莫迪威 张春良 王文龙 朱厚耀

摘要：介绍基于Labview编写的上位机系统，其中包括自动对焦系统与全场位移检测系统基本原理，以及系统软件与硬件设备的主要结构与工作过程。在该软件系统中集成了实时位移场监测、应变场检测、数据记录、参数调节、对焦、截取 ROI、相机位置控制等功能。控制系统中，以Labview编写的上位机作为主控，Arduino作为下位机，驱动步进电机带动三轴移动平台进行相机位置的控制。全场位移检测系统采用Labview的模板匹配函数获取位移场，并转换成应变场，同时记录数据进行分析。应用该系统进行隐裂牙的微小变形检测，以期检测出牙齿裂纹，并进行连续拍摄实验测试系统的稳定性。试验结果表明，系统具有方便控制以及高精度的特点，且工作时性能稳定可靠，值得在实际工程运用中进行推广。关键词：非接触测量;数字图像相关检测;应变场检测;Labview;监测系统

中图分类号：TP391.41文献标志码：A

文章编号：1009-9492（2021）11-0012-05

开放科学（资源服务）標识码（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

数字图像相关法（DIC）又称数字散斑相关法[1]，是一种现代光学测量技术，具有高精度、非接触、结构相对简单等特点，可用于物体的全场位移或应变检测[2]。根据数字图像相关法的原理，图像处理程序将参考散斑图像与变形散斑图像进行比较，并根据变形前后给定的散斑灰度强度，通过相关计算，获得图像的位移或变形信息[3-4]。

Labview是美国国家仪器（ NI ）公司研发的编程开发环境，集成了工程上常用的工具包，且编程思想与其他平台有些区别，Labview编程思想为数据流驱动，而非顺序执行程序，使用图像化的编程语言 G 语言，极大缩短了工程师对于测试系统以及控制系统的开发周期，旨在帮助科学家与工程师不断提高生产力[5]。鉴于其友好的编程界面以及强大的工具包支持，而被科学研究与实际工程运用中广泛使用，如张光葳[6]使用Labview研究汽车行驶过程中道路的信息识别，李迺璐等[7]基于Labview平台搭建了风力叶片振动特性与控制的系统，王永泉等[8]基于Labview平台开发了气体绝缘金属封闭开关设备声振联合检测系统。

本文基于Labview平台，结合数字图像相关法，搭建了一套自动化位移场及应变场的检测系统。该系统便于控制定位相机位置，方便调试，可对变形物体表面进行实时的位移场、应变场监测工作。同时可对检测数据进行定时保存记录，以对数据进行后期处理。

1 系统方案设计

数字图像相关法的关键步骤之一为变形物体表面图像的获取，传统的图像获取方式为相机置于三脚架上，不断调节三脚架尽可能地寻找最清晰位置。本文为方便进行相机定位调试，以 Arduino单片机作为下位机，将摄像机安装在模组上，通过控制步进电机带动模组，从而实现对拍摄位置的定位，并能够实现自动寻找最佳拍摄位置。

图像采集与匹配过程，需要划分 ROI 区域，减小计算量并提高匹配结果正确率。需要将匹配后的结果显示出来，并能保存位移场数据。考虑噪声因素，其中包括图像采集过程与图像匹配过程出现的噪声，如光照强度、镜头畸变、表型物体表面特征不足导致匹配失败等。光照强度改变时，会改变采集到的图像子区域灰度值，影响匹配结果，因此使用补光灯保证稳定的光源。选用小畸变镜头，其他噪声如匹配失败造成的椒盐噪声，使用中值滤波器进行滤除。根据实际情况，考虑为对图像进行滤波，或是对位移场进行滤波。变形场相比于位移场，可更加直观地表征物体变形信息，因此考虑将位移场转换至应变场。

2 硬件设备

硬件设备主要包括 PC 机、配备 Intel （ R ）核心（ TM ） i5-8400CPU@2.80GHz2.81GHz和8GB RAM 的计算机、三轴移动平台、补光灯与图像采集装置，如图1～2所示。三轴移动平台进行定位基本流程如下：上位机发出移动指令到下位机，下位机响应指令发出脉冲控制步进电机驱动器，驱动器按照时序驱动步进电机旋转带动滑台移动。上位机是基于Labview搭建的控制系统，根据用户操作通过串口发送相应指令到下位机。下位机是使用 Arduino Uno单片机进行开发。实验采用的 CCD相机（ MV-SUA2000C/M-T ）分辨率为1920×1080像素，配合远心镜头（ WTL150-04X20），放大倍数0.4 X ，工作距离150 mm ，畸變小于0.1，视野范围22 mm×16.5 mm 。本次实验采用的远心镜头光线采集较弱，无法调整光圈，因此需要增加补光灯装置进行补光，为保证补光灯灯照均匀，将补光灯与镜头尽可能保持同轴。

3 系统的搭建

划分 ROI 区域后，使用控制系统对三轴移动平台控制。同时通过实时 ROI 图像窗口结合对比度进行调试相机位置，移动至大概位置，可启动自动对焦功能，于相机光轴方向自动寻找最大清晰度位置并进行定位。图像的清晰度判定有多种方法，本文系统中中采用了常用的3种判定方法：标准差、Robert梯度和、灰度梯度向量模平方。

开启图像采集后，图像采集分析系统会对当前 ROI 区域采集一张照片作为模板，然后实时采集变形图像与模板进行匹配得到位移场，并结合位移场计算出应变场，最后自动保存数据。Labview进行图像匹配时，需要对模板进行学习，再与变形图匹配输出匹配结果。为了加快匹配过程，考虑在进行匹配前，对模板图像进行预处理。选取一张预先拍摄好无变形时的物体 ROI 区域图像，图像大小为Px×Py个像素，简称为图像 I1。根据输入参数 PO 对图像进行裁剪像素大小为（ Px-2PO ） ×（ Py-2 PO ）生成新的图像，以下简称为原图 I0。为加快图像匹配的速度，本文图像匹配系统预处理根据输入参数 WL 和 WI 对 I0进行图像分割。如图3所示，依据输入参数，搜索窗口步进为 WI 个像素，依次将 I0分割为大小为 WL ×WL 像素的局部图像称为 I0S1～ I0SN 共计 N 张，并依次进行机器学习获取特征后再进行保存，机器学习后的图像称为模板。

获取到实时图像 I1后，根据输入参数 WL ， WI 与 WO 对 I1进行图像分割。间隔为 WI 个像素，依次将 I1分割为大小为（ WL +2PO ）× （ WL +2PO ）的局部图像 I1S1～ I1SN 共计 N 张。每分割一次，加载 I1S 中心坐标对应的I0S 图像进行配对，即可获得匹配信息推算出局部位移。进行 N 次局部位移获取后，即可获得全场位移为下一步应变场计算做准备。程序所选用的特征匹配算法，是基于待匹配区域和模板区域的图像像素值矩阵进行相关系数的计算，常见的匹配算法有平均绝对差算法（ MAD ），差值平方和函数（SSD），归一化差值平方和函数（NSSD），零均值的归一化差值平方和函数（ZNSSD），互相关函数（CC），归一化互相关函数（NCC），零均值的归一化函数（ZNCC）[9-10]。本文中的图像匹配过程由Labview机器视觉工具箱实现。其核心匹配算法为归一化互相关系数（NCC）[11]，可以描述为：

C（x，y）=

如果同一个子图里面这些特征变形程度不同，会产生两个方面的后果，其一，变形剧烈脱离了变形的假设，相关计算计算会低于设定阈值，导致匹配失败警告;其二，如果满足小变形假设，调整wl和pi ，例如减少wl，增大pi ，对匹配区域和搜索范围进行缩小，从而实现有效匹配。图4所示为划分实时图像子区域进行匹配。

获取得到的位移场带有噪声，在本文实际实验情况下，来自图像采集过程中产生的噪声比较少，若对图像进行过滤，反而使图像丢失细节，因此本文在设计滤波器时，仅在匹配位移场时，匹配失败点位置进行中值滤波，中值滤波可很好地滤除椒盐噪声。为了保留更多的细节进行小变形匹配测量，本文并未直接对位移场进行中值滤波，而是仅在匹配失败的位移点处根据输入参数进行中值滤波。滤波器设计如图5所示。

研究表明，使用局部最小二乘法拟合应变场时，拟合函数为二维一次多项式可更好地滤除离散位移数据中的噪声和得到较好的平滑效果[12]。因此，匹配得到的位移场，本文使用局部最小二乘法对位移场进行拟合，得到应变场。

得到拟合多项式的系数后，小变形情况下柯西（Cauchy）应变分量[13] ：

（4）

（5）

（6）

式中：a1、a2、a3、b1、b2、b3为待定系数; （P T P ） -1 P T 为 P 的伪逆矩阵;P 为局部坐标矩阵;u 为 x 方向上的位移;v为在y方向上的位移;εx为在x方向上的应变，εy为在 y 方向上的应变，γxy为剪切应变。

4 精度及稳定性

本文采用散斑图生成研究图像分析系统[14] ，散斑图输入参数主要包括散斑尺寸 R，散斑数量 N。散斑图生成的主要思路为：在一张规定尺寸全黑背景图上，生成随机位置的白色斑点，斑点的大小由R控制，散斑个数由N控制。二值图的散斑图包含信息有限，因此本文采用归一化的方法，将生成的二值图进行归一化转化为灰度图，且散斑强度以中心向四周衰减，衰减的灰度图将能包含更多的纹理信息。模拟测试实验中，选取散斑图片参数为散斑半径R=2.5，散斑数量选取 1 200。数字图像相关法中，搜索匹配窗口的大小，匹配窗口的步进距离都会影响匹配结果，现使用本文中系统对不同的匹配窗口参数进行测试分析。Matlab生成散斑图如图6所示。

本次实验匹配参数匹配窗口大小在 39 像素 × 39 像素左右，窗口间隔为 3 像素，应变场拟合窗口为 7 像素，像素偏移设置为。首先在X方向对散斑图施加0.1像素的偏移，测试不同的匹配参数影响。

如图7所示，匹配窗口大小与间隔都会影响匹配时间。随着匹配窗口的增大，子图像尺寸更大，包含更多的特征信息[15]，但是计算量会增大，因此窗口越大，匹配时间越长。由图可知，窗口步进间隔对于时间的影响更大，步进距离越短，代表着位移场中的数据量更多，所需要匹配的时间也更增加更明显，尤其窗口步进在1个像素与2个像素。且结合位移场方差图看，随着窗口步进的增加，方差会逐渐趋向于稳定，这是因为窗口步进过小时，匹配更容易出现匹配误差，位移场数据引入噪声。

对本系统进行整像素与亚像素偏移测试时，如图8所示，本系统对于整像素偏移时，效果良好。但实际检测中，大部分情况为亚像素偏移。亚像素偏移时，粗细搜索匹配后，会进行插值匹配，此时插值算法的误差会引入匹配算法带来的误差，使得位移场数据在真实值上下有小波动。图中表明，亚像素匹配会有一个小于真实变形一个数量级别的误差，这在工程上可以满足大部分测量需求。对散斑图施加均匀应变测试时，仅考虑微小变形，测试得到匹配结果如图8所示，随着施加均匀应变增大，误差也随之增大，但误差仍在可接受范围，这个误差是因为施加亚像素的均匀应变，导致位移场出现误差，从而影响了结合位移场拟合得到的应变场。

5 实际应用

在使用本文系统进行微小形变实际测量时，使用树脂封装带有裂纹的牙齿[16]，万用试验机对封装样品施加500 N压力。封装的牙齿已进行喷涂散斑处理，提高匹配成功几率，使用万用试验机对牙齿施加压力，仅针对裂纹区域做 ROI 区域进行应变场检测，以期从应变场获取牙齿受力微小变形信息，检测裂纹。实验中获取到的位移场与应变场热图如图9所示，其中牙齿已进行树脂封装成2 cm ×2 cm ×2 cm 的立方体，方便受力加载。由于受力方向主要为 Y方向上，本文仅截取 Y方向位移场与应变场进行分析。由图可知， Y方向位移场最大偏移仅为7个像素以内，而 Y 方向应变场可清晰检测出牙齿裂纹受力处的高应变区域，因此，本文系统可对物体微小变形进行检测。

最后对粗糙钢板表面连续进行20次静止拍摄图像进行稳定性分析，取位移场均值做为判定标准，理论上位移场平均值应为0，但因光线无法控制绝对稳定，或是采集过程带来的噪声，或是匹配系统本身精度等问题，出现了非0值。在连续20次拍摄图像获取位移场中，出现的平均位移场最大值为0.026像素，平均位移场最小值为0.09像素，如图10所示。这充分证明了本文中位移场检测系统的可靠性与稳定性。

6 结束语

本文基于Labview平台搭建了相机定位的控制系统以及图像采集分析获取位移场的一体化位移场检测系统。通过控制系统可以方便地对变形物体表面进行对焦控制，以及通过模拟测试实验分析，对散斑图施加可控变形因素与实际匹配结果进行对比分析。最后应用本系统对受载的隐裂牙样品进行了检测，通过其应变场图可清晰观察到牙齿样品的裂纹线，为隐裂牙检测提供了一个检测思路。并对静止实物进行多次连续拍摄获取位移场的分析，证明了本文中的应变场检测系统的精度及可靠性，值得在工业运用上进行推广使用，提高工作效率。

参考文献：

[1]付亿波.高精度数字图像相关测量影响因素分析及试验验证[D].廊坊：北华航天工业学院，2020.

[2]陈振英.基于数字图像相关法的应变测量研究[D].上海：上海交通大学，2013.

[3]押明枫.基于 DIC技术的应变测量研究[D].长沙：长沙理工大学，2018.

[4]高少强，刘利生，杨新伟.数字图像相关法在桥梁伸缩缝监测预警中的应用[J].中国安全科学学报，2018，28（S2）：171-175.

[5]雷振山. LabVIEW7 Express 实用技术教程[M].北京：中国铁道出版社，2004.

[6]张光葳.基于 LABVIEW的道路图像信息识别的研究[J].南方农机，2021，52（5）：30-31.

[7]李迺璐， 江文宇，杨华，等.基于 LabVIEW的风力机叶片振动特性与控制实验系统[J].实验室研究与探索，2021，40（2）：115-120.

[8]王永泉，楊朝旭，周淳，等.应用 LabVIEW软件开发的气体绝缘金属封闭开关设备声振联合检测系统[J].西安交通大学学报， 2021（6）：1-11.

[9]贺晓佳.灰度图像快速匹配算法研究[D].合肥：合肥工业大学，2012.

[10]饶俊飞.基于灰度的图像匹配方法研究[D].武汉：武汉理工大学，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，谢惠民.数字图像相关中基于位移场局部最小二乘拟合的全场应变测量[J].光学学报，2007，27（11）：1981-1986.

[13]陆明万， 罗学富.弹性理论基础[ M].北京：清华大学出版社，2001.

[14]俞海.数字图像相关方法的散斑图质量评价和应用研究[D].昆明：昆明理工大学，2015.

[15]舒逢春.基于数字图像相关方法的面内位移测量的研究与应用[D].郑州：郑州大学，2017.

[16]蓝凯文，杜宇.牙隐裂研究新进展：诊断、治疗决策和预后评估[J].中华口腔医学研究杂志（电子版），2020，14（6）：339-344.

作者简介：

莫迪威（1995-），男，广东湛江人，硕士研究生，研究领域为基于Labview的视觉匹配。

张春良（1964-），男，湖南衡阳人，教授，博士生导师，研究领域为机械设备状态监测与故障诊断。

※通讯作者简介：王文龙（1988-），男，山西吕梁人，副教授，硕士生导师，研究领域为机器视觉与图像处理、医疗检测装备开发。

（编辑：王智圣）