一种基于图像的光斑衍射环分析方法、存储介质及芯片与流程

1.本发明涉及光学分析技术领域，具体涉及一种基于图像的光斑衍射环分析方法、存储介质及芯片。


背景技术：

2.可形成衍射环光斑的激光光束一般具有中心光斑并附带多级衍射环，其在激光加工工业的领域得以广泛应用。申请号为cn201510255809.3的发明专利公开了一种基于激光束衍射光斑特性的超精密车削加工表面三维微观形貌测量方法，其步骤如下：一、将激光器预热；二、将激光器、线性衰减片、小孔光阑、透镜、ccd相机调整在同一高度；三、将工件安装在回转工作台上，打开激光器，激光器输出的激光束依次经线性衰减片和小孔光阑后照射到工件表面，转动回转工作台以调整激光束的入射角度；四、激光束在工件表面发生衍射现象，产生衍射光斑，衍射光斑按照不同级次分布开，通过透镜后，被调整为平行光束；五、ccd相机采集衍射光斑图像，得到各级衍射光斑的强度和位置关系，再利用光栅方程计算出表面三维微观形貌的大小。
3.在对上述可形成衍射环光斑的光束进行应用时，需要对每个衍射环的环能量占比、尺寸大小等参数进行分析，从而了解具有不同衍射环的光束对加工材料的作用有何区别，使其更好的服务于生产。但目前尚无对单个衍射环的相关参数进行分析的方法和工具。


技术实现要素：

4.本发明提供了一种基于图像的光斑衍射环分析方法、存储介质及芯片，解决了以上所述的目前尚无对单个衍射环的相关参数进行分析的方法和工具的技术问题。
5.本发明为解决上述技术问题提供了一种基于图像的光斑衍射环分析方法，包括以下步骤：s1，获取具有衍射环的光斑图像，所述光斑图像包括中心光斑及由内而外依次环绕分布于所述中心光斑的外围的多个衍射环，根据所述中心光斑的中心点坐标、旋转角以及椭圆率，设定两轴方向的最小步长塞尔光束和；s2，以最小步长为步长，根据所述中心光斑的中心点坐标、旋转角以及椭圆率，得到中心网格环，并通过每次增加一个步长重复上述步骤以提取得到光斑图像的所有的网格环；s3，以网格环均值为纵坐标、网格环大小为横坐标，将得到的网格环均值绘制得到环均值曲线；s4，在环均值曲线中，根据阈值找出各个衍射环边界所对应的网格以分离出各网格环，提取出各网格环的数据及图像以供分析。
6.可选地，所述最小步长塞尔光束和的大小与椭圆率相等或成倍数关系。
7.可选地，多个衍射环包括第一衍射环p1、第二衍射环p2、第三衍射环p3...及第n衍
射环pn；根据s2方法分别获取各衍射环对应的网格环，其中所述第一衍射环p1、第二衍射环p2、第三衍射环p3...及第n衍射环pn一一对应的各椭圆图像为第一外围椭圆s1、第二外围椭圆s2、第三外围椭圆s3...及第n外围椭圆sn，n为大于或等于1的正整数。
8.可选地，所述s2具体包括：s21，生成两个具有相同中心、旋转角及椭圆率的椭圆图像mask_a和椭圆图像mask_b，其中mask_b的两轴分别比mask_a大一个步长，椭圆图像的内部像素值填充1，外部像素值全部为0，将椭圆图像mask_a和椭圆图像mask_b进行异或得到中心网格环的mask图像；s22，根据mask图像中每个像素灰度是否为0，提取输入图像相同坐标像素的灰度值，不为0则提取，为0则不提取，得到网格环上所有像素的数据，再对数据求平均，得到网格环的均值，同时，计算网格环的大小且满足；s23，以原有椭圆图像mask_b作为新的椭圆图像mask_a，并生成具有大一个步长的椭圆图像作为新的椭圆图像mask_b，重复上述s21~s22，直到提取完所有的网格环图像。
9.可选地，所述s23之后还包括：s24，直接将对应的msak图像与原图像相乘即可提取对应网格的图像信息。
10.可选地，各所述网格环的间距为固定定值。
11.可选地，所述阈值为给定的常量，为光斑图像的峰值乘以一个小于1的比例，所述比例取0.135.或者1/e^2，用来划定光斑图像的有效范围。
12.可选地，所述s4之后还包括s5：在分析激光时，结合激光的加工效果，通过分析网格环的分布情况与加工质量的关系以帮助改进激光加工工艺；在光学研究中，通过定量观察网格环变化以辅助调整光路。
13.本发明还提供了一种存储介质，所述存储介质用于存储计算机程序，所述计算机程序包括：用于执行基于图像的光斑衍射环分析方法的指令。
14.本发明还提供了一种芯片，包括：处理器，用于从存储器中调用并运行计算机程序，所述计算机程序包括：用于执行基于图像的光斑衍射环分析方法的指令。
