毕业设计（论文）-基于图像处理技术的棒材在线计数系统的设计.doc

吉林化工学院毕业设计说明书基于图像处理技术的棒材在线计数系统的设计The Design of Online Rebar Counting System Based on Image Processing Technology学生学号： 08540210 学生姓名： 专业班级： 指导教师： 职 称： 讲 师 起止日期： 2012.2.272012.6.15 吉 林 化 工 学 院Jilin Institute of Chemical Technology吉林化工学院毕业设计说明书摘 要目前国内棒材厂的棒材技术多采用人工技术方式，该方式效率较低且准确度也受人为等因素的限制，大大降低了企业的生产效率，不利于产量的提高和效益的增长。结合以上情况，本文提出了一种基于机器视觉和图像处理技术的棒材在线计数系统的设计方法。本次设计对棒材生产过程、相关行业生产现状及图像处理相关技术原理进行了分析和研究，设计了照明和棒材图像获取系统；实现了对棒材图像的灰度变换、滤除噪声、边缘补偿、棒材目标分割提取、轮廓检测等预处理；设计了基于LabView软件平台的棒材计数系统，实现了对棒材的有效计数。通过测试，该系统对棒材的计数准确率达到90%，满足设计要求。按本文方法设计的计数系统有非接触、易维护、计数效率高、抗干扰能力强等特点，具有较高的应用价值。关键字：棒材计数；灰度变换；阈值分割；LabView- I -AbstractAt present，domestic steel bars factories with artificial technology way has the low efficiency and accuracy is also limited by human factors，which greatly reduce the enterprise production efficiency and is not conducive to increase yield and benefit of the growth.Combination of the above, this paper presents the design method based on machine vision and image processing technology of bar-line counting system. The design of rod production process and related industries, production status and image processing technology principle, analysis and research, designs lighting and bar image acquisition system; bar image gray-scale transformation, filter out the noise, edge of the compensation, the bar target partition extraction, contour detection and pretreatment; design counting system based on LabView software platform bar, effective count bars. Through the test, the bars count accuracy of 90% meets the design requirements.The counting system this paper proposed with the non-contact, easy maintenance, high counting efficiency, strong anti-interference ability and other characteristics, has a high application value.Key Words：Steel Bars counting; Gray Transform; Threshold Segmentation; LabView- I -目 录摘 要IAbstractII第1章 绪论11.1 选题背景11.2 研究现状21.3 本文研究内容及难点51.3.1 本课题研究内容51.3.2 棒材计数的难点5第2章 棒材图像的获取与处理62.1 棒材横截面积的获取62.1.1 照明系统62.1.2 摄像系统72.2 图像处理基本原理82.2.1 数字图像的存储82.2.2 图像的灰度变换82.2.3 图像的滤波降噪92.2.4 图像二值化122.2.5 图像的边缘检测13第3章 系统设计163.1 系统总体设计163.2 成像装置的驱动173.3 图像处理与软件设计203.3.1 图像的灰度变换213.3.2 图像的滤波降噪213.3.3 图像的二值化223.3.4 图像的边缘检测223.4 棒材计数233.5 棒材自动计数系统界面24第4章 实验结果与分析26结 论28参考文献29致 谢30附 录31- 31 -第1章 绪论1.1 选题背景近年来，随着我国国民经济的迅速发展，国内钢材需求急剧增加，我国已成为世界上钢铁生产和消费第一大国。