基于嵌入式與OpenCV的電纜護(hù)套拉伸長(zhǎng)度測(cè)量

高振斌，李盼生

(河北工業(yè)大學(xué) 電子信息工程學(xué)院，天津 300401)

基于嵌入式與OpenCV的電纜護(hù)套拉伸長(zhǎng)度測(cè)量

高振斌，李盼生

(河北工業(yè)大學(xué) 電子信息工程學(xué)院，天津 300401)

摘要:針對(duì)電纜護(hù)套拉伸長(zhǎng)度測(cè)量智能化和穩(wěn)定性的要求，使用以IMX.6Q芯片為主處理器的嵌入式平臺(tái)，搭載200萬像素USB工業(yè)相機(jī)，采用機(jī)器視覺的方法對(duì)其進(jìn)行測(cè)量。將開源圖像處理OpenCV函數(shù)庫移植到嵌入式Linux系統(tǒng)上，使用數(shù)學(xué)形態(tài)學(xué)和顏色閾值分割的方法來進(jìn)行電纜護(hù)套標(biāo)記點(diǎn)的定位。閾值分割方法采用直方圖最頻值法和最大類間方差法，可以實(shí)時(shí)地對(duì)電纜護(hù)套標(biāo)記點(diǎn)進(jìn)行跟蹤，從而精確地測(cè)量出電纜護(hù)套拉伸長(zhǎng)度。

關(guān)鍵詞:OpenCV；嵌入式Linux；電纜護(hù)套拉伸長(zhǎng)度測(cè)量；機(jī)器視覺

在如今的電氣時(shí)代，可以說人們的生產(chǎn)生活已離不開電的供應(yīng)，在電給人們提供方便的同時(shí)，用電的安全隱患問題應(yīng)運(yùn)而生。由于電線電纜的質(zhì)量不過關(guān)，而引發(fā)的火災(zāi)時(shí)有發(fā)生，可見對(duì)電線電纜護(hù)套材料進(jìn)行檢測(cè)必不可少。

隨著計(jì)算機(jī)技術(shù)的發(fā)展，圖像處理技術(shù)越來越廣泛地應(yīng)用于非接觸式測(cè)量。非接觸式測(cè)量不但可以提高測(cè)量的精度，減少人為誤差，還可以提高生產(chǎn)的效率和經(jīng)濟(jì)利益，正在被大量應(yīng)用于實(shí)時(shí)生產(chǎn)過程[1]?，F(xiàn)在電纜護(hù)套拉伸長(zhǎng)度測(cè)量大多是以PC機(jī)或DSP+FPGA系統(tǒng)為核心的。但是這些系統(tǒng)存在軟硬件成本高，開發(fā)周期長(zhǎng)等缺點(diǎn)。隨著嵌入式微處理器技術(shù)的不斷成熟，圖像處理越來越多地被運(yùn)用到嵌入式系統(tǒng)中。開放源代碼的機(jī)器視覺類庫OpenCV(Intel Open Source ComputerVision Library)由英特爾公司開發(fā)，是一套可免費(fèi)獲得的由一些C函數(shù)和C++類所組成的庫，用來實(shí)現(xiàn)一些常用的圖像處理及計(jì)算機(jī)視覺算法[2]。本文設(shè)計(jì)了一款以嵌入式Linux與OpenCV為基礎(chǔ)的電纜護(hù)套拉伸長(zhǎng)度測(cè)量系統(tǒng)，不但能縮短研發(fā)的周期，而且減少了系統(tǒng)軟硬件的成本。

1系統(tǒng)總體結(jié)構(gòu)設(shè)計(jì)

系統(tǒng)在結(jié)構(gòu)上分為4層： 系統(tǒng)硬件平臺(tái)、操作系統(tǒng)、OpenCV庫和應(yīng)用軟件。系統(tǒng)結(jié)構(gòu)層次圖如圖1所示。

