基于機(jī)器視覺(jué)的竹材尺寸測(cè)量系統(tǒng)設(shè)計(jì)

韓偉聰，鮑光海

（福州大學(xué)電氣工程與自動(dòng)化學(xué)院，福建 福州 350108）

基于機(jī)器視覺(jué)的竹材尺寸測(cè)量系統(tǒng)設(shè)計(jì)

韓偉聰，鮑光海

（福州大學(xué)電氣工程與自動(dòng)化學(xué)院，福建 福州 350108）

為適應(yīng)竹材加工過(guò)程的竹材剖分自動(dòng)化需求，該文提出將機(jī)器視覺(jué)技術(shù)應(yīng)用到竹材圖像實(shí)時(shí)處理與顯示中，并設(shè)計(jì)一種新的算法來(lái)測(cè)量竹材的尺寸參數(shù)。首先，針對(duì)采集圖像存在的噪聲，采用選擇式掩模平滑法進(jìn)行去噪并保護(hù)邊緣信息；然后利用Sobel算子提取竹子的內(nèi)外輪廓，通過(guò)二值化分割圖像的目標(biāo)和背景，并按照新的算法獲取竹材尺寸大??；最后通過(guò)VC++編寫的軟件界面顯示采集和處理后的圖像及測(cè)量數(shù)據(jù)，并存儲(chǔ)在數(shù)據(jù)庫(kù)里。試驗(yàn)結(jié)果表明：軟件設(shè)計(jì)采取的數(shù)字圖像處理算法能有效濾除噪聲，保留感興趣的目標(biāo)，而新的測(cè)量算法能高效快速精確地計(jì)算竹材的尺寸參數(shù)，為竹材自動(dòng)化剖分的實(shí)現(xiàn)提供有效途徑。

尺寸測(cè)量；機(jī)器視覺(jué)；選擇式掩模平滑法；Sobel算子

0　引　言

近年來(lái)，隨著社會(huì)的不斷發(fā)展與人民生活水平的逐步提高，人們對(duì)自然資源特別是木材的消耗量與日俱增。由于木材的生長(zhǎng)周期長(zhǎng)，使得木材急劇短缺。而將竹材作為替代品，具有生產(chǎn)周期短、材質(zhì)優(yōu)良等優(yōu)點(diǎn)。因此，實(shí)現(xiàn)竹材尺寸自動(dòng)化測(cè)量顯得至關(guān)重要。

目前，國(guó)內(nèi)外針對(duì)竹材的輪廓提取與尺寸測(cè)量做了較多的圖像分析和研究。文獻(xiàn)［1］采用Harris角點(diǎn)檢測(cè)與邊緣擬合算法對(duì)圖像輪廓進(jìn)行預(yù)處理。

文獻(xiàn)［2］通過(guò)計(jì)算八連通區(qū)域的像素點(diǎn)數(shù)，數(shù)值較大的為外輪廓值，數(shù)值較小的內(nèi)輪廓值。文獻(xiàn)［3］提出基于弦中點(diǎn)Hough變換（CMHT）的橢圓檢測(cè)算法，該算法對(duì)噪聲具有較強(qiáng)的抵抗力。文獻(xiàn)［4］利用圓的特性和梯度算法對(duì)圓進(jìn)行判定，能夠在復(fù)雜環(huán)境下準(zhǔn)確識(shí)別圓。

在傳統(tǒng)的竹材剖分過(guò)程中，對(duì)于竹材的剖分片數(shù)主要依靠人工經(jīng)驗(yàn)進(jìn)行。由于人工識(shí)別尺寸誤差大、效率低且勞動(dòng)強(qiáng)度大，所以本文旨在利用VC++設(shè)計(jì)一套基于數(shù)字圖像處理理論的竹材尺寸自動(dòng)化測(cè)量系統(tǒng)，快速實(shí)時(shí)顯示處理前后的竹材圖像，以及測(cè)算竹材的內(nèi)外輪廓厚度與內(nèi)周長(zhǎng)，為自動(dòng)化剖分提供依據(jù)。實(shí)驗(yàn)表明：該系統(tǒng)能夠?qū)崟r(shí)顯示處理前后的竹材圖像以及竹材參數(shù)，且處理速度快、準(zhǔn)確度高。

