【導(dǎo)讀】圖像由于攜帶豐富的信息得到人們的青睞，而目前獲取圖像的方法有拍照，視屏截圖，利用計算機產(chǎn)生彩圖，激光掃描等等。從圖像中獲取景物的三維信息屬于一個多學科交叉的研究領(lǐng)域,它涉及到射影幾何學、數(shù)字圖像處理、計算機圖形學、計算機視覺等許多學科的理論,是目前研究的熱點之一。其主要過程是通過對圖像的特征提取、特征匹配、圖像關(guān)鍵特征的重建、三角化以及數(shù)據(jù)融合生成物體完整的三維結(jié)構(gòu)。這種三維信息或三維模型在虛擬植物可視化、數(shù)字娛樂、產(chǎn)品外觀設(shè)計、虛擬場景的模擬等諸多領(lǐng)域具有廣泛的應(yīng)用價值。在本文中圖像采集之后，首先將其數(shù)字化。數(shù)字化之后，計算機利用數(shù)字圖像處理技術(shù)對圖像進行彩色預(yù)處理、去除背景、圖像平滑、彩色轉(zhuǎn)灰度、圖像銳化、灰度二值化、腐蝕膨脹、濾波、輪廓提取等處理，并且給出每步處理的圖像結(jié)果。

　　

【正文】 域分都分別獨立于目標物體，也就是說這兩塊區(qū)域和目標物體不連通，并且這兩塊區(qū)域的面積遠小于目標物體的面積，因此本文采用連通域的方法來濾除掉這兩塊干擾。過程是首先在該幅圖像中標記出所有的連通域，然后計算出各個連通域的面積，將面積最大的連通域保留下來，將其它的連通域中的像素全部置為背景。這樣就達到了去除圖像干擾的目的。(1)連通域在數(shù)字圖像處理中，所謂區(qū)域，是指以一定的連通方式組合在一起的像素點的集合。連通域一般分為四連通域和八連通域。對某一個像素點而言，它和它周圍相鄰的像素點之間的相鄰關(guān)系一般分成4鄰域和8鄰域。兩種如表42，點qqq6和q8是點p的4鄰域點，而點q1~q8都是點p的8鄰域點。如表所示： 表42 八鄰域q3q2q1q4pq8q5q6q7(2)算法實現(xiàn)過程連通域濾波法主要分為四個步驟，第一連通域的初步標記；第二等價表的合并；第三重新標記連通域；第四去除面積較小的連通域，保留面積最大的連通域。為了便于描述，本論文用下圖為例來說明連通域標記的實現(xiàn)過程。在描述算法前首先說明本算法的兩個約定：從圖像的左上角開始掃描；本文使用的是八連通域標記法。 第一步：連通域的初步標記①首先判斷當前像素點是否為白像素，如果是白像素，則判斷當前像素點8的鄰域中右下、正下、左下、左邊有沒有點，如果都沒有點，則表示一個新的區(qū)域的開始。如果有點標記過，則進行下面的步驟。②接著判斷右下方的像素是否被標記過，如果右下方的像素被標記過，則將右下方像素的標記值賦給當前像素；如果右下方的像素沒有被標記過，則繼續(xù)進行下面的步驟。③繼續(xù)掃描當前像素的正下方的像素是否被標記過。如果當前像素的正下方被標記過，判斷當前像素經(jīng)過步驟②是否標記過，如果沒有標記，則將正下方的標記值賦予給當前像素；如果有，則表示正下方的標記和當前像素的標記是等價的，則將等價表中將當前像素標記和正下方向標記所在的位置設(shè)為真，即表示這兩個標記是等價的。④繼續(xù)掃描當前像素的左下方的像素是否被標記過。如果當前像素的左下方被標記過，判斷當前像素經(jīng)過步驟②和步驟③是否標記過，如果沒有標記，則將左下方的標記值賦予給當前像素；如果有，則表示左下方的標記和當前像素的標記是等價的，則將等價表中將當前像素標記和左下方向標記所在的位置設(shè)為真，即表示這兩個標記是等價的。