應(yīng)用層 電纜護(hù)套拉伸長(zhǎng)度測(cè)量系統(tǒng)庫層 OpenCV函數(shù)庫,OpenCV依賴庫,基本C庫內(nèi)核層 Linux內(nèi)核硬件層 USB接口CPU工業(yè)相機(jī)電容式觸摸

圖1系統(tǒng)架構(gòu)

在圖1中系統(tǒng)架構(gòu)的最底層是硬件層，它是系統(tǒng)的基礎(chǔ)。硬件層使用飛思卡爾公司生產(chǎn)的IMX.6Q 4核處理器，時(shí)鐘頻率為1.2 GHz，使用2G BDDR3，8G NandFlash，可以滿足實(shí)時(shí)圖像處理的需要。配備200萬像素的USB工業(yè)相機(jī)和800×480電容式觸摸屏。內(nèi)核層使用的是Linux3.0.35內(nèi)核，經(jīng)過剪裁后移植通過SD卡燒寫到NandFlash中。庫層使用的是OpenCV2.4.8函數(shù)庫，在移植之前Linux已經(jīng)自帶基礎(chǔ)C庫，還需要安裝libgtk2.0-dev，libavcodec-dev，libavformat-dev，libjpeg62-dev，libtiff4-dev，libswscale-dev，libjasper-dev等OpenCV的依賴庫[3]。應(yīng)用層包括圖像處理算法和用戶交互界面，圖像處理算法直接調(diào)用OpenCV函數(shù)庫，用戶交互界面調(diào)用QT2.4.8函數(shù)庫。

2基于嵌入式與OpenCV的電纜護(hù)套拉伸長(zhǎng)度測(cè)量方法

2.1標(biāo)記點(diǎn)特征及先驗(yàn)知識(shí)

背景幕布的顏色筆者選擇為黑色或白色。由于不同廠家生產(chǎn)的電纜護(hù)套的顏色千差萬別，如果單純從灰度值閾值分割來檢測(cè)標(biāo)記點(diǎn)很容易受到陰影和反光的影響，從而出現(xiàn)誤檢和漏檢，因?yàn)轭伾然叶劝嗟囊曈X信息，所以通過顏色的不同來識(shí)別標(biāo)記點(diǎn)，可以增強(qiáng)圖像處理算法的魯棒性，所以選擇三原色：紅、綠、藍(lán)為標(biāo)記點(diǎn)的顏色，易與黑色和白色區(qū)分，可以消除一部分陰影和反光的干擾。在具體選擇背景幕布和標(biāo)記點(diǎn)顏色時(shí)，要保證背景幕布顏色、標(biāo)記點(diǎn)顏色和電纜護(hù)套顏色相差盡量大。為了方便選取電纜護(hù)套和標(biāo)記點(diǎn)區(qū)域，電纜護(hù)套在圖像中應(yīng)處于垂直或水平位置。電纜護(hù)套的拉伸部分由電機(jī)驅(qū)動(dòng)的拉力機(jī)完成。

2.2基于嵌入式和OpenCV電纜護(hù)套標(biāo)記點(diǎn)定位方法

對(duì)運(yùn)動(dòng)物體定位的方法一般有幀差法[4]、光流法[5]、背景減法[6]、擴(kuò)展的EM算法、能量運(yùn)動(dòng)檢測(cè)、基于數(shù)學(xué)形態(tài)學(xué)的檢測(cè)[7]等，常用的目標(biāo)跟蹤算法有基于區(qū)域的跟蹤、基于運(yùn)動(dòng)估計(jì)的跟蹤、基于目標(biāo)模型的跟蹤和基于主動(dòng)輪廓的跟蹤等[8]。為了同時(shí)滿足實(shí)時(shí)性和準(zhǔn)確性的要求，使用數(shù)學(xué)形態(tài)學(xué)和顏色閾值分割的方法來進(jìn)行電纜護(hù)套標(biāo)記點(diǎn)的定位。

