基于灰度自適應(yīng)增強(qiáng)的 DKDP 晶體損傷檢測(cè)

余健　史晉芳　邱榮　郭德成　周磊　周強(qiáng)

摘要：在磷酸二氫鉀（KDP）及磷酸二氘鉀（DKDP）晶體損傷研究中需要對(duì)圖像中損傷點(diǎn)進(jìn)行統(tǒng)計(jì)，為了解決損傷圖像中弱小損傷點(diǎn)的低對(duì)比度導(dǎo)致統(tǒng)計(jì)不準(zhǔn)確的問題，提出一種基于局部直方圖灰度自適應(yīng)增強(qiáng)的損傷點(diǎn)檢測(cè)方法。首先利用圖像差分去除高頻背景，然后根據(jù)圖像中每個(gè)像素鄰域的灰度與方差和整幅圖像的灰度與方差之間的差異性，篩選出待增強(qiáng)像素，并通過鄰域最大灰度值與全局最大灰度值得出灰度調(diào)節(jié)系數(shù)，對(duì)圖像進(jìn)行自適應(yīng)增強(qiáng)，最后對(duì)增強(qiáng)后的圖像進(jìn)行閾值分割及目標(biāo)分離。實(shí)驗(yàn)結(jié)果表明該增強(qiáng)算法可以使弱小損傷點(diǎn)的信噪比得到提升，更利于檢測(cè)出圖像中的弱小損傷點(diǎn)，提高 DKDP 晶體損傷研究中損傷點(diǎn)統(tǒng)計(jì)的準(zhǔn)確性。

關(guān)鍵詞：損傷檢測(cè)圖像增強(qiáng)圖像分割邊界跟蹤 DKDP 晶體

中圖分類號(hào)：TN247? 文獻(xiàn)標(biāo)志碼：A? 文章編號(hào)：1671-8755（2024）01-0093-09

Damage Detection of DKDP Crystals Based onGrayscale Adaptive Enhancement

YU Jian1 ， SHI Jinfang1 ， QIU Rong2 ， GUO Decheng2 ， ZHOU Lei2 ， ZHOU Qiang2

（1. School ofManufacturing Science and Engineering ， Southwest University ofScience and Technology ，Mianyang 621010 ， Sichuan ， China;2. Joint Laboratory for Extreme Conditions Matter Properties ， School ofMathematics and Physics ， Southwest University ofScience and Technology ， Mianyang 621010 ， Sichuan ， China ）

Abstract： In KDP&DKDP crystal damage studies ， it is necessary to count the damage points in the image . In order to solve the problem of statistical inaccuracy caused by low contrast of weak damage points in damaged images ， damage points detection method based on local histogram grayscale adaptive enhancement was proposed . Firstly ， the high-frequency background was removed by image difference ， and secondly ， according to the difference between gray scale and variance of each pixel neighborhood in the image and the gray and variance of the entire image ， the pixels to be enhanced was screened out ， and through the neighborhood maximum gray scale and the global maximum gray scale to get the gray adjustment coefficient ， the image was adaptively enhanced ， finally ， the enhanced image was segmented by threshold and target separation . The experimental results show that the SNR of weak damage points can be improved by the enhancement algorithm ， which is more conducive to detecting weak damage points in the image and improving the accuracy of DKDP crystal damage statistics .

Keywords ： Damage detection; Image enhancement; Image segmentation; Border following; DKDP crystals

