足球机器人视觉系统中的彩色图像阈值标定方法研究

足球机器人视觉系统中的彩色图像阈值标定方法研究

1足球机器人数据处理机器人足球是一个在国际上迅速发展的高科技对抗活动。它可以促进人工智能、数据处理、无线通信、自动控制、机械电子等领域的发展，具有很高的研究价值。足球机器人图像处理就是要把指定的机器人的色标颜色从其它颜色中分割出来。由于机器足球机器人高速实时性的特点,图像处理的时间是非常短的,所以,在进行图像处理时,直接在采集到的图像上进行图像分割,同时对小块杂质进行虑除,这样就可以快速的完成图像分割的任务。2判定特定的目标MicroSot机器人基于图像像素的相似性,利用像素的阈值来区分不同的目标。所有颜色值在某一目标体的阈值范围内的像素被判定属于该目标体,其余的像素点被排除在外。因此,像素阈值的确定非常关键,阈值的确定方法主要有全局阈值法和自适应阈值法两种。2.1背景的质量与颜色采用阈值确定边界最简单的办法就是在整个图像中,将颜色阈值的值设置为常数,如果背景的颜色值在整个图像中可合理的看作为恒定,而且,所有的物体与背景都具有几乎相同的对比度,那么,这样正确的选择了阈值,使用一个固定的全局阈值会有较好的效果。2.2确定色彩阈值在许多情况下,背景的颜色值并不是常数,物体和背景的对比度也有变化,这时,一个在图像中某一个区域效果良好的阈值在其它区域可能效果就很差。在这个情况下,图像的颜色阈值最好是随着不同区域的具体情况变化的。确定色彩阈值的一种常用方法就是利用像素值的直方图来确定分割阈值。在图像的直方图中,一般至少存在两个波峰,一个是目标体色彩的波峰,另一个是背景色彩的波峰,如果存在不止一种目标体,可能还存在其它波峰,当确定某一个物体色彩的阈值时,取图中的分割阈值点为目标色彩阈值,这样,可以尽可能少的减小两种颜色的交叉。3处理完3.1颜色标定方法由于MicroSot机器人图像处理系统的处理时间非常短,这里采取全局图像阈值法,首先确定一个全局阈值,在图像处理中,每次都按照这个事先确定好的阈值来分割图像,这样可以减少图像处理的时间,但是这个阈值一定要仔细选取。对于MicroSot机器人图像系统来说,所采集的图像是彩色图像,采用HSI彩色模型。队员标志采用绿、红、紫三种颜色,再加上队标的黄色和蓝色,小球的橙色,一共6中颜色,通过实验得到6种颜色的HSI值,列于表1中:由表1可以看出,合理选择色标的颜色,可以使色标颜色的H(色调)值呈现连续性,互相基本上不交叉,这也正是HSI颜色模型比RGB颜色模型方便之处。所以,根据这种性质,在选择色标色阈的时候,根据颜色H值的直方图,快速选出各种颜色的H阈值来。机器人比赛场地为1.5m×1.3m,相对于7.5mm×7.5mm的机器人小车来说比较大,这样,采集到的目标体的像素数相对于整个图像的像素数来说比较少。为了提高工作效率,将小车色标集中放在一个小的区域中,采集时,只采集包括这些目标体的区域进行处理;另一方面,由于在6个目标颜色中,每个颜色的目标体的大小不一致,如果某个目标体的颜色像素数量太少也会对处理结果有影响,因此,在进行颜色标定时不采用实际比赛时采用的小车色标,而是采用5块大小相同的方形的色标块和小球。首先采集色标颜色值,对每个像素的H值做出它的直方图,得到一个数组H11,由于每个颜色的H值范围为0～360,所以数组为含有360个像素的一维数组,每个数组元素的值表示该图像中H值为该值的像素数量。通过实验,得到了一组数据H11,该组数据的直方图如图1所示,从该图中我们可以看到,不同颜色之间的分界线不是很明显,为此,采用多次采集叠加的方法,采集到n个数组,H11、H12、H13……H1n,然后将它们对应元素相加,得到一个新的数组H1,该组数据的直方图如图3所示。这样不仅可以使不同颜色的分界看得更明显,而且可以消弱各次采集过程中的随机噪声的影响。获得H1值时,只是在一个区域进行的,但是有时场地上光线可能不是很均匀,这样将导致不同区域采集到的物体颜色有少量的变化。