基于梯度法的条纹方向图求解

最新推荐文章于 2022-07-27 19:57:00 发布

简单光学

最新推荐文章于 2022-07-27 19:57:00 发布

阅读量697

点赞数

分类专栏：一、激光干涉相位成像文章标签：干涉条纹条纹方向梯度法 Orientation

本文链接：https://blog.csdn.net/qq_36584460/article/details/123669633

版权

一、激光干涉相位成像专栏收录该内容

26 篇文章 37 订阅

订阅专栏

一、背景

条纹方向（Fringe Orientation）包含着干涉条纹图自动处理所需的重要信息，是干涉条纹图的重要特征。在高精度变形测量和高可靠的损伤检测技术中，都需要首先得到高精度的局部条纹方向（Local Fringe Orientation）。有学者提出了一种基于统计滤波技术的单幅干涉条纹图恢复相位技术，它首先也要得到高精度的条纹方向图。求取条纹方向图的方法有很多种，本文主要介绍梯度法。

二、梯度法原理

梯度方法是求取方向图比较简单直接的方法，其基本思想如下：

首先，用 Sobel、 Prewitt、 Roberts 等梯度算子与条纹图像卷积，获得梯度矢量场 ${{G}_{x}}+i{{G}_{y}}$ 。

然后，对梯度场做加法平滑，求取条纹方向。但如果直接对梯度场做加法平滑会有问题：将梯度矢量 ${{G}_{x}}+i{{G}_{y}}$ 表示为极坐标 $r{{e}^{i\theta }}$ 形式，若直接对梯度场做加法平滑，显而易见， $r{{e}^{i\theta }}$ 与其对称矢量 $r{{e}^{i(\theta +\pi )}}$ 会互相抵消。

为了避免这种情况，在平滑时不直接对梯度矢量做加法，而是对梯度矢量的平方 ${{r}^{2}}{{e}^{i2\theta }}$ 做加法平滑，这样 ${{r}^{2}}{{e}^{i2\theta }}$ 与其对称矢量的平方 ${{r}^{2}}{{e}^{i2(\theta +\pi )}}$ 不再互相抵消。

考虑图像上的一点 $f\left( i,j \right)$ 及其半径为r的邻域S，则S内所有梯度矢量平方之和可表示为：

${{V}_{s}}=\sum\limits_{j\in S}{{{r}_{j}}^{2}{{e}^{i2{{\theta }_{j}}}}} \tag{1}$

令 ${{V}_{s}}={{V}_{x}}+i{{V}_{y}}$ ，则

${{V}_{y}}=\sum\limits_{(m,n)\in S}{2{{G}_{x}}(m,n)}{{G}_{y}}(m,n)\tag{2}$

${{V}_{x}}=\sum\limits_{(m,n)\in S}{({{G}^{2}}_{x}(m,n)-}{{G}^{2}}_{y}(m,n))\tag{3}$

则窗口S中心像素的方向为：

$\theta (x,y)=\frac{1}{2}\arctan \left[ \frac{\sum\limits_{(m,n)\in S}{2{{G}_{x}}(m,n)}{{G}_{y}}(m,n)}{\sum\limits_{(m,n)\in S}{({{G}^{2}}_{x}(m,n)-}{{G}^{2}}_{y}(m,n))} \right]\pm \frac{\pi }{2}\tag{4}$