磷酸二氫鉀（KDP）和磷酸二氘鉀（DKDP）晶體具有較大的非線性光學(xué)系數(shù)及能生長出大口徑的單晶體等優(yōu)勢(shì)[1-2] ， 常用作高功率大口徑激光裝置中的電光開關(guān)元件和頻率轉(zhuǎn)換器件[3-4]。在持續(xù)激光輻照下，晶體中會(huì)出現(xiàn)破壞現(xiàn)象，被稱之為激光誘導(dǎo)損傷（Laser-induced damage ， LID） ， 簡稱損傷（ Dam- age）。損傷的出現(xiàn)會(huì)影響整個(gè)光路系統(tǒng)的運(yùn)行，需要及時(shí)對(duì)晶體中的損傷進(jìn)行處理分析[5]。晶體損傷是制約高功率激光裝置輸出能力的原因之一[6]。在 KDP/DKDP 晶體中，損傷點(diǎn)密度是評(píng)價(jià)晶體質(zhì)量、損傷程度、遮光率以及晶體能否繼續(xù)使用的標(biāo)準(zhǔn)之一[7]。隨著輻照激光能量密度及輻照次數(shù)增加，損傷增長主要體現(xiàn)為損傷點(diǎn)密度增加和損傷點(diǎn)損傷程度增加。通過分析損傷點(diǎn)的密度和損傷程度，有助于了解晶體的損傷機(jī)理以及損傷特性。在損傷探測(cè)方法中，散射法作為一種識(shí)別晶體損傷的手段，將損傷測(cè)試區(qū)域光散射的增強(qiáng)解析為晶體內(nèi)部或表面性質(zhì)被損傷機(jī)理改變的直接結(jié)果[8]。損傷呈現(xiàn)為一種針點(diǎn)狀形貌，可以通過統(tǒng)計(jì)圖像中損傷點(diǎn)的數(shù)目來統(tǒng)計(jì)晶體的損傷密度，進(jìn)而研究晶體抗損傷特性。

目前，針對(duì)大型激光系統(tǒng)的在線損傷檢測(cè)系統(tǒng)，國內(nèi)外學(xué)者對(duì)其涉及的圖像處理技術(shù)已開展多年研究。美國國家點(diǎn)火中心Kegelmeyer等[9]模擬人眼從局部環(huán)境中識(shí)別突出像素點(diǎn)的機(jī)制，提出局部信噪比（Local area signal noise ratio ， LASNR）方法，通過對(duì)圖像每個(gè)局部塊進(jìn)行噪聲與信號(hào)的比值計(jì)算來評(píng)估每個(gè)區(qū)域的信號(hào)質(zhì)量及噪聲水平。馮博等[10] 在 LASNR 算法的基礎(chǔ)上提出了局部信號(hào)強(qiáng)度比（Local area signal strength ratio ， LASSR）算法，利用 LASSR 方法的策略進(jìn)行區(qū)域生長法中種子點(diǎn)的選取，但是在 LASSR 生成圖像的過程中背景與目標(biāo)的灰度同樣得到了抑制。為改進(jìn) LASSR 算法中對(duì)圖像灰度削弱的情況，田玉婷等[11]提出局部信號(hào)強(qiáng)度比增強(qiáng)（ Improved local area signal strength ratio ， ILASSR）算法，構(gòu)造一類篩選像素點(diǎn)的濾波模板，對(duì)圖像中的損傷點(diǎn)進(jìn)行增強(qiáng)。董瑞等[12]為增強(qiáng)晶體損傷中熒光圖像與散射圖像的信號(hào)，提出了局部對(duì)比度增強(qiáng) （ Local adaptive contrast enhancement ， LACE ）算法。

損傷圖像中，有一類損傷點(diǎn)由于雜散光的存在或者散射過弱的情況，其灰度值與周圍背景幾乎沒有差距，很容易引起檢測(cè)誤差，被稱之為弱小損傷點(diǎn)[13]。上述晶體損傷點(diǎn)檢測(cè)方法是利用損傷點(diǎn)信號(hào)與背景信號(hào)之間的不同差異性將損傷點(diǎn)從圖像中提取出來。LASNR 僅對(duì)噪聲進(jìn)行估計(jì)，因此無法增強(qiáng)圖像中損傷點(diǎn)的信號(hào)。LASSR 中利用圖像差分的思想在削弱噪聲信號(hào)的同時(shí)，也大幅削弱了損傷點(diǎn)的信號(hào)。ILASSR 方法通過構(gòu)造一類濾波模板對(duì)圖像中損傷信號(hào)進(jìn)行增強(qiáng)，但是需要進(jìn)行復(fù)雜的計(jì)算，并且增強(qiáng)效果有限。LACE 方法具有增強(qiáng)效果，但其增益系數(shù)為自設(shè)常數(shù)，不具備自適應(yīng)性，易造成圖像增強(qiáng)效果不足。本文提出一種基于局部直方圖灰度自適應(yīng)增強(qiáng)算法，通過進(jìn)一步增強(qiáng)弱小損傷點(diǎn)的信號(hào)強(qiáng)度來提高損傷點(diǎn)的檢測(cè)精度。

