（通信与信息系统专业论文）基于静态图像特征的采血针生产检测系统研究.pdf

中文摘要 摘要：随着社会科学技术的发展，工业生产的自动化程度不断提高，然而由于生 产环境的不可预测性，有些产品的成品正确率不能得到保证。本文通过研究采血 笔自动生产过程中采血针在模具上的特征位置状态，提出了基于图像特征的机器 视觉进行采血针的位置实时自动检测。 机器视觉主要研究用计算机来模拟人的视觉功能，从客观事物的图像中提取 信息，进行处理并加以理解，最终用于实际检测、测量和控制。本文通过分析研 究采血针在生产模具上的位置情况，提出了基于特征位置跟踪搜索算法，检测采 血针在模具上的位置情况。本系统首先通过数码相机获取采血针在生产模具上的 图像，继而通过图像平滑等增强处理去除噪声，经过图像的阈值分割及数学形态 学运算获得采血针的良好二值图像，经过这些图像的预处理后，搜索跟踪图像中 的可以确定采血针的特征位置，并在此特征位置的基础上判断相应位置上采血针 的位置特征，最终得出判断结果。 针对采血针图像自身的特点和实时应用的特征，本文主要在图像预处理的平 滑降噪、图像分割及数学形态学运算等三方面提出了改进或推广应用前人的算法， 并根据实际应用提出了采血针特征位置搜索算法和采血针位置状态识别算法，在 处理的效果和效率上都得到了提高。特征位置的跟踪判断不对整张图像进行搜索 跟踪，而先搜索确定一个特征位置，继而以此为基准根据采血针间的相对位置分 别跟踪判断不同处小范围内小针的位置情况，以达到在最大范围内减少系统处理 时间和增加判断精度以及自动检测所获取图像的小针数目的目的。 本文通过对算法和构建系统的测试分别对图像处理算法和整体系统的性能进 行有效性和可靠性分析。通过对算法运行时间的测试考察算法的实时性要求和有 效性，而判断结果的正确率则验证系统处理的可靠性。通过实验，验证了本文所 研究系统的可行性。 关键词：采血针；机器视觉；图像处理；图像预处理；特征提取 分类号：t p 3 9 1 4 j 匕立交通太堂亟堂位j 金塞垦墨! b ! a bs t r a c t a b s t r a c t ：w i t ht h ed e v e l o p m e n to ft h es c i e n c ea n dt e c h n o l o g y , t h ea u t o m a t i c e x t e n to ft h ei n d u s t r i a lp r o d u c t i o ni si n c r e a s i n gd a yb yd a y b u ta st h eu n p r e d i c t a b i l i t y o ft h ep r o d u c t i o ne n v i r o n m e n t ，t h ec o r r e c tr a t eo ft h ef i n i s h e dp r o d u c tc a n tb e g u a r a n t e e da l lt h et i m e a c c o r d i n gt ot h er e s e a r c ho nt h ep o s i t i o ns t a t e sf e a t u r eo ft h e b l o o dc o l l e c t i o nn e e d l e sw h i c ha r ea u t o m a t i c a l l yp l a c e do nt h em o l dd u r i n gt h ep r o d u c e p r o c e s s ，ar e a l t i m ew a yb a s e do nt h ei m a g ef e a t u r e so fm a c h i n ev i s i o n ，t od e t e c tt h e n e e d l e sp o s i t i o na u t o m a t i c a l l y , i sp u tf o r w a r di nt h i sp a p e r m a c h i n ev i s i o nm a i n l ys i m u l a t e st h eh u m a nv i s i o nw i t hc o m p u t e r - f r o mt h ei m a g e i tp i c k su pt h ei n f o r m a t i o n ，w h i c hw i l lb ed i s p o s e d ，c o m p r e h e n d e d ，a n du s e di nt h ef i n a l p r a c t i c a ld e t e c t i o n ，m e a s u r e m e n ta n dc o n t r 0 1 b ya n a l y z i n gt h en e e d l e sp o s i t i o no nt h e m o l d ，t h ep a p e ri n t r o d u c e sat r a c ka n ds e a r c ha l g o