（计算机软件与理论专业论文）指针式航空仪表指示器图像预处理研究.pdf

指针式航空指示器图像预处理研究 学科：计算机软件与理论 研究生签字： 指导老师签字 摘要 图像处理是当今计算机科学中展具有前景的领域之一，图像技术有非常广泛的应用。 而数学形态学是图像处理中的重要方法之一。数学形态学是建立在集合代数的基础上的， 用集合论方法定量描述几何结构的科学。它研究图像的几何结构，其基本思想是利用一个 携带对象特征的结构元素( “探针”) 收集图像的信息。正因结构元素有着无可比拟的优势， 使得形态学图像处理已成为计算机数字图像处理的一个主要研究领域。因此数学形态学的 基本理论和方法在医学成像，生物学，机器人视觉，地质学，遥感技术等诸多领域都取得 了非常成功的应用。 本文选择以数学形态学的分割技术作为研究课题，从最基本的理论入手，对数学形态 学在图像处理中的理论基础进行了详尽的分析与讨论，阐述了数学形态学结构元素的分类， 选择的原则和方法。对传统边缘检测算法进行研究，提出用迭代算法求图像分割最佳阈值 和运用数学形态学的腐蚀算法实现轮廓提取相结合的边缘检测算法，从理论上分析了该方 法具有较强抗噪声能力，并用实验与传统的l a p l a c e 算子和s o b e l 算子等梯度边缘检测算 子的检测结果进行了比较。由于该检测方法受噪声影响相对较小，即使图像物体的边缘比 较模糊，也能可靠的定位并提取边缘。 关键词：图像分割；数学形态学；边缘检测； 细化 i m a g ep r e t r e a t m e n tr e s e a r c hf o ra i r c r a f tg a u g ew i t hp o i n t e r s 岫d 髓ts i g n a t l l 阳：2 宅厶 s u p e r v i s o rs i g n a t u r e ： 谢憎彩伊叭 阏嗍 i m a g ep r o c e s s i n gi so n eo ft h eb e s tp r o s p e c tf i e l di nc o m p u t e rs c i e n c e i m a g e t e c h n i q u eh a sw i d eu s i n g m a t h e m a t i c a lm o r p h o l o g yi so n eo ft h ei m p o r t a n tw a y si n i m a g ep r o c e s s i n g i ti sb u i l d i n go na s s e m b l ea l g e b r aa n du s i n ga s s e m b l et h e o r yw a y s t od e s c r i b eg e o m e t r ys t r u c t u r e i tr e s e a r c h e si m a g e sg e o m e t r ys t r u c t u r e t h e p r i n c i p l ei d e ai su s i n gas t r u c t u r ee l e m e n to fc a r r y i n go b j e c tc h a r a c t e rt oc o l l e c t i m a g ei n f o r m a t i o n b e c a u s eo ft h es p e c i a la d v a n t a g et h a ts t r u c t u r ee l e m e n th a s ， m a t h e m a t i c a lm o r p h o l o g yi m a g ep r o c e s sb e c o m e sai m p o r t a n tr e s e a r c hf i e l do f c o m p u t e rd i g i t a li m a g ep r o c e s s s ot h eb a s e dt h e o r ya n dm e t h o d so fm a t h e m a t i c a l m o r p h o l o g yh a v es u c c e e da p p l i c a t i o n si nm a n yf i e l d s ，s u c ha sm e d i c i n e ，b i o l o g y r o b o tv i s i o n ，g e o l o g y i nt h i sp a p e r ，t h es e g m e n tt e c h n o l o g yb a s e do nm a t h e m a t i c a lm o r p h o l o g yi ss a v e d a st h er e s e a r c hf i e l d ，m a t h e m a t i c a lm a r p h o l o g yi se x h a u s t i v ea n a l y z e da n dd i s c u s s