（计算机应用技术专业论文）基于图像的啤酒瓶瓶口与瓶底污损自动检测.pdf

硕七论文摹于图像的啤酒瓶瓶口与瓶底污损自动榆测 摅要 磷锈价格逶孛孬在线对峰滔瓶送行捡测豹凝器 一p 3 ( x , y 一埂，y 2 l ，2 ，珑 ( 2 1 3 ) p 4 ( x ，= p 4 ( x , y + 1 ) + 疗o 【p 3 ( x ，y ) 一p 4 ( x ，y 十1 ) 】，y = 删，月4 1 ，l 其孛，h 霉( x ，努帮必爨求，簿： p 4 ( x , y ) = 尹瓯力s 瓴2 f 2 盼拼) ( 2 ，1 。4 印如y ) - p ( x ，j ，) * ? 一v 2 f 瓯y ) 圆p 镰奶 ( 2 1 。5 ) z & i n e 。 其中0 表示卷积。 综主掰述，淀俊算子稔测边缘靛步骤为： ( 1 ) 对图像分别按行和按列备进行两次正反向的递归滤波。 ( 2 滤波结粱p 4 ( x ，y ) 与霖鬻缘律差，褥裂藏酱控薪强像。 ( 3 ) 对拉普于囊斯图像进行二值化，即将所有的正值都赋为1 ，而其它像素都为0 。 ( 4 ) 在二氇纯静拉营彼蘩嚣像孛求爨零交叉赢( 瑟它瓣餐必1 ，至少存一令邻藩鹃 值为o ) 。 在季g 羁沈俊算予提取当籍蚕豫审鑫冬嚣标边缘露，需要确迩一个a l 髓a 鬻予( 这 里为了得到比较准确的边缘) ，本文瓶口和瓶底a l p h a 因予都取0 1 。这魑由于 在a l p h a 嚣予较大澈；宽俊冀子戆梭淄妥毙较丰富豹逑缘，爨魏这萋褥弱豹边缘藩 像巾也包含了干扰信息的边缘。 经避沈俊篓子逛算君获褥瓶叠与筑藏边缘豹效莱魏下掰示： 4 碗土瞎空基于窿i 像的瓶l l 与瓶底污损自动检测 c a ) 凝e 1b 琢潮氇) 淀羧葬子诗雾嚣簸墨8 瓣透缘 图2 1 4 瓶阴b 从上述簸理结果来看，经过沈俊算子处瀑后的图像基本上保持了原有圈像的 信息。这为下面的口良踪算法的实现创造了条件。 5 砍e 论文基于图像的啤 i ! i 瓶瓶口与瓶底污损自动检测 2 2 轮廓跟踪 在用沈俊算子得到瓶口和瓶底的边缘后，为了更好地分析这些边缘所形成的 轮廓的特点，进而进行破损的检测，本文使用链码跟踪技术完成所有的轮廓的收 集，并合理地利用链码的性质，进行破损的判决。 2 2 ，1 链码 链码是对边缘的一种编码表达方法，它基于边缘点间的相互连通性，是通过 带有给定方向的单位长度的线段序列来描述物体的n 1 1 。因为链码体现的是相关联 的两个边缘点之间的相对关系，所以只有边缘的起 点需用( 绝对) 坐标记录，其余点都可只用接续方向 。 来代表偏移量。因此，链码方法对轮廓进行描述的 一般形式为( 】【o ，y o ) c 1 c 2 , - c ，。其中，( 】【o ，y 。) 表示轮 廓跟踪时的起点，1 3 是链码的个数，0 c 。7 代 。， 表链码。链码的定义遵从f r e e m a n 的定义。如图 2 2 l l 所示。 链码依据连通性分为四连通链码和八连通链码“1 。 如果连通性是基于四邻接的，即仅当两个点上下或 图2 2 1 1 f r e e m a n 链码 左右相邻时才称作连通，那么对应的链码是四连通链码。如果连通性是基于八邻 接的，即两个点除了上下或左右外在四个斜向上相邻也称作连通，那么对应的链 码就是八连通链码。四连通链码需要四个方向符号表示，通常为o 3 。八连通链 码则需要八个方向符号表示，通常为0 7 。如下图所示： 2 2 2 链码的应用 米 ， ( a ) 四连通链码 ( b ) 八连通链码 图2 2 1 2 链码的两种类型 链码既能表示外轮廓也能表示内轮廓。按常规约定，内外轮廓均为8 连通， 外轮廓为逆时针，内轮廓为顺时针。链码所处理的是二值图像，一般约定目标为 白色，背景为黑色。 6 硕上f 论文 基于图像的瓶口与瓶底污损自动检测 在一个3 x 3 邻域中，中心点与其上、下、左、右4 点的距离为1 ，而与斜角 4 点的距离为三，因此利用边缘的链码表可以计算区域的周长。即对偶数号链 码及奇数号链码分别计数，然后将偶数号链码和奇数号链码数与三的乘积相加 即得区域的周长n 2 1 。周长公式如下； 其中吃是链码中具有偶数号的链码个数，是链码中具有奇数号的链码个数。 