【正文】 這步事實(shí)上相當(dāng)關(guān)鍵，它定義了空間的尺度，如果要對(duì)物體進(jìn)行測量的話，這步是必須的。 frame1 = cvRetrieveFrame( lfCam )。 OpenCV 標(biāo)定算法中的攝像機(jī)模型以針孔模型為基礎(chǔ) ，并引入透鏡的徑向畸變和切向畸變 ， 該模型相對(duì)于只引入一階徑向畸變的Tasi模型和針孔模型更加真實(shí)地反映了透鏡實(shí)際的畸變情況。 在焊道寬度檢測系統(tǒng)中，采用的是屏幕后續(xù)檢測單位標(biāo)定法。 但 Hough 變換具有計(jì)算量大，耗時(shí)長的缺點(diǎn)，極大地影響了處理的時(shí)效 性，限制了 Hough 變換在實(shí)時(shí)性要求較高的系統(tǒng)中的應(yīng)用 [21]。基于本課題研究的對(duì)象，只對(duì) Roberts、 Sobel、Prewitt和 Canny這幾種基于一階 導(dǎo)數(shù)的邊緣檢測算子進(jìn)行簡要介紹以及比較： （ a） Roberts 算子 Roberts 邊緣算子是一種斜向偏差分的梯度計(jì)算方法，梯度的大小代表邊緣的強(qiáng)度，梯度的方向與邊緣走向垂直。 由卷積定理，低通濾波數(shù)學(xué)表達(dá)式 如式 所示 ： ??(??， ??) = ??(??， ??)??(??， ??) () 式中 ??(??， ??)為含有噪聲的原圖像的傅里葉變換域； ??(??， ??)為傳遞函數(shù)，??(??， ??)為經(jīng) 過 低通濾波后輸出圖像的傅里葉變換?；诖它c(diǎn)，可以用鄰域平均的方法來消除噪音。灰度值變換不會(huì)改變圖像內(nèi)的空間關(guān)系。常用的一階微分算子有 Roberts 算子、 Prewitt算子和 Sobel算子，二階微分算子有 Laplace 算子和 Kirsh 算子等。對(duì)于給定的圖像，可以通過分析直方圖的方法確定最佳的閾值，例如當(dāng)直方圖明顯呈現(xiàn)雙峰情況時(shí)，可以選擇兩個(gè)峰值的中點(diǎn)作為最佳閾值。 現(xiàn)有的圖像分割方法主要分以下幾類 [6 ]： （ 1）基于閾值的分割方法 灰度閾值分割法 [7]是一種最常用的并行區(qū)域技術(shù)，它是圖像分割中應(yīng)用數(shù)量最多的一類。數(shù)字圖像處理具有如下特點(diǎn)： （ 1）處理精度高，再現(xiàn)性好 利用計(jì)算機(jī)進(jìn)行圖像處理， 其實(shí)質(zhì)是對(duì)圖像數(shù)據(jù)進(jìn)行各種運(yùn)算。 (3) CCD圖像的讀取與標(biāo)定的研究，使用 OpenCV提供的函數(shù) 實(shí)現(xiàn) 讀取 ， CCD標(biāo)定用 MATLAB 實(shí)現(xiàn)。由于數(shù)字圖像在工業(yè)中的應(yīng)用前景非常廣泛，各個(gè)大公司也都紛紛開發(fā)出各種基于圖像處理的檢測系統(tǒng)。其中光學(xué)方法已經(jīng)有了很長的發(fā)展歷史，從簡單的光學(xué)濾波到現(xiàn)在的激光全息技術(shù)。緊接著論述了數(shù)字圖像處理的 一些基本概念，以及本課題的邊緣檢測的基本步驟。 圖 計(jì)算機(jī)層析成像系統(tǒng) CT 在現(xiàn)代工業(yè)自動(dòng)化生產(chǎn)中，涉及到各種各樣的檢查、測量和零件識(shí)別應(yīng)用，例如光盤表面印刷質(zhì)量檢查，汽車零配件尺寸檢查和自動(dòng)裝配的完整性檢查，電子裝配線的元件自動(dòng)定位，飲料瓶蓋的印刷質(zhì)量檢查，產(chǎn)品包裝上 2 的條碼和字符識(shí)別等?？梢哉f ， 對(duì)機(jī)器視覺的全球研究熱潮是從 20 世紀(jì)80 年代開始的。