e d ， t h ep a p e re l a b o r a t e st h ec l a s so fs t r u c t u r i n ge l e m e n t s ，a n ds e l e c t e dp r i n c i p l ea n d m e t h o d s b a s e do nr e s e a r c h i n gt r a d i t i o n a le d g ed e t e c t o r s ，t h ep a p e ro f f e ran e w m e t h o dt h a tu s i n ge x p e r i m e n t sd e m o n s t r a t et h a tc o m p a r e dw i t ht r a d i t i o n a le d g e d e t e c t o r s ，t h i se d g ed e t e c t o rh a sag o o dp e r f o r m a n c eo fn o i s er e d u c t i o na n d r e q u i r e sf e w e rc a l c u l a t i o n s ，e n h a n c i n gi tsp r a c t i c a l it y k e yw o r d s ：i m a g ep r o c e s s i n g ：m a t h e m a t i c a lm o r p h o l o g y ：e d g ed e t e c t i o n ；t h i n i n g 绪论 1 绪论 1 1 课题来源与现实意义 目前，机器视觉技术发展很快，在很多工业领域都有应用。它可以用于机 械加工中的零件的识别、分类、诊断和工业自动化在线检测，目前基于机器视觉 的精密测量系统应用在国外已比较普遍。 指针式仪表是工业领域中应用非常普遍的测量仪表之一，尽管有了一些数 字仪表，但指针式仪表现阶段大量存在，不仅种类多，而且数量大。如压力表、 百分表、电压表、汽车仪表等等。这些仪表在使用过程中由于会产生误差，需要 进行定期检验，以判断是否满足准确度要求。目前，国内对这些仪表的检测工作 主要是采用人工观测读数的方法，来判断产品的合格与否，这种判别方法受人的 主观因索如人的观测角度、观测距离等影响，不稳定、可靠性不高。而且数据处 理工作量大，检定效率低。采用基于机器视觉的技术，可以对指针式仪表的表盘 图象进行自动采集、分析、处理及识别，从而自动的判读仪表盘的指针读数，克 服人工检测所造成的种种不足，提高检测的精度和效率。 1 2 工业视觉系统的特点 a 计算机视觉系统以图像处理理论为基础。典型的工业视觉系统有：在线 工作于生产流水线中，被测物体是运动的，因而图像获取必须与之同步；被测物 体处于杂乱的背景中，必须将其提取出来；检测结果必须及时报告给其他执行系 统。总之，这就决定了工业视觉系统包含有更多的子系统。工业视觉系统的各子 系统，随应用问题的不同，有很大的差别，通常，根据求解问题不同，系统设计 必须分别设计，最后集成为一个完整的系统。 不同的工业应用环境和被测物体的大小，精度差别对工业视觉系统采样分辨 率提出要求。在空间方面，必须满足采样定理，保证获取图像空间的分辨率足以 表征被测物最小缺陷尺寸；在灰度方面，光源必须有足够的照度，摄像机必须有 足够的灵敏度和动态范围。 b 工业视觉系统另一个重要的问题是图像的处理能力。完成图像处理任务 需要巨大的计算量，这不是通用计算器能达到的，需要专用的实时图像处理系统， 所幸的是，许多商用的实时图像系统，将以图像处理算法做到芯片里。 西安工业人学硕士学位论义 c 计算机视觉系统是一个集成系统，是一个面向特定问题的系统，有两个 重要的约束一分辨率和图像处理速度。在满足这两个条件下，应对每一个子系统 进行调整和平衡，以求最好的性能，必须处理好以下几个方面的工作： ( 1 ) 选择一个合理的光学系统 ( 2 ) 选择一个合适的摄像机 ( 3 ) 设计图像处理与分析系统 ( 4 ) 设计好通讯系统 光学成像系统的改进，将大大减轻对图象处理的要求，从而大大减低系统的 成本，同时图像处理系统具有实时特征提取能力，是保证能实时进行图像分析的 前提。 1 3 图像处理新技术综述 数字图像处理技术起源于2 0 世纪2 0 年代，当时受条件的限制一直没有取 得较大进展，直到2 0 世纪6 0 年代后电子技术、计算机技术有了相当的发展，数 字图像处理技术才开始进入了高速发展时期。经过几十年的发展，数字图像处理 技术目前已经广泛应用于工业、微生物领域、医学、航空航天以及国防等许多重 要领域，多年来一直得到世界各科技强国的广泛羌注。 图像处理技术在最近的1 0 年发展尤为迅速，每年均有数以百计的新算法诞 生，其中包括小波变换等多种有相当影响的算法，这些算法在设计时大量运用数 学、数字信号处理、信息论以及色度学的有关知识，而且不少新算法还充分吸取 了神经网络、遗传算法、人工智能以及模糊逻辑等相关理论的一些思想，开阔了 进行图像处理的设计思路”1 。在这里，对这些新技术分别作一个简单介绍。 