OpenCV在装箱缺条视觉检测系统中的应用

周传宏，王怀虎，康少博

（上海大学 上海市机械自动化及机器人重点实验室，上海 200072）

0 引言

目前我国烟草生产广泛采用生产流水线方式，生产速度比较快，而且还要保证产品及包装的质量。人工抽检测显得非常困难，它检测效率低，在装箱的过程中可能会出现缺条的现象，一旦流入市场，会给产品和烟厂品牌声誉带来不利的影响。为了杜绝和防止装箱缺条现象的发生，就目前我国烟草行业而言，采用机器视觉技术是最好的解决方案。

1 机器视觉与OpenCV简介

1.1 机器视觉系统组成

机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品（即图像摄取装置，分为CMOS和CCD两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号，图像系统对这些信号进行各种运算来抽取目标的特征，如面积、数量、位置、长度，再根据预设的允许度和其他条件输出结果，包括尺寸、角度、个数、合格/不合格、有/无等，实现自动识别功能，进而根据判别的结果来控制现场的设备动作[1]。

机器视觉系统通常由硬件和软件两大部分组成，硬件主要包括：光源、镜头、CCD相机、工业PC机、图像采集卡、监视器和通讯/输入输出单元等；软件则是根据具体的检测内容和精度要求由设计人员自行开发。

1.2 OpenCV简介

OpenCV是由Intel公司开发的开源计算机视觉库，该库由一系列C函数和少量C++类构成，实现了图像处理和计算机视觉方面的很多通用算法，机器视觉研发人员在软件开发过程中可以直接调用库内函数，从而省去常用图像处理算法的编写，可以提高软件的检测速度和精度。

OpenCV主体分为五个模块：CV模块包含基本的图像处理函数和高级的计算机视觉算法；ML是机器学习库，包含一些基于统计的分类和聚集工具；HighGUI包含图像和视频输入/输出的函数；CXCore包含OpenCV的一些基本数据结构和相关函数；CvAux模块主要存放一些即将被淘汰的算法和函数，同时还有一些新出现的实验性的算法和函数[2]。

1.3 OpenCV在Visual C++ 6.0环境下的配置[3]

本次设计的视觉检测系统是在Visual C++ 6.0环境下开发的，安装好的OpenCV在VC6.0中配置如下：首先用VC新建一个工程，选择菜单Tools＞Options＞Directories：分别设置lib路径、include路径、src路径。接着进行项目配置，选择Project＞Settings...进入工程设置对话框，点击Link选项卡，在Object/library modules文本框中添加OpenCV lib库。

2 基于OpenCV的装箱缺条图像检测算法

“装箱缺条视觉检测系统”是针对封装机偶尔出现箱缺条现象而研制的在线图像检测系统，它安装在封装机25条烟装箱推板入口处，在原机缺条检测点位置，装箱作业过程中进行在线检测，从根本上预防和杜绝箱缺条现象的发生。

2.1 算法设计

该算法主要是对采集到的图像进行实时处理，采用自适应阈值处理方法进行图像分割，将检测轮廓的面积与阈值比较，从而判断缺条与否。算法流程图如图1所示。

图1 装箱缺条图像检测算法流程图

2.2 基于OpenCV典型算法的实现

2.2.1 ROI设置的实现

OpenCV提供了对感兴趣区域操作的函数，如果想设置ROI，可以使用函数cvSetImageROI()，并为其传递一个图像指针和矩形。而取消ROI，只需要为函数cvResetImageROI()传递一个图像指针。函数原型如下[4]：

2.2.2 自适应阈值处理的实现

图像二值化处理的关键是最佳阈值的选择和确定。二值化处理的最理想的方法就是对图像的自动阈值选择。比较常用的一种方法就是Otsu方法，该方法一直被认为是阈值自动选取的最佳方法[5]。

Otsu算法选择使类间方差最大的灰度值为阈值。这里设计一个函数cvThresholdOtsu()来实现Otsu算法的原理，该函数的设计思路如下：1）首先计算图像的直方图并归一化；2）计算图像灰度均值；3）计算直方图的零阶和一阶距；4）计算最大的类间方差，找到对应的阈值。

经过实验验证，直接使用函数cvThresholdOtsu()计算出的的阈值进行图像分割，由于照明系统的不同，图像的效果不同，效果也一般。经过实验计算出的阈值乘以一个修正系数0.70，效果更佳。

2.2.3 轮廓检测的实现

OpenCV提供了在二值图像中寻找轮廓的方法cvFindContours()，函数原型如下：

若计算得到的轮廓面积大于设定的阈值面积，就判定出现缺条现象，绘制该缺条区域的轮廓。OpenCV提供了一个绘制轮廓的函数cvDraw Contours()，它可以把筛选出来的轮廓绘制出来。

经过以上三步的图像处理，得到的效果图如图2 所示。

图2 图像处理ROI、图像分割、检测轮廓图

图3 缺条区域矩形边界框图

2.2.4 缺条区域边界框绘制的实现

缺条区域选用矩形边界框，比较符合烟条形状且绘制比较简单。OpenCV提供了得到矩形边界框的函数cvBoundingRect()，该函数得到的是四边水平和竖直的矩形，函数的原型如下：

该函数返回的是一个包围轮廓的CvRect对象。为了绘制这个包围轮廓的矩形框，可以使用绘图函数cvRectangle()，它可以绘制一个矩形框。同时我们还可以利用cvPutText()函数来进行绘制文字操作。绘制结果如图3所示。

3 结束语

目前，机器视觉技术已经广泛应用于烟草行业的产品质量检测领域，极大地促进了工业自动化的发展。OpenCV作为一款优秀的开源视觉库，也将随着机器视觉技术的发展而不断成熟。本文采用Otsu算法进行自适应阈值图像分割， 基于OpenCV进行算法设计，缩短了检测软件的开发周期，检测快速、识别准确，从现场调试的情况看，该系统的各项指标都达到了要求。

[1] 贾云得.机器视觉[M].北京:科学出版社,2000.

[2] Gary Bradski, Adrian Kaebler.Learning OpenCV[M].O'Reilly Media, Inc,2009.

[3] http://www.opencv.org.cn设计.

[4] 黎松,平西建,丁益宏.开放源代码的计算机视觉类库OpenCV的应用[J].计算机应用与软件,2005,22(8):134-136.

[5] 薛孝琴,吴怀宇.一种改进Otsu算法在Kirsch边缘检测中的应用[J].计算机与数字工程,2009,3(37):167.

[6] 陈磊.计算机视觉类库OpenCV在VC中的应用[J].微计算机信息,2007,23(4):169-171.

[7] 张留刚.基于机器视觉技术的烟条检测系统研究[D].南京:南京航空航天大学,2008.

[8] Sonka M,Hlavac V,Boyle R.图像处理与机器视觉[M].北京:人民邮电出版社,2009.

[9] 贾小军,喻擎苍.基于开源计算机视觉库OpenCV的图像处理[J].计算机应用与软件,2008,25(4):276-278.