基于Labview的圖像采集與應變場測量系統開發研究

莫迪威 張春良 王文龍 朱厚耀

摘要：介紹基于Labview編寫的上位機系統，其中包括自動對焦系統與全場位移檢測系統基本原理，以及系統軟件與硬件設備的主要結構與工作過程。在該軟件系統中集成了實時位移場監測、應變場檢測、數據記錄、參數調節、對焦、截取 ROI、相機位置控制等功能?？刂葡到y中，以Labview編寫的上位機作為主控，Arduino作為下位機，驅動步進電機帶動三軸移動平臺進行相機位置的控制。全場位移檢測系統采用Labview的模板匹配函數獲取位移場，并轉換成應變場，同時記錄數據進行分析。應用該系統進行隱裂牙的微小變形檢測，以期檢測出牙齒裂紋，并進行連續拍攝實驗測試系統的穩定性。試驗結果表明，系統具有方便控制以及高精度的特點，且工作時性能穩定可靠，值得在實際工程運用中進行推廣。關鍵詞：非接觸測量;數字圖像相關檢測;應變場檢測;Labview;監測系統

中圖分類號：TP391.41文獻標志碼：A

文章編號：1009-9492（2021）11-0012-05

開放科學（資源服務）標識碼（OSID）：

Development of Image Acquisition and Strain Field Measurement System Based on Labview

Mo Diwei，Zhang Chunliang，Wang Wenlong※，Zhu Houyao

（College of Mechanical and Electrical Engineering， Guangzhou University， Guangzhou 510006， China）

Abstract： The host computer system based on Labview was introduced， including the basic principles of the focus system and the full-field displacement detection system， as well as the main structure and working process of the system software and hardware equipment. The software systemintegratedreal-timedisplacement fieldmonitoring，strain fielddetection，datarecording，parameteradjustment， focusing，ROI interception， camera position control and other functions. In the control system， the upper computer written by Labview was used as the main control， and Arduino was used as the lower computer to drive the stepper motor to drive the three-axis moving platform to control the camera position. The full-field displacement detection system used the template matching function of Labview to obtain the displacement field and convert it into a strain field. At the same time， the data was recorded for analysis. In order to detect tooth cracks， the system was used to detect small deformations of cracked teeth， continuous shooting experiments were taken to test the stability of the system. The test results show that the system has the advantages of convenient control and high precision， convenient operation， stable and reliable performance during work， etc. It is worthy of popularization in practical engineering applications.

Key words： digital image correlation detection; strain field detection; Labview; monitoring system

0 引言

數字圖像相關法（DIC）又稱數字散斑相關法[1]，是一種現代光學測量技術，具有高精度、非接觸、結構相對簡單等特點，可用于物體的全場位移或應變檢測[2]。根據數字圖像相關法的原理，圖像處理程序將參考散斑圖像與變形散斑圖像進行比較，并根據變形前后給定的散斑灰度強度，通過相關計算，獲得圖像的位移或變形信息[3-4]。

Labview是美國國家儀器（ NI ）公司研發的編程開發環境，集成了工程上常用的工具包，且編程思想與其他平臺有些區別，Labview編程思想為數據流驅動，而非順序執行程序，使用圖像化的編程語言 G 語言，極大縮短了工程師對于測試系統以及控制系統的開發周期，旨在幫助科學家與工程師不斷提高生產力[5]。鑒于其友好的編程界面以及強大的工具包支持，而被科學研究與實際工程運用中廣泛使用，如張光葳[6]使用Labview研究汽車行駛過程中道路的信息識別，李迺璐等[7]基于Labview平臺搭建了風力葉片振動特性與控制的系統，王永泉等[8]基于Labview平臺開發了氣體絕緣金屬封閉開關設備聲振聯合檢測系統。

本文基于Labview平臺，結合數字圖像相關法，搭建了一套自動化位移場及應變場的檢測系統。該系統便于控制定位相機位置，方便調試，可對變形物體表面進行實時的位移場、應變場監測工作。同時可對檢測數據進行定時保存記錄，以對數據進行后期處理。

1 系統方案設計

數字圖像相關法的關鍵步驟之一為變形物體表面圖像的獲取，傳統的圖像獲取方式為相機置于三腳架上，不斷調節三腳架盡可能地尋找最清晰位置。本文為方便進行相機定位調試，以 Arduino單片機作為下位機，將攝像機安裝在模組上，通過控制步進電機帶動模組，從而實現對拍攝位置的定位，并能夠實現自動尋找最佳拍攝位置。

