基于DIC-边缘检测的大尺度测量技术研究

徐飞鸿，张 樟



基于DIC-边缘检测的大尺度测量技术研究

徐飞鸿，张 樟*

(长沙理工大学土木与建筑工程学院，长沙 410004)

为研究和完善大尺寸测量技术，提出了将数字图像相关方法与边缘检测相结合的大尺度测量技术．首先，在待测结构表面待测点上粘贴预制散斑图，将结构分为若干段；然后，通过数字图像相关方法计算相邻测点间像素距离；再通过边缘检测计算边界部分像素距离；最终将像素距离转换为实际结构尺寸．本文还对大型机械进行测量，实验结果表明该方法可以实现大尺寸结构测量，也为大尺寸测量技术提供了一种新的思路．

DIC；曲面拟合；大尺寸测量；边缘识别；高斯曲面；转换系数

大尺度几何尺寸测量技术是现代测试技术中的一个重要分支，它突破传统意义上500 mm[1]的大尺度界限，可实现对尺寸大、外形不规则、移动困难的大型结构的精确几何测量．自1976年D. Marr教授提出Marr视觉理论以来，国内外学者利用图像技术，提出了多种方法来解决结构几何尺寸的测量问题．文献[2]采用双目立体视觉测量对被测物体拍摄，利用两幅图像视差重建物体的三维信息，从而实现物体空间位置的精确定位和尺寸的测量．2015年，Galetto等针对室内大中尺寸空间坐标测量问题开发了测量系统[3]——移动空间坐标测量系统(mobile spatial coor-dinate measuring system, MScMS)．MScMS-Ⅱ采用光学三角测量定位原理，测量效率高，而且受环境不利因素影响较小．2012年，张旭苹[1]提出了基于计算机视觉的大尺度三维几何尺寸测量方法，实现了在大尺度条件下，对被测物体三维几何尺寸的非接触式高速高精度稳定测量．2014年，史金龙，钱强等[4]提出了基于投影测量拼接的方法，来解决大尺寸结构的测量问题．2015年，陈海林，熊芝等[5]采用了一种基于坐标变换拼接的方法，达到对结构尺寸测量的目的．数字图像相关方法在本质上属于现代数字图像处理与分析技术的新型光测技术，却鲜有学者利用该方法对大尺寸结构进行研究．因此，本文为大尺寸测量技术提供了一种新的思路．

1 基本原理

数字图像相关方法[6](Digital Image Correlation Method，简称DICM)，又称为数字散斑相关方法(Digital Speckle Correlation Method，简称DSCM)，这是一种基于现代数字图像分析技术的光学测量新方法．数字图像相关测量系统示意图如图1所示．数字图像记录被测对象表面灰度值，经过数字化转换之后，被离散成为一个×像素大小，具有不同灰度的矩阵，×的值即该数字图像的分辨率．通过对变形前后的图片进行比较计算，可以得到图片中所包含的位移等信息．

图1 数字图像相关测量系统示意图

1.1 DIC基本原理

图2 两步曲面拟合法示意图

1.2 边缘检测原理

边缘检测技术[12]对于处理数字图像非常重要．由于采样等缘故，轮廓边缘区域总会存在模糊．为了将背景和目标区分开来，需要提取出边缘．边缘检测算子是检测整像素边缘最简单的方法．其中Prewitt边缘检测算子可以抑制噪声，检测出边缘点．本文在检测整像素边界时采用的是Prewitt算子．Prewitt算子作为一种边缘样板算子，利用的是图像像素点的灰度差，在边缘处达到极限检测边缘．Prewitt算子由

目前研究亚像素边缘检测算法[13]，主要可以分为3类：矩方法、插值法和拟合法．本文采用拟合法去求解边缘亚像素距离．

文献[14]提出基于函数曲线拟合的亚像素边缘检测算法，即在梯度方向上进行高斯曲线拟合亚像素定位算法．亚像素边缘检测本质上就是根据边缘邻域内灰度分布情况去定位边缘．如图3所示，图像边缘红线划过区域的灰度分布情况与灰度梯度分布情况．背景和物体由灰度图像两边等值部分来表示．根据中心极限定理，图像边缘的梯度变化情况符合高斯分布，而高斯曲线最大值点，即为对应的亚像素边缘点．本文提出高斯曲面拟合，以整像素边界为中心，选取7×7像素窗口获取其灰度矩阵，然后计算灰度梯度矩阵，对灰度梯度矩阵进行高斯曲面拟合，拟合之后的高斯曲面极值线，即为我们所要计算的边缘亚像素位置．