r i t h mo ft h ef e a t u r ep o s i t i o nw h i c h w i l ld e t e c tt h en e e d l e sp o s i t i o ns t a t e so nt h em o l d f i r s tw en e e dt oo b t a i nt h ei m a g e ，i n w h i c ht h en e e d l e sh a v eb e e np u to nt h em o l d ，b yt h ed i g i t a lc a m e r a t h e nt h ei m a g e d a t aw i l lb ep r o c e s s e dw i t hap r o c e s sc a l l e dp r e t r e a t m e n ti n c l u d i n gi m a g ee n h a n c e m e n t ， i m a g es e g m e n t a t i o na n dm a t h e m a t i c a lm o r p h o l o g y a f t e rt h a tt h ei m a g et u r n si n t oa n i c eb i n a r yi m a g e b yu s i n gt h eb i n a r yi m a g ew ec a nt r a c ka n ds e a r c ht h ef e a t u r e p o s i t i o nw h i c h w i l lh e l pu st od e t e r m i n et h en e e d l e s s t a t e b a s e do nt h ef e a t u r ep o s i t i o n t h en e x ts t e pi st oj u d g et h en e e d l e s p o s i t i o ns t a t e f i n a l l yt h er e s u l tw i l lc o m eo u t a g a i n s tt h ef e a t u r e so ft h ei m a g ei t s e l fa n dr e a l t i m ea p p l i c a t i o n ，t h ep a p e rw o r k s m a i n l yo nt h ei m a g ee n h a n c e m e n t ，i m a g es e g m e n t a t i o na n dm a t h e m a t i c a lm o r p h o l o g y o fc o u r s et h e s ej o b sa r es o m ei m p r o v e m e n t so ra p p l i c a t i o np r o m o t i o n sb a s e do nt h e a l g o r i t h m sw o r k e db yt h ep r e d e c e s s o r s t h en e e d l ef e a t u r ep o s i t i o ns e a r c h i n ga l g o r i t h m a n dt h en e e d l ep o s i t i o ns t a t er e c o g n i t i o na l g o r i t h m p u tf o r w a r d o nt h eb a s i so f a p p l i c a t i o na d v a n c et h ee f f e c ta n de f f i c i e n c yo ft h ep r o c e s s t h ej u d g m e n to ff e a t u r e p o s i t i o ni s n tb a s e do nt h et o t a li m a g e b u tac e r t a i nf e a t u r ep o s i t i o n ，a n dt h e nw eu s et h e r e l a t i v ep o s i t i o n sa m o n gt h en e e d l e st oj u d g et h en e e d l e si nt h es m a l lr a n g e so fd i f f e r e n t p l a c e sf o rt h r e ep u r p o s e s ：r e d u c i n gt h es y s t e m sp r o c e s s i n gt i m e ，i n c r e a s i n gt h e j u d g m e n ta c c u r a c ya n dd e t e c t i n gt h en u m b e ro fn e e d l e si nt h