图像预处理技术在棒材计数方面应用的研究

[摘 要] 目前许多棒材生产企业都是由人工进行计数的，劳动强度大且特别容易计数出错，影响生产效率。针对这种情况，将利用数字图像处理技术以及opencv数据库和C++开发棒材自动计数检测系统。通过图像采集设备，将采集的图像转换为8位Ipllmage格式的灰度化图像，对采集来的图像进行平滑滤波处理转化为二值图像，提高数字图像处理的精度，便于后续对所得到的结果进行形态学的处理以及提取轮廓个数（即为棒材根数），以实现自动计数 。

[关 键 词] 自动计数；数字图像处理技术；Opencv；Microsoft Visual C++

[中图分类号] G712 [文献标志码] A [文章编号] 2096-0603（2016）34-0065-01

一、引言

数字图像处理技术是随着计算机应用和发展于20世纪60年代兴起的一个全新的技术领域，在理论概述和实际运用方面都取得了辉煌的成绩。

图像处理载入的是低品质、有噪音的图片，经过人为改善后输出品质高的图像。目前图像处理的方法多种多样，主要包括图片图像腐蚀、细化、滤波、锐化等，随着微电子技术和计算机运用技术的发展，图像处理技术在各个领域广泛运用。

二、棒材物体计数系统软件的构建

三、棒材端面图像预处理

（一）图片预处理的概述。图像经过摄像头等输入设备获取单帧数据图像，将其转换为8位Ipllmage格式的灰度化图像。在图像采集的过程中存在干扰，要对载入图片的平滑滤波的操作提高图片精度，最后将真彩图片灰度化处理后转化成二值图像，便于分离背景和工件端面，为后续的形态学处理做准备。

（二）图片的载入及格式的转换。载入的图片必须把其转换成8位Ipllmage格式的灰度化图像，进行形态学处理。

1.载入图像的格式。是定义一个名为img的空间结构体指针变量，并对其初始化使其等于0或NULL。

2.图片灰度化处理。其格式如下：

void cvCvtColor

src为输入的单精度图像。

dst为输出的单精度图像。

src及dst均为象征代号其具体可以用空间结构体指针变量定义过的变量名即可。

code为色彩空间转换，例如将24位真彩图转化为单通道黑白图片。

为了便捷这里建议使用vLoadImage指令：

M>0时，就是将载入的图片强制转变成3通道真彩图。

M=0时，就是将载入的图片强制转变成单通道黑白图。

M<0时，就是将载入的图片的格式同原图像的一致。

灰度化后效果图如下：

（三）对图片感兴趣区域分割。所谓对图片感兴趣区域分割即图片ROI提取，如图2所示。除了棒材端面以外，还有很大一部分是背景区域，对其进行处理毫无意义，故在图像处理以前，需对图片进行划分，提高计数准确度。

这里用到的算法是定义矩形框的偏移和大小算法CvRect指令。

（四）圖像平滑滤波处理。图像平滑就是对加载的图像进行修复、除噪、增强的一种处理技术，每一张图片或多或少都掺杂着一些噪音，因此提高信噪比，是图像预处理的首要任务。下面介绍下3种常用的滤波方式：均值滤波、中值滤波、高斯滤波。

1.均值滤波。均值滤波该算法的基本思路就是求出一个像素点的像素值及其周围的8个像素点的像素值之和的平均值，并赋值给当前像素点，作为当前像素点新的像素值，其方法简单，计算速度快，但是它在降低噪声的同时图像会产生模糊。

2.中值滤波。中值滤波采用非线性滤波模式，其工作方式是取局部像素点的像素值，进行比较，对于该局部中与周围像素值相差较大的像素值的点，舍去其当前像素值，并将周围的像素值赋值给当前像素点，故其计算量小，稳定性高，使用方便。

3.高斯滤波。高斯函数就是标准的正态分布函数，对图像做平滑滤波，剔除噪声，然后求二阶导数，通过二阶求导的优化边缘，在计算时也是频域乘积=>空域卷积。在二维空间中，高斯函数是中心对称的，对于滤波效果，其在一个图像的各个方向上都是均衡的，故其是最好的平滑滤波器。

（五）图像滤波效果的实现。图像滤波采用Smooth指令进行滤波，该算法运算速度快，但是其运算的精度差。而中值滤波可以有效地提高边缘质量，减少边缘模糊，且还可以在图像处理中用来保护边缘信息，但是其在图片处理中存在拖尾和短拖尾噪声滤波中效果不佳的现象。高斯卷积平滑滤波其效果最佳，所以采用高斯卷积平滑滤波是最优选择。

四、结语

本文介绍了棒材端面预处理的基本流程，并对其基本过程（图片的载入、图片的格式转换、图片的灰度化处理、图片的平滑滤波处理及一些利用opencv编程的算法指令和一些基本的编程要领）做了讲解。

参考文献：

[1]李邦明，刘中合，王瑞雪，等.数字图像处理技术在棒材计数中的应用[J].农业装备与车辆工程，2006（3）.

[2]艾天予.浅析数字图像处理发展与应用[J].文艺生活（中旬刊），2010（7）.

[3]杨小冈，孟飞，李俊山.一种实用的图像滤波算法[J].计算机应用，2009（6）.

[4]吴玉莲.图像处理的中值滤波方法及其应用[D].西安电子科技大学，2006.

[5]康泱.基于像素分类思想的图像自适应混合去噪算法[D].华中科技大学，2006.