【正文】 該點(diǎn)為物體的內(nèi)部點(diǎn)，可以去除（變?yōu)楸尘包c(diǎn)，黑點(diǎn)），否則保留，如果前面的去噪與二值化比較理想的話，該算法提取圖像目標(biāo)輪廓應(yīng)該沒(méi)有什么問(wèn)題。比如上圖所示僅僅保留被標(biāo)記為4的這個(gè)連通域，其它連通域中的像素都全部置為背景。第三步：圖像替換根據(jù)上面的步驟，已經(jīng)完成了等價(jià)表的合并工作。⑤繼續(xù)掃描當(dāng)前像素的左邊的像素是否被標(biāo)記過(guò)。③繼續(xù)掃描當(dāng)前像素的正下方的像素是否被標(biāo)記過(guò)。在描述算法前首先說(shuō)明本算法的兩個(gè)約定：從圖像的左上角開(kāi)始掃描；本文使用的是八連通域標(biāo)記法。對(duì)某一個(gè)像素點(diǎn)而言，它和它周圍相鄰的像素點(diǎn)之間的相鄰關(guān)系一般分成4鄰域和8鄰域。過(guò)程是首先在該幅圖像中標(biāo)記出所有的連通域，然后計(jì)算出各個(gè)連通域的面積，將面積最大的連通域保留下來(lái)，將其它的連通域中的像素全部置為背景。而且由于圖像采集系統(tǒng)的固定性，目標(biāo)物體成像區(qū)不可能特別靠近圖像邊沿，因此圖像的邊沿不會(huì)出現(xiàn)物體。論文采取的方法是先腐蝕再膨脹。大于T的像素直接置為255(目標(biāo)物體區(qū)域)，小于T的像素直接置為0(背景區(qū)域)。盡管可以利用matlab自帶的邊緣檢測(cè)函數(shù)得到水杯的大體輪廓，但是目標(biāo)的輪廓需要更加準(zhǔn)確才能對(duì)接下來(lái)的三維重建有幫助，因此我們需要繼續(xù)尋找其他解決辦法—利用二值圖像提取水杯輪廓。圖像邊緣檢測(cè)大幅度地減少了數(shù)據(jù)量，并且剔除了可以認(rèn)為不相關(guān)的信息，保留了圖像重要的結(jié)構(gòu)屬性。為了減少這類不利效果的影響，就需要利用圖像銳化技術(shù)，使圖像的邊緣變得清晰。這時(shí)灰度圖像比較符合我們的要求，所以將彩色圖像轉(zhuǎn)化為灰度圖像。添加了均值為0，： 本文為了能有效的在圖像中提取出輪廓，采用了圖像平滑技術(shù)對(duì)圖像進(jìn)行預(yù)處理，使圖像中水杯的像素連續(xù)均勻。本章首先讀取水杯圖像，結(jié)合上一章的圖像處理的基本理論和本章根據(jù)實(shí)際圖像所采用圖像處理算法，對(duì)圖像進(jìn)行彩色預(yù)處理、去除背景、彩色轉(zhuǎn)灰度、膨脹腐蝕、二值濾波、輪廓提取等等一系列的處理。（3） 簡(jiǎn)單◎豐富的函數(shù)庫(kù)和工具箱，使用戶不必進(jìn)行具體代碼的編寫(xiě)，只需調(diào)用簡(jiǎn)單的函數(shù)指令，就可以執(zhí)行任務(wù)操作，解決問(wèn)題?！?詳細(xì)的幫助系統(tǒng)，如同導(dǎo)師的循循善誘，并通過(guò)豐富的實(shí)踐和工程實(shí)例，引導(dǎo)初學(xué)者從易到難，不斷進(jìn)步。若兩個(gè)物體之間有細(xì)小的連通，那么當(dāng)結(jié)構(gòu)元素足夠大時(shí)，通過(guò)腐蝕運(yùn)算可以去除這些小而無(wú)意義的連通線，將兩個(gè)物體分開(kāi)。也就是用S來(lái)腐蝕X得到的集合是S完全包括在X中時(shí)S的原點(diǎn)位置的集合。另外，用腐蝕和膨脹運(yùn)算還可以實(shí)現(xiàn)圖像的平移。閾值T就像是個(gè)門(mén)檻，比它大就是白色的，比它小就是黑色的，經(jīng)過(guò)閾值處理后的圖像就變成了一幅黑白圖像。