本文方法的主要思路是：結(jié)合不同顏色空間中圖像的特點(diǎn)，電纜護(hù)套和標(biāo)記點(diǎn)的顏色和輪廓特征來識(shí)別標(biāo)記點(diǎn)，得到兩個(gè)標(biāo)記點(diǎn)之間的像素距離，從而計(jì)算電纜護(hù)套被拉伸的實(shí)際距離。首先對(duì)拍攝的RGB顏色空間圖像轉(zhuǎn)化為HSV顏色空間圖像，因?yàn)镠通道表示色調(diào)，即顏色信息，所以將H通道圖像單獨(dú)取出。然后將RGB顏色空間圖像轉(zhuǎn)化為灰度圖像，選擇感興趣區(qū)域，通過閾值分割轉(zhuǎn)化為二值圖像，并進(jìn)行形態(tài)學(xué)圖像處理，查找輪廓，從而得到護(hù)套電纜所在區(qū)域。然后將H通道圖像的護(hù)套電纜所在區(qū)域設(shè)為感興趣區(qū)域，通過閾值分割，得到二值化圖像，然后進(jìn)行形態(tài)學(xué)圖像處理，查找與標(biāo)記點(diǎn)面積相符的輪廓，根據(jù)得到的輪廓計(jì)算標(biāo)記點(diǎn)中心坐標(biāo)。本方法流程圖如圖2所示。

圖2　電纜護(hù)套標(biāo)記點(diǎn)定位方法流程圖

2.2.1閾值分割算法的選擇

在標(biāo)記點(diǎn)定位方法中，進(jìn)行了兩次圖像二值化，因此要選擇合適的閾值分割算法非常重要。下面是常用的閾值分割算法：最大熵閾值分割算法[9]，基于灰度期望值的閾值分割算法[10]，最大類間方差法(OSTU)[11]，直方圖最頻值法[12]。

為了選取電纜護(hù)套輪廓而進(jìn)行閾值分割時(shí)，因?yàn)楸尘澳徊己碗娎|護(hù)套相對(duì)于標(biāo)記點(diǎn)所占有的像素個(gè)數(shù)要多很多，所以直方圖在背景幕布和電纜護(hù)套灰度值附近會(huì)出現(xiàn)兩個(gè)波峰，而標(biāo)記點(diǎn)附近不會(huì)出現(xiàn)大的波峰，所以選擇直方圖最頻值法，將兩個(gè)波峰之間的波谷處的灰度值作為分割閾值，可以有效地將背景幕布和電纜護(hù)套分開。而為了選取標(biāo)記點(diǎn)而進(jìn)行閾值分割時(shí)，因?yàn)榕懦吮尘澳徊嫉母蓴_，只對(duì)電纜護(hù)套和標(biāo)記點(diǎn)進(jìn)行分割。因?yàn)榉讲钍菆D像灰度分布均勻性的一種度量，方差越大說明構(gòu)成圖像的兩部分差別越大，而部分目標(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，所以使用最大類間方差法，可以很好地將標(biāo)記點(diǎn)和電纜護(hù)套分開。但是最大類間方差法在遍歷每一個(gè)灰度值時(shí)計(jì)算量大，耗時(shí)長(zhǎng)，不能滿足實(shí)時(shí)性，因此對(duì)此方法進(jìn)行修改，只對(duì)圖像灰度期望值附近的灰度值進(jìn)行遍歷，減小了計(jì)算量，可以滿足測(cè)量的實(shí)時(shí)性。

2.2.2讀取圖像

本文所使用的工業(yè)相機(jī)可以拍攝得到1 600×1 200像素大小的彩色圖像，首先利用cvCreateImage函數(shù)分別開辟一個(gè)1 600×1 200大小的彩色圖像的內(nèi)存，然后直接調(diào)用攝像頭驅(qū)動(dòng)接口函數(shù)read_frame來讀取工業(yè)相機(jī)拍攝的每一幀照片的彩色圖像。