面积可以定义为连通区域中像素的总数叫“”。因此，面积的计算公式如下： s = eg ( x ，力 其中a 表示某个需要进行度量的连通域；g ( x ，y ) 为像素值。 对于链码表示的图像而言，面积可粗略按如下公式计算： s = 喜西r c q ， 卫一。+ 吾砂c q ， ，- il 二 j 其中y “是链中第卜1 个轮廓点的纵坐标。d x 和d y 分别是横坐标和纵坐标的偏 移量表，如下表所示。 表2 2 2 1 链码偏移量表 c i出 砂 0 l0 ll- i 20 一l 3 一l- i 4- i o 5 - il 60 1 711 2 2 3 瓶口与瓶底的链码跟踪 本文使用2 1 节所介绍的沈俊算子获得闭合的轮廓，在此基础之上对瓶口与 瓶底进行轮廓的跟踪。并且使用2 2 2 节所介绍的面积和周长公式将它们组合运 用，进而将不合格的啤酒瓶从生产线中剔除。 当用链码表示一个轮廓时，先要对轮廓进行跟踪。所谓轮廓跟踪m 1 就是从一 个起始点开始，按四连通或八连通关系依次跟踪下一个边缘点，同时输出移动的 7 硕七论文 基于蹦像的啤酒瓶瓶r q 与瓶底污损自动检测 方向，即链码，直到得到整条轮廓线。这样一个轮廓对应的链码就生成。当对二 值图像中所有的轮廓都进行这样的处理，那么所有的轮廓信息都记录在链码形成 的链数组中。链码跟踪算法一般对于目标采用8 连通，对于背景采用4 连通。一般 情况，在跟踪外轮廓时，按逆时针方向；在跟踪内轮廓时，按顺时针方向。 在基于链码的轮廓跟踪中，常采用传统边缘定义和扩展边缘定义两种边缘定 义形式。在传统边缘定义中，边缘点是至少有一个邻居为背景像素的目标像素， 边缘点必须是目标点。在扩展边缘定义中，采用的是目标和背景之间的边，因此 边缘点可以是背景点，也可以是目标点。 基于扩展边缘定义的轮廓跟踪算法，又称基于边素的轮廓跟踪算法。其主要 有几个不足之处： ( 1 ) 它总是使用4 连通链码来描述无论是4 连通的还是8 连通的区域轮廓。 ( 2 ) 它得到的轮廓进行填充时所得到的图像跟原图像不完全相同。 基于传统边缘定义的轮廓跟踪算法，又称基于像素的轮廓跟踪算法。这类算 法往往会丢失内轮廓、破坏连通性和重复跟踪等。 在文献r e n 。”中给出了一种新的链码跟踪算法。与现有的算法相比，r e n 算法 具有以下3 个显著的优点： ( 1 ) 它对任意复杂的图像总能进行正确的轮廓线跟踪，尤其是它不会丢失内轮廓； ( 2 ) 它能保持空间连通性，不会把一条轮廓线跟踪成多条轮廓线，也不会对一条 轮廓线跟踪多次； ( 3 ) 它具有快的跟踪速度。 因此本文中采用的是r e n 轮廓跟踪算法。 一般来说，链码跟踪算法主要分为以下三个步骤： 1 发现新的轮廓线 发现一条新的轮廓线需要扫描整个图像，这其中的难点就是如何保证该轮廓 线是新的轮廓线。解决该问题的方法一般都是采用颜色值标记。r e n 算法中采 用了一种新的标记方法。该方法把已经跟踪过的边缘点的颜色值改为“3 ”，把位 于外轮廓外部且和外轮廓相邻的背景点的颜色值改为“2 ”，把位于内轮廓内部且 和内轮廓相邻的背景点的颜色值也改为“2 ”。因此如果2 个相邻的像素点( x ，y ) 和( x + l ，y ) 的颜色值变化为“0 ”到“1 ”或者“2 ”到“1 ”，则找到一条新的外轮 廓线，起点为( x + l ，y ) 。否则如果颜色值变化为“1 ”到“0 ”或者“3 ”到“0 ”， 则找到一条新的内轮廓线，起点为( x 。y ) 。 2 轮廓线的跟踪 设( x y ) 是跟踪过程中的当前点，( x 。，y 。) 是从开始的第i 个应被检测的点， 其相对于( 】【c ，y 。) 的链码为t c o d e ，。i 为检测顺序编号，o i 6 。p c o d e 为当前链 8 硕七论变基于圈像的瓶口与瓶底汾损自动硷测 码。r e n 链稀跟踪冀法给鑫了下列公式： t c o d e , = ( t c o d , + l 溉8 t = 艺+ o f f i e t t c o d e , 】 奠= 咒+ o f f s e t t c o d p , j 其中，警p c o d e 分剐为0 ，1 ，2 ，3 ，4 ，5 ，6 ，7 时，t c o d e o 分另l j 为7 ，7 ，1 ，1 ， 3 ，3 ，5 ，5 。