因此，提高钢铁产量、产品质量以及钢铁企业在国际市场中的竞争力，对我国国民经济发展起着至关重要的作用。我国加入WTO后，要进一步降低关税并取消非关税壁垒，为进口钢材创造了有利条件，我国钢铁制品将面临新的机遇和挑战，这将促使钢铁产品的市场竞争更加激烈。在世界钢材市场上，我国只占有很小的一部分。现在，我国钢铁企业所面临的问题已不再是单纯地追求产量来满足国内需求，更要提高生产效率，降低生产成本，以提高在市场上的竞争力。当今世界特殊钢工业生产发展十分迅速，工业发达国家相继开发了许多新工艺、新技术和新设备，目前我国约有40%的小理钢（含棒材）生产经属于落后淘汰设备，约有30%的落后生产线应被淘汰。在这种情况下，要实现现代化，遇到的首要问题是资金短缺。通过引进工业发达国家的新工艺、新技术和新设备来改变我国钢铁行业技术装备水平低、设备陈旧、工艺落后的局面，对国内大多数钢铁企业来说都有一定的困难。为了解决上述问题，其根本对策就是通过自主研发和技术创新，开发出低成本生产线，只有这样才能迅速提升我国钢铁在国际上的竞争力，实现钢铁强国的目标。棒材占我国钢铁产量的30%左右，其生产的主要流程有上料系统、加热炉、粗轧机、中轧机、精轧机、飞剪、冷却装置、冷剪、冷床、检验、计数1等。棒材经上料台架被推钢机送入高效蓄热式加热炉内加热，然后在主轧机中进行轧制。主轧机分为粗轧机，中轧机和精轧机三种。棒材在经粗轧机之后，经1号剪切机进行切头操作。然后，棒材在中轧机和精轧机处进行轧制。在这两道工序之间，还需要用2号和3号剪切机进行切头尾碎断和倍尺分段。分段后的棒材在冷床上进行空冷，温度降低后进行冷剪，剪切成定尺。此后，棒材被送上检验台，进行棒材的合格性检验和计数，计数后的棒材经打捆机打捆，进行包装称重等后续处理。所以，要加快我国钢铁工业的发展，提高我国钢铁企业竞争力，必须提高棒材生产效率，降低生产成本。在国外，大部分钢铁企业均采用负公差制，对不同规格长度的棒材定支打捆包装，按每捆的理论重量出售，棒材负公差制度赢利远大于非公差制度。所以，我国钢铁企业应加快技术方面的改革，更精确的对棒材时进行自动计数，以增加产量，提高经济效益。棒材自动计数是困扰棒材生产企业多年的难题。目前，国内棒材生产企业2主要采用人工计数的方法，该方法效率低、错误率高、成本高、劳动强度大，严重制约棒材生产企业市场竞争力的提高。然而由于现场条件、工艺流程、原始设备等因素的制约，该问题一直没有得到很好的解决，国内棒材企业迫切的需要一种高效、自动化的棒材精确计数系统。棒材生产在我国经济中占有很重要的地位，它是现代工业发展中必不可少的重要产品之一，广泛应用于各种行业中，随着行业技术的进步和行业规模的扩大，整个生产工艺过程基本上实现了自动化和机械化，企业的生产能力得到了很大的提高，然而棒材生产线上的计数打捆环节仍停留在手工计数阶段，人工计数容易出错、效率低，包装数量不能满足要求，而且与自动化轧钢不相配套，影响生产效率和装备水平的提高，另一方面，由于包装不能保证准确支数，在市场销售时只有按重量计量，不能获得负公差制那样应有的经济效益，限制了整个生产过程的发展，导致钢材厂蒙受重大经济损失。棒材的自动精确计数是一个难题，长期困扰着我国棒材生产企业，即使在世界范围内也未得到很好的解决，在这样的背景下，本论文提出了一种基于图像处理的自动计数方法。棒材自动计数系统主要解决准确计数的问题，计数的精度同时决定了整个系统的精度。而本文采取的图像处理法18，即通过对采集到的图像进行处理，主要解决图形识别的准确性和算法的快速性，该方案完全解决了棒材自动计数问题。打捆分离的难点在于对分离点的精确判断，特别是出现棒材的重叠和交叉时分离的难度更大，这亦是下一步要解决的问题。1.2 研究现状目前计算机视觉检测技术开始应用在棒材生产中，国内外有多家研究机构对此课题进行专门研究，但由于现场老生产线改造复杂，新生产线集成的国外进口的计数设备不方便使用，又由于技术上难以解决棒材运动中速度快、氧化、粘连、交叉等难题，大多数研究仍处于试验阶段，未能在实际中得到应用。下面对一些棒材计数方法做简要介绍：1.人工计数方法国内最常用的是人工计数方法，人工计数方法是在棒材打捆机前的传送链条上由人工进行计数，先定尺冷剪，剪切后的棒材，经传送辊道送至挡板对齐，然后经横移装置将棒材移动到检验台的传送链条上进行人工计数和不合格棒材的分离，现场工人按照每捆的规定数量将棒材分离，并由链条送至打捆装置进行人工打捆。人工计数的主要的优点是可以在计数的同时，挑出工艺上不符合要求的不合格棒材。