彩色圖像每個(gè)像素占3字節(jié)(24位)，而變成灰度圖像后，每個(gè)像素占1字節(jié)(8位)，像素的灰度值是當(dāng)前彩色圖像像素的亮度，對(duì)于一個(gè)三分量為R、G、B的彩色圖像像素，該點(diǎn)的亮度I一般按以下公式計(jì)算： (313)在數(shù)字圖像處理中，二值圖像占有很重要的地位，特別是在實(shí)用的圖像處理系統(tǒng)中，以二值圖像處理實(shí)現(xiàn)構(gòu)成的系統(tǒng)是很多的，要進(jìn)行二值圖像的處理和分析，首先需要把灰度圖像二值化，得到二值圖像，這樣做的好處是:再對(duì)圖像做進(jìn)一步處理時(shí)，圖像的幾何性質(zhì)只與0和1的位置有關(guān)，不再涉及到像素的灰度值，使處理變得簡(jiǎn)單，而且數(shù)據(jù)的壓縮量很大。拉普拉斯算子是最簡(jiǎn)單的各向同性微分算子，具有旋轉(zhuǎn)不變性，比較適用于改善因?yàn)楣饩€的漫反射造成的圖像模糊[]。圖像在點(diǎn)處的梯度定義為一個(gè)二維列矢量： （31）梯度的幅值即模值，為： (32)梯度的方向在最大變化率方向上，方向角可表示為： (33) 對(duì)于離散函數(shù)，也有相應(yīng)的概念和公式，只是用差分代替微分。從頻率域來(lái)考慮，圖像模糊的實(shí)質(zhì)是因?yàn)槠涓哳l分量被衰減，因此可以用高通濾波器來(lái)使圖像清晰。由于本文處理的水杯在圖像的中間位置，不會(huì)出現(xiàn)在邊緣上，所以選擇3*3均值濾波和5*5均值濾波。在實(shí)際應(yīng)用中，要根據(jù)不同的需要選擇使用不同的模板尺寸，如3*5*5等。由于中值濾波是非線性運(yùn)算，在輸入和輸出之間的頻率上不存在一一對(duì)應(yīng)關(guān)系，故不能用一般線性濾波器頻率特性的研究方法。方法是用某種結(jié)構(gòu)的二維滑動(dòng)模板，將板內(nèi)像素按照像素值的大小進(jìn)行排序，生成單調(diào)上升（或下降）的為二維數(shù)據(jù)序列。如何既能平滑掉圖像中的噪聲，而又盡量保持圖像細(xì)節(jié)即少付出一些細(xì)節(jié)模糊代價(jià)是圖像平滑研究的主要問(wèn)題之一。對(duì)圖像信號(hào)幅度和相位的影響十分復(fù)雜，有些噪聲和圖像信號(hào)互相獨(dú)立不相關(guān)，有些是相關(guān)的，噪聲本身之間也有些相關(guān)?？梢哉f(shuō)，HSV模型中的V軸對(duì)應(yīng)于RGB顏色空間中的主對(duì)角線。在圓錐的頂點(diǎn)(即原點(diǎn))處，V=0,H和S無(wú)定義，代表黑色。綠色對(duì)應(yīng)于角度120176。有一點(diǎn)要注意：它和光強(qiáng)度之間并沒(méi)有直接的聯(lián)系。互補(bǔ)色分別相差180度。設(shè)想從RGB沿立方體對(duì)角線的白色頂點(diǎn)向黑色頂點(diǎn)觀察，就可以看到立方體的六邊形外形。但為方便起見(jiàn)，總將立方體歸一化為單位立方體，這樣所有的R，G，B的值都在區(qū)間[0，1]之中。RGB模型可以建立在笛卡爾坐標(biāo)系統(tǒng)里，其中三個(gè)軸分別為R、G、B。其中像素為0代表黑，像素為255代表白。如果灰度值用1個(gè)字節(jié)表示，則可以表示的正整數(shù)范圍是0~255，也就是說(shuō)，像素灰度值取值在0~255之間，灰度級(jí)數(shù)為256級(jí)。彩色的表示方法很多，最常見(jiàn)的是三基色模型，例如RGB(Red/Green/Blue，紅、綠、藍(lán))三基色模型，利用RGB三基色可以混合成任意顏色。若用戶程序調(diào)用該函數(shù)成功，則會(huì)在指定文件路徑上生成指定文件名的24位bmp文件。接著就等待抓拍信號(hào)，觸發(fā)抓拍操作。Overlay顯示模式具有速度快、畫(huà)質(zhì)好、占用系統(tǒng)資源少等特點(diǎn)，特別適合于視頻文件的播放。設(shè)置預(yù)覽模式由函數(shù)SetPreviewOverlayMode()完成，返回0表示顯卡支持板卡的Overlay預(yù)覽方式，并啟動(dòng)Overlay預(yù)覽模式。 