【正文】 所以下一步的工作首先就是要進(jìn)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(jìn)行數(shù)字圖像處理，達(dá)到真實(shí)環(huán)境下提取目標(biāo)輪廓的目的。在圖像獲取的精度上需要繼續(xù)改進(jìn)，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。(2)利用Matlab作為工具，顯示出圖像處理目標(biāo)圖片的各個(gè)步驟，不僅加深了對數(shù)字圖像處理知識(shí)的認(rèn)識(shí)和理解，同時(shí)也熟練掌握了Matlab這一應(yīng)用軟件。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。 第六章 總結(jié)與展望整個(gè)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(xiàn)之后，總結(jié)目標(biāo)圖像的特點(diǎn)和性質(zhì)的基礎(chǔ)上而提出的。解決方案：，盡可能的減少雜質(zhì)出現(xiàn)的概率。 解決辦法：可以編程對輪廓進(jìn)行邊界跟蹤，將一系列的輪廓坐標(biāo)存儲(chǔ)在一個(gè)二維數(shù)組中。 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(jìn)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。(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(jìn)行邊緣檢測時(shí)，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。 解決辦法：在這一步中，可以通過增強(qiáng)灰度對比度方法來減小誤差，這一步需要多次試驗(yàn)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(qiáng)我們所感興趣的區(qū)域的灰度。(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(biāo)圖與背景的灰度對比度不夠強(qiáng)，導(dǎo)致彩色圖灰度化后，目標(biāo)與背景會(huì)有相近的灰度值，這樣在后續(xù)處理中會(huì)把一部分背景誤認(rèn)為是目標(biāo)，從而形成干擾。這樣會(huì)使CCD傳感器的光敏上所成的像不能反應(yīng)出陶坯的真實(shí)情況，從而影響了測量的精度。(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。暗電流越大，信噪比越小，對測量精度的影響越小。得到二維坐標(biāo)后，即可利用上圖中四個(gè)三維坐標(biāo)系的關(guān)系確定出水杯輪廓的三維坐標(biāo)。 z3 y1 y1 y1 4..頂面坐標(biāo)系 O3 z2 O4 z2 z3 y1y1 z3 水杯四個(gè)分面的三維坐標(biāo)系 選取特征點(diǎn) 建立好坐標(biāo)系后，需要根據(jù)坐標(biāo)系求出其特征點(diǎn)（角點(diǎn)）的坐標(biāo)，本論文中選取部分特征點(diǎn)進(jìn)行研究，并推導(dǎo)出水杯輪廓各點(diǎn)的三維坐標(biāo)。： O1 x1 O2 z1 O3 z2 z1 90176。 本論文中，使用Matlab建立坐標(biāo)系，(a)、（b)所示： （a）正面和側(cè)面的二維坐標(biāo)系 （b）背面和頂面的二維坐標(biāo)系 四個(gè)分面的三維坐標(biāo)系 建立坐標(biāo)系后，需要根據(jù)二維坐標(biāo)系映射出三維坐標(biāo)系，這一步驟是根據(jù)以下思想來實(shí)現(xiàn)的：本論文中，水杯從正面到側(cè)面再到背面其坐標(biāo)系是分別逆時(shí)針旋轉(zhuǎn)90176。 ⑤運(yùn)用該跟蹤算法提取出的點(diǎn)坐標(biāo)系列就是按照邊界跟蹤算法的順序?qū)⑦吔琰c(diǎn)的坐標(biāo)系列存儲(chǔ)起來。 ③如果搜索的下一個(gè)像素點(diǎn)等于第一個(gè)邊界點(diǎn)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。定義一個(gè)掃描方向變量dir，該變量用于記錄上一步中沿著前一個(gè)邊界點(diǎn)到當(dāng)前邊界點(diǎn)的移動(dòng)方向，按照上述掃描第一個(gè)邊界點(diǎn)的順序，其初始化取值為：對4連通區(qū)域取dir=0。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(biāo)記跟蹤結(jié)束記號的第一個(gè)邊界起始點(diǎn)A0，A0是具有最小行和列值的邊界點(diǎn)。