[发明专利]一种光栅尺条纹的边界定位方法

说明书

技术领域

本发明涉及数字图像处理应用领域，特别是一种光栅尺条纹的边界定位方法。

背景技术

名词解释：

EMD：Empirical Mode Decomposition，经验模态分解，将复杂信号分解为有限个本征模函数(Intrinsic Mode Function，简称IMF)分量，所分解出来的各IMF分量包含了原信号的不同时间尺度的局部特征信号。

在数控机床中，对绝对光栅尺编码器应用光栅尺条纹图像的边缘定位技术，从而获取物体当前的位置。由于光照以及尘埃的影响，传感器采集到的光栅尺条纹图片往往会出现不同程度的退化，比如：光栅尺条纹光照不均，含有高噪声，不同光栅尺条纹图片的打光亮暗程度不一，另外还存在光栅尺条纹发生一定角度倾斜的问题等等，这些问题使得光栅尺条纹图像的边缘定位变得相当困难。

已有的研究者提出了一些条纹图像的边缘定位方法，传统的canny边缘提取，SRM，Ncut等方法并不适用于该类条纹的图像处理，因为难以克服高噪声的影响；针对具体的工程应用，现有技术中出现了通过对比度拉伸后，采用峰谷阈值法将图像二值化，然后统计每一列黑白像素点个数，如果黑色像素点多于白色该列定为黑色，否则，定义为白色。该方法在理论上是合理且高效的，但是实际图像因光照与噪声的影响，对于二值化的图像直接采用黑白像素点个数对比的方法容易使得边缘位置发生偏移，使得亮暗条纹宽度偏离实际宽度，从而影响解码出来的光栅尺条纹位置，影响数控机床的精度。总的来说，目前还没出现比较有效的对光栅尺条纹图像进行边缘提取的方法，无法满足光栅尺编码器的测量应用需求。

发明内容

为了解决上述的技术问题，本发明的目的是提供一种光栅尺条纹的边界定位方法。

本发明解决其技术问题所采用的技术方案是：

一种光栅尺条纹的边界定位方法，包括：

S1、对光栅尺条纹图像进行灰度变换后，计算获得的灰度图像的垂直投影直方图；

S2、采用EMD算法分解垂直投影直方图，进而计算垂直投影直方图的趋势线；

S3、获取垂直投影直方图与其趋势线相等时的所有像素位置并建立索引号集合，进而将索引号集合结合初始像素位置及终点像素位置生成索引数组；

S4、计算索引数组中任意两个相邻元素的平均值，建立平均值数组；

S5、将平均值数组中的相邻两个数值作为一个区间，计算获得垂直投影直方图的二阶导数在每个区间中的最大值所对应的像素位置，进而将获得的像素位置作为光栅尺条纹图像的边缘位置。

进一步，所述步骤S1，其具体为：

对维数为M*N的光栅尺条纹图像进行灰度变换后，根据下式计算获得的灰度图像的垂直投影直方图：

其中j＝1,…,N

上式中，M表示灰度图像的行数，N表示灰度图像的列数，i，j为自然数，g_ij表示灰度图像的第i行j列的灰度值，P(j)表示垂直投影直方图的第j个元素的值。

进一步，所述步骤S2，其具体为：

采用EMD算法将垂直投影直方图分解为多个本征模函数分量，进而将分解获得的最后一个本征模函数分量与残差求和作为垂直投影直方图的趋势线。

进一步，所述步骤S2，包括：

S21、根据下式，采用EMD算法将垂直投影直方图分解为多个本征模函数分量：

上式中，P表示垂直投影直方图，i为自然数，c_i表示EMD分解后的第i个本征模函数分量，num表示分解的本征模函数分量的总个数，r表示残差；

S22、根据下式，将分解获得的最后一个本征模函数分量与残差求和作为垂直投影直方图的趋势线：

T＝c_num+r

上式中，c_num表示EMD分解后获得的最后一个本征模函数分量，T表示垂直投影直方图的趋势线。

进一步，所述步骤S3，包括：

S31、根据下式，获取垂直投影直方图与其趋势线相等时的所有像素位置并建立索引号集合：

V＝{j|P(j)＝T(j),j＝1,2,…,N}

上式中，P表示垂直投影直方图，T表示垂直投影直方图的趋势线，N表示灰度图像的列数，P(j)表示垂直投影直方图的第j个元素的值，T(j)表示趋势线的第j个元素的值，V表示索引号集合；

S32、将索引号集合结合初始像素位置及终点像素位置生成索引数组：