機(jī)器視覺中的圖像處理算法研究及應(yīng)用

1、PAGE PAGE 49學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的論文是本人在導(dǎo)師的指導(dǎo)下獨(dú)立進(jìn)行研究所取得的研究成果。除了文中特別加以標(biāo)注引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫的成果作品。本人完全意識(shí)到本聲明的法律后果由本人承擔(dān)。作者簽名： 年 月 日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解學(xué)校有關(guān)保障、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向有關(guān)學(xué)位論文管理部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)省級(jí)優(yōu)秀學(xué)士學(xué)位論文評(píng)選機(jī)構(gòu)將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。 本學(xué)位論文屬于

2、保密 ，在 年解密后適用本授權(quán)書。不保密 。（請(qǐng)?jiān)谝陨舷鄳?yīng)方框內(nèi)打“ ”） 作者簽名： 年 月 日導(dǎo)師簽名： 年 月 日武漢科技學(xué)院畢業(yè)設(shè)計(jì)（論文）任務(wù)書課題名稱：機(jī)器視覺中的圖像處理算法研究完成期限： 院系名稱 電子信息工程 指導(dǎo)教師 專業(yè)班級(jí) 指導(dǎo)教師職稱講師學(xué)生姓名 院系畢業(yè)設(shè)計(jì)（論文）工作領(lǐng)導(dǎo)小組組長(zhǎng)簽字 一、課題訓(xùn)練內(nèi)容要求學(xué)生對(duì)機(jī)器視覺中的圖像處理內(nèi)容進(jìn)行分析，對(duì)圖像處理的原理，方法，類型進(jìn)行探討。主要訓(xùn)練了以下內(nèi)容：1、培養(yǎng)學(xué)生收集資料、文獻(xiàn)檢索的能力，發(fā)現(xiàn)問(wèn)題的能力；2、培養(yǎng)學(xué)生工程開發(fā)的能力，制定工作計(jì)劃和協(xié)調(diào)組織的能力；3、培養(yǎng)學(xué)生綜合運(yùn)用所學(xué)專業(yè)知識(shí)、理論，理論聯(lián)系實(shí)際，

3、解決實(shí)際工程問(wèn)題的能力；4、培養(yǎng)學(xué)生原理設(shè)計(jì)、實(shí)驗(yàn)分析、理論推導(dǎo)和實(shí)物設(shè)計(jì)的能力；5、培養(yǎng)學(xué)生撰寫論文的能力；二、設(shè)計(jì)（論文）任務(wù)和要求（包括說(shuō)明書、論文、譯文、計(jì)算程序、圖紙、作品等數(shù)量和質(zhì)量等具體要求）任務(wù)：查閱課題相關(guān)的參考文獻(xiàn)、技術(shù)資料。所查的資料名稱和內(nèi)容應(yīng)在筆記本上面做好記錄，備查；第四周前上交畢業(yè)設(shè)計(jì)開題報(bào)告一份。開題報(bào)告內(nèi)容要和學(xué)校模板的要求一致，字?jǐn)?shù)不少于2000字；經(jīng)指導(dǎo)老師檢查合格后方可進(jìn)行后續(xù)工作；閱讀至少三十篇參考文獻(xiàn)，掌握課題的原理；正文完成后查找一篇與設(shè)計(jì)相關(guān)的英文資料和中文翻譯；完成畢業(yè)設(shè)計(jì)論文，字?jǐn)?shù)不少于15000字。論文應(yīng)包括中文摘要、英文摘要、目錄、正文、

4、參考文獻(xiàn)、附錄（可無(wú)）、致謝7個(gè)部分；具體的每個(gè)部分的格式要嚴(yán)格按照學(xué)校教務(wù)處模板的規(guī)定；設(shè)計(jì)出完整的“機(jī)器視覺中的圖像處理算法研究”；三、畢業(yè)設(shè)計(jì)（論文）主要參數(shù)及主要參考資料參考資料：1 賈云得.機(jī)器視覺M.北京科學(xué)出版社，2000.1-22 張廣軍.機(jī)器視覺M.北京科學(xué)出版社，2005.3 張毓晉.圖像處理.清華大學(xué)出版社，20034 蘇光大.圖像并行處理技術(shù).清華大學(xué)出版社，20025 Sonka Milan, Hlavac Vaclav, Boyle Roger.圖像處理分析與機(jī)器視覺M.艾海舟，武勃，譯.第2版.人民郵電出版社，2003.6 朱以松 ,李京隆 ,章舟. 消失模鑄造磨

5、球的生產(chǎn)實(shí)踐 J .鑄造技術(shù) ,2002 ,23 (1) :41-42.7 夏奇，周明才，汪宏昇，等.高精度自動(dòng)貼片機(jī)視覺對(duì)準(zhǔn)系統(tǒng)及其圖像處理J.光學(xué)技術(shù)，2004，30(2).8 Brownrigg S D.The weighted median filter.Communications of the ACM.1984， 27(8):807一818四、畢業(yè)設(shè)計(jì)（論文）進(jìn)度表武漢科技學(xué)院畢業(yè)設(shè)計(jì)（論文）進(jìn)度表序號(hào)起止日期計(jì)劃完成內(nèi)容實(shí)際完成情況檢查人名檢查日期1 查閱相關(guān)的資料,學(xué)習(xí)理論知識(shí)2 方案比較，確定方案3 整體上對(duì)課題進(jìn)行構(gòu)思，完成開題報(bào)告4 完成論文撰寫和翻譯相關(guān)英文資料5 修改

6、論文，完成PPT 6 定稿打印武漢科技學(xué)院畢業(yè)設(shè)計(jì)（論文）開題報(bào)告課題名稱機(jī)器視覺中的圖像處理算法研究院系名稱電子信息工程學(xué)院專 業(yè)電子信息工程班 級(jí) 學(xué)生姓名 一、研究意義隨著現(xiàn)代工業(yè)自動(dòng)化水平的發(fā)展，基于視頻圖像的測(cè)量、識(shí)別和控制技術(shù)也得到了發(fā)展。例如，生產(chǎn)流水線上零件的測(cè)量，產(chǎn)品包裝印刷的檢測(cè)，半導(dǎo)體芯片封裝檢測(cè)，電子設(shè)備生產(chǎn)中電子元件定位，機(jī)器人導(dǎo)航、圖像監(jiān)控、醫(yī)學(xué)影像處理等。以往這些應(yīng)用中的一部分依靠大量工人來(lái)完成，這不僅增加了人工成本和管理成本，同時(shí)由于人眼容易疲勞且具有不穩(wěn)定性，無(wú)法保證百分之百的檢測(cè)合格率。另外還有相當(dāng)一部分應(yīng)用，由于人眼的精度、速度上的限制，根本無(wú)法由人工來(lái)完

7、成。所以實(shí)際應(yīng)用迫切需要一種代替人類視覺的機(jī)器技術(shù)出現(xiàn)。計(jì)算機(jī)技術(shù)、機(jī)電工程應(yīng)用技術(shù)與數(shù)字圖像處理技術(shù)不斷完善和發(fā)展，將計(jì)算機(jī)的高速度、高精度、高可靠性、結(jié)果的可重復(fù)性與人類視覺的智能化抽象能力相結(jié)合起來(lái)。這種新技術(shù)的產(chǎn)生和應(yīng)用，極大地解放了人類勞動(dòng)力，提高了生產(chǎn)自動(dòng)化水平，改善了人類生活現(xiàn)狀，有著極為廣闊的應(yīng)用前景。二、所屬領(lǐng)域的研究狀況機(jī)器視覺在工業(yè)中的應(yīng)用主要包括視覺檢測(cè)和視覺控制機(jī)器人導(dǎo)航。視覺檢測(cè)包括對(duì)圖像或子圖像與預(yù)定義標(biāo)準(zhǔn)進(jìn)行比較，獲取被測(cè)對(duì)象的幾何特征參數(shù)、形位參數(shù)，在汽車、木材、織物、玻璃和金屬處理工業(yè)中的產(chǎn)品檢測(cè)等方面得到了廣泛的應(yīng)用。機(jī)器人導(dǎo)航包括道路規(guī)劃、避免碰撞、自適