采集圖像的軟件設(shè)計(jì)流程初始化是由函數(shù)InitDSPs()函數(shù)完成的。（6） 預(yù)覽分辨率和編碼分辨率可達(dá)4CIF，進(jìn)行壓縮不丟幀。（2） DS4004HC采用DM642—DSP處理器實(shí)現(xiàn)對(duì)音視頻的實(shí)時(shí)壓縮。考慮到系統(tǒng)以后升級(jí)時(shí)可能增加攝像頭，需要多預(yù)留12路視頻輸入口，因此本系統(tǒng)選用了含有4路視頻輸入口的DS4004HC圖像采集卡。限位開(kāi)關(guān)信號(hào)通過(guò)輸入輸出卡連接到計(jì)算機(jī)上，當(dāng)這個(gè)開(kāi)關(guān)被觸發(fā)時(shí)，它會(huì)給輸入輸出卡一個(gè)中斷信號(hào)，同時(shí)，輸入輸出卡會(huì)發(fā)給計(jì)算機(jī)一個(gè)信號(hào)，當(dāng)計(jì)算機(jī)端檢測(cè)到這個(gè)信號(hào)時(shí)，通知視頻采集卡執(zhí)行抓拍動(dòng)作，并把抓拍到的圖像保存到計(jì)算機(jī)中等待處理。 () ()(4)求平移向量把E、F、G、。E點(diǎn)坐標(biāo)存放在point2[0]中，F(xiàn)點(diǎn)坐標(biāo)存放在point2[1]中，G點(diǎn)坐標(biāo)存放在point2[2]中，H點(diǎn)坐標(biāo)存放在point2[3]中。(1)，物體圖像就出現(xiàn)在界面的第二列中。在本系統(tǒng)中，經(jīng)過(guò)試驗(yàn)發(fā)現(xiàn)相機(jī)的內(nèi)參對(duì)系統(tǒng)測(cè)量精度影響不大，所以本系統(tǒng)中只標(biāo)定了相機(jī)的放大倍數(shù)(即被測(cè)對(duì)象實(shí)際大小和它在圖像上大小的關(guān)系)。由于它的結(jié)構(gòu)是管狀的，基本能保證成像區(qū)的光照光照度滿足系統(tǒng)的要求。白熾燈、鹵素?zé)羰鞘刮矬w溫度升高而發(fā)光的溫度輻射光源，是利用溫度輻射原理而制成的，其發(fā)熱量大，溫度很快升高，其發(fā)出的光譜范圍寬，是連續(xù)光譜，使測(cè)量系統(tǒng)容易受外界雜散光的干擾，不利于測(cè)量。在照明系統(tǒng)的設(shè)計(jì)中，首先考慮光源的選擇，常見(jiàn)的光源可分為自然光源和人工光源兩大類。被測(cè)對(duì)象就是在光源的照射下，成像圖像傳感器的感光面上，最后通過(guò)放大輸出被測(cè)對(duì)象的圖像信息。所以選用了焦距為6mm的攝像機(jī)。從動(dòng)態(tài)范圍上講，CMOS略勝一籌。(1)靈敏度作為圖像傳感器最重要的技術(shù)指標(biāo)之一，靈敏度是衡量圖像傳感器對(duì)于光線的敏感度，一般監(jiān)控用的低端CMOS的靈敏度高達(dá)10V/Luxsec以上，高過(guò)大部分的CCD傳感器，靈敏度指標(biāo)主要體現(xiàn)在畫(huà)質(zhì)的亮度和低光效果上，靈敏度越高畫(huà)面越清晰。根據(jù)上式可以求出A點(diǎn)y，z軸坐標(biāo)。A點(diǎn)在物理坐標(biāo)系中的X和Y方向的坐標(biāo)(x，y)，而A點(diǎn)在攝像機(jī)1圖像中的坐標(biāo)為,即相當(dāng)于把物體上的A點(diǎn)投影到X1O1Y1平面，所以有： ()其中和分別為攝像機(jī)1在x，y方向上的放大倍數(shù)，為攝像機(jī)1的平移向量。(2)兩攝像頭垂直放置法測(cè)量系統(tǒng)，該模型的物理坐標(biāo)系為OXYZ，物理坐標(biāo)系的坐標(biāo)原點(diǎn)在整個(gè)測(cè)量系統(tǒng)的底面中心處，攝像頭1的坐標(biāo)系為O1X1Y1，攝像頭1相對(duì)于物理坐標(biāo)系OXYZ的位置為： ()其中為攝像頭1相對(duì)于物理坐標(biāo)系為OXYZ的旋轉(zhuǎn)矩陣，為平移向量。