但是人工计数存在很多的缺点，在计数段，棒材没有完全冷却，一般仍会较高的温度，对于现场的工人来说，工作环境很恶劣，很难保证生产的安全性和稳定性；长时间的计数会导致工人的眼睛极度疲劳，尤其在夜间工作，在这种情况下，计数容易出错；由于人眼的观察速度跟不上棒材的传送速度，导致生产流程不匹配10，传送链条经常需要停下来等待计数人员计数，极大地阻碍了生产效率的提高。由于人工计数方法存在很多问题，销售时只能按照重量计算，因此不能获得负公差轧制方式应有的经济效益，使我国的钢铁企业蒙受很大的经济损失。2.光电计数方法光电计数方法是基于光电管的光生伏特效应提出的，因为光电管可以通过光电流的强度变化来反应光通量的大小变化。在钢铁生产线上，轧制好的成品钢材被输送到传送平台上，光源和光电管分别置于传输平台的上下两侧，由于棒材经传输链送至收集槽再进行捆装，移动中的棒材会改变光电管光通量的大小，其光电流强度发生变化，通过分析光电管光电流强度的变化，就可以判断棒材的数量。光电管计数法的优点：在棒材平铺且分离情况较好的情况下，计数十分准确。但是，采用光电管计数存在以下的不足：现场一般采用单个光电管进行计数，如果棒材在检测范围内出现重叠，光电管将发生少计、漏计现象；光电管易老化，其灵敏度也会受到严重的影响，长期在强光的照射下，光电管的灵敏度下降的更快；棒材在光电管在检测区域内发生纵向重叠时，光电管将会输出同样的电平，而导致多个棒材被认为一个。当棒材发生严重重叠现象时使用光电管计数方法，会对钢铁生产带来极大的损失。而基于计算机视觉与计算机图像处理的自动检测系统将会是解决棒材精确计数最有效的途径。3.基于图像处理的棒材计数方法 直至到了图像处理、计算机视觉以及模式识别的研究有了新的可实施成果的阶段，人们才将计算机视觉和模式识别技术相结合来代替人的视觉系统，对输入计算机的图像进行适当处理和分析并做出相应的判断。因此，基于计算机视觉的自动检测技术12得到了广泛的重视和应用，在给定的判断规则下，给出的是基于分析结果的客观判断，而且在固定的外部环境下，其判断是稳定一致的。1988年，金鸥曾用图像处理技术初步研究了物体的自动计数，棒材类自动计数的特点是仅需保留每个被检测物体截面图像上至少一个像素点，无需考虑被测物体截面的真实形状。因此，只要将被计数物体图像多次收缩，使重叠的图像完全分离，即可达到计数的目的。同时，朱常青等人采用图像法提出棒材类的精确计数方法用数学形态学的腐蚀膨胀操作使钢筋截面图像清晰，并通过扫描进一步剥离重叠的钢筋截面图像做粗分离；再根据其结果求出像素间的棋盘距离，以判别分离的像素点是否仅代表一个被检测物体的像素；然后，删除伪像素点，以达到精确分离的目的。同时，为使计数方法快捷，最后将每个螺纹钢筋截面的图像所保留的一个像素，用直方图统计法得到正确的钢筋计数。此法比起图像多次收缩寻找像点，进一步提高了计数精度。1999年，周群、胡光锐针对成捆的钢筋端面摄取的图像存在严重的粘连现象，提出一种对粘连图像进行计数的快速简易的方法-模板覆盖法14，可避免分割粘连的图像，显著提高了计数精度。文中所用模板覆盖法不同于图像处理中的其它计数法，它对预处理要求不高，故预处理较为简单；即使图像存在小空洞也对计数无影响，提高了识别速度。不过，其结果在很大程度上依赖于预处理时所得二值图像的质量。同时，由于此法处理速度慢而不能满足实时在线计数的需要。2003年，李朴、孙运芝、夏晨等人提出了采用电子电器装置实现计数功能的方案:利用光电器件实现计数目标、利用霍尔元件实现计数目标以及利用摄像像素分析法实现计数目标。对比分析3种方案，前2种方案因生产线上的棒材形态复杂而计数误差较大。同年，张琳，岑豫皖，杜培明开发了以VC为平台的自动计数系统。针对现场目标和背景的对比度在图像中不同区域存在很大差异，以及光照、背景亮度小均匀等缺陷导致目标极易漏检等，分别提出了各子区域采用不同的阈值和边缘检测技术的改进图像分割算法，实现了对棒材端面图像高精度分割，然后对分割所得二值图像实施形态学运算，使粘连部分彼此分离，最后通过8-邻域标注计数。数学形态学方法主要是利用极限腐蚀来进行图像分割，其缺陷是很难选取合适的结构算子，同时计算量较大，判断新出现的分割区域也较困难。采集到的工业图像往往存在较强的噪声，加之光照不均匀等因素的影响，若采用通常方法处理，则误差较大。2003年4月，王培珍、杨维翰、沈玉梁首次提出了基于融合技术的棒材定值图像识别理论。该方案首先用CCD采集棒材定支包装时的端面图像，再用阈值化和基于边界的方法初始分割图像，最后进行融合、去粘连及计数，这在一定程度上提高了计数的准确性。该方法过于依赖二值图的质量，实际应用中难以保证质量要求。综上理论只是针对打捆后的棒材计数，2004年，罗三定，沙莎，贾维嘉等人针对如何识别图像中的棒材、如何区分图像中已计数部分和未计数部分以及如何控制分钢装置移动到指定位置等问题，较为系统地论述了图像法实现在线棒材计数和分离问题，并设计了相应的在线视觉计数控制系统，基本完成了棒材在线计数系统的计数和分离任务。