ei m a g ea u t o m a t i c a l l y b a s e do nt h ea l g o r i t h ma n dt h ec o n s t r u c t i o no ft h es y s t e mw e r et e s t e df o ri m a g e p r o c e s s i n ga l g o r i t h m sa n dt h eo v e r a l ls y s t e mp e r f o r m a n c ea n a l y s i so fe f f e c t i v e n e s sa n d r e l i a b i l i t y t h er u n n i n gt i m eo ft h ea l g o r i t h mi st e s t e df o rt h er e a l - t i m ei n s p e c t i o n j 量銮变通叁堂亟堂焦诠玄娶墨! 氐筮j l r e q u i r e m e n t sa n de f f e c t i v e n e s s ；a n dt h ec o r r e c to ft h ej u d g m e n th a n d l i n gv e r i f i c a t i o n s y s t e mr e l i a b i l i t y t h r o u g he x p e r i m e n t s ，t h ep a p e r v e r i f i c a t i o nb yt h ef e a s i b i l i t ys t u d y k e y w o r d s ：b l o o dc o l l e c t i o nn e e d l e s ；m a c h i n ev i s i o n ；i m a g ep r o c e s s ；i m a g e p r e t r e a t m e n t ；f e a t u r ee x t r a c t i o n c l a s s n o ：t p 3 91 4 v 学位论文版权使用授权书 本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特 授权北京交通大学可以将学位论文的全部或部分内容编入有关数据库进行检索， 并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国 家有关部门或机构送交论文的复印件和磁盘。 ( 保密的学位论文在解密后适用本授权说明) 学位论文作者签名：萄茇泵1 笥 导师签名： 誊l 着 签字日期：矿6 年占月f 护日 签字日期：矽g 年苦月仆日 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研 究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或 撰写过的研究成果，也不包含为获得北京交通大学或其他教育机构的学位或证书 而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作 了明确的说明并表示了谢意。 学位论文作者签名： 签字日期： 年月 日 6 1 致谢 本论文的工作是在我的导师荆涛副教授的悉心指导下完成的，荆涛副教授严 谨的治学态度和科学的工作方法给了我极大的帮助和影响。在此衷心感谢两年来 荆涛老师对我的关心和指导。 李兴华老师悉心指导我们完成了实验室的科研工作，在学习上和生活上都给 予了我很大的关心和帮助，在此向李兴华老师表示衷心的谢意。 在实验室工作及撰写论文期间，农光壹、张艳丽、李沛、高乾、杨柳、刘万 志等同学对我论文中的图像处理算法的研究工作给予了热情帮助，在此向他们表 达我的感激之情。 同时，实验室的李云强、胡卓、张耀兰、方君丽等同学在撰写论文期间给与 了我很大的帮助，在此向他们表达我衷心地感谢。 感谢我的家人，几年来他们的关心、理解和支持使我能够在学校专心完成我 的学业，完成实验室的科研任务，他们是我永远的精神支柱。 最后，再一次对所有关心支持我的人表示最诚挚的谢意! 1 绪论 1 1 采血笔生产介绍及研究背景 传统血液采集过程中，由于未能做到“一人一针一笔 1 1 进行采血，遗留在 采血笔笔端处的血液可能会对其他病人造成交叉感染。随着传染性疾病的流行， 医务人员的自我保护意识逐渐增强，目前已告别了传统的开放式采血法，从而减 少了污染，有效地避免了医务人员接触血液的机会。应用一次性使用采血针【2 】( 如 图1 1 所示) 有着操作简单、针头位置稳定、血液不会倒流、采血过程快捷以及有 效提高了标本质量等优点，生产一次性使用采血针的产业应运而生，成为一个产 业链。现在采血笔的生产不仅实现了“一人一针一笔 的要求，同时随着现代社 会科技的进步，使得一次性使用采血针的生产能够在满足大数量要求的同时，生 产的自动化也是一大重要标志。 