2.2.3選擇感興趣區(qū)域

因?yàn)殡娎|護(hù)套拉伸長(zhǎng)度檢測(cè)要求在護(hù)套拉伸過程中實(shí)時(shí)地進(jìn)行拉伸長(zhǎng)度測(cè)量，所以為了保證實(shí)時(shí)性，減少圖像處理算法的計(jì)算量，本文采取只對(duì)感興趣區(qū)域內(nèi)的圖像信息進(jìn)行處理。

在電纜護(hù)套拉伸之前，通過手指點(diǎn)擊觸摸屏，Qt庫函數(shù)mousePressEvent就會(huì)將手指點(diǎn)擊屏幕的坐標(biāo)傳遞給主程序，然后按住顯示屏不放移動(dòng)手指，函數(shù)mouseMoveEvent就會(huì)將手指移動(dòng)位置的坐標(biāo)傳遞給主函數(shù)，然后將這兩個(gè)坐標(biāo)轉(zhuǎn)化為圖像像素的坐標(biāo)，就可以將以這兩個(gè)點(diǎn)為對(duì)角線頂點(diǎn)的水平方向矩形所確定的區(qū)域作為感興趣區(qū)域。利用函數(shù)cvSetImageROI對(duì)圖像經(jīng)行設(shè)置，以后對(duì)圖像進(jìn)行處理就只是針對(duì)感興趣區(qū)域進(jìn)行處理了。感興趣區(qū)域圖像如圖3a所示。

a　感興趣區(qū)域圖像　　b　二值化圖像　　c　形態(tài)學(xué)處理后的二值化圖像圖3　感興趣區(qū)域圖像、二值化圖像、形態(tài)學(xué)處理后的二值化圖像比較圖

2.2.4確定電纜護(hù)套的位置

首先利用cvCvtColor函數(shù)將RGB圖像轉(zhuǎn)化為灰度圖像。轉(zhuǎn)化后的灰度圖像的灰度直方圖如圖4中原灰度直方圖所示，圖中有兩個(gè)大的波峰，分別代表電纜護(hù)套和背景的灰度信息。但原灰度直方圖中會(huì)出現(xiàn)微小的波動(dòng)，會(huì)導(dǎo)致找到錯(cuò)誤的波谷，因此設(shè)計(jì)一個(gè)平均濾波器來平滑原直方圖。平均濾波器窗口大小W=3，濾波器三個(gè)元素取值分別為ω(-1)=0.333 3，ω(0)=0.333 3，ω(1)=0.333 3，并且∑μω(μ)=1。在此基礎(chǔ)上灰度直方圖g0(t)與平均濾波器ω(μ)的離散卷積公式定義為

(1)

其中：[·]為下取整操作[13]。

經(jīng)過平均濾波器平滑后的灰度直方圖如圖4中均值濾波后的灰度直方圖所示。使用直方圖最頻值法選取閾值，對(duì)圖像進(jìn)行二值化。二值化后圖像如圖3b所示。因?yàn)闃?biāo)記點(diǎn)被劃分為電纜護(hù)套還是背景是未知的，如果劃分為背景，那么電纜護(hù)套就會(huì)在標(biāo)記點(diǎn)處出現(xiàn)斷裂，這是不愿看到的，因此為了避免出現(xiàn)這種情況，對(duì)二值化后的圖像進(jìn)行開運(yùn)算，可以使電纜護(hù)套在標(biāo)記點(diǎn)處連接。為了消除電纜突起的毛刺和凸起，對(duì)圖像進(jìn)行閉運(yùn)算。形態(tài)學(xué)處理后的二值化圖像如圖3c所示。因?yàn)殡娎|護(hù)套基本處于垂直或水平方向，所以計(jì)算選定電纜護(hù)套輪廓的水平和垂直最短距離和中心軸可以計(jì)算出電纜護(hù)套區(qū)域的最大內(nèi)接矩形。然后再將計(jì)算出的最大內(nèi)接矩形設(shè)置為圖像的感興趣區(qū)域，用于進(jìn)行下一步處理。