1 實(shí)驗(yàn)光路及損傷點(diǎn)檢測(cè)流程

1.1 DKDP 晶體損傷檢測(cè)光路

DKDP 晶體損傷檢測(cè)光路如圖1所示，為激光合束系統(tǒng)。通過 Nd∶YAG 激光器（Spectra - Physics ， LAB -190-10）產(chǎn)生基頻（1ω， 1064 nm ， 約12ns ）、二倍頻（2ω， 532 nm ， 約10 ns ）和三倍頻（3ω， 355 nm ， 約9 ns ）激光，激光運(yùn)行頻率為1 Hz 。半波片與偏振片組成光路前端的能量調(diào)節(jié)系統(tǒng)用以控制實(shí)驗(yàn)所需能量。每束激光采用透鏡（熔石英，2500 mm ）調(diào)節(jié)靶面光斑大小，并采用分光鏡進(jìn)行激光合束。光束質(zhì)量監(jiān)控系統(tǒng)通過探測(cè)主光路中經(jīng)由平面鏡前表面反射的光束對(duì)光斑重疊情況及光束質(zhì)量進(jìn)行分析，其中光束質(zhì)量分析儀（Newport ， LBP2- HR - VIS2）的光敏面與激光作用靶面共軛。采用 He - Ne激光作為照明光源，與實(shí)驗(yàn)激光同軸。實(shí)驗(yàn)過程中DKDP 晶體的損傷圖像由 CCD1（度申科技， MGS1201M - H2）采集，CCD2與 CCD3分別用于監(jiān)控 DKDP 晶體前后表面。實(shí)驗(yàn)樣品為金剛石表面飛切加工后的 DKDP 晶體（50 mm ×30 mm ×10 mm ）。電控平移臺(tái)用于放置并移動(dòng)實(shí)驗(yàn)樣品，以方便更換實(shí)驗(yàn)區(qū)域。

通過 CCD1采集實(shí)時(shí)損傷圖像，接著進(jìn)行圖像預(yù)處理、連通域優(yōu)化、損傷點(diǎn)提取，具體流程如圖2所示。

首先，利用圖像差分算法對(duì)背景進(jìn)行抑制以削弱背景噪聲。根據(jù)每個(gè)像素鄰域局部直方圖信息與整幅圖像的直方圖信息篩選待增強(qiáng)像素，對(duì)圖像灰度進(jìn)行自適應(yīng)增強(qiáng)，以提高圖像中弱小損傷點(diǎn)的信號(hào)強(qiáng)度，然后進(jìn)行損傷點(diǎn)的分離。在增強(qiáng)后的圖像中提取損傷區(qū)域最小外接矩形區(qū)域，在每個(gè)區(qū)域內(nèi)部使用一維最大熵方法[14]對(duì)閾值進(jìn)行分割，以迭代中值濾波[15]及形態(tài)學(xué)閉運(yùn)算方法規(guī)避分割帶來的偽目標(biāo)、斷裂、圖像噪點(diǎn)等問題。最后，利用 Canny 算子進(jìn)行邊緣檢測(cè)[16]。利用邊界跟蹤算法[17]對(duì)所有閉合邊緣進(jìn)行提取，以圖像中的閉合連通區(qū)域個(gè)數(shù)作為圖像中損傷點(diǎn)的數(shù)量提取。

1.2 圖像預(yù)處理

為了突出背景與圖像中損傷點(diǎn)之間的差異性，首先利用開運(yùn)算方法對(duì)原始圖像進(jìn)行形態(tài)學(xué)處理。通過開運(yùn)算可以模糊圖像中的小尺寸損傷點(diǎn)，同時(shí)也能保持圖像整體的灰度分布信息，如式（1）所示：

