三维表面粗糙度测量中的高斯递归滤波算法

《三维表面粗糙度测量中的高斯递归滤波算法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第xx卷第x期VoxxxNo.xxxxx年x月三维表面粗糙度测量中的高斯递归滤波算法【摘要】基于中心极限定理，提出了一个高斯滤波器逼近模型，并利用冲激响应不变法设计了一个数字高斯滤波器。通过级联方法，该滤波器的幅度传输特性偏差可控制在(-0.28%~+1.14%)以内，扩展为二维高斯滤波器，其三维幅度传输特性偏差可控制在(-0.42%~+1.12%)以内。该滤波器采用递归实现算法，算法简便，易于实现。在递归算法的基础上，引入一种边缘初始值的预测方法，有效抑制了递归算法的边缘效应。实验结果表明：该滤波器能够稳定可靠地提取三维表面参考面，在普通计算机上处

2、理2000×2000点的三维采样数据仅需要7s，效率很高。关键词：计量学；表面粗糙度；二维高斯滤波器；边缘效应中图分类号：TP2文献标识码：AGaussianRecursiveFilteringAlgorithmto3DSurfaceRoughnessMeasurement[Abstract]Basedonthecentrallimittheorem,anapproximationmodelofGaussianfilterisputforward.Then,adigitalGaussianfilterisdesignedbycombinationwith

3、impulseinvarianttransformationandthismodel.Throughthecascadeduse,theamplitudetransmissiondeviationofthisfiltercanbecontrolledwithin(-0.28%~+1.14%).Whenextendedtoatwo-dimensional(2D)Gaussianfilter,thedeviationofthree-dimensional(3D)transmissioncharacteristiccanbecontrolledwithin(-

4、0.42%~+1.12%).Itsrecursivealgorithmissosimplethatitisimplementedeasily.Amethodofforecastingtheinitialvalueoftheedgeisproposedtorestraintheendeffectcausedbythisrecursivealgorithm.Experimentalresultsshowthatthisfiltercanextractthereferencesurfaceof3Dsurfacestablyandreliably,onceext

5、ractionof2000×20003Dsampleddataonageneralcomputeronlyconsumes7s,efficiencyisdemonstrated.Keywords：Metrology;Surfaceroughness;2D-Gaussianfilter;Endeffect第xx卷第x期VoxxxNo.xxxxx年x月引言长期以来表面形貌的表征一直是二维的，即以扫描获得的轮廓线作为表征的基础。但随着表面分析的深入和光学仪器性能的提高，二维参数表征已不能满足工程界的要求，只有三维的检测和定量化计算才能对表面形貌进行完整的表

6、征[1]。在二维表面测量中，中线(MeanLine)是轮廓评定的基准线，众多的表面特征参数与之有关[2]，他的确定是进行表面参数评定的基础。在三维表面测量中，首先需要确定的则是三维基准面(Referencesurface)，有关三维表面参数评定的国际标准正在酝酿中[3]。二维中线和三维基准面的提取都是依靠滤波器完成的。国际标准曾经规定2RC滤波中线作为二维表面评定基准线，但由于2RC中线本身的非线性相移会扭曲滤波结果，最终被淘汰。1996年，ISO11562推荐高斯滤波器中线作为新的国际标准，时至今日，仍然被广泛采用[4]。高斯滤波的幅度特性是一个高斯函

7、数，既要精确又要快速地进行高斯滤波并不是一件容易实现的事情。围绕着如何准确快速地实现国际标准中规定的传输特性，国际上众多学者进行了广泛的研究，继而出现了许多高斯滤波器的逼近算法和快速算法[5-7]。本文叙述了一种用高斯函数的逼近法和冲激响应不变法设计出的数字高斯滤波器，并给出了其零相移的递归滤波算法，算法简单，易于实现。但值得注意的是，由于采用递归的计算方法，其运算结果难免会出现边缘数据失真（也被称为边缘效应）。相对于二维表面评定，三维表面评定在x或y轴单方向上的采样点数要少得多，这是因为采样率过高，计算效率严重下降。正因为单方向上采样点数减少，所以就要

8、尽量利用采样值，保留有效值点，这时，对于边缘数据点的处理显得更加重要。因此，本文