a　原灰度直方圖

b　均值濾波后的灰度直方圖圖4　灰度圖像的原灰度直方圖和均值濾波后的灰度直方圖

2.2.5確定標(biāo)記點(diǎn)的位置

首先利用cvtColor函數(shù)將RGB空間圖像轉(zhuǎn)化 成HSV空間圖像，再調(diào)用cvSplit函數(shù)將圖像分離為H,S,V對(duì)應(yīng)的單通道圖像。其中H通道圖像如圖5a所示。然后利用最大類間算法對(duì)H分量對(duì)應(yīng)的單通道圖像進(jìn)行二值化，得到的二值化圖像如圖5b所示。得到的標(biāo)記點(diǎn)區(qū)域可能因?yàn)榉垂獾挠绊?，使單個(gè)標(biāo)記點(diǎn)出現(xiàn)孔或識(shí)別為多個(gè)標(biāo)記點(diǎn)，所以要對(duì)標(biāo)記點(diǎn)區(qū)域先進(jìn)行開運(yùn)算，再進(jìn)行閉運(yùn)算。經(jīng)過實(shí)驗(yàn)證明，可以很好地消除反光的影響。經(jīng)過形態(tài)學(xué)處理后的圖像如圖5c所示。

a　H通道圖像　　　　　　　b　電纜區(qū)域二值化圖像

c　形態(tài)學(xué)處理后圖像　　　　　　d　標(biāo)記點(diǎn)輪廓圖像圖5　H通道圖像、電纜區(qū)域二值化圖像、形態(tài)學(xué)處理后圖像和標(biāo)記點(diǎn)輪廓圖像對(duì)照?qǐng)D

2.3拉伸長(zhǎng)度計(jì)算

因?yàn)楸疚氖褂玫臉?biāo)記點(diǎn)粘貼在電纜護(hù)套上，所以只要求出標(biāo)記點(diǎn)輪廓的中心，就是標(biāo)記點(diǎn)的中心。使用cvGetSeqElem函數(shù)求出標(biāo)記點(diǎn)輪廓向上每一個(gè)點(diǎn)的坐標(biāo)xn,yn，輪廓上標(biāo)記點(diǎn)的個(gè)數(shù)為N，輪廓的中心坐標(biāo)為xc,yc，則

(2)

(3)

如圖5d中白色閉合曲線表示識(shí)別標(biāo)記點(diǎn)的輪廓，黑色實(shí)心點(diǎn)表示標(biāo)記點(diǎn)的中心。

當(dāng)相機(jī)與電纜護(hù)套的位置固定，并且相機(jī)平面與電纜護(hù)套平面平行，設(shè)相機(jī)兩個(gè)相鄰像素間距離對(duì)應(yīng)現(xiàn)實(shí)生活中的實(shí)際距離為L(zhǎng)p，兩個(gè)標(biāo)記點(diǎn)中心之間的像素點(diǎn)個(gè)數(shù)為n，電纜護(hù)套拉伸長(zhǎng)度L=Lp·n。標(biāo)定的過程如下：選取兩個(gè)標(biāo)記點(diǎn)，用游標(biāo)卡尺計(jì)算出兩個(gè)標(biāo)記點(diǎn)中心之間的距離m，然后用圖像處理軟件計(jì)算出兩個(gè)標(biāo)記點(diǎn)中心之間的像素個(gè)數(shù)d，則Lp=m/d。

3實(shí)驗(yàn)結(jié)果和誤差分析

3.1實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)結(jié)果如圖6所示，矩形框?yàn)楦信d趣區(qū)域，白色閉合曲線為標(biāo)記點(diǎn)輪廓。測(cè)量長(zhǎng)度如圖6右下角文本框所示。

圖6　實(shí)驗(yàn)結(jié)果(截圖)

測(cè)量結(jié)果如表1所示。

表1測(cè)量結(jié)果

標(biāo)記點(diǎn)間距離實(shí)際值/cm標(biāo)記點(diǎn)間像素個(gè)數(shù)標(biāo)記點(diǎn)間距離測(cè)量值/cm測(cè)量誤差/%2.9982312.9760.7343.5122753.5320.5693.9723103.9810.2274.4903524.5200.6684.9223874.9700.9755.5364335.5610.452

