在线检测实时图像处理系统的设计与实现_

在线检测实时图像处理系统的设计与实现 5
孙宇清 马 军 山东大学计算机系 （ 济南 !8"$"" ）
9&:;<=： >-?@A>#>BC#DBC#A7
摘 要 文章介绍了图像处理在流水线生产中的一 个 应 用 系 统 ， 它根据实时要求和图像灰度的不稳定性的特征， 提出
了一种自动分割图像的方法和图像修补算法， 解决了图像处理的“ 自适应性” ， 成功地应用到流水线生产的实时检测中。 关键词 实时处理 图像分割 阀值化
’（ (*) ） +
!
若 ’（ (*) ） +" 则原值不变
若 ’（ (*) ） /" 则 ’（ 0*1） +
’（ (*) ） ,,,若 ’（ 0*1） +" ! 原值不变 ,, 若（ 0*1） /"
其中 0 取值 (*(2$ 和 (,$ ， 1 取值为 )*)2$ 和 ),$ 经过这样交叉处理后，图象轮廓清晰且消除了边缘的毛 刺。图 % 为一处理前后的实物， 正越来越多地使用图像处理技术
*（ ,/- ） 0
" !
保持原值
*+,/-.1) *+,/-.20)
进行产品的检测， 从而大大地提高生产效率。图像处理技术在 而如何针对具体的检测环 文 献 %$&’( 中 均 有 比 较 深 入 的 论 述 ， 境进行“ 自适应” 性实时图像处理还有待进一步的探讨， 文章即 针对 电 池 流 水 线 生 产 的 特 点 ， 改 进 了 一 种 图 像 分 割 及 修 补 算 法， 解决 了 因 光 照 变 化 和 图 像 质 量 问 题 而 引 起 的 误 判 ， 提高了 处理速度 ， 设计并实现了在线检测实时图像处理系统， 满足了 实时性要求。
或发生误判 ， 所以应满足以下原则： 小于 & 的点阵应尽可能地 包含与背景相关联的灰度级， 而大于 & 的点阵应尽可能地包含 但是速度相 与物体相关的灰度级。阀值 & 的选择有许多算法， 对较慢， 不完全适应该系统的实时性要求； 而且照明灯在光照 强度上可能会发生细小的变化， 从而影响阀值的确定。 为此， 根 据该系统所要处理的一类图象的特点，即这类图象的背景单 一， 前景实物图象比较明确， 在处理效果基本相当的情况下， 设 计了一种“ 自适应” 式的快速选定阀值的方法， 能够根据当前图 像的整体灰度适当的调整阀值。 分析这类图象的灰度值直方图， 即图象中的灰度级与出现 这种灰度的概率之间的关系图， 可以看出， 这类图象的直方图 第一个波峰及其周围概 一般有两个大的明显的波峰， 见 图 $， 率较大的灰度、 左侧的灰度均为背景色， 波峰 ! 为实物的边沿 及比较明显的特征点。 所以， 阀值应该选在两个波峰之间， 且为 了既除去背景色又不损失实物信息， 阀值的选择应该在接近波 首先将直方图进行 峰 $ 的结束处。这一算法的过程分为三步： 然后根据平滑后的直方曲线， 选取波峰 $ 之 平滑， 如图 ! 所示， 后的曲率变化最大的点为阀值点。 对于同一类检测物体的虽然 可能由于光照的不同而引起阀值选择的变化， 但他们的直方图 形式基本一致， 所以系统在建立标准产品的模板的同时， 确定 波峰与阀值之间的关系； 然后处理每一个实体时， 根据其峰值 与模板对比做些相应的调整即可。 这样既适应了不同光照强度 引起的阀值变化又满足了实时性要求， 做到了阀值选择的“ 自 适应” 式。
5
3
关键技术的实现
该研究得到山东省自然科学基金（ 和国家 Z[3&3"[ 主题 +Z[3&3"[&W)"[&"$&’ ） 的资助。 WXXY"$ ）
作者简介： 孙宇清， 主要从事图像处理、 网络计算及 QMD7H 的研究与应用。 马军， 教授， 主要从事人工智能、 网络计算和 QMD7H 的应用与研究。
图%
3
结论
该系统已经成功地应用在电池生产流水线上， 经过与同类
%#!
毛刺的自动修复
由于摄像原因而引起的图像毛刺造成边缘的不光滑， 这类
系 统 的 比 较 ， 每 件 产 品 的 处 理 速 度 由 %""45 提 高 到 不 足 产品检测的成功率也由 6!#78 提 高 到 69#%8 ， 大大提高 $""45， 了生产效率 * 满足了生产厂家的要求。 （ 收稿日期： !""" 年 7 月）
!