图1 1 采血针产品 f i g u r e1 1b l o o dc o l l e c t i o nn e e d l ep r o d u c t s 模具 图1 2 采血笔生产简图 f i g u r e1 2o p e r a t i o no f p r o d u c i n gb l o o dc o l l e c t i o nn e e d l e 如图1 2 所示采血笔生产简图，在自动生产过程中“自动吸针放针器 从“针 槽 中吸针，然后将针放在生产模具上，自动完成“上针 过程；当模具移动到 注胶生产处时自动“注胶”，从而完成一个模具的采血笔自动生产。该自动生产过 程中有一个很重要的环节，就是在对模具进行注胶之前，必须保证模具中的采血 针位置摆放正确。若采血笔无针或短针则无效，若采血针针尖倒放，则存在一定 安全隐患。 为了保证采血针的放置位置，目前大部分采血笔生产采用“先验”或“后验 两种方法。“先验 即在注胶前采用人工方式往模具中摆放采血针，保证注胶时采 血针的位置正确。这样虽然在合格率上有所保证，但是必须投入大量的人力物力， 生产成本高而效率低，同时自动化水平也大打折扣。而“后验”策略则是全程采 用自动化生产，在生产为成品后人工对产品进行检验。这种采用自动化摆放方式 后，虽然在生产速度上有所进步，但机械化生产中各种不可避免的因素势必导致 模具中出现无针、倒针、偏针等情况。而此时若仍然采用人工方式进行产品质量 检测，一方面工人每人每天要检查数十万根采血针，巨大的劳动强度必然会引起 漏检和错检；另一方面在成本和效率上较纯人工生产方式没有多大进步。 鉴于以上的生产瓶颈，相关厂家迫切需要一套能够兼顾“先验”或“后验” 策略的在线自动实时监测的系统，而本文研究的正是基于这种需求的系统设计与 实现。本论文以医疗采血笔的实际生产环境为研究背景，课题研究中采用数字图 像处理分析判断采血针在生产模具上的情况，利用基于机器视觉的产品检测技术 对产品的生产进行实时检测、动态报警。 1 2 基于图像特征的机器视觉 工业生产中产品检测多为批量检测，人工操作工作效率低，且操作人员会因疲 劳而出现误检，因此，目前对工业产品检测的研究与应用整蒸蒸日上。而原先人 眼在工业生产中的放置和固定工件、确定工序、检测外观和尺寸、确定产品的一 致性等重要任务起着至关重要的作用，然而随着生产速度和产品质量要求不断提 高，对速度和精度的要求已经超过了人眼的能力。随着成像、计算机、图像处理 算法等技术要素的发展，这些任务正越来越多地被所谓的机器视觉【3 。4 】( m a c h i n e v i s i o n ) 系统所代替。 图1 3 机器视觉结构简图 f i g u r e1 3s t r u c t u r eo fm a c h i n ev i s i o n 2 待检测 目标 图1 4 机器视觉控制过程 f i g u r e1 4c o n t r o lp r o c e s so fm a c h i n ev i s i o n 机器视觉是使用器件进行非接触感知【5 1 ，自动获取和解释一个真实场景的图 像，用来获取信息和控制机器或过程。它是2 0 世纪7 0 年代在遥感图像处理和医学 图像处理技术成功应用的基础上逐渐兴起的，并应用于多种领域，如农业上的自 动收获机械和农产品的质量检验、分选， 公安系统的罪犯识别，交通监视与管理、 工业生产流水线的在线质量检测、控制， 自动收费系统等。机器视觉强调实用性， 要求能够适应工业现场恶劣的环境，要有合理的性价比、通用的工业接口、较高 的容错能力和安全性、较强的通用性和可移植性。机器视觉更强调实时性，要求 高速度和高精度。如图1 3 ，1 4 所示一个机器视觉的控制过程主要有3 个部分：图 像采集、图像处理、结果输出及控制。图像采集通过摄像机和图像采集卡获取计 算机可以识别并处理的数字信号，随着目前芯片的发展，已有大量的直接获取数 字图像的摄像机而无需采集卡。图像处理则是应用计算机对获取的图像进行必要 的处理，并把处理结果通过输入输出设备输出给控制机构。控制机构是对计算机 处理的结果进行相应的响应并控制相应的设备。 目前，对机器视觉的应用研究国外先行于中国，如同本第一台依据于机器视 觉的机器人于1 9 7 0 研究并运行成功【6 】，并于1 9 7 2 年第一次成功地应用图像处理的方 式来检i 贝i j p c b 电路板的印刷质量。随着c m o s ( c o m p l e m e n t a r ym e t a lo x i d e s e m i c o n d u c t o r ) 和c c d ( c h a r g ec o u p l e dd e v i c e ) 技术的同渐成熟，机器视觉在世界 范围内得到了良好的发展【7 】，但是目前世界市场主要被日立、西门子等几大跨国公 司所主导。 在中国对于机器视觉的研究应用虽然比较晚，但也在理论研究及应用领域得 到了良好的成果【舡1 8 】，如农业应用中粮食和种子的收获检测、害虫的监控等，工业 生产中对印刷电路板( p c b ) 、玻璃的质量检测，对机器人的视觉控制等。 3 鉴于以上分析机器视觉的优势，采用图像特征的机器视觉方式对采血笔生产 中的采血针位置的检测过程进行判定是一种切实有效的方法。 1 3 基于图像特征检测系统概述 根据以上所述机器视觉工作原理，本文研究设计的系统如下图1 5 ，1 6 所示， 该系统主要由三部分组成，硬件子系统，软件子系统和主控系统部分。