（精密仪器及机械专业论文）基于机器视觉的洗涤清洁度判识(精密仪器及机械专业优秀论文).pdf

基于机器视觉的洗涤清洁度判识 摘要 机器视觉技术经过数十年的发展已经成为工业自动化领域的研究热点。图像测量 和图像识别正在工业在线检测方面发挥着越来越重要的作用。 本文主要针对洗涤方面清洁度判定问题，完成了判定系统的硬件和软件设 计工作。其中包括洗涤污水图像动态采集系统的设计；洗涤污水清洁度判定算 法设计与软件实现：清洁度等级标定和判定结果输出三大部分的工作。 本文针对洗涤污水图像，系统介绍了图像处理的部分理论，并重点针对本 系统采集到的图像进行了处理算法设计；同时通过切实的实验，分析了不同光源 和照明方式对采集到的洗涤污水图像质量的影响。采集到洗涤污水图像后，首先要 对图像进行预处理，包括图像的噪声滤除，腐蚀和膨胀等处理；之后对图像进 行分割和算法设计；最后根据分割图像中水管边缘点坐标截取图像，对截取到 的洗涤污水图像做了两种清洁度判定实验方法，分别对清洁度等级进行了标定， 给出了具体的实验结论。 通过大量的实验，结果表明本文的洗涤清洁度判定算法是准确高效的，判 定系统有着很好的稳定性和较高的识别率。 关键字：机器视觉图像处理图像分割洗涤清洁度判定 w a s h i n gc l e a n n e s sr e c o g n i t i o nb a s e do nm a c h i n ev i s i o n a b s t r a c t m a c h i n ev i s i o nh a sb e e nt h eo u t s t a n d i n gf i e l di ni n d u s t r i a la u t o m a t i o na f t e rd e c a d e s + d e v e l o p m e n t i m a g em e a s u r e m e n ta n di m a g er e c o g n i t i o na l ep l a y i n gm o r ea n dm o r e i m p o r t a n tp a r ti no n - l i n ei n s p e c t i o ns y s t e mi ni n d u s t r y t h ed e s i g no ft h eo n - l i n er e c o g n i t i o ns y s t e mo fw a s h i n gw a t e ri si l l u s t r a t e di nt h i s p a p e r , w h i c hi n c l u d e st h r e ep a r t s ：t h eh a r d w a r ea n ds o f t w a r ed e s i g no fd y n a m i ci m a g e a c q u i s i t i o ns y s t e m ；t h ea l g o r i t h m so fr e c o g n i t i o no fw a s h i n gc l e a n n e s s ；t h ed e m a r c a t eo f g r a d eo f w a s h i n gc l e a n n e s sa n dh o w t oo u t p u tt h er e s u l to f r e c o g n i t i o n t h e o r yo ft h ew a s h i n gw a t e ri m a g ep r o c e s s i n gi ss y s t e m i c a l l yi n t r o d u c e da i m i n ga t t h ei m a g e so f w a s h i n gw a t e ri nt h i sp a p e r a tt h es a m et i m e ，t h ed e s i g no f t h ea l g o r i t h m so f t h ei m a g ep r o c e s s i n gi se m p h a s i z e d ，w h i c hi st h ek e yt ot h er e c o g n i t i o ns y s t e mo fw a s h i n g c l e a n n e s s m a n ye x p e r i m e n t sh a v eb