由上面的分析可知該種方法能實(shí)現(xiàn)三維信息的精確測(cè)量，但是它存在一個(gè)問(wèn)題，就是在兩幅圖像上找同名點(diǎn)比較困難。而另一種放置方式是兩相機(jī)相互垂直交叉放置，一個(gè)相機(jī)測(cè)量一個(gè)面的形狀信息，然后通過(guò)兩個(gè)相機(jī)的相對(duì)位置來(lái)構(gòu)建被測(cè)對(duì)象的三維坐標(biāo)信息，在這種放置方中，兩相機(jī)一般沒(méi)有共同的視場(chǎng)區(qū)，這種測(cè)量方法的基礎(chǔ)其實(shí)就是單目測(cè)量，然后通過(guò)兩組單目測(cè)量系統(tǒng)進(jìn)一步構(gòu)建三維測(cè)量系統(tǒng)，嚴(yán)格的說(shuō)該方法不屬于三維測(cè)量的方法，該方法一般適用于被測(cè)對(duì)象具有對(duì)稱性的場(chǎng)合。由于有極線幾何原理和光學(xué)三角形原理的理論支撐，基于雙目立體成像原理的三維測(cè)量方法具有穩(wěn)定可靠、精度高、速度快等優(yōu)點(diǎn), 目前已經(jīng)廣泛應(yīng)用于逆向工程、物體識(shí)別、工業(yè)質(zhì)量檢測(cè)及機(jī)器人自導(dǎo)引等領(lǐng)域。本章的框圖如下圖所示： 圖像的光學(xué)成像系統(tǒng)和圖像采集系統(tǒng)在圖像光學(xué)系統(tǒng)中包括攝像系統(tǒng)和光照系統(tǒng)。第六章 總結(jié)和展望。第四章 數(shù)字圖像的實(shí)現(xiàn)過(guò)程。第二章 圖像采集卡對(duì)圖像的采集。最后得出通過(guò)對(duì)物體的圖像進(jìn)行數(shù)字圖像處理能夠完成對(duì)目標(biāo)物的三維重建與恢復(fù)工作。光學(xué)成像系統(tǒng)首先要保證必須得到水杯的各個(gè)面的具體信息，所以成像系統(tǒng)選擇的是數(shù)字?jǐn)z像機(jī)在物體正面、側(cè)面、背面以及頂面的掃描，而激光掃描儀的選擇將直接影響到水杯的成像質(zhì)量?？勺冃文Ｐ涂梢暈樵趦?nèi)力和外力作用下的能量極小化樣條模型，內(nèi)力來(lái)自幾何模型，約束它的形狀；外力來(lái)自圖像特征，引導(dǎo)它的行為，將其吸引至圖像特征處。輪廓提取與表面重建是計(jì)算機(jī)視覺(jué)中的重要研究課題，其在虛擬現(xiàn)實(shí)、自控車輛、機(jī)器人環(huán)境分析、監(jiān)控系統(tǒng)中的物體跟蹤與識(shí)別、生物醫(yī)學(xué)圖像處理、工業(yè)在線自動(dòng)檢測(cè)、形狀反求等方面有著廣泛的應(yīng)用前景。通過(guò)獲取激光掃描對(duì)象的圖像，再用數(shù)字圖像處理的方法對(duì)圖像進(jìn)行處理，獲取關(guān)鍵點(diǎn)位置坐標(biāo)，以達(dá)到目標(biāo)物體三維重建的目的。 (4)工業(yè)生產(chǎn)中的應(yīng)用。 (3)生物醫(yī)學(xué)領(lǐng)域。通信應(yīng)用包括圖像傳輸、電視電話、電視會(huì)議、數(shù)字圖像處理技術(shù)主要用于圖像壓縮甚至在圖像理解的基礎(chǔ)由于計(jì)算機(jī)只能處理數(shù)字信息，因此必須把模擬圖像轉(zhuǎn)化為數(shù)字圖像之后，才可以進(jìn)行處理。它所攜帶的巨大信息量可以將客觀事物的原形真實(shí)地展現(xiàn)在人們的眼前。 根據(jù)激光掃描的物體尺寸是在一個(gè)相對(duì)穩(wěn)定的范圍之內(nèi)的特點(diǎn)?，F(xiàn)在這種技術(shù)可以被用于地形數(shù)據(jù)的可視化，這樣可以由二維等高線重構(gòu)出具有光照效果的三維地形圖。在本文中圖像采集之后，首先將其數(shù)字化。