第五屆全國大學生光電設計大賽
理論方案報告
參賽題目: | 單透鏡構建的最佳系統 |
隊伍名稱: | 光科一隊 |
隊員姓名: | 李展 白銀浩 李長磊 |
指導教師: | 付芸 羅亮 |
二〇一六年七月
目錄
1、計算與仿真… 3
1.1 透鏡實際參數計算········································································3
1.2系統參數仿真及校正·····································································4
1.3 離焦計算························································································5
2、景深延拓… 6
2.1平板玻璃移像原理··········································································6
2.1離焦校正原理··················································································6
2.3採集方案·························································································7
3、系統結構… 7
3.1 機械結構·················································································7
3.2 硬件結構················································································· 8
4、高分辨處理方案… 9
4.1 空間採樣頻率細分················································································· 10
4.2 圖像復原·················································································10
3.1 目視結果評價·················································································14
3.2 軟件結果評價·················································································14
一、 賽題重述
使用焦距爲35mm的單個雙凸透鏡和指定型號的CMOS傳感器對ISO12233標準測試卡成像,光路中可添加除頭境外的任何其他光學元件。測試卡分爲左右兩部分,距離攝像頭的物距前後相差30cm,形成一定的景深。各隊將所獲得的圖像保存爲通用的數字圖像文件,裁判組將基於競賽細則中所公佈的像質評價方法和目視主觀評價,分別給出各隊成像結果的客觀分和主觀分,三個裁判平均分爲各隊競賽得分。
二、 具體方案
1、計算與仿真
由官方給出的透鏡的參數和比賽中要求的物距以及入瞳的限制我們對整個光學系統進行了理論分析並輸入ZEMAX進行軟件仿真。
1.1、透鏡實際參數計算
這裏我們假設入瞳是5mm,入瞳在透鏡第一個面前方10mm處,將初始的數據帶入matlab進行計算,所得結果如下
透鏡焦距34.886086mm
像方焦點34.545114mm 物方焦點-32.567475mm
像方主點-2.318611mm 物方主點2.318611mm
像方修正-2.318611mm 物方修正2.318611mm
像方500mm相面距最後一個面35.171142mm,800mm相面距最後一個面34.153332mm
像方離焦1.017810mm
孔徑角13.930455
入瞳5.000000mm,瞳距-10.000000mm,修正後的入瞳距-12.318611
出瞳7.729284mm,修正後出瞳距瞳距-19.042810mm
出瞳距最後一個面-16.724199mm,放大倍率1.545857
景深10.907710mm
1.2系統參數仿真及校正
由ZEMAX仿真的結果來看,影響光學系統的像質的像差主要是球差和軸向色差。並且MTF值與衍射極限相差較遠。由於賽題要求不能加入透鏡,所以由材料本身引起的色差我們無法消除,但是分辨率測試卡是一張灰度圖片,沒有色彩的要求,所以我們在光學系統中我們使用單色LED光源進行照明,通過窄帶濾光片對光源單色性進行進一步的限制。 改用單色光後對準面MTF值爲 由仿真可見,使用單色光源使得MTF值接近於衍射極限,成像質量較好。
1.3 離焦計算
在日常的拍照中,我們增大景深最直觀的方式是減小入瞳直徑,但是賽題要求最小入瞳直徑爲5mm,爲此我們使用如下公式對入瞳直徑已經入瞳距進行窮舉,所獲得的景深與賽題要求的300mm景深進行比對。計算結果顯示所獲得的景深遠遠小於300mm,故僅僅靠減少入瞳直徑的方法不能獲得題目要求的景深大小。
2、景深延拓
2.1 平板玻璃移像原理