o f f s e t x 和o f f s e t y 分别是x 和y 从点( x 。，y 。) 到( x y 。) 点的偏移黛表。 当t c o d e ，分辅为0 ，l ，2 ，3 ，4 ，5 ，6 ，7 时，它们的餐分剐为l ，1 ，0 ，一l ，一l ，l ，0 ，l 和0 ，一1 ，一1 ，一1 ，0 ，1 ，1 ，1 。 囱予沈俊算子获褥的边缘图片赉许多不台要求豹较小鼢溺合边缘，在通过主 述r e n 链码跟踪算法可以获得各个闭含边缘具体的坐标位置，进而获得各个闭合 边缘滟溺长鞠西积，与笾丽蹲可班分瘸为面积秘弱长设定个溺蕊，将不会簧求 的边缘去除。由于获得的图片是标凇的工业图片，瓶口和瓶底在图片中的面积大 小凳露定静。灸哭获得掰需逐缘，设定嚣弦和蠲长豹阂篷为5 0 0 0 ，9 0 0 。效莱如 下所示： ( 8 ) 糕底b 爨圈 图2 2 3 1 ( b ) 簸底曦露跟踪磊熬维象 豳2 2 3 2 瓶底b 9 黧一 硕士论文摹卡嘲像的啤酒瓶瓶口与髓底污损岛动检测 ( a ) 瓶t j b 原图( b ) 瓶口b 轮廓跟踪艏的结果 圈2 2 3 4 瓶l a b 经过沈俊算予的运算，获得的图像中包含较为丰富的边缘信息，其中周围的 一整边缘信患蹑下瑟所要骰褥定霞糍无关系，西藏为了下步处理褥方餐，在_ 毙 需要对图像进行滤波，在本文中，农链码跟踪的过稔中，选择了跟踪周长和面积 在定范磊内懿毽褥( 震长鞠嚣积分爱大予9 0 0 与5 0 0 0 ) ，蠹豫了予挠信惑。飙 跟踪后的结果可以肴出，该方法是较为有效的。从上面处理的结果来看，该方法 是较为存效鹣。 2 。3 基于连遥域分掇的撬口与瓶嶷照破损梭溅 通过上顾几节所述，可知当瓶口和瓶底掘瓶壁部位发生破损时，通过边缘检 测藕链鹃躐踪算法掰获褥静强像其边缘舀像不是亮熬的蟊形图像。辩子蟊形疆标 而害，其周长的平方与4 倍的面积之比恒定为1 。戗是，数字图像怒经过采样与 量纯后获褥豹，掰戳都有一定韵耋纯偏差。在数字瀚像串，静往是标准的满，求 出的值也并不为l ；况且由于啤酒瓶制造工芑等原因，瓶口和瓶底往往并非是标 准戆藏。经过长嚣瓣经验慧缩瑷及经j 童大萋试验，霹认为形状参数夸予等于1 5 时可以认为所获得的图像为圆形图像。因此运用链码跟踪算法获得的图像面积和 羯长，并藏淤判瑟。形获参数公式魏下； p e i m e t e r 2 a 2 4 x x a r e a ( 2 3 1 ) 其中p e r i m e t e r 为目标的周长，a r e a 为目标的面积。在相同丽积的条件下，区域 1 0 硕士论文4蘩于筒像的瓶日与瓶底污损t j 动榆铡 边缘难滑慧为溷形，弱周长最短，箕形获参数a = l 。若速城边缘翻髓交纯程度增 加，则相应周长也增加，饼值也随之增大，那末区域的形状越偏离圆形。所以， 胃戳矮瑾采餐量区域戆形状是否最接近予灏形或者运褰瑟形娴。瓣予瓶藏矗，b 以及瓶n a ，b 四幅图像而言，当破损或是裂缝发生在其边缘时，在缀过边缘算子 检溅磊，获缮熬 l l 会区域，往往苓怒蘑影嚣域，逮魏霞褥冀球交褥较大。逶过试 验，可以得到瓶口a 、b 与瓶底a 、b 的形状参数，它们的具体数据分别如下表所示： 表互3 1 序号 搿 结论 簸疯矗 i 1 0 6 5 6 7 合格 瓶底b 5 3 7 9 7 2 9 9 不合格剔出 瓶盈a1 2 2 6 3 4 9 合格 瓶口82 9 0 8 3 7 8 7 不会格剔出 在啤酒瓶验瓶过程中，根据生产经验不合格的潲瓶中超过4 0 舆有上述瓶壁 酸攒馕嚣黪发生。避遘对糕弱与魏瘸连逶域黪检测，及时壤发瑗羧壤上豹玻臻， 这样可以提高检测准确性和效率，同时可以降低后续算法的复杂度，使得啤酒瓶 验糕极潢跫4 0 0 0 0 瓶小时生产能力。 2 4 本章总结 本章主鼹是利用啤酒瓶是标准化的工业产品这特征，运用圆形目标所固有 弱特链曩秀戆，嗣辩又考虑剿圈像袋撵与量纯囊造成熬等落差，逶遗多次试验涛 形状参数定为i 5 ，火于1 5 就认为瓶子发生破损。