【正文】 少幫助和指導(dǎo)。 Recognition of bus stops through puter vision. Intelligent Vehicles Symposium， 2003. Proceedings. IEEE， 911 June 2003. Pages: 650 – 655.致 謝本論文是在導(dǎo)師的悉心指導(dǎo)下完成的。對(duì)于圖像增強(qiáng)，介紹了灰度變換，直方圖均衡化，梯場(chǎng)度放大增強(qiáng)3種方法，最后選定灰度變換。采集到圖像之后，我們要對(duì)圖像進(jìn)行處理。 系統(tǒng)軟件設(shè)計(jì) 。 引言基于機(jī)器視覺指針式儀表圖像采集系統(tǒng)如圖41所示，各部分工作關(guān)系如下：圖41 自動(dòng)讀數(shù)檢定系統(tǒng)的組成1. 計(jì)算機(jī)（PC）是整個(gè)系統(tǒng)的控制和處理核心，在計(jì)算機(jī)上運(yùn)行的應(yīng)用程序應(yīng)該有如下功能：a. 控制程控標(biāo)準(zhǔn)源輸出的標(biāo)準(zhǔn)量：計(jì)算機(jī)通過串行口對(duì)程控標(biāo)準(zhǔn)源進(jìn)行通訊和控制，控制程控標(biāo)準(zhǔn)源的輸出模塊的輸出量大??；b. 采集表盤圖像：具有USB攝像頭相應(yīng)得設(shè)備驅(qū)動(dòng)程序，通過USB接口實(shí)時(shí)采集攝像頭的圖像，得到BMP格式的表盤圖像；c. 圖像處理及識(shí)別讀數(shù)：對(duì)采集到的表盤圖像進(jìn)行處理和計(jì)算，識(shí)別圖像中表盤的讀數(shù)；d. 數(shù)據(jù)管理：利用計(jì)算機(jī)的數(shù)據(jù)庫(kù)管理功能，把鑒定數(shù)據(jù)保存到數(shù)據(jù)庫(kù)中，并根據(jù)數(shù)據(jù)對(duì)被檢儀表的性能進(jìn)行可行性的分析和判別。因此提出了動(dòng)態(tài)的局部閾值化算法，也稱自適應(yīng)閾值化算法。設(shè)灰度值取值是0~255之問的整數(shù)，為黑色，為白色。在中值濾波算法中，對(duì)于孤立像素的屬性并不非常關(guān)注，而是認(rèn)為圖像中的每個(gè)像素都跟鄰域內(nèi)其他像素有著密切的關(guān)系，對(duì)于每一個(gè)鄰域，算法都會(huì)在采樣得到的若干像素中，選擇一個(gè)最有可能代表當(dāng)前鄰域特征的像素的灰度作為中心像素灰度，這樣就有效避免了離散型雜點(diǎn)對(duì)圖像的影響。對(duì)于可能的噪聲像素點(diǎn)，采用基于直方圖的加權(quán)均值濾波算法進(jìn)行處理，而對(duì)于信號(hào)像素點(diǎn)則不做任何處理，以保留更多的圖像細(xì)節(jié)。直接利用原圖像梯度場(chǎng)的線性放大作為結(jié)果圖像的目標(biāo)對(duì)比度場(chǎng)可以對(duì)圖像的細(xì)節(jié)起到一定的增強(qiáng)作用，但當(dāng)圖像的噪聲較大時(shí)，噪聲也被同等放大了[10]。其基本思想是：把原始圖的直方圖變換為均勻分布的形式,這樣就增加了像素灰度值的動(dòng)態(tài)范圍從而達(dá)到增強(qiáng)圖像整體對(duì)比度的效果。圖像增強(qiáng)的方法包括圖像直接灰度變換，直方圖處理、基于Retinex圖像增強(qiáng)算法論的圖像增強(qiáng)、基于梯度場(chǎng)放大的圖像增強(qiáng)等。常見的照明方式有正射、斜射、后射、前照、暗場(chǎng)照明和漫反射等等，如下圖所示。壽命長(zhǎng)：LED光源有人稱它為長(zhǎng)壽燈，意味永不熄滅的燈。白熾燈的光譜功率分布是連續(xù)光譜。除了聚焦目標(biāo)的像焦點(diǎn)清晰外，在聚焦目標(biāo)靠前和靠后景物的像，都表現(xiàn)為不清晰的極小的圓圈這個(gè)小圓圈在光學(xué)上稱為彌散圓。光軸平行的光線射入凸透鏡時(shí)，理想的鏡頭應(yīng)該是所有的光線聚集在一點(diǎn)后，再以錐狀的擴(kuò)散開來，這個(gè)聚集所有光線的一點(diǎn)，就叫做焦點(diǎn)。關(guān)鍵技術(shù)包括：（1）對(duì)攝像機(jī)擺放位置、光照設(shè)施的選用和設(shè)定。 