由於平板玻璃的折射率大於空氣的折射率,光線經過平行平板後會產生一個軸向的位移,產生的位移爲 2.2 離焦校正原理由題目可知500mm與800mm處物面固定,可以計算出所對應的成像面的距離,計算可知兩個像面相差1.017mm,所以平行平板的所產生的軸向位移需要和兩個相面的差值相等,由上述公式可以計算出平板玻璃的厚度在玻璃材料爲K9的情況下爲2.98mm。
2.3 採集方案
3、系統結構
3.1 機械結構
爲了消除雜散光影響以及後期裝調的方便,我們採用自行設計鏡筒的方式完成正圖像的採集,同時在鏡筒後方開槽,便於平板玻璃的安裝與調試。
3.2 硬件結構
根據賽題要求,要使用指定的COMS芯片MT9M001,這是一款130W像素的芯片,最大驅動時鐘48MHZ。根據經驗,如果要保證實時性的要求,我們至少要要保證10fps的圖像傳輸速率。這樣的處理速度要求已經遠遠高出了一般單片機IO輸出速度的上限。。
這裏我們採用FPGA對MT9M001數據進行採集,存入256M的SDRAM,然後通過CY68013的SlavFIFO模式將SDRAM裏面的圖像數據讀出並通過高速USB2.0模式對數據進行上傳。
4、高分辨處理方案
軟件整體系統採用Labview+Matlab混合編程的模式,通過Labview將圖像進行採集和預處理。處理後的圖像送入Matlab進行圖像復原並進行圖像的輸出。
4.1 空間採樣頻率細分
由於CMOS最高像素輸出是1024*1280,像元大小爲5.2*5.2um,可以計算出最小可以分辨的物方距離爲了增加CMOS的空間採樣頻率,我們採用對像素點進行插值的方法,使用立方插值算法將像素擴充至2048*2560。將空間採樣增大一倍,這樣理論的空間採樣頻率會增大一倍,方便了後期的圖像復原
4.2 圖像復原
實際的光學系統可以看作一個高通濾波器,經過光學系統後所輸出的圖像可以看作理想圖像與系統點擴散函數的卷積再加入噪聲的過程。但是由於噪聲的引入會使得圖像的復原過程變成一個非線性的處理,加上點擴撒函數估計的不可預測性,所以僅僅對圖像進行簡單的線性最小二乘處理並不能得到很好的結果,必須引入非線性的迭代過程。
4.2.1 PSF的獲取
由於ISO12233成像測試卡給出了專門的刃邊區域以供測試,這裏我們採用傾斜刃邊的方法獲得圖像的階躍響應,並使用三次費米函數進行擬合,擬合結果如下圖所示。
4.2.2 RL復原算法
Richardson-Lucy(LR)算法假設圖像服從Poission 分佈,採用最大似然法進行估計,是一種基於貝葉斯分析的迭代算法。該算法在噪聲影響可忽略或較小的情況下具有唯一解。每一次迭代的方式如下:
4.2.3 圖像復原質量評價
在圖像復原的的過程中,隨着迭代次數的增加,在強度急劇變化的區域,會出現振鈴效應,而且引起退化的點擴散函數尺寸越大,寄生的波紋就越嚴重。博文的存在極大的影響的圖像的質量,而在圖像恢復的過程中不可避免的將會出現這一效應,如果用常規的圖像質量評價方法來確定迭代終止條件,一般會出現嚴重的波紋現象。所以在這裏我們採用了浙江大學的圖像評價方案GRM即梯度波紋質量評價。
其中表示圖像的垂直方向和水平方向的平方和。可以用sobel算子來計算得出。
三、最終結果評價
3.1 目視結果評價
500mm處的極限目視分辨率如下圖所示,能分辨到
16線。800mm出的極限目視分辨率如下圖,能分辨到9線摺合成像高/線對爲
3.2 軟件結果評價
四、參考文獻
[1] (美)岡薩雷斯(Gonzalez, R.C.), (美)伍茲(Woods,等. 數字圖像處理[M]. 電子工業出版社, 2013.
[2] Wang Z, Zhang D. Progressive Switching Median Filter For The Removal Of Impulse Noise From Highly Corrupted Images[J]. IEEE Transactions on Circuits & Systems II Analog & Digital Signal Processing, 1999, 46(1):78-80.
[3] Chan R H, Ho C W, Nikolova M. Salt-and-Pepper noise removal by median-type noise detectors and detail-preserving regularization[J]. IEEE Transactions on Image Processing, 2005, 14(10):1479-85.
[4] Xing C J, Wang S J, Deng H J, et al. A New Filtering Algorithm Based on Extremum and Median Value[J]. Journal of Image & Graphics, 2001.
[5] 陶小平,李佐勇, 湯可宗, 胡錦美, 等. 結合基於梯度的振鈴評價算法的總變分最小化圖像分塊復原法[J]. 中國圖象圖形學報, 2013, 18(11):1407-1415.
6] 何海明, 齊冬蓮, 張國月,等. 快速高效去除圖像椒鹽噪聲的均值濾波算法[J]. 激光與紅外, 2014(4):469-472.
[7] 何一鳴, 張剛兵, 錢顯毅. 基於鄰域均值的去椒鹽噪聲算法[J]. 南京理工大學學報, 2011, 35(6):764-767.
最後希望我們的方案能給後面做這個方向的課題的夥伴一點點力量,謝謝各位的支持。