图3 图像边缘垂直方向上灰度分布图和梯度分布图

1.3 距离测量原理

图4 像素距离标定示意图

DIC数字图像相关方法计算距离的精度可以达到0.01像素，假如不考虑的误差，通过误差公式可以知道，该方法比传统方法可以提高100倍计算精度．实验中，采用较高分辨率摄像机，用DIC方法可以获得比较高的测量精度．如果被测结构尺寸较大，则可采用分段测量来提高精度．

图5为预制散斑标定示意图．为了便于计算转换系数，预制散斑标定图需要满足如下要求：第一，标定散斑图像自身需要包含2处完全相同的散斑信息，如图5中左上角小十字叉所涵盖的矩形区域与右下角小十字叉所涵盖的矩形区域内有完全相同散斑信息；第二，2处包含相同散斑信息的散斑区域需要有明显标记，且在散斑图中需要相隔合适距离．

图5 预制散斑标定示意图

2 实验过程与分析

下面通过一则实际案例来介绍用DIC方法测量距离的具体操作：汽车起重机两支腿间距测量．

2.1 测量方法

测量基本原理：将预制的散斑粘贴在需要测量的2点处，通过高精度照相机进行采集，图片再利用matlab编程进行计算，得到2点之间的亚像素距离．测量方案的基本原则是先整体后局部，将汽车起重机2支腿之间的距离分成20段，设置19个测点，然后依次测量相邻测量点之间的距离，为了尽量减小测量误差，采用了往返多次测量的方法．由于起重机两支腿左右边缘处很难利用散斑图精确定位其边缘，本文利用边缘检测技术对边缘进行识别计算，得到边缘处像素．通过吊铅垂线的方式以保证边缘处散斑图与结构边缘垂直．具体测点布置如图6所示．

图6 测点布置

2.2 散斑图间距离测量

Matlab程序编写是使用matlab自身的ginput函数，利用散斑图自身的特征点，进行人工点选计算搜索区域和图像匹配子区．程序编写基本思路如下：图7中以左侧散斑图一号点为搜索起点，右侧散斑图二号点为搜索终点，再以这2个点为对角线形成的矩形区域内进行计算搜索(形成计算搜索子区)，同时利用3号点和4号点形成图像匹配子区．利用图像匹配子区的灰度矩阵去计算搜索子区中搜索与之相匹配的灰度矩阵，用改进的2步曲面拟合法计算，可得到相关系数最大值点，从而获得亚像素距离．利用这种思路不需要进行全场搜索，大大节省了搜索时间，提高了程序运行速度．

图7 计算参考点的选择

图8是在整像素搜索时对应的相关系数矩阵．

图8 最大相关系数点求取

由图8可知：第一，最大相关系数点的相关性明显高于其他点，并且相关系数最大值点的相关系数为1．因此可以保证匹配过程中相关系数最大点的唯一性，减少误匹配的可能性．第二，最大相关系数点在2条凸起的正交线交点上，这是由于制作散斑图时，中间有2条互相垂直的白色十字条．由于白色十字条在散斑图中对应的灰度值比散斑图中其他点的灰度值大，在匹配时，计算得到的相关系数明显高于四周．从另一方面确定所得相关系数最大值点位置．

2.3 整像素识别效果图

由于计算时不需要获取左右两侧整个车边线整个边界，所以这里仅截取小部分边缘进行识别．Prewitt算子对于边缘识别所得到的识别虽然存在个别点的误差，但整体效果较为良好，可以满足计算所需精度．本文采用Prewitt算子进行整像素边界识别，见图9．

图9 算子识别前后效果图

2.4 亚像素识别效果

以整像素边界为中心，以7×7像素为拟合窗口，对灰度梯度进行曲面拟合，图10是拟合所得结果图．图11是局部边界的灰度梯度高斯拟合极值线图．图12是车身左侧边缘与粘贴在车身的最左侧散斑图中心距离的计算结果．从图12中分析可知，基于高斯曲面拟合的的亚像素边缘检测算法可以识别出亚像素边界．对局部边缘灰度梯度进行高斯曲面拟合，拟合之后，计算两条高斯曲面极值线的距离，即为所求亚像素距离．如果个别点存在较大误差，这可能是由于噪声干扰引起的，则需要对偏差较大点进行剔除．

