第五届全国大学生光电设计大赛
理论方案报告
| 参赛题目： | 单透镜构建的最佳系统 |
| 队伍名称： | 光科一队 |
| 队员姓名： | 李展 白银浩 李长磊 |
| 指导教师： | 付芸 罗亮 |
二〇一六年七月
目录
1、计算与仿真… 3
1.1 透镜实际参数计算········································································3
1.2系统参数仿真及校正·····································································4
1.3 离焦计算························································································5
2、景深延拓… 6
2.1平板玻璃移像原理··········································································6
2.1离焦校正原理··················································································6
2.3采集方案·························································································7
3、系统结构… 7
3.1 机械结构·················································································7
3.2 硬件结构················································································· 8
4、高分辨处理方案… 9
4.1 空间采样频率细分················································································· 10
4.2 图像复原·················································································10
3.1 目视结果评价·················································································14
3.2 软件结果评价·················································································14
一、 赛题重述
使用焦距为35mm的单个双凸透镜和指定型号的CMOS传感器对ISO12233标准测试卡成像，光路中可添加除头境外的任何其他光学元件。测试卡分为左右两部分，距离摄像头的物距前后相差30cm，形成一定的景深。各队将所获得的图像保存为通用的数字图像文件，裁判组将基于竞赛细则中所公布的像质评价方法和目视主观评价，分别给出各队成像结果的客观分和主观分，三个裁判平均分为各队竞赛得分。
二、 具体方案
1、计算与仿真
由官方给出的透镜的参数和比赛中要求的物距以及入瞳的限制我们对整个光学系统进行了理论分析并输入ZEMAX进行软件仿真。
1.1、透镜实际参数计算
这里我们假设入瞳是5mm，入瞳在透镜第一个面前方10mm处，将初始的数据带入matlab进行计算，所得结果如下
透镜焦距34.886086mm
像方焦点34.545114mm 物方焦点-32.567475mm
像方主点-2.318611mm 物方主点2.318611mm
像方修正-2.318611mm 物方修正2.318611mm
像方500mm相面距最后一个面35.171142mm,800mm相面距最后一个面34.153332mm
像方离焦1.017810mm
孔径角13.930455
入瞳5.000000mm，瞳距-10.000000mm,修正后的入瞳距-12.318611
出瞳7.729284mm，修正后出瞳距瞳距-19.042810mm
出瞳距最后一个面-16.724199mm，放大倍率1.545857
景深10.907710mm
1.2系统参数仿真及校正
将上述参数输入ZEMAX可以获得系统仿真结构如下图
由ZEMAX仿真的结果来看，影响光学系统的像质的像差主要是球差和轴向色差。并且MTF值与衍射极限相差较远。由于赛题要求不能加入透镜，所以由材料本身引起的色差我们无法消除，但是分辨率测试卡是一张灰度图片，没有色彩的要求，所以我们在光学系统中我们使用单色LED光源进行照明，通过窄带滤光片对光源单色性进行进一步的限制。 改用单色光后对准面MTF值为