1　尺寸測(cè)量系統(tǒng)設(shè)計(jì)

本文設(shè)計(jì)一個(gè)采用VC++語(yǔ)言［5］編寫的具有圖像識(shí)別分析與參數(shù)計(jì)算功能的軟件，該軟件具有輸入圖像與處理后圖像的用戶界面，能夠顯示相應(yīng)的參數(shù)，并將其記錄到數(shù)據(jù)庫(kù)，以便統(tǒng)計(jì)與分析用戶需要的信息。圖像處理流程如圖1所示。

實(shí)物檢測(cè)平臺(tái)如圖2所示。首先，通過(guò)觸發(fā)與發(fā)送模塊觸發(fā)攝像機(jī)拍攝。然后，將圖像數(shù)據(jù)傳輸?shù)絇C進(jìn)行圖像處理。最后，將處理結(jié)果顯示在PC上以及無(wú)線傳輸?shù)絃ED模塊顯示。

2　竹材圖像的數(shù)字化處理

本文所有的圖像采集［6-7］都是在自然光條件下進(jìn)行的，而且固定攝像機(jī)與物體的距離為50 cm，竹子背后放置黑色擋板。

圖1　圖像處理流程圖

圖2　實(shí)物檢測(cè)平臺(tái)

2.1選擇式掩模平滑

在數(shù)字圖像采集與傳輸過(guò)程中，由于攝像機(jī)存在不穩(wěn)定性、光線的不均勻性和拍攝范圍內(nèi)的非目標(biāo)物體的雜質(zhì)影響，圖像存在噪聲。平滑濾波可用于消除噪聲，或者提取較大的目標(biāo)前去除小的細(xì)節(jié)?？沼蛑兄饕兄兄禐V波、選擇式掩模平滑法等濾波效果較好的算法。由于中值濾波在開窗較大時(shí)，其數(shù)據(jù)計(jì)算量迅速增大，實(shí)時(shí)性受到影響。而選擇式掩模平滑法既可以抑制噪聲改善圖像，又能盡量不模糊邊緣輪廓。因此，該軟件的設(shè)計(jì)采取選擇式掩模平滑法作為濾波算法。

選擇式掩模平滑法以模板運(yùn)算為基礎(chǔ)，本文采取5×5的模板窗口。設(shè)圖像窗口中心像素坐標(biāo)為（i，j），構(gòu)造一個(gè)邊長(zhǎng)為3的正方形1個(gè)、五邊形4個(gè)和六邊形4個(gè)，共9種形狀的窗口，分別計(jì)算每個(gè)窗口內(nèi)的均值與方差。由于含有尖銳邊沿的區(qū)域，方差必定較平緩區(qū)域大，因此采用方差最小的窗口進(jìn)行平均化，這種方法在完成濾波操作的同時(shí)，又不會(huì)破壞邊界的細(xì)節(jié)［5］。

均值的計(jì)算公式為

方差的計(jì)算公式為

式中k=1，2，3...，n，n為各窗口對(duì)應(yīng)的像素個(gè)數(shù)。

求出最小的方差σi min，則將其對(duì)應(yīng)的Mi作為像素點(diǎn)（i，j）的值輸出。依次遍歷整幅圖像的所有像素點(diǎn)，可得到平滑后的圖像，如圖3所示。

從圖中可知，選擇式掩模平滑能夠有效去除竹屑等細(xì)小的雜質(zhì)，而且不會(huì)模糊竹子的內(nèi)外輪廓邊緣，有利于目標(biāo)圖像的特征提取，便于后續(xù)的圖像處理。