硬件子系 统主要负责接收主控部分给的指令采集获取图像数据并将采集到的数据发送给主 控部分；软件子系统负责图像数据的处理并把处理结果交还给主控部分；主控系 统由计算机主机组成，是整个系统的指挥部，主要负责硬件相机和软件之间的数 据交互，并把结果输出给用户。 光 图1 5 生产检测系统 f i g u r e1 5d e t e c t i o ns y s t e m 图1 6 系统框图 f i g u r e1 6s y s t e ma r c h i t e c t u r e 图像处理是我们进行最终判断针的位置状态的重点，良好的图像处理决定了 系统的有效性与可靠性。图像数据的处理是本文研究的重点内容，对图像数据的 4 处理过程主要分为预处理和特征搜索判定两部分，如图1 7 所示。在获取了图像数 据之后进行图像预处理，最终通过图像的阈值分割获得有良好边缘轮廓的二值图 像，然后再根据本文研究所用到的特征位置跟踪，计算判定相应位置采血针的位 黄状态，并把结果给主控部分报告输出。 ：预处理过程： 程； 图1 7 图像处理框架 f i g u r e1 7i m a g ep r o c e s sa r c h i t e c t u r e 1 3 1 图像采集 图像采集是我们进行系统研究设计的基础，良好的图像是我们进行判断的重 要依据。本文研究采用数码相机( d i g i t a ls t i l lc a m e r a - - d s c ) 获取图像，数码相机因 其具有数字化采集、存储、处理、传输等功能，广泛用于静态图像的采集，为了 采集到高清晰的图像，非数码相机莫属1 1 9 1 。数码相机也成为计算机的数字图像输 入设备之一，对图像采集具有较高要求的应用来说，数码相机是配合专业应用软 件的首选设备。同时现代数码相机采用内置式参数设置t 2 0 1 ，为获取良好的图像数 据而进行必要的参数设置有了可定量计算的依据。 本文研究了基于s d k ( s o f t w a r ed e v e l o p m e n tk i t ) 开发包的数码相机远程控 制并以此实时采集图像。 1 3 2 图像预处理 在自动获取图像的过程中，由于各种因素的影响，得到的是一幅噪声效果的 图像，预处理的目的就是去除图像中噪声，把它变成为一幅易于特征位置搜索的 图像。预处理过程这里分为三个过程：平滑增强，闽值分割和数学形态学运算。 5 预处理之后将得到一幅采血针特征位置明显的图像，如下图1 8 所示本文获取的采 血针图像及预处理过程，本文所采用领域平均平滑、阈值分割以及数学形态学运 算等处理过程。在经过了预处理的过程之后，图像转变为只含有两色的二值化图 像：黑色( 灰度值o ) 和白色( 灰度值2 5 5 ) 。从中也可以看出采血针的具体形状， 接下来就是如何让计算机智能地进行判断。 图1 8 图像预处理过程 f i g u r e1 8p r o c e s so fi m a g ep r e t r e a t m e n t 1 3 3 特征搜索及判定 图像处理的目的是为了更好地进行物体分类和物体识别，而这首先要进行物 体特征的提取或检测。图像预处理得到了良好效果的二值化图像，继而应该进行 图像中特征提取并判断其状态。本文研究采用搜索算法提取图像中的特征位置， 并在特征位置的基础上搜索计算相应位置采血针的位置状态。因此，判断过程分 为两步：特征搜索和状态判定。 本文所研究图像特征基于物体在图像中的几何外形及边界状况，在确定特征 位置的情况下利用搜索算法进行特征位置的智能搜索，从而检测到图像中的特征 位置墩座。 6 特征位置确定后根据目标物体( 采血针) 与特征位置之间的位置关系计算搜 索到各采血针，最后根据采血针本身在图像中的特征结构计算判定采血针的具体 位置状态，并把结果汇总给主控部分，从而完成采血针位置的自动实时检测。 1 3 4 系统指标 求： 由于本系统采用静态图像进行实时在线检测，因此对系统性能指标有如下要 1 自动采集图像数据； 2 每次采集的图像必须包括要检测的模具的全部，要求图像要有足够大的象 素数，即高分辨率要求； 3 获取图像光照要均匀，即光照均衡性； 4 图像无拖尾现象，即防抖； 5 相机的体积及焦距的要适合，不宜过大； 6 图像数据处理的实时性，根据生产实际，全部处理时间不得超过3 s ，即 实时性要求； 7 系统操作简单易用。 1 4 本文工作内容及结构安排 1 4 1 本文工作内容 本文对目前采血针自动生产过程中存在的问题进行了分析与研究，综合利用 数字图像处理，机器视觉等知识，设计了基于静态图像特征的采血笔生产检测系 统，系统地研究了数码相机的远程控制，分析与改进现有的图像增强、图像分割 等处理算法，根据采血针在模具上的特征位置，提出了基于图像特征跟踪搜索的 判定算法。本文对图像分割和特征跟踪进行深入研究，提出了图像处理的实时性 策略。本文主要工作如下： ( 1 ) 、分析研究图像采集技术，对基于s d k 的数码相机远程连接控制开发进 行了研究。 ( 2 ) 、研究图像的分割技术，根据图像的特征性，提出基于局部图像分割的 优化策略，在分割算法复杂度最有的情况下，节省系统的分析计算时间。 ( 3 ) 、研究了图像的形态学运算处理，在二指化图像的基础上较少图像噪声 因素的干扰，同时保持良好的采血针及模具外形特征。 7 ( 4 ) 、分析研究图像的特征，提出基于特征位置的跟踪搜索算法，根据特征 位置分析判断特征位置处其他物体的状态特征，勾画一种特征中分析特征的智能 判断。 ( 5 ) 、分析研究系统的框架与构成，通过v c 抖6 0 开发环境开发实现，实验 分析验证系统的有效性及可靠性。 1 4 2 本文的结构安排 按照本文设计系统组织本文结构，其中第三章和第四章内容为本文研究重点， 具体结构安排如下： 第二章简要介绍了本文研究中基于s d k 开发包进行相机连接的基本原理，继 而介绍了图像处理中的图像增强，阈值分割及数学形态学运算等基本原理，最后 介绍了算法设计要求算法复杂度的原理。 第三章是图像采集及图像预处理，首先通过实例介绍相机的远程控制过程； 其次对图像处理中平滑滤波，图像分割以及图像的数学形态学运算等图像处理方 法进行分析研究。 第四章是本文重点，分析了采血针在模具上的位置特征，确定图像中的特征 位置，提出了基于特征位置的跟踪搜索算法，在获取特征位置的基础上，分析判 断采血针的特征状态。 第五章通过实验分析验证本文研究系统，分别通过对算法的测试和系统的构 建测试进行分析，通过实验结果分析研究系统有效性和可靠性。 第六章总结本文研究优势和存在的缺陷，并对本文所研究知识应用进行展望。 2 基于图像检测相关技术 本章主要介绍本文研究所使用的图像采集和图像处理所需相关技术原理，并 介绍了图像处理算法所需的算法复杂度要求。 2 1 基于s d k 开发包开发简介 对数码相机的硬件连接控制及图像采集过程就是应用s d k 开发的过程，因此， 这里我们对s d k 开发过程进行一个简单的介绍。 2 1 1s d k 简介 s d k ( s o f t w a r e d e v e l o p m e n tk i t ) 软件开发工具包，是一个很广泛的概念，稍 微涉及下层软件的公司都会向它的用户提供一套s d k ，用户可以根据这套s d k 来 开发上层的产品。因此可以说辅助开发某一类软件的相关文档、范例和工具的集 合都可以叫做“s d k ”。s d k 开发套件一般由头文件( h ) 、库文件( 1 i b ) 和动态链 接库文件( d 1 1 ) 组成。了解s d k 必须先了解a p i 、动态链接库、导入库等概念。 l 、a p i “a p i ”，即a p p l i c a t i o np r o g r a m m i n gi n t e r f a c e ( 应用程序接口) ，就是留给应 用程序的调用接口，w i n d o w s 系统开发就有大量的w i n 3 2a p i 接口供开发者开发 使用。例如如果你要取得操作系统的版本号，在w i n d o w s 中你所要做的就是调用 g e t v e r s i o n e x ( ) 函数。 2 、d l l d l l 即d y n a m i cl i n kl i b r a r y ( 动态链接库) ，d l l 文件是一种可执行文件， 它允许程序共享执行特殊任务所必需的代码和其他资源。比较大的应用程序都由 很多模块组成，这些模块分别完成相对独立的功能，它们必须彼此协作来完成整 个软件系统的工作。可能存在一些模块的功能较为通用，在构造其它软件系统时 仍会被使用。在构造软件系统时，如果将所有模块的源代码都静态编译到整个应 用程序e x e 文件中，会产生一些问题：一个缺点是增加了应用程序的大小，它 会占用更多的磁盘空间，程序运行时也会消耗较大的内存空间，造成系统资源的 浪费；另一个缺点是，在编写大的e x e 程序时，在每次修改重建时都必须调整 编译所有源代码，增加了编译过程的复杂性，也不利于阶段性的单元测试。 9 w i n d o w s 系统平台上提供了一种完全不同的较有效的编程和运行环境，你可 以将独立的程序模块创建为较小的d l l ( d y n a m i cl i n k a b l el i b r a r y ) 文件，并可对 它们单独编译和测试。在运行时，只有当e x e 程序确实要调用这些d l l 模块的 情况下，系统才会将它们装载到内存空间中。这种方式不仅减少了e x e 文件的 大小和对内存空间的需求，而且使这些d l l 模块可以同时被多个应用程序使用。 w i n d o w s 自己就将一些主要的系统功能以d l l 模块的形式实现。 在w i n 3 2 环境中，每个进程都复制了自己的读写全局变量。如果想要与其 它进程共享内存，必须使用内存映射文件或者声明一个共享数据段。d l l 模块需 要的堆栈内存都是从运行进程的堆栈中分配出来的。w i n d o w s 在加载d l l 模块 时将进程函数调用与d l l 文件的导出函数相匹配。w i n d o w s 操作系统对d l l 的操作仅仅是把d l l 映射到需要它的进程的虚拟地址空间里去。d l l 函数中的 代码所创建的任何对象( 包括变量) 都归调用它的线程或进程所有。 