呂暉,徐佳琪
(福建工程學(xué)院電子電氣與物理學(xué)院,福建福州,350118)
隨著我國科學(xué)技術(shù)的不斷發(fā)展,以往人工進(jìn)行檢測計數(shù),可能因?yàn)橹饔^原因?qū)е洛e記或漏記,這也導(dǎo)致了工廠效率低下,因此工廠流水線設(shè)計也需要逐步趨于自動化。由此,計數(shù)計量技術(shù)應(yīng)用而生,通過智能化的機(jī)器或簡潔的程序語言,可以輕松實(shí)現(xiàn)計數(shù),在自動化程度高的工廠,可以利用多個攝像頭,進(jìn)行多條生產(chǎn)線出入口的計數(shù),減少人工勞動,提高效益。
為了使目標(biāo)與背景最大程度分離,文獻(xiàn)[1]中為了準(zhǔn)確識別煙草害蟲圖像,將目標(biāo)圖像從背景圖像中分割出來,利用粒子群算法對常用于圖像分割的大津法,仿真結(jié)果表明,該方法能夠更快速;文獻(xiàn)[2]中,傳統(tǒng)的聚焦評價函數(shù)在實(shí)際使用時,會出現(xiàn)不穩(wěn)定,精確度低,而且很容易被噪聲等因素干擾,針對這么問題,文章設(shè)計了一種在大津閾值分割法并在局部梯度最大時,可以自動聚焦的算法,該算法在靈敏度,穩(wěn)定性等方面明顯有了提升,而且具有較好的抗噪聲能力;文獻(xiàn)[3]中,針對傳統(tǒng)二維大津分割算法的不足,例如:計算量大等,提出了將改進(jìn)后的的二維Otsu算法與人工魚群(隨機(jī)搜索優(yōu)化算法)算法相結(jié)合,使圖片分割效果明顯提高,并具有一定的實(shí)時性,提高了二維閾值查找速度和泡罩藥品缺陷檢測效率。該算法在泡罩藥品包裝缺陷檢測和圖像分割領(lǐng)域得到了應(yīng)用。
文獻(xiàn)[4],文獻(xiàn)[5]介紹單片機(jī)為核心的流水線自動計數(shù)系統(tǒng)設(shè)計和實(shí)現(xiàn)。
本文基于Python軟件工作環(huán)境,和單片機(jī)相比,編程語言更加簡潔。為了使背景和前景(目標(biāo))有效分離,利用大津法閾值分割原理,創(chuàng)建了可用于流水線的計數(shù)計量應(yīng)用的設(shè)計,可對視頻固定位置進(jìn)行目標(biāo)物體的計數(shù)計量,實(shí)現(xiàn)對均勻移動物體的檢測計數(shù)計量,減少人工操作。并且通過檢測素材中目標(biāo)物體的數(shù)量,檢測本文設(shè)計的準(zhǔn)確性。
該算法的主體思路是,將灰度后的直方圖,該直方圖包含圖像的灰度信息,在兩峰之間找一個閾值,可以將灰度像素分為兩類,然后再通過計算這兩類灰度像素的類間方差,多次迭代,使得類間方差達(dá)到極小值,最終可以得到一個最佳閾值。
在計算機(jī)視覺和圖像處理中,大津二值化法用來自動對基于聚類的圖像進(jìn)行二值化,或者說,將一個灰度圖像退化為二值圖像。算法假定該圖像根據(jù)雙模直方圖(前景像素和背景像素)包含兩類像素,于是它要計算能將兩類分開的最佳閾值,使得它們的類內(nèi)方差最?。挥捎趦蓛善椒骄嚯x恒定,所以即它們的類間方差最大。
將圖像灰度化之后,根據(jù)灰度的特征,會將背景和目標(biāo)物體分開。兩者之間的類間方差越大,說明構(gòu)成背景和目標(biāo)的區(qū)別也越大。使用軟件進(jìn)行灰度,很容易將目標(biāo)物體當(dāng)成背景,將背景當(dāng)作目標(biāo)物體,這種情況也會導(dǎo)致兩者的區(qū)別縮小。而類間方差最大的分割意義就在于將使背景和目標(biāo)物體錯分概率達(dá)到最小。對于圖像I(x,y),用T來表示物體目標(biāo)和背景的分割閾值,在整個圖像中,將目標(biāo)物體的像素點(diǎn)數(shù)占整個圖像的像素點(diǎn)數(shù)的的比值記為 0ω,其平均灰度0μ;背景像素點(diǎn)數(shù)占整幅圖像的比例為 1ω,其平均灰度為1μ。圖像的總平均灰度記為μ,類間方差記為g。假設(shè)圖像的背景較暗,并且圖像的大小為MN× ,圖像中像素的灰度值小于閾值T的像素個數(shù)記作N0,像素灰度大于閾值T的像素個數(shù)記作N1,則有:
接著,對[0,255]個灰度級k進(jìn)行遍歷,得到使類間方差最大的閾值T,也就是求得最大灰度級k。
現(xiàn)以本文使用的其中一個素材為例,介紹設(shè)計的計數(shù)流程。計數(shù)的核心思想為:二值化后的視頻,視頻中只有黑白兩種顏色,其中被計數(shù)物體為黑色,白色為背景。當(dāng)提取的區(qū)域由全白到全黑再到全白時,計數(shù)一次。并在視頻中設(shè)置一條相對較窄的區(qū)域,在計數(shù)時,更加直觀,不會因?yàn)橹饔^原因影響檢測數(shù)量。
對于每一個流水線素材,被檢測的物體所處的位置不同,這個時候,可以分析觀察二值化的圖變化規(guī)律,提取部分區(qū)域,然后進(jìn)行經(jīng)驗(yàn)的觀察,最終確定物體的大致位置。
計數(shù)流程如圖1所示。
圖1
選取流水線素材,在視頻的第一幀時截取一張原圖,從原圖中確定物體所在位置,如圖2所示。
圖2 第一幀圖像
以物體為中心點(diǎn),提取物體所在的區(qū)域,如圖3所示。
圖3 提取目標(biāo)物體位置
接著,將提取的區(qū)域進(jìn)行灰度化。平時生活中的照片基本都是彩色照片,彩色照片中有R,G,B三個通道信息,也就是說有三個分量,而灰度化的作用就是對這三個通道的信息進(jìn)行處理,使得三個分量達(dá)到相同的效果,R=G=B。圖4是將區(qū)域灰度化后的圖像。
圖4 區(qū)域灰度化
最后對灰度后的視頻使用大津閾值法進(jìn)行二值化,根據(jù)直方圖,如圖5所示。
圖5 直方圖
通過不斷迭代,找出雙峰之間的最低值,將背景與前景進(jìn)行分割,達(dá)到二者可以分開的最佳效果。圖像效果如圖6所示。
圖6 二值化圖像
通過設(shè)置的區(qū)域,觀察物體是否通過,然后進(jìn)行計數(shù),如圖7所示。藍(lán)色區(qū)域?yàn)楸敬卧O(shè)置的區(qū)域,方便觀察物體的數(shù)量,直到視頻結(jié)束。
圖7 計數(shù)結(jié)果演示
為了驗(yàn)證本次設(shè)計的準(zhǔn)確性,對素材進(jìn)行多次計數(shù),每次計數(shù)結(jié)果包含九組數(shù)據(jù),并進(jìn)行多次驗(yàn)證,其中一次計數(shù)結(jié)果如圖8所示。
圖8
由折線圖可以看出,本文設(shè)計對目標(biāo)物體的計數(shù)比人工計數(shù)準(zhǔn)確性要高,人工由于主觀原因,導(dǎo)致計數(shù)容易出現(xiàn)失誤,且結(jié)果不穩(wěn)定,誤差較大;本文設(shè)計計數(shù)結(jié)果較為穩(wěn)定,波動較小,計數(shù)結(jié)果接近準(zhǔn)確值,誤差小。根據(jù)實(shí)驗(yàn)結(jié)果,本次設(shè)計基本可以應(yīng)用于工廠流水線計數(shù)。
大津法的優(yōu)點(diǎn)很明顯,與其他圖像分割算法相比之下,這種算法可以快速并且高效得找到類間分割閾值,對圖片分割有較好的效果。但該算法的不足也很突出,與局部分割算法相比,只能針對圖像中的某一目標(biāo)進(jìn)行分割,或者說,當(dāng)感興趣的物體有相似的灰度時,可以進(jìn)行分割。除此之外,如要分割的區(qū)域,灰度范圍分布較大時,會將某一部分圖像信息丟失。
本文設(shè)計只能對特定視頻素材中的流水線進(jìn)行計數(shù)計量,不能應(yīng)用于其他素材, 如要應(yīng)用于其他素材,可以按本文設(shè)計的步驟,找到物體所在的位置,在代碼中進(jìn)行修改即可。
本文設(shè)計的基于Python的流水線計數(shù),考慮到目標(biāo)物體可能不在同一條線上,所以是以目標(biāo)物體的中心點(diǎn)提取適當(dāng)區(qū)域,以提高計數(shù)的準(zhǔn)確性。實(shí)驗(yàn)結(jié)果表明,本次設(shè)計計數(shù)平均準(zhǔn)確率為99.91%,人工平均準(zhǔn)確率為98.46%,可以明顯看出本次設(shè)計可以更好得實(shí)現(xiàn)流水線計數(shù)。