20世纪90年代初国内就提出利用图像处理技术分析混纺纱截面，并将这一课题研究分为4个相对独立的环节：图像预处理、轮廓探测、特征抽取和特征值统计分析。在预处理环节中，吴兆平等拉。将直方图熵应用于异形纤维截面图像的分割，得到了比较准确的目标和背景信息。

科学研究表明，在多目标的环境中，肉眼首先通过发光体来定位目标，然后根据发光体周围光线衰减的情况判断目标的轮廓，即所谓先定位再定形¨引。光斑扩散模型正是基于这一视觉原理。

光斑的概念对应于现实世界肉眼看到的发光体，它代表目标在图像中的基本位置。本文把图像中满足一定形状特征和亮度范围的区域称为光斑。图1为光斑示意图，虚线线框所包围的是一组灰度为(预定义灰度级0～)以上的矩形光斑。基于光栅的扫描很容易搜索图像中光斑的位置。

光斑的扩散对应于肉眼根据发光体周围光线的衰减来确定目标轮廓的过程。从光斑中心向四周发出用于探测目标边界的射线，射线在亮度衰减积累到一定程度时终止；连接所有射线的终止点就构成了目标的轮廓线。

根据纤维截面形状的大致特征可以确定光斑的形状。实际应用中，对于相对简单的截面形状(如近似的圆形或长圆形)，光斑形状可以选择矩形。对于光斑亮度范围的确定，可以利用OTSU方法。对图像做目标和背景之间的分割，将目标的阈值范围作为光斑的亮度条件范围。理论上，光斑的尺寸应小于图像中最小的有效纤维截面尺寸，从而确保该纤维截面能被探测到。实际中可使用形状一致、尺寸由大到小的光斑族，分批次进行光斑搜索和扩散，这样，图像中的纤维截面将按照从大到小的顺序分批探测出来。需要指出的是，光斑的中心并非是日标的绝对中心。当光斑中心与目标中心偏离过大时，会造成探测到的轮廓点分布不匀，即靠近目标边缘处探测到的轮廓点密集，而相对远离目标边缘处探测到的轮廓点稀疏。以运行成本作为代价，采用尺寸空间上密集分布的光斑族，可以避免光斑的中心与目标中心偏离过大的现象。

与传统轮廓跟踪算法相比，光斑扩散模型探测到的目标轮廓不再是唯一的，而是多元的。使用不同的控制参数，得到的目标轮廓会有所差异。光斑扩散过程受到逼近控制、贴近控制、径长控制和命中率控制4个方面的影响。

逼近控制决定从光斑中心向四周发出射线的密度，它影响探测到的轮廓与目标边缘逼近的程度。逼近控制参数越大，探测到的轮廓越平滑，越逼近目标的边缘。当光斑中心与目标中心偏离过大时，使用较大的逼近控制参数，有助于克服探测的轮廓点分布不匀的问题。然而，对于大量图像的批处理，不同逼近控制参数带来的运行时空成本上的差异可能是相当可观的，因此，在对目标轮廓要求不十分精确的情况下，应当尽量选择较小的逼近控制参数，以提高运行效率。

光斑质量分析仪能够对激光光束的光斑大小，形状和能量分布等参数进行测试和分析；适合各种各样的激光光束，帮助您对您的激光光束的品质提供一个量化的结果。采用高分辨率的CCD感光芯片，USB高速传输组件，硬件性能上毫不妥协。USB直接供电、体积小巧，使用更轻松！此外Cincam光束分析仪通用的C-Mount接口设计，使外加衰减片、扩束镜、紫外转换装置、红外转换装置更为方便。