它的特點(diǎn)是是輸入是 圖像，輸出也是圖像，即 圖像 之間進(jìn)行的變換。 （ 4）處理費(fèi)時(shí) 由于圖像數(shù)據(jù)量大，因此處理比較費(fèi) 時(shí)。但是這種方法只考慮像素本身的灰度值，一般不考慮空間特征，因而對(duì)噪聲很敏感。分裂合并的假設(shè)是對(duì)于一幅圖像，前景區(qū)域由一些相互連通的像素組成的，因此，如果把一幅圖像分裂到像素級(jí)，那么就可以判定該像素是否為前景像素。神經(jīng)網(wǎng)絡(luò)存在巨量的連接，容易引入宅間信息，能較好地解決圖像中的噪聲和不均勻問題。 對(duì)于沒有被歸一化的情況，只要乘以最大的灰度值（對(duì)于灰度圖像就是255） 既可。 經(jīng)過比較，本課題用到的增強(qiáng)方法就是中值濾波。 (2)邊緣的分類 常見的邊緣有三種 ： 第一種是階梯型 邊緣 （ Stepedge） ， 即從一個(gè)灰度到比它高好多的另一個(gè)灰度 ； 第二 種是屋頂狀邊緣 （ Roofedge） ， 它的灰度是慢慢增加到一定程度然后慢慢減小，邊緣就 位于灰度值從增加到減少的變化像素點(diǎn)上 ； 還有一種是線性邊緣（ Lineedge），它的灰度從一個(gè)級(jí)別跳到另外一個(gè)灰度級(jí)別之后再 跳 回來。 Prewitt 算子不僅能檢測邊緣點(diǎn)，而且能抑制噪聲的影響，因此對(duì)灰度和噪聲較多的圖像處理得較好。則 k 為可疑點(diǎn) ； k+1 在 k 左邊或右邊， k 為可疑點(diǎn) ； ，若與中線夾角異常大，則判定為異常，舍棄這個(gè)異常點(diǎn)，與下一個(gè)異常點(diǎn)連接 。 目前已經(jīng)有許多攝像機(jī)標(biāo)定的方法 ， 如 Tsai提出的基于三維標(biāo)定參照物的標(biāo)定方法 [25]，標(biāo)定參照物一般由兩塊互相垂直的平面模板組成 ， 由于標(biāo)定前需要知道參照物表面標(biāo)定點(diǎn)的空間三維坐標(biāo) ， 因而這種方法需要一套昂貴的精密標(biāo)定設(shè)備。 在單攝像頭情況下用 cvQueryFrame 即可抓取一幀畫面，這個(gè)函數(shù)是由兩個(gè) routine 組成的： cvGrabFrame 和 cvRetrieveFrame。 棋盤角點(diǎn)個(gè)數(shù)和參數(shù)個(gè)數(shù) 33 未知因素： 4 個(gè)內(nèi)參 (????,????,????,????)和 5 個(gè)畸變參數(shù) (3 個(gè)徑向畸變 ??1,??2,??3和 2 個(gè)切向畸變 ??1,??2)內(nèi)參數(shù)直接與棋盤所在空間的 3D幾何相關(guān)（即外參數(shù)），而畸變參數(shù)則與點(diǎn)集如何畸變的 2D 集合有關(guān)。 分析實(shí)驗(yàn)結(jié)果 最后注意要用 cvReleaseMat()函數(shù)釋放 cvCreateMat ()函數(shù)分配的內(nèi)存空間 ， 防止內(nèi)存泄露。 cvFindHomography()以對(duì)應(yīng)點(diǎn) 序列作為輸入，返回最佳描述這些對(duì)應(yīng)點(diǎn)的單應(yīng)性矩陣。 徑向畸變的校正： ???? = ????(1+??1??2 + ??2??4 +??3??6) () ???? = ????(1+ ??1??2 + ??2??4 + ??3??6) () 切向畸變的校正： ???? = ???? + ,2??1??+ ??2(??2 + 2??2) () ???? = ???? +,??1(??2 +2??2)+ 2??2?? () 寫成矩陣形式為： [????????]= (1+??1??2 + ??2??4 +??3??6)[????????]