⑤繼續(xù)掃描當前像素的左邊的像素是否被標記過。如果當前像素的左邊被標記過，判斷當前像素是否標記過，如果沒有標記，則將左邊的標記值賦予給當前像素；如果有，則表示左邊的標記和當前像素的標記是等價的，則將等價表中將當前像素標記和左邊標記所在的位置設(shè)為真，即表示這兩個標記是等價的。對圖像中所有像素經(jīng)過上面五個步驟處理完之后，將圖像中的連通域進行了初步的標記，并將有等價關(guān)系的標記寫入等價表中。第二步：合并等價表合并等價表就是將初步標記中有等價關(guān)系的標記用它們的最小值表示。第三步：圖像替換根據(jù)上面的步驟，已經(jīng)完成了等價表的合并工作。重新合并之后的等價表，要重新被賦予新的標記。第四步：去除面積小的連通域，保留面積最大的連通域這一步做的工作就是計算經(jīng)過重新標記后的每個連通域的白像素的個數(shù)。每個連通域計算完像素個數(shù)之后，選取最多像素的連通域進行保留，其它的連通域中的像素全部置為0。比如上圖所示僅僅保留被標記為4的這個連通域，其它連通域中的像素都全部置為背景。結(jié)合到本文中的側(cè)面圖與背面圖來看，圖中分別有四個和三個連通域可能被標記，而且連通域中最大的一個為目標物體，所以針對這幅圖也像上面的步驟那樣進行連通域的濾波。濾波之后，僅僅保留像素最大的一個連通域，： 側(cè)面連通域標記到濾波的結(jié)果 : 水杯正面濾波并填充的結(jié)果 二值圖像的輪廓提取方法比較簡單，就是掏空內(nèi)部點。二值圖像中黑色為背景，白色為目標，則如果源圖中有一點為白，且它的周圍8個相鄰點都是白色時，此點即為內(nèi)部點，應(yīng)將其刪除。因此，該算法實際是對圖像的各像素進行掃描，對于這里的二值圖像來說則只需要考慮白點，并對其周圍上、下、左、右的八個鄰點，如果其全為白則說明該點為物體的內(nèi)部點，可以去除（變?yōu)楸尘包c，黑點），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輪廓應(yīng)該沒有什么問題。： 水杯輪廓圖 在識別圖像中的目標時，往往需要對目標邊緣作跟蹤處理，也叫輪廓跟蹤。顧名思義，輪廓跟蹤就是通過順序找出邊緣點來跟蹤邊界的。本文中圖像是二值圖像，則如下算法可以完成基于4連通域或者8連通域的輪廓跟蹤。算法如下： ①按照從上到下，從左到右的順序掃描位圖圖像像素矩陣，尋找沒有標記跟蹤結(jié)束記號的第一個邊界起始點A0，A0是具有最小行和列值的邊界點。注意：此時的邊界點其實是圖像最左下方的邊界點。定義一個掃描方向變量dir，該變量用于記錄上一步中沿著前一個邊界點到當前邊界點的移動方向，按照上述掃描第一個邊界點的順序，其初始化取值為：對4連通區(qū)域取dir=0。對8連通域取dir=； ②按逆時針方向搜索當前像素點的3*3鄰域，如果搜索到邊界點（白點）時，則將該邊界點作為新的當前像素點，且更改搜索方向，其方法為：對4連通域?。╠ir2）mod4，對8連通域?。╠ir2）mod8，否則以當前像素點為中心逆時針繼續(xù)搜索，由當前搜索方向求下一個搜索方向的方向的方法為：對四連通域取（dir+1）mod4，對八連通域?。╠ir+1）mod8 。 ③如果搜索的下一個像素點等于第一個邊界點A0或者越界，則停止搜索，結(jié)束跟蹤，否則重復(fù)步驟2繼續(xù)搜索。 ④由起始邊界點沿著跟蹤路徑再到起始邊界點構(gòu)成的邊界即為要跟蹤的邊界。 ⑤運用該跟蹤算法提取出的點坐標系列就是按照邊界跟蹤算法的順序?qū)⑦吔琰c的坐標系列存儲起來。 提取水杯分面的輪廓坐標 提取出輪廓后，只是直觀地得到了水杯分面的輪廓線，要想在后續(xù)工作中進行三維重建，就必須得到水杯分面的輪廓像素點坐標，而在一系列的圖像處理后，得到的僅僅是輪廓的二維坐標，從二維到三維的變化，需要將水杯四個分面分別建立坐標系，并根據(jù)這四個二維坐標系，從而推導(dǎo)出水杯整體輪廓的三維坐標。 本論文中，使用Matlab建立坐標系，(a)、（b)所示： （a）正面和側(cè)面的二維坐標系 （b）背面和頂面的二維坐標系 四個分面的三維坐標系 建立坐標系后，需要根據(jù)二維坐標系映射出三維坐標系，這一步驟是根據(jù)以下思想來實現(xiàn)的：本論文中，水杯從正面到側(cè)面再到背面其坐標系是分別逆時針旋轉(zhuǎn)90176。和180176。，： O1 x1 O2 z1 O3 z2 z1 90176。 z2 90176。 z3 y1 y1 y1 4..頂面坐標系 O3 z2 O4 z2 z3 y1y1 z3 水杯四個分面的三維坐標系 選取特征點 建立好坐標系后，需要根據(jù)坐標系求出其特征點（角點）的坐標，本論文中選取部分特征點進行研究，并推導(dǎo)出水杯輪廓各點的三維坐標。部分特征點的選取為了直觀顯示，： 特征點的選取選好特征點后，使用matlab中的[x,y]=ginput(n)函數(shù)求出其二維坐標，本論文中，正面圖選取14個特征點，側(cè)面圖選取22個特征點，背面圖選取17個特征點，頂面圖選取11個特征點。得到二維坐標后，即可利用上圖中四個三維坐標系的關(guān)系確定出水杯輪廓的三維坐標。 第五章 誤差分析與處理(1)CCD傳感器的誤差由于CCD傳感器是電子設(shè)備，電子設(shè)備由于受工作溫度、環(huán)境的影響，不可避免地出現(xiàn)誤差，并且由于CCD存在暗電流，暗電流會影響CCD傳感器的成像質(zhì)量。暗電流越大，信噪比越小，對測量精度的影響越小。解決方案：本系統(tǒng)中CCD傳感器對系統(tǒng)的測量誤差比較小，不是主要的誤差來源，所以在本系統(tǒng)中沒有引入消除該誤差的具體方案。(2)光源的誤差由于系統(tǒng)中采用的是日光燈，而物體的尺寸相對比較大，形狀也不規(guī)則，這樣就造成了物體表面光照度的不均勻。會形成某些地方比較亮，某些地方暗一些，甚至出現(xiàn)了一些陰影現(xiàn)象。這樣會使CCD傳感器的光敏上所成的像不能反應(yīng)出陶坯的真實情況，從而影響了測量的精度。解決方案：在本論文中采用日光燈管照射物體，并且在每個攝相機的旁邊都方有一個日光燈管，這樣盡可能的使照射到物體的光線均勻，以消除由光源引起的誤差。(1) 彩色圖轉(zhuǎn)為灰度圖產(chǎn)生的誤差 在彩色圖轉(zhuǎn)為灰度圖的過程中，由于目標圖與背景的灰度對比度不夠強，導(dǎo)致彩色圖灰度化后，目標與背景會有相近的灰度值，這樣在后續(xù)處理中會把一部分背景誤認為是目標，從而形成干擾。在灰度直方圖中可以看到，四幅圖像中基本都是有三個峰值，這對閾值的選取形成一定的困難，同時這也是形成誤差的重要來源。 解決辦法：在這一步中，可以通過增強灰度對比度方法來減小誤差，這一步需要多次試驗尋找最佳閾值，或者可以分區(qū)域確定閾值，這樣在圖像的特定區(qū)域使用最佳閾值就可以增強我們所感興趣的區(qū)域的灰度。