格雷码编码+解码+实现（Python）

点击上方“计算机视觉工坊”，选择“星标”

干货第一时间送达

01 二值码
02 格雷码编码
2.1 编码优点
2.2 编码生成
2.3 递归生成
2.4 二值码转换
2.5 编码图
03 格雷码投影
3.1 投影图案生成
3.2 DLP投影图像
04 格雷码解码
4.1 全局/局部灰度阈值法
4.2 多幅图像阈值法
4.3 特殊情况
05 参考文献

01 二值码

先来说结构光中最简单的情况，时域上的编码，由于极线约束的关系，我们只需要在单方向上进行编码即可，我们以最简单的两灰度级三位二进制码为例，这里有个区域，其中亮区域对应编码1，暗区域对应编码0，假设现在我们向被测物顺序投射三幅二进制编码图案，如下所示：

图1 二进制码的编码与解码原理

现在，对于这些区域，对应的编码如下：

这些区域都被我们编码起来了，没毛病！但是这样的编码虽然很简单，但是存在问题！如果和格雷码一比，你一定一眼就可以发现。

02 格雷码编码

2.1 编码优点

二进制编码缺点：相邻区域的编码的位数变化太多了！

那这会带来什么问题？当然，在相机拍照清晰的情况下，这种编码方式当然不会出现任何问题。但问题就出现在，相机拍摄到的黑白相间的边界点往往是一个过渡灰度，很容易导致解码错误（0->1 or 1->0），这是自然二进制编码解码最容易出错的点。而格雷码最大的特定是相邻数字编码只相差一位，它们的对比如下所示：

这有什么优点呢？格雷码出错的概率更小，因为相邻区域的编码只有一位差异，有两种情况，假设编码只有一位差异，这一位错误编码出现在：

• 非差异位：对这类编码错误，我们完全可以进行补救，因为相邻两个像素的编码应该是大部分相同的，我们可以对相邻两个像素的编码进行纠正，而二进制码可没有这个编码纠正机制；

• 差异位：那无非是差一个像素而已，这时候我们无法区分这两块区域；

举个例子，对001（1）区域，它最容易出现错误的区域是黑白相间的边界处，错误的编码：011：

• 二值码：3区域，差2个像素；

• 格雷码：2区域，差1个像素，

另外，在编码的最后一幅图像里，条纹都是非常细的，以上面3位编码为例，查看编码最后位，如果是：

• 二值码：01010101

• 格雷码：01100110

由于漫反射的原因，通常容易出错的地方是黑白交错的区域解码，当条纹在最后一幅很细的时候，明显格雷码编码条纹更粗，可能出错的地方更少。

不论你是否理解，格雷码的主要优点就在于可以减小解码过程中的错误率，当然它依然有二值码一样的缺点，主要在于在选取位数较多的时候，最后几幅图的格雷码条纹会非常细，不容易分辨，因而我们通常只选取4位格雷码进行编码。这样的处理精度并不高，这也是后面我们结合相移法来进行编码、解码的主要原因。

补充：格雷码的其他应用

格雷码在传统二进制控制系统中也有广泛应用，例如数字3的表示法为011，要切换为邻近的数字4，也就是 100时，装置中的三个位元都得要转换，因此于未完全转换的过程时装置会经历短暂的，010、001、101、110、111等其中数种状态，也就是代表着2、1、5、6、7，因此此种数字编码方法于邻近数字转换时有比较大的误差可能范围。但这样的转换，对于一些追求硬件性能极限的嵌入式应用，比如说飞机的电传系统中，这样的翻转来不及转换很正常！这就很尴尬！相反，格雷码只需要一位翻转即可！

2.2 编码生成

1. 改变最右边的为值；

2. 改变右边第一个为1的位元，其左边位元值；

   <