e e nm a d et ov a l i d a t et h ed i f f e r e n tr e s u l to ft h ei m a g e o ft h ew a s h i n gw a t e ri m a g ec a s ew h e ni tw a sl i g h t e db yt h ed i f f e r e n tl a m p - h o u s e sa n dt h e d i f f e r e n ti l l u m i n a t i o nm o d e sa f t e rt h ew a s h i n gw a t e ri sc o l l e c t e d ，t h ei m a g em u s tt o p r e p r o c e s s ，w h i c hi n c l u d e st h en o i s eo fi m a g ef i l t e r i n g ，t h ec o r r o s i o no fi m a g ea n d t h ee x p a n s i o no fi m a g ea n ds oo n ，t h ei m a g ei ss e g m e n t e da n dt h ea l g o r i t h m so f r e c o g n i t i o ni sd e s i g n e d t h ei m a g ei si n t e r c e p t e da c c o r d i n gt ot h ec o o r d i n a t eo f m a r g i n a lp o i n to fs e g m e n t e di m a g e t h ep a p e rp r e s e n t s t w ow a s h i n gw a t e r r e c o g n i t i o nm e t h o d sa n do b t a i n se x p e r i m e n t a lc o n c l u s i o n t h er e s u l to fm a n ye x p e r i m e n t si n d i c a t e st h a tt h ea l g o r i t h n l so fcw a s h i n gc l e a n n e s s r e c o g n i t i o na r ee f f i c i e n ta n dt h es t a b i l i t ) ，a n da c c u r a c y o ft h ei n s p e c t i o ns y s t e ma r e w o n d e r f u l k e y w o r d ： m a c h i n ev i s i o n i m a g ep r o c e s s i n gi m a g es e g m e n t a t i o n w a s h i n gc l e a n n e s sr e c o g n i t i o n l l 插图清单 1 1 典型工业机器视觉系统1 1 2m a r r 视觉理论的三个阶段3 2 1 数字图像的矩阵表示7 2 2 数字图像的二维数组表示8 2 3 洗涤污水图像及其灰度直方图一9 2 4 一幅图像的轮廓线1 0 2 5 分段线性变换1 2 2 6 双峰直方图：一1 4 3 1 洗涤清洁度判识系统一1 5 3 2 洗涤清洁度判识系统实物图1 6 3 3 所选光源效果对比图1 8 3 4c c d 器件结构图1 9 3 5c c d 摄像机实物图2 1 3 6 图像采集卡的硬件原理图2 3 3 7 图像采集卡的实物图2 5 3 8 洗涤清洁度判定系统框图2 5 4 1 洗涤前期排出的污水2 7 4 2 洗涤后期排出的污水一2 7 4 3 洗涤污水信号频谱图一2 8 4 4 中值滤波算法2 9 4 5 洗涤前期排出的污水中值滤波处理结果2 9 4 6 洗涤后期排出的污水中值滤波处理结果3 0 4 7 图4 5 腐蚀后的图像3 2 4 8 图4 - 6 腐蚀后的图像3 2 4 9 图4 7 经过膨胀处理后的图像3 3 4 1 0 图4 8 经过膨胀处理后的图像3 4 4 1 l 图4 9 图像分割结果3 5 4 1 2 图4 1 0 图像分割结果3 6 4 1 3 图4 1 1 截取到图像结果3 7 4 1 4 图4 1 2 截取到图像结果3 7 5 1 洗涤清洁度判定系统实验平台3 9 5 2 第一种洗涤清洁度判定方法处理结果4 l 5 3 第二种洗涤清洁度判定方法处理结果4 4 5 4 洗涤清洁度判定系统主界面4 5 5 5 系统总体结构4 5 v 图图图图图图图图图图图图图图图图图图图图图图图图图图图图图图图图图图图 表格清单 表1 1 视觉信息处理系统2 表2 1 数字图像的类别6 表3 1 几种光源的相关特性1 7 v i 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及取得的研究成果。 