｒｅｆｉｎｅ　ｔｈｅａｃｃｕｒａｔｅ　ｓｔｒｉｐｅ　ｃｅｎｔｅｒ．Ｈｅｒｅ　ｔｈｅ　ｃｒｏｓｓ－ｃｏｒｒｅｌａｔｉｏｎ′ｓ　ｖａｌｕｅ　ｉｓ　ｕｓｅｄ　ｔｏ　ｅｖａｌｕａｔｅ　ｗｈｅｔｈｅｒ　ｔｈｅ　ｓｔｒｉｐｅ　ｃｅｎｔｅｒ　ｅｘｉｓｔｓ　ｏｒ　ｎｏｔ，ａｎｄ　ｔｈｅｓｉｍｉｌａｒｉｔｙ　ｃｏｎｓｔｒａｉｎｔｓ　ｏｆ　ｇｒａｙ　ｓｃａｌｅ　ａｎｄ　ｐｏｓｉｔｉｏｎ　ｉｎ　ｔｈｅ　ｎｅｉｇｈｂｏｒｈｏｏｄ　ｓｔｒｉｐｅｓ　ａｒｅ　ｅｍｐｌｏｙｅｄ　ｔｏ　ｅｌｉｍｉｎａｔｅ　ｔｈｅ　ｎｏｉｓｅ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌ　ｒｅｓｕｌｔｓ　ｓｈｏｗ　ｔｈａｔ　ｔｈｅ　ａｌｇｏｒｉｔｈｍ　ｈａｓ　ｈｉｇｈ　ｓｔｒｉｐｅ　ｅｘｔｒａｃｔｉｏｎ　ａｃｃｕｒａｃｙ　ａｎｄ　ｃａｌｃｕｌａｔｉｏｎ　ｓｐｅｅｄ．Ｃｏｍｐａｒｅｄ　ｗｉｔｈｃｕｒｒｅｎｔ　ａｌｇｏｒｉｔｈｍｓ，ｉｔ　ｉｓ　ｓｉｍｐｌｅ　ａｎｄ　ｐｒａｃｔｉｃａｌ，ａｎｄ　ａｌｓｏ　ｈａｓ　ｇｏｏｄ　ｒｏｂｕｓｔｎｅｓｓ　ａｎｄ　ｔｈｅ　ａｂｉｌｉｔｙ　ｏｆ　ａｎｔｉ－ｎｏｉｓｅ　ｒｅｐａｉｒ　ｏｎｄｉｓｃｏｎｎｅｃｔｅｄ　ｓｔｒｉｐｅｓ．Ｋｅｙ　ｗｏｒｄｓ　ｍａｃｈｉｎｅ　ｖｉｓｉｏｎ；ｓｔｒｉｐｅ　ｃｅｎｔｅｒ；ｃｒｏｓｓ－ｃｏｒｒｅｌａｔｉｏｎ　ａｌｇｏｒｉｔｈｍ；ａｃｃｕｒａｃｙ；ｒｏｂｕｓｔｎｅｓｓ；ｇｒａｄｉｅｎｔ　ｔｈｒｅｓｈｏｌｄＯＣＩＳ　ｃｏｄｅｓ　１５０．０１５５；０００．３８７０；１００．３００８；１４０．３２９５ 收稿日期：２０１２－１２－１０；收到修改稿日期：２０１３－０１－０７基金项目：中国科学院西部之光“人才培养”基金（Ａ１１Ｋ００７）资助课题。

基于系统空间结构约束的多线结构光条纹中心线提取方法毛雪忆;李文国
【期刊名称】《电子科技》
【年(卷),期】2022(35)3
【摘要】线结构光测量系统容易受到环境光干扰从而影响条纹中心线的提取。

通过对系统空间结构约束的分析,文中提出一种多线结构光条纹中心线的提取方法。

该方法分为标定和测量两个阶段,在标定阶段求出中心线的偏移量和偏移系数;在测量阶段中,分别在有环境光和无环境光时求得条纹中心线的三维世界坐标。

通过平面和曲面拟合实验测量精度,并与Steger算法进行对比。

实验结果表明,当存在环境光时,斜平面拟合得到的误差值小于0.007 mm,曲面拟合得到的百分比相对误差小于1.2%;无环境光时,圆柱体高度拟合相对误差小于0.7%,说明本文算法精度优于Steger算法。

【总页数】9页(P16-24)
【作者】毛雪忆;李文国
【作者单位】昆明理工大学机电工程学院
【正文语种】中文
【中图分类】TN249;TN99
【相关文献】
1.基于Hessian矩阵的线结构光中心线提取方法研究
2.结构光条纹中心线的鲁棒提取
3.基于结构光的大锻件尺寸测量中光条纹中心线提取方法
4.基于焊缝图像信息的光条纹中心线提取
5.基于焊缝图像信息的光条纹中心线提取
因版权原因，仅展示原文概要，查看原文内容请购买。