a ，数字形态学方法： 数字形态学是一种应用于图像处理和模式识别领域的新方法。它是建立在 严格的数学理论基础上的科学，综合了多学科知识的交叉，体现了逻辑推理与数 学演绎的严谨性，又要求具备与实践密切相关的实验技术与计算技术。它涉及微 分几何、积分几何、测度论、泛函分析和随机过程等许多数学理论，其中积分几 何和随机集论是其赖以生存的基石。数字形态学的核心运算是几种与否变换 ( h m t ) ，在定义了h m t 及其基本运算膨胀和腐蚀后，再从积分几何和体视学移植 一些概念和理论，根据图像分析的各种要求，构造出统一的、相同的或变化很小 的结构元素进行各种形态变换。数字形态学方法比其他空域或频域图像处理和分 西安工业大学硕士学位论文 析方法具有一些明显的优势，在应用时能简化图像数据，并具有在去除不相干结 构的同时保持原图像原有的性状特性。而且，数字形态学具备天然的并行处理结 构，可对形态分析和处理算法实行并行处理，从而可以大大加快数字图像的分析、 处理速度。数字形态学正是由于上述特点而在图像处理的研究应用中得到了较快 的发展，并且在医学、生物学以及军事等许多重要领域得到了较为广泛的应用。 b 小波变换 小波变换是当前应用数学和包括图像处理在内的众多工程学科中一个迅速 发展的新领域，经过近1 0 年的探索研究，其数学形式化体系已基本建立。1 。小 波变换与傅立叶变换、沃尔什变换等变换同属正交变换的范畴，但变换方式上却 有天壤之别一小波变换是一种时间一尺度分析方法而且具有多分辨率的特点，在 处理时所进行的时空域和频域的局部变换。正因如此，才使得小波变换能更有效 地从图像中提取出信息，并且可以通过缩放、平移等对图像进行多尺度细化分析 处理，最终达到高频部分的空间细分、低频部分的频率细分，从而实现对图像的 自适应分析，甚至可以根据需要而聚焦到图像的任意细节，小波变换也因此而享 有“数学显微镜”的美誉。小波变换综合了泛函分析、傅立叶分析、数值分析和 样条分析等理论的优点，是纯粹数学和应用数学完美结合的又一个成功典范，解 决了以前许多由傅立叶变换无法实现的难题，在工程界被公认是继傅立叶变换后 又一个里程碑式的发现。 c 人工神经网络 人工神经网络是近几年开始应用于图像模式识别的一种重要工具与方法， 可以理解为一个由大量类似于生物神经系统的简单计算处理单元( 神经元) 构成 的非线性动力学系统。人工神经网络在不同程度和层次上对人脑神经系统的信息 处理、存储和检索等功能进行了模仿，并且具备学习、记忆和计算的能力。由于 人工神经网络表现出类似于人脑的学习分类能力以及并行、分布式处理方式。使 得图像在模式识别上的处理方式有了质的飞跃。另外，由于其具有自学习能力， 在进行图像识别时，可以先把许多不同的图像样板和对应的识别结果输入到人工 神经网络，这样网络就会在训练中通过自学习功能慢慢学会识别类似的图像。这 种自学习功能对于预测有着特别重要的意义。人工神经网络在模式识别问题上， 相比其它传统方法的优势大致可以总结为以下几点：要求对问题的了解较少：可 对特征空间进行较为复杂的划分；适合于高速并行处理系统来实现。 西安工业大学硕士学位论文 d 模糊数学的应用 模糊集理论已经成功地应用于控制、模式识别和图像处理等方面。模糊数学 诞生于1 9 6 5 年，它的创始人是美国自动控制专家扎德( l a z a d e h ) 教授“1 。模糊 数学是用数学方法研究处理具有“模糊性”现象的数学。这里所谓的模糊性，主 要是指客观事务差异的中间过渡中的“不分明性”。事务的模糊程度是用隶属度 来度量的，模糊集合是客观存在的模糊概念的必然反映。以模糊集合代替原来的 经典集合，把经典数学模糊化，便产生了以模糊集合为基础的模糊数学。模糊数 学的出现，使人们对现象的非确定性的理解有了拓广和深化。最近十年来，模糊 集理论在实践中获得重大突破，已广泛应用于图像处理中，尤其是在图像的边缘 检测中取得了显著的成就。 e 分形几何的应用 分形几何学是由m a n d e l b r o tn 1 首先提出并发展为系统理论的。m a n d e l b r o t 在研究英国海岸线的复杂边界时发现，在不同比例的地图上会测出不同的海岸线 长度，这证是欧几里德几何无法解释的。在研究中，他将测量长度与放大比例( 尺 度) 分别取对数，所对应的二维坐标点存在一种线性关系，此线性关系可用一个 定量参数一称分维数来描述。 由此，m a n d e l b r o t 进一步发展成分形几何理论， 可以产生许多分形集图形和曲线，如m a n d e b r o t 集、c a n t o r 集、k o c h 皓线、 s i e r p i n s k i 地毯等，还可描述复杂对象的几何特性。与欧氏几何比较，分形几 何主要有以下特点：描述对象虽然很复杂、不规则，但不同尺度上是有规则性 或相似性。欧氏几何具有标度，理想分形具有无限的几何标度，而无特征长度。 欧氏几何描述特征以整数维，而具有分形的复杂曲线，其分维数是大于1 的非 整数，其分形的表面分维是大于2 的非整数。目前分形几何已渗透到数学、物理、 化学、天文、以至心理、社会学等许多应用领域。近些年，在图像处理中许多方 面也得到应用。分形理论用于图像处理的几个方面，即模拟自然景物生成、图像 分割、纹理特征提取与纹理分类、图像编码压缩等。 