圖3　選擇式掩模平滑圖像

2.2邊緣提取

為了獲取竹材內(nèi)外輪廓的尺寸參數(shù)，圖像的邊緣檢測(cè)是圖像處理中一個(gè)很重要的環(huán)節(jié)。目標(biāo)物體的邊緣是指像素灰度值劇烈變化（灰值圖像的灰度值為0～255），即與周圍像素的梯度較大的一系列像素點(diǎn)組成的輪廓。

邊緣檢測(cè)算子就是構(gòu)造對(duì)灰度值變化敏感的微分算子來(lái)進(jìn)行圖像的邊緣檢測(cè)［8-9］。傳統(tǒng)的邊緣檢測(cè)算子有Sobel算子、Robert算子、Prewitt算子和Laplacian算子等。通過(guò)對(duì)比試驗(yàn)發(fā)現(xiàn)，Sobel算子與其他算子相比，檢測(cè)的輪廓清晰直觀，便于后續(xù)的二值化處理。

Sobel算子包含兩個(gè)3×3的模板，將其與圖像上的每個(gè)像素點(diǎn)作卷積，分別得到橫向和縱向的梯度值。這兩個(gè)模板如圖4所示。

圖4　Sobel模板

采用Sobel算子提取邊緣的圖像如圖5所示。

圖5　Sobel算子提取邊緣圖像

從圖中可知，Sobel算子能夠較好地保留竹材內(nèi)外輪廓的邊緣，并且濾除大多數(shù)非輪廓的像素點(diǎn)。雖然還保留一些輪廓外顯示的像素點(diǎn)，但是與目標(biāo)輪廓相比并不明顯，在后續(xù)圖像處理中可以采用閾值二值法濾除這部分雜質(zhì)。

2.3圖像二值化

在利用選擇式掩模平滑和Sobel算子提取邊緣后，為了盡量使圖像中有且僅有我們感興趣的部位，需要對(duì)圖像整體進(jìn)行處理，而二值化在區(qū)分目標(biāo)與背景起到了至關(guān)重要的作用。

灰度圖像的像素亮度等級(jí)分為0～255，而圖像二值化就是按照某一閾值θ，將圖像整體分為兩部分：像素大于θ的部分和小于θ的部分。閾值θ的選取是確保二值化處理能準(zhǔn)確分離背景和目標(biāo)的關(guān)鍵。如果閾值選得過(guò)大，容易把目標(biāo)區(qū)域的一部分給濾除掉；若選得過(guò)小，則二值化后的圖像包含一部分的背景。因此，需要通過(guò)合理的方法確定閾值，使其能夠最大程度地去除背景獲取目標(biāo)。常用的二值化算法分為固定閾值和自適應(yīng)閾值。為了更加快速地處理圖像，本文采用固定閾值。

該固定閾值的確定是通過(guò)大津閾值法和實(shí)驗(yàn)相結(jié)合獲取得到的。首先，通過(guò)大津閾值獲取閾值初值。大津閾值的原理是將圖像的直方圖按照某一閾值分割成兩組，當(dāng)兩組的方差最大時(shí)，該閾值即為我們所需要的。然后，將該閾值作為初值，通過(guò)多次小幅度改變?cè)撻撝?，查看輸出結(jié)果。在輸出的結(jié)果中比較并尋找最理想的圖像，即該圖像基本只包含內(nèi)外輪廓，而且內(nèi)外輪廓清晰完整，此時(shí)則選取該閾值作為最終的分割閾值。

二值化處理后的圖像如圖6所示。

圖6　二值化處理圖像

從圖中可知，所選取的閾值基本上能將目標(biāo)與背景分離，且內(nèi)外輪廓清晰可見。圖像邊緣的傾斜直線是因?yàn)槠脚_(tái)與擋板沒(méi)有放置好的原因，可以通過(guò)只處理指定區(qū)域的圖像像素去除掉，對(duì)尺寸測(cè)量沒(méi)有影響。