据我所知，除了文中特别加以标注和致谢的地方外，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 盒自l 王些太堂 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傲的任何贡献均已在论文中作了明确的说明 并表示谢意。 学位论文作者签名： 丧袒签字b 期：。7 年脚房日 学位论文版权使用授权书 本学位论文作者完全了解盒目垦王些太望有关保留、使用学位论文的规定，有权保留 并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借讶。本人授权金 8 王些盍堂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，可以采用影印、 缩印或扫描等复制手段保存、汇编学位论文 ( 保密的学位论文在解密后适用本授权书) 学位论文作者签名： 碾柱 签字日期：p 1 年f 工月i ；日 学位论文作者毕业后去向： 工作单位： 通讯地址： 一名：哆录 电话： 邮编： 致谢 在本文的写作过程中，得到了导师杨永跃副教授的悉心指导。三年的研究生学习 生活，杨老师始终给予我耐心的指导和热情的鼓励。杨老师严谨的治学态度、勤奋的 敬业精神、积极乐观的生活态度，使我终身受益。在以后的工作和学习中，我将永远 铭记老师的教诲，在教育科研的道路上不断前进，不断进步。在此，深深感谢杨老师 对我的教导和培养。 此外，感谢学院的全体老师，感谢他们的辛勤教诲和指导，感谢他们为我们提供 的良好学习环境。 感谢我的同学王俊明、王彭、刘斌、陈伟、王冰鑫、李家猛等，他们在我的学习 和论文撰写期间给予我很多帮助和支持。 感谢我的父母、亲人长期以来对我学业上的支持和鼓励。 感谢所有关心和帮助过我的师长、同学、朋友和亲人们! i i i 付贵权 2 0 0 7 1 2 6 1 1 机器视觉理论综述 第一章绪论 人们从外界环境获取的信息中，8 0 来自于视觉。人们的眼睛从自己周围 的环境获取大量信息，并传入大脑后，由大脑根据知识或经验，对信息进行加 工、推理等处理工作，最后识别、理解周围环境，包括环境内的对象物。机器 视觉就是用计算机模拟人眼的视觉功能，从图像或图像序列中提取信息，对客 观世界的三维景物和物体进行形态和运动识别。 机器视觉主要用计算机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，也就是用计算机来实现对客观的三维世界的识别，最终 用于实际检测、测量和控制。机器视觉是一项综合技术，其中包括数字处理技 术、机械工程技术、控制技术、光源照明技术，光学成像技术、传感器技术、 模拟与数字视频技术、计算机软硬件技术、人机接口技术等。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，并具有较强的通用性和可移植性。它更强调实 时性，要求高速度和高精度。 一个典型的工业视觉应用系统包括光源、光学系统、图像捕捉系统、图像 数字化模块、数字图像处理模块、智能判断决策模块和机械控制执行模块，如 图1 1 所示”。首先采用摄像机或其它图像拍摄装置，将目标转换成模拟图像信 号，然后转变成数字化信号传送给专用的图像处理系统，根据像素分布、亮度 和颜色等信息，进行各种运算来抽取目标的特征。根据预设的容许度和其它条 件输出判断结果。 图i 1 典型工业机器视觉系统 机器视觉技术结合了计算机的快速性、可重复性与人眼视觉的高度智能化 和抽象能力。机器视觉系统一般采用c c d 或c m o s 照相机摄取检测图像并转 化为数字信号，再采用先进的计算机硬件与软件技术对图像数字信号进行处理， 从而得到所需要的各种目标图像特征值，并由此实现模式识别。坐标计算，灰 度分布图等多种功能。然后再根据其结果显示图象，输出数据，发出指令，配 合执行机构完成位置调整，好坏筛选，数据统计等自动化流程。