1 4 边缘特征提取研究的背景和意义 在数字图像识别系统中，数字图像的特征提取与描述是模式识别的核心，目 标特征提取的内容包括特殊点( 如角点) 、线、边界、区域等数值或符号的描述。 在图像中，相邻的两个特征区域的分界线称为边界。边界所分的区域的内部特征 或属性是不同的，图像中区域特征的差异发生在边界处。经验指出，图像区域边 西安工业大学硕士学位论文 界往往对应景物目标的边缘，人类的视觉系统也多是根据目标的边缘进行识别 的。 边缘特征提取是图像处理、计算机视觉中最基础的内容，并在应用中起着重 要的作用，它是图像分析与识别重要的环节，是进行目标检测，图像分割所依赖 的重要特征。在这里从计算机视觉和模式识别两个方面来论述： a 模式识别与图像边缘特征提取 模式识别系统框图如下“1 ： 输入图像广_ 物体图像厂 特征向量广_ 物体类型 一叫图像分割卜叫特征提取卜叫分类卜一 图i 1 模式识别系统框图 图像的特征指图像场中可用作标志的属性，它有多种形式，可大致分为图像 统计特征和图像的视觉特征两类。图像的统计特征是一些人为特征，需通过变换 才能得到，如图像的直方图、矩、频谱等等。图像的视觉特征是指人的视觉可直 接感受到的自然特征，如区域的亮度、纹理或轮廓等等。利用这两类特征把图像 分解成系列有意义的目标或区域的过程即称为图像的分割。 图像的边缘是图像的最基本特征。所谓边缘或边沿是指其周围象素灰度有阶 跃变化或屋顶的那些象素的集合。边缘广泛地存在与物体与背景之间、物体与物 体之间、基元与基元之间。因此，它是图像分割所依赖的重要特征。 在数字图像识别系统中，数字图像的特征提取与描述是模式识别的核心，算 法的质量，决定了整个系统的智能化程度、识别的正确率等整体性能。因此，对 图像的边缘特征提取与描述算法的研究是非常必要的。 b 计算机视觉与图像边缘特征提取 传统视觉系统处理流程图如下： 传感替 广广r 蠹兰篓h 竺h 竺兰兰竺h 竺! i ( 低级处理)( 中级处理)( 高级处理) 图1 2 传统视觉系统处理流程圈 西安工业大学硕士学位论文 人的视觉系统的感知部分一视网膜所感受到的是三维客观世界可见部分的 二维投影图像，并根据左右两个二维视图对物体进行三维的理解”3 。计算机视觉 所要解决的是完全相同的问题，在计算机的早期视觉中9 1 ，要将输入图像中灰度 变化剧烈处的位置、分布和组织结构构划出来，形成要素。为了正确地理解图像， 需要将以观察者为中心的输入变换到以物体为中心的描述，而物体的物理边界是 一类非常重要的描述子，这些边界有可能在成像过程中产生边缘信息，它在图像 中表现为强度的突变形式。而二维图像也可理解为是由不同的封闭区域组成，这 些封闭的区域在统计意义上满足某种一致性准则。区别这些封闭区域之间的分界 线体现了重要的景物结构，这些分界线在图像中也表现为强度的非连续性。因此 在图像分析的初始阶段，大量的处理是涉及如何检测这类不连续性。但是，由于 物理世界和成像过程的复杂性，以及各种噪声源，使得被处理的图像信号是相当 复杂的，在这种情况下检测这类不连续性并不是一件很容易的任务，只有在考虑 更多的全局结构关系的基础上，才能更有效地利用所提取的局部特征。在实践上， 边缘检测是在局部区域上针对点的一种运算，表现为一种典型的信号处理问题， 由于这些原因使得边缘检测在计算机视觉的预处理算法中有着重要的地位。但边 界检测需要更复杂的算法完成，长期以来，人们已付出许多努力设法利用边界来 寻找区域，进而实现物体的识别和景物分析。 1 5 图像边缘特征提取发展概况 在图像处理上，一般都认为局部极值点或灰度发生急剧变化的点即为边缘， 它可以粗略地分为阶跃边缘( s t e p e d g e ) 和屋顶边缘( r o o f e d g e ) 两种。经典的微分 边缘检测算子利用边缘处的一阶导数最大或最小；阶跃边缘点处二阶导数呈零交 叉或屋顶边缘点处二阶方向导数取极值等。近年来，随着数学和人工智能的发展， 出现了一些新的边缘检测方法，如数学形态法、小波变换法、神经网络法、模糊 检测法等等。这些算法都在力图最大程度地抑制噪声和多尺度地探测特征边缘。 a 经典边缘检测算法 ( 1 ) 梯度算子和r o b e r t 算子：利用的是边缘点的一阶导数有极小值，它们对 噪声非常敏感，常产生一些孤立点。 ( 2 ) p r e w i t t 和s o b e l 算子：在计算微分以前，先进行邻域平均或加权平均。 ( 3 ) k ir s c h 算子：是一个3 3 的非线性算子，基本思想是尽量使边缘两侧的 6 西安工业大学硕上学位论文 像素各自与自己的同类像素取平均，然后再求平均值之差，这样既抑制了噪声又 减少了由于平均而造成的边缘细节丢失，缺点是增大了计算量。 ( 4 ) l a p a c i a n 算子：最基本的二阶边缘检测算子，它对噪声更为敏感。 ( 5 ) l o g 算子：m a r r 等1 先对图像进行平滑，再用l a p l a c i a n 算子对平滑后 的图像求二阶导数的零交叉点作候选边缘；由于l o g 算子具有多尺度检测、边缘 封闭的优点，它一经提出，则成为研究热点。 ( 6 ) c a n n y 算子：j c a n n y 早就证明了一维空间的指数滤波器的最佳性能，并 提出了边缘检测的准则，即精确定位准则、良好的检测准则和边缘点的一对一响 应准则，他还证明了最佳滤波实际是用高斯函数的一阶导数来滤波，并导出了二 阶边缘检测最佳算子。由于c a n n y 算子的良好特性，它已成为很多边缘检测器设 计的比较标准。 ( 7 ) 曲面拟合法：其基本思想是先对二维曲面拟合，再在拟合曲面上用普通 的边缘检测算子。 b 新边缘检测方法 ( 1 ) 数学形态学的方法：数学形态学中用于图像处理的两种基本运算是腐蚀 和膨胀，它们的不同组合形成开和闭。图像经边缘强度算子作用后，在跳跃边缘 处形成凸脊，在屋顶边缘处形成凹谷，再与原图像做差分得到边缘。利用形态 学检测边缘，选择合适的结构元是最重要的，结构元选得好，则噪声滤除得干净， 同时边缘细节也保存完好。 ( 2 ) 模糊算予法：1 9 9 5 年，陈武凡等“3 首次提出了广义模糊集合的概念，并 在图像处理领域取得了多方面的应用成果，边缘检测就是其中较成功的应用之 一。它具有比常规处理方法更快速、更优质的特点。应用广义模糊算子( g f o ) 进行边缘检测，先在原始输入图像基础上产生广义性质集p ，再利用g f o 产生p 7 ， 对j d 进行逆变换生成x ，最后对x 作简单的阈值即可得到边缘图像输出。用 g f o 检测出来的边缘具有宽度小，信噪比大的优点。 ( 3 ) 小波分析法：近年来，小波分析在图像处理的各个方面都得到了应用。 小波分析法可以在不同的尺度上得到信号的细节。用小波变换提取边缘“”的思想 如下：从信号处理的角度，边缘表现为信号的奇异性，而在数学上奇异性由 l i p s c h jt z 指数标志。小波理论已经证明“”l i p s c h i t z 指数可由小波变换的跨尺 度的模值极大值计算而来。所以只要检测小波变换的模值极大值即可检测出边 7 西安工业大学硕士学位论文 缘。利用小波的多尺度特性可以实现在大尺度下抑制噪声，可靠地识别边缘，在 小尺度下精确定位。 ( 4 ) 神经网络法：由于神经网络算法强大的非线性表示能力及学习功能，在 模式识别等多方面取得了较多成功的应用。用神经网络提取边缘1 5 3 也逐步得到了 应用。其基本思想是：先将输入图像映射为某种神经网络，然后输入一定先验知 识一原始边沿图，再进行训练，直到学习过程收敛或用户满意为止。由于神经网 络提取边缘利用了原图的已有知识，是从宏观上认识对象，微观上提取细节，所 以它具有很强的抗噪能力，但是如何得到先验知识却是一个难题。 1 6 数学形态学在图像边缘特征提取中的应用 许多常用的边缘检测算子通过计算图像中局部小区域的差分来工作。这类边 缘检测器或算子对噪声都比较敏感并且常常会在检测边缘的同时加强噪声。而形 态边缘检测器主要用到形态梯度的概念，虽也对噪声较敏感但不会加强或放大噪 声。设用a 表示图像，b 表示结构元素( a 和b 均为集合) ，最基本的形态梯度可 定义如下： g r a d 。= ( a o b ) 一( a o b )( 1 1 ) 较尖锐( 细) 的边界可用如下两个等价定义的形态梯度获得： g r a d ：= ( a 田b ) 一a( i 2 ) g r a d 。= a ( a o b )( 1 3 ) g r a d 。g r a d 。g r a d 。都没有放大噪声，但本身仍可能包含不少噪声。下面给出 另一种形态梯度： g r a d 。= m i n ( ( a o b ) 一a ， a 一( a o b ) )( 1 4 ) 这种梯度对孤立的噪声不敏感，如果将它用于理想斜面边缘检测效果很好。 1 7 本文的主要工作和内容安排 本文共分六章。第一章综述了本文的主要内容以及课题的重要意义。第二章 介绍系统总体设计方案。第三章详细论述了数学形态学图像处理的基本思想。第 四章是数学形态学的数学基础和基本运算。第五章是论述并使实现了图像分割及 细化的算法。最后，在第六章总结了本次设计得出的结论，并指出了课题的研究 展望。 2 系统总体方案设计 2 系统总体方案设计 随着现代科学技术的进步，精密的测量仪器正向着机械与电子一体化的方向 发展，特别是先进的计算机技术，在测量仪器的设计和应用中起到了不可替代的 作用。本课题的设计就基于飞速发展的计算机技术。它主要遵循以下的设计原则： a 测量精度的要求 对于以测量为目的的精密仪器而言，精度要求是首先要达到的条件，没有了 精度其他的设计就无从谈起。本系统的设计是为了代替人工对指针式仪表进行 检测，所以系统的检测精度最低要达到人眼的检测精度。 b 检测效率的要求 本系统设计的一个主要目的就是提高对指针式仪表的检测效率。一般人工检 测的效率较低，所以在采用了计算机执行检测的大部分步骤之后，效率就会有明 显的提高。但是，在整个检测过程中，采用合理的方法或者算法，还是会对系统 的效率产生很大的影响。其中，图像处理部分的算法和处理区域的定制对整体效 率的影响尤为明显。 c 经济性的要求 在现代工业系统中，经济性也是一个衡量系统优劣的主要指标。本系统在权 衡了精度、效率以及经济性要求这三个方面之后，最终确定了在硬件设计上的方 案，使系统性价比提高。这样，如果产品投入生产则会有很大的市场竞争力。 