三維重建就是通過(guò)二維圖像中基元(如點(diǎn)、線、面)來(lái)恢復(fù)目標(biāo)的三維空間信息,需要研究三維空間中點(diǎn)、線、面的三維坐標(biāo)與二維圖像中對(duì)應(yīng)點(diǎn)、線、面的二維坐標(biāo)之間的關(guān)系,實(shí)現(xiàn)定量分析物體的大小和空間物體的相互位置關(guān)系。從圖像中獲取景物的三維信息屬于一個(gè)多學(xué)科交叉的研究領(lǐng)域,它涉及到射影幾何學(xué)、數(shù)字圖像處理、計(jì)算機(jī)圖形學(xué)、計(jì)算機(jī)視覺(jué)等許多學(xué)科的理論,是目前研究的熱點(diǎn)之一。本文提出了利用數(shù)字圖像處理的方法對(duì)圖像進(jìn)行處理以獲得目標(biāo)圖像的輪廓，并得到目標(biāo)圖像的輪廓關(guān)鍵點(diǎn)上的坐標(biāo)，這對(duì)接下來(lái)的三維重建目標(biāo)十分關(guān)鍵。其中數(shù)字成像系統(tǒng)應(yīng)用十分廣泛。伴隨著光電傳感器件以及計(jì)算機(jī)技術(shù)的日趨成熟，三維測(cè)量技術(shù)得到了不斷豐富和發(fā)展，越來(lái)越廣泛的應(yīng)用對(duì)該技術(shù)的發(fā)展也提出了更新的要求，同時(shí)催化了一些相關(guān)技術(shù)領(lǐng)域的發(fā)展，如攝像機(jī)標(biāo)定技術(shù)，圖像工程，數(shù)據(jù)補(bǔ)償技術(shù)，顏色渲染技術(shù)，測(cè)量視角自動(dòng)選擇技術(shù)等等。圖像是人類視覺(jué)的基礎(chǔ)，是自然景物的客觀反映，是人類認(rèn)識(shí)世界和人類本身的重要源泉。數(shù)字圖像是由模擬圖像經(jīng)過(guò)采樣、量化、編碼等步驟離散化得到的。數(shù)字圖像處理主要應(yīng)用于下面一些領(lǐng)域：(1)通信。由于太空技術(shù)的發(fā)展，需要用到數(shù)字圖像處理大量的星體圖片；同樣遙感也需要此項(xiàng)技術(shù)，這可以應(yīng)用于地形地質(zhì)，礦藏探查，森林、水利、海洋、農(nóng)業(yè)等資源調(diào)查，自然災(zāi)害預(yù)測(cè)，氣象衛(wèi)星云圖處理，以及軍事目標(biāo)識(shí)別。此外，在X光肺部圖像增晰、超聲波圖像處理、心電圖分析、立體定向放射治療等醫(yī)學(xué)診斷方面都廣泛地應(yīng)用圖像處理技術(shù)。經(jīng)過(guò)上述對(duì)數(shù)字圖像以及其領(lǐng)域的闡述，我們知道數(shù)字圖像的應(yīng)用范圍十分廣泛，因此可以將數(shù)字圖像處理的方法引入到激光掃描圖像處理中來(lái)。圖像處理的應(yīng)用領(lǐng)域已經(jīng)擴(kuò)展到人類生活和工作的各個(gè)方面，以圖像處理為工具的輪廓提取也已經(jīng)漸漸增加起來(lái)。 近年來(lái)，將物理原理引入物體的形狀恢復(fù)吸引了學(xué)者們的研究興趣，基于可變形模型的輪廓提取與表面重建就是其中的一類。首先要根據(jù)目標(biāo)物體的形狀信息，來(lái)確定怎樣搭建光學(xué)成像系統(tǒng)。上述工作完成之后，還需要討論整個(gè)系統(tǒng)所產(chǎn)生的誤差，本文給出了減小誤差的方法。主要介紹了論文的研究背景、目的和意義，以及本論文的章節(jié)安排。本章介紹了數(shù)字圖像處理的基本知識(shí)，圖像表示方法之間的轉(zhuǎn)換，典型的數(shù)字圖像處理的算法比如圖像平滑/濾波、腐蝕膨脹等以及圖像處理實(shí)現(xiàn)的軟件平臺(tái)。本章根據(jù)論文的結(jié)果，分析了系統(tǒng)的誤差以及產(chǎn)生誤差的原因，并針對(duì)這些誤差提出的解決方案。本章主要介紹兩個(gè)方面的內(nèi)容，一個(gè)是光學(xué)成像系統(tǒng)的搭建，它包括攝像系統(tǒng)的配置和光學(xué)系統(tǒng)的設(shè)計(jì)；另一個(gè)方面敘述了圖像采集