顧名思義，輪廓跟蹤就是通過順序找出邊緣點(diǎn)來跟蹤邊界的。因此，該算法實(shí)際是對圖像的各像素進(jìn)行掃描，對于這里的二值圖像來說則只需要考慮白點(diǎn)，并對其周圍上、下、左、右的八個(gè)鄰點(diǎn)，如果其全為白則說明該點(diǎn)為物體的內(nèi)部點(diǎn)，可以去除（變?yōu)楸尘包c(diǎn)，黑點(diǎn)），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(biāo)輪廓應(yīng)該沒有什么問題。濾波之后，僅僅保留像素最大的一個(gè)連通域，： 側(cè)面連通域標(biāo)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(diǎn)。比如上圖所示僅僅保留被標(biāo)記為4的這個(gè)連通域，其它連通域中的像素都全部置為背景。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(jì)算經(jīng)過重新標(biāo)記后的每個(gè)連通域的白像素的個(gè)數(shù)。第三步：圖像替換根據(jù)上面的步驟，已經(jīng)完成了等價(jià)表的合并工作。對圖像中所有像素經(jīng)過上面五個(gè)步驟處理完之后，將圖像中的連通域進(jìn)行了初步的標(biāo)記，并將有等價(jià)關(guān)系的標(biāo)記寫入等價(jià)表中。⑤繼續(xù)掃描當(dāng)前像素的左邊的像素是否被標(biāo)記過。④繼續(xù)掃描當(dāng)前像素的左下方的像素是否被標(biāo)記過。③繼續(xù)掃描當(dāng)前像素的正下方的像素是否被標(biāo)記過。如果有點(diǎn)標(biāo)記過，則進(jìn)行下面的步驟。在描述算法前首先說明本算法的兩個(gè)約定：從圖像的左上角開始掃描；本文使用的是八連通域標(biāo)記法。如表所示： 表42 八鄰域q3q2q1q4pq8q5q6q7(2)算法實(shí)現(xiàn)過程連通域?yàn)V波法主要分為四個(gè)步驟，第一連通域的初步標(biāo)記；第二等價(jià)表的合并；第三重新標(biāo)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。對某一個(gè)像素點(diǎn)而言，它和它周圍相鄰的像素點(diǎn)之間的相鄰關(guān)系一般分成4鄰域和8鄰域。(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(diǎn)的集合。過程是首先在該幅圖像中標(biāo)記出所有的連通域，然后計(jì)算出各個(gè)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。對圖像的邊沿進(jìn)行中值濾波，: ，經(jīng)過邊沿的中值濾波后，除頂面圖外其他三個(gè)分面還有兩塊區(qū)域沒有濾除掉。而且由于圖像采集系統(tǒng)的固定性，目標(biāo)物體成像區(qū)不可能特別靠近圖像邊沿，因此圖像的邊沿不會(huì)出現(xiàn)物體。結(jié)果如下圖所示： 腐蝕處理的結(jié)果第二步：剔除背景中的干擾。論文采取的方法是先腐蝕再膨脹。要剔除這些干擾需要對圖像做腐蝕和膨脹的處理，這里分兩步進(jìn)行處理。大于T的像素直接置為255(目標(biāo)物體區(qū)域)，小于T的像素直接置為0(背景區(qū)域)。在對灰度圖像進(jìn)行二值化時(shí)，根據(jù)其轉(zhuǎn)化原理，必須對灰度圖像進(jìn)行閾值T的最佳選擇。盡管可以利用matlab自帶的邊緣檢測函數(shù)得到水杯的大體輪廓，但是目標(biāo)的輪廓需要更加準(zhǔn)確才能對接下來的三維重建有幫助，因此我們需要繼續(xù)尋找其他解決辦法—利用二值圖像提取水杯輪廓。常見的邊緣有階躍型、斜坡形、線狀型、屋頂型。圖像邊緣檢測大幅度地減少了數(shù)據(jù)量，并且剔除了可以認(rèn)為不相關(guān)的信息，保留了圖像重要的結(jié)構(gòu)屬性。： sobel算子銳化結(jié)果可以看出雖然采用sobel算子可以增強(qiáng)目標(biāo)的邊緣，但是背景與目標(biāo)的分界線仍然不夠明顯，圖像效果一般，故需要進(jìn)一步處理。為了減少這類不利效果的影響，就需要利用圖像銳化技術(shù)，使圖像的邊緣變得清晰。一般來說，圖像的能量主要集中在其低頻部分，噪聲所在的頻段主要在高頻段，同時(shí)圖像邊緣信息也主要集中在其高頻部分。這時(shí)灰度圖像比較符合我們的要求，所以將彩色圖像轉(zhuǎn)化為灰度圖像。： 論文中得到是RGB彩色圖像，它的視覺效果比較好，但是它的數(shù)據(jù)量大，需要的存儲(chǔ)空間較大，對其處理時(shí)的速度也慢。添加了均值為0，： 本文為了能有效的在圖像中提取出輪廓，采用了圖像平滑技術(shù)對圖像進(jìn)行預(yù)處理，使圖像中水杯的像素連續(xù)均勻。 