式中：I（ x ， y）表示原始損傷圖像；A 表示開運(yùn)算操作的結(jié)構(gòu)元；！和①分別表示腐蝕和膨脹。對(duì)原圖像 I（ x ， y）進(jìn)行先腐蝕后膨脹得到經(jīng)開運(yùn)算過后的圖像Iopen （ x ， y）。

雙邊濾波作為一種具有邊緣保護(hù)效應(yīng)的濾波器，能很好地對(duì)圖像中的背景進(jìn)行平滑，并對(duì)損傷點(diǎn)的輪廓進(jìn)行保護(hù)[18]。通過對(duì)開運(yùn)算后圖像Iopen （ x ， y）進(jìn)行雙邊濾波，并利用圖像差分算法得到背景被抑制后的圖像 G（ x ， y） ， 如式（2）、式（3）所示：

雙邊濾波中的窗口大小應(yīng)根據(jù)噪聲鄰域大小進(jìn)行估計(jì)，空間域的權(quán)重σs 及像素域σr 的權(quán)重需要根據(jù)所要提取損傷點(diǎn)的大致范圍進(jìn)行確定。

對(duì)圖像進(jìn)行背景抑制之后，會(huì)使圖像中損傷點(diǎn)灰度值同樣得到抑制，導(dǎo)致圖像中的弱小損傷點(diǎn)更加難以被檢測(cè)出來，因此設(shè)計(jì)一種篩選的算法對(duì)圖像中損傷點(diǎn)的強(qiáng)度進(jìn)行增強(qiáng)，且保證背景不受影響。圖像的直方圖包含了灰度均值與灰度方差兩個(gè)最基本的圖像信息，可以根據(jù)每個(gè)像素鄰域塊的直方圖信息與整幅圖像的直方圖信息進(jìn)行比對(duì)來對(duì)需要增強(qiáng)的像素進(jìn)行篩選。在損傷區(qū)域外緣，鄰域灰度均值大于周圍背景，且灰度波動(dòng)劇烈；在損傷區(qū)域的中心，灰度均值大于損傷區(qū)域的外緣，灰度波動(dòng)平穩(wěn)；在背景區(qū)域中，經(jīng)過圖像差分以后，鄰域灰度均值低，灰度波動(dòng)同樣也低。根據(jù)這3個(gè)不同性質(zhì)，可以篩選出圖像中屬于弱小損傷點(diǎn)的像素點(diǎn)，并對(duì)其進(jìn)行灰度自適應(yīng)增強(qiáng)，降低后續(xù)步驟的檢測(cè)難度。主要步驟為：

（1）計(jì)算整幅圖像的灰度均值 m G ， 方差σG（2）及最大灰度值 m max ;

（2）確定鄰域像素尺寸Sxy ， 根據(jù)損傷區(qū)域分布性質(zhì)一般取3×3或者5×5像素大小；

（3）計(jì)算每個(gè)像素鄰域的灰度均值 mS 與方差分布σS ， 并計(jì)算鄰域最大灰度值 mS? ;

（4）為防止灰度溢出，增強(qiáng)系數(shù)為 m max /mS? ;xymax

（5）根據(jù)式（4）篩選出待增強(qiáng)區(qū)域，并根據(jù)增強(qiáng)系數(shù)進(jìn)行灰度自適應(yīng)增強(qiáng)。

式中：k0為鄰域灰度均值與全局灰度均值的比較系數(shù)；k1 為鄰域方差與全局方差的比較系數(shù)，k0 與 k1的取值需要針對(duì)實(shí)驗(yàn)采集圖片進(jìn)行調(diào)試；圖像差分后的低信噪比圖像可以認(rèn)為低于 k0 m G 的像素為圖像中的背景；k1σG（2）則代表了背景方差的波動(dòng)。通過灰度與方差的不同，將損傷區(qū)域的像素點(diǎn)從圖像中篩選出來并進(jìn)行增強(qiáng)。為了提升增強(qiáng)效果，在式（4）條件1的情況下，當(dāng)鄰域中心像素點(diǎn)的灰度值fS （ x ， y）低于鄰域均值 mS 時(shí)，則將其原本灰度值替換為鄰域最大灰度值fS? （ x ， y）進(jìn)行增強(qiáng)。