圖像采集與匹配過程，需要劃分 ROI 區域，減小計算量并提高匹配結果正確率。需要將匹配后的結果顯示出來，并能保存位移場數據?？紤]噪聲因素，其中包括圖像采集過程與圖像匹配過程出現的噪聲，如光照強度、鏡頭畸變、表型物體表面特征不足導致匹配失敗等。光照強度改變時，會改變采集到的圖像子區域灰度值，影響匹配結果，因此使用補光燈保證穩定的光源。選用小畸變鏡頭，其他噪聲如匹配失敗造成的椒鹽噪聲，使用中值濾波器進行濾除。根據實際情況，考慮為對圖像進行濾波，或是對位移場進行濾波。變形場相比于位移場，可更加直觀地表征物體變形信息，因此考慮將位移場轉換至應變場。

2 硬件設備

硬件設備主要包括 PC 機、配備 Intel （ R ）核心（ TM ） i5-8400CPU@2.80GHz2.81GHz和8GB RAM 的計算機、三軸移動平臺、補光燈與圖像采集裝置，如圖1～2所示。三軸移動平臺進行定位基本流程如下：上位機發出移動指令到下位機，下位機響應指令發出脈沖控制步進電機驅動器，驅動器按照時序驅動步進電機旋轉帶動滑臺移動。上位機是基于Labview搭建的控制系統，根據用戶操作通過串口發送相應指令到下位機。下位機是使用 Arduino Uno單片機進行開發。實驗采用的 CCD相機（ MV-SUA2000C/M-T ）分辨率為1920×1080像素，配合遠心鏡頭（ WTL150-04X20），放大倍數0.4 X ，工作距離150 mm ，畸變小于0.1，視野范圍22 mm×16.5 mm 。本次實驗采用的遠心鏡頭光線采集較弱，無法調整光圈，因此需要增加補光燈裝置進行補光，為保證補光燈燈照均勻，將補光燈與鏡頭盡可能保持同軸。

3 系統的搭建

劃分 ROI 區域后，使用控制系統對三軸移動平臺控制。同時通過實時 ROI 圖像窗口結合對比度進行調試相機位置，移動至大概位置，可啟動自動對焦功能，于相機光軸方向自動尋找最大清晰度位置并進行定位。圖像的清晰度判定有多種方法，本文系統中中采用了常用的3種判定方法：標準差、Robert梯度和、灰度梯度向量模平方。

開啟圖像采集后，圖像采集分析系統會對當前 ROI 區域采集一張照片作為模板，然后實時采集變形圖像與模板進行匹配得到位移場，并結合位移場計算出應變場，最后自動保存數據。Labview進行圖像匹配時，需要對模板進行學習，再與變形圖匹配輸出匹配結果。為了加快匹配過程，考慮在進行匹配前，對模板圖像進行預處理。選取一張預先拍攝好無變形時的物體 ROI 區域圖像，圖像大小為Px×Py個像素，簡稱為圖像 I1。根據輸入參數 PO 對圖像進行裁剪像素大小為（ Px-2PO ） ×（ Py-2 PO ）生成新的圖像，以下簡稱為原圖 I0。為加快圖像匹配的速度，本文圖像匹配系統預處理根據輸入參數 WL 和 WI 對 I0進行圖像分割。如圖3所示，依據輸入參數，搜索窗口步進為 WI 個像素，依次將 I0分割為大小為 WL ×WL 像素的局部圖像稱為 I0S1～ I0SN 共計 N 張，并依次進行機器學習獲取特征后再進行保存，機器學習后的圖像稱為模板。

獲取到實時圖像 I1后，根據輸入參數 WL ， WI 與 WO 對 I1進行圖像分割。間隔為 WI 個像素，依次將 I1分割為大小為（ WL +2PO ）× （ WL +2PO ）的局部圖像 I1S1～ I1SN 共計 N 張。每分割一次，加載 I1S 中心坐標對應的I0S 圖像進行配對，即可獲得匹配信息推算出局部位移。進行 N 次局部位移獲取后，即可獲得全場位移為下一步應變場計算做準備。程序所選用的特征匹配算法，是基于待匹配區域和模板區域的圖像像素值矩陣進行相關系數的計算，常見的匹配算法有平均絕對差算法（ MAD ），差值平方和函數（SSD），歸一化差值平方和函數（NSSD），零均值的歸一化差值平方和函數（ZNSSD），互相關函數（CC），歸一化互相關函數（NCC），零均值的歸一化函數（ZNCC）[9-10]。本文中的圖像匹配過程由Labview機器視覺工具箱實現。其核心匹配算法為歸一化互相關系數（NCC）[11]，可以描述為：

