【導(dǎo)讀】基于機(jī)器視覺(jué)的產(chǎn)品檢測(cè)技術(shù)是指以機(jī)器視覺(jué)為手段獲取被測(cè)物體圖像，速度快、柔性好等突出優(yōu)點(diǎn)，相比于傳統(tǒng)檢測(cè)技術(shù)具有更為廣闊的應(yīng)用前景。針對(duì)所獲取的圖像存在背景、噪聲等干擾信息，不適于直接進(jìn)行缺陷檢測(cè)的問(wèn)題，本文研究了相關(guān)的圖像處理算法?；倪m應(yīng)能力，而且提高了算法的實(shí)用性。方法有效降低了特征向量的維數(shù)，在保證識(shí)別準(zhǔn)確率的情況下，提高分類(lèi)效率。綜合應(yīng)用上述方法，實(shí)現(xiàn)了基于機(jī)器視覺(jué)的注塑制品缺陷檢測(cè)系統(tǒng)的雛形，獲得了較高的檢測(cè)正確率，較好的滿(mǎn)足了注塑制品檢測(cè)的要求。

　　

【正文】 圖像灰度直方圖的閾值選取法會(huì)產(chǎn)生較大影響。 (2)基于圖像差距量的閾值選取方法 這類(lèi)方法的典 型方法是最大類(lèi)間方差法 [24]。這種方法能使分割出來(lái)的目標(biāo)與背景之間的差距很大，即目標(biāo)與背景之間有很高的對(duì)比度，該方法計(jì)算簡(jiǎn)單，在一定條件下不受圖像對(duì)比度與亮度的變化的影響。最大類(lèi)間方差法是該類(lèi)方法中較為成功的一種，該方法是在判別式分析與最小二乘法原理的基礎(chǔ)上推導(dǎo)出來(lái)的，最佳閾值在該判別式取得最大時(shí)得到。 (3)基于熵的閾值選取方法 20 世紀(jì) 80 年代初，人們開(kāi)始考慮用信息論中熵的概念進(jìn)行閾值選取， 1980 年 Pun首先提出了最大后驗(yàn)熵上限法， 1985 年 Kapur 等人提出了一維最大熵閾值法。根據(jù)最大熵原理，選取 一個(gè)閾值 t，使圖像用這個(gè)閾值分割出的兩部分的一階灰度統(tǒng)計(jì)的信息量最大。即一維熵最大。熵該方法存在的一些不足之處是：對(duì)噪聲敏感，與最大類(lèi)間方差東北大學(xué)碩士學(xué)位論 文 第三章 注塑制品圖像處理 － 21－ 法方法相比一維最大熵法由于涉及對(duì)數(shù)運(yùn)算。速度較慢，實(shí)時(shí)性較差。 (4)逼近迭代法 這種方法的原理是將直方圖用兩個(gè)或多個(gè)正態(tài)分布的概率密度函數(shù)來(lái)近似的方法，閾值取為對(duì)應(yīng)兩個(gè)或多個(gè)正態(tài)分布最大值之間的最小概率處最近的灰度值，其結(jié)果具有最小誤差的分割，這里誤差包括將目標(biāo)誤認(rèn)為背景被剔除而將背景、噪聲歸并為目標(biāo)，使兩者之和為最小。迭代所得的閾值分割目標(biāo)圖像的效果很好，能較好區(qū)分 圖像的前景和背景的主要區(qū)域所在。但迭代算法運(yùn)算量較大，而且往往沒(méi)有比 Otsu 算法更加明顯的優(yōu)勢(shì)， (5)其他閾值選取方法 近年來(lái)，隨著遺傳算法、小波變換、數(shù)學(xué)形態(tài)學(xué)及模糊集合論等理論的發(fā)展，這些理論也被引入到圖像閾值分割的領(lǐng)域，產(chǎn)生了許多新的閾值化方法。這些算法雖然有著比較好的運(yùn)算效果，但是計(jì)算復(fù)雜度高，很難滿(mǎn)足實(shí)時(shí)檢測(cè)的要求。 