3　尺寸參數(shù)測(cè)量

傳統(tǒng)的數(shù)據(jù)計(jì)算與分析一般根據(jù)像素的點(diǎn)數(shù)來(lái)確定［10-12］。本文通過(guò)大量的實(shí)驗(yàn)分析得出，對(duì)于計(jì)算竹材的內(nèi)外輪廓周長(zhǎng)和厚度，該方法存在一定的缺陷。當(dāng)處理后的輪廓圖并非標(biāo)準(zhǔn)圓時(shí)，或者處理后的竹子輪廓面并非完整時(shí)，其存在較大的誤差，無(wú)法滿足竹材高精度剖分的需求。由于竹材的輪廓面一般都呈橢圓狀，當(dāng)采取快速Hough［13-14］圓變換算法計(jì)算內(nèi)外輪廓參數(shù)時(shí)，其計(jì)算量大，耗時(shí)長(zhǎng)且誤差大。

本文采用基于距離而非像素的方法來(lái)判斷竹材的內(nèi)外輪廓以及參數(shù)。

參數(shù)計(jì)算流程如圖7所示。

圖7　參數(shù)計(jì)算流程圖

具體的計(jì)算思路如下：

1）首先，將整個(gè)圖像最左邊和最右邊的像素點(diǎn)選取存放在數(shù)組a里，然后分別求出這些點(diǎn)的橫、縱坐標(biāo)的平均值。若圖像只有輪廓存在時(shí)，則兩者分別為圓心的橫縱坐標(biāo)初值。

2）然后，求出存放在數(shù)組a里的像素點(diǎn)與初始圓心距離的平均值，將該距離設(shè)為初始外輪廓半徑；接著，將小于該初始外半徑一定距離（本文取小于該初始外半徑10像素距離）的所有點(diǎn)存放在數(shù)組b里。求取這些點(diǎn)的橫、縱坐標(biāo)平均值，將其作為圓心的參考坐標(biāo)。將其與初始圓心對(duì)比，若相差不大，則選取該坐標(biāo)為圓心，否則選初始圓心坐標(biāo)為圓心。該做法是為了提高圓心坐標(biāo)的準(zhǔn)確度。

3）求數(shù)組a里面的像素點(diǎn)與圓心的距離的平均值，將其設(shè)為外輪廓半徑參考值；接著，將小于該外半徑參考值一定距離（本文取小于該外半徑參考值10像素距離）的所有點(diǎn)存放在數(shù)組c里。求數(shù)組c里面的像素點(diǎn)與圓心的距離的平均值，將其設(shè)為內(nèi)輪廓半徑的參考值。

4）求大于內(nèi)半徑參考值一定距離（本文取大于該內(nèi)半徑參考值10像素距離）的所有點(diǎn)距離圓心的平均值，將其與外輪廓半徑參考值作比較，若相差不大，則選取該值作為外輪廓半徑，否則選取后者作為外輪廓半徑。同理可得內(nèi)輪廓半徑。

5）由于內(nèi)周長(zhǎng)與內(nèi)輪廓半徑成比例，厚度與內(nèi)外輪廓半徑距離之差成比例，根據(jù)實(shí)際測(cè)量數(shù)據(jù)計(jì)算出比例系數(shù)，則可得到相應(yīng)的厚度與周長(zhǎng)。

本文對(duì)竹子樣本分別測(cè)出其在不同方向情況下，采用該算法獲取數(shù)據(jù)的平均值與實(shí)際的絕對(duì)誤差和相對(duì)誤差，限于篇幅，這里僅列出6組數(shù)據(jù)。