+ [2??1???????? + ??2(??2 + 2????2)??1(??2 + 2????2)+2??2????????] () 空間任何一點(diǎn) P 在圖像上的成像位置可以用針孔模型近似表示： {?? = ???????????? = ?????????? () ???? [????1] =[ 1???? 0 ??00 1???? ??00 0 1 ] [?? 0 00 ?? 00 0 1 0 0 0][?? ??0?? 1][????????????1] = [???? 0 ??0 00 ???? ??0 00 0 1 0][?? ??0?? 1][????????????1] = ???????????? = ?????? () M 為 3 4矩陣，稱為投影矩陣； 31 ??1完全由 ????、 ????、 ??0、 ??0決定，只與攝像機(jī)內(nèi)部結(jié)構(gòu)有關(guān)，這些參數(shù)稱為攝像機(jī)內(nèi)部參數(shù)； ??2完全由攝像機(jī)相對(duì)于世界坐標(biāo)系的方位決定，稱為攝像機(jī)的外部參數(shù)； ????為空間點(diǎn)在世界坐標(biāo)系下的齊次坐標(biāo)。這些位置的相互關(guān)系 ， 由攝像機(jī)成像的幾何模型所決定。 對(duì) k 點(diǎn)進(jìn)行判斷 ： k+1 在 k 左下方或更左， k+2 在 k+1 左下方或更左。 20 圖 Sobel算子處理 （ c） Prewitt 算子 Prewitt 邊緣算子是一種邊緣樣板算子。常用的高通濾波器有： （ i） 理想高通濾波器 二維理想高通濾波器的傳遞函數(shù)為 式 ： H(u,v) = {0 ??(??,v) ≤ ??01 ??(??,v) ??0 () （ ii） 巴特沃斯高通濾波器 n階巴特沃斯高通濾波器的傳遞函數(shù)定義如 式 ： H(u,v) = 11+, ??0??(??,v)2?? () （ iii） 指數(shù)濾波器 17 指數(shù)高通濾波器的傳遞函數(shù) 如式 ： H(u,v) = ???,??0??(??,v)?? () （ iv） 梯形濾波器 梯形高通濾波器的定義 為式 ： H(u,v) = {0 ??(??,v) ??1 ??(??,v)???1??0???1 ??1 ≤ ??(??,v) ≤ ??01 ??(??,v) ??0 () 邊緣檢測 (1)邊緣檢測的意義 圖像最基本的特征是邊緣 [13]， Poggio 等指出 “ 邊緣或許對(duì)應(yīng)著圖像中物體 ( 的邊界 ) ， 或許并沒有對(duì)應(yīng)著圖像中物體 ( 的邊界 ) ， 但是邊緣具有十分令人滿意的性質(zhì) ， 它能大大減少所要處理的信息 ， 但是又保留了圖像中物體的形狀信息 ” [14]。中值濾波是一種非線性濾波 [5]，它對(duì)消除脈沖噪音十分有用。直方圖均衡又稱為灰度均衡，目的是通過點(diǎn)運(yùn)算使輸入圖像轉(zhuǎn)換為在每一灰度級(jí)上都有相同的像素點(diǎn)數(shù)的輸出圖像（既輸出的直方圖是平滑的），這對(duì)于在進(jìn)行圖像比較或分割之前將圖像轉(zhuǎn)化為一致的格式十分有利。 （ 6）基于神經(jīng)網(wǎng)絡(luò)的分割方法 基于神經(jīng)網(wǎng)絡(luò)的分割方法的基本思想是通過訓(xùn)練多層感知機(jī)來得到線性決策函數(shù)，然后用決策函數(shù)對(duì)像素進(jìn)行分類來達(dá)到分割的目的。另外，它是一種串行算法，當(dāng)目標(biāo)較大時(shí)，分割速度較慢，因此在設(shè)計(jì)算法時(shí)，要盡量提高效率。 全局閾值是指整幅圖像使用同一個(gè)閾 值做分割處理，適用于背景和前景有明顯對(duì)比的圖像。如此龐大的數(shù)據(jù)量給存儲(chǔ)、傳輸和處理都帶來巨大的困難。 圖 灰度圖像 （ 3）彩色圖像 (如圖 ) 0 15 0 20 0I 12 0 50 18 025 0 22 0 10 0??????? 