基于计算机视觉理论的石材大板表面轮廓提取算法的研究.docVIP

基于计算机视觉理论的石材大板表面轮廓提取算法的研究 　　[摘 要]石材大板表面轮廓提取是石材加工生产过程中的重要步骤和关键工序。它对于实时优化切割不规则石材以及优化排版和下料具有决定性的作用，对于提高生产效率和石材利用率、节约石材资源具有重要意义。本文基于计算机视觉理论，研究了石材轮廓提取的算法。通过分析石材目标图像的灰度、颜色和纹理等特征，提出了石材轮廓提取算法，较准确的提取出石材目标轮廓。 　　[关键词]石材大板；轮廓提取；图像处理 　　中图分类号：TU521.2 文献标识码：A 文章编号：1009-914X（2016）21-0230-02 　　1、 引言 　　图像处理是在线测量系统中很重要的一部分，本文就是利用图像处理技术提取石材大板的轮廓信息，然后利用其目标点的间距最终求得石材大板尺寸。本文对图像处理的相关算法进行研究，提取石材大板的轮廓信息，最终计算其尺寸。提取过程主要包括图像预处理和图像分割两部分。图像处理过程如图1所示。 　　2、图像处理 　　2.1 图像预处理 　　通过CCD摄像机获取的石材大板图像在其传输、接收和处理的过程中，由于受多种因素的影响，如系统噪声、曝光不足或过量、传输过程中的误差以及人为因素等等，均会对石材大板图像产生一定的噪声干扰。噪声会恶化图像质量，有时会使提取的信息减少甚至淹没某些有用特征，给分析带来困难。因此，对图像进行预处理是非常必要的，这样可以去除噪声，使其更接近真实图像，更有利于对石材大板图像进行后续处理。图像预处理主要包括滤波和增强。 　　2.1.1 图像灰度化 　　图像的灰度化是图像增强处理技术中一种非常基本、直接的图像处理方法。图像的增强用于调整图像的对比度，为了获得对后续计算机处理、分析过程更有利的图像，需要对采集的原始图像进行图像增强，从而淡化背景，消除噪声干扰，提高对比度，突出图像中的重要细节[1]。 　　本文采用的是加权平均值法：R=G=B=aR+bG+cB。考虑到图像的合理性，取a=0.11，b=0.59，c=0.30，即采用公式（1）进行灰度转换： 　　其中：为转换后的灰度图像在点处的灰度值；、和分别为彩色图像在点处的红色分量值、绿色分量值和蓝色分量值。 　　在OpenCV函数库中，图像的灰度化可以通过cvCvtColor（const CvArr* src，CvArr* dst，int code）函数实现，其中src为原彩色图像，dst为处理后的图像，code为色彩空间转换方式，在这里code定义为CV_RGB2GRAY。彩色石材大板图像经过式（1）转换后，变成灰度图像。图2所示为4个彩色石材图像灰度化后的结果。 　　2.1.2 图像平滑 　　图像的平滑处理技术即图像的去噪声处理，它是将输入的图像进行滤波去除噪声。图像平滑一是平滑非边缘区域，二是使图像边缘得到保护。一个较好的平滑方法应该是既能消掉这些噪声效应又不使图像的边缘轮廓和线条模糊。在滤波方法中，最常用的有均值滤波和中值滤波两种，本文采用此两种方法分别对石材大板平滑处理，效果如图3所示。 　　这里仅选取了其中的一幅图像进行处理。从图中可以看出均值滤波和中值滤波对含有高斯噪声的图像都能够有效地抑制噪声的干扰，对含有椒盐噪声的图像也能抑制部分噪声。但通过比较明显可以看出，，中值滤波在椒盐噪声处理方面的能力是均值滤波无法比拟的，因此，本文采用中值滤波对图像进行滤波去噪。 　　2.2 图像分割与边缘检测 　　图像分割是图像处理和计算机视觉中基本而关键的技术之一，其目的就是将目标物体与背景分离开来，为后续的处理提供坚实的基础。图像分割的方法主要包括阈值法、边缘检测法、区域跟踪法等。本论文采用的是边缘检测法。 　　2.2.1 边缘检测 　　检测石材大板边缘是其轮廓提取的基础。边缘检测实现的难点在于边缘检测的精度和抗噪声的能力。边缘检测有很多算法，例如Roberts算子、Sobel算子、Prewitt算子、拉普拉斯算子等[2]。 　　（1）Roberts算子 　　Roberts算子采用的是对角方向相邻的两个像素之差。从图像处理的实际效果来看，边缘定位准，对噪声敏感。Roberts算子是一种利用局部差分算子寻找边缘的算子，该算子对具有陡峭边缘且含噪声少的图像效果较好。 　　（2）Sobel算子 　　Sobel边缘检测算子是先做加权平均，再微分，然后求梯度。以下两个卷积核形成了Sobel边缘检测算子，图中的每个点都用这两个核做卷积，其中一个对垂直边缘影响最大，而另一个对水平边缘影响最大。边缘检测算子的中心与中心像素相对应，进行卷积运算。两个卷积核的最大值作为该点的输出位。运算结果是一幅边缘幅度图像。在边沿检测中，Sobel算子对于像素的位置的影响做了加权，加权平均边宽2像