8、應(yīng)位置控制和機(jī)器人相對(duì)于特定目標(biāo)在三維空間中精確定位等。目前，視覺檢測(cè)已經(jīng)成為工業(yè)機(jī)器視覺的基本應(yīng)用領(lǐng)域。國(guó)內(nèi)外機(jī)器視覺檢測(cè)的現(xiàn)狀國(guó)外機(jī)器視覺檢測(cè)自上個(gè)世紀(jì)八十年代初開始已經(jīng)得到了廣泛的研究。而國(guó)內(nèi)視覺檢測(cè)研究從上個(gè)世紀(jì)九十年代才開始得到重視。CHIN和HARLOW列舉了多種視覺應(yīng)用分類，包括印刷電路檢測(cè)、照相掩膜和集成電路檢測(cè)、金屬處理中的應(yīng)用和汽車工業(yè)以及織物檢測(cè)。從查到的文獻(xiàn)來(lái)看，現(xiàn)有的視覺檢測(cè)技術(shù)應(yīng)用可以分為三個(gè)基本類型：（a）自然和合成物體的尺寸檢測(cè)在這種分類中，典型的應(yīng)用包括：通用汽車研究實(shí)驗(yàn)室開發(fā)的用于汽車零件檢測(cè)的視覺原型系統(tǒng)；由Tsatsoulis描述的用于電力方向閥的16齒

9、齒輪部件的檢測(cè)；Gregory和Taylor描述的一種使用知識(shí)庫(kù)的方法來(lái)檢測(cè)汽車制動(dòng)零件；Schmidberger和Ahlers提出的一種不同的汽車檢測(cè)方法，即用一個(gè)裝配在機(jī)器人上的照相機(jī)來(lái)檢測(cè)大尺寸平面上的信息，照相機(jī)移動(dòng)到感興趣的區(qū)域點(diǎn)進(jìn)行圖像攝取，然后對(duì)圖像進(jìn)行增強(qiáng)處理和二值化處理，把描繪出的輪廓與參照輪廓進(jìn)行比較來(lái)檢測(cè)裂縫、折疊、孔洞丟失和其它缺陷。國(guó)內(nèi)天津大學(xué)研究和開發(fā)了汽車車身機(jī)器視覺檢測(cè)系統(tǒng)。Decker等學(xué)者描述的一個(gè)汽車工業(yè)中的自動(dòng)X射線檢測(cè)鋁鑄件系統(tǒng)。X射線系統(tǒng)也可以用于檢測(cè)金屬器件、火炮熔絲中的鉆孔、食物瓶中的玻璃碎片等；Hobson描述了發(fā)動(dòng)機(jī)中冷卻環(huán)的檢測(cè)系統(tǒng)，該系統(tǒng)

10、可以檢測(cè)兩個(gè)相鄰孔洞之間的厚度、冷卻環(huán)的分布和數(shù)量。Mills和Lim等人均報(bào)道過(guò)金屬組件尺寸測(cè)量系統(tǒng)。前者通過(guò)線掃描相機(jī)來(lái)獲取檢測(cè)圖像，分析處理后得到被檢圓柱零件的精確尺寸公差。后者研究的是三維曲面閥的尺寸測(cè)量系統(tǒng)。Clements設(shè)計(jì)了一個(gè)用于檢測(cè)刀具破損的CNC視覺系統(tǒng)，替代了以前的電子機(jī)械探測(cè)器。Lu和Chen等人研究金屬零件形位參數(shù)的視覺檢測(cè)方法。國(guó)內(nèi)在機(jī)械零件形位參數(shù)的視覺檢測(cè)方面也做了大量的研究和探索。Mitchell使用Fourier-Mellin相關(guān)運(yùn)算來(lái)辨別扳手和汽車?yán)鹊膱D像。Sternberg描述了一個(gè)檢測(cè)手表齒輪損壞或缺損的系統(tǒng)。Bremner描述了一個(gè)使用x-y驅(qū)動(dòng)

11、條鋼的尺寸檢測(cè)系統(tǒng)，在32mm的視區(qū)內(nèi)精度達(dá)到0.01mm。非機(jī)械零件產(chǎn)品的自動(dòng)視覺檢測(cè)也有很多典型的實(shí)例。如紡織工業(yè)中的表面紋理檢測(cè)；食品工業(yè)的水果分類、分級(jí)及缺陷檢測(cè)、糧食害蟲檢測(cè)；醫(yī)學(xué)工業(yè)的包裝檢測(cè)等。機(jī)器視覺在檢測(cè)控制設(shè)備和控制裝置如測(cè)量尺、定時(shí)器和鍵盤等方面也有大量的應(yīng)用。（b）自然和合成物體的表面檢測(cè)機(jī)器視覺檢測(cè)技術(shù)已經(jīng)廣泛應(yīng)用到金屬等材料的表面檢測(cè)，例如從連續(xù)鋼條到鑄件和成品的表面檢測(cè)。Manbir等人應(yīng)用一個(gè)統(tǒng)計(jì)分類方法來(lái)測(cè)量金屬表面的粗糙度；本文作者利用傅立葉變換中的系數(shù)對(duì)零件表面的粗糙度檢測(cè)進(jìn)行了研究。Newman等人使用基于曲面模型來(lái)對(duì)不同的零件表面進(jìn)行分類；視覺檢測(cè)也可

12、用于各類產(chǎn)品的裂縫檢測(cè)。除了金屬物體表面檢測(cè)之外，機(jī)器視覺檢測(cè)技術(shù)也可以用于其他材料的表面檢測(cè)。（c）電子線路和布局檢測(cè)印刷線路板的檢測(cè)是視覺應(yīng)用的一個(gè)重要領(lǐng)域，大約有20%視覺檢測(cè)應(yīng)用均為此類檢測(cè)應(yīng)用，包括缺陷檢測(cè)、裝配線上PCB板對(duì)準(zhǔn)等。 三、研究?jī)?nèi)容1 圖像預(yù)處理圖像預(yù)處理，即對(duì)圖像質(zhì)量進(jìn)行改善。在拍攝目標(biāo)的過(guò)程中不可避免地在目標(biāo)及其背景圖像上會(huì)出現(xiàn)粉塵顆粒，鏡頭斑點(diǎn)，以及圖像采集、量化、傳輸過(guò)程中產(chǎn)生的多余的點(diǎn)和線，稱為噪聲，主要表現(xiàn)為孤立群點(diǎn)和孤立線。這些噪聲的存在對(duì)定位計(jì)算有較大的影響。因此有必要對(duì)其進(jìn)行去除噪聲的預(yù)處理。在灰度連續(xù)變化的圖像中，如果出現(xiàn)了與相鄰像素的灰度相差很大的

13、點(diǎn)，比如說(shuō)一片暗區(qū)中突然出現(xiàn)了一個(gè)亮點(diǎn)，人眼能很容易覺察到。這種情況被認(rèn)為是一種噪聲?；叶韧蛔?cè)陬l域中代表了一種高頻分量，低通濾波器的作用就是濾掉高頻分量，從而達(dá)到減少圖像噪聲的目的。2 圖像增強(qiáng)有時(shí)為突出圖像輪廓，使圖像輪廓變得更清晰一些，需要對(duì)圖像進(jìn)行銳化(增強(qiáng))處理。對(duì)圖像實(shí)行微分運(yùn)算可實(shí)現(xiàn)銳化的目的。拉普拉斯算子就是一種常用的銳化模型，其具體描述如下所示:上述算子是用來(lái)針對(duì)連續(xù)函數(shù)的，它還有一個(gè)對(duì)應(yīng)的離散形式的公式可以適用于離散數(shù)字圖像，在這個(gè)公式中用差分運(yùn)算代替了微分運(yùn)算: 其相應(yīng)的加權(quán)矩陣為:這是一種高通空間濾波方法，可增強(qiáng)圖像的高頻成份。雖然高通空間濾波可增強(qiáng)圖像的高頻成份而不改