3.2誤差分析

3.2.1量化誤差

通過標(biāo)記點(diǎn)之間像素點(diǎn)個(gè)數(shù)計(jì)算電纜護(hù)套標(biāo)記點(diǎn)之間的長(zhǎng)度必然會(huì)出現(xiàn)量化誤差，假設(shè)相鄰像素之間在現(xiàn)實(shí)世界中的實(shí)際距離為L(zhǎng)p，那么量化誤差的大小為±Lp。因此相機(jī)拍攝圖片分辨率越高，則量化誤差越小。

3.2.2傾斜誤差

如果電纜護(hù)套所在平面與相機(jī)拍攝平面不平行，則會(huì)產(chǎn)生傾斜測(cè)量誤差，如圖7所示。電纜護(hù)套的實(shí)際長(zhǎng)度為L(zhǎng)，則傾斜測(cè)量誤差δ為

δ=L-Lcosθ=L(1-cosθ)

(4)

圖7　相機(jī)拍攝平面未與電纜護(hù)套平面平行

3.2.3取舍誤差

根據(jù)標(biāo)記點(diǎn)之間的像素個(gè)數(shù)來計(jì)算電纜護(hù)套拉伸長(zhǎng)度過程中，會(huì)用到乘除運(yùn)算，因此會(huì)進(jìn)行有效位的取舍，產(chǎn)生取舍誤差，因?yàn)榻?jīng)過校準(zhǔn)后的工業(yè)相機(jī)相鄰兩個(gè)像素間距對(duì)應(yīng)的實(shí)際距離為0.012 cm，所以在計(jì)算過程中保留到0.001 cm，所以取舍誤差為±0.005 cm。

3.2.4畸變誤差

在計(jì)算機(jī)視覺中相機(jī)的鏡頭存在畸變，只有經(jīng)過精確的校準(zhǔn)后才會(huì)消除畸變產(chǎn)生的誤差，否則圖像會(huì)出現(xiàn)非線性失真。本實(shí)驗(yàn)所使用的鏡頭畸變小于1%。

4小結(jié)

該電纜護(hù)套拉伸長(zhǎng)度測(cè)試系統(tǒng)克服了以前手動(dòng)測(cè)量繁瑣的缺點(diǎn)，使用嵌入式技術(shù)和OpenCV開源圖像處理函數(shù)庫相結(jié)合的方案，既縮短了開發(fā)周期，降低了硬件成本，而且增強(qiáng)了系統(tǒng)的可移植性。利用RGB和HSV顏色空間分別處理圖像，使用直方圖最頻值法和最大類間方差法兩種閾值分割算法對(duì)圖像進(jìn)行二值化，增強(qiáng)了圖像處理算法的魯棒性。使用在灰度期望值附近對(duì)灰度值進(jìn)行遍歷的方法，減小了最大類間方差算法的計(jì)算量，可以滿足圖像處理的實(shí)時(shí)性。通過選取低畸變相機(jī)鏡頭和適宜分辨率的工業(yè)相機(jī)，保持電纜護(hù)套平面與相機(jī)拍攝平面平行，計(jì)算過程中選取合適的取舍位，可以有效地降低量化誤差、傾斜誤差、取舍誤差和畸變誤差。

參考文獻(xiàn)：

[1]李錦富，陳樂庚，劉春群，等. 基于嵌入式的橡膠膠片寬度測(cè)量系統(tǒng)[J].儀表技術(shù)與傳感器，2012(9)：93 -96.

[2]陳磊. 計(jì)算機(jī)視覺類庫OpenCV在VC中的應(yīng)用[J].微計(jì)算機(jī)信息，2007(12)：209 -210.

[3]田紅鵬，焦鑫. 基于嵌入式Linux和OpenCV的車牌定位方法[J].計(jì)算機(jī)工程與設(shè)計(jì)，2014，35(11)：3908 -3912.

