基于OpenCV的圓環(huán)Mark定位研究

張 葉，靳衛(wèi)國(guó)，于朋揚(yáng)

(中國(guó)電子科技集團(tuán)公司第四十五研究所，北京 100176)

圖像對(duì)準(zhǔn)是絲網(wǎng)印刷的關(guān)鍵技術(shù)，圖像對(duì)準(zhǔn)的精度直接決定了絲網(wǎng)印刷的好壞，因此，圖像Mark點(diǎn)的定位具有非常重要的意義。本文針對(duì)帶膜電感基片的圓環(huán)Mark點(diǎn)的定位需求，基于開(kāi)源計(jì)算機(jī)視覺(jué)庫(kù)OpenCV進(jìn)行開(kāi)發(fā)，對(duì)圓環(huán)圖像進(jìn)行形態(tài)學(xué)處理，再利用OpenCV提供的cvCanny()函數(shù)對(duì)圖像進(jìn)行邊緣檢測(cè)，進(jìn)而利用cvFind-Counters()函數(shù)檢索輪廓，有效地實(shí)現(xiàn)圓環(huán)Mark的定位。

1 分析

圖1所示為電感基片的Mark圖像。該圖像由CCD、鏡頭、光源、圖像采集卡和計(jì)算機(jī)組成的機(jī)器視覺(jué)系統(tǒng)采集。圖像定位需要在圖像中找到圓環(huán)，并給出圓環(huán)中心在圖像中的位置。

由圖1可知，圓環(huán)Mark作為圖像目標(biāo)，與圖像背景的對(duì)比度不太明顯，需要對(duì)圖像預(yù)處理才能實(shí)現(xiàn)定位。圖像處理流程如圖2所示，先對(duì)圖像進(jìn)行預(yù)處理、邊緣檢測(cè)，進(jìn)而檢索輪廓，實(shí)現(xiàn)圓環(huán)Mark的定位。

圖1 電感基片的圓環(huán)Mark圖像

圖2 圖像處理流程圖

2 OpenCV特點(diǎn)

OpenCV (OpenSourceComputerVisionLibrary)是一個(gè)開(kāi)源的計(jì)算機(jī)視覺(jué)庫(kù)，它包含大量的圖像處理函數(shù)，這些函數(shù)涵蓋多個(gè)領(lǐng)域，如圖像處理、模式識(shí)別、動(dòng)態(tài)運(yùn)動(dòng)、攝像機(jī)標(biāo)定、三維視覺(jué)以及機(jī)器學(xué)習(xí)等，并且執(zhí)行速度快、效率高。本文使用OpenCV1.0進(jìn)行圖像處理并實(shí)現(xiàn)圓環(huán)Mark的定位。

3 圓環(huán)定位實(shí)現(xiàn)

3.1 圖像預(yù)處理

本文原始圖像全部由CCD采集。CCD采集的圖像包含很大的信息量，并且存在著各種噪聲。噪聲對(duì)圓環(huán)Mark點(diǎn)的定位產(chǎn)生干擾問(wèn)題，因此有必要對(duì)圖像進(jìn)行預(yù)處理。圖像預(yù)處理主要通過(guò)軟件編程完成圖像的噪聲去除、幾何變換。

3.1.1 圖像平滑

圖像平滑是一種抑制圖像噪聲、改善圖像質(zhì)量的圖像預(yù)處理方法。噪聲會(huì)造成圖像中原本均勻和連續(xù)變化的灰度發(fā)生突變，生成虛假的邊緣信息干擾圓環(huán)Mark點(diǎn)的定位。圖像平滑的作用主要是保留圖像的主要結(jié)構(gòu)、消除干擾信息、突出目標(biāo)的區(qū)域。

在本文中，圖像平滑采用OpenCV中的cvS-mooth()函數(shù)實(shí)現(xiàn)，如圖3所示。

圖3 平滑圖像

3.1.2 圖像二值化

圖像二值化是圖像處理中重要的處理手段。經(jīng)過(guò)二值化處理的圖像只有明顯的黑白兩色，從而將灰度范圍劃分為目標(biāo)和背景兩類(lèi)，這樣使圖像變得簡(jiǎn)單，凸顯出圓環(huán)Mark的輪廓，而且更容易獲取目標(biāo)區(qū)域的特征，方便圖像的進(jìn)一步處理。在本文中，圖像二值化采用OpenCV中的cvThreshold()函數(shù)實(shí)現(xiàn)，如圖4所示。

