【文章內容簡介】 、高斯噪聲等。含有噪 聲的圖像常常表現為圖像變暗而不清楚，會對后續(xù)處理產生一定的影響，因此需要對圖像進行平滑濾波處理。圖像平滑化處理方法有空域法和頻域法兩大類?？沼驗V波法是在圖像空間借助模板進行鄰域操作來完成的，頻域濾波法是應用變換技術，如求出圖像的變換，然后采用數字濾波技術圖像頻譜的算法。頻域法計算復雜，運算時間長，效率低，不適宜用于實時圖像處理。所以，本研究用來去除噪聲的方法只考慮空域濾波法?？沼驗V波常用的方法有鄰域平均法和中值濾波法。 鄰域平均法 這種方法是空域濾波中算法最簡單的。圖像區(qū)域內任意點的灰度值是該點 鄰域內各點灰度值的平均值。平滑的效果與鄰域的大小直接相關，鄰域越大平滑效果越好；但鄰域過大，會使邊緣信息丟失較多，從而使輸出第 二 章 圖像底層處理算法的研究 7 的圖像變得模糊。鄰域的取法一般有 4鄰域和 8鄰域兩種。 中值濾波法 中值濾波是一種非線性平滑方法，既能消除噪聲又能保持圖像的細節(jié)。中值濾波方法工作過程是：首先將選定的窗口在圖中漫游，并將窗口中心與圖中某個像素位置重合，然后讀取窗口內各對應像素的灰度值，將這些灰度值按從小到大的順序排序，找出這些值里排在中間的 1個，最后將這個中間值賦給對應窗口中心位置的像素。中值濾波的主要功能就 是讓與周圍像素灰度值的差比較大的像素改取與周圍像素值接近的值，從而可以消除孤立的噪聲點。由于它不是簡單的取均值，所以產生的模糊較少。 對大小為 450像素 600像素增強后的 a通道獼猴桃圖像，分別用鄰域平均法和 5*5中值濾波法進行處理，所用時間分別為 ，處理結果如圖 31所示： （ a） a通道增強后圖像 （ b）鄰域平均法 （ c） 5*5中值濾波 圖 22 圖像濾波處理結果 對處理的結果對比分析可知： 鄰域平均法處理的時間最少， 但不能很好的消除噪聲的影響， 且易使背景變得雜亂。 5*5中值濾波能較好的消除噪聲影響。當增加中值濾波的窗口時圖像繼續(xù)改善的效果不明顯，但處理時間會大幅度增加。通過上面試驗再結合查閱論文可得出以下結論：在獼猴桃 采摘機器人的視覺系統(tǒng)中，當目標已經分割出來時，濾波處理可以采用鄰域平均法，或用 5*5的 中值濾波方法：如果目標還未分割，又要進行濾波處理，可以采用 5*5中值濾波方法 [13] 。 基于 Matlab 圖像處理的獼猴桃目標信息獲取方法的研究 8 邊緣檢測算法 邊緣是圖像中灰度級或者結構或多或少存在突變的地方，表明一個區(qū)域的終結和另一個區(qū)域位置的開始， 主要表現為階梯狀、脈沖狀或者屋頂狀。邊緣不僅能傳遞圖像大部分信息，還能勾勒出物體的基本輪廓，所以邊緣檢測對計算機視覺系統(tǒng)來說是非常重要的。邊緣檢測是圖像處理中的一個重要組成部分，是所有基于邊界分割方法的首期工作。它為圖像的識別、恢復、增強以及重建提供了手段。 邊緣檢測的方法很多，經典的邊緣檢測算子一般建立在微分運算的基礎上，是基于對像素和其鄰點的灰度級進行運算的，因為圖像的微分運算是求像素值變化率的，故有加強高頻分量的作用。常用的方法包括對應于一階微分的梯度法和二階微分法。梯度法通過檢測一階導數的幅度值來檢測邊緣的存在，常用的梯度算子有羅伯特交叉 (Robert cross)算子，蒲瑞維特 (Prewitt)和索貝爾 (Sobel)算子等。二階微分法是利用二階導數算子過零點的性質來確定邊緣的位置，較常用的算子為拉普拉斯算子(Laplacian)。 羅伯特 (Robert)邊緣檢測算子 根據任一相互垂直方向上的差分都可用來估計梯度， Robert算子采用對角方向相鄰兩像素之差，即 x ( , ) ( 1 , 1 )( 1 , ) ( , 1 )yf f x y f x yf f x y f x y? ? ? ? ?? ? ? ? ? （ 21） 其幅值為： 22x( , ) yG x y f f? ? ? ? （ 22） Robert邊緣檢測算子相當于用模板 0110???????和 1001???????對圖像進行卷積。 索貝爾 (Sobel)邊緣檢測算子 Sobel算子從不同的方向檢測邊緣，利用像素點上下、左右鄰點的灰度加權算 法，根據在緣點處達到極值進行邊緣的檢測。