本文介绍了一项关于条纹投影轮廓测量（Fringe Projection Profilometry, FPP）中背景和阴影去除的自适应阈值选择方法的研究。该研究由合肥工业大学的Wei Zhang、Weishi Li、Jianwen Yan、Liandong Yu和Chengliang Pan共同完成，并于2017年发表在《Optics and Lasers in Engineering》期刊上。
条纹投影轮廓测量是一种广泛应用于非接触式高速三维物体轮廓测量的技术。在FPP系统中，条纹图案被投影到物体表面，通过捕捉这些图案的畸变来重建物体的三维轮廓。然而，在捕捉的图像中，背景和阴影区域是不可避免的，这些区域的存在会显著影响最终的重建结果。因此，如何准确识别并去除这些背景和阴影区域成为了一个关键问题。
现有的方法通常依赖于手动调整阈值来分割背景和阴影区域，但这种方法在实际应用中存在诸多问题，尤其是在图像的灰度直方图接近单峰分布时，手动调整阈值容易导致物体与背景/阴影区域的错误分类。为了解决这一问题，本文提出了一种基于调制级直方图的自适应阈值选择方法，旨在提高背景和阴影分割的准确性、效率和自动化程度。
本文的研究方法主要包括以下几个步骤：
调制计算与调制级直方图生成：首先，通过四步相移算法计算图像的调制（modulation），并生成调制级直方图。调制是区分物体像素与背景/阴影像素的有效指标，因为物体像素的调制值通常较高，而背景和阴影像素的调制值较低。
Otsu方法的改进：Otsu方法是一种广泛使用的图像分割方法，但其在处理单峰或接近单峰的直方图时效果不佳。本文在Otsu方法的基础上，提出了一个新的加权因子，用于增强调制级直方图中物体像素与背景/阴影像素之间的差异。该加权因子能够自适应地调整阈值，从而提高分割的准确性。
自适应阈值选择：通过改进的Otsu方法，本文提出了一种自适应阈值选择算法。该算法首先使用Otsu方法确定一个初始阈值，然后在该阈值范围内搜索最优阈值。最终，通过该阈值识别并去除背景和阴影像素。
实验验证：为了验证所提方法的有效性，本文对多个不同形状、大小和背景的物体进行了实验。实验结果表明，所提方法在准确性、效率和自动化程度方面均优于现有的方法。
实验结果表明，本文提出的方法能够有效地识别并去除背景和阴影区域。与Otsu方法、Ng方法和Wang方法相比，本文方法在处理复杂物体时表现出更高的准确性。特别是在调制级直方图接近单峰分布的情况下，本文方法能够准确地找到合适的阈值，而其他方法则容易产生误分类。
此外，本文方法在时间消耗方面也表现出色。由于调制级直方图的计算占据了大部分时间，本文方法的时间消耗与Otsu方法和Ng方法相近，但远低于Wang方法。特别是在处理大尺寸物体时，本文方法的优势更加明显。
本文提出了一种基于调制级直方图的自适应阈值选择方法，用于条纹投影轮廓测量中的背景和阴影分割。该方法通过改进Otsu方法，引入新的加权因子，显著提高了分割的准确性和自动化程度。实验结果表明，该方法在处理不同形状、大小和背景的物体时均表现出优异的性能。
该研究的科学价值在于提出了一种新的自适应阈值选择算法，解决了现有方法在处理单峰或接近单峰直方图时的局限性。其应用价值在于为条纹投影轮廓测量提供了一种高效、准确的背景和阴影去除方法，有望在工业检测、三维重建等领域得到广泛应用。
本文还详细介绍了条纹投影轮廓测量中的相移算法和多频解包裹方法，为读者提供了相关背景知识。此外，实验部分展示了多个不同物体的测试结果，进一步验证了所提方法的普适性和有效性。
总的来说，本文的研究为条纹投影轮廓测量中的背景和阴影分割提供了一种新的解决方案，具有重要的理论和应用价值。