進(jìn)入80年代中后期，隨著移動(dòng)式機(jī)器人等的研究，視覺研究與之密切結(jié)合，大量引入了空間幾何的方法以及物理知識(shí)，其主要目標(biāo)是實(shí)現(xiàn)對(duì)道路和障礙的識(shí)別處理。針對(duì)人工方式檢定的缺點(diǎn)，才用機(jī)器視覺來對(duì)儀表進(jìn)行讀數(shù)必成為未來的主流[1]。本文首先介紹了課題的研究背景和意義，包括機(jī)器視覺的概念、歷史、存在問題和前景，然后從指針表的特點(diǎn)入手，研究一個(gè)應(yīng)用于指針表的圖像采集系統(tǒng)，包括圖像的采集，圖像的預(yù)處理。建立實(shí)驗(yàn)仿真系統(tǒng)，對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行對(duì)比，從而得出結(jié)論。美國(guó)制造工程師協(xié)會(huì)(SME)機(jī)器視覺分會(huì)和美國(guó)機(jī)器人工業(yè)協(xié)會(huì)(RIA)自動(dòng)化視覺分會(huì)關(guān)于機(jī)器視覺的定義是：“Machine vision is the use of devices for optical non—contact sensing to automatically receive and interpret an image of a real scene in order to obtain information and／or control machines or processes．”譯成中文是：“機(jī)器視覺是使用光學(xué)器件進(jìn)行非接觸感知，自動(dòng)獲取和解釋一個(gè)真實(shí)場(chǎng)景的圖像，以獲取信息和(／或)控制機(jī)器或過程[2]。到1985年以后，各國(guó)對(duì)于交通圖像偵測(cè)系統(tǒng)已有實(shí)際的成品發(fā)展出來。而對(duì)可能產(chǎn)生的對(duì)比度不足的問題，則采用灰度拉伸。在鏡頭前方（調(diào)焦點(diǎn)的前、后）有一段一定長(zhǎng)度的空間，當(dāng)被攝物體位于這段空間內(nèi)時(shí)，其在底片上的成像恰位于焦點(diǎn)前后這兩個(gè)彌散圓之間。不同像面寬度和不同清晰度的攝像機(jī)有不同的行間距值, 亦即有不同的彌散圓允許直徑。：激光器可以產(chǎn)生高度集中的光線。與傳統(tǒng)光源相比，LED光源具有優(yōu)點(diǎn)高節(jié)能、壽命長(zhǎng)、多變換、利環(huán)保、高新尖等的優(yōu)點(diǎn)[7]。首先是對(duì)攝像機(jī)的景深做了簡(jiǎn)單的闡述，通過計(jì)算方法，得知應(yīng)該如何地確立攝像機(jī)的景深大小。常用的灰度變換的方法有以下幾種：全域線性灰度變換、截取式線性灰度變換、分段線性灰度變換以及直方圖均衡化。累積分布直方圖滿足上述兩個(gè)條件并能將的分布轉(zhuǎn)換為的均勻分布。消除圖像噪聲的工作稱之為圖像平滑或?yàn)V波。其中，為噪聲圖像上點(diǎn)所對(duì)應(yīng)的權(quán)值，為點(diǎn)所對(duì)應(yīng)的灰度值，求出的函數(shù)值作為中心點(diǎn)像素的灰度估計(jì)值。如圖33所示，其中a表示一個(gè)55鄰域的像素灰度，其中灰度為0的點(diǎn)為雜點(diǎn)，b為對(duì)a進(jìn)行中值濾波的結(jié)果。這是根據(jù)圖像和背景的灰度值確定整體閾值的方法。方法適用條件不足之處原理總體評(píng)價(jià)迭代法灰度直方圖呈明顯雙峰的圖像當(dāng)圖像存在光照不均勻或圖像較臟時(shí)效果不好迭代運(yùn)算一般梯度均值法適合于對(duì)自然場(chǎng)景圖像無明顯不足利用梯度信息較好多閾值的梯度強(qiáng)度法光照不均勻所產(chǎn)生的影響得到比較好的控制無明顯不足通過線性插值好基于紋理的二值化方法票據(jù)、文本以及車牌圖像無明顯不足采用模式識(shí)別中的最大最小準(zhǔn)則好微分直方圖法微分直方圖有一個(gè)峰值對(duì)于邊界附近灰度變化復(fù)雜的圖像，不太湊效利用灰度微分值一般最大方差法直方圖不存在峰值時(shí)也可以用不能反映圖像的幾何結(jié)構(gòu)根據(jù)方差之比為最大較好 本文采用的圖像二值化方法通過實(shí)驗(yàn)對(duì)比，可以知道3種方法的優(yōu)缺點(diǎn)。