6 彩色圖像是指每個(gè)像素的信息由 RGB 三原色構(gòu)成的圖像，其中 RBG 是由不同的灰度級(jí)來描述的。 70 年代，已經(jīng)出現(xiàn)了一些視覺應(yīng)用系統(tǒng)。 CT裝置的基本方法是根據(jù)人體各部分的投影，利用數(shù)字圖像處理技術(shù)來重構(gòu)圖像 ，如圖 所示 ?；?數(shù)字 圖像處理的微小零件自動(dòng)檢測是微小零件表面檢測和工序的微小局部質(zhì)量檢測的趨勢(shì)。 數(shù)字圖像處理最早出現(xiàn)在 20 世紀(jì) 50 年代， 人們利用計(jì)算機(jī)來處理圖像信息。其系統(tǒng)流程圖如 圖 ： 圖 數(shù)字圖像檢測處理系統(tǒng) 圖像檢測技術(shù)主要研究用計(jì)算機(jī)模擬人的視覺功能 ， 并從客觀事物的圖像中提取信息 [3]，進(jìn)行處理并加以理解，最終用于實(shí)際檢測和控制。 (5) 設(shè)計(jì)開發(fā) 檢測軟件，使用 VC、 MATLAB 實(shí)現(xiàn)各種設(shè)計(jì)的算法， 并用OpenCV 進(jìn)行簡化 VC 編程 。 （ 2）處理的多樣性 由于圖像處理是通過運(yùn)行程序進(jìn)行的，因此，設(shè)計(jì)不同的圖像處理程序，可以實(shí)現(xiàn)各種不同的處理目的。 由此可見，閾值分割算法的關(guān)鍵是確定閾值，如果能確定一個(gè)合適的閾值就可準(zhǔn)確地將圖像分割開來。 區(qū)域生長的基本思想是將具有相似性質(zhì)的像素集合起來構(gòu)成區(qū)域。這些算子對(duì)噪聲敏感，只適合于噪聲較小不太復(fù)雜的圖像 [8]。除了灰度級(jí)的改變是根據(jù)某種特定的灰度變換函數(shù)進(jìn)行之外，灰度變換可以看作是 “ 從像素到像素 ” 的復(fù)制操作。為了減少這種模糊失真，有人提出了 “ 超限鄰域平均法 ” ，即如果某個(gè) 像素的灰度值大于其鄰域像素的平均值，且達(dá)到了一定的水平，則判斷此 相素 點(diǎn) 為噪音，用該點(diǎn)鄰域像素的平均值代替該點(diǎn)的像素灰度值， 用 式 表示 如下： g(i， j) = {1??N∑ ??(??,y)(??,??)???? ， |??(??,??) ?1???? ∑ ??(??,??)|(??,??)???? ????(??,??)， 其他 () 在實(shí)際應(yīng)用中，根據(jù)實(shí)際情況，可以選擇不同窗口大小和窗口形狀，比如十字窗，圓形窗。 （ iii） 指數(shù)低通濾波器 指數(shù)低通濾波器是圖像處理中常用的另外一種平滑濾波器。45 度兩個(gè)方向上微分值的和。 原有 Canny 算法 ： 圖 原有 Canny 算子效果 Hough 變換（直線），直觀印象是將邊界用直線連接起來 ： 圖 Hough 變換 平行四邊形檢測，檢測出圖像中的平行四邊形元素 ： 圖 平行四邊形檢測 24 采用 snake 模型 [22]，即能量最小化運(yùn)動(dòng)曲線模型，首先根據(jù)圖像中所要分割目標(biāo)的輪廓確定大致的初始輪廓曲線，然后對(duì)曲線進(jìn)行能量最小化變形，使其鎖定在分割目標(biāo)的邊界上。有兩種方法可以實(shí)現(xiàn)標(biāo)定： (1)當(dāng)硬件設(shè)備（包括 CCD 攝像機(jī)）全部安裝并固定 好 之后 ，選擇一個(gè)帶有固定大小的規(guī)則目標(biāo)物的背景圖 用 CCD 攝像機(jī)進(jìn)行拍照，然后送到計(jì)算機(jī)里進(jìn)行標(biāo)定，標(biāo)定后的結(jié)果存儲(chǔ)到文檔里，為以后的測量做準(zhǔn)備； (2)每次進(jìn)行圖像采集時(shí)，都選用一個(gè)帶有固定大小的規(guī)則目標(biāo)物的