CN116989664A - 一种基于光谱共焦位移传感器的谱峰峰值计算方法及系统 - Google Patents
一种基于光谱共焦位移传感器的谱峰峰值计算方法及系统 Download PDFInfo
- Publication number
- CN116989664A CN116989664A CN202311255346.1A CN202311255346A CN116989664A CN 116989664 A CN116989664 A CN 116989664A CN 202311255346 A CN202311255346 A CN 202311255346A CN 116989664 A CN116989664 A CN 116989664A
- Authority
- CN
- China
- Prior art keywords
- peak
- spectral
- curve
- displacement sensor
- spectrum
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000003595 spectral effect Effects 0.000 title claims abstract description 270
- 238000006073 displacement reaction Methods 0.000 title claims abstract description 103
- 238000004364 calculation method Methods 0.000 title claims abstract description 37
- 238000001228 spectrum Methods 0.000 claims abstract description 113
- 238000000034 method Methods 0.000 claims abstract description 48
- 239000011159 matrix material Substances 0.000 claims abstract description 37
- 238000001914 filtration Methods 0.000 claims abstract description 34
- 239000006185 dispersion Substances 0.000 claims abstract description 33
- 238000007781 pre-processing Methods 0.000 claims abstract description 17
- 230000003287 optical effect Effects 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000002310 reflectometry Methods 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 238000009826 distribution Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000012780 transparent material Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B9/00—Measuring instruments characterised by the use of optical techniques
- G01B9/02—Interferometers
- G01B9/02041—Interferometers characterised by particular imaging or detection techniques
- G01B9/02042—Confocal imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及一种基于光谱共焦位移传感器的谱峰峰值计算方法及系统,该方法包括:对光谱共焦位移传感器采集到的色散图像数据矩阵进行预处理,得到满足预设要求的目标灰度峰值曲线;对所述目标灰度峰值曲线进行均值滤波处理及谱峰趋势拟合处理;基于一阶梯度法,对谱峰趋势拟合后的目标灰度峰值曲线进行光谱谱峰粗定位处理确定光谱谱峰候选点的位置坐标;根据所述光谱谱峰候选点的位置坐标在所述目标灰度峰值曲线上确定有效光谱数据段;通过所述有效光谱数据段计算光谱共焦位移传感器的谱峰峰值。本发明对光谱共焦位移传感器采集到的色散图像数据矩阵进行各种方式处理,消除了环境的影响,确定光谱有效数据段,实现了对谱峰峰值的准确计算。
Description
技术领域
本发明涉及结构测量技术领域,尤其涉及一种基于光谱共焦位移传感器的谱峰峰值计算方法及检测系统。
背景技术
光谱共焦位移传感器是一种具有超高精度和超高稳定性的光电传感器,在微位移、微形变以及表面形貌检测领域等场景有着广泛的应用。