差影法 差影法它適用于靜止攝像機(jī)的情況，是圖像處理領(lǐng)域最簡(jiǎn)單常用的方法之一?？捎糜谌コ环鶊D像中不需要的加性圖案，加性圖案可能是緩慢變化的背景陰影、周期性的噪聲或者是在圖像上每一像 素處均已知的附加污染。差影法在動(dòng)態(tài)檢測(cè)與識(shí)別技術(shù)、血管造影技術(shù)及印刷線(xiàn)路板掩模缺陷的診斷等技術(shù)中都有應(yīng)用 [25,26]，利用它可以檢測(cè)同一場(chǎng)景中兩幅圖像間的變化。 所謂的差影法 [27]就是圖像的相減運(yùn)算 (又稱(chēng)為減影技術(shù) )，該運(yùn)算是把同一景物在不同時(shí)間拍攝的圖像或同一景物在不同波段的圖像相減， 通過(guò)將當(dāng)前幀與背景幀的灰度差與設(shè)定閾值比較來(lái)判定是否有運(yùn)動(dòng)發(fā)生，消除背景干擾，并將前景從背景中分離出來(lái)，增強(qiáng)兩幅圖像之間的差異，得到運(yùn)動(dòng)目標(biāo)的位置和形狀等較完整的信息。 差影 圖像提供了圖像間的差異信息，對(duì)圖像背景的消除有顯 著的效果。 利用差影圖像提供的圖像間的差異信息以達(dá)到動(dòng)態(tài)監(jiān)測(cè)、運(yùn)動(dòng)目標(biāo)檢測(cè)和識(shí)別以及目標(biāo)識(shí)別等目的 . 傳統(tǒng)方法 在注塑制品背景分割中的 應(yīng)用分析 閾值分割方法 在注塑制品背景分割中的應(yīng)用 分析 由于 最大類(lèi)間方差法 識(shí)別效果好， 方法計(jì)算簡(jiǎn)單 ， 受圖像對(duì)比度與亮度的變化的影響 小 。 因此 本文采用 該方法來(lái) 獲取閾值 。 制品 圖像灰度直方圖的形狀是多變的，有雙峰但無(wú)明顯低谷或者是雙峰與低谷都不明顯，采用 最大類(lèi)間方差法 能 夠快速穩(wěn)定的選取出東北大學(xué)碩士學(xué)位論 文 第三章 注塑制品圖像處理 － 22－ 理想的背景分割閾值， 得到較為滿(mǎn)意的結(jié)果。 而且即使圖像對(duì)比度與亮度的發(fā)生微弱的變化，其對(duì)分割效果的影響也很 小。 C0和 C1類(lèi)的出現(xiàn)概率及均值分別為： 0 0 ()t ii Pt?????? () 因方差是灰度分布均勻性的一種度量，方差值越大，說(shuō)明構(gòu)成圖像的兩部分差別越大，當(dāng)部分目標(biāo)錯(cuò)分為背景或部分背景錯(cuò)分為目標(biāo)都會(huì)導(dǎo)致兩部分差別變小，因此使類(lèi)間方差最大的分割意味著錯(cuò)分概率最小。 原始圖像如圖 所示： 圖 原始圖像 利用 最大類(lèi)間方差法 對(duì)其 進(jìn)行分割閾值的計(jì)算，其直方圖和利用閾值得到的背景分割圖像如圖 所示。 圖 原始圖像直方圖 （左）與閾值分割背景后的圖像（右） 由運(yùn)行結(jié)果可知，由于制品區(qū)域的灰度值和背景區(qū)域的灰度值有很小一部分是數(shù)值相近的，制品圖像部分信息丟失，而且制品邊緣部分的一些背景沒(méi)有得到徹底的消除。因此，單純的使用閾值分割方法很難得到令人非常滿(mǎn)意的結(jié)果。 