圖4 二值化圖像

3.1.3形態(tài)學(xué)處理

在圖像處理中，形態(tài)學(xué)處理通常用來(lái)消除噪聲、提取圖像特征、檢測(cè)圖像邊緣、紋理分析以及圖像分割等。

開(kāi)運(yùn)算、閉運(yùn)算是常見(jiàn)的形態(tài)學(xué)處理方法。開(kāi)運(yùn)算數(shù)學(xué)上是先腐蝕后膨脹的結(jié)果，它平滑了圖像目標(biāo)的邊緣，斷開(kāi)了較窄的連接，消除了細(xì)小的突出部分。閉運(yùn)算是先膨脹后腐蝕的過(guò)程，它可以平滑目標(biāo)的輪廓，但與開(kāi)運(yùn)算不同，它會(huì)填充物體內(nèi)細(xì)小空洞、連接鄰近物體。

經(jīng)過(guò)二值化后的圖像，目標(biāo)的邊界非常不平滑，需要連續(xù)的開(kāi)和閉運(yùn)算改善圖像。實(shí)際上是對(duì)圖像進(jìn)行連續(xù)的非線性濾波去噪操作。

在本文中，采用OpenCV中的cvMorphologyEx()函數(shù)實(shí)現(xiàn)開(kāi)運(yùn)算、閉運(yùn)算，如圖5、6所示，有效地平滑了物體的邊界。

圖5 開(kāi)運(yùn)算圖像

圖6 閉運(yùn)算圖像

3.2 邊緣檢測(cè)

邊緣是圖像最基本的特征，包含豐富的信息，它是圖像中像素發(fā)生急劇變化的區(qū)域邊界。邊緣檢測(cè)的實(shí)質(zhì)是提取出圖像中目標(biāo)與背景的交界線。

本文采用的是Canny邊緣檢測(cè)算子來(lái)檢測(cè)目標(biāo)形狀的邊緣。Canny邊緣檢測(cè)算子是對(duì)信噪比與定位乘積進(jìn)行檢測(cè)，從而得到最優(yōu)化算子。Canny邊緣檢測(cè)算子除了能夠有效地消除噪聲之外，還能清晰地提取目標(biāo)形狀的輪廓，并且邊界曲線的連續(xù)性也比較好。圖7所示為OpenCV中的cvCanny()函數(shù)實(shí)現(xiàn)的Canny邊緣檢測(cè)效果圖。

圖7Canny邊緣檢測(cè)結(jié)果圖

3.3 輪廓檢索

圖7 所示的Canny邊緣檢測(cè)結(jié)果圖包含了所有的邊緣信息，因此有必要對(duì)圖7中的邊緣信息進(jìn)行輪廓檢索。OpenCV提供了cvFindContours()函數(shù)用于從cvCanny()函數(shù)得到的有邊緣信息的圖像中檢索輪廓，并且函數(shù)將檢測(cè)到的每個(gè)輪廓都存儲(chǔ)在序列里。對(duì)圖7的Canny邊緣檢測(cè)結(jié)果圖進(jìn)行輪廓檢索，結(jié)果如圖8所示，檢索得到了所有的輪廓。

圖8 輪廓檢索圖

3.4 輪廓識(shí)別

為識(shí)別出圓環(huán)的輪廓，需要對(duì)輪廓進(jìn)行篩選。為篩選出圓環(huán)的輪廓，對(duì)利用cvFindContours()函數(shù)得到的所有輪廓進(jìn)行排序，cvFindContours()函數(shù)將輪廓存儲(chǔ)在序列里，將該序列利用算法進(jìn)行排序。OpenCV提供cvContourPerimeter()函數(shù)用于計(jì)算輪廓的周長(zhǎng)，可利用該函數(shù)篩選符合圓環(huán)的輪廓。

利用 OpenCV的 cvMinEnclosingCircle()函數(shù)求最小閉合外接圓，得到最小外接圓的圓心(x0，y0)，如圖9所示。

圖9 圓環(huán)定位

3.5 算法檢測(cè)

采用其他圖像驗(yàn)證該算法的可行性及合理性，其處理結(jié)果如圖10、11、12所示。

由圖可見(jiàn)，該算法能夠有效地實(shí)現(xiàn)圓環(huán)Mark的定位。

圖10 圓環(huán)定位

圖11 圓環(huán)定位

圖12 圓環(huán)定位

4 結(jié)束語(yǔ)

本文面對(duì)圓環(huán)Mark的定位需求，基于OpenCV進(jìn)行圓環(huán)Mark的定位研究。利用OpenCV對(duì)圖像進(jìn)行預(yù)處理、邊緣檢測(cè)，進(jìn)而檢索輪廓，有效地實(shí)現(xiàn)了圓環(huán)Mark的定位。