【正文】 domestic tourist destinations, crowds and busy traffic are inevitable at most places. Also to be expected are increasing transport and acmodation prices, with the possibility that there will be no rooms available. It is also mon that you39。這三個(gè)月的設(shè)計(jì)是對(duì)過去所學(xué)知識(shí)的系統(tǒng)提高和擴(kuò)充的過程，為今后的發(fā)展打下了良好的基礎(chǔ)。雖然在這次設(shè)計(jì)中對(duì)于知識(shí)的運(yùn)用和銜接還不夠熟練。本文是在舒強(qiáng)老師的指導(dǎo)下完成的，在這里要感謝趙舒強(qiáng)老師的悉心指導(dǎo)和嚴(yán)格的要求，在整個(gè)設(shè)計(jì)過程中碰到了不少困難，有很多不明白的 地方，老師都提供很多方案予以解決。從圖像分割研究的歷史來看，可以看到對(duì)圖像分割的研究有幾個(gè)明顯的趨勢(shì)：一是對(duì)原有算法的不斷改進(jìn)，二是新方法、新概念的引入和多種方法的有效綜合運(yùn)用， 人們逐漸認(rèn)識(shí)到現(xiàn)有的任何一種單獨(dú)的圖像分割算法都難以對(duì)一般圖像取得令人滿意的分割效果，因而很多人在把新方法和新概念不斷的引入圖像分割領(lǐng)域的同時(shí)，也更加重視把各種方法綜合起來運(yùn)用，相信隨著研究的不斷深入，存在的問題會(huì)很快得到圓滿的解決。到目前為止既不存在一種通用的圖像分割方法，也不存在一種判斷是否分割成功的客觀標(biāo)準(zhǔn)。圖像分割技術(shù)是計(jì)算機(jī)視覺理論技術(shù)中最基本、也是最困難的問題之一。，并且根據(jù)兩種算法設(shè)計(jì)了相應(yīng)的VI，在LabVIEW平臺(tái)上實(shí)現(xiàn)了圖像分割的功能。主要工作及研究成果如下：，根據(jù)分割原理的不同，把圖像分割的方法分為了3大類：邊緣檢測(cè)法，閾值分割法，基于區(qū)域分割的方法，并對(duì)這三種方法作了簡(jiǎn)單的介紹。結(jié)論本課題基于LabVIEW的圖像處理功能，實(shí)現(xiàn)了圖像分割的功能。下面再展示大津法分割的幾張圖片結(jié)果： (a) 示例圖原始圖片 (b) 分割后的圖片 (c) 示例圖原始圖片 (d) 分割后的圖片 (e) 示例圖原始圖片 (f) 分割后的圖片 大津法分割效果實(shí)例以上三組圖，左邊的圖片均為原始圖像的灰度圖，右邊為用大津法分割的圖片，且這三張圖片的灰度直方圖都不是同一類型的，有雙峰型，有單峰型的，有各個(gè)灰度值分布平坦的，但從分割的結(jié)果上來看，大津法都能較好的分割圖片，達(dá)到不錯(cuò)的結(jié)果。 (a) 原始圖的灰度圖 (b) 圖像的灰度直方圖 (c) 雙峰法 閾值T=95 (d) 大津法 閾值T=94圖 雙峰法與大津法分割比較(b)的灰度直方圖算是比較典型的“兩峰一谷”狀，可以使用雙峰法來分割圖像，并且可以達(dá)到比較良好的結(jié)果，但從結(jié)果上來看，大津法選取的閾值和雙峰法選取的閾值差不多，效果基本一致。 (a) 原始圖的灰度圖 (b) 圖像的灰度直方圖 (c) 雙峰法分割T=90 (d) 大津法分割T=104圖 雙峰法與大津法分割比較(b)為原始圖像的灰度直方圖，(c)為雙峰法分割的圖像，(d)為大津法分割的圖像，從分割的結(jié)果上來看，大津法分割的圖像，其目標(biāo)與背景的分離度會(huì)較好，細(xì)節(jié)保留的比較多,像這種圖灰度分布雙峰不明顯的圖像，不適合用雙峰法來選取閾值，但是雙峰法因?yàn)榭梢允謩?dòng)輸入閾值，其閾值還可以自行調(diào)整，能夠調(diào)整到更好的結(jié)果。 