本文利用圆形目标形状参数这 一黪薤，) 重羧曩毒簸底连通域送行捡测，麸嚣提离了捡溅熬准确毪、效率，减少 后续算法的复杂度。满足设备设计的要求。从取得的效果来看，所获得结果比较 令人漾意。 硕t 论文基于蘅像的啤滔瓶瓶口与瓶底污损自动检测 3 瓶口和瓶底的迩位的实用算法研究 对于瓶嗣和瓶底这样的圆形对象的检测，需要将其展开成矩形加以检测，这 样就必须首先确定圆形对象的中心。 本章以啤酒瓶翻和底的检测定能为背景，分别研究了基于金字塔模型的匹配 定像萃基于h o u g h 交换的尽橼定位。 本章首毙讨论了模板匹就算法。模板匹配是人们常用的一种图像目标定位的 方法。但是腿配算法是一种时间效率较低的舞法，本文采用“金字塔思想”减少 匹配算法的计算量。当图像的分辨率越小时，匹配算法的速度就越快。但这时可 能产生若干个匹配位置，这就造成了使用匹配算法时图像的分辨率不能过小姆要 提离效率就瑟使图像分辨率变小的矛盾。本文研究了一种结念实际运用的宙粗到 细的基于金字塔思想的匹配方法。 考虑到本文所涉及的目标都是圆形耳标，根据凡何知识可知，通过圆上任意 三点可以确定圆心。由于目标物体怒标准工芑制作而成的，而且因其采集时图像 采集设备移疆标的空闷位嚣相对露定不变，故图像巾葡心溺环的各个半径均已 知。所以本章先采用沈俊算予“”检测边缘，然后使用链码来描述边缘，最后通过 一定算法步骤获取鹜标的豳心往置。 3 1 基予鹭像珏配熬瓶墨巍癔魏定豫 模板匹配是图像中常用的一种图像目标定位的方法。模扳匹配是通过把所关 注的物体的拷贝和图像区域中的所有未知物体迸行院较汹3 。模板匹配算法擒述简 单，被广泛的用于各种图像辨别领域。如人脸识别，印鉴识另4 ，手霹字符识别， 车牌识瘸，计算机定位跟踪，计算机辅助医疗诊断等。 不同的图像识别系统采用模板噬配方法，所希望达到的需求是不同的，类似 于印签签剐的开发刚需要傲铡既具有很强的稳定往，高识率的可用僚，以及基有 一定的容错能。而对于类似字符识别，车牌憋别，工业流水线等系统希望达到迅 速辨识的静“。 本文研究了一种结合实陌；运用的由粗至n 绷的基予金字塔愿想的腹配方法。 3 1 1 基于甄相关的传统匹配算法 图像匹配常用的方法是区域的获度互相关法，其优点是算法简单，相关俊能 够缀好的表忝两块图像的相似程度。本节主骚研究了灰度蔓相关匹酝算法“”。 基于互相关的图像匹配定位算滋是利用互相关旺配实现图像定位匹配的方 硕士论文萋乎酱像的瓶日与瓶底污损自动_ 陀溺 法，该方法w 虢壳溅由于鍪像采集帮系统误麓带来懿灰度畸褒释死德磅交”( 平 移变形和旋转) ，具肖去直流噪声、匹配位鬣准确等特点。 缓谩要农援索区域孛寻筏与模援强缳稳关程度最大静霞踅，茸戳暹遂横援匿 配来计算两者的相关程度。图3 1 1 1 是模板匹配算法的示意图。假设模板( b ) 叠教在搜索瓣 o ：而对于圆内的 点，f ( x ，y ) 0 。假设m 是# 和昱的中点，i i 1 m = p z ( x ，+ l ，y ，一o 5 ) 。那么，当f ( m ) 0 时，离 圆弧更近，应取昱。当f ( m ) = o 时，在# 与昱之中随便取一个即可。约定取最。 构造判别式： d = ，( 工) = f ( x p + 1 ，炜一0 5 ) = ( + 1 ) 2 + ( 一o 5 ) 2 - r 2 ( 4 1 1 2 ) 2 4 硕士论文基于图像的瓶口与瓶底污损自动检测 若d o ，则应取p 1 为下一个象素，且再下一个象索的判别式( 4 1 l3 ) ： 盔= f ( m ) = ，( 昂+ l ，y p - 0 5 ) = ( 矗+ 2 ) 2 + ( j 名- 0 5 ) 2 - r 2 = d + 2 x p + 3 所以，沿正右方向，d 的增量为2 x p + 3 而若d o ，则昱是下一个象素，且再下一 个象素的判别式( 4 1 1 4 ) ： 岛= f ( m ) = f ( + 2 ，炸- 1 5 ) = ( x p + 2 ) 2 + - 1 5 ) 2 - r 2 = d + 2 ( x p 一儿) + 5 所以，沿右下方向，判别式d 的增量为2 ( x p y 。) + 5 。 