14、變圖像的低頻成份，但是相對(duì)于圖像中的高頻成份來(lái)說(shuō)，圖像的低頻成份還是被削弱了。由于圖像的邊緣和細(xì)節(jié)主要反映在圖像頻譜的高頻分量，因而對(duì)圖像進(jìn)行高通濾波就相應(yīng)的對(duì)圖像作了邊緣增強(qiáng)。3 圖像分割圖像分割就是把圖像分成各具特色的區(qū)域并提取出感興趣的目標(biāo)的技術(shù)和過(guò)程。這里特性可以是像素的灰度、顏色、紋理等等，預(yù)先定義的目標(biāo)可以對(duì)應(yīng)單個(gè)區(qū)域，也可以對(duì)應(yīng)多個(gè)區(qū)域。圖像分割的研究多年來(lái)一直受到人們的高度重視，至今己經(jīng)提出了上千種類型的分割算法，從算法角度來(lái)說(shuō)，可以分為由閾值分割，像素分割，深度分割由彩分割，基于模糊基法，基于區(qū)域生長(zhǎng)法。四、技術(shù)路線1.研究方法（1）查閱資料。到圖書館借閱與課題相關(guān)的書，熟悉

15、課題的研究意義及原理，為課題的研究打下一個(gè)良好的基礎(chǔ)。（2）用matlab軟件實(shí)現(xiàn)圖像處理，并對(duì)圖像處理算法進(jìn)行驗(yàn)證，最后對(duì)處理結(jié)果進(jìn)行評(píng)價(jià)。2.研究手段主要采用資料說(shuō)明、數(shù)據(jù)分析以及論證事實(shí)的方法來(lái)進(jìn)行研究。前期，通過(guò)各種渠道，如權(quán)威網(wǎng)站、學(xué)校圖書及前人的研究成果等，搜集相關(guān)資料；通過(guò)國(guó)家統(tǒng)計(jì)局網(wǎng)站掌握一些有用的數(shù)據(jù)；對(duì)一些事實(shí)來(lái)論證自己的觀點(diǎn)。3.研究步驟（1）確定研究課題，通過(guò)各種途徑，比如武漢科技學(xué)院圖書館中的中國(guó)期刊網(wǎng)、中國(guó)維普數(shù)據(jù)庫(kù)、期刊雜志以及網(wǎng)上最新信息收集資料。（2）認(rèn)真閱讀資料，分清主次，對(duì)資料進(jìn)行篩選、整理和分類。（3）構(gòu)建論文框架，按指導(dǎo)老師的要求完成開題報(bào)告并修改。（

16、4）對(duì)機(jī)器視覺的在線檢測(cè)系統(tǒng)進(jìn)行研究。（5）對(duì)相機(jī)的標(biāo)定進(jìn)行研究。（6）對(duì)圖象的獲取與傳輸進(jìn)行研究。（7）對(duì)圖象處理與目標(biāo)檢測(cè)進(jìn)行研究。（8）完成論文初稿，按論文格式要求修改論文，直至定稿。五、參考文獻(xiàn)1 賈云得.機(jī)器視覺M.北京科學(xué)出版社2000.2 張廣軍.機(jī)器視覺M.北京科學(xué)出版社2005.3 張毓晉.圖像處理M.清華大學(xué)出版社20034 蘇光大.圖像并行處理技術(shù)M.清華大學(xué)出版社，20025 Sonka Milan, Hlavac Vaclav, Boyle Roger.圖像處理分析與機(jī)器視覺M.艾海舟，武勃，譯.第2版.人民郵電出版社，2003.6 朱以松 ,李京隆 ,章舟. 消失模

17、鑄造磨球的生產(chǎn)實(shí)踐 J.鑄造技術(shù),2002.7 夏奇，周明才，汪宏昇，等.高精度自動(dòng)貼片機(jī)視覺對(duì)準(zhǔn)系統(tǒng)及其圖像處理J.光學(xué)技術(shù)，2004.8 Brownrigg S D.The weighted median filter.JCommunications of the ACM.1984.9 S一J Ko，LeeYH.Center Weighted Median Filter and their Application to Image Enhancement. IEEE Transaction circle System，1991.10 Sun T，Neuvo Y.Detail一Preserv

18、ing median based filters in image Processing. Pattern Recognit Lett，1994. 11 程宏煌,戴衛(wèi)恒,姚甄甄.圖像分割方法綜述J.電信快報(bào)2000.12 韓思奇,王蕾.圖像分割的閾值法綜述J.系統(tǒng)工程與電子技術(shù),2002.13 李鑒慶,左坤隆.圖像閾值選取的一種快速算法 ,計(jì)算機(jī)與現(xiàn)代化J . 2001.14 鄭宏,潘勵(lì). 基于遺傳算法的圖像閾值的自動(dòng)選取 J .中國(guó)圖像圖形學(xué)報(bào) ,1999 ,.15 孫慧，周紅霞.圖像處理中邊緣檢測(cè)技術(shù)的研究J.電腦開發(fā)與應(yīng)用，2002.16 曹菲，楊小剛.一種常用的邊緣檢測(cè)方法及其實(shí)現(xiàn)J.

19、計(jì)算機(jī)工程，2007.17 楊淑瑩，胡軍，曹作良.基于圖像紋理分析的目標(biāo)物體識(shí)別方法J.天津理工學(xué)院學(xué)報(bào)，2007.18 趙榮椿.數(shù)字圖像處理導(dǎo)論M.西北工業(yè)大學(xué)出版社,2000.19 胡學(xué)龍.數(shù)字圖像處理M.電子工業(yè)出版社,2006.20 RafaelC.Gonzalez, Rchard E.Woods著，阮秋琦，阮宇智等譯.數(shù)字圖像處理(第二版)M.電子工業(yè)出版社，2004.21 劉禾.數(shù)字圖像處理及應(yīng)用M.中國(guó)電力出版社,2006.22 M.Sonka, V.Hlavac and R.Boyle. Image ProcessingM.Analysis and Machine Vision

20、,London,1993.23 張宏.數(shù)字圖像處理與分析M.機(jī)械工業(yè)學(xué)出版社,2007.24 劉榴娣.實(shí)用數(shù)字圖像處理M.北京理工大學(xué)出版社,2003.25 D.Mintz. Robust consensus based edge detectionJ.Computer Graphics Image Process,1977.指導(dǎo)教師評(píng)語(yǔ)：指導(dǎo)教師簽名： 年 月 日摘 要機(jī)器視覺技術(shù)作為近年來(lái)發(fā)展和完善起來(lái)的現(xiàn)代科學(xué)技術(shù)，在各個(gè)工程技術(shù)領(lǐng)域不斷獲得日益廣泛的應(yīng)用。機(jī)器視覺包括了信息探測(cè)、采集系統(tǒng)、圖像處理、顯示及智能決策等模塊。信息的探測(cè)和采集是通過(guò)攝像頭來(lái)獲取，經(jīng)過(guò)圖像的處理，轉(zhuǎn)換成數(shù)字信號(hào)

21、，計(jì)算機(jī)對(duì)信號(hào)進(jìn)行運(yùn)算，判斷結(jié)果來(lái)控制設(shè)備運(yùn)作。圖像處理被認(rèn)為是機(jī)器視覺的核心，當(dāng)前機(jī)器視覺在各種導(dǎo)航系統(tǒng)中的應(yīng)用日漸成熟，這種技術(shù)正是建立在圖像處理成熟理論和算法基礎(chǔ)之上。圖像處理具有精度高、速度快等特點(diǎn)。在圖像中保存有關(guān)于物體的各種信息，除了包括圖像中物體的邊緣信息外還有圖像中物體的各種噪聲，這兩者都表現(xiàn)為圖像中的高頻部分，但前者是我們需要的，后者是需要被濾除的，所以為了準(zhǔn)確提取出圖像中物體的輪廓，還必須要進(jìn)行諸如濾除噪聲，增強(qiáng)邊緣效應(yīng)的圖像處理工作，為后續(xù)的處理打下好的基礎(chǔ)。然后在得到了這個(gè)類二色圖像后，我們就可以采用其它手段(如邊緣檢測(cè)、閾值分割等方法)從中提取出比較準(zhǔn)確清晰的物體輪廓

22、;最后利用圖形矢量化的有關(guān)原理和方法來(lái)得到圖像中關(guān)于物體輪廓的各個(gè)關(guān)鍵點(diǎn)，順次連接這些關(guān)鍵點(diǎn)就可以重現(xiàn)這個(gè)圖像中物體的輪廓。本篇論文從一個(gè)實(shí)際應(yīng)用出發(fā)，討論了這樣一個(gè)完整的系統(tǒng)，并給出了在實(shí)現(xiàn)中所碰到的幾個(gè)問(wèn)題的解決算法，并在Matlab環(huán)境下編輯并實(shí)現(xiàn)了一些程序。關(guān)鍵詞：數(shù)字圖像處理； Matlab； 圖像濾波； 機(jī)器視覺； 邊緣提取ABSTRACTAs a modem scientific technology fast developed wildly applied in recent years, It has been applied more and more widely in

