王福斌，王宜文，王尚政

(1.華北理工大學(xué) 電氣工程學(xué)院，河北 唐山 063210；2.華北理工大學(xué) 以升創(chuàng)新教育基地，河北 唐山 063210)

0 引言

近年來(lái)，隨著科學(xué)研究逐漸擴(kuò)展到微觀維度，精密儀器加工成為各個(gè)領(lǐng)域發(fā)展的新關(guān)注點(diǎn)，為了保證精確到微納尺寸的加工速度與精度，需要利用圖像實(shí)現(xiàn)實(shí)時(shí)測(cè)量與分析[1，2]。叉指電極是一種典型的微尺度的電子元件，作為傳感器被廣泛應(yīng)用于生化領(lǐng)域。叉指電極性能表達(dá)的重要指標(biāo)之一就是電極間距，然而由于其尺寸大小無(wú)法使用肉眼分辨。該項(xiàng)研究利用計(jì)算機(jī)視覺(jué)領(lǐng)域的研究方法，構(gòu)建了微視覺(jué)系統(tǒng)并利用其采集叉指電極數(shù)字圖像，對(duì)圖像進(jìn)行一系列處理后，獲得叉指電極每條電極絲的中心線，進(jìn)而對(duì)該中心線間距進(jìn)行測(cè)量即可獲得叉指電極尺寸。

1 微視覺(jué)系統(tǒng)構(gòu)建及圖像采集

1.1 微視覺(jué)系統(tǒng)的構(gòu)成

微視覺(jué)系統(tǒng)能夠穩(wěn)定地實(shí)現(xiàn)對(duì)微尺度圖像的全面獲取與實(shí)時(shí)傳輸。該系統(tǒng)使用了由遠(yuǎn)心鏡頭及工業(yè)相機(jī)組成的成像主體，遠(yuǎn)心鏡頭可以承擔(dān)高倍率放大的功能，而工業(yè)相機(jī)則能選用高倍率實(shí)時(shí)傳輸?shù)腃CD相機(jī)，用以維持圖像采集時(shí)一定放大倍率下的精度。

其他配件則需要與相機(jī)和鏡頭進(jìn)行配合，首先將高精度xy軸移動(dòng)平臺(tái)固定在光線充足的光學(xué)平臺(tái)上，將精密定位載物臺(tái)搭載其上，載物臺(tái)上可放置待采集的微尺度結(jié)構(gòu)目標(biāo)；隨后將高精度遠(yuǎn)心鏡頭組裝在微視覺(jué)相機(jī)上，使用支架將相機(jī)固定在合適位置，根據(jù)載物臺(tái)及物體位置使用齒輪齒條移動(dòng)臺(tái)隨時(shí)調(diào)整位置；微視覺(jué)相機(jī)則可采用GigE接口、通過(guò)CAT5e網(wǎng)線與工控機(jī)相連，實(shí)現(xiàn)數(shù)字圖像的實(shí)時(shí)傳輸，并通過(guò)工控機(jī)上的軟件對(duì)數(shù)字圖像進(jìn)行處理。即可通過(guò)工控機(jī)上相關(guān)軟件對(duì)圖像進(jìn)行簡(jiǎn)單處理。微視覺(jué)圖像采集系統(tǒng)示意圖及實(shí)物如圖1所示。

圖1 微視覺(jué)系統(tǒng)示意圖

1.2 微視覺(jué)系統(tǒng)標(biāo)定

此微視覺(jué)系統(tǒng)基于單目微視覺(jué)相機(jī)，其景深較小，故可將其圖像空間視作同一個(gè)平面?？臻g之內(nèi)各點(diǎn)之間的深度值相同，測(cè)距需要確定標(biāo)定焦距以及比例系數(shù)，需要選擇適宜的標(biāo)定方法完成標(biāo)定[3]。