1.3 連通域優(yōu)化

在完成對(duì)高頻背景的抑制及對(duì)圖像中弱小損傷點(diǎn)的增強(qiáng)之后，需要將損傷點(diǎn)從圖像中與背景進(jìn)行分割。為了保證提取信息量足夠大且分割迅速，對(duì)增強(qiáng)后的圖像進(jìn)行最小外接矩形擬合用以尋找目標(biāo)區(qū)域，并對(duì)每個(gè) ROI 區(qū)域（Region of interest）采用一維最大熵分割法。由信息論可知，圖像熵越大，則圖像中含有更多信息，對(duì)于任意一幅尺寸為 M ×N 的圖像，f（ x ， y） 表示點(diǎn)（ x ， y）處的灰度值，f（ x ， y）=[0 ， L]的灰度集合，設(shè) pi 表示第i個(gè)灰度級(jí)出現(xiàn)的概率，給定一個(gè)閾值 t （ t =[0 ， L]）分割出目標(biāo) A 區(qū)與背景 B 區(qū)，則Pt =Σi（t）=0p i表示從0到 t 的灰度級(jí)概率之和。圖像熵 H 的定義為：

當(dāng)目標(biāo)熵 H（A）和背景熵 H（B）總和 H最大時(shí)，此時(shí)分割的 t 即認(rèn)為是最佳分割。A 區(qū)：

B 區(qū)：

目標(biāo)熵 H（A）為：

背景熵 H（B）為：

定義目標(biāo)與背景熵之和ψ（ s ）為：

當(dāng)選取的 t 使得ψ（ s ）最大時(shí)，選取此時(shí)的 t 值作為分割可獲得最大信息量。

在完成分割工作后，因存在部分噪聲，圖像連通域呈現(xiàn)不規(guī)則形狀，需要對(duì)其后處理以消除其帶來分割不準(zhǔn)確問題。去除圖像中小的孔洞或細(xì)小的物體，同時(shí)保留圖像中較大的連通區(qū)域，以供后續(xù)步驟分析。對(duì)于圖像中的椒鹽噪聲采用中值濾波器進(jìn)行濾除。為防止中值濾波過度模糊化圖像且噪點(diǎn)去除不足，采用迭代中值濾波方法去除圖像椒鹽噪點(diǎn)，同時(shí)該方法也能對(duì)邊緣進(jìn)行優(yōu)化，去除內(nèi)部偽點(diǎn)。由于通過圖像中的連通區(qū)域來對(duì)損傷點(diǎn)數(shù)目進(jìn)行判斷，而圖像中單目標(biāo)斷裂將影響損傷點(diǎn)提取過程中的準(zhǔn)確度問題。通過形態(tài)學(xué)閉運(yùn)算來消弭此類問題，如式（11）所示：

為了不更改連通區(qū)域的位置和形狀，其結(jié)構(gòu)元 A 通常選擇矩形結(jié)構(gòu)。

1.4 損傷點(diǎn)提取

完成對(duì)損傷點(diǎn)的連通區(qū)域優(yōu)化之后，利用 Canny 算法提取出細(xì)化邊緣，采用邊界跟蹤算法對(duì)每個(gè)閉合輪廓邊緣進(jìn)行跟蹤，以此統(tǒng)計(jì)損傷圖像中連通域的個(gè)數(shù)，對(duì)于每一個(gè)提取出來的連通域具備重心、周長、面積等特性，通過圖像一階矩確定重心位置，并以最小外接橢圓對(duì)提取到的連通域進(jìn)行擬合，擬合得到的信息作為圖像中損傷點(diǎn)的特性，如連通域個(gè)數(shù)、面積和位置。

2 實(shí)驗(yàn)結(jié)果分析

本文實(shí)驗(yàn)硬件平臺(tái)基于2.90 GHz Intel C ore i5 CPU ， 16 GB RAM 計(jì)算機(jī)；軟件開發(fā)基于 Win1064位操作系統(tǒng)，開發(fā)工具為 Qt 5.15.2+ OpenCV 4.5.1。

