安全套正反面識(shí)別研究方法

尹思遠(yuǎn)

(沈陽(yáng)工業(yè)大學(xué),遼寧沈陽(yáng)　110023)

安全套正反面識(shí)別研究方法

尹思遠(yuǎn)

(沈陽(yáng)工業(yè)大學(xué),遼寧沈陽(yáng)110023)

本文主要通過(guò)應(yīng)用matlab軟件應(yīng)用幾種不同的算法對(duì)安全套正反面進(jìn)行處理,從而使圖像達(dá)到簡(jiǎn)化可以進(jìn)行識(shí)別的方法。主要方法分為:拉普拉斯算子和sobel算子對(duì)圖像進(jìn)行邊緣檢測(cè),其中應(yīng)用sobel算子對(duì)圖像進(jìn)行處理的效果相對(duì)于拉普拉斯算子效果更加明顯。

拉普拉斯算子sobel算子matlab

1　緒論

在日益發(fā)展的社會(huì)中，安全套的應(yīng)用越來(lái)越頻繁，而生產(chǎn)廠商對(duì)其的生產(chǎn)效率也越來(lái)越看重，但是在生產(chǎn)過(guò)程的包裝工序?qū)ζ湔疵娴恼_與否不是能夠100%正確的，如果讓人力資源來(lái)進(jìn)行這樣的檢測(cè)也是對(duì)人力資源的一種浪費(fèi)。但是這又是一個(gè)相當(dāng)重要的一個(gè)問(wèn)題，怎么才能通過(guò)少量的支援來(lái)做到最大程度上的效率，這是一個(gè)我們應(yīng)該思考的問(wèn)題。但是通過(guò)對(duì)正反面圖像的處理再加以識(shí)別就可以容易的分辨出正面與反面的不同。

圖像識(shí)別的發(fā)展經(jīng)歷了三個(gè)階段:文字識(shí)別、數(shù)字圖像處理與識(shí)別、物體識(shí)別。文字識(shí)別的研究是從1950年開(kāi)始的，一般是識(shí)別字母、數(shù)字和符號(hào)，從印刷文字識(shí)別到手寫(xiě)文字識(shí)別，應(yīng)用非常廣泛，并且已經(jīng)研制了許多專(zhuān)用設(shè)備。數(shù)字圖像處理和識(shí)別的研究開(kāi)始于1965年。

圖1　正面圖片的處理效果

圖2　反面圖像的處理效果

針對(duì)目前圖像處理的相關(guān)問(wèn)題，本文對(duì)圖像處理的方法進(jìn)行研究，主要的創(chuàng)新包括:

(1)應(yīng)用matlab軟件對(duì)圖像進(jìn)行預(yù)處理和邊緣處理。

(2)應(yīng)用更加精確的算子對(duì)圖像進(jìn)行處理。

本文第二部分首先對(duì)提出方法的基本思想進(jìn)行介紹，第三部分在給出了我們提出邊緣檢測(cè)算法描述，第四部分介紹了在matlab環(huán)境下的算法分析，最后是結(jié)束語(yǔ)。

2　基本思想

通過(guò)對(duì)已知圖像進(jìn)行邊緣處理，得出其二值化圖像以及邊緣處理圖像，再以直方圖的形式變現(xiàn)出來(lái)以分辨正反面的差異。

圖3　正面圖像處理效果與分布圖

圖4　反面圖像處理效果與分布圖

圖5　正面圖像處理效果與分布圖

圖6　反面圖像處理效果與分布圖

表1　橫向邊緣檢測(cè)圖像灰度值

表2　縱向邊緣檢測(cè)圖像灰度值

表3　45度梯度方向灰度值

通過(guò)圖像處理算子對(duì)圖像進(jìn)行邊緣處理，使圖像的邊緣更清楚的表現(xiàn)出來(lái)，從而方便對(duì)邊緣圖像進(jìn)行二值化分析，方便分辨出正反面的差別。

通過(guò)此方法對(duì)圖像進(jìn)行邊緣處理的結(jié)果可以得出安全套正反面的差異性，正面的輪廓相對(duì)于反面來(lái)說(shuō)更加的明顯，所以通過(guò)處理之后的二值化圖可以看出來(lái)。

3　算法描述

主要通過(guò)matlab軟件對(duì)圖像進(jìn)行程序編寫(xiě)，從而得出不同階段圖像的效果。本文主要通過(guò)應(yīng)用拉普拉斯算子與sobel算子對(duì)已經(jīng)二值化的圖像進(jìn)行邊緣處理。