[4]林洪文，姚作樑，涂丹，等. 基于減背景技術(shù)的運(yùn)動(dòng)目標(biāo)檢測(cè)方法研究[J]. 國防科技大學(xué)學(xué)報(bào)，2003，25(3)：66 -69.

[5]王栓，艾海舟，何克忠. 基于差分圖像的多運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤[J]. 中國圖象圖形學(xué)報(bào)，1999，4(6)：470 -474.

[6]SONK A，HLAVAC V，BOYLE R. 圖像處理分析與機(jī)器視覺[M].2版.艾海舟，武勃，譯.北京：人民郵電出版社，2003.

[7]王江濤.基于視頻的目標(biāo)檢測(cè)，跟蹤及行為識(shí)別研究[D].南京：南京理工大學(xué)模式識(shí)別與智能系統(tǒng)，2008.

[8]尹俊超，劉直芳. 基于 OpenCV 的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤[J].計(jì)算機(jī)工程與設(shè)計(jì)，2011，32(8)：2817 -2820.

[9]吳謹(jǐn)，李娟，劉成云，等. 基于最大熵的灰度閾值選取方法[J]. 武漢科技大學(xué)學(xué)報(bào)(自然科學(xué)版)，2004，27(1)：58 -60.

[10]高永英，張利，吳國威. 一種基于灰度期望值的圖象二值化算法[J]. 中國圖象圖形學(xué)報(bào)，1999，4(6)：524 -528.

[11]祁佳，劉紫燕. 基于融合及形態(tài)學(xué)的自適應(yīng)閾值圖像邊緣檢測(cè)[J]. 電視技術(shù)，2014，38(13)：36 -38.

[12]王厚大，梁棟，楊恒新. 自動(dòng)閾值選取的兩種算法[J]. 南京郵電學(xué)院學(xué)報(bào)，2002，22(4)：85 -88.

[13]李軼鯤，楊樹文，劉濤. 基于多峰直方圖的遙感圖像閾值自動(dòng)選取算法[J]. 蘭州交通大學(xué)學(xué)報(bào)，2013，32(6)：199 -204.

Cable sheath stretched length measurement based on embedded and OpenCV

GAO Zhenbin, LI Pansheng

(SchoolofInformationEngineering,HebeiUniversityofTechnology,Tianjin300401,China)

Abstract:To meet the measurement’s intelligent and stability requirements, cable sheath stretched length is measured using machine vision methods, on the IMX.6Q chip-based embedded platform equipped with a 2.0 megapixel USB industrial cameras. At first, open source image processing libraries OpenCV is transplanted to embedded Linux systems. Secondly, mathematical morphology and color threshold segmentation method is used to locate cable sheath marked point. Histogram most frequent method and Otsu method are used as threshold segmentation method so that cable sheath marked point is tracked in real time and cable sheath stretched length is exactly measured.

Key words:OpenCV; embeded Linux; cable sheath stretched length measurement; machine vision

中圖分類號(hào):TN98

文獻(xiàn)標(biāo)志碼：A

DOI：10.16280/j.videoe.2016.02.027

基金項(xiàng)目：國家質(zhì)檢總局科技計(jì)劃項(xiàng)目

作者簡(jiǎn)介：

高振斌(1973— )，教授，博士，主要研究方向?yàn)橥ㄐ排c測(cè)控技術(shù)；

李盼生(1989— )，碩士研究生，主要研究方向?yàn)橥ㄐ排c測(cè)控技術(shù)。

責(zé)任編輯：閆雯雯

收稿日期：2015-06-18

文獻(xiàn)引用格式：高振斌，李盼生. 基于嵌入式與OpenCV的電纜護(hù)套拉伸長(zhǎng)度測(cè)量[J].電視技術(shù)，2016,40(2)：141-145.

GAO Z B, LI P S. Cable sheath stretched length measurement based on embedded and OpenCV [J].Video engineering, 2016,40(2)：141-145.