m0_62919535的博客

线激光条纹中心线提取的精度和速度是线激光三维测量技术的关键，针对现有的激光条纹中心提 取方法在速度快和精度高之间的矛盾，提出一种改进细化法的线激光条纹中心线提取方法。首先对图像进行 滤波操作，阈值分割，再基于改进的细化算法，对提取中心进行冗余去除和补线处理，实现了线激光条纹中心快速和高精度的提取。通过实验结果表明，相比灰度重心法，所提方法在精度上提高近 1 倍，相较于 Steger 算法，在运行速度上提高近 15 倍。因此，所提算法具有复杂度低，且具有提取速度和精度高的优点。

线激光条纹中心提取是实现线激光相机三维扫描的关键，根据激光三角测量法研制了线激光相机，基于传统 Steger 法对其进行优化并提出一种适用于提取线激光相机光条中心的方法。对图像进行预处理，结合 Canny 算子找出光条边缘，求取光条边缘极值并计算确定ROI区域，利用高斯滤波处理提取后的图像，利用 Hessian 矩阵求取光条中心法线方向，在法线方向进行二阶泰勒展开确定光条中心点，最后对中心点连接并平滑处理，实现中心线精确提取。

针对复杂物体动态三维测量中条纹图像过曝光、欠曝光以及环境光照干扰引起激光中心线提取速度慢、提取 不准确的问题，提出一种基于深度学习语义分割技术的光条中心线提取方法,该方法使用改进的 UNet++模型进行图像分割,粗提光条中心区域,得到1~2个像素宽度的光条中心线,再利用灰度重心法精确提取亚像素中心。经实验证明，该方法能够有效克服因光条图像曝光不均以及外部干扰噪声带来的不良影响，准确、快速地提取出了复杂物体完整、光滑的亚像素光条中心线,满足工业中动态三维测量的要求。

Steger算法python实现，对结构光进行光条中心提取时，Steger算法是以Hessian矩阵为基础的。这里面的u，v表示的就是像素的行坐标和列坐标，代表像素的灰度也可以称之为灰度分布函数。而和都可以通过与二维高斯函数卷积运算得到。在这里，二维高斯函数，其主要作用是为了让光条灰度分布特性更加明显，在G(u,v)表达式中，是标准差，一般取，W代表光条宽度。在像素(u,v)处的Hessian矩阵有两个特征向量，其中一个绝对值较大，为该像素处的法线方向向量，而另外一个则是切向方向向量。

前段时间我将网上最大内切圆算法进行了代码的整理，原先博主上传的代码稍微有点乱，可能也是它自己使用，大家可以看这篇整理好的：最大内切圆算法计算裂缝宽度。一个圆与给定的多边形或曲线的每一条边或曲线都相切的圆。而我们就是需要计算的是给定图像的轮廓的最大内切圆，也就是与轮廓的每一条边都相切的圆中直径最大的圆。这样直径就是我们的轮廓的宽度了。既然要求轮廓的内接圆，从圆的特点来说，想要唯一的确定一个圆，就是要知道它的圆心和半径。好的，那现在的问题就从求取轮廓的内接圆，巧妙地转变成求取某个点和一个多边形的距离和关系。

最大内切圆算法求裂缝宽度。使用的方式是通过从给定的轮廓中提取点，并使用二分法来查找最大内切圆的半径。它通过在多个采样点上尝试不同的半径大小，验证这些半径是否有效来确定最大内切圆。最后，绘制了找到的最大内切圆以及相关的轮廓，这个博主实现的算法可以用，但这个算法加在ui里面还是稍微的比较卡，在我看来这里其实是不用这么多的，这个算法还有其他的方法去实现，后面我会单独出一篇，毕竟这个是一个新的创新点。我觉得这位博主应该是上传了一个代码草稿，我对其进行了重新整理，并添加了详细的注释。

这一部分主要面对网状裂缝，上一节判断裂缝走势的时候，我们就讲到了可以使用裂缝面积去衡量受损程度，而想网状裂缝这种明显需要修补的，其可以求解的也只有面积了。请需要明白的是一点是这里统计计算的是图像像素个数，实际还要涉及到相机参数，本文这里暂不考虑。图像中裂缝(白色)的个数:1831后面我用ps统计了一次，与计算所得符合。np.count_nonzero这个函数是用于统计数组中非零元素的数量，在opencv中你可以使用cv2.countNonZero()进行替代，效果都是相同的。

裂缝类型有很多种，这里我们仅仅判断线性裂缝与网状裂缝，线性裂缝按照其走势有可分为横向裂缝、纵向裂缝和斜向裂缝。我觉得大家应当有这样的意识，面对网状裂缝，它的二维参数是否有意义？答案是没有！如果检测到网状裂缝，我想大家的第一反应是比较严重了，需要修补了。如果是一条线性裂缝呢？我是不是还有考虑一下它的受损程度是否达到需要修补的地步。所以按照我的想法，可以求网状裂缝的面积，评估其受损程度，求线性裂缝的面积、长度和宽度，评估其受损程度。

zhang-suen是一种应用较广的细化算法，也是骨架提取算法常用的算法。输入是一个二值化图像，零点表示背景，非零值表示前景。算法的目标是细化前景物体的边缘。Zhang-Suen 算法包含两个迭代步骤，通常会交替执行直到不再发生任何改变。这两个步骤是：第一步，算法会遍历图像的每个像素，对于前景色将会检查是否满足一下条件。如果以上条件全部满足，那么将当前像素标记为黑色如果以上条件全部满足，那么将当前像素标记为黑色（背景）。迭代步骤1和步骤2将交替执行，直到不再有像素可以被删除。

这一节，我们需要去整合一下前面的代码，在进行长度和宽度的测量时，需要裂缝的类型、个数、面积的帮助。这一章是本专栏的核心部分。以上代码我均试过，由于本人能力有限，看不懂代码，最终还是没有采用，使用的是最普通检测宽度的方法，即求得骨架总长度后，用总面积求取平均宽度。