为了克服这种变化造成的影响,必须在场地上不同的区域进行多次采样和标定,即在场地上不同的地方重复刚才获得H1的过程,这样将分别获得H2、H3…Hn,将这n个数组再进行相加,就得到了数组H,作为标定颜色的H阈值的最终依据。H的直方图如图4所示,可以取各个波峰的交接处为颜色的阈值,这样,就方便而准确的获得了颜色的H阈值。对于颜色的S、I分量,由实验数据可知,它们不像H分量那样不同颜色之间具有一定的排斥性,它们之间相交很多,所以不能采用直方图的方法确定,只能采用各个颜色分别标定的方法,即分别采样每种颜色来确定它们的S、I值的范围。图像采集卡采集到的是用RGB分量表示的颜色值,由于采用这种颜色表示法不利于颜色的区分,因此,在标定时把它转化成HSI颜色值;但是在比赛时,为了节省图像处理的时间,没有时间把采集到的RGB分量颜色值转化成HSI颜色值。为解决这个矛盾,采用查表法,即建立一个颜色索引表三维数组Clut,第一维表示采集卡采集到的颜色的R分量值,第二维表示颜色的G分量,第三维表示颜色的B分量值,即该数组是由256×256×256个元素组成,每个元素的值为1～6中的一个,代表该RGB元素所属的目标体,即该颜色是属于哪个目标体。标定时,首先采集6种用RGB分量表示的颜色,然后把它的RGB值转化成HSI值表示的颜色,根据H值的直方图法确定颜色的H阈值,然后分别采集不同颜色,确定它们的S、I分量的阈值。场上除了以上6种颜色外,还有场地的黑色背景色。但黑色有一个特征,即它的R、G、B分量值都很小,所以,在RGB颜色模型中,可以更方便的把它给虑除掉。方法就是设定一个条件R<r&&G<g&&B<b,R、G、B分别为所采集的颜色对应的RGB分量值,而r、g、b分别为经过实验确定下来的背景黑色的阈值。如图5所示为我们取r=g=b=70时,背景黑色的虑除情况,从图4中可以看出,背景黑色基本上得到了有效的虑除,而且前景色没有受影响,证明这种虑除黑色的方法是成功的。这时,就可以对颜色索引表Clut进行赋值,即对表中的每一个元素进行处理。首先看它RGB分量值,如果RGB分量值满足背景色的条件,对其标定为0,如果不满足背景色条件,就把它转化成HSI颜色模型,根据各个颜色的阈值确定它属于那个目标体,标定相应的值1～6。至此,就完成了图像颜色的标定。3.2图像文化编码标记由动态窗口跟踪算法,可以知道图像处理是在一个比较小的窗口内进行的。图像可以用一个二维阵列表示。如图6所示,两个大块色标分别为机器人队标和机器人队员标志,两个小块色标分别为干扰像素,图中是比较理想的状况,实际中队标和队员标志可能没有那么完美。阵列每一个元素代表一个像素,在要处理的图像中,有的是背景像素,有的是小车色标像素,图像标定就是把小车色标像素从背景像素中区分离出来,所需要的一切信息都是从这里得到的。根据这种方法,在图像中,可以把图像看成由三种颜色组成的:队标颜色、队员标志颜色、背景色(包括除了前两种颜色之外的所有颜色)。采取对图像逐点扫描的方法,对图像像素按照从左到右,从上到下的顺序逐点扫描(图7)。扫描完图像所有像素点,对等价数组进行处理。标记过程中,每次产生一个有效标记值,将它的位置存到一个三维数组中,三维数组用Position[label][index][coordinate]表示,其中label为产生的标记值,index为该标记值的像素数目索引值,当coordiante为0或1时,表示该像素的x坐标或y坐标。如果某两个标记值被标记为连通像素区域,就将新的标记值的标记改为与它连通的比较小的标记值,并且将相应的像素点的位置坐标存入标记值比较小的三维数组中。在实际中,可能存在几个标记值为同一个连通区域,如图8中标记值2、3、6就属于同一个连通区域,这时,必须按照从大到小的顺图序,先把6转化成3,再把3转化成2,这就得到了组成队标颜色和队员标志颜色的各个连通区域的像素块的位置坐标数组。以图9为例,可以得到四个连通区域。Position、Position、Position、Position,,其中,label为1、2时为队标的元素,label为4