机器视觉就是 用各种成像系统代替视觉器官作为输入敏感手段，由计算机来代替大脑完成处 理和解释。机器视觉的最终研究目标就是使计算机或机器入能象人那样通过视 觉观察和理解世界，具有自主适应环境的能力，要经过长期的努力才能达到的 目标。因此，在实现最终目标以前，人们努力的中期目标是建立一种视觉系统， 这个系统能依据视觉敏感和反馈的某种程度的智能完成一定的任务h 1 。 1 2 机器视觉研究现状 机器视觉的全球性研究热潮是从2 0 世纪8 0 年代开始的，到了8 0 年代中期， 机器视觉获得了蓬勃发展，新概念、新方法、新理论不断涌现，比如，基于感 知特征群的物体识别理论框架、主动视觉理论框架、视觉集成理论框架等“1 。 m a r r 视觉计算理论是视觉研究迄今为止最为完善的视觉理论。m a r r 视觉计 算理论立足于计算机科学，系统的概括了心理生理学、神经生理学等方面也已 经取得的所有重要成果。m a r r 建立的视觉计算理论，使计算机视觉研究有了一 个比较明确的体系，并大大推动了计算机视觉研究的发展。 m a r r 认为视觉是一个信息处理系统，对此系统研究应分为三个层次：计算 理论层次，表示与算法层次，硬件实现层次，如表1 1 所示。 表1 1 视觉信息处理系统 计算理论表示和算法硬件实现 计算的目的是什么?如何实现这个计算理在物理上如何实现这 为什么这样计算是合论些表示和算法? 适的?输入、输出的表示是什 执行计算的策略是什么? 么?表示与表示之间的变 换是什么? 视觉过程划分为三个阶段，如图1 - 2 所示。第一阶段( 也成为早期阶段) 是 将输入的原始图像进行处理，抽取图像中的诸如角点、边缘、纹理、线条、边 界等基本特征，这些特征集合称为基元图( p r i m i t i v es k e t c h ) 。 2 图像 - - - - - - - - - - - 3 d 描述 - - - _ 卜 基元图二维半图 图l 一2m a r t 视觉理论的三个阶段 第二阶段( 中期阶段) 是指在以观测者为中心的坐标系中，由输出图像和 基元恢复场景可见部分的深度、法线方向、轮廓等，好这些信息包含了深度信 息，但不是真正的物体三维表示，因此，称为二维半图( 2 5d i m e n s i o n a ls k e t c h ) ； 在以物体为中心的坐标系中，由输入图像、基元图、二维半图来恢复、表示和 识别三维物体的过程称为视觉的第三阶段( 后期阶段) 。 1 3 机器视觉应用 随着机器视觉技术自身的成熟与发展，可以预计它将在未来的工业制造企 业中得到越来越广泛的应用。 ( 1 ) 机器视觉在工业检测中的应用 目前，机器视觉已成功地应用于工业检测领域，大幅度地提高了产品的质量 和可靠性，保证了生产的速度。例如产品包装、印刷质量的检测，饮料行业的 容器质量检测，饮料填充检测，饮料瓶封口检测，木材厂木料检测，半导体集 成块封装质量检测，卷钢质量检测，关键机械零件的工业c t 等。在海关，应 用x 射线和机器视觉技术的不开箱货物通关检验，大大提高了通关速度，节约 了大量的人力和物力。在制药生产线上，机器视觉技术可以对药品包装进行 检测，以确定是否装入正确数量的药粒“1 。 ( 2 ) 机器视觉在遥感航天中的应用 军事侦察、定位、导航、指挥等应用；自动制图，卫星图像与地形图对准、 自动测绘地图；国土资源管理，如森林、水面、土壤的管理等；还可以对环境、 火警自动监测，气象、天气预报图的合成分析预报；天文、太空星体的探测及 分析；交通、空中管理等“1 。 ( 3 ) 机器视觉在生物医学中的应用 在医学领域，机器视觉用于辅助医生进行医学影像的分析，主要利用数字 图像处理技术、信息融合技术对x 射线透视图、核磁共振图像、c t 图像进行 分析或对其它医学影像数据的统计和分析。例如：x 射线反映的是骨骼组织； 核磁共振影像反映的是有机组织图像：而医生往往需要考虑骨骼与有机组织的 关系，因而需要利用数字图像处理技术将两种图像适当地叠加起来，以便于医 一f 学分析“1 ( 4 ) 军事公安领域中的应用 巡航导弹地形识别；指纹、虹膜特征自动识别；罪犯脸形的合成；侧视雷 达的地形侦察；遥控飞行器的引导；目标的识别与制导；警戒系统及自动火炮 控制；手迹、人像、印章的鉴定识别；集装箱的不开箱检查等。 ( 5 ) 机器视觉在其他方面的应用 在闭路电视监控系统中，机器视觉技术被用于增强图像质量，捕捉突发事 件，监控复杂场景、鉴别身份、跟踪可疑目标等，它能大幅度地提高监控效率， 减少危险事件发生的概率。在交通管理系统中，机器视觉技术被用于车辆识别、 调度、向交通管理与指挥系统提供相关信息。