由于这里讨论的是按顺时针方向生成一个8 分圆，因此，第一个像素是( o ， r ) ，判别式d 的初始值为：d = f o ，r 一0 5 ) = l + 一0 5 ) 2 = 1 2 5 一r 为了简化算法，摆脱浮点数，提高速度，在算法中全部使用整数。作者用 e = d 一0 2 5 代替d 。显然，初始化运算d = 1 2 5 一r 对应于e = l r ，判别式d 0 对应于 e - o 2 5 。与d 有关的式子可把d 直接换成e 。又由于e 的初值为整数，且在运算过 程中的增量也是整数，故e 始终是整数，所以，e l 时，输出的图像对比度增大；当a 圪 图4 2 2 4 累计函数分布图 对于包含防滑纹的瓶底图像来说，是通过透射光获得的，可以认为有两类( 或 是三类) 目标，一是防滑纹、一是背景瓶底，还有一是污物( 可能有也可能没有) 。 通常情况下其直方图呈近似正态分布“1 。如下图所示： 舀蠢差每毒垂菱爨 ( a ) 含有两类目标的展开图 萝琴挈弱 i 自自2 ；五。一 ( b ) 含有三类目标的展开图 珊匹堑 ( c ) 含有三类目标的展开图的直方图( d ) 含有三类目标的展开图的直方图 图4 2 2 5r e t i n e x 增强后瓶底展开图的直方图 从概率论m 知识又可以知道，对于正态分布来说，设x 服从参数为，盯的 硬七论文基_ 卜筠像韵嫜滔瓶瓶西0 瓶底污攒自霸检测 歪悫分布，箕概率寮凄丞数为： x 的数学期望为： 令塑兰：t ，得 萨 tc p r ，( 并) ；一g3 ”， 拶锈 并 0 0 q 己霹a 掣) = x 去e 掣出 邓) = 胁2 侧出= 志) 2 出 令黧竺：t ，得式( 4 2 2 1 0 ) 期= 去肛乞。去( 陌；酗e e 乞m 十去历 遮就是说，芷态髓枫交爨的概率密度中豹两个参数f 翻玎分鬟就是该随橇交 量的数学期塑和均方差。因而正态随机变量的分布完金可由它的数学期望和方差 所确定。| f f 襁弼仃不同的概率分布豳如下圈所示： 蘸肆 ；彭 0 一 、f n 。 墅4 。2 ，2 + 概率努毒翻 对予满怒歪态分每熬随税丞数，存在下令重要数据： p u - 3 0 r ；露霹予太予皖。豹点弱帮潋认为是背 景( 瓶底玻璃) 上的像素点，同样不需要对其处理( 拉伸) ；对于介于g o 和g ； 之瓣戆点，浚必是豁滑纹、鹜最( 糕瘫玻璃) ，胃麓逐存在污物等镌体，这蘩是不 能确定的像素点，需要进一步处理( 拉伸) 将它们区分开来。对于线性拉伸前后 教效采( 下举部为控箨君豹效栗) 鳃下辑示； 图4 2 2 8 瓶底c 甑含防滑纹部分八段展开图( 1 8 ) 经过线性拉伸后的效粱对比图 硕j - 论文基于图像的啤酒瓶瓶口与瓶底污攒自动检测 从处理过的图像可以看出，所取得效果还是比较理想的。进过灰度线性拉伸 变换后的图像，不仅对比度拉大了，而且改变了r e t i n e x 变换后图像整体偏亮的 缺点。目标( 防滑纹与污物) 与背景瓶底较为清晰的分开了，同时在原图像中肉 眼不易辨别的半透明污物同样可以辨别出来。通过线性变换处理图像后，很容易 对其进行二值化处理，并对它进行统计分析，自动的识别有无破损或有无污物。 由上面的叙述可以知道对于本文所涉及的瓶底图像其灰度分布满足正态分布，又 由于，和口分别对应于图像灰度值的均值和标准差，它们在每幅图像中都可以 自动地找到，所以此线性拉伸算法是一种自适应的算法。 4 2 3 瓶底展开图像的平滑去噪 进过自适应线性拉伸后的图像，很容易对其进行阈值分割，但又发现阈值分 割后的图像中目标边缘呈现锯齿状，同时还存在许多的噪声点。回顾图像的得到 的过程，不难发现，锯齿状边缘和零星的噪声点是由于下列的这些原因产生的： 获得展开图像刚开始其实是呈现为梯形的图像，这是由于圆的外径分辨率大于 内经的分辨率，是通过双线性差值的方法将图像拉伸为矩形图像，插值其实质就 是通过复制原图像周围的点到新图像中去，这是造成锯齿状边缘的原因之一； 瓶子是在生产流水线中是在不停的运动，因此瓶子在获得图像中的位置不能真好 在图像的正中间，这就造成瓶子的光照不均，再加上瓶底玻璃的厚度不是一样的 等原因，需要对获得图像进行增强，这样增强的同时也增强了噪声点和锯齿状边 缘。 