表1　計(jì)算與實(shí)測(cè)的厚度對(duì)比

表2　計(jì)算與實(shí)測(cè)的內(nèi)周長(zhǎng)對(duì)比

從以上數(shù)據(jù)可知，最小厚度的絕對(duì)誤差＜0.5mm，相對(duì)誤差＜±5%；內(nèi)周長(zhǎng)的絕對(duì)誤差＜5 mm，相對(duì)誤差＜±2%。顯然，內(nèi)周長(zhǎng)的測(cè)量精度高于厚度，這是由于竹子的內(nèi)外輪廓面呈橢圓，導(dǎo)致不同位置的厚度大小不一?？傮w上，對(duì)于橢圓形的竹材輪廓而言，該算法具有較高的計(jì)算精確度。

4　軟件界面顯示

軟件設(shè)計(jì)的GUI如圖8所示。

軟件是采用VC++6.0 MFC對(duì)話框設(shè)計(jì)，數(shù)據(jù)顯示界面的內(nèi)容有：1）采集的圖像與處理后的圖像的實(shí)時(shí)顯示；2）通信串口設(shè)計(jì)，目的是為了將處理結(jié)果通過(guò)串口通信傳輸?shù)絃ED顯示屏上顯示，使數(shù)據(jù)呈現(xiàn)更加直觀與簡(jiǎn)單；3）切片長(zhǎng)度設(shè)置，根據(jù)需要確定竹材剖分的寬度，以便根據(jù)內(nèi)周長(zhǎng)獲取竹材剖分的片數(shù)；4）查看歷史數(shù)據(jù)，為了方便用戶了解竹材的剖分情況。

軟件的工作流程：當(dāng)竹材放在裝有壓力傳感器的平臺(tái)時(shí)，觸發(fā)攝像機(jī)拍攝，將圖像數(shù)據(jù)傳入計(jì)算機(jī)指定的圖像文件夾中。軟件一旦檢測(cè)到有新的圖像傳進(jìn)來(lái)，立即按照相應(yīng)的圖像處理算法處理圖像并顯示處理前后的圖像與尺寸。計(jì)算機(jī)在存儲(chǔ)數(shù)據(jù)的同時(shí)將數(shù)據(jù)傳輸?shù)娇刂浦癫钠史值臋C(jī)器上，確定竹材剖分?jǐn)?shù)，實(shí)現(xiàn)了竹材自動(dòng)化剖分。

圖8　用戶界面

5　結(jié)束語(yǔ)

本文通過(guò)對(duì)竹材圖像進(jìn)行選擇式掩模平滑、Sobel算子邊緣提取以及二值化等數(shù)字圖像處理，獲得了竹材內(nèi)外輪廓邊緣。由于現(xiàn)有基于像素點(diǎn)數(shù)測(cè)量算法的不足，本文設(shè)計(jì)一種基于像素點(diǎn)間距的算法來(lái)計(jì)算竹材內(nèi)外輪廓的厚度與內(nèi)周長(zhǎng)，最終實(shí)現(xiàn)竹材的自動(dòng)化剖分。實(shí)驗(yàn)表明，該算法能夠?qū)崟r(shí)在線檢測(cè)、處理竹材的圖像，運(yùn)行可靠性高且測(cè)量準(zhǔn)確度高。該尺寸測(cè)量系統(tǒng)可為竹材加工企業(yè)節(jié)約生產(chǎn)成本，提高生產(chǎn)效率，具有良好的經(jīng)濟(jì)和社會(huì)效益，能極大推動(dòng)現(xiàn)有竹材加工自動(dòng)化的發(fā)展，對(duì)當(dāng)前竹材加工有重要意義。

［1］翟亞宇，潘晉孝，劉賓，等.基于運(yùn)動(dòng)目標(biāo)檢測(cè)的實(shí)時(shí)圖像處理與顯示［J］.計(jì)算機(jī)測(cè)量與控制，2014（11）：3794-3797.

［2］柴華，任洪娥，張俊卿.利用Sobel算子結(jié)合蟻群算法提取竹材的內(nèi)外輪廓［J］.哈爾濱理工大學(xué)學(xué)報(bào)，2014（1）：54-58.