15.有益效果：本发明提供了一种基于图像的光斑衍射环分析方法、存储介质及芯片，先获取具有衍射环的光斑图像，以最小步长为步长，根据所述中心光斑的中心点坐标、旋转角以及椭圆率，得到中心网格环，并通过每次增加一个步长重复上述步骤以提取得到光斑图像的所有的网格环；然后以网格环均值为纵坐标、网格环大小为横坐标，将得到的网格环均值绘制得到环均值曲线；最后在环均值曲线中，根据阈值找出各个衍射环边界所对应的网格以分离出各网格环，提取出各网格环的数据及图像以供分析。通过采用具有设定步长的环形网格计算的方法，得到光斑图像的网格强度均值
‑
环大小关系曲线。根据该曲线和设定的阈值来找出衍射环的边界，再从光斑图像中分离出各个衍射环，从而实现分析光斑各级衍射环的目的。
16.该方案仅基于图像分析即可实现光束衍射环的提取和测量，除一台相机外不需要额外的测量器件，即插即用，具有直观、简单、便携、高效的特点，并可以实现对具有不同圆
度和角度光斑的测量。
17.上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。本发明的具体实施方式由以下实施例及其附图详细给出。
附图说明
18.此处所说明的附图用来提供对本发明的进一步理解，构成本技术的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：图1为本发明基于图像的光斑衍射环分析方法、存储介质及芯片的流程示意图；图2为本发明基于图像的光斑衍射环分析方法、存储介质及芯片的光斑图像；图3为本发明基于图像的光斑衍射环分析方法、存储介质及芯片的衍射环示意图；图4a为本发明基于图像的光斑衍射环分析方法、存储介质及芯片的椭圆图像示意图；图4b为本发明基于图像的光斑衍射环分析方法、存储介质及芯片的网格环示意图；图5为本发明基于图像的光斑衍射环分析方法、存储介质及芯片的网格环均值原理图；图6为本发明基于图像的光斑衍射环分析方法、存储介质及芯片的衍射环分析结果图；图7为本发明基于图像的光斑衍射环分析方法、存储介质及芯片的环均值曲线图；图8为本发明基于图像的光斑衍射环分析方法、存储介质及芯片的网格环分离过程原理图；图9为本发明基于图像的光斑衍射环分析方法、存储介质及芯片的分离后的衍射环图像。
具体实施方式
19.以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。在下列段落中参照附图以举例方式更具体地描述本发明。根据下面说明和权利要求书，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。
20.需要说明的是，当组件被称为“固定于”另一个组件，它可以直接在另一个组件上或者也可以存在居中的组件。当一个组件被认为是“连接”另一个组件，它可以是直接连接到另一个组件或者可能同时存在居中组件。当一个组件被认为是“设置于”另一个组件，它可以是直接设置在另一个组件上或者可能同时存在居中组件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
21.除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及／或”包括一个或多个相关的所列项目的任意的和所有的组合。
22.如图1至图9所示，本发明提供了一种基于图像的光斑衍射环分析方法，包括以下步骤：s1，获取具有衍射环的光斑图像，所述光斑图像包括中心光斑及由内而外依次环绕分布于所述中心光斑的外围的多个衍射环，根据所述中心光斑的中心点坐标、旋转角以及椭圆率，设定两轴方向的最小步长塞尔光束和；这里的最小步长是通过自动计算时的参数获取方法获得，自动计算的参数包括中心点坐标、旋转角、椭圆率和步长。根据测试需要，也可人为设置上述的所有参数。
23.s2，以最小步长为步长，根据所述中心光斑的中心点坐标、旋转角以及椭圆率，得到中心网格环，并通过每次增加一个步长重复上述步骤以提取得到光斑图像的所有的网格环；s3，以网格环均值为纵坐标、网格环大小为横坐标，将得到的网格环均值绘制得到环均值曲线；s4，在环均值曲线中，根据阈值找出各个衍射环边界所对应的网格以分离出各网格环，提取出各网格环的数据及图像以供分析。
24.具体地操作过程如下：步骤一、输入光斑图像，如图2所示，通过手动输入或计算机自动进行光斑分析的方法，确定光斑的中心点坐标、旋转角和椭圆率。设定两轴方向的最小步长塞尔光束和，其比例应该与椭圆率相等。