圖像的讀取并顯示 彩色圖像預(yù)處理由于成像器件本身存在著噪聲和暗電流等多方面干擾因素，加上視頻傳輸和圖像采集中不可避免的存在高頻干擾。本章首先讀取水杯圖像，結(jié)合上一章的圖像處理的基本理論和本章根據(jù)實(shí)際圖像所采用圖像處理算法，對圖像進(jìn)行彩色預(yù)處理、去除背景、彩色轉(zhuǎn)灰度、膨脹腐蝕、二值濾波、輪廓提取等等一系列的處理。 第四章 數(shù)字圖像處理的實(shí)現(xiàn)這一章是對采集到的圖像進(jìn)行數(shù)字圖像處理。（3） 簡單◎豐富的函數(shù)庫和工具箱，使用戶不必進(jìn)行具體代碼的編寫，只需調(diào)用簡單的函數(shù)指令，就可以執(zhí)行任務(wù)操作，解決問題?！?豐富的二、三維圖形及動(dòng)畫，對計(jì)算結(jié)果進(jìn)行可視化顯示，給用戶以直觀的認(rèn)識(shí)?！?詳細(xì)的幫助系統(tǒng)，如同導(dǎo)師的循循善誘，并通過豐富的實(shí)踐和工程實(shí)例，引導(dǎo)初學(xué)者從易到難，不斷進(jìn)步。它將數(shù)值分析、矩陣計(jì)算、科學(xué)數(shù)據(jù)可視化以及非線性動(dòng)態(tài)系統(tǒng)的建模和仿真等諸多強(qiáng)大功能集成在一個(gè)易于使用的視窗環(huán)境中，為科學(xué)研究、工程設(shè)計(jì)以及必須進(jìn)行有效數(shù)值計(jì)算的眾多科學(xué)領(lǐng)域提供了一種全面的解決方案，并在很大程度上擺脫了傳統(tǒng)非交互式程序設(shè)計(jì)語言（如C、Fortran）的編輯模式，代表了當(dāng)今國際科學(xué)計(jì)算軟件的先進(jìn)水平。若兩個(gè)物體之間有細(xì)小的連通，那么當(dāng)結(jié)構(gòu)元素足夠大時(shí)，通過腐蝕運(yùn)算可以去除這些小而無意義的連通線，將兩個(gè)物體分開。如果結(jié)構(gòu)元素去33的像素塊，腐蝕將使物體的邊界周圍減少一個(gè)像素。也就是用S來腐蝕X得到的集合是S完全包括在X中時(shí)S的原點(diǎn)位置的集合。腐蝕是最基本的一種數(shù)學(xué)形態(tài)學(xué)運(yùn)算。另外，用腐蝕和膨脹運(yùn)算還可以實(shí)現(xiàn)圖像的平移。膨脹可以看作是把目標(biāo)圖像X的每一個(gè)像素點(diǎn)根據(jù)結(jié)構(gòu)元素S擴(kuò)大為S+,記為。閾值T就像是個(gè)門檻，比它大就是白色的，比它小就是黑色的，經(jīng)過閾值處理后的圖像就變成了一幅黑白圖像。這是研究灰度變換最特殊的方法，稱為圖像的二值化。彩色圖像每個(gè)像素占3字節(jié)(24位)，而變成灰度圖像后，每個(gè)像素占1字節(jié)(8位)，像素的灰度值是當(dāng)前彩色圖像像素的亮度，對于一個(gè)三分量為R、G、B的彩色圖像像素，該點(diǎn)的亮度I一般按以下公式計(jì)算： (313)在數(shù)字圖像處理中，二值圖像占有很重要的地位，特別是在實(shí)用的圖像處理系統(tǒng)中，以二值圖像處理實(shí)現(xiàn)構(gòu)成的系統(tǒng)是很多的，要進(jìn)行二值圖像的處理和分析，首先需要把灰度圖像二值化，得到二值圖像，這樣做的好處是:再對圖像做進(jìn)一步處理時(shí)，圖像的幾何性質(zhì)只與0和1的位置有關(guān)，不再涉及到像素的灰度值，使處理變得簡單，而且數(shù)據(jù)的壓縮量很大。另外，人們還發(fā)現(xiàn)，即使模糊不是由于光的漫反射造成的，對圖像進(jìn)行拉普拉斯變換也可以使圖像更清晰[]。拉普拉斯算子是最簡單的各向同性微分算子，具有旋轉(zhuǎn)不變性，比較適用于改善因?yàn)楣饩€的漫反射造成的圖像模糊[]。在x，y方向上的一階后向差分分別定義為： 　 (34) 　 (35)梯度定義為： (36)其模和方向分別為：　　　 　　　 (37) 　　　　　　 (38)在不引起歧義時(shí)，為了方便，一般將梯度矢量的模值簡稱為梯度。圖像在點(diǎn)處的梯度定義為一個(gè)二維列矢量： （31）梯度的幅值即模值，為： (32)梯度的方向在最大變化率方向上，方向角可表示為： (33) 對于離散函數(shù)，也有相應(yīng)的概念和公式，只是用差分代替微分。一階微分主要指梯度模運(yùn)算，圖像的梯度模值包含了邊界及細(xì)節(jié)信息。從頻率域來考慮，圖像模糊的實(shí)質(zhì)是因?yàn)槠涓哳l分量被衰減，因此可以用高通濾波器來使圖像清晰。為了減少這類不利效果的影響，就需要利用圖像銳化技術(shù)，使圖像的邊緣變得清晰。由于本文處理的水杯在圖像的中間位置，不會(huì)出現(xiàn)在邊緣上，所以選擇3*3均值濾波和5*5均值濾波。鄰域平均法用數(shù)學(xué)公式表達(dá)：設(shè)f（i，j）為給定的含有噪聲的圖像，經(jīng)過鄰域平均法處理后的圖像為g（i，j），則