2.1 圖像預(yù)處理結(jié)果分析

經(jīng)過圖像差分之后，高頻背景得到削弱，同時(shí)整幅圖的灰度也得到了削弱。圖3中左側(cè)部分圖像的平均灰度值在圖像差分前后分別為16.94 ， 5.36。圖3中編號(hào)1-編號(hào)4所示的弱小損傷點(diǎn)，其灰度水平基本與周圍背景相當(dāng)，檢測(cè)過程中很容易被忽略。本文通過對(duì)損傷區(qū)域進(jìn)行圖像差分來抑制高頻背景，以提高弱小損傷點(diǎn)的信號(hào)，方便后續(xù)步驟的分離。

為說明背景抑制的效果，對(duì)損傷點(diǎn)的三維分布圖進(jìn)行分析，圖4（ a ）-圖 4（d）分別對(duì)應(yīng)圖3中數(shù)字編號(hào)1- 編號(hào)4的點(diǎn)。從圖4可以看出，相比于原始圖像的背景水平，高頻背景均下降了一定高度，同時(shí)可以看出峰值的灰度水平也出現(xiàn)了下降的情況，因此下一步需要對(duì)圖像像素進(jìn)行篩選增強(qiáng)。

在 ILASSR 方法中構(gòu)造了一類濾波模板對(duì)圖像進(jìn)行增強(qiáng)，LACE 方法的增益系數(shù)選取為常數(shù)3 ， 本文采用局部塊與整幅圖像灰度方差之間的差異性進(jìn)行待增強(qiáng)像素點(diǎn)的篩選并對(duì)灰度進(jìn)行自適應(yīng)增強(qiáng)。圖5比較了 ILASSR ， LACE 與本文增強(qiáng)方法的差異性。在 ILASSR 方法中出現(xiàn)了灰度溢出的情況，增強(qiáng)損傷區(qū)域的同時(shí)，周圍區(qū)域的噪點(diǎn)也得到了一定程度的增強(qiáng)，LACE 方法雖然具備增強(qiáng)效果，但是對(duì)于弱小損傷點(diǎn)的增強(qiáng)并不明顯。為進(jìn)一步比較不同方法的增強(qiáng)結(jié)果，對(duì)圖像中的信噪比進(jìn)行計(jì)算分析。信噪比（Signal noise ratio ， SNR）是衡量信號(hào)與噪聲強(qiáng)弱關(guān)系的度量，在圖像存在背景灰度的情況下，點(diǎn)目標(biāo)的檢測(cè)常使用局部最小方差法來計(jì)算圖像的信噪比[19] ， 其定義如式（12）所示：

在局部最小方差方法中，通常對(duì)圖像塊為3×3或者5×5像素大小的方差進(jìn)行計(jì)算，式（12）中σx 表示局部方差中的最大值，將其作為信號(hào)值，σn 表示局部方差的最小值，將其作為噪聲值，最終計(jì)算的 SNR 值根據(jù)經(jīng)驗(yàn)公式進(jìn)行修正。

如表1所示，3種方法均對(duì)信噪比 SNR 帶來提升效果。表1中例圖為不同方法處理后的結(jié)果展示，可以看見弱小損傷點(diǎn)對(duì)比度均得到明顯提升。以原始圖像信噪比為基準(zhǔn)，計(jì)算3種方法對(duì)4個(gè)弱小損傷點(diǎn)的平均提升倍數(shù)，ILASSR ， LACE 以及本文方法提升效果分別為1.65 ， 1.70 ， 1.94倍。本文方法能一定程度上提高信噪比，且提高效果優(yōu)于 ILASSR 與 LACE 方法，能有效提升圖像中損傷點(diǎn)信號(hào)，更利于準(zhǔn)確提取出損傷點(diǎn)目標(biāo)。

為了直觀展示本文方法的提升效果，對(duì)圖3中數(shù)字編號(hào)1-編號(hào)4的點(diǎn)繪制三維灰度圖，如圖6、圖7所示。從圖6、圖7觀察到，圖像中弱小損傷點(diǎn)灰度值得到了提升，與周圍的背景形成對(duì)比，更有利于后續(xù)的圖像處理步驟中損傷點(diǎn)的分離。

