圖像分割技術(shù)在機(jī)械測(cè)量中的應(yīng)用研究*

曲霄紅，薄文彥

（山西大同大學(xué) 教育科學(xué)與技術(shù)學(xué)院，山西 大同 037009）

在機(jī)械行業(yè)，針對(duì)產(chǎn)品的測(cè)量方式有接觸式測(cè)量和非接觸式測(cè)量?jī)煞N。接觸式測(cè)量[1-2]有手工測(cè)量和接觸式測(cè)量機(jī)等方式。由于被測(cè)物體場(chǎng)地、環(huán)境等因素，接觸式測(cè)量方法具有測(cè)量設(shè)備運(yùn)輸困難、測(cè)量精度不高等缺點(diǎn)。非接觸式測(cè)量[1-2]有光學(xué)測(cè)量、電磁測(cè)量等方式。采用非接觸式測(cè)量方法測(cè)量產(chǎn)品速度快，但是坐標(biāo)定位困難，精度不高。

近年來(lái)，隨著計(jì)算機(jī)技術(shù)的發(fā)展，采用計(jì)算機(jī)視覺(jué)進(jìn)行機(jī)械產(chǎn)品測(cè)量[3]成為一種簡(jiǎn)單高效的方法。它具有如下優(yōu)點(diǎn)：（1）不受被測(cè)物體形狀的限制；（2）采集的工具簡(jiǎn)單；（3）對(duì)采集所需要的光源沒(méi)有限制。

基于計(jì)算機(jī)視覺(jué)[4]的機(jī)械測(cè)量也可以稱為基于圖像的測(cè)量。在一幅圖像中，通常只對(duì)其中的被測(cè)對(duì)象感興趣，這些對(duì)象往往占據(jù)圖像的一定區(qū)域，并且在某些特征上與周圍的對(duì)象有差別。這些特征可能非常明顯，也可能很細(xì)微，以致人眼察覺(jué)不出來(lái)。

圖像分割[5]是指將一幅圖像分解為若干互不交疊、有意義且具有相同性質(zhì)的區(qū)域。針對(duì)不同的任務(wù)所采用的圖像分割技術(shù)不同，但是一般的圖像分割應(yīng)具有以下特征：（1）分割出來(lái)的各個(gè)區(qū)域之內(nèi)，對(duì)象具有相似性，且區(qū)域內(nèi)部是聯(lián)通的；（2）相鄰區(qū)域?qū)Ψ指钏罁?jù)的性質(zhì)有明顯的差異；（3）區(qū)域的邊界是明確的。

目前廣泛應(yīng)用的分割方法[6-7]包括區(qū)域生長(zhǎng)和分裂合并法、閾值法、邊緣檢測(cè)法、基于聚類的分割法以及其他各種結(jié)合實(shí)際對(duì)象的分割方法等。

1 圖像分割的定義

結(jié)合集合概念，圖像分割可定義為：設(shè)集合S為整個(gè)圖像區(qū)域，區(qū)域S分割為N個(gè)滿足以下5個(gè)條件的子區(qū)域 R1，R2，…，Rn：

（2）?i，j，i≠j?Ri∩Rj＝φ。

（3）?i，P（Ri）＝TRUE，其中，P 為滿足區(qū)域 Ri的謂詞。

（4）?i，j，i≠j?P（Ri∩Rj）＝FALSE。

（5）?i，Ri為連通的區(qū)域。

2 圖像分割算法介紹

閾值法首先根據(jù)某個(gè)準(zhǔn)則求出最優(yōu)閾值，然后依據(jù)閾值將圖像劃分為不同的區(qū)域。閾值法有單閾值分割和多閾值分割兩種方法。單閾值分割根據(jù)閾值將圖像映射到0和255兩個(gè)灰度級(jí)上；多閾值分割將圖像映射到多個(gè)不同的灰度級(jí)。閾值方法具有容易實(shí)現(xiàn)的優(yōu)點(diǎn)，但是閾值的確定一直是研究的難點(diǎn)。