(2) 圖像平滑、銳化過程中產(chǎn)生的誤差 實際上圖像的平滑以及銳化本身就是消除或者減小噪聲的圖像處理方法，但是即便如此，平滑過程中使用的均值濾波以及中值濾波均會使圖像模糊，這樣對在后續(xù)處理中，邊界提取時就需要增強邊緣，這樣就會累積誤差。(3)邊緣檢測以及輪廓提取中的誤差 在利用canny算子和sober算了進行邊緣檢測時，圖像的邊緣出現(xiàn)了斷斷續(xù)續(xù)的情況，這是由于算子本身模板的局限造成的。同樣，在對二值圖像進行輪廓提取時，也會在視覺上出現(xiàn)斷斷續(xù)續(xù)的情況，這就需要在后續(xù)工作中通過其他辦法進行彌補。 解決辦法：可以不選用這倆種算子，嘗試一下其他的邊緣檢測算子進行對比，或者調(diào)整模板，盡量使圖像在視覺上美觀而且突出感興趣區(qū)域的特征。(4)提取輪廓坐標產(chǎn)生的誤差 在對特征點選取時，是利用肉眼進行觀察然后用鼠標點取坐標值的，這樣就會得到大體的輪廓坐標，是不準確的。 解決辦法：可以編程對輪廓進行邊界跟蹤，將一系列的輪廓坐標存儲在一個二維數(shù)組中。由于本系統(tǒng)用于實際生產(chǎn)線的工作環(huán)境中，而實際的生產(chǎn)線上，環(huán)境變化復(fù)雜，在成像區(qū)域有可能出現(xiàn)和被測目標對象顏色接近的雜質(zhì)，尤其是出現(xiàn)在目標物體的邊緣，這樣使測出的實際尺寸可能大于真實尺寸。解決方案：，盡可能的減少雜質(zhì)出現(xiàn)的概率。 、平滑的方法去除雜質(zhì)的影響。 第六章 總結(jié)與展望整個系統(tǒng)方案充分利用圖像處理的技術(shù)，是在大量閱讀國內(nèi)外相關(guān)文獻之后，總結(jié)目標圖像的特點和性質(zhì)的基礎(chǔ)上而提出的。在圖像預(yù)處理、圖像增強、圖像平滑、輪廓提取中，根據(jù)圖像的實際情況采用了實用有效的算法提高了圖像處理的結(jié)果。由此得出利用數(shù)字成像和圖像處理技術(shù)對輪廓提取的可執(zhí)行性和應(yīng)用前景。本文所設(shè)計的系統(tǒng)應(yīng)用圖像處理技術(shù)進行輪廓提取，主要的成果有以下幾點: (1)通過目標圖像的正面、側(cè)面、背面以及頂面圖的圖像進行分析，得出基于數(shù)字圖像處理的輪廓提取可行，并且能較好地得出對目標圖像的分面輪廓的坐標，測試結(jié)果準確可靠。(2)利用Matlab作為工具，顯示出圖像處理目標圖片的各個步驟，不僅加深了對數(shù)字圖像處理知識的認識和理解，同時也熟練掌握了Matlab這一應(yīng)用軟件。 (3)雖然論文中對基于數(shù)字成像的目標圖像輪廓提取的研究作了大量的工作，取得了一些成果，但還是有許多問題需要進一步研究。在圖像獲取的精度上需要繼續(xù)改進，這主要是由于硬件條件限制，比如可以選擇更高精度的成像儀器。而且整個圖像獲取的環(huán)境是在實驗室的條件下的，而真正的生產(chǎn)現(xiàn)場環(huán)境可能在溫度、關(guān)照系統(tǒng)、粉塵雜質(zhì)等條件下對采集回來的圖像有一定的差別。所以下一步的工作首先就是要進一步提高硬件系統(tǒng)的性能，其次就是要通過對生產(chǎn)現(xiàn)場采集回來的圖像進行數(shù)字圖像處理，達到真實環(huán)境下提取目標輪廓的目的。 參考文獻【1】D．H．Ballard and C．M．Brown．Co