2 1 航空仪表的功用与结构 航空仪表是飞机上全部仪表的总称，它的种类很多，分别用来测量( 或计算) 和显示飞机在运动状态中的各种飞行参数，以及飞机发动机和其他一些设备的工 作状态参数。随着飞行自动化程度的提高，现在的航空仪表不仅要为飞行员提供 驾驶飞机用的目视显示数据，还要为导航系统、自动飞行控制系统和飞行数据已 录器等机载设备提供各种输入数据。航空仪表大体上是先从仪表的工作原理来分 类的，然后再从仪表的功用和结构特点来分类。按工作原理可分为测量仪表、计 算仪表和调节仪表，按功用可分成飞行仪表、发动机仪表和其它设备仪表。多以 指针式仪表的形式出现。如下图2 1 所示： 9 西安工业大学硕士学位论文 图2 1 各种航空仪表 2 2 系统的总体构成 指针式仪表读数系统主要由光学成像系统( 光源、摄像头) 、高速a d 转换器 数据采集卡及计算机组成。系统工作时，摄像头采集图像，经过图像卡进入计算 机。计算机经过图像处理，计算仪表指针的示值。在仪表读数系统中，对指针示 值角度的判别是关键，且该判别必须精确到误差范围以内。系统的设计主要包括 图像采集系统设计和图像处理方法的应用。 本指针式仪表视觉检测系统的处理单元以p c 机为中心，通过c m o s 多媒体数 字摄像机( u s bv i d e oc a m e r a ) 进行图像采集，cm o s 多媒体数字摄像机优点在 于设备小巧、便于安装、成本低廉。通过它采集的图像数据通过u s b 接口把图像 数据传输到计算机，利用自己编写的程序得到视觉图象处理程序对采集到的图像 进行快速地分析处理，得到测量结果。采集和处理同时进行，有良好的动态性能 且系统操作简单方便。系统的组成框图如图2 2 所式： 仪表 c m o s 数字摄像机 图2 2 系统的总体构成 从图中可以看出该系统是由图像采集部分与图象处理两个部分组成的。图像 采集部分负责仪表图像采集工作，图像处理部分负责仪表图像的分析处理。 2 2 1 图像采集的硬件组成 本系统的图象采集工作主要是采用c m o s 多媒体数字摄像机，具有w i n d o w s 系统实时视频通讯功能。它带有u s b 接口，支持即插即用，热插拔。该摄像机 1 0 西安工业大学硕士学位论文 3 0 万像素，每秒平均1 5 桢，能够达到对一般仪表的检测要求，本着可行、实用 和使用成本的考虑，就以此作为图像处理采集设备。 2 2 2 图像采集的软件组成 本系统的软件是在w i n d o w s 平台上开发的，为了能有较高的系统效率采用 v js u a lc + + 6 0 作为开发工具，这样可以产生高效的代码，为这样的大量数据处 理任务提供速度保证，在编程思想上采用了面向对象的软件设计方法，从而提高 了系统的可扩充性，程序设计的方便性。该系统的软件的核心结构如下图2 3 ： 羹瘫基 捆襄魔他 工 潍啦 i 田分誉 l 蛔证 0 i 口雌h 吏换瓣含童糟方拄 图2 3 仪表检测系统的软件核心结构 根据图2 3 可知，此检测系统的软件核心部分主要是由：图像采集块，图像 灰度化处理模块，图像分割模块，图像细化模块，图像特征提取模块几个模块组 成。 本系统就是通过硬件系统和软件系统的有机结合，构成了一个完整的仪表检 测系统。 2 3 指针式仪表的自动检测原理 通过摄像机传送的动态图像，根据检测要求程序控制定时采样静态数据图像 进行进一步的分析，从而获取在采样的静态数据图像中被摄的指针式仪表的关键 信息即仪表指针的指向，这是指针式仪表中的一个很重要的几何特征。指针式仪 表的视觉检测要充分利用指针式仪表这个几何特征参数来对仪表读数的判读。采 用h o u g h 变换法，因为h o u g h 变换可以提取图像中的直线特征。 西安工业大学硕士学位论文 2 4 图像边缘特征提取法 24 1 灰度阈值法 a 迭代闽值选取方法1 1 3 1 通过阈值迭代的方式可以通过程序自动搜寻出比较合适的闽值。此闽值选取 方法先用初始的开关函数把原图全部像素分成前景、背景两类，然后分别对其进 行积分并将结果取平均以获取一个新的阈值，之后再次按此阈值控制开关将图像 分成前景、背景，并用做新的开关函数。如此反复迭代下去，当开关函数不再发 生变化，即迭代已经收敛于某个稳定的阈值时，此刻的阈值即作为最终的结果并 用于对图像的分割。下面是对此的数学表达： = 圭 h + t k k = o _ 一十 吃 k = 0 ( 2 1 ) 其中，为灰度级的个数，钆是灰度k 的像素点的个数。 迭代所得的阀值分割的图像效果良好。基于迭代的阈值能区分出图像的前景 和背景的主要区域所在，但在图像的细微处还没有很好的区分度。 b 直方图凹性分析方法( c a ) 对有突出目标和背景的图像，用前面的方法选择灰度直方图闯值是可行的。 而对那些在其灰度直方图上谷不明显甚至有可能不存在的情况，这些算法基本不 适用，而需要通过分析直方图的凹凸性来确定图像分割阈值的取值。”。”。 t l 图2 4 凹性分析原理图 图2 4 把直方图看作平面上得区域，提出可以构造一个包含直方图的最小凸 多边形，计算其凸包并求其最大凸残差，以对应最大凸残差的灰度值作为闽值。 。翌赫 西安工业大学硕士学位论文 2 4 2 边缘检测法 由闽值法可以看出，图像分割的实质是提取图像中物体的边界，闽值法通过 阅值来确定物体的边界，边缘检测则是通过检测每个像元和其邻域的状态，以决 定该像元是否位于一个物体的边界上。 