基于OpenCV的快遞圖像處理技術(shù)研究

王穎

（合肥工業(yè)大學(xué) 電氣與自動化工程學(xué)院 安徽 合肥 230001）

引言

OpenCV的全稱是Open Source ComputerVision Library （開源計算機視覺庫）[1]，是一種開源計算機視覺庫，它可以在很多計算機操作系統(tǒng)上運行，如：Windows、OS、Linux、Android，另外，它還可以在不同的軟件上運行，如Python、MATLAB。其提供了大量的視覺及圖像的處理函數(shù)，在運動跟蹤、機器視覺、物體識別等領(lǐng)域有廣泛的應(yīng)用。利用OpenCV進行圖像處理并進行特征輪廓識別與定位，方便快捷。

1 搭建圖像處理環(huán)境

基于OpenCV進行圖像處理，首先需要程序遵循OpenCV。搭建一個完整、科學(xué)的圖形識別系統(tǒng)需要在計算機函數(shù)算法的基礎(chǔ)上整合各個步驟，分類聚合[2]。系統(tǒng)的形成的基礎(chǔ)是硬件與軟件環(huán)境，因此第一步要搭建圖形識別環(huán)境。本文使用的開發(fā)語言為C++，編碼環(huán)境為Visual Studio 2013。首先下載安裝Visual Studio 2013和OpenCV，再進行OpenCV的環(huán)境配置，OpenCV提供了兩種配置：動態(tài)庫（.dll）和靜態(tài)庫（.lib）。通常采用的是全局配置OpenCV路徑。它的優(yōu)點是一次配置完成后，不需要重復(fù)配置，極為方便。

2 快遞圖像的采集

圖像處理技術(shù)和微型計算機的發(fā)展使許多簡單的檢測設(shè)備也能夠?qū)ξ矬w進行形狀和運動的檢測，比如普通的USB攝像頭。本文用普通USB攝像頭從上面或側(cè)面兩個角度垂直對包裹進行圖像采集，僅通過OpenCV視覺庫和解釋式開發(fā)語言就可以在計算機上對USB攝像頭拍攝的圖像進行分析計算和檢測。因快遞包裹容易移動，需要實時的對快遞圖像進行采集，所以用攝像頭拍攝包裹的視頻，再將視頻按照幀率合理獲得有時間間隔的截圖（攝像頭要垂直于包裹）。

3 圖像處理流程

圖像處理流程如下：首先，對采集來的圖像進行圖像預(yù)處理，把彩色的圖像變?yōu)榛叶葓D像，降低圖像的復(fù)雜度，并對圖像濾波，去除噪點；其次，通過邊緣提取得到特征邊緣對應(yīng)的圖像，而后進行輪廓檢索，得到圖像中所有的連續(xù)輪廓；最后，對采取的輪廓進行擬合，進而判斷其形狀。

3.1 圖像預(yù)處理

對得到的快遞圖像進行圖像預(yù)處理，可以提高后面步驟中圖像處理的速度、質(zhì)量[3]。采用cvtColor（）函數(shù)將快遞彩色圖灰度化，用GaussianBlur（）函數(shù)對灰度圖進行濾波從而實現(xiàn)圖像的降噪化，防止中的噪點使圖像中物體邊緣的不平整，影響下一步包裹邊緣的提取。圖像預(yù)處理得到的灰度圖是下一步正常進行的保障。

3.2 邊緣檢測

邊緣檢測在圖像處理中起到重要的作用。邊緣檢測的算法主要是基于圖像強度的一階階和二階微分操作[4]。一般來說，用有限差分近似得到圖像在X、Y兩個方向上偏導(dǎo)數(shù)的兩個矩陣，便是灰度圖梯度，叫做梯度算子。常見的梯度算子有Sobel,Canny，Scarry,Prewitt等。本文采用Canny（）函數(shù)對灰度圖處理，得到圖像中物體與背景的交際線。Canny算法規(guī)定了兩個閾值來分別檢測圖像的弱邊緣和強邊緣，這樣即使有時弱邊緣較多但其與強邊緣相連就可被檢測到，放在輸出圖像中。此方法的優(yōu)點是降低噪聲的干擾、識別真正的弱邊緣[5]。

3.3 輪廓繪制

經(jīng)過上述步驟后，為了能夠得到圖像中物體原本的輪廓，需要增加輪廓的連續(xù)性，因此使用OpenCV的dilateO函數(shù)和erode（）函數(shù)對前面提取的輪廓特征進行閉運算,填充物體中的“黑洞”，從而使輪廓變得清晰。

進行下一步輪廓檢索時利用findContours（）函數(shù)進行清晰的邊緣輪廓特征提取，再將檢測到的輪廓逐一標記，以便后續(xù)的擬合操作。

3.4 輪廓擬合

待輪廓捕獲出來需要對捕獲的輪廓進行擬合，也稱作輪廓逼近。OpenCV中有大量的用于輪廓擬合的函數(shù)，如minAreaRect、boundingRect、contourArea、minEnclosing-Circle等，這些函數(shù)方法各有各的特點，需要根據(jù)不同的場景選擇最合適的函數(shù)。本文的研究對象為快遞，形狀較統(tǒng)一，因而選擇boundingRect對輪廓進行擬合處理。在逼近處理的過程中，線段的長度可以根據(jù)具體實際情況進行調(diào)整。一般而言，線段的長短不同，所擬合出來的輪廓對于線段數(shù)量的要求也就不同，逼近圓形、三角形和矩形所用線段的數(shù)量分別是8條、3條和4條。從逼近的整個過程看，用于逼近的線段之間有著可見的界限，這說明圖形實現(xiàn)了較好的識別。

4 結(jié)束語

綜上所述，機器視覺的支持下，快遞控制系統(tǒng)正向智能化方向轉(zhuǎn)變，尤其是人工智能快速發(fā)展的今天，基于0penCV的快遞圖像處理技術(shù)將為快遞的識別、自動分揀提供重要的技術(shù)支持。本文是對如何對快遞的圖像進行識別分析，不足是沒有對復(fù)雜的圖像處理技術(shù)進行研究，今后希望向難度更大的圖像識別技術(shù)進行深度學(xué)習(xí)，期待為相關(guān)技術(shù)領(lǐng)域的發(fā)展提供技術(shù)支持。