摘  要： 針對基于激光三角測距原理設計的顯微鏡自動對焦系統中，光斑在TFT-LCD面板上表面或者下表面聚焦時的鬼影以及打在金屬絲上的光斑畸變問題，提出在焦平面附近調節相機快門和增益以消除鬼影，并根據相機快門時間動態變換光斑中心的求解方法。分析了光斑鬼影產生的原因和消除方法以及當光斑圖像不同程度打在金屬絲上時，導致光斑圖像局部明顯增強的特性，給出了求解光斑中心的方法。實驗結果表明，光斑中心位置和離焦量線性擬合R的平方值為0.991，減少了激光三角測距法的非線性誤差，實現了非接觸快速對焦。
關鍵詞： 激光三角法；快門；鬼影；光斑中心；離焦量

    TFT-LCD面板自動光學檢測設備需要大視場、低畸變的光學成像系統以保證其高清晰圖像掃描速度。激光三角測距法由于其具有非接觸、材料適用廣、抗干擾能力強、可用于實現在線檢測等特點，在現代幾何測量領域中得到了廣泛的應用[1-3]。在基于激光三角測距法原理設計的TFT-LCD面板光學檢測對焦系統中，為了快速準確地實現自動對焦，探測系統必須能夠實時、準確地確定光斑圖像的中心位置，以準確計算出該中心位置與參考位置的偏差來驅動對焦軸調焦，因此，光斑中心位置的準確提取直接影響對焦的精度和速度。
    目前已經發表的一些文獻提到了解決鬼影問題，例如，Rossi[4]等人提出在紅外焦平面非均勻組合校正中，利用時空統計的方式去除鬼影；Huang[5]等人提出關聯性的運動矢量處理以及自適應運動補償幀插值，在快速運動的視頻幀序列中，能夠有效提高視覺質量；Rita[6]等人利用背景相減法獲得前景目標塊，再把它分為運動目標、鬼影和陰影三類，利用時空差分方程對運動目標和鬼影進行區分；Guan[7]提出提高背景更新速度，從而消除鬼影的影響。在實際的光斑圖像中，鬼影信號強度較弱，在焦平面附近，激光器不可調節的情況下，可以通過調節相機快門時間和增益防止過度曝光避免鬼影的產生。該方法既簡單且能有效消除鬼影和噪聲。
    常用的光斑中心檢測算法有質心法、圓擬合法、Hought變換法[8-10]。Hought變換占用系統資源大，運行效率低，不能滿足系統的實時性需求。實際的光斑圖像在離焦大的時候，是一個同心的半圓或者圓，在焦平面附近是一個橢圓或者不規則圖形，因此圓擬合的方式不適宜。在實時跟蹤對焦過程中，質心法能夠明確表示光斑的運動情況，而且不受光斑形狀、大小的影響。但是，對于采集到的激光光斑圖像，總會受到被測表面特征和環境等多方面影響導致光斑圖像畸變，使質心法的求解帶來誤差。通過實際光斑圖像測試，本文提出動態調節相機快門時間和增益的方法消除噪聲，根據相機快門時間變換求解光斑形心和質心的方法，實驗驗證了該方法的有效性。
    本文針對光斑圖像畸變影響光斑中心求取精度，從而影響對焦的精度和速度問題，分析了0.4 mm的TFT-LCD面板反射的能量特性，給出了光斑中心的求解方法和動態調節相機參數的方法。該算法在利用三角測距原理設計的TFT-LCD面板光學檢測對焦系統中具有重要的現實意義。
1 激光跟蹤對焦系統光學回路設計
    自動對焦系統光學回路設計如圖1所示。光學系統主要由激光器、激光聚焦鏡、反射鏡、光欄片、偏振分光片、1/4濾波片、聚焦鏡、分光鏡、CMOS芯片、激光濾波片和紅外截止濾波片組成。當激光束沿投影光軸投射到物體表面時，在另一方向上，光點的像被CMOS吸收，呈現激光光斑。根據在不同離焦的情況下，光斑中心位置的不同，只要能夠準確測出光斑的中心位置，就能判斷出離焦量，調節對焦軸實現自動對焦。
    本光學回路設計的主要優點：在對焦過程中，調節調焦軸沿著同一個方向運動，從離焦變為聚焦，然后再變為離焦，光斑變化趨勢從一個左半圓(或者右半圓)變化為圓點，再變化為右半圓(或者左半圓)，這樣明確了對焦的方向和距離。

2 TFT-LCD面板反射能量對光斑影響
2.1 鬼影的產生與消除
    鬼影是一種虛幻的影子，當光線穿過兩個具有不同密度的透明物體界面時會發生折射，具體地說，當光線從空氣中進入玻璃中，以及光線從玻璃中進入空氣中時會發生彎曲。在理想情況下，所有的光線都會折射，但事實上，大約有95%的光線發生折射，而另外5%的會被反射回第一種物質中。在TFT-LCD面板中，鬼影是由上下表面的反射產生的。當光斑在上表面聚焦時，下表面反射的光會形成一個半圓的光斑；當光斑在下表面聚焦時，上表面反射的能量會形成一個半圓光斑，如圖2所示，分別是在上表面聚焦和在下表面聚焦的情況。

2.2 光斑不同程度打在TFT-LCD面板時光斑畸變
    理想的激光光斑呈現半圓，但是當激光光斑不同程度打在金屬上時，會導致光斑圖像畸變。如圖3所示，(1)、(3)、(5)、(7)分別是相機快門時間和增益都最大的時候，光斑打在兩金屬絲之間、單根金屬絲上、金屬邊緣、全部金屬上時對焦完成時的光斑圖像；(2)、(4)、(6)、(8)分別是相機快門時間最大、增益最小的時候，光斑打在兩金屬絲之間、單根金屬絲上、金屬邊緣、全部金屬上離焦時的光斑圖像。當光斑打在金屬絲上的時候，由于金屬反射的能量較高，會使圖像像素的灰度明顯增強。

    從圖3中可以明顯地看出，當相機增益調節為0 dB時，可以明顯地消除部分背景噪聲。因此在焦平面附近對焦過程中，可以將相機增益設置為0 dB以消除噪聲。
3 光斑中心的求解
3.1 閾值的選取
    光斑圖像成像在CMOS上，并經由圖像采集卡送到計算機處理。由CMOS得到的圖像包含多種噪聲，主要有：(1)原理誤差；(2)光子噪聲誤差；(3)讀出噪聲誤差；(4)背景暗電平及雜散光的干擾。其中(3)、(4)是相互獨立的加性噪聲，與光斑信號互不相關，可以通過設置閾值的方法把背景和光斑分割開來。最常用的圖像分割方法是將圖像灰度分成不同的等級，然后設置灰度閾值的方法確定有意義的區域或預分割的物體邊界[9]。
    實際采集到的光斑圖像，背景噪聲主要是由于白熾燈光源和自然光反射產生的，這部分信號較弱，可以通過在關閉激光器光源、打開白熾燈光源的時候，采集一系列的圖像進行去背景噪聲處理。設采集M幅圖像，找出M幅圖像中灰度值最大的一個作為背景噪聲T。設有圖像f(x，y)，采用圖像相減運算減去背景噪聲：

    (2)中值濾波去除孤立點：對光斑圖像進行二值化分割后，出現許多孤立“點”或者不連續的小區域。中值濾波是當前應用最為廣泛的濾波方法之一，它的主要功能是讓與周圍像素灰度值的差比較大的像素值改取與周圍像素值接近的值。該方法既能有效去除噪聲，又能較好地保留圖像的細節。一般來說正方形的模板對圖像的細節最不敏感，它會濾除細線并消除邊緣上的角點。十字叉模板保留細的水平線和垂直線但會濾除對角線。X形狀的模板僅保留對角線。當對圖像進行二值化后，圖像邊緣上會有一些角點和孤立點，有實驗表明，當使用超過9~13個像素來消除噪聲時，計算量的增加比消噪效果更加明顯，因此選擇3×3的模板[10]。

    (3)求解光斑形心：形心是物體的幾何中心，只與物體的集合形狀和尺寸有關，與組成該物體的物質無關。圖像經二值化處理后，物體的形心可由式(2)、式(3)求出。
4 實驗分析
4.1 鬼影的消除
    為了驗證相機快門時間消除光斑鬼影，物鏡選用Mitutoyo Corporation的M Plan Apo 50X/0.55(378-805-3)。在50X物鏡下，焦距f=200 mm，數值孔徑NA=0.55，景深DOF=±0.9 μm。采集光斑圖像的相機選用POINT GREY公司的FFMV-03MTM/C(BW或Color)。相機快門時間動態范圍為0～64 ms，相機增益為0～12 dB。設相機快門用Shutter表示，增益用Gain表示。當相機快門時間為Shutter=3.5 ms、相機增益為Gain=0 dB、圖像數據為640×480、256個灰度級的圖像。在焦平面±2μm處，每間隔0.5 μm采集的9幅光斑圖像如圖4所示。從圖中可以看出，當相機快門時間較小時，光斑圖像呈現一個小點，這樣鬼影和噪聲基本消除。表1是針對圖4中的圖片在不同的離焦下，計算的光斑圖像中心位置。圖5是光斑中心位置和離焦量的線性擬合。

    由圖5中可以得出，快門時間較小時，在焦平面 ±2 μm處，利用求解光斑質心法的方法，求出的光斑中心位置和離焦量的線性擬合R平方值為0.992，而利用求解光斑形心的方法求出的光斑中心位置和離焦量的線性擬合R平方值為0.965。因此，在焦平面±2 μm處，相機快門為3.5 ms時，利用質心法求解光斑中心位置更加準確。
4.2 光斑中心位置和離焦量相關性分析
    TFT-LCD面板光學檢測中，在50X物鏡下，相機快門時間最大為64 ms，離焦量在±28 μm處情況時有發生，這時需要調節增益為0 dB。圖6是當光斑打在金屬絲上時采集到的圖像數據，圖像數據依次從左到右、從上到下排列，調焦軸從同一個方向移動。設定起始位置是1 μm，則從1 μm處向上每間隔1 μm移動，采集一次光斑圖像，直到移動到56 μm處停止，即采集到56幅圖像。其中第29 μm處圖像是離焦量為0μm的點，那么第一幅圖像是-28 μm處，第56幅圖像是+27 μm處。圖7是針對圖6中的56幅圖像數據求得的光斑中心位置和離焦的線性關系分析。

　從圖7可以看出，在相機快門時間為最大、增益最小時，采用形心法求解的光斑中心和離焦量的線性擬合R平方值為0.991，而采用質心法求解的線性擬R 平方值為0.984。故采用形心法抗干擾性效果好。
4.3 自動對焦范圍和相機的設定
    由于在實際的對焦過程中，每調節一次相機快門時間需要延時0.1 s，因此頻繁調節快門時間必然會導致對焦時間過長。快門時間過大會導致鬼影的產生以及光斑中心求解不準。而當相機快門時間較小時，雖然能夠準確求解光斑中心位置，但是自動對焦的范圍較小。為了增加自動對焦范圍，需要增加相機的快門時間和增大增益。但是增大相機快門時間和增益，會導致當光斑圖像打在金屬絲上的時候光斑中心求解不準。在此情況下，可以采用分區域調節相機快門時間和增益的方法，如圖8所示。

    (1)焦平面±F1  μm處相機設定：為了提高自動對焦的重復定位精度，可以將相機快門增益設定為Gain=G0=0 dB，相機快門時間根據實際情況調整為Shutter=S0，保證在焦平面±F1  μm處有光斑圖像，找出光斑中心變化區間[N1，N2]，以及對焦完成時景深范圍內光斑中心變化區間[D1，D2]，將[D1，D2]作為對焦完成時的判斷依據。同時將相機快門時間設定為最大Shutter=S1，求出在焦平面±F1  μm處的光斑中心區間[M3，M4]，以及當快門時間從S1變為S0時，一直有光斑圖像經驗區間[D3，D4]，其中(M3<D3<D4<M4)。
　(2)焦平面±F2 μm處相機設定：設定相機快門時間最大為S1，Shutter=S1、Gain=G0，找出在焦平面±F2 μm處的光斑中心變化區間[N3，N4]；然后將增益調節為最大G1，Gain=G0，找出焦平面±F2 μm處光斑中心變化區間[M5，M6]， 以及當增益G1變為G0時，一直有光斑圖像經驗區間[D5，D6]，其中(M5<D5<D6<M6)。
    (3)焦平面±F3 μm相機設定：Shutter=S1、Gain=G1，找出有光斑圖像存在時對焦范圍區間在±F3 μm處，求出光斑中心的變化區間[N5，N6]，其中(0<N5<N6<640)。
    (4)光斑中心的變化求解：當相機快門時間為S0時，利用形心法求解光斑中心。當相機快門時間為S1時，利用質心法求解光斑中心。
    通過以上分析可以得出：(1)在光斑圖像探測器上，離焦時呈現半圓，半圓的中心位置明確了離焦的距離和方向；(2)通過調節相機快門時間和增益消除鬼影的方法，在離焦較小(如50X物鏡下，焦平面±2μm處)時，能夠有效消除噪聲，準確求取光斑中心；(3)根據相機快門時間變換求解光斑中心的方法，在快門時間較大時求解光斑形心，在快門時間較小時求解光斑質心，實驗驗證了該方法的可行性；(4)本文的方法可適用于TFT-LCD、OLED面板光學檢測成像系統中；(5)在下一步的研究中，使用可調激光器，根據探測器檢測的最大灰階，調整激光器輸出功率。
參考文獻
[1] LEE J H， KIM J K， PARK S K， et al. Development of mono laser vision system for 3D measurement of panels with various bevel edges[C]. IEEE， 2009： 351-356.
[2] HATTUNIEMI J， MAKYNEN A. A calibration method of triangulation sensors for thickness measurement [C].IEEE I2MTC2009-International Instrumentation and Measurement Technology Conference， 5-7 May 2009： 566-569.
[3] ARISTOS D， TZASFESTAS S. Simultaneous object recognition and position tracking for robotic application[C]. IEEE， Proceedings of the 2009 IEEE International Conference on Mechatronics.Málaga， Spain， April， 2009： 1-7.
[4] ROSSI A， DIANI M， CORSINI G. Temporal statistics de-ghosting for adaptive non-uniformity correction in infrared focal plane arrays[C]. Electronics Letters 4th March  2010： 348-349.
[5] HUANG A M， NGUYEN T. Correlation-based motion vector processing with adaptive interpolation scheme for motion-compensated frame interpolation[J]. IEEE Transactions on Image Processing， 2009， 18(4)： 740-752.
[6] CUCCHIARA R， GRANA C， PICCARDI M， et al. Detecting moving object， ghost， and shadows in video streams[J]. IEEE Teans on Pattern Analysis and Machine Intelligence， 2003， 25(10)：1337-1342.
[7] GUAN Y P. Spatio-temporal motion-based foreground segmentation and shadow suppression[C]. IEEE， The   Institution of Engineering and Technology 2009， IET  Comput. Vision.，2010： 50-60.
[8] 孔兵， 王昭，譚玉山. 基于圓擬合的激光光斑中心檢測算法[J].紅外與激光工程， 2002，31(3)：275-279.
[9] 肖鋒鋼， 劉建國，曾淙泳，等. 一種新型提高光斑圖像質心精度的去噪方法[J].計算機應用研究， 2008， 25(12)： 3683- 3687.
[10] 章毓晉.圖像工程(上冊)圖像處理(第二版)[M].北京：清華大學出版社，1999.