在卫星遥感系统中，机器视觉 技术被用于分析各种遥感图像，进行环境监测、地理测量，根据地形、地貌的 图像和图形特征，对地面目标进行自动识别、理解和分类等“”。 1 4 课题的背景和课题的任务 本课题主要是用机器视觉和图像处理的方法来判定洗涤污水的清洁度，进 而控制洗衣机进行洗涤，达到节水的目的。 1 4 1 国内外现状 目前国内外的全自动洗涤机械主要采用机械式控制和模糊控制，比较前沿 的是模糊控髑阳1 。模糊控制洗涤机械通常采用如下传感器来进行信息量的摄取： 水位传感器：根据洗涤物的多少自动感知，设定并自动控制用水量。 布质传感器：通过自动感知衣物重量和吸水程度，感知衣物的质料，进而 决定洗涤方式。 水温传感器：可以根据环境温度和水温，自动决定洗涤时间。 光电传感器：根据衣物洗涤过程中洗涤循环水的透光率( 脏污程度) ，决 定最佳洗衣程序。 这几个传感器收集到的信息，经过微电脑综合判定之后，便自动选择出最 适合的水位、洗涤时间和洗衣动作等工作参数，并按照衣物的大小及质地等信 息，执行最佳洗涤程序。模糊控制洗涤机械主要是通过光电传感器对洗涤污水 的透光率判定洗涤清洁度的”儿“。这种方法可能由于光照程度不同存在定误 差，而且判定方法比较单一，所以本课题需要进一步改进此方面存在的不足。 国内外有采用光谱、能谱、射线分析等方法判定洗涤清洁度，通过分析洗涤污水 不同的光谱、能谱、散发的射线等原理来测试洗涤清洁度。光测法利用光电监测器接 收投射光，并将其转化为电信号显示，从而判定洗涤清洁度，但洗涤污水的颜色对测 定结果有较大影响。膜滤法也称淤积法，该方法通过检测与流量或压差有关的参数， 4 用以判定洗涤清洁度。它不受洗涤污水颜色、水分、气泡的影响，适用性强。其缺点 是恒温差测定需配备专门的减压阀，在线检测需接旁通水管，而这在一些液压设备上 操作不便；单独测定时，需抽取污水样本，比较麻烦。 而目前国内外还没有通过机器视觉系统对洗涤污水图像进行处理来判定洗 涤清洁度的。机器视觉主要用计算机来模拟人的视觉功能，从洗涤污水的图像 中提取信息，进行处理并加以理解，最终实现检测、测量和控制。目前全自动 家用、工业用洗涤设备的拥有量不断增加，如洗衣机、洗碗机等洗涤设备也广 泛应用于宾馆、饭店、医院等场合。然而全自动洗涤机械耗水和耗电量都非常 大，资源消耗严重。随着社会的发展，水资源短缺的现象越来越严重，因此开 发智能清洁度数据分析与控制系统，对全自动洗涤设备洗涤策略的改进起到重 要的指导作用，从而节约用水、用电，在目前我国水、电供应比较缺乏的情况 下，该系统的设计具有一定的现实意义。当今社会经济快速发展，水资源相对 贫乏和水污染日益严重对我国经济发展的集约作用越来越突出。水的经济价值 逐年提高。为实现经济的可持续发展，国家一方面倡导节水，一方面用价格杠 杆调控水资源的利用，水价不断提高，因此开发智能洗涤清洁度判定控制系统 很有现实意义。 1 4 2 本课题研究内容 研究内容包括： 1 】建立图像采集系统，实现对洗涤污水图像的实时采集；首先搭建实验 装置，由于外界光线对污水图像采集干扰比较大，所以把污水排水管 固定在一个封闭的箱子中，水管背后设有光源，之后用c c d 采集洗涤 污水图像； 【2 】分析现有的图像处理的各种算法，研究其中的关键性技术，完成对图 像的处理和特征的提取； 【3 】设计合适的清洁度判别算法，之后标定清洁度在此实验条件下的等级， 判定出清洁度等级，进而实现控制。 第二章图像处理基础知识概述 机器视觉系统中，视觉信息的处理技术主要依赖于图像处理的方法，它包 括图像增强、数据编码和传输、平滑、边缘锐化、分割、特征抽取、图像识别 与理解等内容。经过图像处理后，输出图像的质量得到相当程度的改善，既增 强了图像的视觉效果，又便于计算机对图像进行分析、处理和识别。在研究图 像时，首先要对获得的图像信息进行预处理以过滤干扰噪声，做几何、彩色校 正等。这样可提高信噪比。有时由于信息微弱，无法辨认识别，还得进行增强。 增强的作用，在于提供一个满足一定要求的图像，或对图像进行变换，以便人、 机分析。并且为了从图像中找到需要识别的东西，还得对图像进行分割，也就 是定位和分离，以区分出不同的东西。为了给观察者以清晰的图像，还要对图 像进行改善，即进行复原处理，它是把己经退化了的图像加以重建或恢复的过 程，以改进图像的保真度n ”。在实际处理中，由于图像信息量非常大，在存储 及传输时，还要对图像信息进行压缩。具体涉及到以下几个方面：图像的数字 化、灰度化、二值化、灰度直方图、大小归一化、图像增强与分割以及图像的 边缘检测等。 