基于MATLAB的散斑图像处理方法

陈秀艳, 张 楠, 高 朋

(沈阳师范大学 物理科学与技术学院, 沈阳 110034)

0 引 言

数字图像处理又被称为计算机图像处理[1],是一种将图像信号转换为数字信号存储到计算机中的技术,其处理过程主要包括增强、除噪、分割、复原、编码、压缩和提取特征等。这种数字处理技术精度高、处理内容丰富并且可处理复杂的非线性问题,被广泛应用于各种领域。王皓石[2]利用混沌理论和方法获取了二维、三维混沌吸收子,为图像处理技术的发展提供了新思路。在滤波处理的研究中,更是出现了很多不同的方法。唐晨等[3]根据选择退化模型和变分法构造了方向偏微分方程,是滤波方法重要的转折点。李欣[4]基于噪声概念提出一种新的除噪方法,认为噪声是相对的、局部的,需要给定一定的阈值去判断该像素是否属于噪声,更加准确地进行了图像的部分保留和去除。王鑫[5]采用正余弦滤波算法和反正切变换,有效地滤去了噪声,使得后续解包裹操作更加顺利,也提高了测量相位的精度。吴双乐等[6]依据条纹区域的特征,对比多种常规的边缘检测方法,提出一种以二阶梯度熵函数为基础的条纹区域自动提取判定函数,确定了检验子区熵的最佳尺寸区间,并完成了对条纹区域的自动提取。

由此看来,在图像增强、滤波、细化等方面,研究方法种类繁多,这也导致图像处理结果在条纹清晰度和噪声分布方面略有差异[7]。但大部分学者只针对某一过程进行比对和分析,本文则利用MATLAB[8]工具依次在图像增强过程中使用像素增加、对数变换、取反变换和分段线性变换的方法,在滤波过程中分别采用高斯滤波、中值滤波和均值滤波对图像进行处理,在开闭操作过程中选用不同阈值的闭操作[9],从而得到细化后的条纹图像,通过对比各种方法处理后的图像效果,分析并总结得出一种较为有效的图像处理方法。

1 散斑实验光路

图1为激光散斑实验光路图, 激光由激光器发出, 经过扩束镜后形成有一定发射角的发散光, 再通过透镜变为准直光束, 照射到固定在螺旋测微器上的毛玻璃(可通过调节螺旋测微器来达到毛玻璃微小位移[10]的目的), 最后由CCD(charge-coupled device)摄像头拍摄毛玻璃移动前后形成的散斑图像[11]。

图1 激光散斑实验光路图Fig.1 Optical path diagram of laser speckle experiment

2 散斑图像处理

2.1 图像叠加

对比CCD获取毛玻璃移动前后的散斑图。为了使实验结果更加准确,可在计算机中存储几组不同位移下的数据,但本文主要研究图像储存后的处理问题[12],因此,仅拿一组图像(图2和图3)展开探究,利用MATLAB工具使以上2幅图像叠加得到如图4所示的叠加散斑图。

图2 移动前的散斑图

图3 移动后的散斑图Fig.3 Moving speckle pattern

图4 图像叠加的条纹图

2.2 图像增强

常见的图像增强方式是直接处理散斑叠加图像,这里选取4种强化操作过程:一是线性变换(增加像素)。将图像中的全部像素点增加同一个阈值,目的是可以使整张图片变得更亮,观测到一些隐藏在暗处的信息。二是对数变换。利用灰度变换函数扩展图像中的灰度值区域,压缩高灰度值区域,以此达到增强低灰度部分的目的,其中高低灰度值的划分范围由学者自行调整,通过改变输入的阈值而改变增强的力度。三是取反变换。反运算就是将原本白的区域变为黑的区域,原本黑的区域变为白的区域。四是分段线性变换。通常用于突出某些目标区域或抑制不需要的灰度部分,一般采用三段式线性变换法,可通过调整函数的分段范围和分段函数的斜率来控制图像处理的位置和处理的效果,此方法多用于二值图像中存在噪声的情况,但通常变换后图像的灰度值减少,导致图像中某些细节消失,处理后的结果如图5～8所示。