23、 different engineering field.Machine vision modules of information detection, image acquisition, image processing, display system and intelligent decision. Information collected through the detection and access to camera. After image processing, the information was transferred to digital signal. By

24、computing, the computer can judge the result s to control the device operation. Image processing is viewed as the core of machine vision, machine vision wildly applied in many branches of science and technology recently is based on the ripe theory and algorithms of image processing.Image processing

25、has the characteristics of high precision, fast speed and etc. Due to the border of object in image has a sharp contrast with ambient colors and the noise has the same earmark，we must get rid of noise but amplify the borders earmark，and the DIP has to be involved. Then we get a image in which the fo

26、reground color and background color have strong difference. It can be named as two-color image. Then，we should extract the sketch from the two-color image. In this stage，we must make full use of the difference colors to extract the sketch of object in the image. For the border of sketch is comprise

27、of pixels，wed better linearism it so that the tools can trace effectively and correctly. At last，we use the 1ines of border to give the directives which indicate tools how and where to move. And some of digital image program was developed and programming under Matlab environment.Key words：digital im

28、age processing; Matlab; image filtering; machine vision; border-extract目 錄1 機(jī)器視覺與圖像處理簡(jiǎn)述11.1 機(jī)器視覺系統(tǒng)11.1.1 機(jī)器視覺的發(fā)展11.1.2 機(jī)器視覺系統(tǒng)的概念21.1.3 機(jī)器視覺的應(yīng)用21.1.4 機(jī)器視覺的基本結(jié)構(gòu)31.1.5 機(jī)器視覺的研究?jī)?nèi)容41.2 機(jī)器視覺中的圖像處理41.2.1 圖像處理簡(jiǎn)述51.2.2 圖像處理的系統(tǒng)構(gòu)成51.2.3 圖像處理發(fā)展和應(yīng)用72 圖像預(yù)處理82.1 圖像增強(qiáng)方法82.2 圖像銳化122.2.1 拉普拉斯銳化122.2.2 模糊運(yùn)算增強(qiáng)132.2.3 邊緣

29、增強(qiáng)152.3 圖像濾波172.3.1 領(lǐng)域平均法182.3.2 低通濾波182.3.3 中值濾波202.3.4 迭代中值濾波232.3.5 圖像濾波的現(xiàn)狀263 圖像分割273.1 閾值分割273.1.1 直方圖283.1.2 自適應(yīng)閾值法293.1.3 最大類間方差法293.2 圖像二值化313.2.1 二值腐蝕和膨脹323.2.2 二值開運(yùn)算323.2.3 二值閉運(yùn)算333.3 區(qū)域生長(zhǎng)方法354 圖像特征區(qū)域的邊緣檢測(cè)364.1 特征提取364.1.1 邊緣檢測(cè)364.1.2 能量最優(yōu)邊緣曲線405 總結(jié)43參考資料44外文資料46中文翻譯48致謝49 武漢科技學(xué)院2009屆畢業(yè)設(shè)計(jì)計(jì)

30、論文 1 機(jī)器視覺系統(tǒng)與圖像處理簡(jiǎn)述1.1機(jī)器視覺系統(tǒng)機(jī)器視覺是一個(gè)相當(dāng)新且發(fā)展十分迅速的研究領(lǐng)域，目前已成為計(jì)算機(jī)科學(xué)的重要研究領(lǐng)域之一。近年來(lái)在機(jī)器視覺技術(shù)基礎(chǔ)上的各項(xiàng)研究及應(yīng)用不斷的發(fā)展，針對(duì)不同用情況的特點(diǎn)，形成了不同的基于機(jī)器視覺技術(shù)的應(yīng)用系統(tǒng)。從上世紀(jì)80年代至今，全球性的機(jī)器視覺研究熱潮經(jīng)久不衰。機(jī)器視覺得到了蓬勃發(fā)展。新概念、新理論、新方法不斷涌現(xiàn)，在各個(gè)方面得到了廣泛的應(yīng)用。從工業(yè)檢測(cè)到文件處理，從醫(yī)學(xué)圖像到遙感圖像，從毫微米技術(shù)到多媒體數(shù)據(jù)庫(kù)，不勝枚舉。可以說(shuō)，需要人類視覺的場(chǎng)合幾乎都需要機(jī)器視覺。而許多人類視覺無(wú)法感知的場(chǎng)合，如精確定量感知、危險(xiǎn)場(chǎng)景感知、不可見物體感知等

31、，機(jī)器視覺更具優(yōu)勢(shì)。機(jī)器視覺的發(fā)展不僅將大大推動(dòng)智能系統(tǒng)的發(fā)展，也將拓寬計(jì)算機(jī)與各種智能機(jī)器的研究范圍和應(yīng)用領(lǐng)域。機(jī)器視覺技術(shù)用在檢測(cè)方面正在引起檢測(cè)的一次革命。 用機(jī)器視覺代替人眼進(jìn)行瞄準(zhǔn)和讀數(shù)，可以在絕大多數(shù)的場(chǎng)合代替光學(xué)儀器進(jìn)行檢測(cè)，從而減少人為誤差，降低勞動(dòng)強(qiáng)度，提高檢測(cè)精度及自動(dòng)化程度。1.1.1 機(jī)器視覺的發(fā)展機(jī)器視覺從20世紀(jì)50年代從統(tǒng)計(jì)模式識(shí)別開始的，當(dāng)時(shí)的工作主要集中在二維圖像分析和識(shí)別上，如光學(xué)字符識(shí)別、工件表面、顯微圖片和航空?qǐng)D片的分析以及解釋等。對(duì)于機(jī)器視覺的全球性的研究熱潮從20世紀(jì)80年代開始的，到了80年代中期，機(jī)器視覺獲得了蓬勃的發(fā)展，新概念、新方法、新理論不

32、斷涌現(xiàn)。例如，基于感知特征群的物體識(shí)別理論框架、主動(dòng)視覺理論框架、視覺集成理論框架等。1目前全球整個(gè)視覺市場(chǎng)總量大概在70、80億美元，是按照每年8.8%的增長(zhǎng)速度增長(zhǎng)的。在國(guó)外，機(jī)器視覺的應(yīng)用普及主要體現(xiàn)在半導(dǎo)體及電子行業(yè)，其中大概40%左右都集中在半導(dǎo)體行業(yè)。具體如PCB印刷電路:電子生產(chǎn)加工設(shè)備:電子元件制造設(shè)備、半導(dǎo)體及集成電路制造設(shè)備、元器件成型設(shè)備、電子模具。機(jī)器視覺系統(tǒng)還在質(zhì)量檢測(cè)的各個(gè)方面已經(jīng)得到了廣泛的應(yīng)用，并且其產(chǎn)品在應(yīng)用中占據(jù)著舉足輕重的地位。除此之外，機(jī)器視覺還用于其他各個(gè)領(lǐng)域。在中國(guó)，以上行業(yè)本身就屬于新興的領(lǐng)域，再加之機(jī)器視覺產(chǎn)品技術(shù)的普及不夠，導(dǎo)致以上各行業(yè)的應(yīng)用

33、幾乎空白，即便是有，也只是低端方面的應(yīng)用。目前在我國(guó)隨著配套基礎(chǔ)建設(shè)的完善，技術(shù)、資金的積累，各行各業(yè)對(duì)采用圖像和機(jī)器視覺技術(shù)的工業(yè)自動(dòng)化、智能化需求開始廣泛出現(xiàn)，國(guó)內(nèi)有關(guān)大專院校、研究所和企業(yè)近兩年在圖像和機(jī)器視覺技術(shù)領(lǐng)域進(jìn)行了積極思索和大膽的嘗試，逐步開始了工業(yè)現(xiàn)場(chǎng)的應(yīng)用。機(jī)器視覺發(fā)展主要表現(xiàn)為以下一些特性:1、隨著產(chǎn)業(yè)化的發(fā)展對(duì)機(jī)器視覺的需求將呈上升趨勢(shì)。2、統(tǒng)一開放的標(biāo)準(zhǔn)是機(jī)器視覺發(fā)展的原動(dòng)力。3、基于嵌入式的產(chǎn)品將取代板卡式產(chǎn)品。從產(chǎn)品本身看，機(jī)器視覺會(huì)越來(lái)越趨于依靠PC技術(shù)，并且與數(shù)據(jù)采集等其他控制和測(cè)量的集成會(huì)更緊密。且基于嵌入式的產(chǎn)品將逐漸取代板卡式產(chǎn)品，這是一個(gè)不斷增長(zhǎng)的趨勢(shì)