如果一个像元位于一个物体的边界上，则其邻域像元的灰度值的变化就比较 大。假如可以应用某种算法检测出这种变化并进行量化表示，那么就可以确定物 体的边界。边缘检测法就是通过检查每个像元的邻域并对其灰度变化进行量化来 达到边界提取的目的，而且大部分的检测算子还可以确定变化( 边界) 的方向。 如下图2 5 所示： 田豫捌菌一瓣辱黧：瓣导敷 _ l r 斗斗 图2 5 边缘求导 2 5 一种基于阈值的边缘提取方法 一种简单有效的基于阈值的图像边缘提取原则是：设灰度图像的灰度级数目 为l e v e l 。则像素点的灰度级取值范围为( o ，l2 ，l e v e l 一1 ) ，设( x ，y ) 为 灰度图像中像素点的坐标，f ( x ，y ) 该像素点的灰度级。对于阈值t ，若像素点满 足下列条件之一，则认为该点为图像边缘。 ( 1 ) f ( x ，y ) = ，且f ( x 一1 ，y ) t ( 3 ) f ( x ，y ) ： - - - - f 且f ( x ，y 一1 ) f ( 4 ) f ( x ，y ) f 这种方法具有良好的抗噪声性能，可以检测出有效的边缘。判断最优阈值的 方法是，检验出的边缘数目最多的阈值即为最优阈值。对于不同的阈值，可以检 验出的边缘数目也不同。 西安1 业大学硕士学位论文 2 6 小结 本章介绍了检测系统的总体系统结构，包括软硬件组成及自动检测系统的 工作原理，并且从依据像元的不连续性进行分割的方法出发介绍了灰度闽值法和 边缘检测法两种，并介绍了同时介绍了一种基于阈值的边缘提取方法。 3 数学形态学图像处理 3 数学形态学图像处理 3 1 数学形态学的研究发展过程“7 1 数学形态学是研究数学影像形态结构特征与快速并行处理方法的理论，通过 对目标影象的形态变换来实现结构分析和特征提取。数学形态学起源于岩相学对 岩石结构的定量描述工作，其历史可追溯到十九世纪的e u l e r ，s t ej n e t ，r o f t o n 以及本世纪初m i n k o w a k i 的论著中。如果按年代划分，数学形态学的鏖战过程 可粗略地分为6 0 年代地孕育和形成期；7 0 年代地充实和发展期；8 0 年代地成熟 和对外开放期以及9 0 年代地扩展期。了解数学形态学从原始地、朴素地萌芽状 态，发展成为国际学术界公认地一个研究领域地过程，无疑对于学习和掌握数学 形态学这门学科是非常有意地。 数学形态学作为一门新兴的图像处理与分析学科，1 9 6 4 年由法国的 g m a t h e r n 和j s e r r a 在积分集合的基础上首次创立。此后，他们在法国建立了 “枫丹白露数学形态学研究中心”，在该中心的学者和其他各国研究人员的共同 努力下，数学形态学得到了不断丰富和完善。在理论方面，7 0 年代以g m a t h e r n 的工作为主要基础。g m a t h e r n 于1 9 7 5 年完成的随机集与积分几何奠定了 形态学的理论基础。在算子方面，可以说数学形态学工具箱的核心是这一阶段发 现的。在迭代运算的基础上，提出了二值细化，s k i z ，极限腐蚀，条件对角切分 及其测地框架体系。于此同时，最初面向集合的方法拓展到数值函数分析领域， 产生了形态学梯度，t o p h a t 变换，流域变换等灰值形态学理论及其方法。7 0 年 代初，采用数学形态学的学者们开拓了图像分析的一个新的领域。8 0 年代的石 油危机，迫使工业界采用新技术提高产品质量，降低生产成本，这促进了自动视 觉检测技术的发展。数学形态学方法为解决此类问题提供了有效手段。经过十多 年的理论与实践探索，g m a t h e r n 和j s e r r a 等人在研究中认识到，对图像先作 开运算接着再作闭运算，可以产生一种幂等运算；采用递增尺寸的交变开闭序列 作用于图像，可有效的消除图像噪声，1 9 8 2 年他们正式提出数学形态学滤波器 的概念。1 9 8 8 年，j s e r r a 的专著图像分析与数学形态学问世后，使得数学 形态学才在图像处理、模式识别和计算机视觉领域引起广泛的重视和应用，这些 应用反过来又促进它的进一步发展。8 0 年代另一个特点加强了对形态学算法的 西安工业人学硕士学位论文 研究，算法研究主要为了使诸如二值膨胀或更复杂的流域变换等基本形态学具有 更高的运算效率。这方面的工作取得的进展使传统的数据流为边缘跟踪，多层队 列，箭头传播等算法所取代，提高了形态学软硬件的运算速度。9 0 年代数学形 态学有两个显著的发展趋势，第一个使致力于运动分析，包括编码与运动景物描 述；第二个使算法与硬件结构的协调发展，用于处理数值函数的形态学算子的开 发与设计。 经过3 0 多年的发展，数学形态学无论在理论方面还是应用方面( 尤其是在 视觉检测方面) 取得了举世瞩目的成就。然而，作为人工视觉的一种方法，数学 形态学在把握自然景物的含义，以及人类思维的符号描述方面尚显得不够有力， 有待于进一步发展。数学形态学基于探测得基本思想，以及作为基本运算得上下 确界( 或极大极小) 关系表示，确实反映了自然界中一类相当普遍得现象。可以 确信，数学形态学这门新兴学科尚有相当广阔的空间有待进一步开拓。