25.步骤二、提取网格：1、生成两个相同大小的图像mask_a和图像mask_b，其中包含具有相同中心、旋转角的椭圆率，其中mask_b的两轴分别比mask_a大一个步长，椭圆的内部像素值填充1，外部像素值全部为0。将两个图像即图像mask_a和图像mask_b异或，得到网格环的mask图像。
26.2、根据mask图像中每个像素灰度是否为0，提取输入图像相同坐标像素的灰度值，不为0则提取，为0则不提取，得到网格环上所有像素的数据，再对数据求平均，得到网格环的均值。同时，计算网格环的大小且满足，此时计算的是第一个网格环，第n个网格环相应的乘以系数n即可，代表sn的大小，即均值曲线的自变量。
27.3、以原有mask_b作为新的mask_a，并生成具有大一个步长的椭圆的图像作为新的mask_b，重复上述步骤，直到提取完所有的网格环图像。图3的示例中展示了所有的网格环图像。
28.4、如果要提取网格的图像，则直接将对应的mask图像与原图相乘即可。
29.步骤三、以网格环均值为纵坐标、网格环大小为横坐标，将得到的网格环均值绘制成环均值曲线，如图7所示。
30.步骤四、在环均值曲线中，根据阈值找出各个衍射环边界所对应的网格，如图6，然后以内外边界对应的各个网格的覆盖范围生成图像mask_a和mask_b，按照与步骤二中提取网格时相同的方法提取出各个衍射环的数据以及图像，其中分离的衍射环图像如图9所示。
31.步骤五、通过环上所有像素的数据进行分析计算。
32.在分析激光时，结合激光的加工效果，通过分析网格环的分布情况与加工质量的
关系以帮助改进激光加工工艺；在光学研究中，通过定量观察网格环变化以辅助调整光路。
33.在一个具体的实施场景中，包括如下步骤：第一步，采用成像设备（如高清相机等）获取具有衍射环的光斑图像（如图2所示），且所述光斑图像具有中心光斑o1以及环绕所述中心光斑o1由内而外依次分布的若干衍射环，其中，所述若干衍射环包括由内而外依次分布的第一衍射环p1、第二衍射环p2、第三衍射环p3...第n衍射环pn，n为大于或等于1的正整数；根据光束的衍射性质，所述中心光斑o的边界以及每一衍射环均为椭圆形，全部椭圆具有相同的中心。
34.第二步，如图3所示，获取所述光斑图像的中心光斑o1的中心、旋转角以及椭圆率，根据中心光斑o1的中心、旋转角以及椭圆率拟合出中心椭圆o2，且所述中心椭圆o2的长半轴为dx、短半轴为dy，且长半轴dx、短半轴dy要与椭圆率匹配；所述长半轴dx、短半轴dy可根据后续识别衍射环边界的精度需求而定，长半轴dx、短半轴dy越小，则后续识别衍射环边界的精度越高。
35.第三步，如图3所示，根据所述中心椭圆o2确定若干由内而外依次分布的外围椭圆，即，第一外围椭圆s1、第二外围椭圆s2、第三外围椭圆s3...第n外围椭圆sn，所述中心椭圆o2以及每一外围椭圆具有相同的中心，且由内而外，每一外围椭圆的长半轴依次对应为m*dx、短半轴依次对应为m*dy，其中，m为大于或等于2的正整数，且m依次对应为2,3,4...，例如，由内而外，第一外围椭圆s1的长半轴为2dx、短半轴为2dy，第二外围椭圆s2的长半轴为3dx、短半轴为3dy...；其中，中心椭圆o2与第一外围椭圆s1、相邻两个外围椭圆的长半轴均相差dx、短半轴均相差dy。.如上所述，因所述中心椭圆o2以及每一外围椭圆为同心椭圆，因此，当确定中心椭圆o2的参数信息（包括中心、旋转角、椭圆率、长半轴dx、短半轴dy）后，通过增加长半轴dx、短半轴dy即可推算出每一外围椭圆的位置。
36.第四步，如图4a
‑
4b所示，根据所述中心椭圆o2生成中心椭圆图像a1，以及根据每一外围椭圆生成对应的外围椭圆图像，即根据第一外围椭圆s1生成第一外围椭圆图像b1、根据第二外围椭圆s2生成第二外围椭圆图像b2、根据第三外围椭圆s3生成第三外围椭圆图像b3...根据第n外围椭圆sn生成第n外围椭圆图像bn。
37.以及确定每相邻两个椭圆图像边界之间（即中心椭圆图像a1与第一外围椭圆图像b1的边界之间、相邻两个外围椭圆图像的边界之间）、且由内而外依次分布的若干网格环，所述若干网格环包括第一网格环l1、第二网格环l2...第n网格环ln，进一步的，根据公式（1）
‑
（4）对应确定每一网格环的大小d1、d2...dn；其中，dσ(z)为与第n网格环外部边界对应的光束的光束直径，其推导过程参见“iso 11145
‑
2018 光学和光子学
‑
激光和激光相关设备
‑
词汇和符号”，dσx(z)为dσ(z)在x
方向的分量，dσy(z)为dσ(z)在y方向的分量；由此，获得第一网格环l1的大小，第二网格环l2的大小...第n网格环ln的大小。