3 、导入库 导入库即1 i b ( l i b r a r y ) 文件，在建立一个d l l 文件时，链接程序会自动生 成一个与之对应的l i b 导入文件。程序员该文件包含了每一个d l l 导出函数的 符号名和可选的标识号，但是并不含有实际的代码。l i b 文件作为d l l 的替代 文件被编译到应用程序项目中。可以说导入库是为了在d l l 中找到a p i 的入口 点而使用的。 2 1 2s i ) k 开发调用方式 通过以上的分析，可以知道，s d k 就是开发应用程序所需要的一些接口a p i ， 有时候我们也可以说使用a p i 来编写w i n d o w s 应用程序的开发方式叫做“s d k 编程”。利用s d k 开发有两种调用方式：静态调用和动态调用。 l 、静态调用或隐式调用 由编译系统完成对d l l 的加载和应用程序结束时d l l 卸载的编码( 如还有 其它程序使用该d l l ，则w i n d o w s 对d l l 的应用记录减l ，直到所有相关程序 都结束对该d l l 的使用时才释放它，简单实用，但不够灵活，只能满足一般要求。 静态调用需要把产生动态连接库时产生的l i b 文件加入到应用程序的工程 中，想使用d l l 中的函数时，只须说明一下。通过静态链接方式编译生成应用程 序时，应用程序中的调用函数与l i b 文件中导出符号相匹配，这些符号或标识号 进入到生成的e x e 文件中。l i b 文件中也包含了对应的d ll 文件名( 但不是 完全的路径名) ，链接程序将其存储在e x e 文件内部。 当应用程序运行过程中需要加载d l l 文件时，w i n d o w s 根据这些信息发现 1 0 并加载d l l ，然后通过符号名或标识号实现对d l l 函数的动态链接。所有被应 用程序调用的d l l 文件都会在应用程序e x e 文件加载时被加载在到内存中。可 执行程序链接到一个包含d l l 输出函数信息的导入库文件( l i b 文件) 。操作系统 在加载使用可执行程序时加载d l l 。可执行程序直接通过函数名调用d l l 的输 出函数，调用方法和程序内部其它的函数是一样的。 静态调用可以用下面的图示2 1 来形象说明。 需要调用函数 把静态库1 i b 文 地方包含h 头 a 件加入到工程 a 调用a p i 函数 v1 文件中 图2 1 静态库调用过程图 f i g u r e2 1s t a t i cl i b r a r yc a l lp r o c e s s 注：虽然开发中不需要对d l l 文件进行直接操作，但是d 1 1 文件也必须放置在 开发工程目录中。 2 、动态调用 是由编程者用a p i 函数加载和卸载d l l 来达到调用d l l 的目的，使用上 较复杂，但能更加有效地使用内存，是编制大型应用程序时的重要方式。 显式的调用是指在应用程序中用l o a d l i b r a r y 或m f c 提供的 a f x l o a d l i b r a r y 显式的将自己所做的动态连接库调进来，动态连接库的文件名即 是上面两个函数的参数，再用g e t p r o c a d d r e s s 获取想要引入的函数。直接调用 w i n 3 2 的l o a d l i b a r y 函数，并指定d l l 的路径作为参数。l o a d l i b a r y 返回 h i n s t a n c e 参数，应用程序在调用g e t p r o c a d d r e s s 函数时使用这一参数。 g e t p r o c a d d r e s s 函数将符号名或标识号转换为d l l 内部的地址。程序员可以决 定d l l 文件何时加载或不加载，显式链接在运行时决定加载哪个d l l 文件。使 用d l l 的程序在使用之前必须加载( l o a d l i b r a r y ) 加载d l l 从而得到一个d l l 模块的句柄，然后调用g e t p r o c a d d r e s s 函数得到输出函数的指针，在退出之前必 须卸载d l l ( f r e e l i b r a r y ) 。 动态调用过程主要分为声明，调用执行及卸载等步骤，如下图2 2 所示： 声明函数类型 及h i n s t a n c e 对象 使m l o a d l i b r a r y 调d l l 库 获使取m g 调e 瓣t p r o c a 地d d 蚴r e s s p i 卸瓤l 获取调用函数地址并 = = 刮卸载d l l 执行 l 图2 2 动态连接厍调用过程 f i g u r e2 2d y n a m i cl i n kl i b r a r yc a l lp r o c e s s 为理解方便，这里给出一个本系统中动态调用g e t f r u s t a d e s c ( 获取墩座信息 函数) 函数的实例过程： 、声明部分 t y p e d e f m d e r r o r ( 木f _ g e t f r u s t a d e s c ) ( f r u s t a i n f o * , c o n s tb y t e * , c o n s ti n t ) ； h i n