2.2 連通域優(yōu)化分析

對(duì)增強(qiáng)后圖像進(jìn)行分割之后會(huì)帶來隨機(jī)噪聲，對(duì)單個(gè)損傷點(diǎn)，可能會(huì)出現(xiàn)斷裂、偽點(diǎn)等情況，以至于統(tǒng)計(jì)過程中出現(xiàn)誤判斷的情況。因此，需對(duì)分割之后的連通域進(jìn)行優(yōu)化，優(yōu)化策略為迭代中值濾波結(jié)合形態(tài)學(xué)閉運(yùn)算。圖8（ a ）中的點(diǎn)來自于圖3中編號(hào)為字母 a 的點(diǎn)，圖8（ b）為最大熵分割后的結(jié)果，為原圖中一個(gè)損傷點(diǎn)的二值化圖像。從圖8（b）可看出損傷點(diǎn)連通域出現(xiàn)噪點(diǎn)、斷裂，其內(nèi)部產(chǎn)生部分偽點(diǎn)。圖8（ c ）-圖8（ e ）依次表示從迭代1次開始的中值濾波迭代運(yùn)行的次數(shù)，圖8（f）為利用閉運(yùn)算彌合損傷點(diǎn)斷裂區(qū)域的過程。圖8展示了整個(gè)連通域的優(yōu)化流程，原始圖像經(jīng)熵分割結(jié)合迭代中值濾波濾除椒鹽噪聲及閉運(yùn)算處理后最終得到圖8（f）的優(yōu)化后連通域，可以一定程度上避免對(duì)損傷點(diǎn)的誤判斷問題，提高檢測(cè)準(zhǔn)確度。

2.3 損傷點(diǎn)提取結(jié)果分析

在完成了對(duì)連通域的優(yōu)化之后，圖9為損傷點(diǎn)提取示意圖。圖9中的提取結(jié)果來自于圖3左側(cè)部分圖像的提取結(jié)果，每個(gè)損傷點(diǎn)的重心利用實(shí)心圓進(jìn)行標(biāo)注，原始驗(yàn)證圖像尺寸為2400×1000像素，截取放大區(qū)域圖像尺寸為530×450像素。

在圖像上存在能夠由 CCD 探測(cè)到的弱小損傷點(diǎn)，利用增強(qiáng)算法對(duì)圖像中弱小損傷點(diǎn)進(jìn)行增強(qiáng)之后，可以將圖3中對(duì)比度極低的弱小損傷點(diǎn)準(zhǔn)確檢測(cè)出來，有效提升了 DKDP 晶體損傷檢測(cè)過程中的準(zhǔn)確度。

表2中的數(shù)據(jù)來源于圖9的提取結(jié)果，以圖像中可提取到的連通域信息作為損傷點(diǎn)本身的特性，并對(duì)相機(jī)進(jìn)行標(biāo)定，可以獲得損傷點(diǎn)個(gè)數(shù)、坐標(biāo)、面積信息，用以實(shí)驗(yàn)分析。

2.4 檢測(cè)結(jié)果分析

選取 DKDP 晶體損傷測(cè)試中的4組損傷區(qū)域圖像，將其標(biāo)號(hào)為 A1 ， A2 ， A3 ， A4 ， 對(duì)其檢測(cè)最小面積及單幀圖像運(yùn)行時(shí)間進(jìn)行分析。由表3分析可知，該流程算法的平均運(yùn)行時(shí)間為0.81 s ， 滿足激光頻率要求，能在激光脈沖間隔內(nèi)完成圖像采集及處理工作。

3 結(jié)論

本文結(jié)合圖像處理方法，完成對(duì) DKDP 晶體損傷圖像中損傷點(diǎn)的提取分析工作。（1）采用的圖像增強(qiáng)方法提升效果優(yōu)于 ILASSR 與 LACE 方法，能有效提高檢測(cè)下限。（2）損傷圖像中連通域的優(yōu)化策略能提升圖像中損傷點(diǎn)分離與提取準(zhǔn)確度。（3）該算法能有效提取出圖像中損傷點(diǎn)的信息，可用于晶體損傷特性測(cè)試中的損傷點(diǎn)檢測(cè)。

參考文獻(xiàn)

[1] BAISDEN P A ， ATHERTON L J ， HAWLEY R A ， et al. Large optics for the national ignition facility[ J]. Fusion Science and Technology ， 2016 ， 69（1）：295-351.