根据光谱色散的原理,光在经过色散物镜后会在光轴上形成一系列连续分布的不同谱峰峰值的聚焦光斑,谱峰峰值与聚焦距离有着一一对应的定量映射关系,通过解码这种映射关系,在得到谱峰峰值后即可得到相应的聚焦距离。
但是,在实际的生产过程中,由于测量环境、被测物表面反射率、粗糙度等因素的不同,使得光谱信息复杂多变,传统上用质心法解码光谱信息的模式无法在谱峰定位中得到高精度的结果,因而影响传感器的谱峰峰值测量精度。
发明内容
在有鉴于此,有必要提供一种基于光谱共焦位移传感器的谱峰峰值计算方法及检测系统,用以解决现有技术中由于测量环境、被测物表面反射率、粗糙度等因素的不同,使得光谱信息复杂多变,导致谱峰定位难以得到高精度的结果,因而影响传感器的谱峰峰值测量精度的问题。
为达到上述技术目的,本发明采取了以下技术方案:
第一方面,本发明提供了一种基于光谱共焦位移传感器的谱峰峰值计算方法,包括:
对光谱共焦位移传感器采集到的色散图像数据矩阵进行预处理,得到满足预设要求的目标灰度峰值曲线;
对目标灰度峰值曲线进行均值滤波处理及谱峰趋势拟合处理;
基于一阶梯度法,对谱峰趋势拟合后的目标灰度峰值曲线进行光谱谱峰粗定位处理确定光谱谱峰候选点的位置坐标;
根据光谱谱峰候选点的位置坐标在目标灰度峰值曲线上确定有效光谱数据段;
通过有效光谱数据段计算光谱共焦位移传感器的谱峰峰值。
在一些可能的实现方式中,对光谱共焦位移传感器采集到的色散图像数据矩阵进行预处理,得到满足预设要求的目标灰度峰值曲线,包括:
对光谱共焦位移传感器采集到的色散图像数据矩阵去噪处理;
根据列灰度值差值阈值和去噪后的色散图像数据矩阵的列灰度值确定有效数据列;
对有效数据列进行高斯拟合得到有效数据点;
根据有效数据点进行最小二乘拟合得到有效峰值曲线;
基于色散图像数据矩阵从有效峰值曲线中筛选出满足预设要求的目标灰度峰值曲线。
在一些可能的实现方式中,对目标灰度峰值曲线进行均值滤波处理及谱峰趋势拟合处理,包括:
计算均值滤波后的目标灰度峰值曲线的一阶梯度曲线;
基于预设定位原则,根据均值滤波后的目标灰度峰值曲线的一阶梯度曲线定位平点数据段起始像素点;
根据起始像素点对平点数据段进行趋势拟合。
在一些可能的实现方式中,基于预设定位原则包括第一定位原则和第二定位原则;基于预设定位原则,根据一阶梯度曲线定位平点数据段起始像素点,包括:
根据第一定位原则,当目标灰度峰值曲线中像素点的一阶梯度值为零,且在当前像素点之前连续的预设数量的像素点的一阶梯度值均大于零时,则当前像素点为起始像素点;
根据第二定位原则,当目标灰度峰值曲线中像素点的一阶梯度值为零,且当前像素点的灰度值等于在后的邻近像素点的灰度值,小于在前的邻近像素点的灰度值时,则当前像素点为起始像素点。
在一些可能的实现方式中,基于一阶梯度法,对谱峰趋势拟合后的目标灰度峰值曲线进行光谱谱峰粗定位处理确定光谱谱峰候选点的位置坐标,包括:
计算谱峰趋势拟合后的目标灰度峰值曲线的一阶梯度曲线;
基于预设粗定位规则,对谱峰趋势拟合后的目标灰度峰值曲线的一阶梯度曲线进行光谱谱峰粗定位,从中确定光谱谱峰候选点的位置坐标。
在一些可能的实现方式中,根据光谱谱峰候选点的位置坐标在目标灰度峰值曲线上确定有效光谱数据段,包括:
根据光谱谱峰候选点的位置坐标和目标灰度峰值曲线确定数据段区间参数;
以光谱谱峰候选点为中心,以数据段区间参数确定有效光谱数据段。
在一些可能的实现方式中,通过有效光谱数据段计算光谱共焦位移传感器的谱峰峰值,包括:
对有效光谱数据段进行高斯拟合,得到高斯拟合结果;
根据高斯拟合结果和预设计算公式计算光谱共焦位移传感器的谱峰峰值。
第二方面,本发明还提供了一种基于光谱共焦位移传感器的谱峰峰值计算系统,包括:
预处理模块,用于对光谱共焦位移传感器采集到的色散图像数据矩阵进行预处理,得到满足预设要求的目标灰度峰值曲线;
趋势拟合模块,用于对目标灰度峰值曲线进行均值滤波处理及谱峰趋势拟合处理;
粗定位模块,用于基于一阶梯度法,对谱峰趋势拟合后的目标灰度峰值曲线进行光谱谱峰粗定位处理确定光谱谱峰候选点的位置坐标;
数据段模块,用于根据光谱谱峰候选点的位置坐标在目标灰度峰值曲线上确定有效光谱数据段;
峰值计算模块,用于通过有效光谱数据段定位光谱共焦位移传感器的谱峰峰值。
第三方面,本发明还提供了一种电子设备,包括存储器和处理器,其中,
存储器,用于存储程序;
处理器,与存储器耦合,用于执行存储器中存储的程序,以实现上述任一种实现方式中的基于光谱共焦位移传感器的谱峰峰值计算方法中的步骤。
第四方面,本发明还提供了一种计算机可读存储介质,用于存储计算机可读取的程序或指令,程序或指令被处理器执行时,能够实现上述任一种实现方式中的基于光谱共焦位移传感器的谱峰峰值计算方法中的步骤。
采用上述实施例的有益效果是:一种基于光谱共焦位移传感器的谱峰峰值计算方法及系统,该方法包括:对光谱共焦位移传感器采集到的色散图像数据矩阵进行预处理,得到满足预设要求的目标灰度峰值曲线;对所述目标灰度峰值曲线进行均值滤波处理及谱峰趋势拟合处理;基于一阶梯度法,对谱峰趋势拟合后的目标灰度峰值曲线进行光谱谱峰粗定位处理确定光谱谱峰候选点的位置坐标;根据所述光谱谱峰候选点的位置坐标在所述目标灰度峰值曲线上确定有效光谱数据段;通过所述有效光谱数据段计算光谱共焦位移传感器的谱峰峰值。本发明对光谱共焦位移传感器采集到的色散图像数据矩阵先后进行预处理、均值滤波处理、谱峰趋势拟合处理、光谱谱峰粗定位处理确定了有效光谱数据段,消除了环境因素不同对光谱谱峰计算的影响,从而确定了光谱有效数据段,并通过对光谱有效数据段进行计算得到光谱共焦位移传感器的谱峰峰值,可以应对复杂多变的光谱信息,达到提高谱峰定位精度的目的,从而提升传感器的测量精度。