區(qū)域生長(zhǎng)首先給出種子值，然后根據(jù)相似性將具有相似性質(zhì)的像素組合起來(lái)，不斷地增加種子區(qū)域的大小；分裂合并法首先將區(qū)域劃分為n個(gè)互不相交的區(qū)域，然后根據(jù)某種準(zhǔn)則進(jìn)行合并。區(qū)域生長(zhǎng)和分裂合并法在消除噪音方面有一定的優(yōu)勢(shì)，但是種子的選取及相似性準(zhǔn)則設(shè)置的好壞直接影響到算法的效率和執(zhí)行的效果。

閾值法、區(qū)域生長(zhǎng)和分裂合并法在參數(shù)設(shè)置方面的人工干預(yù)因素太多，因此在應(yīng)用方面有一定的局限性。

邊緣檢測(cè)法根據(jù)采用的算子不同，得到邊緣的精度也不同。對(duì)于對(duì)象和背景信息的邊緣，有些算子提取得很多，有些提取得很少，無(wú)法根據(jù)實(shí)際的情況自動(dòng)選擇最好的算子。

基于聚類的方法根據(jù)圖像像素之間的相似性準(zhǔn)則對(duì)圖像進(jìn)行分類，使得相似的盡可能劃分為一類，不相似的盡可能不被分為一類。這種方法執(zhí)行的效率主要取決于相似性的表示方法和相似性度量的標(biāo)準(zhǔn)兩個(gè)因素。這種方法實(shí)現(xiàn)簡(jiǎn)單，但相似性度量的標(biāo)準(zhǔn)需要人工干預(yù)。

3 圖像分割方法的實(shí)驗(yàn)分析

本文采用Matlab 7.0作為實(shí)驗(yàn)工具，比較了閾值法、區(qū)域生長(zhǎng)法和邊緣提取法的分割效果，其中邊緣提取法分別采用了3種不同的算子，實(shí)驗(yàn)結(jié)果如圖1所示。

圖1 不同算法的邊緣提取效果對(duì)比

從圖 1可以看出，圖 1（b）采用一階差分作為算子，提取的結(jié)果準(zhǔn)確，但是不能從圖像中完全提取出所有的邊緣；圖1（c）采用二階差分作為算子，提取的邊緣信息太多，不利于后期計(jì)算；圖 1（d）采用二值閾值法，提取的區(qū)域過(guò)于單一，對(duì)象及背景信息都包括在內(nèi)。

從實(shí)驗(yàn)可知，各種圖像分割算法都有其自身的特點(diǎn)，但也存在一定的不足：抗噪能力和提取精度無(wú)法同時(shí)滿足。因此，如何根據(jù)實(shí)際情況平衡二者的關(guān)系成為應(yīng)用過(guò)程中的一個(gè)難點(diǎn)。

本文對(duì)各種區(qū)域分割算法進(jìn)行了總結(jié)。閾值法、區(qū)域生長(zhǎng)和分裂合并法的人工干預(yù)因素較多，不利于實(shí)際的應(yīng)用；其余方法均不是一種通用的圖像分割方法。因此，設(shè)計(jì)一種通用、參數(shù)少且能實(shí)現(xiàn)圖像自動(dòng)分割的算法成為今后研究的一個(gè)熱點(diǎn)。

[1]王宏濤，周儒英，張麗艷.現(xiàn)代測(cè)量方法在逆向工程數(shù)據(jù)采集技術(shù)中的應(yīng)用[J].航空計(jì)測(cè)技術(shù)，2003，23（4）：1－19.

[2]韓立洋，郭旭紅.逆向工程技術(shù)在機(jī)械領(lǐng)域的應(yīng)用[J].蘇州大學(xué)學(xué)報(bào)，2008，28（4）：58－60.

[3]王永強(qiáng).基于約束算法的大尺度三維視覺(jué)測(cè)量方法研究[D].北京：北京郵電大學(xué)，2006.

[4]馬頌德，張正友.計(jì)算機(jī)視覺(jué)[M].北京：科學(xué)出版社，1998.

[5]章毓晉.圖像分割[M].北京：科學(xué)出版社，2001.

[6]韓翠英，孔娟.關(guān)于圖像分割算法的優(yōu)化仿真研究[J].計(jì)算機(jī)仿真，2011，28（6）：262－265.

[7]楊懷義.圖像分割中算法的應(yīng)用研究[J].計(jì)算機(jī)仿真，2012，29（2）：229－232.