基于機器視覺圖像識別及處理的方法

凌遠坤　仲志丹　李棟　金容鑫　姚晨輝　王繼茂

摘?要：本文對基于機器視覺的圖像識別及處理提供了通用思路?；贠penCV庫所提供的算法進行識別乒乓球。在機器視覺和圖像處理領(lǐng)域，處理方法的選擇和其處理順序?qū)⒅苯佑绊憴C器視覺的準確性和穩(wěn)定性。對一些常用的機器視覺識別處理方法進行了簡單介紹。

關(guān)鍵詞：OpenCV;顏色過濾;邊緣檢測;霍夫變換;HSV

1 緒論

機器視覺是人工智能正在快速發(fā)展的一個分支。通俗地講，機器視覺就是用機器代替人眼來做測量和判斷。機器視覺系統(tǒng)是通過攝像頭等圖像采集裝置將被攝取目標轉(zhuǎn)換成圖像信號，通過對圖像的像素特征進行處理運算得到目標的特征進而根據(jù)結(jié)果來進行下一步操作。生產(chǎn)生活中人們對智能化產(chǎn)品的需求日益劇增，機器視覺作為人工智能不可或缺的一個分支，具有非常重要的研究價值。

2 圖片模糊

模糊操作時圖像處理中最簡單和常用的操作之一，使用該操作的原因之一是給圖像減低噪聲。圖片模糊包括均值濾波、中值濾波、高斯濾波、雙邊濾波等。本次采用的濾波器是雙邊濾波。對原圖（a）進行雙邊濾波處理效果如圖（b）。雙邊濾波器比高斯濾波器多了一個高斯方差Σ-d，它是基于空間分布的高斯濾波函數(shù)，所以在邊緣附近，離的較遠的像素不會太多影響到邊緣上的像素，這樣就能對邊緣附近的像素值予以保存，但是由于保存過多的高頻信息，對于彩色圖像里的高頻噪聲，雙邊濾波器不能夠干凈的濾掉，只能夠?qū)τ诘皖l信息進行較好的濾除。

3 不同顏色空間下的顏色過濾

RGB系統(tǒng)是從電子顯示器角度出發(fā)，通過發(fā)射三種不同強度的電子束使屏幕殘剩色彩，而HSV則是從人類對色彩的定義出發(fā)，從色調(diào)，飽和度和亮度三方面區(qū)分顏色。RGB系統(tǒng)能很好地吻合人眼強烈感知紅，綠，藍三原色的顏色，并且對硬件實施也很理想，但它卻無法很好地適應人類實際上解釋的顏色，因為我們并不認為彩色圖像是由三原色圖像混合形成的，一般過濾顏色不只是過濾單一的客觀顏色，而是一類顏色，RGB中想要過濾這一類顏色需要確定三原色的取值，而HSV模型是一種直觀的顏色模型，過濾時只需要設(shè)定H的閾值即可，因此這里我們選用HSV顏色模型進行顏色過濾。對經(jīng)過模糊之后的圖（b）處理效果如圖（c）。

4 邊緣檢測

我們?nèi)搜弁ㄟ^邊緣來判斷不同物體之間的界線。邊緣檢測作為機器視覺中重要的一部分具有很多的應用。機器視覺中大量使用一階微分和二階微分來實現(xiàn)邊緣檢測。通過推斷，我們得到以下結(jié)論：（1）一階微分會產(chǎn)生較二階微分“粗”的邊緣;（2）二階微分對細節(jié)，如細線、孤立點有較強的響應幅度;（3）二階微分在灰度斜坡和灰度臺階過渡處會產(chǎn)生雙邊緣響應;（4）二階微分的符號可以用于確定邊緣的過渡是從亮到暗還是從暗到亮。[1]這里我們采用雙閾值操作的Canny邊緣檢測，對顏色過濾之后的圖（c）處理效果如圖（d）。

5 霍夫（Hough）變換

霍夫變換是基于坐標變換產(chǎn)生的一種檢測簡單幾何形狀的方法，在二值圖像中使用此方法可以較為快速檢測到簡單的幾何形狀，如線、圓等。

5.1 霍夫線變換

霍夫線變換的基本推理為假定已知一幅圖像中的n個點，且這些點中有若干點位于不同直線上。首先取其中一條直線，利用斜截式方程將直線參數(shù)化，設(shè)定斜率為k，截距為b，直線方程可以表達為y=kx+b。而后利用坐標變換，將直線表達式轉(zhuǎn)換為以k為縱坐標，b為橫坐標的表達式，即b=-xk+y，轉(zhuǎn)換后的坐標系稱為霍夫空間。通過這樣的轉(zhuǎn)換，不僅可以將原先直角坐標系的直線就轉(zhuǎn)變成為了霍夫空間中所對應的點，而且可以將原先坐標系中的點轉(zhuǎn)化為霍夫空間中的直線。直角坐標轉(zhuǎn)換存在缺陷。因為斜截式方程的緣故，對于斜率無窮大或者無窮小的直線，這種轉(zhuǎn)化就會變得頗為難以計算。因此，可以采用另一種變換方式即極坐標變換，通過這種方式就可以將直角坐標系中的點以霍夫空間中的線表達出來，最后將（ρ，θ）坐標系進行細化，細化的程度決定了共線精度，對各個線的交點對應的坐標取整后進行累加，找到局部數(shù)值最大的點就是直角坐標系中所求的直線。

5.2 霍夫圓變換

霍夫圓變換的推理與霍夫線變換的方法類似，不同之處在于圓變換所需三個參數(shù)，分別為圓心位置x，y和圓的半徑r，累加過程就要從累加平面轉(zhuǎn)化為累加立體的體積。但這就意味著圓變換必線變換需要更大的內(nèi)存和計算量，而在OpenCV中通過采用霍夫梯度法防止此類問題的出現(xiàn)。這里我們對邊緣處理之后的圖（d）進行霍夫圓變換，并且用紅色圓圈在原圖中標出圓形所在位置，處理效果如圖（e）。

6 結(jié)語

測試結(jié)果如上圖所示，這表明，本文設(shè)計的基于OpenCV的自動識別乒乓球系統(tǒng)，能夠檢測和識別到乒乓球及無線傳輸現(xiàn)場圖像，對開發(fā)撿球機器人具有較好的價值。設(shè)計時采用了OpenCV庫函數(shù)，減少了開發(fā)周期，起到了事倍功半的效果，而且對從事圖像的和機器人視覺研究很有幫助。

參考文獻：

[1]拉斐爾·C·岡薩雷斯，查理德·E·伍茲.數(shù)字圖像處理（第三版）[M].電子工業(yè)出版社，2017：447.