同年，宋强、徐科、孙浩等人引入了“图像距离”16概念，通过计算并比较棒材区域各像素点的图像距离，来识别边缘点和中心点。综上所述，对于在线棒材的计数问题，虽然研究的机构很多，采用的思路很广，但效果并不理想。目前，国内暂无可以在生产上可靠且能广泛应用的棒材自动计数的自动化技术与装置。1.3 本文研究内容及难点1.3.1 本课题研究内容本文在对相关企业生产过程及相应技术现状的研究基础上，设计了一种基于图像处理技术的在线棒材计数系统，研究内容主要包括：（1）对棒材生产工艺过程及现有计数技术6现状进行了研究和分析；（2）对图像的灰度变换、阈值分割与消除粘连干扰、二值化处理及边缘检测等相关数字图像处理技术3进行了学习和研究；（3）设计了照明系统及图像获取系统；（4）基于LabView5软件平台，设计了在线棒材计数系统7，完成对所获取棒材图像的处理及有效计数；（5）对系统进行了测试和评价。1.3.2 棒材计数的难点（1）在图像处理4中，使用最大类间方差对图像进行分割，但由于棒材剪切工艺的限制，分割后二值图像中常出现孔洞和缝隙，从而影响了计数的准确性。（2）棒材端面色泽不一、颜色不均，且端面常因高温氧化而呈蓝色或黑色，并形成不规则纹理，使断面亮度分布存在巨大差异，棒材在图像分割后，图像区域中常出现黑色孔洞和缝隙；断面非严格对齐，使棒材之间互相遮挡，在图像上形成不同程度的粘连，严重者2/3断面均被遮挡；棒材侧壁、螺纹钢肋及噪声形成的伪断面等情况也会影响计数精度。（3）棒材在运输链上传输时，容易出现重叠交叉现象，这样就给计数和分离带来了很大麻烦。单独的使用光电技术很难解决这个问题，因此光电技术仅适用于没有重叠交叉或重叠交叉不严重的情况，而随着棒材直径的减小，重叠交叉的情况会越来越严重，此时，仅用光电技术就很难自动计数了。第2章 棒材图像的获取与处理2.1 棒材横截面积的获取2.1.1 照明系统 在获取图像信息的过程中，光源的设计十分重要，因为采集到的图像的清晰度在很大程度上由光源好坏、摆放位置等因素所决定，所以要选择好的光源，并且尽量使整个摄像系统避免受到自然光、现场照明灯光及环境漫反射的影响，以保证采集到的图像的质量。棒材是不透明物体，其颜色是在外界光源照射下，通过有选择的吸收、反射或透射照明光中的一部分后入射到视觉系统的光线颜色决定的。因此必须根据棒材的表面特性，设计光源与的分布位置，并采取一定的校正、补偿措施，使得棒材在光敏面上的成像照度充分，而且在时间和空间上尽量均匀、稳定。采集来的图像中，除含有的检测目标外，还包含很多无用的背景信息，为获取有效信息，必须增大目标物（棒材）和背景的差别，以便更好的定位棒材。由于棒材的端面图像为金属的银白色，而背景较为灰暗，因此可以通过二值化的方法来提取棒材轮廓。但是切割端面上常常有少量的氧化，且棒材之间有时会互相遮挡，为了更加准确的识别每一个棒材，在端面前增加外加光源。为了达到最好的照明效果，照明灯和摄像机分别安装于棒材的两侧，使图像中棒材的断面最亮，系统结构如图2-1所示。继电器选通摄像机摄像机棒材灯灯图2-1 照明与摄像系统在实际生产过程中，棒材温度较高，刚刚切割后的棒材断面会产生部分氧化，给棒材的识别带来影响。在实验时，采用的是蓝色色光金属卤化物灯照明，断面图像在强光照明下基本饱和，氧化物影响较小。在实际生产中还有可能出现运动模糊现象，导致棒材断面无法识别，而上述的灯光设计在静态计数中完全克服了运动模糊现象，能拍摄出比较清晰的便于分析的图像。2.1.2 摄像系统 目前工业检测中使用最为广泛摄像系统是CCD系统。CCD(Change Coupled Device)是一种将光信号转换为电荷信号的固体光电图像传感器，其突出特点是以电荷作为信号，而不同于其他大多数器件是以电流或者电压为信号，也就是说CCD的基本功能是电荷的存储和电荷的转移。它存储由光或电激励产生的信号电荷，当对它施加特定时序的脉冲时，其存储的信号电荷便能在CCD内作定向传输，再加上其轻巧、灵敏、分辨率高、数字化性能好等突出优点，目前在各个行业都得到了广泛应用，随着技术的不断改进并有望得到更进一步的发展。镜头则是一种光学系统，用来将被测物体成像于CCD光敏面上。摄像机的工作原理是通过照明系统提供的光源，光学系统将被测物体成像于光敏面上，CCD将光敏面上接受的光信号转换为电荷信号，再通过外部控制电路实现电荷的存贮、转移和检测。对于集成了数字处理功能的CCD摄像机，则再通过A/D转换得到数字化图像。CCD的选购十分关键，直接影响到成像的质量。应综合考虑其主要性能参数在检测系统中的作用和影响，以满足系统的要求并能充分发挥其优势。进行摄像机内外参数标定的目标主要是标定合适的相应参数，如焦距、曝光量、视场角、快门速度、光圈大小、工作温度等，使所得到的图像能清晰、准确地反映被测物体的视觉信息。计算机检测的基本原理就是用计算机视觉代替人的眼睛和大脑，来对客观世界进行感知和理解以完成特定的目的。