附图说明
图1为本发明提供的基于光谱共焦位移传感器的谱峰峰值计算方法的一实施例的流程示意图;
图2为图1中步骤S101的一实施例的流程示意图;
图3为图1中步骤S102的一实施例的流程示意图;
图4为本发明提供的基于光谱共焦位移传感器的谱峰定位系统的一实施例的结构示意图;
图5为本发明实施例提供的电子设备的结构示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理,并非用于限定本发明的范围。
在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其他实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其他实施例相结合。
本发明提供了一种基于光谱共焦位移传感器的谱峰峰值计算方法及检测系统,以下分别进行说明。
请参阅图1,图1为本发明提供的基于光谱共焦位移传感器的谱峰峰值计算方法的一实施例的流程示意图,本发明的一个具体实施例,公开了一种基于光谱共焦位移传感器的谱峰峰值计算方法,包括:
S101、对光谱共焦位移传感器采集到的色散图像数据矩阵进行预处理,得到满足预设要求的目标灰度峰值曲线;
S102、对目标灰度峰值曲线进行均值滤波处理及谱峰趋势拟合处理;
S103、基于一阶梯度法,对谱峰趋势拟合后的目标灰度峰值曲线进行光谱谱峰粗定位处理确定光谱谱峰候选点的位置坐标;
S104、根据光谱谱峰候选点的位置坐标在目标灰度峰值曲线上确定有效光谱数据段;
S105、通过有效光谱数据段计算光谱共焦位移传感器的谱峰峰值。
在上述实施例中,光谱共焦位移传感器采集到的色散图像数据矩阵最开始可能存在较多噪音,先对色散图像数据矩阵进行预处理,消除其中的部分噪音,并基于预处理后的色散图像数据矩阵确定一条满足要求的最佳灰度峰值曲线,即为目标灰度峰值曲线。
对最佳灰度峰值曲线进行均值滤波,进一步去除峰值曲线的随机噪声,是为了保留光谱谱峰特征,对均值滤波后的灰度峰值曲线做谱峰趋势拟合处理,是为了消除光谱特征峰周围的数据平滑段,得到更规则的光谱特征峰。
通过一阶梯度法对谱峰趋势拟合后的目标灰度峰值曲线进行光谱谱峰粗定位处理,可以初步确定光谱谱峰候选点的位置坐标,通过这些光谱谱峰候选点的位置坐标可以初步确定谱峰的位置,可以在后续计算出来准确的谱峰峰值。
确定光谱谱峰候选点的位置坐标后,首先需要确定数据段区间参数,以数据段区间参数来确定有效数据段的长度,而在有效数据段的长度范围内的像素点都有可能是谱峰的像素点,因此,准确确定数据段区间参数有利于对谱峰像素点进行准确定位。
通过预设计算公式对有效光谱数据段内的所有像素点计算谱峰峰值的结果,而计算结果中最大的数值即为当前有效光谱数据段的谱峰峰值,通过这样的过程,消除了不同环境因素对于谱峰定位的影响,最终计算出的谱峰峰值精度高。
与现有技术相比,本实施例提供的一种基于光谱共焦位移传感器的谱峰峰值计算方法,该方法包括:对光谱共焦位移传感器采集到的色散图像数据矩阵进行预处理,得到满足预设要求的目标灰度峰值曲线;对所述目标灰度峰值曲线进行均值滤波处理及谱峰趋势拟合处理;基于一阶梯度法,对谱峰趋势拟合后的目标灰度峰值曲线进行光谱谱峰粗定位处理确定光谱谱峰候选点的位置坐标;根据所述光谱谱峰候选点的位置坐标在所述目标灰度峰值曲线上确定有效光谱数据段;通过所述有效光谱数据段计算光谱共焦位移传感器的谱峰峰值。本发明对光谱共焦位移传感器采集到的色散图像数据矩阵先后进行预处理、均值滤波处理、谱峰趋势拟合处理、光谱谱峰粗定位处理确定了有效光谱数据段,消除了环境因素不同对光谱谱峰计算的影响,从而确定了光谱有效数据段,并通过对光谱有效数据段进行计算得到光谱共焦位移传感器的谱峰峰值,可以应对复杂多变的光谱信息,达到提高谱峰定位精度的目的,从而提升传感器的测量精度。
请参阅图2,图2为图1中步骤S101的一实施例的流程示意图,在本发明的一些实施例中,对光谱共焦位移传感器采集到的色散图像数据矩阵进行预处理,得到满足预设要求的目标灰度峰值曲线,包括:
S201、对光谱共焦位移传感器采集到的色散图像数据矩阵去噪处理;
S202、根据列灰度值差值阈值和去噪后的色散图像数据矩阵的列灰度值确定有效数据列;
S203、对有效数据列进行高斯拟合得到有效数据点;
S204、根据有效数据点进行最小二乘拟合得到有效峰值曲线;
S205、基于色散图像数据矩阵从有效峰值曲线中筛选出满足预设要求的目标灰度峰值曲线。
在上述实施例中,根据光路原理在光谱共焦位移传感器接收端CCD处获取色散图像。色散图像中包括若干个像素点的位置坐标及灰度值,对色散图像数据矩阵进行预处理,得到一条最佳灰度峰值曲线。
预处理包括对所述图像数据矩阵去噪处理,对去噪后的图像数据按列进行判断,将列中灰度值最值的差值大于列灰度值差值阈值Q 1的列定为有效数据列,对有效数据列进行高斯拟合,得到有效数据点,根据有效数据点的坐标,通过最小二乘拟合得到有效峰值曲线,取图像数据矩阵中与有效峰值曲线最接近的一行数据作为所述最佳灰度峰值曲线。其中,Q 1为列灰度值差值阈值。其中,列是垂直于色散方向的列,对于点光谱共焦位移传感器,其色散方向与传感器端CCD横向重合。