38.具体的，如图5所示，第四步具体包括：s41、在所述中心椭圆o2内部填充第一像素值、外部填充第二像素值，以生成中心椭圆图像a1；以及在第一外围椭圆s1内部填充第一像素值、外部填充第二像素值，以生成第一外围椭圆图像b1；所述第一像素值为1，第二像素值为0。
39.s42、将中心椭圆图像a1、第一外围椭圆图像b1异或，以获得两者之间的第一网格环l1。
40.s43、在第二外围椭圆s2内部填充第一像素值、外部填充第二像素值，以生成第二外围椭圆图像b2。
41.s44、将第一外围椭圆图像b1、第二外围椭圆图像b2异或，以获得两者之间的第二网格环l2。
42.s45、重复步骤s43
‑
s44，以确定每相邻两个椭圆图像边界之间、且由内而外依次分布的若干网格环。
43.第五步，将当前网格环内的网格环像素点与光斑图像o进行对应，且从光斑图像o中提取出与网格环像素点对应的图像像素点，并计算所有图像像素点的像素平均值，以作为当前网格环所对应的光斑图像o的图像像素点环均值；依次重复，以获得每一网格环的所对应的光斑图像o的图像像素点环均值。
44.具体地，第五步具体包括：s51、将一环网格图像通过函数转换为像素值组成的环网格图像二维数组，并通过两个for循环对环网格图像二维数组中的每个像素值进行索引，以得到包含该环网格图像内所有像素值的数列；s52、将环形区域与原图点对应的实现过程，就是创建一个空数列，然后遍历原图所有的像素值。在遍历过程中索引某一个像素的同时，也索引二值图像l1中相同坐标的像素值。如果索引的l1的像素值等于1，则把原图中索引到的像素值添加到数列中去；如果等于0则跳过本像素，索引下一个，直到遍历完两个图的所有像素。（原图和l1的分辨率相同）。
45.例如，第一环形区域图像l1中像素值为1的时候，在原图中找到相同坐标的点（如图6所示），将原图中所有这些点提取出来，然后求平均，作为环均值；第六步，如图7所示，根据每一环形区域图像的大小dn以及每一环形区域图像的环均值建立曲线，其中，以每一环形区域图像的环均值为纵坐标、每一环形区域图像的大小dn为横坐标；且在所述曲线中确定衍射环边界判定阈值；第七步，如图7至图9所示，根据所述判定阈值确定衍射环的边界，并据此提取出衍射环的图像；图7中的横向分布的阈值比例*峰值横向即为判定阈值曲线，将该图对应嵌入至图8进行对比分析。图8展示了从环网格到衍射环的对应关系，其分析过程是环均值曲线。竖向箭头表示网格环到衍射环边界的对应关系，即哪些网格环被最后判定为了衍射环的边界，它们正对应图7中的强度均值曲线与判定阈值曲线两条曲线相交的点。竖向箭头也刚好
经过这些交点。根据衍射环边界提取环形区域即可得到衍射环的图像如图9所示。
46.第八步，对提取出的衍射环图像进行分析，以获取衍射环数据，所述衍射环数据包括环能量。
47.其中，通过mask图像像素值是否等于1来决定是否提取原图相同坐标的像素点，文中的l1至ln即各个mask图像。
48.具体工作过程原理为：通过计算机程序完成环均值的计算，计算内容包括图像中的通过mask图像标记的区域内的像素，计算所有这些像素的强度的均值。
49.标记方法：mask图像与原图分辨率相同，通过mask图像中像素强度是否为0，判断原图像素是否被标记。为0则认为原图相同坐标的像素为未标记的像素，不包括在计算平均值的像素点中；不为0则认为原图中同坐标的像素为标记的像素，包括在计算平均值的像素点中，即使强度为0也应当包括其中。
50.本发明实施例还提供了一种存储介质，所述存储介质用于存储计算机程序，所述计算机程序包括：用于执行如前所述的基于图像的光斑衍射环分析方法的指令。
51.本发明还提供了一种芯片，包括：处理器，用于从存储器中调用并运行计算机程序，所述计算机程序包括：用于执行如前所述的基于图像的光斑衍射环分析方法的指令。
52.该方案仅基于图像分析即可实现光束衍射环的提取和测量，除一台相机外不需要额外的测量器件，即插即用，具有直观、简单、便携、高效的特点，并可以实现对具有不同圆度和角度光斑的测量。
53.本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、cd
‑
rom、光学存储器等）上实施的计算机程序产品的形式。
54.本技术是参照根据本技术实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
55.最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。