標(biāo)定過(guò)程可以線紋標(biāo)定板，按照相應(yīng)物理關(guān)系確定實(shí)際距離與像素距離的比例。圖2為10 μm線紋標(biāo)定圖像。測(cè)量線紋標(biāo)定板圖像的像素距離，可以得到一個(gè)距離d，此標(biāo)定板的實(shí)際距離則是s，假設(shè)待測(cè)圖像的像素距離與實(shí)際距離分別為d1和s1，他們的關(guān)系如下式(1)：

(1)

由此可知s/d的值是一個(gè)作為“比例尺”的系數(shù)，經(jīng)過(guò)計(jì)算可以將像素距離轉(zhuǎn)化為實(shí)際距離。

圖2 10 μm線紋標(biāo)定圖像

1.3 微尺度目標(biāo)圖像采集

將叉指電極放置于精密定位載物臺(tái)的正中，打開光源，調(diào)節(jié)齒輪齒條對(duì)微視覺(jué)相機(jī)的位置進(jìn)行調(diào)整，首先得到電極模糊的整體圖像，再分別調(diào)校粗細(xì)準(zhǔn)焦螺旋，獲得清晰的圖像。該微視覺(jué)圖像采集系統(tǒng)視場(chǎng)較小，可通過(guò)平移載物臺(tái)實(shí)現(xiàn)圖像的完整采集，圖3為叉指電極局部圖像采集效果。

圖3 叉指電極圖像

2 圖像拼接算法及實(shí)現(xiàn)

圖像采集結(jié)束后，經(jīng)過(guò)對(duì)圖案的條紋進(jìn)行分割可知，部分圖像無(wú)法得到可以有效進(jìn)行間隔測(cè)量的條紋，所以應(yīng)當(dāng)對(duì)圖像進(jìn)行拼接，使之從圖像尺寸上更適合進(jìn)行圖像測(cè)量，而圖像拼接是指對(duì)之前的圖像采集系統(tǒng)所采集的局部圖像，經(jīng)過(guò)某種處理，將不同幾塊具有重合部分的局部進(jìn)行拼接得到完整的圖像的一種手段。

圖像拼接首先要進(jìn)行圖像預(yù)處理，然后進(jìn)行圖像配準(zhǔn)以及圖像融合。圖像預(yù)處理主要是對(duì)圖像進(jìn)行降噪和光線及傾斜校正等，為了使后續(xù)過(guò)程的配準(zhǔn)能夠更好地實(shí)現(xiàn)，即將重合部分對(duì)應(yīng)的更好，圖像配準(zhǔn)則是將圖像的特征進(jìn)行配準(zhǔn)，兩兩對(duì)應(yīng)，最終使用圖像融合手段將兩幅或多幅圖像完成融合。

2.1 SIFT圖像配準(zhǔn)算法

SIFT算法是一種基于特征的圖像配準(zhǔn)算法，該算法的功能是在相應(yīng)空間域中通過(guò)極值點(diǎn)來(lái)識(shí)別和表示某些具有比對(duì)意義的局部特征，特征識(shí)別后能夠確認(rèn)其位置尺度以及旋轉(zhuǎn)不變量，具有容錯(cuò)率高且抗干擾能力強(qiáng)的優(yōu)點(diǎn)[4]。SIFT算法的步驟如下：

(1)圖像金字塔

L(x,y,σ)=G(x,y,σ)*I(x,y)

(2)

在此運(yùn)算當(dāng)中高斯模糊參數(shù)的變化應(yīng)當(dāng)保證連續(xù)性。在開始時(shí)需要注意由一個(gè)組最初變化到第2個(gè)組時(shí)，數(shù)值由第1組的倒數(shù)第3層直接進(jìn)行降采樣生成；而對(duì)于在組內(nèi)變化的圖像則是從第1層開始，連續(xù)使用的σ進(jìn)行運(yùn)算，取得模糊值生成。

金字塔組數(shù)使用下式(3)進(jìn)行計(jì)算：

(3)