東北大學(xué)碩士學(xué)位論 文 第三章 注塑制品圖像處理 － 23－ 差影 法 在注塑制品背景分割中的應(yīng)用 分析 在注塑制品的檢測(cè)中，我們得到的圖像都是在同一外界環(huán)境下，同一位置上得到的，可 以通過(guò)先獲取背景圖像，然后再將制品圖像與背景圖像做差得到差影圖像來(lái)消除背景，但是這種方法適用于背景和前景灰度有明顯對(duì)比度的情況 ,否則會(huì)出現(xiàn)漏檢或者噪聲。雖然我們的背景要暗于制品，但是機(jī)器手臂夾子的灰度值與制品的灰度值接近，在夾子附近的位置往往會(huì)出現(xiàn)噪聲點(diǎn)。差影法 各處理過(guò)程獲得圖像 如圖 。 (a)背景圖像 (b)含有背景的制品圖像 (c)差影后的圖像 (d)差影分割算法得到的制品圖像 圖 差影法 各計(jì)算步驟獲得 后的圖像 雖然減小閾值能夠減少噪聲，但是由于外界的光線(xiàn)條件總是變化著的，太小的閾值又會(huì)導(dǎo)致誤判斷，不能很好的消除背景。因此單純的差影法無(wú)法滿(mǎn)足我們的要求。 注塑制品背景分割方法設(shè)計(jì) 由試驗(yàn)結(jié)果可知，上述所用兩種方法都不能單獨(dú)解決背景分割問(wèn)題。差影法的主要問(wèn)題是原始的背景圖像由于夾子區(qū)域的高灰度值導(dǎo)致了差影算法的誤判斷，如果能夠?qū)A子區(qū)域中較亮的部分分割出去，那 么再運(yùn)行差影算法就能夠得到滿(mǎn)意的結(jié)果。而閾值分割方法正好能夠?qū)崿F(xiàn)這樣的要求。本文提出利用兩種算法各自的長(zhǎng)處彌補(bǔ)另一種算法東北大學(xué)碩士學(xué)位論 文 第三章 注塑制品圖像處理 － 24－ 的缺陷。兩種方法的結(jié)合思路如下： 首先利用閾值分割算法得到背景參考圖像的分割圖像，然后再將帶有制品的圖像與新的背景參考圖像做差影計(jì)算，得到背景分割后的圖像。 流程如圖 所示。 原 始 背景 圖 像制 品圖 像背 景 與 制品 象 素 點(diǎn)位 置差 影 后圖 像閾 值 分 割后 的 背 景圖 像閾 值 分割 處 理差 影 閾值 判 斷帶 背 景 的制 品 圖 像帶 背 景 的制 品 圖 像amp。 圖 組合算法的運(yùn)算流程 運(yùn)算上述方式 各流程獲得 的 圖像如圖 (a) 背景圖像 (b) 閾值分割后的背景圖像 (c) 含有背景的制品圖像 (d) 差影后圖像 (e) 制品圖像 圖 改進(jìn)方法各計(jì)算步驟獲得后的圖像 由圖中我們可以看出，新的改進(jìn)算法不僅能夠很好的保護(hù)制品信息，而且完全消除了背景。該算法適用于我們的實(shí)際系統(tǒng)，得到了令人滿(mǎn)意的結(jié)果。 注塑 制品 圖像濾波 圖像濾波能夠大大降低圖像采集過(guò)程引起的外界噪聲干擾，增強(qiáng)圖像的邊緣，改善原始圖像質(zhì)量。而且由于外界環(huán)境的變化，分割算法也可能會(huì)引入噪聲。因此有必要運(yùn)東北大學(xué)碩士學(xué)位論 文 第三章 注塑制品圖像處理 － 25－ 用濾波算法來(lái)消除噪聲，提高圖像的質(zhì)量。在背景分割的過(guò)程中，差影法對(duì)光照的變化比較敏感，如果外界條件產(chǎn)生較大變化，同樣會(huì)得到包含噪聲的圖像， 這必然影響到識(shí)別處理全過(guò)程及結(jié)果輸出，甚至可能因此做出錯(cuò)誤的識(shí)別。 因此圖像濾波就就顯得尤為重要，是得到理想圖像的必要保證。現(xiàn)在圖像濾波方法有很多種方式，按照作用域分發(fā)可以分為空間域?yàn)V波和變換域?yàn)V波兩種： (1)空 間 域?yàn)V波方法 空間域?yàn)V波是在圖像空間域中借助模板進(jìn)行鄰域操作完成的。