其检测的基本过程是通过摄像头获得的每帧棒材横截面的表面图像并输入计算机，采用一定的算法完成图像预处理和图像特征提取，应用模式识别方法来达到对棒材支数准确计数。针对本论文的所要解决的具体问题，即实现棒材支数的准确计数，首先应当尽可能提高棒材横截面图像的清晰度与精度，并做如下改进措施。 （1）使用分辨率较高的摄像机；（2）尽可能的使棒材所占图像的比例较大；（3）采取各种措施减轻外部环境干扰。经过上述改进后，获得的图像基本上满足了进行处理的需要。2.2 图像处理基本原理2.2.1 数字图像的存储图像有BMP，TIFF，JPEG，PNGD等多种存储格式，这里只详细介绍BMP图像文件格式。BMP格式最大的特点是完整保存每个像素的信息，即为不失真，所以BMP格式也是“占地面积”最大的图片格式，这也是BMP文件格式在当今应用比较广泛的原因。位图文件由位图头、位图信息头、彩色表和定义位图的字节4个部分组成。文件中的数据块表示图像的相应像素值，图像中的像素值在文件中的存放顺序为：从左到右，从下到上，也就是说，在BMP文件中首先存放的是图像的最后一行像素，然后才存储图像的第一行像素，但对于同一行的像素，则是按照先左边后右边的顺序存储的；另外，文件存储图像的每一行像素值时，如果存储该行像素值所占的字节数为4的倍数，则正常存储；否则，需要在后端补0，凑足4的倍数。第四部分就是实际的图像数据IMAGEDATA，对于用到颜色表的位图，图像数据就是像素在颜色表中的索引值。颜色存储格式常见的有1位、4位、8位及24位，对于2色位图，用一位就可以表示该像素的颜色（一般0表示黑，1表示白），所以一个字节可以表示8个像素，对于16色位图，用4位可以表示一个像素的颜色，所以一个字节可以表示2个像素，对于256色位图，1个字节刚好可以表示1个像素，对于真彩色图，3个字节才能表示1个像素。2.2.2 图像的灰度变换灰度即使用黑色调表示物体，每个灰度对象都具有从0%（白色）到100%（黑色）的亮度值。灰度变换主要针对独立的像素点进行处理，通过改变原始图像数据灰度范围而使图像在视觉上得到改观。灰度变换处理是图像增强处理技术中一种非常基础、直接的空间域图像处理方法，是图像数字化8 9和图像显示的一个重要处理手段。由按BMP格式进行存储的彩色图像的特点可知，图像的所有颜色都可以由红R、绿G、蓝B三原色组成。每一种原色都被人为的分成0到255共256个等级，某种原色为0表示不含有该原色成分，255表示含有100的该原色成分。根据R、G、B的不同值的组合，图像中每一个像素点都可以表现16777216种颜色，需要使用3个字节来对其颜色信息进行表达。而灰度图中的一个像素点的信息只需要一个字节的数据就可以表达。将彩色图像转换为灰度图，就是用灰度图中各像素点的灰度的深浅来表示彩色图像中各像素点的颜色。这样既可以保留图像中的有用信息，又可以降低之后处理过程中的计算量，同时还可以在一定程度上取出一些干扰信息。灰度变换的处理过程可根据下面公式进行， (2-1)式中R，G，B分别代表真彩色图像中某一像素点的红、绿、蓝三种颜色分量；Y代表对应像素点的灰度值。灰度变换前的图像如2-2（a）所示，灰度变换后的图像如2-2（b）所示。(a)（b）图2-2 灰度变换前后图像对比两幅图片，灰度变换使计算量变得简单的同时，又保留了原来图像重要的信息，达到了预期的效果。2.2.3 图像的滤波降噪由于成像系统、传输介质和记录设备等的不完善，数字图像在其形成、传输记录过程中往往会受到多种噪声的污染。另外，在图像处理的某些环节中，当输入的对象并不如预想时，也会在结果图像中引入噪声，这些噪声在图像上常表现为易引起较强视觉效果的孤立像素点或像素块。一般情况下，噪声信号与要研究的对象不相关，它以无用的信息形式出现，扰乱图像的可观测信息。对于数字图像信号，噪声表示为或大或小的极值，这些极值通过加减作用于图像像素的真实灰度值上，对图像造成亮、暗点干扰，极大降低了图像质量，影响图像复原、分割、图识别等工作的进行。要构造一种有效抑制噪声的滤波。图像滤波，即在尽量保留图像细节特征的条件下对目标像的噪声进行抑制，是图像预处理中不可缺少的操作，其处理效果的好坏将直接响到后续图像处理和分析的有效性和可靠性。滤波必须考虑两个基本问题：有效地降低目标和背景中的噪声，同时，能很好地保护图像目标的形状、大小及特定的几何和拓扑结构特征。常用效果比较好的平滑滤波器可以分成线性平滑滤波器和中值滤波器两种。（1）线性平滑滤波器以像素为中心，将窗口内的像素求平均值作为该点的像素输出，即用窗口像素的平均值取代原来的灰度值，其过程依照公式2-2进行。 （2-2）式中，A是滤波器窗口，是滤波器输出结果，是窗口内像素值。平滑滤波前图像如2-3（a）所示，平滑滤波后图像如2-3（b）所示。（a）（b）图2-3 平滑滤波前后图像（2）中值滤波是一种非线性的图像平滑滤波。其原理是用一个滑动窗W在图像中进行扫描，把窗口内包含的图像像素按灰度级升序或降序排列起来，取灰度值居中的像素为窗口中心像素的灰度，其公式为2-3所示。 （2-3）式中，A是滤波器窗口，是滤波器输出结果，是窗口内像素值。中值滤波前图像如2-4（a）所示，滤波后图像如2-4（b）所示。（a）（b）图2-4滤波前后图像本文把图像中棒材的边缘像素都视为干扰或噪声，直接进行图像处理会引入很多干扰。为了减少计算量和提高计数的准确度，须对经过灰度变换的图像进行滤波处理。在计数算法中，噪声是棒材边缘的像素，为了抑制这样的噪声，一般会对图像进行低通滤波。但是棒材主要包含大量高频信息，所以低通滤波会使棒材轮廓变得模糊。反之高通滤波会使噪声得到加强。为了能够在过滤噪声的同时，还能很好地保护棒材边缘信息，本论文采用了平滑滤波处理。从实验结果看线性平滑滤波器有力地抑制了噪声，同时也由于平均而引起了模糊的现象，经过这样处理后的图像很难提取出高质量的边缘，所以不能采用该滤波方案。中值滤波使边缘更加清晰且抑制了噪声，所以选用中值滤波。中值滤波结果如图2-2所示。2.2.4 图像二值化图像二值化就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果。将256个亮度等级的灰度图像通过适当的阀值选取，而获得仍然可以反映图像整体和局部特征的二值化图像。在图像处理中，二值图像占有非常重要的地位，首先，图像的二值化有利于图像的进一步处理，使图像变得简单，而且数据量减小，能突显出感兴趣的目标的轮廓。其次，要进行二值图像的处理与分析，首先要把灰度图像二值化，得到二值化图像，所有灰度大于或等于阀值的像素被判定为属于特定物体，其灰度值为255表示，否则这些像素点被排除在物体区域以外，灰度值为0，表示背景或者例外的物体区域。一幅图像包括目标物体、背景还有噪声，要想从多值的数字图像中直接提取出目标物体，最常用的方法就是设定一个阈值T，用T将图像的数据分成两部分：大于T的像素群和小于T的像素群。在处理过程中，寻找一个适当的截断阈值是能否合理分割图像的关键。对于图像中目标和背景的灰度值相差不大时，可以采用双峰法分割图像，其主要思想是计算图像的直方图，选择直方图中目标图像形成的峰值和背景形成的峰值之间的波谷处的灰度值作为截断阈值，主要的根据是两个峰的交点处对应于图像中目标和背景的交界。对于在线的检测截断阈值方法如下： 步骤 1：选择一个T的初始估计值；步骤 2：用T分割图像。这样做会生成两组像素：由所有灰度值大于T的像素组成，而由所有灰度值小于或等于T的像素组成；步骤 3：对区域和中的所有像素计算平均灰度值和； 步骤 4：计算新的门限值：T=（+）/2；步骤 5：重复步骤2到4，直到逐次迭代所得的T值之差小于事先定义的参数stopT。当背景和对像在图像中占据的面积相似时，图像的灰度均值是一个理想的初始T值。T值的设置关系着后续工作的进行，所以，选择一个合适的T值是本课题中极为重要的一步。在本课题中，T值设为128，也就是说像素点大于128的点显示为黑色，像素点小于128的点显示为白色，这个值的设定一方面是根据棒材的生产环境来确定的，另一方面也是经过多次实践找到的，最合适后面的计数环节。正是由于这些值的设置，才达到了如下图2-5（b）二值化显示的效果，其中2-5（a）为二值化前的图像，这样既去掉了图片中的干扰，又使后面的计数变得简单。（a）(b) 图2-5 二值化前后图像2.2.5 图像的边缘检测边缘是图像最基本的特征，所谓边缘是指图像周围像素灰度后阶变化或屋顶状变化的那些像素的集合，它存在于目标与背景、目标与目标、区域与区域、基元与基元之间。边缘检测在计算机视觉、图象分析等应用中起着重要的作用，是图像分析的主要特征提取手段，是图象分析与识别的重要环节，这是因为子图像的边缘包含了用于识别的有用信息，因此边缘检测是图像分割所依赖的重要的特征，也是纹理特征的重要信息源和形状特征的基础。边缘检测是图像处理领域的重要内容，是进行模式识别和图像信息提取的基本手段。一方面，图像的边缘往往对应于生成图像的物理世界中对象的重要特征，也是图像分割所依赖的重要特征；另一方面，边缘检测使图像处理的数据量大大减少，有利于滤波降噪、二值化等。图像的其它特征都是由边缘和区域这些基本特征推导出来的，边缘具有方向和幅度两个特征：沿边缘走向，像素值变化比较平缓，而垂直于边缘走向，则像素值变化比较剧烈，而这种剧烈可能呈现阶跃状，也可能呈现斜坡状，边缘上像素值的一阶导数较大，二阶导数在边缘处值为零，呈现零交叉。边缘检测是图像分割、目标区域识别、区域形状提取等图像分析领域十分重要的基础，是图像识别中提取图像特征的一个重要内容。图像理解和分析的第一步往往就是边缘检测，目前它已成为机器视觉研究领域最活跃的课题之一，在工程应用中占有十分重要的地位。棒材横截面图像的获取过程中，由于实验现场各种电器多，强电线路多，摄像机工作环境温度高，视频线传输距离长等，使得视频受到很大的干扰，在图像中存在较严重的高斯噪声。高斯噪声概率密度函数： (2-4)其中，z表示灰度值，表示z的平均值或期望值，表示z的标准差，标准差的平方，称为z的方差。