2 1 图像的数字化 图像分为数字图像和模拟图像，我们所接触到的现实世界中的图像多为模 拟图像但是计算机所能处理的仅仅是数字图像，为了用数字计算机对图像进行 处理，首先必须把连续图像函数f ( x ，y ) 进行空间和幅值的离散化处理。空间连 续坐标( 工，y ) 的离散化，我们称为图像的采样；幅值的离散化，我们称为f ( x ，力 灰度级的度量。两种离散化合在一起，称为图像的数字化，离散化的结果便称 为数字图像。 类别描述形式说明 二值图像 f ( x ，y ) = 0 , 1 文字、线条、图指纹等 浓淡图像 0 s f ( x ，y ) 2 “一1 黑白照片，一般胛= 6 8 彩色图像 ( x ，y ) ，f = r ，g ，b 以三原色表示的彩色图 像 多光谱图像( x ，y ) k 扣1 , 2 ，a ，埘遥感图像，一般m = 4 8 立体图像 l r 。f l 由左、右视点得到的同一 物体的对象 动图像( 时间序列图像)抚( x ，) ，) ，f = t l , t ：，a ，动态分心，动画制作等 表2 - 1 数字图像的类别 数字图像的矩阵表示抽样量化后的数字图像就是一个灰度值的二维数组。 6 该数组若用厂 ，力来表示时，其含义是位于坐标伉y ) 处的像素，其灰度值是 f ( x ，y ) 。根据灰度层次及光谱轴与时间轴上组合方式的不同，数字图像可分为 表2 1 所示各类。 由表可见，尽管不同类别的图像，其视觉效果不同，对应的实际物背景不 同，但在计算机内部都是二维数组的集合。因此，研究数字图像处理，最基本 的就是研究一个二维数组的处理。 一幅1 ，个像素的数字图像，其像素灰度值可用1 行2 列的矩阵f 来 表示，如图2 1 所示。这样，对数字图像的各种处理就可以变成对矩阵f 的各种 运算。数字图像中的每一个像素对应与矩阵中相应的元素。把数字图像表示成 矩阵的优点在于能应用矩阵理论对图像进行分析处理，而在表示数字图像的能 量、相关等特性时，采用图像的矢量( 向量) 表示比用矩阵表示方便“”。 l 呻j 7 ，i i 像薏 皇、 = ，= z - ： 人石。 n 毪kl h l mm 无，正：a 厶。 图2 - l 数字图像的矩阵表示 一幅1 j v 2 个像素的数字图像，在算法语言中可以用一个1 , l 。的二维数 组f 表示，如图2 2 所示。数字图像的各个像素的灰度值可以按一定顺序存放在 ，数组中。习惯上把数字图像左上角的像素定为第( 0 ，o ) 个像素，右上角的像素 定为第( 一1 ，一1 ) 个像素。这样从左上角开始，横向第f 列，纵向第，行的第 ( f ，) 个像素值就存储到数组元素f ( i 一1 , j 一1 ) 中。数字图像中的像素与二维数组 中的各元素便一一对应起来了。二维数组就是数字图像在程序中的表现形式。 7 1 + 、 、 像系黾 l i ，7 j 陉 ( o ，1 ) ( 1 ，2 ) a ( o ，n l 一1 ) 人( 1 ，甩l 1 ) m i ，1 ) ( 拧2 1 ，2 ) a ( n 2 1 , n l - 1 ) 图2 2 数字图像的二维教组表示 连续图像经过采样与量化就得到一幅数字图像，通常用由采样点值所组成 的矩阵来表示。分辨率可体现图像数字化的精度。分辨率是指图像数字化的空 间精细程度，有显示分辨率和图像分辨率两种。图像分辨率实质是数字化图像 时划分图像的像素密度，即单位长度内的像素数。显示分辨率则是指把数字图 像在输出设备( 如显示器) 上能够显示的像素数目和所显示像素之间的点距。 图像分辨率说明了数字图像的实际精细度，显示分辨率说明了数字图像的表现 精细度，具有不同的图像分辨率在同一输出设备上的显示分辨率相同。 2 2 图像的膨胀和腐蚀 膨胀( e r o s i o n ) 、腐蚀( d i l a t i o n ) 是最基本的数学形态学运算算子，基于这两个基本 运算子还可以推导和组合成各种数学形态学的实用算法。利用这些运算子及其组合形 成的算法可以进行图像形状和结构的分析及处理包括图像分割、特征抽取、边界检测、 图像滤波、图像增强和恢复等方面的工作。本文利用这种数学形态学算子对洗涤污水 图像处理，可以有效的去除图像中背景光不均匀带来的干扰。 腐蚀：a 为输入图像，b 为结构元素，b 对a 的腐蚀结果由将结构元素b 平移x 且包含 在图像a 内的所有点x 组成，记作a o b 。公式表示为：a o b = 扛b + x a 。 膨胀b 对a 膨胀的结果由图像a 平移b ( b 属于结构元素b ) 的所有点组成，记作 a b 。公式表示为：a b = u 乜+ 6b 占 。 