第五屆全國大學生光電設計大賽

理論方案報告

二〇一六年七月

目錄

1、計算與模擬… 3

1.1 透鏡實際引數計算········································································3

1.2系統引數模擬及校正·····································································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 硬體結構················································································· 8

4、高分辨處理方案… 9

4.1 空間取樣頻率細分················································································· 10

4.2 影象復原·················································································10

3.1 目視結果評價·················································································14

3.2 軟體結果評價·················································································14

一、 賽題重述

使用焦距為35mm的單個雙凸透鏡和指定型號的CMOS感測器對ISO12233標準測試卡成像，光路中可新增除頭境外的任何其他光學元件。測試卡分為左右兩部分，距離攝像頭的物距前後相差30cm，形成一定的景深。各隊將所獲得的影象儲存為通用的數字影象檔案，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，三個裁判平均分為各隊競賽得分。

二、 具體方案

1、計算與模擬

由官方給出的透鏡的引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進行軟體模擬。

1.1、透鏡實際引數計算

這裡我們假設入瞳是5mm，入瞳在透鏡第一個面前方10mm處，將初始的資料帶入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系統引數模擬及校正

將上述引數輸入ZEMAX可以獲得系統模擬結構如下圖

       由ZEMAX模擬的結果來看，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，但是解析度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值為           由模擬可見，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為5mm，為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，產生的位移為 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為K9的情況下為2.98mm。

2.3 採集方案

3、系統結構

3.1 機械結構

為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影象的採集，同時在鏡筒後方開槽，便於平板玻璃的安裝與除錯。

3.2 硬體結構

根據賽題要求，要使用指定的COMS晶片MT9M001，這是一款130W畫素的晶片，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的影象傳輸速率。這樣的處理速度要求已經遠遠高出了一般微控制器IO輸出速度的上限。。

這裡我們採用FPGA對MT9M001資料進行採集，存入256M的SDRAM，然後通過CY68013的SlavFIFO模式將SDRAM裡面的影象資料讀出並通過高速USB2.0模式對資料進行上傳。

4、高分辨處理方案

軟體整體系統採用Labview+Matlab混合程式設計的模式，通過Labview將影象進行採集和預處理。處理後的影象送入Matlab進行影象復原並進行影象的輸出。

4.1 空間取樣頻率細分

由於CMOS最高畫素輸出是1024*1280，像元大小為5.2*5.2um，可以計算出最小可以分辨的物方距離為了增加CMOS的空間取樣頻率，我們採用對畫素點進行插值的方法，使用立方插值演算法將畫素擴充至2048*2560。將空間取樣增大一倍，這樣理論的空間取樣頻率會增大一倍，方便了後期的影象復原

4.2 影象復原

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影象可以看作理想影象與系統點擴散函式的卷積再加入噪聲的過程。但是由於噪聲的引入會使得影象的復原過程變成一個非線性的處理，加上點擴撒函式估計的不可預測性，所以僅僅對影象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，這裡我們採用傾斜刃邊的方法獲得影象的階躍響應，並使用三次費米函式進行擬合，擬合結果如下圖所示。

4.2.2 RL復原演算法

Richardson-Lucy(LR)演算法假設影象服從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演算法。該演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 影象復原質量評價

在影象復原的的過程中，隨著迭代次數的增加，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式尺寸越大，寄生的波紋就越嚴重。博文的存在極大的影響的影象的質量，而在影象恢復的過程中不可避免的將會出現這一效應，如果用常規的影象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。所以在這裡我們採用了浙江大學的影象評價方案GRM即梯度波紋質量評價。

對於某一個影象塊，梯度的波紋質量可以表示為

其中表示影象的垂直方向和水平方向的平方和。可以用sobel運算元來計算得出。

最終影象的復原質量由每一個影象塊的GRM的平均值來表示。

三、最終結果評價

經過上述系統，我們最終輸出的結果如圖所示

3.1 目視結果評價

500mm處的極限目視解析度如下圖所示，能分辨到
16線。800mm出的極限目視解析度如下圖，能分辨到9線摺合成像高/線對為

3.2 軟體結果評價

500mm處影象評價800mm處影象評價

四、參考文獻

[1]    (美)岡薩雷斯(Gonzalez, R.C.), (美)伍茲(Woods,等. 數字影象處理[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演算法的總變分最小化影象分塊復原法[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. 快速高效去除影象椒鹽噪聲的均值濾波演算法[J]. 鐳射與紅外, 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演算法[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，謝謝各位的支援。