(1)拉普拉斯算子是最簡(jiǎn)單的各向同性微分算子，具有旋轉(zhuǎn)不變性。一個(gè)二維圖像函數(shù) 的拉普拉斯變換是各向同性的二階導(dǎo)數(shù)，定義為:

為了更適合于數(shù)字圖像處理，將該方程表示為離散形式:

(2)索貝爾算子是圖像處理的算子之一，主要用作邊緣檢測(cè)。在技術(shù)上，它是一離散性差分算子，用來(lái)運(yùn)算圖像亮度函數(shù)的梯度之近似值。

該算子包含兩組3×3的矩陣，分別為橫向及縱向，將之與圖像作平面卷積，即可分別得出橫向及縱向的亮度差分近似值。若原始圖像為A，則公式如下:

sobel算子的兩種形式（表1、表2）:

應(yīng)用橫向與縱向算子對(duì)圖像進(jìn)行處理的能力有限，所以可以應(yīng)用這兩種算子進(jìn)行融合從而得出45度sobel算子（表3）:

通過(guò)算子對(duì)二值圖像進(jìn)行邊緣檢測(cè)得出容易觀察直方圖進(jìn)行識(shí)別。

4　實(shí)驗(yàn)分析

本次試驗(yàn)應(yīng)用matlab軟件對(duì)圖像進(jìn)行仿真識(shí)別，matlab將數(shù)值分析、矩陣運(yùn)算、編程技術(shù)、圖形處理結(jié)合在一起，為用戶提供了一個(gè)強(qiáng)有力的科學(xué)及工程問(wèn)題的分析計(jì)算和程序設(shè)計(jì)工具，它還提供了專(zhuān)業(yè)水平的文字處理、符號(hào)計(jì)算、實(shí)時(shí)控制和可視化建模仿真等功能，是具有多種語(yǔ)言功能和特征的新一代軟件開(kāi)發(fā)平臺(tái)。

分別通過(guò)對(duì)圖像二值化，繪制分布直方圖，中值濾波得到的圖像與直方圖分別為（圖1、2）:

(1)應(yīng)用拉普拉斯算子對(duì)圖像進(jìn)行處理(圖3、4）:

(2)應(yīng)用sobel算子對(duì)圖像進(jìn)行處理(圖5、6):

由此可以看出sobel算子對(duì)圖像處理的效果要優(yōu)于用拉普拉斯算子處理的圖像，通過(guò)sobel算子處理的圖像邊緣輪廓更加清晰，更加好辨認(rèn)。

5　結(jié)語(yǔ)

本文重要通過(guò)兩種圖像邊緣檢測(cè)算子對(duì)圖像進(jìn)行邊緣檢測(cè)，可以看出拉普拉斯算子在進(jìn)行邊緣檢測(cè)時(shí)，處理后的圖像模糊無(wú)法清楚辨認(rèn)，而通過(guò)sobel算子檢測(cè)的圖像邊緣清晰。同時(shí)還經(jīng)過(guò)對(duì)圖像進(jìn)行中值濾波，從而使圖像的灰度值更加分散，方便邊緣檢測(cè)時(shí)突出邊緣。有圖像可以看出正面的輪廓要明顯清楚與反面，從而實(shí)現(xiàn)識(shí)別。

同時(shí)還應(yīng)該尋求更好的邊緣檢測(cè)算子對(duì)圖像進(jìn)行檢測(cè)，得到更清晰的輪廓邊緣。

[1](美)岡薩雷斯,(美)伍茲著數(shù)字圖像處理.電子工業(yè)出版社,2010年09月.

[2]皋軍.圖像的灰度直方圖均衡化的實(shí)現(xiàn)[J].鹽城工學(xué)院學(xué)報(bào),Vol. 14,No.4,Dec,2001.

[3]章毓晉.圖像處理和分析基礎(chǔ)[M].北京:高等教育出版社,2002．

[4]Jinshan Tang. Digital image processing and pattern recognition techniques for the detection of cancer. [J].Pattern Recognition,2008,42(6).

[5]S.B. Dworkin. Image processing for machine vision measurement of hot formed parts. [J].Journal of Materials Processing Tech.,2006,174(1).

[6]利用中值濾波進(jìn)行圖像處理[J].長(zhǎng)安大學(xué)學(xué)報(bào),2006.3(7):67-68.

[7]劉衛(wèi)國(guó).MATLAB程序設(shè)計(jì)與應(yīng)用[M].北京:高等教育出版社,2002.

[8]朱維仲,董彩萍.中值濾波技術(shù)及其在圖像處理中的應(yīng)用[J].天津職業(yè)技術(shù)師范學(xué)院學(xué)報(bào),2002,12(3).