作为优选的实施例,根据光谱共焦位移传感器接收端CCD采集到的色散图像数据矩阵大小为m*l阶,m和l为正整数。选择合适窗口大小的中值滤波进行去噪处理。对处理后的图像数据按列进行判断,即当列最大灰度值与列最小灰度值的差大于列灰度值差值阈值Q 1=10时,该列为有效列。对有效列一一进行高斯拟合,得到列灰度值最大的点(x a , y b),记为有效数据点。对所有有效数据点进行最小二乘拟合,得到一条形如y=kx+h的有效峰值曲线,h为正数。取图像数据矩阵中l=h 0的一行数据为最佳灰度峰值曲线,其中,h 0等于h四舍五入的值。其中,(x a , y b)表示有效数据点的位置坐标,1≤a≤m,1≤b≤l,m和l分别为图像数据矩阵的列数和行数。
需要说明的是,列灰度值差值阈值和中值滤波的窗口大小可以根据实际情况进行设置,本发明对此不做进一步限制,而满足预设要求的目标灰度峰值曲线即得到的若干个灰度峰值曲线中,与y轴交点的纵坐标四舍五入的值等于色散图像数据矩阵阶数的l值的灰度峰值曲线。
得到的最佳灰度峰值曲线表示如下:
{(x 1 ,z 1), (x 2 ,z 2),…, (x n ,z n)};
其中,x i表示最佳灰度峰值曲线中第i个像素点的位置坐标,z i表示第i个像素点的灰度值,1≤i≤n,n为最佳灰度峰值曲线的像素点总数。
请参阅图3,图3为图1中步骤S102的一实施例的流程示意图,在本发明的一些实施例中,对目标灰度峰值曲线进行均值滤波处理及谱峰趋势拟合处理,包括:
S301、计算均值滤波后的目标灰度峰值曲线的一阶梯度曲线;
S302、基于预设定位原则,根据均值滤波后的目标灰度峰值曲线的一阶梯度曲线定位平点数据段起始像素点;
S303、根据起始像素点对平点数据段进行趋势拟合。
在上述实施例中,(z 1 ,z 2 ,……,z n)为最佳灰度峰值曲线的灰度值分布,对曲线进行窗口大小为3的均值滤波,均值滤波的计算公式为:
z i =(z i-1 +z i +z i+1 )/3;
对均值滤波后的灰度峰值曲线做谱峰趋势拟合处理,消除光谱特征峰周围的数据平滑段,得到更规则的光谱特征峰。
进一步地,谱峰趋势拟合处理包括:求取均值滤波后的目标灰度峰值曲线的一阶梯度曲线,根据梯度曲线特征,定位目标灰度峰值曲线谱峰附近由于中值滤波产生的一段灰度值相等的数据段,即平点数据段,通过趋势拟合的方法处理平点数据段,得到更规则的光谱特征峰。
均值滤波后的目标灰度峰值曲线的一阶梯度曲线,表示如下:
{(x 1 ,d 1),(x 2 ,d 2),……,(x n ,d n)};
其中,x i表示均值滤波后的目标灰度峰值曲线的第i个像素点的位置坐标,d i表示第i个像素点的一阶梯度值,1≤i≤n,n为均值滤波后的目标灰度峰值曲线的像素点总数。
一阶梯度的计算公式如下:
d i =z i+1 -z i;
zi表示均值滤波后的目标灰度峰值曲线的第i个像素点的灰度值。
作为优选的实施例,谱峰趋势拟合处理包括,通过均值滤波后的目标灰度峰值曲线的一阶梯度曲线特征,定位平点数据段起始像素点坐标位置x h,对平点数据段进行趋势拟合,拟合计算方式如下:
z h =(z h-1 +z h+1 )/2;
其中,x h表示平点数据段起始像素点的坐标位置,z h表示起始像素点的灰度值。
在本发明的一些实施例中,基于预设定位原则包括第一定位原则和第二定位原则;基于预设定位原则,根据一阶梯度曲线定位平点数据段起始像素点,包括:
根据第一定位原则,当目标灰度峰值曲线中像素点的一阶梯度值为零,且在当前像素点之前连续的预设数量的像素点的一阶梯度值均大于零时,则当前像素点为起始像素点;
根据第二定位原则,当目标灰度峰值曲线中像素点的一阶梯度值为零,且当前像素点的灰度值等于在后的邻近像素点的灰度值,小于在前的邻近像素点的灰度值时,则当前像素点为起始像素点。
在上述实施例中,预设定位原则有两种原则,分别为第一定位原则和第二定位原则,其中,平点数据段起始像素点的第一定位原则如下表示:
如d h =0且d h-5 ,d h-4 ,d h-3 ,d h-2 ,d h-1均大于0,则x h为起始像素点坐标位置。
其中,平点数据段起始像素点的第二定位原则如下表示:
如d h =0且z h-1 >z h =z h+1,则x h为起始像素点坐标位置。
在本发明的一些实施例中,基于一阶梯度法,对谱峰趋势拟合后的目标灰度峰值曲线进行光谱谱峰粗定位处理确定光谱谱峰候选点的位置坐标,包括:
计算谱峰趋势拟合后的目标灰度峰值曲线的一阶梯度曲线;
基于预设粗定位规则,对谱峰趋势拟合后的目标灰度峰值曲线的一阶梯度曲线进行光谱谱峰粗定位,从中确定光谱谱峰候选点的位置坐标。
在上述实施例中,求取谱峰趋势拟合后的目标灰度峰值曲线的一阶梯度曲线,该条一阶梯度曲线表示如下:
{(x 1 ,f 1),(x 2 ,f 2),…,(x n ,f n)};
其中,x i表示谱峰趋势拟合后的目标灰度峰值曲线的第i个像素点的位置坐标,f i表示第i个像素点的一阶梯度值,1≤i≤n,n为谱峰趋势拟合后的目标灰度峰值曲线的像素点总数。