该高斯噪声一般采用高斯低通滤波器抑制或消除此噪声，该滤波器的二维形式由式2-5给出： (2-5)其中，D（u，v）是距离傅立叶变换原点的距离。通过平滑图像滤除了高斯噪声的影响，为识别棒材提供了可靠的信息源。降低噪声的过程中会造成一定的边缘模糊，那么图像阈值分割就是将图像的边缘突出出来，以便于目标的识别。为了把图像中间任何方向伸展的边缘和轮廓的模糊变清晰，对图像的某种导数运算希望是各向同性的，梯度算子恰好符合这一点。对于图像g(x,y)，在(x,y)处的梯度定义为：grad(x,y)= (2-6)梯度近似算法在图像的最后一行或者列的图像梯度无法计算得到，所以就用前一行或列的梯度近似替代。由梯度的计算可知，在图像中灰度变化较大的边缘区域的梯度值较大，灰度变化平缓的区域的梯度值较小，而在灰度均匀区域的梯度值为零。由于边缘检测的重要性，人们提出了许多适用于不同场合的边缘检测算法，然而，在实际图像处理19中，精确检测边缘具有相当的难度，对于自然图像，检测的主要困难在于这些变化发生在一个很宽的尺度范围内，如果分别地看每个图像的像素，就会发现像素之间的灰度级在变化。实际图像中的大多数边缘是锐边，其灰度变化是由少量像素的陡变组成，还有一些边缘是模糊的，其对应的灰度变化是大量的像素值缓慢改变引起的，这些不同类型的灰度变化在图像中是不可分的。边缘检测前的图像如2-6（a）所示，边缘检测后的图像如2-7（b）所示。(a) (b) 图2-6 二值化前后图像经过采集系统后获得的原始图像经过灰度变换、滤波降噪、二值化、边缘检测等一系列处理后，基本满足了下章计数的要求。第3章 系统设计图像处理是用计算机对图像进行分析，以达到所需结果的技术。本论文中，图像处理是整个系统设计最关键的部分，因为处理后的图像质量关系着计数的准确度以及整个系统的精确度。3.1 系统总体设计开始获取、分析、处理图像11之前，必须先建立图像系统，建立图像系统的方法取决于图像环境以及分析和处理的需要，图像系统应该产生足够高质量的图像以能够从图像中获取信息。搭建图像系统的完整步骤如下：根据给定的颗粒限制以及被检测物体的尺寸，确定设备类型。确保相机传感器精度足够高以满足对最低分辨率的要求。确保镜头景深足够高以保证焦点内的所有物体都不会因为镜头而畸变，还要确保镜头的焦距满足需要。确保光照能够提供被检测物体与背景之间有足够的对比度，以便从图像中获取信息。 将相机摆放在与被测物体垂直的位置。如果相机获取的物体的图像带有角度，就会产生透视误差。即便可以通过软件补偿这些误差，National Instruments还是建议采用垂直的角度以获得最精确的结果。选择一个满足需要的图像采集设备。National Instruments提供了许多图像获取设备，例如模拟的彩色和单色设备以及数字设备。本节主要介绍了棒材自动计数中所需要的硬件部分，硬件设计的好坏关系着下章图像处理。为了获得便于进行识别的图像，对摄像头采集的原始图像进行一系列预处理，预处理的目的是为了把棒材和背景分开，并经过试验确定了具体的方案，分为下列几个步骤：（1）通过灰度变换将彩色原始图像转换成灰度图；（2）图像平滑抑制去除噪声；（3）阈值分割法获取二值化图像；（4）边缘检测；（5）计数。以上操作是图像处理中常用的基本的方法，在处理过程中注意各环节具体实施的过程，为工程的精确度打下基础。通过图像的分析可知，图像处理过程中要保证检测的精确度和准确度，需要做灰度变换、滤除噪声、轮廓检测、二值化等处理。具体的图像处理流程图如图3-1所示，实现该流程图的程序设计图如3-2所示。图3-1 图像处理流程图 图3-2 棒材计数系统程序3.2 成像装置的驱动下面介绍NI景象处理模块中的内容：如图3-3所示，在LabVIEW控制模板（Control）的景象子模板（Vision）中包含IMAQ Image.ctl、Image Display和Image Display（Classic）节点，以及IMAQ Vision controls和Machine Vision controls子模板。图3-3 控制模板的子模板如图3-4所示，在LabVIEW功能模板（Function）的景象子模板（Vision）中包含Image Acquisition、Vision Utilities、Image Processing和Machine Vision子模板。图3-4 功能模板的子模板创建了图像引用之后，通过图像采集系统中的相机采集图像，将图像采集到图像系统中，用计算机中存储的文件装载图像，从文件装载图像的程序模块自动地为图像数据分配适当的内存空间。 利用National Instruments图像采集设备可以采用以下方法对图像进行采集。（1）使用IMAQ Snap（块照）程序采集单幅图像。调用该程序时，初始化图像采集设备，并采集下一个视频帧。该模块用于单一的采集程序，主要是编程方便。 （2）通过抓拍连续采集图像。抓拍功能实现了在一个缓冲区上连续循环采集。抓拍功能用于采集高速图像。