根據(jù)構(gòu)成特點(diǎn)可以分為線(xiàn)性濾波和非線(xiàn)性濾波兩大類(lèi)。 線(xiàn)性空域?yàn)V波系統(tǒng)主要依靠轉(zhuǎn)移函數(shù)、脈沖函數(shù)或是點(diǎn)擴(kuò)散函數(shù)完成對(duì)鄰域的濾 波；而非線(xiàn)性濾波系統(tǒng)則多是直接對(duì)鄰域進(jìn)行處理?？沼?yàn)V波算法采用小區(qū)域模板卷積的方法進(jìn)行。這種模板卷積操作。在數(shù)字圖像處理中是非常基本的一種處理方法 [28,29]。 (2)頻域?yàn)V波方法 頻域?yàn)V波又稱(chēng)變換域?yàn)V波。是圖像在頻率域中進(jìn)行的一種很重要的處理手段。大部分的處理過(guò)程都在變換域中完成。常用頻域?yàn)V波包括布特沃斯、切比雪夫貝、塞 爾濾波器等 [30]。 由于頻域?yàn)V波方法需要在變換域中進(jìn)行，而這種頻域變化往往需要復(fù)雜的計(jì)算，無(wú)法滿(mǎn)足檢測(cè)系統(tǒng)實(shí)時(shí)性的要求，因此，本文采用空間域的濾波方法。空間域?yàn)V波方法中的鄰域平均法 (線(xiàn)性濾波 )和中值濾波法 (非線(xiàn)性濾波 )是目前研究與應(yīng)用最廣泛的方法，本文首先分析與比較兩種方法在注塑系統(tǒng)中濾波效果，然后基于每個(gè)方法的優(yōu)點(diǎn)與缺陷，設(shè)計(jì)適用于本系統(tǒng)的濾波方法。 傳統(tǒng)濾波方法 鄰域平均法 鄰域平均法 [31]是一種簡(jiǎn)單的空間域平滑噪聲處理方法，屬于線(xiàn)性濾波器。這種方法的基本思想是用幾個(gè)象素的平均值來(lái)代替象素的灰度值。 假定圖像 F(x,y)中的每個(gè)像點(diǎn)(j,k)的灰度值為 F(j,k)，以其為中心， A 表示窗口象素組成的點(diǎn)集， L 表示集合內(nèi)的象素?cái)?shù)。這樣，經(jīng)過(guò)鄰域平均法濾波后，象素 F(j,k)對(duì)應(yīng)的輸出為： ( , )1( , ) ( , )x y Ag j k F x yL ?? ? () 用鄰域平均法平滑時(shí)，鄰域的選取通常有兩種方式：以單位距離為半徑或單位距離的 2 倍為半徑。以 3x3 窗口為例 (見(jiàn)圖 )，單位距離為半徑時(shí)，其鄰域?yàn)椋簴|北大學(xué)碩士學(xué)位論 文 第三章 注塑制品圖像處理 － 26－ A4={(j,kl),(j+l,k),(j,k+1),(jl,k)}，稱(chēng)之為四點(diǎn)鄰域，四點(diǎn)鄰域時(shí) L=5。當(dāng)單位距離的 2 倍為半徑時(shí)，其鄰域?yàn)椋? A8={(jl,kl),(jl,k),(j1,k+l),(j,kl),(j,k+1),(j+l,k1),(j+l,k),(j+1,k+1)} 稱(chēng)之為八點(diǎn)鄰域，八點(diǎn)鄰域時(shí) L=9。 (a) 四點(diǎn)鄰域 (b) 八點(diǎn)鄰域 圖 鄰域窗口 假設(shè)噪 聲 n 是加性噪聲，在空間各點(diǎn)互不相關(guān)，且期望值為 0，方差為 2? ， g 是未受污染的圖像，含有噪聲的圖像 f 經(jīng)過(guò)鄰域平均后為： 1 1 1( , ) ( , ) ( , ) ( , )f m n f i j g i j n i jN N N? ? ?? ? ? () 由上式可知，經(jīng)鄰域平均法后，噪聲的均值不變，方差由原來(lái)的 2? 