图10 7×7窗口的亚像素边缘识别效果图

图11 局部边界的灰度梯度高斯曲面拟合图

图12 局部边缘距离计算效果图

2.5 数据处理结果汇总

表1中第一列d0与d19对应车身两侧边缘的编号，d1至d18为车身上相邻两散斑图间距编号．

表1 数据处理结果汇总表

表1中第二列为各段的亚像素距离．采用2.2节所述方法计算d1至d18段距离，结合2.3节和2.4节所述方法计算d0与d19段距离．第三列为所计算各段对应的转换系数，其计算过程如1.3节所述．通过同一图片计算d0与d1的距离，因此两者转换系数相同，d18与d19同理．将各段像素距离与转换系数相乘，最终得到的段的实际尺寸．

3 结论

本文将数字图像相关方法与边缘检测相结合，提出DIC-边缘检测的大尺度测量技术，并通过对大型机械进行测量实验，实验结果表明该方法可以实现大型结构的尺寸测量，具有一定的实际工程指导意义，也为大尺寸测量技术提供了一种新的思路．

[1]张旭苹, 汪家其, 张益昕, 等. 大尺度三维几何尺寸立体视觉测量系统实现[J]. 光学学报, 2012, 32(3): 1-8.

[2]HSU T S, WANG T C. An Improvement Stereo Vision Images Processing for Object Distance Measurement[J]. International Journal of Automation and Smart Technology, 2015, 5(2): 85-90.

[3]GALETTO M, MASTROGIACOMO L, MORONI G, et al. Artifac-based calibration and performance verification of the MScMS-II[J]. Procedia CIRP, 2015(27): 77-83.

[4]史金龙, 钱强, 庞林斌, 等. 大尺度钢板的三维测量和拼接[J]. 光学精密工程, 2014, 22(5): 1165-1170.

[5]陈海林, 熊芝, 宋小春, 等. 大尺寸工件视觉测量中的图像拼接方法[J]. 计算机测量与控制, 2015, 23(2): 523-525.

[6]王永红, 恒梁, 王硕, 等. 数字散斑相关方法及应用进展[J]. 中国光学, 2013(04): 470-480.

[7]张爱华, 娄小平, 吕乃光. 数字图像相关中亚像素算法的比较[J]. 北京信息科技大学学报: 自然科学版, 2013(03): 53-56.

[8]王琳霖, 唐晨. 基于梯度法的数字散斑图像相关亚像素搜索算法[J]. 光电技术应用, 2011(03): 45-48; 52.

[9]LU H, CARY P D. Deformation Measurement by Digital Image Correlation: Implementation of a Second-order Displacement Gradient[J]. Experimental Mechanics, 2000, 40(4): 393-400.

[10]林皓. 数字图像相关方法及其试验应用[D]. 长沙: 长沙理工大学, 2013.

[11]徐飞鸿, 代坤. 一种改进的数字图像亚像素位移测量算法[J]. 长沙理工大学学报: 自然科学版, 2014, 11(1): 75-80.

[12]邹柏贤, 张然, 苗军. Prewitt图像边缘检测方法的改进[J]. 微电子学与计算机, 2013(05): 23-26.

[13]刘伟, 薛国新. 亚像素边缘检测算法[J]. 常州大学学报: 自然科学版, 2012, 24(4): 53-56.

[14]尚雅层, 陈静, 田军委. 高斯拟合亚像素边缘检测算法[J]. 计算机应用, 2011, 31(1): 179-181.

(责任编校：陈健琼)

Technical Research on Large Scale Measurement Based on DIC- Edge Detection

XU Feihong, ZHANG Zhang

(School of Civil Engineering and Architecture, Changsha University of Science and Technology, Changsha, Hunan 410004, China)

In order to study and improve the large-scale measurement technology, a large-scale measurement technology combining digital image correlation method and edge detection is proposed. Paste the pre-speckle pattern on the point to be measured on the surface to be measured and divide the structure into sections. The pixel distance between adjacent measuring points is calculated by digital image correlation method, and the pixel distance of boundary part is calculated by edge detection. The pixel distance is finally converted to the actual structure size. The experimental results show that the method can realize large-scale structure measurement and also provides a new idea for large-scale measurement technology.

DIC; curved surface fitting; large scale measurement; edge recognition; gauss curve; conversion factor

TH161+.11

A

10.3969/j.issn.1672-7304.2017.04.0002

1672–7304(2017)04–0006–06

2017-02-22

徐飞鸿(1962-)，男，湖南益阳人，教授，主要从事结构损伤与诊断、数字图像相关、结构试验技术等研究．E-mail: 214265257@qq.com.

通讯作者简介：张樟(1990-），男，湖南平江人，硕士研究生，主要从事数字图像相关方法研究．E-mail: 1040055812@qq.com