目前国内 许多有效的图像处理系统有的是基于数学形态学方法原理设计得，有的是把数学 形态学算法纳入其基本软件，并以其运算速度作为系统性能的重要标志之一。但 在总体水平和应用普及性方面，还有许多工作需要进一步去作。 3 2 数学形态学的基本思想 形态学( m o r p h o l o g y ) 一词通常代表生物学的一个分支。它是研究动物和植物 的形态和结构的学科。在这里使用同一词语表示数学形态学的内容，将数学形态 学( m a t h e m a t i c a lm o r p h o l o g y ) 作为工具从图像中提取对于表达和描绘区域形状 有用处的图像分量，比如边晃，骨架以及凸壳，等等。 数学形态学的基本思想是用具有一定形态的结构元素去量度和提取图像中 的对应形状以达到对图像分析和识别的目的。数学形态学的数学基础和所用语言 是集合论。数学形态学的应用可以简化图像数据，保持它们基本的形状特性，并 除去不相干的结构。数学形态学的算法具有天然的并行实现的结构。 3 2 1 集合论的几个基本概念 集合论是数学形态学的基础，在这里我们首先对集合论的一些基本概念做一 总结性的概括介绍。对于形态处理的讨论，我们将从两个最基本的模加处理和模 减处理开始。它们是以后大多数形态处理的基础。 a 集合 具有某种性质的确定的有区别的事物的全体。如果某种事物不存在，称为空 1 6 西安工业大学硕上学位论文 集。集合常用大写字母a ，b ，c ，巾表示，空集用中表示。 设e 为一自由空间，( e ) 是由集合空间e 所构成的幂集，集合x ，b e ( e ) ， 则集合x 年r l b 之间只能有以下三种形式 ( 1 ) 集合b 包含于x ； ( 2 ) 集合b 击中x ： ( 3 ) 集合b 相离于x ： b 子集 当且仅当集合a 的所有元素都属于b 时，称a 是b 的子集。 c 并集 由a 和b 的所有元素组成的集合称为a 和b 的并集。 d 交集 由a 和b 的公共元素组成的集合称为a 和b 的交集 3 2 2 二值图像逻辑运算 在图像处理中用到的主要逻辑运算是：与，或和非( 求补) 。表3 1 中总结 了这些运算的性质。这些运算在功能上是完善的。它们可以相互组合形成其他逻 辑运算。 表3 1 三种基本的逻辑运算 pqp 勺qp 或q非( p ) 0000l 0 l 01l 10o1o l1llo 在两幅或多幅图像的对应像素间逐像素进行逻辑运算( 除了“非”运算，此 运算只对单一图像的像素进行) 。因为只有在两个变量都是l 时，两个二进制变 量的“与”运算才为1 ，所以只有两幅输入图像的对应像素均为1 时，“与”运 算的结果图像任何位置的结果才是l 。 3 3 数学形态学的研究与应用 数学形态学的应用几乎覆盖了图象处理的每个领域，包括抑制噪声、特征提 取、边缘检测、图像分割、文字识别、图像编码压缩等图像处理问题。迄今为止， 西安工业大学硕士学位论文 还没有一种方法能像数学形态学那样，既有坚实的理论基础和简洁、朴素、统一 的基本思想，又具有如此广泛的实际应用价值。 数学形态学现在已经应用在多门学科的数字图像分析和处理的过程中。例如 在医学和生物学中应用数学形态学对细胞进行检测，研究心脏的运动过程及对脊 椎骨癌图像进行自动数量描述；在工业控制领域应用数学形态学进行食品检验 ( 碎米) 和电子线路特征分析；在交通管制中监测汽车的运动情况等等。另外， 数学形态学在金相学、指纹检测、经济地理、合成音乐和断层x 光照像等领域也 有良好的应用前景。 3 4 数学形态学的优势 a 去噪能力强( 可以选取多结构元) b 对边缘的提取能力更强，不像传统的微分算子那样对噪声敏感，同时提取 的边缘也比较光滑。 c 易于并行处理有效的信息，提高效率。 3 5 应用数学形态学的实际编程问题 具体应用数学形态学算法编程时，需要解决以下的问题： a 由于结构元素对形态运算的结果有决定性的作用，所以，需结合实际应 用背景和期望合理选择结构元素的大小与形状。 b 运算实质上是一种二维卷积运算，当图像维数较大时，特别是用灰度形 态学、运算速度很慢，因而不适于实时处理。 3 6 小结 本章从数学形态学的发展过程出发，概述了数学形态学算法的基本思想以及 它的特征和应用发展，并从实际编程角度出发考虑了在实现数学形态学算法中几 个需要注意的实际问题。 4 数学形态学的基本运算 4 数学形态学的基本运算 数学形态学的主要内容是设计一套变换( 运算) 概念和算法，是建立在积分几 何以及随机集论的基础之上的。对集合进行分析，即对集合进行变换以突出需要 的信息。其采用的是主观“探针”与客观物体相互作用的方法。这个“探针”也 是个集合，它依据我们分析的目的来确定。术语上，这个“探针”集合称为结构 元素。数学形态学运算就是利用结构元素对物体集合进行变换。在图像处理中应 用数学形态学的思想就是把图像看成是点的集合，用另外一个元素集合对其进行 交、并、非等各种集合运算构成形态学的各种处理算法。利用形态学进行图像分 析的基本步骤有如下几步： a 提出所要描述物体的几何结构模式，即提取物体的几何结构特征； b 根据该模式选择相应的结构元素，结构元素应该简单而对模式具有最强的 表现力。 c 选定的结构元素对图像进行击中