先腐蚀再膨胀，具有平滑功能，能清除图像某些微小连接、边缘毛刺和孤立点；先 膨胀再腐蚀，具有过滤功能，可填平图像内部的孔洞、小沟和裂缝，使断线相连。 2 3 图像的二值化 所谓二值化就是将原理的灰度图像转换成只有黑和白两种颜色的图像。对 于大多数灰度图像来说，图像中的物体和背景是有明显的区别，通过选择阈值， 区分图像和背景，以便对物体进行处理。在数字图像处理中，二值图像占 有非常重要的地位。这是因为，一方面如文字图像、指纹图像、工程图纸等本 身是二值的。另一方面，在某些情况下即使图像本身是有灰度级的，我们也设 法使它变成二值图像再进行处理。这是因为在实用的图像处理系统中，要求处 理的速度高、成本低，信息量大的浓淡图像处理花销太大，不是上策。再说二 值化后的图像能够用几何学中的概念进行分析和特征描述，比起灰度图像来说 方便得多。因而二值图像处理目前己经成为图像处理中的一个独立的重要分支， 并且获得了广泛的应用“”。灰度图像的二值化是一个很简单的过程。操作过程 是先得到一个阈值，如果图像中某像素的灰度值小于该阈值，则将该像素的灰 度值设置为0 ，否则灰度值设置为2 5 5 。二值化变换的函数表达式如下： ，= 仨，甾 其中t 为指定的阈值。 2 4 图像灰度直方图 ( 2 - 2 ) 对图像灰度分布进行分析的重要手段就是建立灰度直方图( d e n s i t y h i s t o g r a m ) ，利用图像灰度直方图可以直观地看出图像中的像素亮度分布情况， 通过直方图均衡化、归一化的处理等，可对图像的质量进行调整。图像的灰度 直方图是用来表达一幅图像灰度分布情况的统计表，它概括了该幅图像的灰度 级内容。每幅图像只有唯一的灰度直方图与其相对应“。如图2 3 所示 图2 3 洗涤污水图像及其灰度直方图 有一幅由函数d ( x ，y ) 所定义的连续图像，它平滑地从中心的高灰度级变化 到边沿的低灰度级。我们可以选择某一灰度级d l ，然后定义一条轮廓线，该轮 廓线连接了图像上所有具有灰度级d l 的点。所得到的轮廓线形成了包围灰度级 大于等于口的区域封闭曲线”。 图2 ，4 中的图像，有一条灰度级为d 1 的轮廓线。在更高的灰度级d ，处还 画由第二条轮廓线。a ，是第一条轮廓线所包围区域的面积，同样，a ：是第二条 轮廓线所包围的区域的面积。 9 将一幅连续图像中被具有灰度级d 的所有轮廓线所包围的面积，称为它的 阈值面积函数4 ( d ) 。则直方图可定义为： 即) = 蜘趔铲一面d a(d)(2-3) 因此，一幅连续图像的直方图是其面积函数的导数的负值。负号出现是由于随 着d 的增加爿( d ) 在减小。如果将图像看成是一个二维的随机变量，则面积函数 相当与其累积分布函数，而灰度直方图相当与其概率密度函数。 对于离散函数，我们固定a d 为1 ，则等式( 2 3 ) 变为 日( d ) = 爿( d ) 一4 ( d + 1 )( 2 4 ) j ) 伽y ) 图2 - 4 一幅图像的轮廓线 对于数字图像，任一灰度级d 的面积函数就是大于或等于灰度值d 的像素 的个数。 2 5 大小归一化处理 了方便识别。应将字符统一成与模棱中字符相同的尺寸，这就是字符的大小归 一化船3 。假设图像x 轴方向缩放比例为正，】，轴方向缩放比例是，那么i g 匿t 中点( ，y 。) 对应于新图中的点( 而，y ，) 的转换矩阵为： 刚争删 l o 其逆运算如下： 阡 彪o 0 q ) 0 ，y 例如，当正= 丘= 0 5 时，图像被缩到一半大小，此时缩小后的图像e e 的 ( 0 ，0 ) 像素对应于原图中的( 0 ，0 ) 像素；( 0 ，1 ) 对应与原图中的( 0 , 2 ) 像素，以此类推。 在原图基础上，每行隔一个像素取一点，每隔一行进行操作。但是这样做有可 能会丢失一些有效黑像素，尤其是缩放比例较大时，比如正t = 0 2 5 时，每 行隔三个像素取一点，每隔三行进行操作，那么在所取像素之间的黑像素就会 丢失。改善的方法是：假设新图中的像素点为 ，乃) ，按照上面的算法，在原 图中的对应点为( x 。，y o ) ， 则在到? 杉，儿至l j y o ? 鬈的矩形范围内搜索， 如果检测到在该范围内有黑像素，则( x iy 。) 置为黑像素，否则为白像素。经此 步骤后，可以有效的改善缩放效果。 2 6 图像增强 图像增强作为基本的图像处理技术，其目的是对图像进行加工，以得到对 具体应用来说视觉效果更“好”更“有用”的图像。由于具体应用的目的和要求不 同，因而“好”和“有用”的含义也不相同，因此图像增强技术是面向具体问 题的。本课题主要是空域方法对图像增强，也就是直接在图像所在的像素空间 进行处理“2 “”1 。 