作为优选的实施例,基于预设粗定位规则,光谱谱峰位置粗定位包括,根据谱峰趋势拟合后的目标灰度峰值曲线的一阶梯度曲线,寻找前后梯度值符合“正正正正正负负负负负”规则且灰度值大于图像底噪灰度阈值Q 2的像素点定为多个光谱谱峰候选点m 1 ,m 2 ,…, m j ,…,m s。其中,s为所述光谱谱峰候选点的个数。
其中,m j表示光谱谱峰候选点的位置坐标,1≤j≤n,n为谱峰趋势拟合后的目标灰度峰值曲线的像素点总数。
其中,粗定位光谱谱峰候选点的定位规则如下表示:
如f j-5 ,f j-4 ,f j-3 ,f j-2 ,f j-1均大于0且f j+1 ,f j+2 ,f j+3 ,f j+4 ,f j+5均小于0且z j >5,则m j为光谱谱峰候选点。
在本发明的一些实施例中,根据光谱谱峰候选点的位置坐标在目标灰度峰值曲线上确定有效光谱数据段,包括:
根据光谱谱峰候选点的位置坐标和目标灰度峰值曲线确定数据段区间参数;
以光谱谱峰候选点为中心,以数据段区间参数确定有效光谱数据段。
在上述实施例中,利用粗定位信息,在目标灰度峰值曲线上确定以谱峰候选点为中心,数据段区间参数为Q 3的有效光谱数据段。其中,Q 3由谱峰候选点位置与目标灰度峰值曲线两端位置的距离确定。
有效光谱数据段表示如下:
{(m j-Q3 ,z j-Q3),…,(m j ,z j),…,(m j+Q3 ,z j+Q3)};
其中,Q 3为正整数,1≤j-Q 3 ,j+Q 3 ≤n,n为目标灰度峰值曲线的像素点总数。
作为优选的实施例,利用粗定位得到的光谱谱峰候选点x j的坐标位置,对比m j与目标灰度峰值曲线起点x 1与终点x n之间的距离大小,即对比|m j -x 1|与|m j -x n|的大小,令Q 3 = min(|m j -x 1 |,|x n -m j |)。确定目标灰度峰值曲线上以m j为中心,区间大小为Q 3的有效光谱数据段。
若光谱共焦位移传感器的检测对象为多层透明材料。根据光谱色散原理,在光轴上存在的多层材料会反射多个入射光线至光谱共焦位移传感器的接收端,接收端CCD处会出现多个聚焦光斑。运用上述粗定位得到多个光谱谱峰候选点m j1 ,m j2 ,…,m js。其中,s为所述光谱谱峰候选点的个数。
进一步地,利用所述多个光谱谱峰候选点的坐标位置,确定相应Q 3的值,再确定多个有效光谱数据段。其中,不同位置光谱谱峰候选点对应的Q 3的值有不同的确定规则。
若光谱谱峰候选点为m j1,则Q 3 =min(|m j1 -x 1 |,|x j1 -x j2 |)。
若光谱谱峰候选点为m j2 ,…,m jr ,…,m js-1,则Q 3 =min(|m jr -m jr-1 |,|m jr -m jr+1 |)。其中,2≤r≤s-1,r为正整数。
若光谱谱峰候选点为m js,则Q 3 =min(|m js -m js-1 |,|m js -x n |)。
在本发明的一些实施例中,通过有效光谱数据段计算光谱共焦位移传感器的谱峰峰值,包括:
对有效光谱数据段进行高斯拟合,得到高斯拟合结果;
根据高斯拟合结果和预设计算公式计算光谱共焦位移传感器的谱峰峰值。
在上述实施例中,因为光谱谱峰峰型与高斯峰型相似,故运用高斯拟合法对有效光谱数据段进行拟合,从拟合结果中可精确得到谱峰峰值,即光谱能量最大处对应的波长值。
作为优选的实施例,光谱共焦位移传感器的谱峰峰值的预设计算公式为:
;
式中,b i为高斯峰的峰值位置,即光谱共焦位移传感器的谱峰横坐标,x为自变量,a i为高斯峰的峰值,取值范围为正数,c i为高斯峰的标准差。x和y为输入的有效光谱数据段中所有的像素点的横纵坐标。
为了更好实施本发明实施例中的基于光谱共焦位移传感器的谱峰定位方法,在基于光谱共焦位移传感器的谱峰定位方法基础之上,对应的,请参阅图4,图4为本发明提供的基于光谱共焦位移传感器的谱峰定位系统的一实施例的结构示意图,本发明实施例提供了一种基于光谱共焦位移传感器的谱峰定位系统400,包括:
预处理模块410,用于对光谱共焦位移传感器采集到的色散图像数据矩阵进行预处理,得到满足预设要求的目标灰度峰值曲线;
趋势拟合模块420,用于对目标灰度峰值曲线进行均值滤波处理及谱峰趋势拟合处理;
粗定位模块430,用于基于一阶梯度法,对谱峰趋势拟合后的目标灰度峰值曲线进行光谱谱峰粗定位处理确定光谱谱峰候选点的位置坐标;
数据段模块440,用于根据光谱谱峰候选点的位置坐标在目标灰度峰值曲线上确定有效光谱数据段;
峰值计算模块450,用于通过有效光谱数据段定位光谱共焦位移传感器的谱峰峰值。
这里需要说明的是:上述实施例提供的系统400可实现上述各方法实施例中描述的技术方案,上述各模块或单元具体实现的原理可参见上述方法实施例中的相应内容,此处不再赘述。
请参阅图5,图5为本发明实施例提供的电子设备的结构示意图。基于上述基于光谱共焦位移传感器的谱峰定位方法,本发明还相应提供了一种基于光谱共焦位移传感器的谱峰定位设备,基于光谱共焦位移传感器的谱峰定位设备可以是移动终端、桌上型计算机、笔记本、掌上电脑及服务器等计算设备。该基于光谱共焦位移传感器的谱峰定位设备包括处理器510、存储器520及显示器530。图5仅示出了电子设备的部分组件,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