IMAQ Grab Setup用于启动采集，IMAQ Grab Acquire用于返回当前图像的一个拷贝，IMAQ Stop用于停止采集。 （3）IMAQ Sequence用于采集固定数量的图像。IMAQ Sequence一张接一张的采集图像直到达到要求的数量。如果只采集某些特定的图像，可以为IMAQ Sequence提供一张表，描述在采集到每帧后跳过的帧数。 在完成图像采集后，必须使用IMAQ Close 或者IMAQdx Close Camera 释放分配给图像采集设备的资源。IMAQ ReadFile用于打开并读取计算机中存储的文件数据到图像引用中。可以读取以标准格式存储的图像，如BMP，TIFF，JPEG，JPEG2000，PNG，和AIPD，或者制定的非标准格式。通常，软件会自动将像素转换成所传递的图像类型。IMAQ Read Image and Vision Info用于打开图像文件所包含的附加信息，如校准信息，用于模式匹配的模板信息。也可以使用IMAQ GetFileInfo读取图像属性，图像尺寸，像素深度，推荐的图像类型，以及校准单位，而不用实际读取全部图像数据。IMAQ AVI Open 和IMAQ AVI Read Frame 用于打开和读取存放在计算机中的AVI文件，并传送到图像引用中。NI Vision自动将像素转换成所传递的图像类型。完成AVI读操作后，使用IMAQ AVI Close 释放分配给AVI文件的资源。下面介绍基于USB摄像头的图像采集。USB设备在正常工作以前，第一件要做的事就是枚举，所以USB摄像头在进行初始化前，需要先执行第0步，枚举系统中的USB摄像设备，依据以下步骤进行。 第（1）步：调用IMAQ USB Init.vi完成USB摄像设备的初始化工作；第（2）步：调用IMAQ Create.vi为图像数据创建一个数据缓冲区；第（3）步：调用IMAQ USB Snap.vi 从USB摄像设备中读入一帧图像数据，并把它放入先前创建的数据缓冲区中，并在Image中显示；第（4）步：当图像数据缓冲区被释放后，我们在前面板上将看不到采集的图像了，所以添加一个延时程序，等待停止；图3-5 连续图像的采集第(5)步：调用IMAQ USB Close.vi，释放占有的USB摄像设备；第(6)步：调用IMAQ Dispose.vi，释放占有的图像数据缓冲区。连续图像采集程序图如下图3-5所示。采集的图片如图3-6所示。图3-6 采集的图像3.3 图像处理与软件设计利用LabVIEW15进行图像处理是一个非常重要的应用。在许多行业中采用图像的采集和识别来进行判断、控制，使操作更加精确，具有可信度、人性化、智能化，处理用到的主要控件有IMAQ RemoveParticle、IMAQ Separation IMAQ Find Circular Edge、IMAQ Threshold等。（1）IMAQ RemoveParticle该模块用于去掉不关心的大、小颗粒，与IMAQ Morphology模块中的Erode，Open，和POpen函数不同，这三个函数改变剩下的颗粒的大小和形状。 （2）IMAQ Separation该模块是一个高级程序，它能分割颗粒而不改变其形状。IMAQ Separation 模块的功能与IMAQ Morphology 模块的erosion 或 open 函数分割接触的物体有所不同，因为erosion 和 open 运算改变所有颗粒的形状。（3）IMAQ Find Circular Edge该模块用于查找搜索区域中的环形状物体，检测模块基于他们的直径的大小来确定中心位置，软件计算，找出最合适的目标圆。（4）IMAQ Threshold该模块用于单区域灰度分割，通过阈值的设置，实现图像分割，是图像二值化经典的模块。3.3.1 图像的灰度变换灰度变换是图像处理13最基础也是最重要的部分，它一方面可以使后续的计算量大大减少，另一方面又在很大程度上保护了图像重要的信息，所以本论文采用下图3-7的程序对图像进行灰度变换，实践证明，该程序取得了较好的效果。图3-7 灰度变换3.3.2 图像的滤波降噪在图像的采集以及在图像处理过程中，都会或多或少的引入干扰，所以我们须对图像进行滤波处理，综合比较几种滤波方法和滤波效果，本论文最终选用中值滤波方法，滤波程序如图3-8所示。图3-8 滤波降噪3.3.3 图像的二值化本论文的最终目的是实现对棒材的计数，二值化可以减少对复杂棒材计数的很多步骤，使计数变得简单又精确。通过对阈值参数的准确设置，图3-9的二值化程序达到较为理想的效果。图3-9 二值化3.3.4 图像的边缘检测边缘检测17是图像识别中提取图像特征的一个重要内容，它可以实现图像分割、目标区域识别、区域形状提取等功能。在本论文中，边缘检测可以实现对棒材的精确定位，比较多种边缘检测方法，本设计决定使用图3-10的边缘检测程序，检测的效果见图2-6。图3-10 边缘检测 3.4 棒材计数计数