[2] 李云飛，史晉芳，邱榮，等.355 nm 和1064 nm 雙波長預(yù)處理對(duì) DKDP 晶體損傷性質(zhì)的影響[ J].強(qiáng)激光與粒子束，2022 ， 34（6）：17-22.

[3] BURNHAM A K ， HACKEL L A ， WEGNER P J ， et al. Improving 351 nm damage performance of large-aperture fused silica and DKDP optics [ C]∥Proceedings of SPIE： the International Society for Optical Engineering. SPIE ， 2002.

[4] CARR C W ， AUERBACH J M . Effect of multiple wave-tals [J]. Optics Letters ， 2006 ， 31（5）：595-597.

[5] 李勇，李建郎，李展，等．光學(xué)元件損傷的檢測(cè)和修復(fù)：傳統(tǒng)與深度學(xué)習(xí)[ J].光子學(xué)報(bào)，2022 ， 51（10）：391-403.

[6] 李香草. KDP 晶體紫外激光輻照損傷研究[ D].北京：北京科技大學(xué)，2021.

[7] 邱榮．強(qiáng)激光誘導(dǎo)光學(xué)元件損傷的研究[ D]. 四川綿陽：中國工程物理研究院，2013.

[8] 激光器和激光相關(guān)設(shè)備激光損傷閾值測(cè)試方法第4部分：檢查、探測(cè)和測(cè)量：GB/T16601.4—2017[ S].北京：中國標(biāo)準(zhǔn)出版社，2017.

[9] KEGELMEYER L ， FONG P ， GLENN S ， et al. Local ar- ea signal-to-noise ratio （ LASNR） algorithm for image segmentation [C]∥Proceedings of SPIE： the Internation- al Society for Optical Engineering ， 2007 ， 6696：836-844.

[10]馮博，劉炳國，陳鳳東，等．光學(xué)元件損傷在線檢測(cè)圖像處理技術(shù)[ J].強(qiáng)激光與粒子束，2013 ， 25（7）：1697-1700.

[11] 田玉婷，鄔融，楊野．基于局域信號(hào)增強(qiáng)的光學(xué)元件損傷檢測(cè)[J].中國激光，2018 ， 45（11）：137-144.

[12]董瑞．熔石英光學(xué)元件亞表面缺陷檢測(cè)技術(shù)研究[D].重慶：重慶理工大學(xué)，2022.

[13]馮博．慣性約束聚變終端光學(xué)元件損傷在線檢測(cè)技術(shù)研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2014.

[14]劉天舒，房建東，趙于東．基于圖像分割的目標(biāo)檢測(cè)方法對(duì)比研究[J].計(jì)算機(jī)時(shí)代，2022（1）：14-18.

[15]王拓，王洪雁，裴炳南．一種消除椒鹽噪聲的迭代自適應(yīng)中值濾波算法[ J].電光與控制，2019 ， 26（2）：23-27.

[16]杜緒偉，陳東，馬兆昆，等．基于 Canny 算子的改進(jìn)圖像邊緣檢測(cè)算法[ J].計(jì)算機(jī)與數(shù)字工程，2022 ， 50（2）：410-413 ， 457.

[17]許珊珊．靜態(tài)圖像中多目標(biāo)的邊界跟蹤方法研究[D].湖南湘潭：湘潭大學(xué)，2018.

[18]賈亮，王貴宇，于昊充．基于噪聲檢測(cè)和自適應(yīng)方差的雙邊濾波算法[J].電子設(shè)計(jì)工程，2022 ， 30（19）：144-148.

[19]王學(xué)偉，王春歆，張玉葉．點(diǎn)目標(biāo)圖像信噪比計(jì)算方法[J].電光與控制，2010 ， 17（1）：18-21.