线性灰度变换： 增强图像对比度实际是增强原图的各部分反差，也就是说增强图像中感兴 趣的灰度区域，相对抑制那些不感兴趣的灰度区域乜”。 用分段线性法将需要的图像灰度级拉伸，增强对比度，将不需要的图像细 节灰度级压缩。典型的增强对比度的变换函数r ( ) 是如图2 5 所示的三段线性 变换。 g 缸，协 屯，屯l 一1f ( x ，y ) s 1 ( a ) 图2 5 分段线性变换 其数学表达式如下： t _ t j o s f d p s ，】+ 毛j s 2 5 2 一s l 0 l 一1 f ( x ，y ) ( b ) ( 2 5 ) 嵩：z s 2 s t l ，j 2 o 0 2 l u x ，自动快门1 2 5 1 1 0 ，0 0 0 s e e ( c c i r ) 。 该摄像机使用的是s o n y 面阵c c d ，i c x 0 3 9 d l a ，它的光敏响应灵敏度曲线， 面阵c c d 的光谱响应灵敏度的峰值约位于兄= 5 1 8 r i m 处，与正常人眼的明视觉光 谱光视效率峰值比较接近。 图3 5c c d 摄像机实物图 面阵式c c d 器件具有很多优点： ( 1 ) c c d 器件是一种固体化的器件，体积小、重量轻、功耗低、可靠性高、寿 命长： ( 2 ) 图像畸变小，尺寸重现性好； ( 3 ) 具有较高的空间分辨率，光敏元间距的几何尺寸精度赢： ( 4 ) 具有较高的光电灵敏度和较大的动态范围。 本系统c c d 性能特点主要有： 2 l 影像传感器i 2 英寸 c c d 总像素 7 9 5 ( 水平) x 5 9 6 ( 垂直) ( c c i r 制式) ， 8 1l ( 水平) 5 0 8 ( 垂直) ( e i a 制式) 扫描系统 6 2 5 线，5 0 场秒( c c i r 带t j 式) 5 2 5 线，6 0 场秒( e i a 制式) 同步系统内同步复合外同步 最低照度 0 0 2l u x ( fi 2 。5 6 0 0 。k 1 水平清晰度6 0 0 线 增益控制模式自动增益控带1 ( o n o f f 可切换) 信噪比优于4 8 d b 电子快门 手动：1 5 0 ( c c i r 制式) 6 0 ( e i a # t j 式) ，1 1 2 5 ，1 2 5 0 ，1 5 0 0 ， 1 1 0 0 0 ，1 2 0 0 0 ，1 4 0 0 0 ，1 1 0 0 0 0 秒 自动光圈视频驱动 视频输出 复合式影像信号输出，1 0 v p pa t7 5 0 h m 伽玛修正 0 4 5 工作环境温度2 0 0 c n + 5 0 。c 工作环境湿度 8 5 r h 以下 电源直流1 2 伏l 伏 3 4 图像采集卡 面阵c c d 的输出信号是视频信号，需要将模拟的视频信号转换成为离散的 数字量，才能被计算机所采集和显示。图像采集卡在系统中负责完成这种转换。 图像采集卡通常占用计算机总线的一个插槽，并且带有外接c c d 摄像头的接口。 图像采集卡和摄像机、监视器、计算机一起就构成了一个典型的微机图像处理 系统的基本硬件环境”“。 图像采集卡的工作过程是：对摄像机输出的景物的视频信号进行实时采集， 经a d 转换后将数字图像存放在图像存储单元的一个或多个通道中，通过计算 机发出指令，将某一帧图像静止在图像存储通道中，即采集或捕获了一帧图像， 计算机对采集的图像进行处理。如图3 - 6 图像采集卡的硬件原理图。 图3 6 图像采集卡的硬件原理图 图像采集卡具有以下功能模块： 图像信号的接收与a d 转换模块，负责图像信号的放大与数字化； 摄像机控制输入输出接口，主要负责协调摄像机进行同步或实现异步重置 拍照、定时拍照等功能； 总线接口负责通过计算机内部总线高速输出数据，一般是p c i 接口，传输 速率可高达1 3 0m b s ，完全能够胜任高精度图像的实时传输，且占用较少的 c p u 资源。有的图像采集卡同时还包括显示模块，负责高质量的图像实时显示。 高档的图像采集卡甚至包括图像处理专用器件，如卷积滤波，f f t 变换和实时 直方图处理器件等快速部件。现在有的图像采集卡将图像和图形功能合为一体， 比如北京大恒图像公司的c g 4 0 0 型图像采集卡。支持六路复合视频输入、三路 s - v i d e o ( y c ) 输入，软件切换；支持p a l 、n t s c 彩色黑白视频输入；图像分 辨率最高可达：p a l 制式：7 6 8 x 5 7 6 2 4 位，n t s c 带i j 式：6 4 0 x 4