s t a n c emf u n d l l ；h i n s t a n c e 对象声明 fg e t f r u s t a d e s cfg e t f r u s t a d e s c ； 函数声明 、调用执行部分 m _ f u n d l l = l o a d l i b r a r y ( ”m d f u n c t i o n s d l l ”) ；调用d l l f _ _ g e t f r u s t a d e s c = ( f _ g e t f r u s t a d e s c ) g e t p r o c a d d r e s s ( m _ f u n d l l , m d _ g e t f r u s t a d e s c ”) ； 获取函数地址 e r r = f _ g e t f r u s t a d e s c ( m _ f r u s t a l n f , p r o i m a g e ，w i d t h ) ； 执行函数 、卸载d l l f r e e l i b r a r y ( m _ _ f u n d l l ) ； 2 2 图像平滑增强 由于图像在成像、传输和转换等过程中受设备条件、传输信道和照明等客观 因素的限制1 2 2 1 ，所获得的图像往往存在某种程度上的质量下降。图像增强就是通 过对图像的某些特征，如边缘、轮廓和对比度等进行强调或锐化，使之更适合于 人眼的观察或机器的处理的一种技术。 图像噪声( n o i s e ) 是指图像中的杂物或障碍物，图像中的噪声一般是随机的、 形状和大小不规则的随机噪声( r a n d o mn o i s e ) 。图像平滑( i m a g e e n h a n c e d ) 主 要是为了消除图像中噪声1 2 引。 图像的平滑技术是图像预处理的重要内容1 2 训，好的平滑方法为图像的后继处 理如边缘检测、图像分割、图像匹配等带来了许多好处。为此，人们提出了许多 图像平滑方法，如均值滤波器、中值滤波器、边缘保持滤波器、各种加权均值滤 波器等。各种图像平滑算法都具有自身的优点和缺陷，均值滤波器是一种简单的 空间域线性平滑算法，具有数学处理简单，对高斯噪声具有良好的去噪能力，易 于硬件实现等优点，但造成图像的边缘模糊和细节湮没。边缘保持滤波器是一种 空间域非线性平滑算法，具有较好的保持图像边缘细节的特性。但是，边缘保持 滤波器主要强调边缘的保护而忽视了去噪能力，导致去噪能力下降。 2 3 图像阈值分割 对图像中景物的分析首先要把图像分割成不同的区域，然后再分割成的相关 区域中提取特征。图像分割( i m a g es e g m e n t a t i o n ) 【2 5 】就是依据图像的灰度、颜色、 纹理和边缘等特征，把图像分割成格子满足某种相似性准则或具有某种同质特征 的连通区域的集合的过程。设r 代表整个图像区域，对r 的分割可看作将r 分成 1 2 若干个满足以下5 个条件的非空子集r ，尺：，r 。【2 2 1 。 n ( 1 ) 1j r i = r 。即分割成的所有子区域的并应能构成原来的区域r 。 j 蕾l ( 2 ) 对于所有的f 和，及f ，有尉n 彤= ，即分割成的各子区域互不重叠。 ( 3 ) 对于汪1 , 2 ，玎，有p ( r i ) = t r u e ，即分割得到的属于同一区域的像素 应具有某些相同的特性。 ( 4 ) 对于f j ，有p ( r iur j ) = f a l s e ，即分割得到的属于不同区域的像素 应具有不同的性质。 ( 5 ) 对于f - 1 , 2 ，n ，r i 是连通的区域，即同一区域内的像素应当是连通的。 图像分割的依据是图像各区域具有不同的特性，这些特性可以使是灰度、颜 色和纹理等【2 6 1 。而灰度图像分割的依据是基于相邻像素狄度值的不连续性和相似 性。灰度图像分割是图像分割研究中最主要的内容，其本质是按照图像中不同区 域的特性，将图像划分为不同的区域。灰度图像分割方法主要有基于边缘检测的 图像分割方法、基于阈值的图像分割方法、基于跟踪的图像分割方法和基于区域 的图像分割方法等，本文主要应用基于阈值的图像分割方法。 由于边缘检测等所使用的一阶( 如r o b e r t s 算子、s o b e l 算子、p r e w i t t 算子等) 、 二阶算子( 如拉普拉斯算子) 等的计算算法其时间复杂度达到o ( n 3 ) 以上，对于图 像处理时间过长，因此不能满足实时性处理的要求。 采用阈值分割具有计算简单，且对于本文所研究的采血针图像可以利用研究 局部图像的阈值来替换整体阈值的策略来减少计算量。 基于阈值的分割方法是将图像灰度值按照阈值分为几个不同的部分，本文主 要研究基于单阈值的图像分割，利用此阈值将图像分为两部分：黑色部分( 灰度 值o ) 和白色部分( 灰度值2 5 5 ) 。 图像直方图直方图拟台特征 图2 3 图像直方图及其拟合 f i g u r e2 3i m a g eh i s t o g r a ma n di t sf i t t i n g 如上图2 3 所示的图1 8 中原图像直方图及其拟合特征，当图像由较亮的物体 1 3 相牧