大津法程序設(shè)計(jì)從程序設(shè)計(jì)的角度看，雙峰法非常簡(jiǎn)單，只需觀察灰度直方圖，然后選取合適的閾值即可，但是閾值必須人工輸入；大津法程序設(shè)計(jì)上會(huì)稍微復(fù)雜一些，但是閾值是自動(dòng)產(chǎn)生的，因?yàn)閷?duì)灰度直方圖沒有太多的要求，所以適用的范圍會(huì)比雙峰法廣。并且閾值選取是自動(dòng)的。 灰度直方圖 圖像二值化程序利用條件結(jié)構(gòu)，根據(jù)選取的閾值，將像素點(diǎn)逐一進(jìn)行二值化，然后將二值化后的像素點(diǎn)重新繪制成圖像，就實(shí)現(xiàn)了圖像的二值化分割。所以圖像必須滿足是目標(biāo)和背景色差比較大，找到閾值后，就可以將圖像二值化，灰度值小于閾值的像素點(diǎn)則灰度值取0（黑），灰度值大于閾值的像素點(diǎn)則灰度值取255（白）。原始的圖片的灰度圖片，以及圖像的灰度直方圖。 （31） (a) 原始圖片 (b) 原始圖片灰度圖(c) 灰度直方圖 繪制灰度直方圖將圖像轉(zhuǎn)換為灰度圖像后，建立一維256個(gè)元素的數(shù)組，并將其初始化為0。++= 繪制灰度直方圖程序，首先將像素點(diǎn)的RGB三色分解開，再利用公式（31）將彩色轉(zhuǎn)為灰度。 每個(gè)灰度對(duì)象都具有從 0%（白色）到100%（黑色）的亮度值。分支1，首先用繪制平化像素圖控件將讀取的圖像文件顯示出來；分支2用還原像素圖控件將圖像數(shù)據(jù)轉(zhuǎn)換為二維數(shù)組，并計(jì)算顯示出圖像像素點(diǎn)的行數(shù)與列數(shù)。如果直接通過LabVIEW平臺(tái)完成，則方便修改，但是較前兩種方法，所能實(shí)現(xiàn)的功能有限。機(jī)器視覺系統(tǒng)還在質(zhì)量檢測(cè)的各個(gè)方面已經(jīng)得到了廣泛的應(yīng)用，并且其產(chǎn)品在應(yīng)用中占據(jù)著舉足輕重的地位。SMT表面貼裝：SMT工藝與設(shè)備、焊接設(shè)備、測(cè)試儀器、返修設(shè)備及各種輔助工具及配件、SMT材料、貼片劑、膠粘劑、焊劑、焊料及防氧化油、焊膏、 清洗劑等；再流焊機(jī)、波峰焊機(jī)及自動(dòng)化生產(chǎn)線設(shè)備。在國(guó)外，機(jī)器視覺的應(yīng)用普及主要體現(xiàn)在半導(dǎo)體及電子行業(yè)，其中大概40%50%都集中在半導(dǎo)體行業(yè)。因此，在現(xiàn)代自動(dòng)化生產(chǎn)過程中，人們將機(jī)器視覺系統(tǒng)廣泛地用于工況監(jiān)視、成品檢驗(yàn)和質(zhì)量控制等領(lǐng)域。[9]用機(jī)器視覺來替代人工視覺；同時(shí)在大批量工業(yè)生產(chǎn)過程中，用人工視覺檢查產(chǎn)品質(zhì)量效率低且精度不高，用機(jī)器視覺檢測(cè)方法可以大大提高生產(chǎn)效率和生產(chǎn)的自動(dòng)化程度。首先，焊縫追蹤需要滿足焊接工藝的完全自動(dòng)化。金工業(yè)正在使用的焊接工藝，連接兩個(gè)或更多的含金或非含金部分也急需焊接工藝的質(zhì)量和生產(chǎn)率。這幾年，激光儀器視覺系統(tǒng)已經(jīng)被廣泛研究和開發(fā)在不同的制造工藝。LabVIEW 系列產(chǎn)品，包括用于可靠、確定性控制的實(shí)時(shí)LabVIEW( LabVIEW RT) 軟件，就可以快速、準(zhǔn)確地建立起功能強(qiáng)大的機(jī)器監(jiān)視和自動(dòng)控制應(yīng)用程序。對(duì)于大型復(fù)雜的工業(yè)自動(dòng)化和控制系統(tǒng)，有專門的LabVIEW 數(shù)據(jù)記錄和監(jiān)控模塊，用于監(jiān)控多通道I /O、與工業(yè)控制器和網(wǎng)絡(luò)進(jìn)行通信，以及提供基于PC 機(jī)的控制。3. 