2025《分拣机械手视觉识别图像过程案例分析》3200字.docxVIP

-PAGEIII-

分拣机械手视觉识别图像过程案例分析

目录

TOC\o1-3\h\u3306分拣机械手视觉识别图像过程案例分析 1

28341.1图像的概述 1

68831.2图片、视频的读取 1

278421.3图像预处理 2

211521.3.1图像阈值 2

123521.3.2图像滤波 3

175721.3.3图像的梯度 6

120021.4提取轮廓 7

113531.5颜色空间 8

102541.6颜色识别 11

图像的概述

图像人类认识世界，了解世界的一种媒介，也是模拟和生成自然景物或现象的一种客观反应，更是人们了解世界、认识自身的根源。“图像”是指反射或投影体的光的分布，“图像”是指从人类的视觉系统获得或人脑中所识别的，绘画、相片、剪贴画等都是图像。

图片、视频的读取

对于图片的读取。首先要将其导入OpenCV的库，并给他取个名字cv，然后使用cv.imread()函数读取图像。其代码如下所示：

importcv2ascv

img=cv.imread(./Resources/lena.jpg,cv.IMREAD_COLOR)

ifimgisNone:

print(Couldnotreadtheimage)

cv.imshow(Displaywindow,img)

k=cv.waitkey(0)

ifk==ord(s):

cv.imwrite(lena.png,img)

视频的读取与显示，和图片读取的方式相似，先要将其导入OpenCV的库，然后使用cv.VideoCaputer()函数填写视频的路径就可以播放本地视频了。其代码如下所示：

importcv2ascv

frommatplotlibimportpyplotaspit

cap=cv.videocapture(./Resources/vtest.avi)

while(cap.isOpened()):

ret,frame=cap.read()

cv.imshow(frame,frame)

ifcv.waitkey(1)0xFF==ord(q):

break

图像预处理

图像阈值

阈值，也称为临界值，是由效应产生的最低或最高的值。阈值图像处理是一种特殊的颜色处理方法。具体地说，阈值是一个关键的转换点，而不管获得的图像是什么颜色的，它最终都会把图片当做黑白照片处理，以设置的阈值为标准，比阈值大的颜色会转变成白色，低于该值的颜色转换成黑色，所以将会得到一张黑白图片。其使用的函数是cv.threshold，它的代码如下所示：

importcv.2ascv

importnumpyasnp

frommatpiotlibimprtpyplotasplt

img=cv.imread(./Resources/gradient.png,0)

ret,thresh1=cv.threshold(img,127,255,cv.THRESH_BINARY)

ret,thresh2=cv.threshold(img,127,255,cv.THRESH_BINARY_INV)

ret,thresh3=cv.threshold(img,127,255,cv.THRESH_TRUNC)

ret,thresh4=cv.threshold(img,127,255,cv.THRESH_TOZERO)

ret,thresh5=cv.threshold(img,127,255,cv.THRESH_TOZERO_INV)

titles=[originalImage,BINARY，BINARY_INV,TRUNC,TOZERO,TOZERO_INV]

foriinrange(6):

plt.subplot(2,3,i+1),plt.imshow(image[i],gray)

plt.title(titles[1])

plt.xticks([]),plt.yticks([])

plt.show()

图像滤波

图像上可以使用不同的高通滤波器以及低通滤波器甚至是其他滤波器，就如同单个自变量描绘叙述的信号。其中低通滤波器的优点是有益于图像模糊、将音去噪等，而高通滤波器的优点是有益于获取图像的边缘。

平滑图像是利用低通滤波器的卷积核对图像进行卷积来实现的，它有益于去除图像中的噪声和高频内容，从而使边缘在运算过程中有一定程度的模糊。OpenCV主要有四种平滑技术。

eq\o\ac(○,1)、均值滤波

均值滤波是使用标准化的卷积框来完成的，该图对卷积核区域内的全部像素取平均，并替换中心元素。这是由函数cv.blur()或者cv.b