八角光纤端面几何参数测量算法设计

徐云洁, 陈晓荣, 徐 挺, 王原野, 王子旋

(上海理工大学光电信息与计算机工程学院, 上海 200093)

0 引言(Introduction)

随着信息化时代的到来,光纤被应用到越来越多的场合,尤其是光纤通信等方面,开展光纤端面几何参数的研究对于促进该领域的发展有着重要作用[1-3]。有关几何参数的研究中,首要步骤为测量光纤几何参数,而传统的几何参数测量方法多为人工测量,该方式费时费力且误差较大[4];实验室基础测量方法操作又较为复杂。

随着科技的发展,国内外提出了多种数字化方法对光纤端面几何参数进行检测。杨远[5]基于机器视觉设计算法,完成了对D型光纤侧面抛磨深度的测量,但测量内容较单一,且稳定性有待提升。ZHANG等[6]通过综合阈值边界提取和改进的曲线拟合算法进行截面重建,得到多芯光纤几何参数,但在边缘拟合方面仍有待改进。

为实现特殊形状光纤端面几何参数的数字化检测与计算,本文采用数字图像处理技术,设计一种基于机器视觉的八角光纤端面几何参数测量算法。测量算法经多组图像测试后,得出的数据精确度较高,符合工业需求。

1 光纤端面及几何参数简介(Introduction of optical fiber endface and geometric parameters)

光纤主要分成涂覆层、包层、纤芯等部分。八角光纤端面的中间为纤芯,其外为包层,含干扰的八角光纤端面图如图1所示。

图1 含干扰的八角光纤端面图Fig.1 Endface diagram of octagonal optical fiber with interference

本算法针对包层为八角形的光纤,检测其包层轮廓,主要测量内切圆直径(即包层直径)、对角距离等几何参数,重点研究包层部分的边缘提取、有效轮廓筛选、辅助线参数测量等内容。

2 算法实现及分析(Algorithm implementation and analysis)

2.1 实验软件及算法流程

本文使用的软件为Halcon,全称及版本号为HDevelop 18.05 Progress (64-bit)。本算法实现的功能为通过运行程序快速测量八角光纤端面几何参数。

本文采用的算法流程图如图2所示。首先进行图像预处理,其次使用亚像素轮廓检测算法,针对包层端面进行边缘提取及分割,设计有效轮廓筛选算法去除干扰轮廓,提出辅助线参数测量法,最后完成八角光纤几何参数的测量,并显示检测结果。

图2 算法流程图Fig.2 Algorithm flow chart

2.2 图像预处理及包层边缘提取

首先使用中值滤波[7]的方法对图像进行预处理,滤除采集图像时因光线和环境等因素引入的噪声。

定义输入图像的灰度值为xi,j,则有中值滤波后输出灰度值为yi,j[8]:

yi,j=med(r,s)∈W(xi+r,j+s)

(1)

其中,W为中值滤波中使用窗口的阶数。

此次我们对比分析了患者的运动能力和自理能力,结果均为观察组较优秀,说明患者的生活质量也有了很大的改善,综上所述,脑梗死伴发肢体功能障碍患者接受长期的康复护理,坚持锻炼,能够获得较好的效果,在此过程中,需要护理人员和患者家属的积极配合。让患者的肢体功能改善,促进患者生活质量提升。

中值滤波的数学表达式如公式(2)所示:

(2)

其次进行亚像素轮廓边缘提取[11-12]。本算法中,使用中值滤波后的包层部分与包层外两个区域的阈值进行计算,分别设为Tmean与Tmean_0,如公式(3)所示,定义分界点阈值T,并以此为基准将这两个区域分开,对两种背景图像进行交叉分割。可从滤波后的图像中提取出包层区域的亚像素精密轮廓,分割的结果为以亚像素形式存在的分割线。按长度筛选后,即得到八边形包层亚像素轮廓。

(3)

提取出的八角光纤包层亚像素轮廓示意图如图3所示。以此亚像素轮廓为基准,计算绘制出八角光纤包层的内切圆与外接圆,并求出对应的半径。

图3 八角光纤包层亚像素轮廓示意图Fig.3 Sub-pixel contour diagram of octagonal optical fiber cladding

2.3 有效轮廓筛选算法

在八角光纤端面几何参数测量过程中,所需轮廓为八边形轮廓的八条直边,本文提出一种有效轮廓筛选算法,将有效的包层边缘轮廓段筛选出来。

2.3.1 有效轮廓筛选

将提取出的八角光纤包层亚像素轮廓进行分割,结果如图4所示。

图4 分割后的八角光纤包层亚像素轮廓Fig.4 Sub-pixel contour diagram of segmented octagonal optical >fiber cladding