存储器520在一些实施例中可以是基于光谱共焦位移传感器的谱峰定位设备的内部存储单元,例如基于光谱共焦位移传感器的谱峰定位设备的硬盘或内存。存储器520在另一些实施例中也可以是基于光谱共焦位移传感器的谱峰定位设备的外部存储设备,例如基于光谱共焦位移传感器的谱峰定位设备上配备的插接式硬盘,智能存储卡(Smart MediaCard, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)等。进一步地,存储器520还可以既包括基于光谱共焦位移传感器的谱峰定位设备的内部存储单元也包括外部存储设备。存储器520用于存储安装于基于光谱共焦位移传感器的谱峰定位设备的应用软件及各类数据,例如安装基于光谱共焦位移传感器的谱峰定位设备的程序代码等。存储器520还可以用于暂时的存储已经输出或者将要输出的数据。在一实施例中,存储器520上存储有基于光谱共焦位移传感器的谱峰定位程序540,该基于光谱共焦位移传感器的谱峰定位程序540可被处理器510所执行,从而实现本申请各实施例的基于光谱共焦位移传感器的谱峰定位方法。
处理器510在一些实施例中可以是一中央处理器(Central Processing Unit,CPU),微处理器或其他数据处理芯片,用于运行存储器520中存储的程序代码或处理数据,例如执行基于光谱共焦位移传感器的谱峰定位方法等。
显示器530在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。显示器530用于显示在基于光谱共焦位移传感器的谱峰定位设备的信息以及用于显示可视化的用户界面。基于光谱共焦位移传感器的谱峰定位设备的部件510-530通过系统总线相互通信。
在一实施例中,当处理器510执行存储器520中基于光谱共焦位移传感器的谱峰定位程序540时实现如上的基于光谱共焦位移传感器的谱峰定位方法中的步骤。
本实施例还提供了一种计算机可读存储介质,其上存储有基于光谱共焦位移传感器的谱峰定位程序,该基于光谱共焦位移传感器的谱峰定位程序被处理器执行时实现以下步骤:
对光谱共焦位移传感器采集到的色散图像数据矩阵进行预处理,得到满足预设要求的目标灰度峰值曲线;
对目标灰度峰值曲线进行均值滤波处理及谱峰趋势拟合处理;
基于一阶梯度法,对谱峰趋势拟合后的目标灰度峰值曲线进行光谱谱峰粗定位处理确定光谱谱峰候选点的位置坐标;
根据光谱谱峰候选点的位置坐标在目标灰度峰值曲线上确定有效光谱数据段;
通过有效光谱数据段定位光谱共焦位移传感器的谱峰峰值。
综上,本实施例提供的一种基于光谱共焦位移传感器的谱峰峰值计算方法及系统,该方法包括:对光谱共焦位移传感器采集到的色散图像数据矩阵进行预处理,得到满足预设要求的目标灰度峰值曲线;对所述目标灰度峰值曲线进行均值滤波处理及谱峰趋势拟合处理;基于一阶梯度法,对谱峰趋势拟合后的目标灰度峰值曲线进行光谱谱峰粗定位处理确定光谱谱峰候选点的位置坐标;根据所述光谱谱峰候选点的位置坐标在所述目标灰度峰值曲线上确定有效光谱数据段;通过所述有效光谱数据段计算光谱共焦位移传感器的谱峰峰值。本发明对光谱共焦位移传感器采集到的色散图像数据矩阵先后进行预处理、均值滤波处理、谱峰趋势拟合处理、光谱谱峰粗定位处理确定了有效光谱数据段,消除了环境因素不同对光谱谱峰计算的影响,从而确定了光谱有效数据段,并通过对光谱有效数据段进行计算得到光谱共焦位移传感器的谱峰峰值,可以应对复杂多变的光谱信息,达到提高谱峰定位精度的目的,从而提升传感器的测量精度。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于光谱共焦位移传感器的谱峰峰值计算方法,其特征在于,包括:
对光谱共焦位移传感器采集到的色散图像数据矩阵进行预处理,得到满足预设要求的目标灰度峰值曲线;
对所述目标灰度峰值曲线进行均值滤波处理及谱峰趋势拟合处理;
基于一阶梯度法,对谱峰趋势拟合后的目标灰度峰值曲线进行光谱谱峰粗定位处理确定光谱谱峰候选点的位置坐标;
根据所述光谱谱峰候选点的位置坐标在所述目标灰度峰值曲线上确定有效光谱数据段;
通过所述有效光谱数据段计算光谱共焦位移传感器的谱峰峰值。
2.根据权利要求1所述的基于光谱共焦位移传感器的谱峰峰值计算方法,其特征在于,所述对光谱共焦位移传感器采集到的色散图像数据矩阵进行预处理,得到满足预设要求的目标灰度峰值曲线,包括:
对光谱共焦位移传感器采集到的所述色散图像数据矩阵去噪处理;
根据列灰度值差值阈值和去噪后的色散图像数据矩阵的列灰度值确定有效数据列;
对所述有效数据列进行高斯拟合得到有效数据点;
根据所述有效数据点进行最小二乘拟合得到有效峰值曲线;
基于所述色散图像数据矩阵从所述有效峰值曲线中筛选出满足预设要求的目标灰度峰值曲线。
3.根据权利要求1所述的基于光谱共焦位移传感器的谱峰峰值计算方法,其特征在于,所述对所述目标灰度峰值曲线进行均值滤波处理及谱峰趋势拟合处理,包括:
计算均值滤波后的目标灰度峰值曲线的一阶梯度曲线;
基于预设定位原则,根据所述均值滤波后的目标灰度峰值曲线的一阶梯度曲线定位平点数据段起始像素点;
根据所述起始像素点对所述平点数据段进行趋势拟合。
4.根据权利要求3所述的基于光谱共焦位移传感器的谱峰峰值计算方法,其特征在于,所述基于预设定位原则包括第一定位原则和第二定位原则;所述基于预设定位原则,根据所述一阶梯度曲线定位平点数据段起始像素点,包括:
根据所述第一定位原则,当目标灰度峰值曲线中像素点的一阶梯度值为零,且在当前像素点之前连续的预设数量的像素点的一阶梯度值均大于零时,则当前像素点为起始像素点;
根据所述第二定位原则,当目标灰度峰值曲线中像素点的一阶梯度值为零,且当前像素点的灰度值等于在后的邻近像素点的灰度值,小于在前的邻近像素点的灰度值时,则当前像素点为起始像素点。
5.根据权利要求1所述的基于光谱共焦位移传感器的谱峰峰值计算方法,其特征在于,所述基于一阶梯度法,对谱峰趋势拟合后的目标灰度峰值曲线进行光谱谱峰粗定位处理确定光谱谱峰候选点的位置坐标,包括:
计算谱峰趋势拟合后的目标灰度峰值曲线的一阶梯度曲线;
基于预设粗定位规则,对所述谱峰趋势拟合后的目标灰度峰值曲线的一阶梯度曲线进行光谱谱峰粗定位,从中确定光谱谱峰候选点的位置坐标。
6.根据权利要求5所述的基于光谱共焦位移传感器的谱峰峰值计算方法,其特征在于,所述根据所述光谱谱峰候选点的位置坐标在所述目标灰度峰值曲线上确定有效光谱数据段,包括:
根据所述光谱谱峰候选点的位置坐标和所述目标灰度峰值曲线确定数据段区间参数;
以所述光谱谱峰候选点为中心,以所述数据段区间参数确定有效光谱数据段。
7.根据权利要求6所述的基于光谱共焦位移传感器的谱峰峰值计算方法,其特征在于,所述通过所述有效光谱数据段计算光谱共焦位移传感器的谱峰峰值,包括:
对所述有效光谱数据段进行高斯拟合,得到高斯拟合结果;
根据所述高斯拟合结果和预设计算公式计算光谱共焦位移传感器的谱峰峰值。
8.一种基于光谱共焦位移传感器的谱峰峰值计算系统,其特征在于,包括:
预处理模块,用于对光谱共焦位移传感器采集到的色散图像数据矩阵进行预处理,得到满足预设要求的目标灰度峰值曲线;
趋势拟合模块,用于对所述目标灰度峰值曲线进行均值滤波处理及谱峰趋势拟合处理;
粗定位模块,用于基于一阶梯度法,对谱峰趋势拟合后的目标灰度峰值曲线进行光谱谱峰粗定位处理确定光谱谱峰候选点的位置坐标;
数据段模块,用于根据所述光谱谱峰候选点的位置坐标在所述目标灰度峰值曲线上确定有效光谱数据段;
峰值计算模块,用于通过所述有效光谱数据段定位光谱共焦位移传感器的谱峰峰值。
9.一种电子设备,其特征在于,包括存储器和处理器,其中,
所述存储器,用于存储程序;
所述处理器,与所述存储器耦合,用于执行所述存储器中存储的所述程序,以实现上述权利要求1至7中任一项所述基于光谱共焦位移传感器的谱峰峰值计算方法中的步骤。
10.一种计算机可读存储介质,其特征在于,用于存储计算机可读取的程序或指令,所述程序或指令被处理器执行时,能够实现上述权利要求1至7中任一项所述基于光谱共焦位移传感器的谱峰峰值计算方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311255346.1A CN116989664B (zh) | 2023-09-27 | 2023-09-27 | 一种基于光谱共焦位移传感器的谱峰峰值计算方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311255346.1A CN116989664B (zh) | 2023-09-27 | 2023-09-27 | 一种基于光谱共焦位移传感器的谱峰峰值计算方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116989664A true CN116989664A (zh) | 2023-11-03 |
CN116989664B CN116989664B (zh) | 2023-12-19 |
Family
ID=88530611
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311255346.1A Active CN116989664B (zh) | 2023-09-27 | 2023-09-27 | 一种基于光谱共焦位移传感器的谱峰峰值计算方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116989664B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109186458A (zh) * | 2018-09-28 | 2019-01-11 | 华中科技大学 | 一种用于色散共焦峰值提取的补偿拟合差分信号方法 |
WO2021031711A1 (zh) * | 2019-08-19 | 2021-02-25 | 苏州瑞派宁科技有限公司 | 一种识别位置谱的方法、装置以及计算机存储介质 |
CN112462349A (zh) * | 2020-11-20 | 2021-03-09 | 武汉烽火凯卓科技有限公司 | 一种光谱共焦位移传感器波长计算方法、系统、服务器及存储介质 |
CN114370820A (zh) * | 2022-03-22 | 2022-04-19 | 武汉精立电子技术有限公司 | 光谱共焦位移传感器的峰值提取方法、检测方法及系统 |
