4位格雷码的顺序编码_格雷码编码 解码 实现（Python）

作者：曹博

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