降到了 12N?? 。說(shuō)明噪聲的強(qiáng)度減弱了，即有力的抑制了噪聲。但與此同時(shí)，也出現(xiàn)了由于平均作用而引起的圖 像模糊 (加寬 )現(xiàn)象，影響后續(xù)處理中對(duì)邊緣的定位，且圖像模糊的程度與鄰域半徑成正比。 為了對(duì)其進(jìn)行一定的改善，將上述的均值濾波器加以修正，可以得到加權(quán)平均濾波器。常用的加權(quán)均值濾波器如下： 111111 2 110111H????????? 21 2 11242161 2 2H????????? 311111 0 18111H????????? （ ） 中值濾波法 鄰域平均濾波運(yùn)算的主要問(wèn)題是將圖像中所有尖銳不連續(xù)的部分都模糊化，也就是說(shuō)可能將圖像中的邊緣信息點(diǎn)當(dāng)作噪聲點(diǎn)去掉了， 丟失部分的邊緣信息。在高精度圖像測(cè)量系統(tǒng)中對(duì)于要求較好的保持圖像邊緣細(xì)節(jié)來(lái)說(shuō)，這是一個(gè)很大的弊端。而中值濾波算法在濾除噪聲的同時(shí)可以減少邊緣信息的損失，克服圖像細(xì)節(jié)模糊的問(wèn)題。下面來(lái)著重闡述一下這種濾波方法。 圖像中值濾波是由圖基 (Turky)在 1971 年提出來(lái)的一種非線(xiàn)性信號(hào)處理方法，其原理就是用一個(gè)含有奇數(shù)點(diǎn)的滑動(dòng)窗口，將正中那一點(diǎn)的值用窗口內(nèi)各點(diǎn)的中值代替。這種方法所得到的結(jié)果不會(huì)受到所屬鄰域內(nèi)的象素灰度值與當(dāng)前處理點(diǎn)的象素灰度值差東北大學(xué)碩士學(xué)位論 文 第三章 注塑制品圖像處理 － 27－ 別很大的點(diǎn)的影響，因此這種方法在去除脈沖噪聲、椒鹽噪聲的同時(shí)又能較好地 保留圖像的邊緣細(xì)節(jié)。能夠克服均值濾波方法所帶來(lái)的圖像細(xì)節(jié)模糊。在一維形式下，中值濾波是一個(gè)含有奇數(shù)個(gè)象素的滑動(dòng)窗口 。 一維中值濾波的概念很容易推廣到二維，這時(shí)取某種形式的二維窗口，將窗口內(nèi)的象素排序，生成單調(diào)的二維數(shù)據(jù)序列。一般說(shuō)來(lái)，二維中值濾波器比一維中值濾波器更能抑制噪聲。二維中值濾波器的窗口形狀有多種，如線(xiàn)狀、方形、十字形、圓形、菱形等。如圖 所示。不同形狀的濾波窗口產(chǎn)生不同的濾波效果，使用中 值濾波必須根據(jù)圖像的內(nèi)容和不同的要求加以選擇。根據(jù)以往的經(jīng)驗(yàn)，方形或圓形窗口適宜于外廓線(xiàn)較長(zhǎng)的物體圖像， 十 字形窗口優(yōu)選于尖頂角物體的圖像。 5x5 方形窗口 5x5 菱形窗口 5x5 十字形窗口 3x3 方形窗口 3x3 十字形窗口 圖 常見(jiàn)濾波窗口形狀和大小 中值濾波在去除椒鹽噪聲、脈沖噪聲干擾的同時(shí)能夠較好保持圖像的邊緣細(xì)節(jié)。但是它無(wú)法自適應(yīng)于局部噪聲水平的變化。而且，固定的正方形或長(zhǎng)方形模板無(wú)法自適應(yīng)或調(diào)解作用于條紋變化的方向。對(duì)于大面積的噪聲污染，