其計算式為： G(x,y)=| f|+| f|xy??= | ( 1 , 1 ) 2 ( , 1 ) ( 1 , 1 ) ( 1 , 1 ) 2 ( , 1 ) ( 1 , 1 ) |f x y f x y f x y f x y f x y f x y? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 第 二 章 圖像底層處理算法的研究 9 | ( 1 , 1 ) 2 ( 1 , ) ( 1 , 1 ) ( 1 , 1 ) 2 ( 1 , ) ( 1 , 1 ) |f x y f x y f x y f x y f x y f x y? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （23） Sobel算子對應的兩個模板為： 1 0 12 0 21 0 1????????? 1 2 10 0 01 2 1???????? ．拉普拉斯 (Laplacian)算子 拉普拉斯算子是一種二階微分算子，若只考慮邊緣點的位置而不用考慮周圍的灰度差時可用該算子進行檢測。對于階躍狀的邊緣，其二階導數在邊緣點出現零交叉，并且邊緣點兩旁的像素的二階導數異號。對數字圖像的每個像素計算關于 x軸和 y軸的二階偏導數之和 2 ( , )f x y? 。 其對應的表達式為 ： 2 ( , ) ( 1 , ) ( 1 , ) ( , 1 ) ( , 1 ) 4 ( , )f x y f x y f x y f x y f x y f x y? ? ? ? ? ? ? ? ? ? （ 24） 該算子對 應的模板為： 0 1 01 4 10 1 0??????? ． Canny 邊緣檢測算子 Canny算子是一個具有濾波、增強和檢測的多階段的優(yōu)化算子。在進行處理前， Canny算子先利用高斯平滑濾波器來平滑圖像以除去噪聲 圖像中的邊緣可能會指向不同的方向，所以 Canny 算法使用 4 個 掩膜 檢測水平、垂直以及對角線方向的邊緣。原始圖像與每個 掩膜 所作的卷積都存儲起來。對于每個點我們都標識在這個點上的最大值以及生成的邊緣的方向。這樣我們就從原始圖像生成了圖像中每個點亮度梯度圖以及亮度梯度的方向。 對 大小為 450像素 600像素分割后的獼猴桃二值圖像，分別用羅伯特交叉（ robert cross）算子、索貝爾 (Sobel)算子、拉普拉斯算子 (Laplacian)基于 Matlab 圖像處理的獼猴桃目標信息獲取方法的研究 10 和 canny算子進行處理，所用時間分別為 、 、 ，處理結果如圖 31所示： （ a）原圖像 (b) Roberts處理結果 （ c） Sobel算子處理結果 （ d） Laplacian算子 處理結果 （ e） canny算子處理結果 圖 23 邊緣檢測算法對比圖 由 上圖可以看出 Roberts算子檢測出的邊緣不太連續(xù)； Laplacian算子檢測出現偽邊緣，不利于后續(xù)處理； sobel算子和 canny算子檢測出的邊緣連續(xù)性均較好， 但 canny算子定位精度高，誤判率低，適合于高噪聲圖像處理 [14] 。獼猴桃采摘機器人在田間作業(yè)，工作環(huán)境復雜，因此在后續(xù)處理中選用 canny算子進行邊緣檢測。 數學形態(tài)學算法 數學形態(tài)學是以形態(tài)結構元素為基礎對圖像進行分析的數學工具。它的基本思想是用具有一定形態(tài)的結構元素去度量和提取圖像中的對應 形狀以達到對圖像分析和識別的目的。數學形態(tài)學的應用可以簡化圖像數據，保持它們基本的形狀特征，并除去不相干的結構。圖像形態(tài)學基本運算包括膨脹 (Dnation)、腐蝕 (Erosion)、開啟 (open)和閉合 (Close)運算。它們在二值圖像中和灰度圖像中各有特點?；谶@些基本運算還可以推導和組合成各種數學形態(tài)學實用的算法 . 膨脹 第 二 章 圖像底層處理算法的研究 11 膨脹在數學形態(tài)學中的作用是對二值化物體邊界點進行擴充，將物體接觸的所有背景點合并到該物體中，使邊界向外部擴張的過程。