图5 像素加100Fig.5 Pixel plus 100图6 对数Fig.6 Logarithmic图7 取反Fig.7 Inverse图8 分段线性Fig.8 Piecewise linear

2.3 滤波处理与二值化处理

常见的滤波有中值滤波、均值滤波和高斯滤波。为了选取更好的图像处理方式,选取上述效果较好的图像,如像素增加、对数变换、取反操作后的图像进行3种滤波处理,对比结果见表1。

表1 图像增强处理后的不同种滤波结果汇总Table 1 Summary of different filtering results after image enhancement processing

当滤波处理效果不理想时,为了增强图像特点,还可以采取二值化的手段进行图像信息处理。二值化为MATLAB中自带函数,操作简单,可根据图像灰度值自动调节二值化阈值完成图像处理。将以上3种操作后的图像全部二值化作对比,处理结果如图9～11所示。

图9 像素加100Fig.9 Pixels plus 100图10 对数变换Fig.10 Logarithmic transformation图11 取反Fig.11 Inverted

通过对比可知,线性变换(像素加100)后再进行二值化的效果最为理想,条纹更加清晰,噪点相对于条纹分布较少,且像素增强的阈值可根据条纹特点进行更改。

2.4 开闭操作

开闭操作属于形态学操作[13],是基于形状的一系列图像处理操作,将结构元素作用于输入图像以产生输出图像。形态学操作主要包括膨胀、腐蚀、开、闭,简单来说,膨胀会使图像“变胖”,而腐蚀会让图像“变瘦”。其中开操作指的是先腐蚀再膨胀,目的为去除孤立的小点、毛刺和小桥(连通2块区域的小点)而总位置和形状不变;闭操作指的是先膨胀再腐蚀,目的为能填平小孔、弥合小孔补缝而总的位置和形状不变。根据研究得到散斑图像特点,需先将图像中空洞填补上再进行图像细化,所以首选闭操作进行处理,处理结果见表2。

表2 不同增强处理后的开闭操作结果Table 2 Opening and closing operation results after different enhancement treatments

对比以上几组图像可以发现,像素增加后的闭操作得到的数据最为清晰,不过依旧有空洞较大的问题。针对此问题,将对像素加100后的图像进行更深入的研究,通过设置不同的阈值进行闭操作。当阈值设置为0.7时,图像效果最为理想;当阈值过大,图像条纹连接在一起,条纹中心不易提取;当阈值过小时,条纹中空洞过多,不易连接成条纹,影响骨架提取[14]。

骨架提取是提取目标在图像上的中心像素轮廓,简单地说,就是以目标中心为准,对目标进行细化[15],一般细化后的目标都是单层像素[16]宽度,包括对图像进行灰度处理(图12)、二值化处理(图13)、去噪处理(图14)、骨化处理(图15)和去毛刺处理(图16)。

图12 灰度图Fig.12 Gray scale图13 二值化Fig.13 Binarization图14 去噪后图像Fig.14 Denoised image图15 骨化图像Fig.15 Ossification image图16 去毛刺Fig.16 Burring

由图12～16可知,骨化后的图像毛刺较多,不利于条纹间距的提取,可再进行一次去毛刺的操作,得到较为理想的条纹效果,即可根据需要进行间距提取。

3 结 语

本文在图像增强、滤波和开闭操作中利用MATLAB的不同处理方法得到了不同质量的条纹图像。通过对比像素增加、对数变换、取反变换和分段性变换这几种增强图像的效果,发现像素增加方法更有利于后期二值化的处理;采用均值滤波、中值滤波、高斯滤波和直接二值化的方法分别对增强后的图像进行处理,结果表明直接二值化的条纹图样更加清晰;又比对了不同阈值后的膨胀、腐蚀处理效果,发现阈值为0.7的闭操作使得条纹更加连贯,同时为处理图像做了良好的准备。综上所述,经过相加、像素增加、二值化、闭操作和骨架提取后的条纹图像更有利于此后条纹间距的测量。