其中M、N分別表示待拼接圖像的行數(shù)以及列數(shù)。

(2)關(guān)鍵點(diǎn)檢測(cè)及定位

其一，首先對(duì)空間尺度函數(shù)式(4)進(jìn)行求極值點(diǎn)操作，并將取得的極值點(diǎn)代回原式，得式(5)：

(4)

(5)

(3)關(guān)鍵點(diǎn)方向分配

再為配準(zhǔn)選取特征點(diǎn)，除了具備位置信息還應(yīng)具備方向信息，所以要根據(jù)圖像中像素點(diǎn)的變化所得到的梯度方向表達(dá)式，為待拼接圖像特征點(diǎn)分配方向。同樣根據(jù)3σ原理，在這個(gè)鄰域內(nèi)對(duì)金字塔中各個(gè)組別的特征點(diǎn)表示向量模值及方向?yàn)槭?6)：

(6)

上述兩式表示在(x,y)處的模值及相應(yīng)公式，而L代入的則是每個(gè)關(guān)鍵點(diǎn)各自的尺度信息。

完成上述特征點(diǎn)的梯度計(jì)算后，需要對(duì)特征點(diǎn)的兩大關(guān)鍵指標(biāo)做統(tǒng)計(jì)，常常使用梯度直方圖進(jìn)行統(tǒng)計(jì)。梯度直方圖將的方向范圍分為36個(gè)區(qū)間，其中每個(gè)區(qū)間的尺度為。距離矩中心點(diǎn)較遠(yuǎn)的鄰域?qū)τ谥狈綀D的分組貢獻(xiàn)也較小。根據(jù)式(6)對(duì)每個(gè)區(qū)間進(jìn)行模值求和，和最大的角度區(qū)間具有最大影響力，此方向確定為關(guān)鍵點(diǎn)的主方向。

(4)特征點(diǎn)的配準(zhǔn)

此時(shí)，對(duì)于待拼接的圖像分別能夠得到特征點(diǎn)及特征向量，對(duì)于這兩者按照歐氏距離進(jìn)行匹配，即可完成圖像特征點(diǎn)的配準(zhǔn)，按照配準(zhǔn)結(jié)果進(jìn)行圖像融合，圖像配準(zhǔn)及融合后的效果圖如圖4所示。

圖4 SIFT圖像配準(zhǔn)及拼接結(jié)果

2.2 SURF特征點(diǎn)描述與提取

圖像的SURF特征點(diǎn)配準(zhǔn)(Speeded up robust features,加速穩(wěn)態(tài)特征)同上文所述的SIFT算法都具有尺度、旋轉(zhuǎn)不變的性質(zhì)，該算法是對(duì)SIFT的某些方面進(jìn)行改進(jìn)，兼具穩(wěn)定性與執(zhí)行效率兩大優(yōu)點(diǎn)。

SURF算法相對(duì)于SIFT算法在特征提取及特征點(diǎn)描述方面都進(jìn)行了一定的改進(jìn)，主要體現(xiàn)在圖像尺度空間的構(gòu)建中使用了黑塞矩陣，生成了用于特征提取的特征極值點(diǎn)，能夠更好地識(shí)別出圖像邊緣的突變點(diǎn)，能夠提升關(guān)鍵點(diǎn)定位的效率與準(zhǔn)確性[7]。

使用SURF算法為特征點(diǎn)分配方向，應(yīng)選取的方向指標(biāo)為haar小波特征，在鄰域內(nèi)統(tǒng)計(jì)小波特征。選取特征點(diǎn)的一個(gè)圓形鄰域，單次測(cè)量以60°的扇形為單位統(tǒng)計(jì)，不斷旋轉(zhuǎn)扇形并分別對(duì)水平與垂直方向上的harr特征求和。隨后將扇形弧度調(diào)整為0.2，旋轉(zhuǎn)該區(qū)域并再次統(tǒng)計(jì)，擇求和結(jié)果數(shù)值最大區(qū)域的方向賦給特征點(diǎn)，如圖5所示：