34、。主要原因是隨著計(jì)算機(jī)技術(shù)和微電子技術(shù)的迅速發(fā)展，嵌入式系統(tǒng)應(yīng)用領(lǐng)域越來(lái)越廣泛，尤其是其具備低功耗技術(shù)的特點(diǎn)得到人們的重視。1.1.2 機(jī)器視覺系統(tǒng)的概念人類獲知外部信息的80 %來(lái)源于視覺，這不但說(shuō)明了視覺信息量的巨大，而且說(shuō)明人類能夠高效地利用視覺信息。機(jī)器視覺（Machine Vision)就是用機(jī)器代替人眼來(lái)做測(cè)量和判斷。機(jī)器視覺系統(tǒng)是指通過(guò)機(jī)器視覺產(chǎn)品將被攝取目標(biāo)轉(zhuǎn)換成圖像信號(hào) ,傳送給專用的圖像處理系統(tǒng) ,系統(tǒng)根據(jù)像素分布和亮度、 顏色等信息 ,轉(zhuǎn)變成數(shù)字化信號(hào);圖像系統(tǒng)對(duì)這些信號(hào)進(jìn)行各種運(yùn)算來(lái)抽取目標(biāo)的特征 ,進(jìn)而根據(jù)判別的結(jié)果來(lái)控制現(xiàn)場(chǎng)的設(shè)備運(yùn)作2 簡(jiǎn)單的說(shuō)，機(jī)器視覺就是使機(jī)器

35、具備“看”的功能，使機(jī)器認(rèn)識(shí)和看懂所要看的東西，能確定它所見范圍內(nèi)目標(biāo)的位置，即用攝像機(jī)和計(jì)算機(jī)等機(jī)器代替人眼對(duì)目標(biāo)進(jìn)行測(cè)量、跟蹤和識(shí)別，并加以判斷。它以視覺處理理論為中心，屬于人工智能范疇的一個(gè)新領(lǐng)域，是圖像處理、模式識(shí)別、計(jì)算機(jī)技術(shù)和生理心理學(xué)為基礎(chǔ)的信息處理科學(xué)中的一個(gè)重要分支， 與人工視覺相比較，機(jī)器視覺的最大優(yōu)點(diǎn)是穩(wěn)定、精確、快速、可靠。而與計(jì)算機(jī)視覺相比，它又更注重實(shí)用性和實(shí)時(shí)性。1.1.3 機(jī)器視覺的應(yīng)用機(jī)器視覺技術(shù)正廣泛地應(yīng)用于各個(gè)方面，從醫(yī)學(xué)影像到遙感圖像，從工業(yè)檢測(cè)到文件處理，從毫微米技術(shù)到多媒體數(shù)據(jù)庫(kù)，不一而足?？梢哉f(shuō)需要人類視覺的場(chǎng)合幾乎都需要機(jī)器視覺。機(jī)器視覺不會(huì)有人

36、眼的疲勞，有著比人眼更高的分辨精度和速度，借助紅外線、紫外線、X射線、超聲波等高新探測(cè)技術(shù)，它在探測(cè)不可視物體和高危險(xiǎn)場(chǎng)景時(shí)，更具有其突出優(yōu)點(diǎn)。由于機(jī)器視覺系統(tǒng)可以快速獲取大量信息，而且易于自動(dòng)處理，也易于同設(shè)計(jì)信息以及加工控制信息集成，因此，在現(xiàn)代自動(dòng)化生產(chǎn)過(guò)程中，人們將機(jī)器視覺系統(tǒng)廣泛地用于工況監(jiān)視、成品檢驗(yàn)和質(zhì)量控制等領(lǐng)域，比如，汽車零件的外觀，藥品包裝的正誤，CI字符印刷的質(zhì)量，電路板焊接的好壞，等等。機(jī)器視覺系統(tǒng)的特點(diǎn)是提高生產(chǎn)的柔性和自動(dòng)化程度。在一些不適合于人工作業(yè)的危險(xiǎn)工作環(huán)境或人工視覺難以滿足要求的場(chǎng)合，常用機(jī)器視覺來(lái)替代人工視覺;同時(shí)在大批量工業(yè)生產(chǎn)過(guò)程中，用人工視覺檢查產(chǎn)

37、品質(zhì)量效率低且精度不高，用機(jī)器視覺檢測(cè)方法可以大大提高生產(chǎn)效率和生產(chǎn)的自動(dòng)化程度。視覺的最大優(yōu)點(diǎn)是與被觀測(cè)的對(duì)象無(wú)接觸，因此對(duì)觀測(cè)與被觀測(cè)者都不會(huì)產(chǎn)生任何損傷，十分安全可靠。它具有檢測(cè)速度快、對(duì)定位要求低、易于實(shí)現(xiàn)在線檢測(cè)等一系列優(yōu)點(diǎn)由于機(jī)器視覺系統(tǒng)可以快速獲取大量信息，而且易于自動(dòng)處理，也易于同設(shè)計(jì)信息以及加工控制信息集成，因此， 在現(xiàn)代自動(dòng)化生產(chǎn)過(guò)程中，機(jī)器視覺系統(tǒng)廣泛地用于工況監(jiān)視、 成品檢驗(yàn)和質(zhì)量控制等領(lǐng)域。 在一些不適合于人工作業(yè)的危險(xiǎn)工作環(huán)境或人工視覺難以滿足要求的場(chǎng)合，常用機(jī)器視覺來(lái)替代人工視覺; 同時(shí)在大批量工業(yè)生產(chǎn)過(guò)程中，人工檢查產(chǎn)品質(zhì)量效率低且精度不高，用機(jī)器視覺檢測(cè)方法可

38、以大大提高生產(chǎn)效率和生產(chǎn)的自 動(dòng)化程度。 而且機(jī)器視覺易于實(shí)現(xiàn)信息集成，是實(shí)現(xiàn)計(jì)算機(jī)集成制造的基礎(chǔ)技術(shù)。機(jī)器視覺技術(shù)的誕生和應(yīng)用，極大地解放了人類勞動(dòng)力，提高了生產(chǎn)自動(dòng)化水平，改善了人類生活現(xiàn)狀，有著極為廣闊的應(yīng)用前景。近年來(lái)，圖像處理技術(shù)迅速發(fā)展，在圖像通訊、辦公自動(dòng)化系統(tǒng)、地理信息系統(tǒng)、醫(yī)療設(shè)備、衛(wèi)星照片傳輸及分析和工業(yè)自動(dòng)化領(lǐng)域的應(yīng)用越來(lái)越多。但就國(guó)內(nèi)的情況而言，應(yīng)用還不是非常普遍，且多集中于圖像的定性處理的應(yīng)用;國(guó)外的情況稍好，但應(yīng)用也不是非常普遍，對(duì)于利用圖像來(lái)進(jìn)行工業(yè)測(cè)量，也是近幾年才發(fā)展起來(lái)的。在工業(yè)自動(dòng)化方面，從衛(wèi)星云圖到數(shù)字地圖，道路口自動(dòng)管理系統(tǒng)等都要用到圖像處理，其市場(chǎng)非