如果兩個物體之間的距離比較近，則膨脹可以把兩個物體連通 到一起，膨脹對填充圖像分割后物體中的空洞很有用，具有結合性和交換性。 數學定義為：用 B來膨脹 A得到的集合 ^B (B的映像 )的位移與 A至少有 1個非零元素相交時 B的原點位置的集合。膨脹具有擴大圖像的作用。公式表示為： ^{ | [ ( ) ] }xA B x B A? ? ? ? ? （ 25） 腐蝕 腐蝕是膨脹的相反過程。腐蝕在數 學形態(tài)學中的作用是消除物體邊界點，使邊界向內部收縮的過程，可以把小于結構元素的物體去掉。這樣選取不同大小的結構元素，就可以去除不同大小的物體。如果兩個物體間有細小的連通，通過腐蝕就可以將兩個物體分開。數學定義為：用 B來腐蝕 A得到的集合是 B完全包括在 A中時 B的原點的位置的集合。公式表示是：{ | ( ) }xA B x B A? ? ? （ 26） 開運算 開運算先對圖像進行一次腐蝕運算，去除圖像中的物體的邊緣和細小的物 體，之后再用同樣的結構元進行一次膨脹運算，使在腐蝕運算中保留下來的物體的邊緣恢復原狀。通過開運算可以去除圖像中的細線和小物體，分離連接很少的兩個物體，并在基本不改變較大物體的面積的前提下去除圖像邊緣的毛刺。公式定義為： ()A B A B B? ? ? （ 27） 閉運算 閉運算同開運算的操作相反，先進行一次膨脹運算，之后再進行一次腐蝕運算。同樣分析可知，閉運算可以填充圖像中細 小的洞，連接相鄰的物體，并能在基本不改變原物體的面積的前提下平滑圖像的邊界。公式定義為： ()A B A B B? ? ? ? （ 28） 本章小結 本章研究了圖像底層處理的各種算法，在理論分析和試驗的基礎上，提出可用直方圖均衡化法進行圖像的增強處理；用 5*5中值濾波法，進行原始圖像信息的平滑處理。在圖像邊緣檢測方面，對經典算子進行了分析、基于 Matlab 圖像處理的獼猴桃目標信息獲取方法的研究 12 比較和試驗，提出可用 Canny算子進行 獼猴桃 圖像的邊緣檢測。最后介紹了常用的幾種數學形態(tài)學的基本算法。 第 三 章 顏色特征分析與圖像分割 11 第三章 顏 色特征分析 與圖像分割 獼猴桃采摘機器人的正常工作首先依賴于對作業(yè)對象的正確識別和準確定位。 要實現目標果實的識別，就要選擇適當的顏色空間和顏色因子，再結合一定的閾值將果實從復雜的背景中分割出來，為后續(xù)計算果實的形心和特征參數奠定基礎。 獼猴桃果實與周圍環(huán)境間顏色特征 分析 要將水果從生長環(huán)境中識別出來，對計算機來說顏色是果實與生長環(huán)境中其它物體（葉子、枝條、果柄和其他背景干擾）最直接的區(qū)別，不同顏色空間下圖像處理效果會有明顯的差別。因此，在課題研究中必須充分了解獼猴桃及其周圍環(huán)境顏色特征的分布，選擇合適 的顏色模型和顏色因子，才能使后面的圖像分割取得理想的效果。 顏色模型 顏色特征是物體表面的本質特征，是機器視覺系統(tǒng)的基礎研究。本文的研究對象是從互聯網上下載的獼猴桃彩色圖像，彩色圖像包含了比灰度圖像更豐富的顏色信息，有利于目標的識別。一幅彩色圖像含有顏色信息，對這些顏色信息的研究離不開顏色的定量表示。目前，用于定量描述顏色的模型有許多種，為了科學的研究、測定和使用顏色，現已建立了十幾種顏色模型，如 RGB、 HIS、 L*a*b*、 HSV、 CMY等。 通過查閱論文確定本研究中使用 于 果實圖像分割中最常用的 是 RGB模型和 L*a*b空間 模型。不同顏色空間下圖像處理的效果有顯著的差別。所以選擇一個合適的顏色模型對圖像的處理和分析很重要。 RGB顏色模型 RGB 顏色模型基于人類視覺的三基色原理，是最基本的一種顏色模型。它是一種 加色模型 ，是 用三種原色──紅色、綠色和藍色的色光以不同的比例相加，以產生多種多樣的色光。 圖像處理中使用的其它所有的顏色空間都是從 RGB 顏色空間轉換來的，其處理結果也要轉換到 RGB 顏色空間才能顯示出來。 圖像中每一個像素的 RGB 分量分配一個 0255 范圍內的強度值，三個顏色分量按照不同的比例混合，可以組合出上千萬種的顏色。 在這種顏色模型中，彩色圖