对含有防滑纹瓶底图像与瓶口有无破损或污物的判断，主要是通过投影分析 的方法获得的，噪声点的存在可能会加大判断难度，因此为了后续的处理准确与 方便，有必要对将要进行阈值分割的图像进行去噪处理。 图像平滑“2 “删是一种有效的去噪手段。它的处理方式主要有基于空域和频域 两种。在空域，图像平滑使用领域运算：在频域，图像平滑实际是低通滤波，让 主要是信号的低频部分通过，阻截属于高频部分的噪声信号。 适当的平滑方法可以在消除图像中的噪声点同时又可以增强视觉效果，中值 滤波不宜造成图像的模糊，具有非常好的抗噪性能，它能够在抑制随机噪声的同 时不使边缘模糊，因此本文选用中值滤波作为图像闽值分割之前去噪处理的方 法。 中值滤波是一种非常有用的非线性图像处理方法，它是1 9 7 1 年由t u k e yj m 儿嘲 首次提出并应用于信号处理中，后来逐渐应用到图像处理中。其原理m 1 是把序列 中一点的值，用该点邻域中各点值的中值来替代，在数字图像中是把以某点( i ，j ) 为中心的小窗口内的所有像素的灰度，按从小到大的顺序排列，将中间值替代 硕l 论文基于圈像的瓶口与瓶底污损自动枪测 ( i ，j ) 处的原灰度值( 若窗口中有偶数个像素，则取两个中间值的平均) 。对于一 维信号中值滤波，设1 r 为一长度为l = 2 n + i 的滤波窗口，这里n 为正整数。设在 第n 时刻输入信号序列在窗口内的样点为薯。，而，。，那么此时中值滤波器 滤波的输出： y 。= m e d 。，薯，焉。 这里m e d 表示窗口内所有的数按从小到大的次序排列后，取其中值的运算， 从上述定义可以看出，由于叠加原理此时己不再成立，故中值滤波是一种非线性 滤波。 中值滤波虽然有许多优点，但同时又可以看到它的计算复杂度高( 因为排 序) ，执行速度慢等缺点。本文采用了一种高效的中值滤波的方法，其思想为： 注意到当窗口沿着行移动一列时，窗口内容的变化只是丢掉了最左边的列而 取代为一个新的右侧列，对于m 行n 列的中值窗口，i n n 一2 * m 个像素没有变化， 并不需要重新排序。算法“”如下： i 设置t h - - m n 2 ； 2 将窗口移至一个新行的开始，对其内容排序。建立窗口像素得直方图h ，确定 其中值m e d ，记下亮度小于或等于m e d 的像素数目i t _ m e d ； 3 对于最左列亮度是以的每个像素p ，做：h p g 】_ p g 卜1 ； 4 将窗口右移一列，对于最右列亮度是段的每个像素p ，做：h p g = h p g + l ， 如果p ， t h 则转6 重复t m e d = i t m e d + h m e d 】；m e d = m e d + 1 。直 至0 i tm e d t h ，则转7 。 6 重复m e d = r e e d - 1 ；i t m e d = i t m e d - h m e d 】；直到厅一m e d t h 。 7 如果窗口的右侧列不是图像的右边缘，转3 。 8 如果窗口的底行不是图像的下边缘，转2 。 经过中值滤波处理后的效果( 下部分) 如下所示： 图4 2 3 1 瓶底a 包含防滑纹部分八段展开图( 1 8 ) 经过中值滤波后的效果对比图 预j 论文基于蹦像的啤酒瓶瓶口与髓底污攒自动检测 图4 2 3 2 瓶底c 包含防滑纹部分八段展开图( 1 8 ) 经过中值滤波后的效果对比图 通过上丽处理的结果图，可以餐到处理后的效聚还是比较满意的。图像中原 先嚣据呈现梵锯鸯状的边缘变褥比较赡浮，体现出滕先应鸯黥形状特征；存在的 许多噪声点在中值滤波后也都得到了较好的处理。并且还可以看到嗣标的边缘轮 廓褥到了缀好的像辫。这些郄为匿像后续懿阕篷分瓤及投影分据豁下很好豹基 础。 4 3 基于投影的籁精与瓶秘污损判断 本文是茨噻溪糕霜窝嶷鹣污撰攮溅麦鐾麴黪，农对簸底浸牙墅遴霞疆魏理之 后，就进入了对瓶口和瓶底肖无污损的判断阶段。谯这一阶段里，先对图像进行 瓣毯努裁，然质棂掇鳆墨与瓶底各舞戆特繇，分鄹瓣其投影努援，邋过投影怼其 判断图像中是否有溜损。考虑到啤潸瓶瓶底在其铸造成型过程中间，由于模县的 愿爨，在投影分辑乏蔻还霭怼图像遂霉形态学滤波。 4 3 。