CN115859080A (zh) * | 2022-11-23 | 2023-03-28 | 湖北民族大学 | 基于非对称高斯模型的光纤布拉格光栅信号峰值检测算法 |
CN116089824A (zh) * | 2023-03-30 | 2023-05-09 | 奥谱天成(厦门)光电有限公司 | 光谱共焦位移传感器的峰值提取方法及系统、介质 |
-
2023
- 2023-09-27 CN CN202311255346.1A patent/CN116989664B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109186458A (zh) * | 2018-09-28 | 2019-01-11 | 华中科技大学 | 一种用于色散共焦峰值提取的补偿拟合差分信号方法 |
WO2021031711A1 (zh) * | 2019-08-19 | 2021-02-25 | 苏州瑞派宁科技有限公司 | 一种识别位置谱的方法、装置以及计算机存储介质 |
CN112462349A (zh) * | 2020-11-20 | 2021-03-09 | 武汉烽火凯卓科技有限公司 | 一种光谱共焦位移传感器波长计算方法、系统、服务器及存储介质 |
CN114370820A (zh) * | 2022-03-22 | 2022-04-19 | 武汉精立电子技术有限公司 | 光谱共焦位移传感器的峰值提取方法、检测方法及系统 |
CN115859080A (zh) * | 2022-11-23 | 2023-03-28 | 湖北民族大学 | 基于非对称高斯模型的光纤布拉格光栅信号峰值检测算法 |
CN116089824A (zh) * | 2023-03-30 | 2023-05-09 | 奥谱天成(厦门)光电有限公司 | 光谱共焦位移传感器的峰值提取方法及系统、介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116989664B (zh) | 2023-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101673397B (zh) | 一种基于lcd的数码相机非线性标定方法 | |
CN114494045B (zh) | 一种基于机器视觉的大型直齿轮几何参数测量系统及方法 | |
CN115861291B (zh) | 基于机器视觉的贴片电路板生产缺陷检测方法 | |
CN111488874A (zh) | 一种指针式仪表倾斜校正方法及系统 | |
CN110634137A (zh) | 一种基于视觉感知的桥梁变形的监测方法、装置及设备 | |
CN117689655B (zh) | 基于计算机视觉的金属钮扣表面缺陷检测方法 | |
CN107967477B (zh) | 一种改进的sift特征联合匹配方法 | |
US8588479B2 (en) | Biometric authentication apparatus, biometric authentication method and recording medium | |
CN103425990B (zh) | 一种基于纹理特征的合成孔径声纳目标检测方法 | |
CN116989664B (zh) | 一种基于光谱共焦位移传感器的谱峰峰值计算方法及系统 | |
CN114358166A (zh) | 一种基于自适应k均值聚类的多目标定位方法 | |
CN113128378A (zh) | 一种指静脉快速识别方法 | |
CN113227708A (zh) | 确定俯仰角的方法、装置及终端设备 | |
CN110557622B (zh) | 基于结构光的深度信息获取方法及装置、设备及介质 | |
Chen et al. | Camera calibration method based on circular array calibration board | |
CN115937324B (zh) | 一种装配质量评价方法、装置、设备及存储介质 | |
CN115619678B (zh) | 一种图像变形的矫正方法、装置、计算机设备及存储介质 | |
CN113837998B (zh) | 一种基于深度学习的图片自动调整对齐的方法及装置 | |
CN113408551A (zh) | 指针仪表读数的识别方法、系统、设备及计算机存储介质 | |
CN116704064B (zh) | 基于高光谱的污水成像方法、系统、电子设备及存储介质 | |
CN108256525B (zh) | 一种基于图像处理的导轨目标位置检测方法 | |
CN117115275B (zh) | 畸变参数的确定方法、装置和计算机设备 | |
CN115908566A (zh) | 一种模糊边界圆环圆心检测方法及系统 | |
Yao et al. | A Heterogeneous Image-Matching Algorithm Based on a Multi-Level Screening Strategy | |
CN113469162B (zh) | 基于双尺度分割的指针仪表识读方法、装置、设备和介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |