结果分析：原真彩色三维图象如图4.1  ，经过背景分割处理后，新产生的图象如图4.2  ，最终提取出来的轮廓线如图4.3  。由于图象分割是先读取三维真彩色蓝背景的BMP图片，其图是一个没有激光标志线的人头。先将图4.1中的蓝色背景去掉，因为对此图象的处理中，蓝色背景的大量数据完全是多余的。固用到matlab中的图象处理库中的一个主要函数imcrop。此函数是可以对图象进行分割，从而选取自己需要的部分，选取蓝色背景的一部分。计算背景色的彩色特征，得到均值和方差，设定分割门限，分割门限中的系数的选取要凭经验值或者通过试验得到。经验值一般为2～5的整数，因此首先设定了系数为4。但是经过比较处理后，背景中仍然有大量残留未除干净的蓝色片状，则判断经验值数值过小，改设一个比较大的系数，出设值大小为8。
再次进行运行比较，新产生的图象的蓝背景仍然没有除干净，还有蓝色点。所以系数的值还要增加，于是就从8开始每隔一次数值的大小加1后运行程序，当数值的大小加到11时，运行的结果达到了要求，新产生的图象的蓝色背景可以尽数去掉。在实验的过程中，我学到尽管经验值是许多试验进行测试后得到的结果，但是正确的试验态度要具体情况具体分析，当遇到不当的结果时要融会贯通，学会分析以及重新设置值，不断实验才能最终达到自己试验要得到的结果。进行提取图象的左轮廓线的时候，对每一行从左到右逐点扫描，直到找到第一个RGB矩阵值非零时记录，并以高亮度显示，则找到了每一行上的那个轮廓点，但是运行后发现轮廓线过于细，不易分辨，于是就在每一行的左轮廓线上取到两点象素，且均设为高亮度，这样轮廓线的清晰度得到改善。
结果分析：没有经过模板检测而提取出来的激光标志线如图 4.6 ，经过模板检测而提取出来的激光标志线如图 4.7 。提取出图象的激光标志线是设计中比较重要的，当用有激光线的图象减去无激光线的图象并且灰度化后，显示出来的是一条范围比较大的激光带，并不适合设计的应用，我们的要求是提取出比较准确的激光标志线的中心位置，所以选择了方向模板的方法。但是程序在运行时，我发现方向模板的方法需要对每个象素进行四次公式计算和判断选择，得到计算值的最大值，而且存储720*540的图象。Matlab在运行处理时速度有一些的慢，但是考虑到图象中的广阔背景是没有用的，激光标志线的所占的范围也小，因此处理背景的过程是没有用的，于是就把图象进行裁减，只留下370*470的大小，这样时间上就减少了很多，效率提高。
5.3.3 提取图像垂直中心线处的彩色信息
设计要求：将原图象的垂直中心处的彩色信息带提取出来，用于以后进行图象恢复时使用。
设计过程：此程序的设计比较简单，从每一行中的中点取此点的RGB的值，而其余的点都设为零，便可以完成要求。
结果分析：原图象如图4.1  ，提取出的彩色信息如图4.8  。
本论文从学期初始，收集资料、查阅文献、编写程序及做调试实验，到最后完成论文，历时几个月。在雷海军博士的精心指导和本人的努力下，本人对三维重建及图像处理等知识有一定的认识。对结构光条纹中心线的提取的研究有一定的成效。三维激光彩色扫描仪中的三维空间信息是从二维图象序列中得到的。必须在扫描图象中准确检测出激光条纹的位置，才能根据此计算空间信息。在第四章中我们提到了影响测量精度的相关因素，其中由于物体表面形状、反射特性比较的复杂，使得检测激光条纹的位置成为研制中的一个比较复杂的问题。因为结构光条纹中心位置的准确检测是影响三维信息获取精度的关键问题之一，而传统的确定结构光条纹中心位置的方法（如：极值法、门限法、重心法等）都存在些不足。因此，在第三章中，主要讲述了提取激光条纹的方法，首先采用了可变方向模板法，该方法克服了以往的一些缺点，紧接着讲述了利用知识自适应阈值法检测结构光条纹中心的方法，该方法的算法步骤如下：首先在激光条纹图像中的每列像素上找出本列光强最大值点，先判断这个最大值是否是激光亮带上的数据点，在该方法中是用一个阈值来判断，如果小于此阈值，则认为它是噪声点，而非激光亮带上的点，若满足阈值要求，初步判定此极值点为激光条纹中心点，以此极值点的灰度值为依据，算出本列的光强阈值。光强阈值是由本列光强最大值下浮几个灰度级得到(下浮的灰度值为经验值)。这样得到的每列的阈值都是不一样的，它随各列的漫反射光强变化而变化。同样该方法也克服了以往的某些不足，但上述两种方法依然不能达到期望的精度值，因此，我们采用了把上述两种方法相结合的方法，即


本电子电气通信自动化毕业设计“三维激光扫描仪中图象处理快速算法设计”论文由清风毕业设计网[www.lunwen550.com]征集整理！