【摘要】測量的高精度是測量的難點和重點。利用光測進行各種精密測量時，主要有三個環節對測量精度起到關鍵影響：①攝像系統的物面分辨率;②攝影系統的標定(如光心、光軸和焦距等內外系統參數)和誤差修正精度;③圖象中目標的定位精度。在光測數字圖像處理領域，可以利用軟件處理的方法來解決圖像中目標的高精度定位問題。如果能用軟件將圖像上的特征目標定位在亞像素級別，就相當于提高了測量系統精度。例如，當算法的精度為0.1個像素，則相當于測量系統的硬件分辨率提高了10倍。因此，對圖像中目標進行高精度的定位成為提高光學測量系統的重要環節，本文對光測中的亞像素定位進行了研究。

　　【關鍵詞】高精度 精密測量 亞像素定位 亞像素算法

　　一、亞像素定位背景

　　在測量視場一定的條件下，提高光學測量系統精度最直接的方法就是提高CCD攝像機分辨率，即增加像素點陣數。然而這種提高硬件分辨率的代價是相當昂貴的。并且在圖像傳輸速度和圖像存儲容量方面大大增加了對系統的要求。因此，通過提高硬件分辨率的方法來提高測量精度是受到限制并且是不經濟的。

　　對圖像中目標進行定位是基于圖像的精密測量和運動測量中最基本和最重要的任務之一。對目標進行定位通常要經過兩個步驟：目標識別和目標定位，也可稱為目標粗定位和目標精定位。目標識別或初定位是指在某一特定的圖像區域內確認是否有待測目標存在，或者確認待測目標在某一特定的區域內?，F已有大量目標識別方面的算法，特別是在計算機視覺和模式識別領域有大量相關的工作，因此在測量粗定位應用中可以直接參考借鑒這些算法。我們將重點放在精定位，即亞像素定位技術上。

　　采集到的圖像在計算機里是由表示像素灰度值的一個矩陣來表示的，所以如果將計算建立在像素的級別上，那么從理論上來講圖像的位置精度也不可能超過像素級別，也就不能達到高精度的要求，亞像素法是為了提高圖像的識別的精度而提出的一種超過圖像分辨率的定位方法。一般情況下，像素是組成圖像的基本單位，也就是圖像的分辨率，而亞像素精度是比圖像分辨率還要高，甚至高很多，這似乎是違反常理的。但是亞像素定位技術是有前提的，即目標不是由孤立的單個像素點，而必須由有特定灰度分布和形狀分布的一組像素點組成的，例如目標特征點是圓點、角點、“十”字交叉點、直線、特征曲線等，有明顯的灰度變化和一定面積大小。目標特征主要分為基于幾何特性，基于灰度分布特性和基于幾何與灰度耦合特性三大類。

　　二、亞像素定位原理

　　利用預知的目標特性，對圖像進行處理分析(例如濾除噪聲，突出特征，提取特征和擬合灰度特征等)，識別并確定與目標特征最吻合的位置。在此分析定位過程中，采用浮點運算，可實現對目標優于整像素精度的定位。這種利用目標特性從圖像中分析計算出最符合此特征的目標位置的方法稱為圖像目標亞像素定位技術。例如，在理想成像條件下，一幅圖像經過數字化后，它由8個像素構成的矩形ABCD，，其長度為四個像素，寬度為兩個像素，中心坐標為(1.5，0.5)，如圖1所示。

　　如果取整像素值作為目標中心坐標，則定位誤差為0.5個像素。而用形心法計算目標各像素坐標的平均值，則可以得到正確的目標中心位置，因此，形心法就是一種最簡單的亞像素定位算法。

　　從亞像素定位原理和上面的例子可以總結出應用亞像素定位技術需要的兩個條件：第一，目標由多個點組成，并具有一定的幾何和灰度特征。如果目標是一個孤立的像素，則其位置就是此像素的坐標位置，無法細分;第二，對具有一定特征的目標，必須明確目標定位基準點在目標上的具體位置。例如對于矩形目標，定位基準點是矩形的中心點，還是端點;對于某一目標定位基準點是目標的最亮點或最暗點，還是灰度變化最大點等。待定目標的特征可以是人為建立的理想模型，也可以是從某一實際圖像中提出的特定場景，或者兩者的結合。

　　目標亞像素定位技術的概念與通過對圖像進行插值運算得到圖像像素之間的灰度值和坐標值的概念完全不同。從理論上說插值法并沒有增加新的信息量，只是根據插值算法的不同，假定像素之間的灰度是按線性或插值公式的規定變化的。這種插值或重采樣處理可以改善圖像的視覺效果，但與目標特性這一重要特性無關，因而簡單插值對目標亞像素定位并無幫助。

　　亞像素算法的建立與選擇是基于許多前提條件的。首先假定用普通的特征檢測法對目標進行初步定位，即得到了整像素精度的定位，此過程被稱為初定位。其次，為了使提出的算法位置不變，通常建立一個局部的坐標系，其原點建立在初定位處。這樣可以預先計算一些所需量，并且保持像素坐標是較小的數，從而改善數值計算特性，還可以明顯減少計算量。再次，許多亞像素技術是建立在一個局部圖像模式或局部特征模式基礎上的。

　　三、常用的亞像素定位方法

　　為了提高定位精度需要對目標進行亞像素定位。亞像素定位的方法主要有：矩陣法、數字相關法、擬合法，數字相關法又分為：亞像素步長相關法和相關系數擬合極值法，本文采用數字相關法。

　　(一)亞像素步長相關法

　　在確定了目標的整像素之后，由于實際目標位置點不一定在整像素點上，因此為了進一步提高目標定位的精度，可以對以像素級匹配位置為中心的一個小區域采用亞像素步長相關法進行精確定位。對于標準化協方差相關法，亞像素步長相關法公式為：

　　C(x+mdx，y+ndy)=

　　式中：C(x+mdx，y+ndy)為相關函數;f(x+mdx+i，y+ndy+j)為某一時刻的視覺圖像;為g(i，j)模板圖像;fm為f(x，y)窗口內的灰度平均值;gm為g(i，j)窗口內的灰度平均值;W為模板區域;dx，dy為寬度x和高度y方向上的步長;m，n為步數(整數值)。亞像素步長相關示意圖如圖4-6所示，其中α=mdx，β=ndy為插值點在α-β坐標系下的作標值。f(x+mdx+i，y+ndy+j)中的x+mdx+i和y+ndy+j一般不是整數值，對于非整像素上的灰度值，可以采用插值法獲取。常用的插值法有最近鄰插值法、雙線性插值法和立方插值法等。最近鄰插值法一般在處理圖像邊界時使用;雙線性插值法速度快、實現方便但精度低;立方插值函數具有較好的帶通特性且精度高。

　　推薦閱讀：《光學儀器》國家級工業期刊征稿