圖5 圓形鄰域方向分配示意圖

使用SURF生成關(guān)鍵點(diǎn)描述子，將為上述特征點(diǎn)分配的主方向作為核心，取邊長(zhǎng)為4的正方形區(qū)域作為子區(qū)域，分別對(duì)子區(qū)域中的像素的4個(gè)方向特征向量做小波上述特征統(tǒng)計(jì)，經(jīng)過(guò)計(jì)算共可以生成64維的SURF描述子，數(shù)量?jī)H為SIFT算法的一半，大大節(jié)省了時(shí)間。

圖像使用該方法配準(zhǔn)及融合后的處理結(jié)果如圖6所示。

圖6 SURF圖像配準(zhǔn)及拼接結(jié)果

3 圖像中心線提取

完成對(duì)采集圖像兩兩拼接后，圖像的條狀電極數(shù)量增多，對(duì)于在圖像分割提取中心線的過(guò)程可能造成的誤差有了更高的容錯(cuò)率。對(duì)于拼接后的圖像，進(jìn)行圖像二值化處理，隨后進(jìn)行圖像的開運(yùn)算，最終使用骨架法提取圖像中電極區(qū)域的中心線[8，9]。

首先，對(duì)圖像形態(tài)學(xué)處理，進(jìn)行先腐蝕和后膨脹的開運(yùn)算，將當(dāng)前圖像的邊緣進(jìn)行處理，使之更加清晰與鋒利；對(duì)上述圖像采取拓?fù)浣Y(jié)構(gòu)細(xì)化的方法進(jìn)行中心線提取，使用形態(tài)學(xué)處理不斷對(duì)圖案從兩側(cè)進(jìn)行腐蝕，遵循迭代處理的原則，即可保證兩側(cè)最終得到單像素的中心線[10]。這樣在獲得中心線的過(guò)程當(dāng)中，可以保證電極之間的距離不發(fā)生改變，即可以使用中心線間距代表電極的間距。開運(yùn)算處理結(jié)果與中心線分別如圖7、圖8所示：

圖7 圖像形態(tài)學(xué)處理

圖8 中心線提取

4 HALCON圖像測(cè)量及結(jié)果

HALCON是一個(gè)功能強(qiáng)大且應(yīng)用廣泛的圖像處理軟件，其中包含了形態(tài)學(xué)計(jì)算分析等基本的幾何以及圖像計(jì)算功能。該項(xiàng)研究選擇HALCON的測(cè)量助手進(jìn)行操作，測(cè)量助手的設(shè)置內(nèi)容通過(guò)輸入、邊緣和模糊分別顯示，能夠完成對(duì)于測(cè)量參數(shù)設(shè)定的各項(xiàng)需求，并可以通過(guò)結(jié)果選項(xiàng)卡顯示測(cè)量結(jié)果并生成代碼。

首先在圖像當(dāng)中繪制出相對(duì)于中心線的垂線，此時(shí)軟件能夠自動(dòng)檢測(cè)并顯示出每一段待測(cè)線段，如圖9所示。

圖9 待測(cè)距離示意圖

通過(guò)確認(rèn)邊緣選項(xiàng)卡中選定的ROI區(qū)域，可以設(shè)置較大的邊緣幅度以及較大的平滑度，勾選邊緣組對(duì)后，即可在結(jié)果選項(xiàng)卡當(dāng)中顯示測(cè)距結(jié)果，其中單像素的線段也具有線寬，測(cè)量結(jié)果如表1所示。

表1 測(cè)量結(jié)果

5 結(jié)論

使用微視覺(jué)圖像采集系統(tǒng)對(duì)于叉指電極的圖像進(jìn)行采集，實(shí)現(xiàn)了微小尺度的圖像的特征點(diǎn)配準(zhǔn)拼接以及測(cè)距。經(jīng)過(guò)實(shí)驗(yàn)驗(yàn)證該算法能夠較好地完成叉指電極圖像的配準(zhǔn)與拼接，并且能夠較為方便地得到測(cè)量結(jié)果。