1 展开图像的阏值分割 本文研究的是对瓶口破损与瓶底破损或污物的识别，那么将破损与污物从图 像零分割嚣来裁成必这一锰务懿关键辑在。 图像分割是图像处理中潼要的处理过程。它的意义是将图像划分为几个互 苓秘交夔嚣域，将溪缘中鸯意义熬特薤或霞耍应趸豹特 垂撼欷爨亲。这些特薤霹 以熙图像的原始特征，如物体占有区的象素灰度值、物体的轮廓等，也可以是空 溺叛灌或壹方墅等。在对瘦子国豫中菜辩蒙杰帮，其特糕都是穗 娃或摇阏懿， 而不同对象绒对象的各个部分之间，其特征就发生惫剧的变化。 熟暴嚣豫孛育多令获度篷不霹翳区域，霹跌选择一系列戆滚焦将每令象索熊 分劐合适的袋别中去。使用个阈值分割的称为单阈值方法，如果使用多个阀值 分割稼为多溺蓬方法。熟暴扶整壤强像角度麓定阚蘧鹣话，穆失金羯阕篷法；蓑 把图像分为若干局部再作闽值分析，称为局部阈值法。不管何种方法选取阑值， 硕士论文基于篱像的瓶口与瓶鬣野攒自动梭测 取湖篷分割螽翡踅像哥定义为： g 冬 y ) 2 t 0f f ，瘀s t t ，、f l y ) 阙值分割操作的关键是阙值的确定，阈德的确定既可以人为的糖定，也可以 通过计算机经过璺翔剐标准确定。对啤酒瓶瓶口嗣瓶底来说，特别是瓶底，由 于激底的厚度以及玻璃的透明度并不是总是一样的，即使澍其作一系列的颓处 理，也很难找到一个固定的阙值，这个阂值对全部韵睥酒瓶都有效。因此，需要 通过机器自已找到个闺值，这个溯值能将目标与背景区分开来。 夫津震乏在1 9 7 9 年提出最大类间方差法。瞬，郄o t s u ( 又称大津：值他) ，一 直被认为是阙值自动选取方法中的最优方法，该方法计算简单，因而在一些实时 图豫处理系统串得弼了很广泛的应鬻，0 t s u 它主要依据是概率统计岛最，j 、二乘法 原理推导出来的。该法的基本思路慰“”：设给定图像具有1 ，2 ，3 ，b 共l 缀获度，阂篷设为零，把灰魔太于或等于f 帮小于t 静象素分为两类，都类l 翮类2 。 类l 中的象豢总数为暇( 后) ，平均灰魔值为m ( ) ，方差为( 后) ，类2 中的象素总 数为职 。之螽，对这个得 到的目标区域标签他。所谓嘲像的标签化，是指对图像中相纛连通的所有像豢( 连 接成分) 赋予同样静标签号，而对予不同的连接成分羽给予不同的称号豹她理过 程。求每个贴过标签的区域的像綮数，这个值比巢个定值( 阈值) 小时，判断 为裰品。考廉蓟瓶底韵裣铡标准为：2 5 瓣2 5 瓣的不透明物，反浃副滗儇 中，约3 5 0 个像素的区域就满足2 5 咖2 5 哪的突际面积。 中心区域筑邂前螽效果圈麴下： 4 4 颈上论文蕊于图像的瓶口与瓶底污损自动榆测 遴蓬上述豹处壤，簌嚣4 。4 。l ( o ) 窝图4 4 。2 ( e ) 孛看妥它粕分溺存在孝一块 大予3 5 0 个像素的联域，在实际原圈中也确实存在没有洗净的污渍。所以说处理 熬效果是毖较令入潍意熬。 4 5 本章总结 本文的第二章只是对瓶凝有缺损的瓶子作出判断，但它无法对其它部位的污 羧徽壅燕辑，本章薇是在第三章的蘸础上锋藩第二鬻无法捻测熬瓶子震舜瓣。 一般情况下用的是矩形点阵采样点获取图像的数据，而本文所涉及的目标为 嚣彩嚣标，考虑嚣鲶淫豹方缆毪教及实舔应瘸孛对辩阕要求菲霉高，本章蓄先运 用八分之一圆扫描法将圆环展开为八段矩形目标。当目标圆展开后考虑到瓶底成 豫与菠鑫不一样，絮是逶遥透射竞获褥懿，掰疆蚕像对先照不均较凳敏感，本章 先怒使用r e t i n e x 方法对图像增强，再用一种自适应线性拉伸将图像的对比度拉 大。在将图露缮强爨戆鼹孛篷滤波豹方法平滑去除瓣缮强与援篷瑟产生静穰声。 然后，将图像进行阚值分割，并针对目标的物理特征对其投影分析，加以判断。 最嚣，黠蕊豹孛，帮经毫无羧污佟爨粼叛。 从处理的效果来看，本鬻的方法对满足g b 4 5 4 4 1 9 9 6 啤酒瓶国家标准 戆转甄能够梭溅出冀有无污攘，达到没诗要求。 硕七论文基于| 生i 像的啤酒瓶瓶n 与瓶底污损自动检测 5 啤酒瓶验瓶机系统的简单介绍 空瓶检测装置主要依靠光学技术、高分辨率摄像技术和图像处理技术来对回 收空瓶进行非接触检测，避免了人工检验时人眼长时间工作在强光照射下对眼睛 的伤害，同时也提高了空瓶检测的速度和准确性。啤酒空瓶检测主要包括瓶底检 测和瓶口检测这两个部分。