39、常大。但國(guó)內(nèi)目前從事圖像壓縮的研究比較多，圖像測(cè)量的研究卻少之甚少。1.1.4 機(jī)器視覺的基本結(jié)構(gòu)一個(gè)典型的機(jī)器視覺應(yīng)用系統(tǒng)包括光源、光學(xué)系統(tǒng)、圖像捕捉系統(tǒng)、圖像數(shù)字化模塊、數(shù)字圖像處理模塊、智能判斷決策模塊和機(jī)械控制執(zhí)行模塊，如圖1.1所示。圖像采集圖像處理判決與控制特征提取圖1-1機(jī)器視覺系統(tǒng)的構(gòu)成圖像采集：光學(xué)系統(tǒng)采集圖像，圖像轉(zhuǎn)換成數(shù)字格式并傳入計(jì)算機(jī)存儲(chǔ)器；圖像處理：處理器運(yùn)用不同的算法來(lái)提高對(duì)結(jié)論有影響的圖像要素；特性提?。禾幚碜R(shí)別并量化圖像的關(guān)鍵特性判決控制：處理器的控制程序根據(jù)收到的數(shù)據(jù)作出結(jié)論一般理論上機(jī)器視覺系統(tǒng)主要由三部分組成:圖像的獲取、圖像的處理和分析、輸出或顯示。機(jī)

40、器視覺系統(tǒng)一般采用CCD照相機(jī)攝取檢測(cè)圖像并轉(zhuǎn)化為數(shù)字信號(hào)，再采用先進(jìn)的計(jì)算機(jī)硬件與軟件技術(shù)對(duì)圖像數(shù)字信號(hào)進(jìn)行處理，從而得到所需要的各種目標(biāo)圖像特征值，并由此實(shí)現(xiàn)模式識(shí)別，坐標(biāo)計(jì)算，灰度分布圖等多種功能。然后再根據(jù)其結(jié)果顯示圖像，輸出資料，發(fā)出指令，配合執(zhí)行機(jī)構(gòu)完成位置調(diào)整，好壞篩選，資料統(tǒng)計(jì)等自動(dòng)化流程。1.1.5 機(jī)器視覺的研究?jī)?nèi)容機(jī)器視覺研究可分為如下五大研究?jī)?nèi)容:(l)輸入設(shè)備輸入設(shè)備 (input device)包括成像設(shè)備和數(shù)字化設(shè)備。成像設(shè)備是指通過(guò)光學(xué)攝像機(jī)或紅外、激光、超聲、X射線對(duì)周圍場(chǎng)景或物體進(jìn)行探測(cè)成像，得到關(guān)于場(chǎng)景或物體的二維、三維數(shù)字化圖像。目前應(yīng)用于視覺研究的大多

41、數(shù)輸入設(shè)備是商品化的產(chǎn)品，如，CCD黑白或彩色攝像機(jī)、數(shù)字掃描儀、超聲成像探測(cè)儀、CT成像設(shè)備等。(2)底層視覺底層視覺(1ow level)主要是對(duì)輸入的原始圖像進(jìn)行處理，這一過(guò)程借用了大量圖像處理技術(shù)和算法，如圖像濾波、圖像增強(qiáng)、邊緣檢測(cè)等，以便從圖像中抽取諸如角點(diǎn)、邊緣、線條以及色彩等關(guān)于場(chǎng)景的基本特征。(3)中層視覺中層視覺(middle level)的主要任務(wù)是恢復(fù)場(chǎng)景的深度、表面法線方向、輪廓等有關(guān)場(chǎng)景的2.5維信息，實(shí)現(xiàn)的途徑有立體視覺(stereo vision)、測(cè)距成像(range finder)、運(yùn)動(dòng)估計(jì)(motion estimation)、明暗特征、紋理特征等。(4)

42、高層視覺高層視覺(high level)的任務(wù)是在以物體為中心的坐標(biāo)系中，在輸入原始圖像、圖像基本特征、2.5維圖的基礎(chǔ)上，恢復(fù)物體的完整三維圖，建立物體的三維描述，識(shí)別三維物體并確定物體的位置和方向。(5)體系結(jié)構(gòu)體系結(jié)構(gòu)(system architecture)這一術(shù)語(yǔ)最通常的含義是指在高層抽象的層次上，根據(jù)系統(tǒng)模型，而不是根據(jù)實(shí)際設(shè)計(jì)的具體例子來(lái)研究系統(tǒng)的結(jié)構(gòu)體系。結(jié)構(gòu)研究涉及一系列相關(guān)的課題:并行結(jié)構(gòu)、分層結(jié)構(gòu)、信息流結(jié)構(gòu)、拓?fù)浣Y(jié)構(gòu)以及從設(shè)計(jì)到實(shí)現(xiàn)的途徑。1.2 機(jī)器視覺中的圖像處理如上所述機(jī)器視覺主要由圖像的獲取、圖像的處理和分析、輸出或顯示組成。其中的圖像處理和分析是機(jī)器視覺的核心

43、部分，也是本文的重點(diǎn)討論部分。圖像處理可看做一大類圖像技術(shù)，著重強(qiáng)調(diào)在圖像之間進(jìn)行的變換。雖然恩們常用圖像處理泛指各種圖像技術(shù)，但比較狹義的圖像處理技術(shù)的主要目標(biāo)是要對(duì)圖像進(jìn)行各種加工以改善圖像的視覺效果并為其后的目標(biāo)自動(dòng)識(shí)別打基礎(chǔ)，或?qū)D像進(jìn)行壓縮編碼以減少圖像儲(chǔ)存所需要的空間或圖像傳輸所需要的時(shí)間。1.2.1 圖像處理簡(jiǎn)述所謂圖像處理(Image Processing)就是采用一系列特定操作對(duì)圖像信息進(jìn)行加工處理，以滿足人的視覺、心理或?qū)嶋H應(yīng)用的要求。對(duì)機(jī)器視覺系統(tǒng)來(lái)說(shuō)，圖像處理方法并不關(guān)心圖像降質(zhì)的問(wèn)題，只將圖像中感興趣的特征有選擇地突出，衰減其不需要的特征 5。圖像處理的目的可以抽象為

44、提取目標(biāo)物的特征增強(qiáng)；在完成對(duì)目標(biāo)物增強(qiáng)的同時(shí)，抑制非目標(biāo)物。一般采用擴(kuò)大目標(biāo)物與背景特征差異的方法來(lái)實(shí)現(xiàn)。圖像增強(qiáng)方法的有效性，可以從目標(biāo)與非目標(biāo)兩個(gè)模式聚類特征是否明確可分來(lái)評(píng)價(jià)。許多問(wèn)題的求解，常常不是一種算法就能解決的，需依次使用多種不同的算法，這些算法具有順序性，上一步的結(jié)果會(huì)直接影像到下一步的處理。圖像處理中根據(jù)所涉及的數(shù)據(jù)的性質(zhì)可將視覺檢測(cè)中的圖像處理分為數(shù)據(jù)層、信息層和知識(shí)層4。對(duì)一副圖像進(jìn)行處理，首先是經(jīng)過(guò)原始數(shù)據(jù)處理，這種處理屬于底層處理，也叫低級(jí)處理。經(jīng)過(guò)底層處理后，下一個(gè)處理層是信息處理，提取所需的信息并對(duì)該信息進(jìn)行處理，如提取物體的邊界以計(jì)算面積、周長(zhǎng)等等也叫中級(jí)處理

45、。知識(shí)層處理則是更高一層的處理，如基于知識(shí)的圖像查詢、文字識(shí)別、指紋識(shí)別等等，也叫高級(jí)處理。1.2.2 圖像處理系統(tǒng)構(gòu)成一個(gè)基本的圖像處理的系統(tǒng)可由圖1.2.1表示。圖中個(gè)模塊都有特定的功能，分別是采集、合成、處理、顯示、打印、通信和存儲(chǔ)。其中采集和合成構(gòu)成了系統(tǒng)的輸入，而系統(tǒng)的輸出包括顯示和打印。需要指出，并不是每一個(gè)實(shí)際的圖像處理系統(tǒng)都包括這些模塊。另一方面，對(duì)一些特殊的圖像處理系統(tǒng)，還可能包括其他模塊。3采集合成輸入打印顯示輸出存儲(chǔ)處理通信圖1-2 圖像處理系統(tǒng)的構(gòu)成示意圖圖像處理系統(tǒng)的結(jié)構(gòu)受多方面因素的影響，特別CPU、計(jì)算機(jī)總線、操作系統(tǒng)、網(wǎng)絡(luò)數(shù)據(jù)庫(kù)和集成電路水平的影響。80年代開始