應(yīng)用于過程控制和工廠自動(dòng)化可利用LabVIEW 來建立眾多的過程控制和工業(yè)自動(dòng)化應(yīng)用系統(tǒng)。運(yùn)用LabVIEW，可在汽車、能源研究和其它眾多工業(yè)領(lǐng)域的應(yīng)用系統(tǒng)中進(jìn)行實(shí)時(shí)數(shù)據(jù)的分析和計(jì)算。 [7] LabVIEW的應(yīng)用LabVIEW 已經(jīng)成為用于測(cè)試測(cè)量領(lǐng)域的工業(yè)標(biāo)準(zhǔn)化開發(fā)工具。LabVIEW具有如下特點(diǎn)：1)它提供了“所見即所得”的可視化圖形編程技術(shù)建立人機(jī)界面，提供了大量的儀器面板中的控制對(duì)象，如按鈕、開關(guān)、指示器、圖表等；2)它使用圖標(biāo)表示功能模塊，連線表示模塊間的數(shù)據(jù)傳遞，并且用線型和顏色區(qū)別數(shù)據(jù)類型，用數(shù)據(jù)流程圖式的語言書寫程序代碼，這樣使得編程過程與人的思維過程非常接近；3)它提供了程序調(diào)試的功能，可以在源代碼中設(shè)置斷點(diǎn)，單步執(zhí)行源代碼，可在連線上設(shè)置探針，觀察程序執(zhí)行過程的數(shù)據(jù)流變化，大大簡(jiǎn)化了調(diào)試工作量；4)它采用了編譯方式運(yùn)行32位應(yīng)用程序，使得它的執(zhí)行速度可與VC等開發(fā)程序相媲美。1)] (210)[6]3 圖像分割實(shí)驗(yàn)結(jié)果及實(shí)現(xiàn)平臺(tái)介紹 LabVIEW簡(jiǎn)述LabVIEW是美國(guó)國(guó)家儀器公司開發(fā)的基于圖形編譯語言的實(shí)驗(yàn)室虛擬儀器集成環(huán)境, 把復(fù)雜、煩瑣、費(fèi)時(shí)的語言編程簡(jiǎn)化成用菜單或圖標(biāo)提示的方法選擇功能（圖形），并用線條把各種功能（圖形）連接起來的簡(jiǎn)單圖形編程方式。在實(shí)際應(yīng)用中，直接應(yīng)用式（29）計(jì)算量太大，因此一般在實(shí)現(xiàn)時(shí)采用等價(jià)式（210），則最佳閾值T為使得式（210）為最小時(shí)的z，即Max[ω0ω1(181。因?yàn)榉讲钍腔叶确植季鶆蛐缘囊环N度量，方差越大，說明構(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。0+ω1181。從模式識(shí)別的角度看，最佳閾值應(yīng)當(dāng)產(chǎn)生最佳的目標(biāo)類與背景類的分離性能，此性能用類間方差來表征，最大類間方法可以描述如下：設(shè)圖像的灰度級(jí)為0～K1，每個(gè)灰度級(jí)的概率為Pi，若某一個(gè)閾值T將圖像各像素按灰度分成兩類C0和C1，C0類包含灰度級(jí)為[0,1，…，z]的像素，其概率和，灰度均值分別為 ， (26) C1類包含灰度級(jí)[z+1，z+2，…，K1]的像素，其概率和，灰度均值分別為 ， (27)圖像的總平均灰度為181。其基本思想是對(duì)像素進(jìn)行劃分，通過使劃分得到的各類之間的距離達(dá)到最大，來確定合適的門限。 最小閾值誤差概率 (T)是目標(biāo)類錯(cuò)分到背景類的概率， (T)是背景類錯(cuò)分到目標(biāo)類的概率，總的概率誤差E(T)= (T)+(T),使得E(T)最小，即為最優(yōu)分類方法。因?yàn)樵趯?shí)際圖像分割中，總有可能存在把背景誤分為目標(biāo)區(qū)域，或者把目標(biāo)誤分為背景區(qū)域。顯然，各個(gè)子圖像的閾值只不相同的，隨著圖像的部位而自適應(yīng)變化的，需要解決的關(guān)鍵問題是如何將圖像進(jìn)行細(xì)分和如何確定子圖像的閾值。