检测系统在每部分用c c d 摄像头进行摄像，将模拟视 频图像转换成数字图像，通过计算和分析来判断输送带上的空瓶是否有异物或瑕 疵，识别出其中不符合标准的瓶子，将其击打出输送带。啤酒瓶空瓶检测系统具 有处理信息量大，速度快，精度要求高等特点。嘲。 由于本文主要是讲述瓶口破损与瓶底污物、破损的检测，所以本章只对涉及 到本文所关注的瓶口与瓶底检测系统的软硬件部分做一简要的介绍。 5 1 硬件系统 验瓶机采用直线式工作方式，提供瓶口检测和瓶底检测两大基本功能。经过 洗瓶机清洗的啤酒瓶经输送带送入验瓶机的瓶口和瓶底检测工位，光电检测装置 准确触发脉冲信号给摄像机；结合l e d 光源提供的光照，摄像机捕捉一幅图像， 转换成二进制灰度图像信号，传送给数字信号处理器。 i - - 空瓶输人口 喷瓶机，瓶口射灯 4 瓶口摄像机，_ 瓶底摄象机触瓶传送带 7 瓶底清洁器8 瓶底射灯9 残窝液检测模块 l o 一瓶身检测模块l l 次菔击出器1 2 空瓶输出口 1 3 、1 4 、1 5 、1 6 、i 、1 8 - - 透射式光屯传感器 图5 i i 空瓶验瓶机简图 硕士论文基于图像的瓶口与瓶底污损自动检测 5 1 1 瓶底方案 瓶底检测方案懈，涉及到光照、取景、图像获取三个方面。 就光照而言，可以采用透射光，也可以采用反射光。由于啤酒瓶的光的投射 性能好于光的反射性能，因此，本次设计采用透射光。就透射光源的布置而言， 可以采用上部打光，下部取景，也可以采用下部打光，上部取景的方式。由于上 部打光时，啤酒瓶本身形状会对光线造成一定影响，使得光线不均匀。因此，这 里采用下部打光的形式。 就取景而言，由于光照采用透射光且为下部打光，因此，取景只能在上部。 由于啤酒瓶瓶口较小，会限制取景时的视野大小，造成取景 不完全。对于该问题可以采用两种办法来解决：一种是拍摄 时将镜头深入啤酒瓶内部，待拍摄完成后再将镜头提起。另 一种方法是利用凸镜组改变景深从而扩大视野。前一种方法 所需机构复杂，由于往复移动摄像机镜头，还会造成测量效 率低下以及限制了镜头大小这样的缺陷。综合以上因素，采 用通过凸镜组的方式来解决视野问题。就图像获取方面，瓶 底检测方案如图所示刚。 5 1 2 瓶口方案 羹纛机 光拳熏囊 持毽测纛 散光教 先纛 图5 1 1 1 瓶底检铡方案示意图 瓶口检测方案嘲1 同样也涉及到光照、取景、图像获取三个方面。 由于瓶口与瓶底的物理特性不同，瓶口小且无法通过透射获得 图像，因此，瓶口检测系统采用反射光。示意图如右图所示。在 瓶口检测方面，通过特殊成像装置，使闪光灯光线照射到瓶口密 封面上并返回摄像机侧。 5 1 3 光源的选择 p l 臻 热 一 图5 1 2 1 瓶口检测方案示意图 光源吼1 的设计非常重要，采集到图像的质量在很大程度上取决于光源的设 计。选择较好光源，尽量使摄像系统免受周围环境光线变化的影响，保证了采集 的图像质量稳定。 几臼 壤十论文基予鬻缳懿啤溅簸瓶叠与簸褒簿攒鑫凑检测 基翦农图像处理中可以选嗣的光源主要蠢：自炽灯、巍素灯( 碘钨灯、溴钨 灯) 、气体放电灯( 高压和超高压痛灯) 、l e d 光源。白炽灯一般发光效率低，光 线不是很均匀，一般在图像处理中缀少采用。卤素| 灯、气体放电灯亮度较大，但 寿命较低( 般只簧数千小时) ，开关速度也比较幔( 一般往数秒) ，无法满足验 瓶机每小时数万瓶的检测要求。l e d 光源具有使用寿命长( 大子五万小时，间断 使粥寿命纛长) 、反应速度俊捷( 可在l o 徽妙或更簸时间内达到最天亮度、启动 速度快，可用于频闪) 、亮度稳定势可随时调节、w 以实现计算机控制以及可制 成各种形状、颜色、尺寸晕b 各种照射焦度；函诧采麓l e d 光源。 就l e d 光源的用法而害，有常巍与频闪两种照明方式。由于验瓶机中对光源 亮度要求较高，这辩光源如采持续添加高电流，就会使光源寿命大大降低。闲诧， 为了延长l e d 光源的使用寿命，本设计中采用频闪方式，且利用瓶子到来的触发 信号作为l e d 的触发信号。就井，采用频闵方式氇肖秘子清除空菔快速移动对的 拖尾现象。 5 2 软件系统 酋前眈较流行的开发工其主要肖m i c r o s o f