檢定時(shí)使用的標(biāo)準(zhǔn)電源準(zhǔn)確度的最低要求為177。把D/A轉(zhuǎn)換值設(shè)置為，并使DAC輸出更新，程控電流源的輸出電流也得到了更新。實(shí)踐證明，基于Matlab軟件應(yīng)用平臺(tái)適合指針表圖像處理、驗(yàn)證處理方法是否合適等一系列機(jī)器視覺識(shí)別等關(guān)鍵問題。這種講解了程控電流源的組成和各芯片電路。正是由于師兄對(duì)我的幫助和指導(dǎo)，才使論文得以順利的完成。 Ismail， A.。3：圖像預(yù)處理方面，分為圖像增強(qiáng)，圖像的濾波去噪，圖像的二值化3個(gè)大方面進(jìn)行處理。數(shù)據(jù)傳送完畢以后用命令fclose(obj)關(guān)閉此串口。當(dāng)需要輸出電流為時(shí)，設(shè)置D/A轉(zhuǎn)換值為 運(yùn)算結(jié)果為實(shí)數(shù)，應(yīng)保留到個(gè)位。每種方法都做出了分別的概述，從而從當(dāng)中選取較好的方法來進(jìn)行實(shí)驗(yàn)，并取得比較理想的結(jié)果。應(yīng)用局部閾值法后，從圖像局部看來，目標(biāo)特征物與背景是可分的，但是無法得到一個(gè)適用于整幅圖像的全局閾值。(2)由灰度直方圖確定整體閾值：利用原始圖像灰度分布的直方圖能給出圖像灰度值的概貌描述。W為二維模板，通常為2*2，3*3區(qū)域，也可以是不同的的形狀，如線狀，圓形，十字形，圓環(huán)形等。 加權(quán)均值濾波鑒于對(duì)未被噪聲污染的像素點(diǎn)進(jìn)行濾波會(huì)造成圖像的模糊，將圖像像素點(diǎn)分為信號(hào)像素點(diǎn)或可能的噪聲像素點(diǎn)兩個(gè)類別。由此，圖像對(duì)比度增強(qiáng)可以通過提高灰度梯度信息來實(shí)現(xiàn)。這種方法是根據(jù)輸入圖像的灰度概率分布來確定圖像對(duì)應(yīng)的輸出灰度值，通過拓展圖像灰度分布的動(dòng)態(tài)范圍以改善圖像視覺效果。其方法是通過一定手段對(duì)原圖像附加一些信息或變換數(shù)據(jù)，有選擇地突出圖像中感興趣的特征或者抑制(掩蓋)圖像中某些不需要的特征，使圖像與視覺響應(yīng)特性相匹配。前向照明即光源位于物體的前面，主要是照射物體的表面缺陷、表面劃痕和重要的細(xì)節(jié)特征。直流驅(qū)動(dòng)，超低功耗電光功率轉(zhuǎn)換接近100%，相同照明效果比傳統(tǒng)光源節(jié)能80%以上。白熾燈發(fā)出的全部輻射中，不可見輻射占60%80%，可見光輻射只占6%12%，是低效率的發(fā)光器件。一個(gè)具有縱深距離的景物通過鏡頭在攝像機(jī)的CCD上成像時(shí)，并不是所有景物的像都是清晰的。本設(shè)計(jì)采用最常用的USB接口的CMOS攝相機(jī)來采集指針表的圖像。研究?jī)?nèi)容包括采集圖像時(shí)攝像機(jī)的聚焦、景深以及光源對(duì)圖像的影響，處理圖像時(shí)進(jìn)行的去除噪聲，灰度拉伸，二值化。這一框架雖然在細(xì)節(jié)上甚至在主導(dǎo)思想上還存在不完備的方面，許多方面還有很多爭(zhēng)議，但至今仍是目前計(jì)算機(jī)視覺研究的基本框架[3]。采用人工方式工作費(fèi)時(shí)間、勞動(dòng)強(qiáng)度大、檢定效率低、檢定誤差大、可靠性差。本文主要討論的是基于機(jī)器視覺指針儀表的圖像采集技術(shù)的應(yīng)用及其圖像預(yù)處理的關(guān)鍵技術(shù)。關(guān)鍵詞：機(jī)器視覺，指針表,攝像機(jī),圖像增強(qiáng),中值濾波,二值化 AbstractDevelopment of human society today, a large number of new emerging technology, and machine vision applications, which is undoubtedly important. Today, machine vision has been applied to various fields of industrial automation field, plays an extremely important role. The traditional indicator table has many ad