46、出現(xiàn)以圖像幀存為中心的圖像處理結(jié)構(gòu)，如圖1.2.2，隨著新型PCI總線的問(wèn)世，90年代出現(xiàn)了以計(jì)算機(jī)內(nèi)存為中心的圖像處理系統(tǒng)，為了提高速度，又增加一些硬件處理4 ，如圖1.2.3。硬件處理的功能包括卷積、分割和灰度。攝像機(jī)圖像顯示硬件處理圖像數(shù)字化圖像幀存計(jì)算機(jī)接口計(jì)算機(jī)圖1-3以 圖像幀存為中心的圖像處理結(jié)構(gòu)顯存攝像機(jī)圖像數(shù)字化幀存硬件處理計(jì)算機(jī)接口內(nèi)存圖1-4 以計(jì)算機(jī)內(nèi)存為中心的圖像處理系統(tǒng)1.2.3 圖像處理的發(fā)展和應(yīng)用低價(jià)位微處理技術(shù)支持的并行處理技術(shù)、低成本的圖像傳感器以及低成本的新的存儲(chǔ)技術(shù)的發(fā)展進(jìn)一步推動(dòng)了數(shù)字圖像處理技術(shù)的發(fā)展，圖像處理無(wú)論在算法上還是體系結(jié)構(gòu)上都有了很大的發(fā)

47、展，數(shù)字信號(hào)處理器以及大規(guī)模超大規(guī)?？删幊唐骷趫D像處理上有廣泛的應(yīng)用到上世紀(jì)六七十年代為止，以Fourier分析為代表的線性處理方法占據(jù)了幾乎整個(gè)數(shù)字圖像處理領(lǐng)域。在此期間，借助于隨機(jī)過(guò)程理論，人們建立了圖像模型，通過(guò)概率論以及在此基礎(chǔ)上建立的信息論建立了圖像編碼的框架；線性濾波（維納濾波、卡爾曼濾波）方法為低層圖像處理提供了有力的理論支持；而FFT則被廣泛使用在圖像處理的幾乎所有分支中。這些數(shù)學(xué)工具極大地促進(jìn)了圖像處理的發(fā)展和應(yīng)用。自上世紀(jì)八十年代開始，非線性科學(xué)開始逐漸滲透到圖像處理方法之中，許多新穎的數(shù)學(xué)工具被引入到圖像處理領(lǐng)域，使相關(guān)的理論變得多元化。尤其以小波和多尺度分析為代表的信

48、息處理方法，繼承和發(fā)展了Fourier分析，將函數(shù)論和逼近論的最新成果應(yīng)用在工程應(yīng)用中，建立起了完整的系統(tǒng)框架，在圖像編碼、圖像分割、紋理識(shí)別、圖像濾波、邊緣檢測(cè)、特征提取和分析等方面的應(yīng)用中，已經(jīng)取得了非凡的成果。目前，小波分析方法業(yè)已成為信號(hào)處理的基礎(chǔ)理論之一。同時(shí)，其他非線性的數(shù)學(xué)工具的應(yīng)用也取得豐碩的成果：如分形在圖像編碼和紋理識(shí)別中的應(yīng)用，李群在動(dòng)態(tài)圖像彈性形變識(shí)別中的應(yīng)用，多尺度分析在圖像檢索和識(shí)別中的應(yīng)用，非線性規(guī)劃在矢量量化和圖像編碼中的應(yīng)用等等。另外，圖像確定性模型（BV 模型）的建立、模糊數(shù)學(xué)對(duì)圖像質(zhì)量的評(píng)價(jià)體系、Meaningful理論對(duì)圖像距離的研究是對(duì)圖像本質(zhì)的進(jìn)一步

49、刻劃，使計(jì)算機(jī)可以更貼切地描述人類的視覺系統(tǒng)。特別的，基于非線性發(fā)展（偏微分）方程的圖像處理方法成為近年來(lái)圖像研究的一個(gè)熱點(diǎn)。它從分析圖像去噪的機(jī)理入手，結(jié)合數(shù)學(xué)形態(tài)學(xué)微分幾何、射影幾何等數(shù)學(xué)工具，建立了濾波和偏微分方程相關(guān)的公理體系。另外，它在圖像重構(gòu)、圖像分割、圖像識(shí)別、遙感圖像處理、圖像分析、邊緣檢測(cè)、圖像插值、醫(yī)學(xué)圖像處理、動(dòng)態(tài)圖像修補(bǔ)、立體視覺深度檢測(cè)、運(yùn)動(dòng)分析等方面得到了一定的應(yīng)用。在研究過(guò)程中，人們介紹了一些概念，如active coutour(snake)，level set(level line)等，把數(shù)學(xué)和圖像有機(jī)地聯(lián)系起來(lái)。另一方面，圖像處理的實(shí)際需求和工程背景也刺激了一

50、些數(shù)學(xué)分支的發(fā)展，如小波理論的研究動(dòng)力來(lái)源于信號(hào)處理中對(duì)于時(shí)頻局部化分析的需求，而且在理論體系建立起來(lái)之前已經(jīng)有了廣泛的應(yīng)用；偏微分方程的粘性解概念的提出也是因?yàn)樵趫D像處理的應(yīng)用中應(yīng)用條件不滿足各種微分學(xué)中的假設(shè)；對(duì)于投影幾何的研究也由于圖像Moisaic的需求變得細(xì)致。進(jìn)入本世紀(jì)以后，隨著計(jì)算機(jī)的和Internet網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，圖像處理的發(fā)展也進(jìn)入了一個(gè)新的飛躍階段。圖像是人類獲取和交換信息的主要來(lái)源，因此，圖像處理的應(yīng)用領(lǐng)域必然涉及到人類生活和工作的方方面面。隨著人類活動(dòng)范圍的不斷擴(kuò)大，圖像處理的應(yīng)用領(lǐng)域也將隨之不斷擴(kuò)大。2 圖像預(yù)處理圖像處理的第一步就是圖像預(yù)處理6，即對(duì)圖像處理質(zhì)

51、量進(jìn)行改善。由光學(xué)成像系統(tǒng)得到的二維圖像，包含了各種各樣的隨機(jī)噪聲和畸變，在進(jìn)行圖像分析之前，要去掉這樣的噪聲和畸變，把圖像具有的信息變得容易觀看，或把圖像變換成某種標(biāo)準(zhǔn)的形式，使特征提取和識(shí)別易于進(jìn)行，這是圖像處理的首要目的之一。因此，需要對(duì)原始圖像進(jìn)行預(yù)處理，突出有用信息、抑制無(wú)用信息，從而恢復(fù)圖像的質(zhì)量，常用的預(yù)處理包括彩色圖像灰度化、去噪、畸變校正等。然后進(jìn)行邊緣檢測(cè)和特征提取。在預(yù)處理中，輸入和輸出都是圖像，對(duì)輸入圖像的灰度和坐標(biāo)進(jìn)行各種操作，將其變化成輸出圖像。如上所述圖像處理著重強(qiáng)調(diào)圖像之間進(jìn)行的變換，通常泛指各種圖像技術(shù)。在一般情況下，成像系統(tǒng)獲取的圖像（即原始圖像）由于受到種

52、種條件限制和隨機(jī)干擾，往往不能在視覺系統(tǒng)中直接使用，必須在視覺的早期階段進(jìn)行灰度校正、噪聲過(guò)濾等圖像預(yù)處理。對(duì)機(jī)器視覺系統(tǒng)來(lái)說(shuō)，所有的圖像預(yù)處理方法并不考慮圖像降質(zhì)原因，只將圖像中感興趣的特征有選擇的突出，衰減其不需要的特征，故預(yù)處理后的輸出圖像并不需要去逼近原圖像。圖像預(yù)處理涉及很多方面，如直方圖、各種濾波技術(shù)以及圖像增強(qiáng)等。2.1 圖像的增強(qiáng)方法（灰度直方圖均衡化）灰度直方圖均衡化(histogram equalizatino)是直方圖修正的一種方法。所謂直方圖修正，就是通過(guò)一個(gè)灰度映射函數(shù)Gnew=F(Gold),將原灰度直方圖改造成所希望的直方圖。其目的是通過(guò)點(diǎn)運(yùn)算使輸入圖像轉(zhuǎn)換為在每

