基于计算机视觉对目标识别检测的研究

2014-10-22 12:49甄栋志朱永伟陈丽娜

机械工程与自动化 2014年1期

甄栋志，朱永伟，苏楠，陈丽娜

（扬州大学机械工程学院，江苏扬州 225127）

1 图像增强与边缘检测

0，1 在视觉上表示黑和白，在工业生产中工业相机一般用黑白图像进行图像预处理，若得到的是彩色图像则一般用MATLAB工具箱中提供的r gb2gray函数使彩色图像转换为灰度图像。用假设法来确定灰度阀值T以计算测量板材特征的灰度值范围，如果一像素的灰度值小于事先设定的阀值，把该像素的灰度值设置为0，该像素归为目标；若一个像素的灰度值大于事先设定的值，把该像素的灰度值设为255，该像素归为背景，即：

其中：G（x，y）是分解后的图像；f（x，y）是（x，y）像素点所具有的灰度级。为方便图像在计算机中更好地处理，一般把灰度图像转换为二值化图像，这样图像就变为黑白图像，中间没有过渡值。在MATLAB中提供了i m2b w工具函数，如图1、图2所示。

灰度直方图反映了图像灰度的统计特性，表达了图像中取不同灰度值的面积或像素数在图像中所占的比例，是图像中最基本的信息。直方图均衡化的作用是改变图像中的灰度概率分布，使其均匀化，其实质是使图像中灰度概率密度较大的像素向附近灰度级扩展，使灰度层次拉开，而概率密度小的像素的灰度级缩小，让出原来占有的部分灰度级，使图像能充分利用各灰度级，增强了图像的对比度。经过直方图均匀化处理的图像见图3，其灰度级出现的相对概率相同，此时图像的熵最大，图像所包含的信息量最大，修改原直方图的灰度级，获得直方图近似均匀分布的输出图像。在MATLAB中提供了i mhist函数来计算和显示图像的直方图，MATLAB中也提供了histeq函数实现直方图均衡化，原图像直方图和图像均衡化的直方图分别如图4和图5所示（其中，直方图的横坐标表示灰度级，纵坐标表示具有该灰度级的像素个数或出现这个灰度级的概率）。从处理后的图像中可以看出，许多在原始图像中看不清的细节在通过直方图均衡化处理后所得的图像中都变得较清晰。

图1 原始图像

图2 二值化图像

因为实验所得到的图像数据是在自然条件下拍摄而成，图像的生成、传输受系统噪声、光照变化等因素的影响，因而产生多样的噪声，所以对图像采用中值滤波来进行平滑处理。中值滤波能够在抑制随机噪声的同时不使边缘模糊，中值滤波与采取平滑方式的平滑滤波不同，它是用一个含有奇数点的滑动窗口，将领域内的像素按大小排列，取中间序号的那个像数为滤波输出。在MATLAB中提供了medfilt2中值滤波函数，它有3×3和5×5两种模板。图6图7为中值滤波后的图像。从图6和图7中可以看出，中值滤波器基本上保持了图像边界不变，且3×3模板比5×5模板效果好。

图3 直方图均衡化处理后的图像

图4 原图像直方图

图5 图像均衡化的直方图

图6 3×3模板图像

图7 5×5模板图像

对图像进行完中值滤波之后就要对图像进行边缘检测，Canny边缘检测算子是一种最优边缘检测算子，其原理是采用二维高斯函数的任一方向上的一阶导数为噪声滤波器，通过与图像f（x，y）卷积进行滤波，然后寻找图像梯度的局部极大值，以确定图像边缘。MATLAB提供了很多边缘检测算子，如Roberts算子、log算子、Sobel边缘算子等。图8为采用不同边缘检测算子处理后的图像，可以看出，采用Canny检测后的图像更加清晰。