［3］屈穩(wěn)太.基于弦中點(diǎn)Hough變換的橢圓檢測(cè)方法［J］.浙江大學(xué)學(xué)報(bào)（工學(xué)版），2005（8）：1132-1135.

［4］周封，楊超，王晨光，等.基于隨機(jī)Hough變換的復(fù)雜條件下圓檢測(cè)與數(shù)目辨識(shí)［J］.儀器儀表學(xué)報(bào)，2013（3）：622-628.

［5］謝鳳英，趙丹培，姜志國(guó).Visual C++數(shù)字圖像處理［M］.北京：電子工業(yè)出版社，2008：21-39.

［6］祁曉玲，趙霞霞，靳伍銀.基于機(jī)器視覺(jué)的軸類零件幾何尺寸測(cè)量［J］.組合機(jī)床與自動(dòng)化加工技術(shù)，2013（1）：65-67.

［7］李紹民，陳衛(wèi)東.圖像處理方法在自動(dòng)化加工中的應(yīng)用［J］.組合機(jī)床與自動(dòng)化加工技術(shù)，2004（9）：94-95.

［8］LIAO C W，YU J H，TARN Y S.On-line full scan inspection of particle size and shape using digital image processing［J］.Particuology，2010（3）：286-292.

［9］柴華.基于圖像識(shí)別的竹材橫截面輪廓提取技術(shù)研究［D］.哈爾濱：東北林業(yè)大學(xué)，2014.

［10］張華，展曉凱.基于VC++的數(shù)字圖像處理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)［J］.濰坊學(xué)院學(xué)報(bào)，2011（2）：15-21.

［11］龍倩倩.剖竹加工工藝分析及其數(shù)控加工機(jī)床的設(shè)計(jì)［D］.哈爾濱：東北林業(yè)大學(xué)，2014.

［12］龔聰.基于機(jī)器視覺(jué)的高準(zhǔn)確度尺寸檢測(cè)方法與實(shí)現(xiàn)［D］.廣州：廣東工業(yè)大學(xué)，2014.

［13］程鵬，朱美琳，耿華.一種基于梯度Hough變換和SVM的圓檢測(cè)算法［J］.計(jì)算機(jī)與現(xiàn)代化，2013（2）：22-25.

［14］蔣忠凌，廖俊必，黃玉波，等.基于機(jī)器視覺(jué)的化成箔缺陷在線檢測(cè)系統(tǒng)設(shè)計(jì)［J］.電子測(cè)量技術(shù)，2015（7）：27-32.

（編輯：徐柳）

Design of measurement system of bamboo size based on machine vision

HAN Weicong，BAO Guanghai
（School of Electrical Engineering and Automation，F(xiàn)uzhou University，F(xiàn)uzhou 350108，China）

In order to cater to the demand for automated bamboo splitting technologies，this paper proposed to apply digital image processing technology to real-time processing and display of bamboo images.A new algorithm was designed to measure the size parameters of bamboo.Firstly，this paper focused on the noise of image collection，used selective masking smoothing method to weaken the noise and protect edge information；then used the Sobel operator to extract the internal and external contour of bamboo，separated the background，obtained the target of the image by binarization and attained the size of bamboo in accordance with the new algorithm；Finally，the software interface written in VC++displayed the collected images，processed images，measured data，and stored in the database.Experiment showed that the design of the software by adopting the digital image processing algorithms could effectively filter the noise，retain the targets of interest，and new measurement algorithm was fast，efficient and accurate on calculating the size parameters of bamboo，which provided an effective way to realize automation of bamboo splitting.

dimensional measurement；machine vision；selective masking smoothing method；Sobel operator

A

1674-5124（2016）07-0074-05

10.11857/j.issn.1674-5124.2016.07.015

2015-09-30；

2015-10-30

福建省教育廳JK項(xiàng)目（JK15005）

韓偉聰（1992-），男，福建漳州市人，碩士研究生，專業(yè)方向?yàn)闄C(jī)器視覺(jué)應(yīng)用。