C（x，y）=

如果同一個子圖里面這些特征變形程度不同，會產生兩個方面的后果，其一，變形劇烈脫離了變形的假設，相關計算計算會低于設定閾值，導致匹配失敗警告;其二，如果滿足小變形假設，調整wl和pi ，例如減少wl，增大pi ，對匹配區域和搜索范圍進行縮小，從而實現有效匹配。圖4所示為劃分實時圖像子區域進行匹配。

獲取得到的位移場帶有噪聲，在本文實際實驗情況下，來自圖像采集過程中產生的噪聲比較少，若對圖像進行過濾，反而使圖像丟失細節，因此本文在設計濾波器時，僅在匹配位移場時，匹配失敗點位置進行中值濾波，中值濾波可很好地濾除椒鹽噪聲。為了保留更多的細節進行小變形匹配測量，本文并未直接對位移場進行中值濾波，而是僅在匹配失敗的位移點處根據輸入參數進行中值濾波。濾波器設計如圖5所示。

研究表明，使用局部最小二乘法擬合應變場時，擬合函數為二維一次多項式可更好地濾除離散位移數據中的噪聲和得到較好的平滑效果[12]。因此，匹配得到的位移場，本文使用局部最小二乘法對位移場進行擬合，得到應變場。

得到擬合多項式的系數后，小變形情況下柯西（Cauchy）應變分量[13] ：

（4）

（5）

（6）

式中：a1、a2、a3、b1、b2、b3為待定系數; （P T P ） -1 P T 為 P 的偽逆矩陣;P 為局部坐標矩陣;u 為 x 方向上的位移;v為在y方向上的位移;εx為在x方向上的應變，εy為在 y 方向上的應變，γxy為剪切應變。

4 精度及穩定性

本文采用散斑圖生成研究圖像分析系統[14] ，散斑圖輸入參數主要包括散斑尺寸 R，散斑數量 N。散斑圖生成的主要思路為：在一張規定尺寸全黑背景圖上，生成隨機位置的白色斑點，斑點的大小由R控制，散斑個數由N控制。二值圖的散斑圖包含信息有限，因此本文采用歸一化的方法，將生成的二值圖進行歸一化轉化為灰度圖，且散斑強度以中心向四周衰減，衰減的灰度圖將能包含更多的紋理信息。模擬測試實驗中，選取散斑圖片參數為散斑半徑R=2.5，散斑數量選取 1 200。數字圖像相關法中，搜索匹配窗口的大小，匹配窗口的步進距離都會影響匹配結果，現使用本文中系統對不同的匹配窗口參數進行測試分析。Matlab生成散斑圖如圖6所示。

本次實驗匹配參數匹配窗口大小在 39 像素 × 39 像素左右，窗口間隔為 3 像素，應變場擬合窗口為 7 像素，像素偏移設置為。首先在X方向對散斑圖施加0.1像素的偏移，測試不同的匹配參數影響。

如圖7所示，匹配窗口大小與間隔都會影響匹配時間。隨著匹配窗口的增大，子圖像尺寸更大，包含更多的特征信息[15]，但是計算量會增大，因此窗口越大，匹配時間越長。由圖可知，窗口步進間隔對于時間的影響更大，步進距離越短，代表著位移場中的數據量更多，所需要匹配的時間也更增加更明顯，尤其窗口步進在1個像素與2個像素。且結合位移場方差圖看，隨著窗口步進的增加，方差會逐漸趨向于穩定，這是因為窗口步進過小時，匹配更容易出現匹配誤差，位移場數據引入噪聲。

對本系統進行整像素與亞像素偏移測試時，如圖8所示，本系統對于整像素偏移時，效果良好。但實際檢測中，大部分情況為亞像素偏移。亞像素偏移時，粗細搜索匹配后，會進行插值匹配，此時插值算法的誤差會引入匹配算法帶來的誤差，使得位移場數據在真實值上下有小波動。圖中表明，亞像素匹配會有一個小于真實變形一個數量級別的誤差，這在工程上可以滿足大部分測量需求。對散斑圖施加均勻應變測試時，僅考慮微小變形，測試得到匹配結果如圖8所示，隨著施加均勻應變增大，誤差也隨之增大，但誤差仍在可接受范圍，這個誤差是因為施加亞像素的均勻應變，導致位移場出現誤差，從而影響了結合位移場擬合得到的應變場。