這種方法首先將圖像細(xì)分為若干個(gè)子圖像，計(jì)算每個(gè)子圖像的直方圖，方差；而后，對(duì)不同的子圖像使用單獨(dú)的閾值進(jìn)行分割處理，對(duì)那些直方圖為單峰或方差值較小的圖像，只需判斷它到底屬于哪一類，對(duì)于那些雙峰或方差較大的子圖像，需要選擇一個(gè)適當(dāng)?shù)拈撝颠M(jìn)行劃分，簡(jiǎn)單的選擇方法為兩個(gè)峰值之間的谷值。在這種情況下，可以采用自適應(yīng)閾值分割方法，把灰度閾值取成一個(gè)隨圖像中位置緩緩慢變化的函數(shù)，保持一種局部的，相對(duì)的背景和物體之間的差異。 自適應(yīng)閾值算法在許多情況下，圖像背景的灰度值并不是 常數(shù)，物體和背景的對(duì)比度在圖像中也有變化。由于實(shí)際圖像受噪聲的影響，其直方圖經(jīng)常出現(xiàn)很多起伏，使得公式（）計(jì)算出來的極小值點(diǎn)有可能并非是正確的圖像分割閾值，而是對(duì)應(yīng)虛假的谷值。設(shè)用h（x）表示圖像直方圖，x為圖像灰度變量就，那么極小值應(yīng)滿足下式 和。所以，在實(shí)際中常常加以其他方法協(xié)助進(jìn)行谷值的選取，如下述的微分方法。 (a) 原始圖像 (b) 分割后的圖像 (c) 原始圖像直方圖 雙峰法閾值分割峰谷閾值分割的優(yōu)點(diǎn)是實(shí)現(xiàn)簡(jiǎn)單，對(duì)于不同類別的物體灰度值相差較大時(shí)，它能有效地對(duì)圖像進(jìn)行分割。也就是說，理想圖像的直方圖，目標(biāo)和背景對(duì)應(yīng)不同的峰值，選取位于兩個(gè)峰值之間的谷值作為閾值，就很容易將目標(biāo)和背景分開，從而得到分割后的圖像。為此，下面介紹兩種簡(jiǎn)單的全局閾值的選擇方法。對(duì)于一般的圖像，情況比較復(fù)雜，閾值化圖像分割通常存在兩方面的困難：一個(gè)是在圖像分割之前，難以確定圖像分割區(qū)域的數(shù)目，或者說要把圖像分割成幾個(gè)部分；另一個(gè)是閾值的確定，因?yàn)殚撝颠x擇的準(zhǔn)確性直接影響分割的精度及圖像描述分析的正確性。設(shè)原始圖像為f（x，y），按照一定準(zhǔn)則在f（x，y）中找到某一個(gè)灰度值，該灰度值便是進(jìn)行分割時(shí)的閾值T，將圖像分割為兩個(gè)部分，分割后的圖像為 (22)如取=0（黑），=255（白），即為通常所說的圖像二值化分割。 全局閾值算法全局閾值圖像分割的基本原理就是在一幅圖像中選取一個(gè)或多個(gè)處于圖像灰度取值范圍之中的灰度閾值，然后將圖像中各個(gè)像素的灰度值與閾值進(jìn)行比較，并根據(jù)比較的結(jié)果將圖像中的對(duì)應(yīng)像素分成兩類或多類，從而把圖像劃分為互不交叉重疊區(qū)域的重合，達(dá)到圖像分割的目的。缺點(diǎn)是對(duì)于圖像中不存在明顯灰度差異或灰度值范圍有較大重疊的圖像分割問題難以得到準(zhǔn)確的結(jié)果，由于它只是考慮了圖像的灰度信息而不考慮圖像的空間信息，對(duì)噪音和灰度不均勻很敏感，經(jīng)常和其它的方法結(jié)合起來用。設(shè)原始圖像為f（x，y），首先以一定準(zhǔn)則在f（x，y）中找出一個(gè)灰度值t作為閾值，將圖像分割為兩部分，即把大于等于該閾值的像素點(diǎn)的值設(shè)置成l，小于該閾值的像素點(diǎn)的值設(shè)置成0。圖像閾值化的目的就是按照灰度級(jí)，對(duì)像素集合進(jìn)行劃分，得到的子集形成一個(gè)與現(xiàn)實(shí)景物相對(duì)應(yīng)的區(qū)域，各個(gè)區(qū)域的內(nèi)部具有一致的屬性，可以通過一個(gè)或多個(gè)閾值實(shí)現(xiàn)。例如在文本圖像分析中，提取文字信息、場(chǎng)景處理中檢測(cè)目標(biāo)、產(chǎn)品的質(zhì)量檢測(cè)、細(xì)胞圖像分割、無損檢測(cè)等等。[4] 2 圖像閾值分割算法 閾值分割算法簡(jiǎn)述在許多圖像處理技術(shù)中，屬于目標(biāo)的像素點(diǎn)的灰度值和屬于背景的像素點(diǎn)的灰度值有明顯的差別，對(duì)于