八角光纤本身可能存在不同种类的缺陷,例如光纤本身质量问题引入的缺陷、为拍摄端面图像而对光纤端面进行切割时引入的缺陷等。这些缺陷的存在可能会影响八边形亚像素轮廓,导致在提取轮廓时会出现如图5(a)所示的向内凹陷的缺陷干扰。计算每段轮廓到中心的距离,设计参数,保留距离包层中心较远的轮廓,筛选掉向内凹陷的干扰缺陷段,结果如图5(b)所示。

(a)存在向内凹陷的缺陷示意图

coun=|ro-dnmin|(n=1,2,…,N)

(4)

按照有效轮廓筛选步骤,将有效轮廓逐步筛选保留,有效轮廓筛选步骤详见表1。

表1 有效轮廓筛选步骤

2.3.2 有效轮廓再筛选

原始图像中,八角光纤的八个内角受制作工艺因素的影响,通常多为圆角,这给分离八边形直边轮廓段带来了困难。使用有效轮廓筛选算法后,仍会有如图6(a)所示的缺陷,以及无法通过算法筛除的圆角轮廓段及干扰轮廓段等。此时,需要进行再筛选操作,筛选后的结果如图6(b)所示。再筛选步骤可以有效去除形状特殊的干扰轮廓段以及较平缓的圆角轮廓段,进一步完善有效轮廓筛选结果。

(a)圆角及干扰轮廓段示意图

有效轮廓再筛选算法可将影响计算的圆角及干扰轮廓删除,保留近似于八边形的直边轮廓,方便之后以该组直边轮廓为基础,使用辅助线参数测量法测量几何参数。

2.4 辅助线参数测量法

八角光纤形状较为特殊,其几何参数的判断可以从更多的维度进行,通过测量八角光纤独有的几何参数,例如计算八角光纤包层对角顶点之间的距离(简称对角距离)等判断光纤的状态及质量等。对角距离测量示意图如图7所示。本文提出辅助线参数测量法,主要通过构造辅助线的方式求得八角光纤几何参数。

图7 对角距离测量示意图Fig.7 Diagram of diagonal distance measurement

如图8(a)所示,为了减少不平直轮廓因素的干扰,要先进行直线拟合[13]。取每条直边轮廓段的起始与终止坐标,使用数组的形式指定坐标,创建不带圆角的多边形轮廓,可有效修正直边轮廓段有凹凸部分的问题,直线拟合后的结果图如8(b)所示。

(a)直线拟合前的示意图

2.4.1 固定延长线交点

如图9所示,做一条过区域中心的水平线作为水平角度为0°的基准线l0。逆时针求得相邻直边的延长线交点,标记为A,B,C,D及与之中心对称的A′,B′,C′,D′。过交点做与区域中心的连线ls(s=1,2,…,8),求出连线ls与基准线l0的夹角,记为αs(s=1,2,…,8),若有负值则加360°将其换算成正值,并按照αs的大小进行排序。

图9 延长线交点及夹角测量示意图Fig.9 Diagram of measuring intersection points and included angles of extended lines

2.4.2 求对角距离连线

图10 八角光纤几何参数检测结果Fig.10 Detection results of octagonal optical fiber geometric parameters

3 实验结果分析(Analysis of experimental results)

表2 八角光纤几何参数测量结果

由表2可知,在随机选取三组八角光纤图,每组随机抽取五张原始图像进行测试后,通过组内对比可知,测量得到的包层直径D并无较大偏差,其对角距离的几何参数测量值的重复性也无较大偏差。重复性数据经数据处理后,平均值约为0.015 μm。

本算法依托于电缆厂测量项目,其精度需求数据如表3所示。

表3 八角光纤测试精度需求数据

对比分析表2及表3中数据可知,本文提出的算法可有效测量八角光纤端面几何参数,重复性符合项目测量精度需求及目前现行的电缆参数需求,也可以较好地测量不同八角光纤的几何参数[14]。

4 结论(Conclusion)

本文通过数字图像处理的方法,实现八角光纤端面几何参数测量的算法设计,填补了八角光纤端面几何参数测量方法的空白。主要通过亚像素轮廓检测算法提取包层轮廓,提出有效轮廓筛选算法缩小轮廓范围,使用辅助线参数测量法测量八角光纤几何参数。实验证明,本测量算法获得的重复性符合使用需求,重复性平均值约为0.015 μm,同时操作简便,数据响应速度快,能提高几何参数测量的精准度。

在后续算法设计中,应更多考虑可能发生的八角光纤端面的其他缺陷情况,完善有效轮廓筛选算法,提高程序的普适性与鲁棒性,进一步优化算法结构,提升测量精度与效率。