5 實際應用

在使用本文系統進行微小形變實際測量時，使用樹脂封裝帶有裂紋的牙齒[16]，萬用試驗機對封裝樣品施加500 N壓力。封裝的牙齒已進行噴涂散斑處理，提高匹配成功幾率，使用萬用試驗機對牙齒施加壓力，僅針對裂紋區域做 ROI 區域進行應變場檢測，以期從應變場獲取牙齒受力微小變形信息，檢測裂紋。實驗中獲取到的位移場與應變場熱圖如圖9所示，其中牙齒已進行樹脂封裝成2 cm ×2 cm ×2 cm 的立方體，方便受力加載。由于受力方向主要為 Y方向上，本文僅截取 Y方向位移場與應變場進行分析。由圖可知， Y方向位移場最大偏移僅為7個像素以內，而 Y 方向應變場可清晰檢測出牙齒裂紋受力處的高應變區域，因此，本文系統可對物體微小變形進行檢測。

最后對粗糙鋼板表面連續進行20次靜止拍攝圖像進行穩定性分析，取位移場均值做為判定標準，理論上位移場平均值應為0，但因光線無法控制絕對穩定，或是采集過程帶來的噪聲，或是匹配系統本身精度等問題，出現了非0值。在連續20次拍攝圖像獲取位移場中，出現的平均位移場最大值為0.026像素，平均位移場最小值為0.09像素，如圖10所示。這充分證明了本文中位移場檢測系統的可靠性與穩定性。

6 結束語

本文基于Labview平臺搭建了相機定位的控制系統以及圖像采集分析獲取位移場的一體化位移場檢測系統。通過控制系統可以方便地對變形物體表面進行對焦控制，以及通過模擬測試實驗分析，對散斑圖施加可控變形因素與實際匹配結果進行對比分析。最后應用本系統對受載的隱裂牙樣品進行了檢測，通過其應變場圖可清晰觀察到牙齒樣品的裂紋線，為隱裂牙檢測提供了一個檢測思路。并對靜止實物進行多次連續拍攝獲取位移場的分析，證明了本文中的應變場檢測系統的精度及可靠性，值得在工業運用上進行推廣使用，提高工作效率。

參考文獻：

[1]付億波.高精度數字圖像相關測量影響因素分析及試驗驗證[D].廊坊：北華航天工業學院，2020.

[2]陳振英.基于數字圖像相關法的應變測量研究[D].上海：上海交通大學，2013.

[3]押明楓.基于 DIC技術的應變測量研究[D].長沙：長沙理工大學，2018.

[4]高少強，劉利生，楊新偉.數字圖像相關法在橋梁伸縮縫監測預警中的應用[J].中國安全科學學報，2018，28（S2）：171-175.

[5]雷振山. LabVIEW7 Express 實用技術教程[M].北京：中國鐵道出版社，2004.

[6]張光葳.基于 LABVIEW的道路圖像信息識別的研究[J].南方農機，2021，52（5）：30-31.

[7]李迺璐， 江文宇，楊華，等.基于 LabVIEW的風力機葉片振動特性與控制實驗系統[J].實驗室研究與探索，2021，40（2）：115-120.

[8]王永泉，楊朝旭，周淳，等.應用 LabVIEW軟件開發的氣體絕緣金屬封閉開關設備聲振聯合檢測系統[J].西安交通大學學報， 2021（6）：1-11.

[9]賀曉佳.灰度圖像快速匹配算法研究[D].合肥：合肥工業大學，2012.

[10]饒俊飛.基于灰度的圖像匹配方法研究[D].武漢：武漢理工大學，2005.

[11] A D Warbhe， R V Dharaskar，V M Thakare. Computationally Ef- ficient Digital Image Forensic Method for ImageAuthentication [J].Procedia Computer Science，2016（78）：464-470.

[12]潘兵，謝惠民.數字圖像相關中基于位移場局部最小二乘擬合的全場應變測量[J].光學學報，2007，27（11）：1981-1986.

[13]陸明萬， 羅學富.彈性理論基礎[ M].北京：清華大學出版社，2001.

[14]俞海.數字圖像相關方法的散斑圖質量評價和應用研究[D].昆明：昆明理工大學，2015.

[15]舒逢春.基于數字圖像相關方法的面內位移測量的研究與應用[D].鄭州：鄭州大學，2017.

[16]藍凱文，杜宇.牙隱裂研究新進展：診斷、治療決策和預后評估[J].中華口腔醫學研究雜志（電子版），2020，14（6）：339-344.

作者簡介：

莫迪威（1995-），男，廣東湛江人，碩士研究生，研究領域為基于Labview的視覺匹配。

張春良（1964-），男，湖南衡陽人，教授，博士生導師，研究領域為機械設備狀態監測與故障診斷。

※通訊作者簡介：王文龍（1988-），男，山西呂梁人，副教授，碩士生導師，研究領域為機器視覺與圖像處理、醫療檢測裝備開發。

（編輯：王智圣）