53、一個(gè)灰度級(jí)上都有相同的像素點(diǎn)的輸出圖像(即輸出的直方圖是平的)。這對(duì)于在進(jìn)行圖像比較或分割之前將圖像轉(zhuǎn)化為一致的格式是十分有益的。所以，直方圖修正的關(guān)鍵就是灰度映射函數(shù)。按照?qǐng)D像的概率密度函數(shù)（PDF，歸一化到單位面積的直方圖）的定義： （21）其中為概率密度函數(shù)，為直方圖，為圖像的面積。設(shè)轉(zhuǎn)換前圖像的概率密度函數(shù)為,轉(zhuǎn)換后圖像的概率密度為,轉(zhuǎn)換函數(shù)為。由概率論知識(shí)，得到： （22）這樣，如果想使轉(zhuǎn)換后圖像的概率密度函數(shù)為1（即均衡化的直方圖），則必須滿足： （23）或 （24）對(duì)兩邊定積分： （25）上式為圖像的累積分布函數(shù)（CDF），是被歸一化后導(dǎo)出的，若沒有歸一化，只要乘以最大灰度值（對(duì)

54、程序中灰度值為255）即可?；叶染獾霓D(zhuǎn)換公式為： （26）式中為灰度值。對(duì)于離散圖像，轉(zhuǎn)換公式為： （27）式中為第級(jí)灰度的像素個(gè)數(shù)。在視頻顯示任務(wù)循環(huán)中，程序首先將視頻數(shù)據(jù)從輸入緩沖區(qū)S(DRAM中)按行直接讀出輸出緩沖區(qū)。輸出行同時(shí)進(jìn)行實(shí)時(shí)視頻圖像的直方圖統(tǒng)計(jì)，首先將視頻數(shù)據(jù)從輸入緩沖區(qū)按行讀入開設(shè)的圖像處理緩沖區(qū)nMemTemp(容量一行，按行讀取節(jié)省緩沖區(qū)空間)，再逐點(diǎn)統(tǒng)計(jì)圖像的灰度分布，再輸出到輸出緩沖區(qū)。在統(tǒng)計(jì)了整幅圖像的灰度分布之后，再進(jìn)行運(yùn)算，計(jì)算出各灰度分布點(diǎn)數(shù)并按通過(guò)公式計(jì)算出的比例形成統(tǒng)計(jì)結(jié)果和增強(qiáng)方案，在下一幀圖像中應(yīng)用。圖2-1原圖與其直方圖圖2-2均衡化處理及其直

55、方圖進(jìn)行直方圖均衡處理后，使其灰度分布均勻，易于對(duì)目標(biāo)的檢測(cè)識(shí)別。利用MATLAB所提供的mat2gray()灰度增強(qiáng)函數(shù)，對(duì)圖像選擇的區(qū)域進(jìn)行灰度轉(zhuǎn)換.其主要代碼如下：x1= getimage(gco);figureimshow(x1)f0=0;g0=0;f1=20;g1=10f2=180;g2=230;f3=255;g3=255;figure,plot(f0,f1,f2,f3,g0,g1,g2,g3)r1=(g1-g0)/(f1-f0);b1=g0-r1*f0;r2=(g2-g1)/(f2-f1);b2=g1-r2*f1;r3=(g3-g2)/(f3-f2);b3=g2-r3*f2;m,n

56、=size(x1);x2=double(x1);for i=1:mfor j=1:nf=x2(i,j);g(i,j)=0;if(f=f1)&(f=f2)&(f=f3)g(i,j)=r3*f+b3;endendendfigureimshow(mat2gray(g)運(yùn)行該程序后，得到分段線性變換后的圖像.可以看出，通過(guò)這樣一個(gè)變換，原圖中灰度值在（020）和（180255）之間的動(dòng)態(tài)范圍減少了，而原圖中灰度值在180255之間的動(dòng)態(tài)范圍增加了，從而這個(gè)范圍內(nèi)的對(duì)比度增加了。.直方圖均衡在MATLAB中，histeq 函數(shù)用直方圖增強(qiáng)對(duì)比度。調(diào)用格式見幫助文件。建立m文件，內(nèi)容如下：Iimread(

57、tire.tif);J=histeq(I);imshow(I)title(原圖像)figure,imshow(J)title(直方圖均衡化所得圖像)figure;subplot(121)imhist(I,64)title(原始圖像直方圖)；subplot(122)imhist(J,64)title(均衡變換后的直方圖)2.2 圖像銳化有時(shí)為突出圖像輪廓，使圖像輪廓變得更清晰一些，需要對(duì)圖像進(jìn)行銳化(增強(qiáng))處理。對(duì)圖像實(shí)行微分運(yùn)算可實(shí)現(xiàn)銳化的目的。2.3.1 拉普拉斯銳化拉普拉斯算子就是一種常用的銳化模型，其具體描述如下所示: （28）上述算子是用來(lái)針對(duì)連續(xù)函數(shù)的，它還有一個(gè)對(duì)應(yīng)的離散形式的公式

58、可以適用于離散數(shù)字圖像，在這個(gè)公式中用差分運(yùn)算代替了微分運(yùn)算: （29）其相應(yīng)的加權(quán)矩陣為： （210）這是一種高通空間濾波方法，可增強(qiáng)圖像的高頻成份。雖然高通空間濾波可增強(qiáng)圖像的高頻成份而不改變圖像的低頻成份，但是相對(duì)于圖像中的高頻成份來(lái)說(shuō)，圖像的低頻成份還是被削弱了。由于圖像的邊緣和細(xì)節(jié)主要反映在圖像頻譜的高頻分量，因而對(duì)圖像進(jìn)行高通濾波就相應(yīng)的對(duì)圖像作了邊緣增強(qiáng)。在采用高通濾波的方法銳化圖像時(shí)，通常也伴隨著會(huì)放大圖像中的噪聲。常用的高通3x3空間濾波模板如下: （211）利用這些模板對(duì)f(x，y)進(jìn)行卷積，所得到的圖像將使邊緣突出、細(xì)節(jié)清晰。在高頻濾波器中卷積核中心點(diǎn)的值最大的那個(gè)卷積系

59、數(shù)起著關(guān)鍵的作用。當(dāng)這個(gè)卷積系數(shù)經(jīng)過(guò)圖像中的高頻部分(即灰度值有突變部分)時(shí)，由于卷積核中心點(diǎn)卷積系數(shù)很大，所以在卷積結(jié)果中占了很大的比重(卷積核中除中心點(diǎn)以外其余各負(fù)的卷積系數(shù)值只是對(duì)上述放大效應(yīng)起一些削弱作用)，所以卷積結(jié)果是使己有的灰度突變變得更突出，也就是說(shuō)經(jīng)過(guò)處理后，圖像中像素值之間的灰度差得到增強(qiáng)，而對(duì)像素值較恒定的區(qū)域則保持不變。也就是說(shuō)，圖像中像素值變化不大的區(qū)域(低頻成分區(qū)域)不受此變換的影響。2.3.2模糊運(yùn)算增強(qiáng)我們首先將待處理的圖像影射為一個(gè)模糊矩陣。從模糊集的概念來(lái)看，一幅具有L個(gè)灰度級(jí)的元圖像，可以看作為一個(gè)模糊集，集內(nèi)的每一個(gè)元素具有相對(duì)于某個(gè)灰度級(jí)的隸屬函數(shù)。該

60、模糊集稱為圖像等效模糊集，也即圖像的模糊特征平面，對(duì)應(yīng)的模糊矩陣記為I，有: （212）式中，表示像素(m，n)的灰度級(jí)相對(duì)于某個(gè)特定灰度級(jí)X、的隸屬函數(shù)。這樣模糊運(yùn)算矩陣的過(guò)程就可以描述如下:首先采用圖像分割中的閾值選取方法確定閾值參數(shù)，顯然，將整個(gè)圖像的直方圖分為兩個(gè)部分:低灰度部分和高灰度部分，對(duì)于具有典型雙峰分布的直方圖來(lái)說(shuō)，它們分別對(duì)應(yīng)目標(biāo)和背景這兩部分。然后定義新的隸屬函數(shù)形式，再進(jìn)行模糊增強(qiáng)運(yùn)算，在低灰度區(qū)域進(jìn)行衰減運(yùn)算從而使屬于該區(qū)域的像素的灰度值更高。因而，經(jīng)過(guò)模糊增強(qiáng)后直方圖上閾值兩側(cè)的灰度對(duì)比增強(qiáng)，圖像的區(qū)域之間層次將更加清晰。算法如下:首先根據(jù)某個(gè)的閾值選取方法確定出閾