[发明专利]一种将De Bruijn彩色结构光图像转化为赋权有向图模型和赋权有向图模型简化方法

说明书

技术领域

本发明提出一种将De Bruijn彩色结构光图像转化为赋权有向图模型和赋权有向图模型简化方法，属于计算机图像处理技术领域。

背景技术

基于颜色结构光的三维测量系统广泛适用于与建模、检测技术相关的虚拟现实、军事仿真、工业设计、荧幕检测等领域中各类立体模型表面的三维重建的过程中，具有高精度、高效率、低成本、易实施等优点。在物体三维重构过程中，结构光编解码关系到整个三维测量系统的速度与精度。由于摄像机拍摄到的图像质量参差不齐，因此，对该图像进行彩色条纹的提取和匹配都十分苦难。

Philipp Fechteler等人建立了彩色结构光系统，提出了自适应彩色分类方法，通过该方法，作者在非暗室条件下，使用单幅彩色结构光系统实现了高质量的3D重构，解决了环境光、颜色、人脸特征对重构质量的影响，提高了系统的鲁棒性。此外，该作者还提出了一种捕获3D模型的方法，该方法采用特殊的技术将两张人脸照片进行整合，经过少量计算就可以得到高分别率的人脸3D模型。Li Zhang等人使用一幅或多幅彩色结构光编码图像，采用多通道动态规划思想快速获取物体外形。Willie Brink等人根据图中已记录条纹的潜在关联性和邻接性，提出了最大生成树算法，使用该算法可以得到比以往方法更精确、更可靠的重构结果。

到目前为止还没提出以条纹为解码单位的算法，已有算法都会出现因不良条纹而造成的匹配误差。虽然提出了多样各样的算法，但检测条纹和条纹颜色标定依然是结构光解码技术的关键。已提出的条纹匹配思想或算法都是沿着每条列，按照条纹上的像素点进行匹配，因此完成条纹匹配需要较长的时间，并且在不良像素和遮挡局域境界常会出现误码。

发明内容

为了快速地对De Bruijn彩色结构光编码图像进行高精度的解码，本发明提出了一种将De Bruijn彩色结构光图像转化为赋权有向图模型和赋权有向图模型简化方法。

一种将De Bruijn彩色结构光图像转化为赋权有向图模型和赋权有向图模型简化方法，其特征在于，该方法所需设备和实现步骤如下：

所需设备：如图1所示，所需设备由5部分组成：投影机1，投影屏幕2，摄像机3，计算机4，待测物体5；投影机1和摄像机3都通过电缆与计算机4连接。

实现步骤：

步骤1、在计算机4中，利用具有随机特性与确定性的De Bruijn伪随机序列，产生一幅7元3级De Bruijn序列彩色结构光编码图像，该图像中任意相邻两条彩色条纹的颜色都不相同，如图2所示，并存储在计算机4中。

步骤2、计算机4通过投影机1将步骤1中产生的De Bruijn序列彩色结构光编码图像经过待测物体5调制后投影到投影屏幕2上，生成调制后的投影图像。

步骤3、计算机4通过摄像机3拍摄步骤2生成的调制后的投影图像，得到彩色结构光编码图片。

步骤4、计算机4采用传统的canny算法提出步骤3得到的彩色结构光编码图片中每条彩色条纹的上边界和下边界，再计算每条彩色条纹的上边界和下边界的中间位置，得到每条彩色条纹的中心彩色条纹。

步骤5、利用聚类分析方法对彩色结构光编码图片进行聚类分析，对该图片中每一条中心彩色条纹的颜色进行标定；具体方法如下：

共有七个聚类颜色：由R，G，B分量值分别为0，0，255组成的颜色称为第一聚类颜色；由R，G，B分量值分别为0，255，0组成的颜色称为第二聚类颜色；由R，G，B分量值分别为0，255，255组成的颜色称为第三聚类颜色；由R，G，B分量值分别为255，0，0组成的颜色称为第四聚类颜色；由R，G，B分量值分别为255，0，255组成的颜色称为第五聚类颜色；由R，G，B分量值分别为255，255，0组成的颜色称为第六聚类颜色；由R，G，B分量值分别为255，255，255组成的颜色称为第七聚类颜色；

设彩色结构光编码图片中某条中心彩色条纹的颜色的R、G、B分量值分别为r，g，b，第i聚类颜色的R、G、B分量值分别为r_i，g_i，b_i，其中i∈{1，2，3，4，5，6，7}，根据以下公式，计算该中心彩色条纹的颜色分别与七种聚类颜色的距离，