由仿真可见，使用单色光源使得MTF值接近于衍射极限，成像质量较好。
1.3 离焦计算
在日常的拍照中，我们增大景深最直观的方式是减小入瞳直径，但是赛题要求最小入瞳直径为5mm，为此我们使用如下公式对入瞳直径已经入瞳距进行穷举，所获得的景深与赛题要求的300mm景深进行比对。
计算结果显示所获得的景深远远小于300mm，故仅仅靠减少入瞳直径的方法不能获得题目要求的景深大小。
2、景深延拓
2.1 平板玻璃移像原理
由于平板玻璃的折射率大于空气的折射率，光线经过平行平板后会产生一个轴向的位移，产生的位移为 
2.2
离焦校正原理
由题目可知500mm与800mm处物面固定，可以计算出所对应的成像面的距离，计算可知两个像面相差1.017mm，所以平行平板的所产生的轴向位移需要和两个相面的差值相等，由上述公式可以计算出平板玻璃的厚度在玻璃材料为K9的情况下为2.98mm。
2.3 采集方案
![7]()
3、系统结构
3.1 机械结构
为了消除杂散光影响以及后期装调的方便，我们采用自行设计镜筒的方式完成正图像的采集，同时在镜筒后方开槽，便于平板玻璃的安装与调试。
3.2 硬件结构
根据赛题要求，要使用指定的COMS芯片MT9M001，这是一款130W像素的芯片，最大驱动时钟48MHZ。根据经验，如果要保证实时性的要求，我们至少要要保证10fps的图像传输速率。这样的处理速度要求已经远远高出了一般单片机IO输出速度的上限。。
这里我们采用FPGA对MT9M001数据进行采集，存入256M的SDRAM，然后通过CY68013的SlavFIFO模式将SDRAM里面的图像数据读出并通过高速USB2.0模式对数据进行上传。
4、高分辨处理方案
软件整体系统采用Labview+Matlab混合编程的模式，通过Labview将图像进行采集和预处理。处理后的图像送入Matlab进行图像复原并进行图像的输出。
4.1 空间采样频率细分
由于CMOS最高像素输出是1024*1280，像元大小为5.2*5.2um，可以计算出最小可以分辨的物方距离
为了增加CMOS的空间采样频率，我们采用对像素点进行插值的方法，使用立方插值算法将像素扩充至2048*2560。将空间采样增大一倍，这样理论的空间采样频率会增大一倍，方便了后期的图像复原
4.2 图像复原
实际的光学系统可以看作一个高通滤波器，经过光学系统后所输出的图像可以看作理想图像与系统点扩散函数的卷积再加入噪声的过程。但是由于噪声的引入会使得图像的复原过程变成一个非线性的处理，加上点扩撒函数估计的不可预测性，所以仅仅对图像进行简单的线性最小二乘处理并不能得到很好的结果，必须引入非线性的迭代过程。
4.2.1 PSF的获取
由于ISO12233成像测试卡给出了专门的刃边区域以供测试，这里我们采用倾斜刃边的方法获得图像的阶跃响应，并使用三次费米函数进行拟合，拟合结果如下图所示。
4.2.2 RL复原算法
Richardson-Lucy(LR)算法假设图像服从Poission 分布，采用最大似然法进行估计，是一种基于贝叶斯分析的迭代算法。该算法在噪声影响可忽略或较小的情况下具有唯一解。每一次迭代的方式如下：
4.2.3 图像复原质量评价
在图像复原的的过程中，随着迭代次数的增加，在强度急剧变化的区域，会出现振铃效应，而且引起退化的点扩散函数尺寸越大，寄生的波纹就越严重。博文的存在极大的影响的图像的质量，而在图像恢复的过程中不可避免的将会出现这一效应，如果用常规的图像质量评价方法来确定迭代终止条件，一般会出现严重的波纹现象。所以在这里我们采用了浙江大学的图像评价方案GRM即梯度波纹质量评价。
对于某一个图像块，梯度的波纹质量可以表示为
其中
表示图像的垂直方向和水平方向的平方和。可以用sobel算子来计算得出。
最终图像的复原质量由每一个图像块的GRM的平均值来表示。
三、最终结果评价
经过上述系统，我们最终输出的结果如图所示
3.1 目视结果评价
500mm处的极限目视分辨率如下图所示，能分辨到
16线。
800mm出的极限目视分辨率如下图，能分辨到9线
折合成像高/线对为
3.2 软件结果评价
500mm处图像评价
800mm处图像评价
四、参考文献
[1] (美)冈萨雷斯(Gonzalez, R.C.), (美)伍兹(Woods,等. 数字图像处理[M]. 电子工业出版社, 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, 汤可宗, 胡锦美, 等. 结合基于梯度的振铃评价算法的总变分最小化图像分块复原法[J]. 中国图象图形学报, 2013, 18(11):1407-1415.
6] 何海明, 齐冬莲, 张国月,等. 快速高效去除图像椒盐噪声的均值滤波算法[J]. 激光与红外, 2014(4):469-472.
[7] 何一鸣, 张刚兵, 钱显毅. 基于邻域均值的去椒盐噪声算法[J]. 南京理工大学学报, 2011, 35(6):764-767.
最后希望我们的方案能给后面做这个方向的课题的伙伴一点点力量，谢谢各位的支持。