系统的整体结构
该系统的结构如图所示， 主要有三部分构成： 数据的获取、
图像处理和流水线控制。 数据的获取是通过数字摄像机拍摄下 流水线上 的 产 品 检 测 面 ， 将其数字图像传送到计算机中； 而图 像处理是将所得到的图像进行快速的分析与处理， 经与标准模 版匹配与 检 测 ， 分析出产品的合格与否， 从而反馈到生产流水 线上， 进行必要的控制。 图像处理是该系统的关键， 其分析结果直接影响到产品的 合格率和生产效率， 其面临的主要问题有： 系统的实时性要求； 图像的点阵特性和实物的几何特性之间的矛盾； 数字化过程中 由于灰度的差异而形成的毛刺与实物的真实杂点的划分； 以及 由于 照 明 灯 光 的 细 小 变 化 而 引 起 的 实 物 灰 度 与 标 准 件 之 间 的 差异。 鉴于以上几点，该系统将图像处理的过程划分为四步 处理： 图像的阀值化处理。 为了提取图像中实物的几何特征， （ $） 必须将实物与背景区分开来， 同时又不损失图像中实物内部的 有用信息， 为此系统采取半阀值处理， 将图像进行划分。 选定一 对于图中任意一个元素 *+, ， 个适当的阀值 )， -.进行如下处理：
!"# $#%&’( )(* +,-.#,#(/)/&0( 102 3 4#). !&,# +,)’# 5206#%% 78%/#, &( 5&-#.&(# $#/#6/&0(
79( :9;&(’ <) =9( +)ED FDGH# 6* IJ:GCHDK LA<D7AD ，LE;7BJ7M N7<ODK><H-，P<7;7 !8"$""）
图象图形学报， $667#6
!
原值不变 ,,, 若 ’-(*)./"
%#= > 巴拉德等著 # 王东泉等译 # 科学出版社， $679
沈振康编著 # 数字图象处理及应用 # 国防工业出版社， 3# 孙仲康， $67?
’-0*1.+"* 其中 0 取值 (*(2$*(,$* 而 1 取值 )*)2$*),$,,, 若 ’-(*).+"
再用相同的方法对于图象中的每一个象素 ’ （ (， ) ） 按八方 计算机工程与应用 !"""#$!
$9%
从而选出图像中的实物。 图像边缘的修复。 由于图象的点阵特性， 经过阀值处理 （ !） 后的图象在实物边缘部分易产生毛刺。 为了找出图像中的几何 特性， 如直线、 圆等， 需要将不规则的边缘进行自动修复。 实物边界的确定。对于象该系统处理的一类具有明显 （ 3） 边界的 物 体 ， 其图像中实物内部与背景有明显的区别， 可以首 先确定 其 边 界 ， 然后所有的处理均可以在内部进行， 所以该系 统对于变换后的图象， 分别从四个方向进行处理， 即水平方向、 垂直方向、 相对的两个斜方向， 并根据不同标准模型的特点， 如 圆形电池， 方形电池等， 快速地求出边缘， 模版的建立。 原则上讲， 判别产品的优良品与否实际是 （ ’） 将每一个产品图象与优良品进行模式匹配。对于一幅 454 的 ， 为了满足实时性的要 图象， 完 全 匹 配 所 花 费 的 时 间 是 6（ 73） 求， 首先建立不同的模版， 即采取提取特征的方法输入标准产 品的几 何 特 性 ， 再将图象中的特征点与模版相匹配， 并给出一 定的容错范围（ 如允许范围内的偏移等） ， 从而大大地提高了判 别速度。 合格产品的判别。根据不良产品的不同错误情况出现 （ 8） 的概率， 按照由大到小、 由粗到细的优先关系进行错误检测， 并 约定只有在前一种情况正常的前提下， 才进行后面的检测。例 如一张照片中同时发生金属板偏移且有较大污物两个毛病， 则 系统检 测 出 金 属 板 偏 移 后 ， 即停止进一步的检测， 并返回错误 信息“ 金属板偏移” ， 而不再说明污物的情况。只有所有的检测 均通过， 产品才算合格。这样也加速了处理速度。
毛刺的形式可分为两类： 外凸型和内凹型。
参考文献
这里采用背景色和前景色交替扩张的方法进行图象边缘 的修复， 以第一种毛刺为例， 对于图象中的（ 每一个象素 ’ （ (， )） 先按八方连续的方式进行背景扩张， 前景图象不做处理， 即
’（ (*) ） + $# 栾秋琪编著 # 数字图象处理基础 # 中国铁道出版社， $677 !# 王培珍等 # 基于二维阀值化与 :;< 相混合的图象快速分割方法 # 中国
3>%/2)6/： Q7 <:;MD GKJAD>> >->HD: *JK ; *;AHJK- G<GD=<7D <> B<>AC>>DB#Q7 ;=MJK<HE: *JK <:;MD >DM:D7H;H<J7 ;7B :D7BR <7M <> GKJGJ>DB SE<AE <> T;>DB J7 HED KD;= H<:D KD?C<KD:D7H ;7B HED AE;K;AHDK J* C7>H;T=D <:;MD MK;-7D>>#UH >J=OD> HED V;CHJ GKJAD>>V ?CD>H<J7 ;7B S;> C>DB <7 G<GD=<7D BDHDAH<J7 >CAAD>>*C==-# ?#8@02*%： <:;MD >DM:D7H;H<J7 ， <:;MD :D7B<7M ， KD;= H<:D GKJAD>> >->HD:>