孫昂 劉童童

摘要：運用機(jī)器視覺來對顏色進(jìn)行檢測可以實現(xiàn)檢測的客觀性和一致性，同時能很好地避免噪聲的干擾，從而使檢測愈加精確。首先研究MV-VS1600機(jī)器視覺平臺的系統(tǒng)構(gòu)成和圖像獲取方法，了解機(jī)器視覺在顏色檢測方面的運用；接著對機(jī)器視覺中顏色檢測原理和顏色模型的分類進(jìn)行了解，著重討論HSI顏色空間模型的原理和轉(zhuǎn)換方法；然后研究頻域濾波法對彩色圖像的濾波和圖像分割算法；接著運用MATLAB編碼仿真，顯示出RGB顏色空間到HSI顏色空間的轉(zhuǎn)換圖像和利用歐式中心聚類法對彩色圖像分割后的二值圖；最后，應(yīng)用MVIPS機(jī)器視覺圖像處理軟件對不同顏色的液體進(jìn)行識別，通過與模板液體顏色進(jìn)行比對，找出了顏色不合格的液體，達(dá)到了預(yù)期的效果。

關(guān)鍵詞：機(jī)器視覺 顏色檢測 顏色空間 模型MVIPS軟件 MATLAB

中圖分類號：TP311 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2018）06-0160-03

機(jī)器視覺的系統(tǒng)原理是利用計算機(jī)來對人的視覺系統(tǒng)進(jìn)行模擬，用機(jī)器替代人的眼睛對目標(biāo)物體進(jìn)行判斷、識別和測量。機(jī)器視覺技術(shù)的明顯優(yōu)勢是在觀測目標(biāo)物體時與物體沒有觸碰，分辨率高、速度快、非常安全可靠，其內(nèi)部最重要的部分是圖像信號的處理。所以，其在科研、工業(yè)生產(chǎn)、民用和軍事建設(shè)等領(lǐng)域運用普遍。工業(yè)檢測具體是指將某些測試手段和技術(shù)運用于工業(yè)中，同時檢驗和測試工況、產(chǎn)品、生產(chǎn)環(huán)境等。

顏色檢測的原理是先用圖像采集裝置采集目標(biāo)物體的彩色圖像，然后將該圖像與標(biāo)準(zhǔn)顏色模板進(jìn)行比對，使計算機(jī)對帶有顏色的采集圖像進(jìn)行算法計算，以此來區(qū)別顏色之間的差別。通過查閱國內(nèi)外機(jī)器視覺的相關(guān)資料，可以發(fā)現(xiàn)顏色檢測往往利用圖像處理與識別技術(shù)來測量顏色間的差異，此技術(shù)可以提高加工生產(chǎn)中顏色檢測的效率。另外要注意顏色檢測技術(shù)的關(guān)鍵點在于色差的檢測，由于計算機(jī)內(nèi)部顏色空間的均勻化程度不一樣，同時人的眼睛對相同色度的觀測結(jié)果也不完全相同，所以準(zhǔn)確地對物體表面的色差進(jìn)行檢測，區(qū)分不同顏色的邊界，增加顏色檢測的精確度同人眼睛的吻合程度具有重要的研究意義。

1機(jī)器視覺平臺介紹

1.1機(jī)器視覺系統(tǒng)組成

機(jī)器視覺系統(tǒng)各組成部分如圖1所示，機(jī)器視覺系統(tǒng)的基礎(chǔ)是圖像獲取，在實際運行中計算機(jī)只可以對物體的可視化圖像和內(nèi)在特征數(shù)據(jù)進(jìn)行處理。計算機(jī)中的彩色圖像一般是以RGB格式存儲，顏色檢測系統(tǒng)的工作原理是：利用工業(yè)相機(jī)拍攝圖片，然后將拍攝到的圖像信號輸送至圖像采集卡，進(jìn)行模擬信號到電信號的轉(zhuǎn)換，同時對各種噪聲干擾進(jìn)行濾波后儲存到工業(yè)計算機(jī)中，最后計算機(jī)會提取處理過的圖像的顏色信息。機(jī)器視覺系統(tǒng)的實驗平臺如圖2所示。

1.2 MVIPS機(jī)器視覺軟件

MVIPS所使用的圖像處理技術(shù)支持圖像文件模擬采集和相機(jī)實時采集，是快速建立機(jī)器視覺算法模型的工具箱。該軟件可實現(xiàn)顏色檢測，同時支持外部觸發(fā)和OK、NG信號的統(tǒng)計和輸出，并且提供二次開發(fā)包，其接口簡單易用，可以實現(xiàn)快速高效的開發(fā)應(yīng)用。機(jī)器視覺檢測系統(tǒng)在解決實際問題時簡便易行。本論文在對液體顏色進(jìn)行檢測時就運用了相機(jī)驅(qū)動和MVIPS軟件。

2顏色檢測算法分析

2.1顏色檢測原理

機(jī)器視覺中圖像是以位圖圖像的形式保存的，位圖圖像通常是由不同顏色和位置的像素點組成，計算機(jī)通常根據(jù)像素值大小來判斷圖片中的顏色。本論文主要研究HSI模型對彩色圖像的顏色進(jìn)行識別。具體方法是先采集圖像，提取出圖片中的紅（R）、綠（G）、藍(lán)（B）分量的均值和方差，將RGB轉(zhuǎn)換到HSI，提取出色度（H）、亮度（I）和飽和度（S）的均值和方差。均值和方差的計算公式如下：

利用RGB空間模型和HSI空間模型中各分量的均值來量化圖像信息，用各分量的方差表示圖像中各像素點與標(biāo)準(zhǔn)值的離散程度。量化值可以判斷每個像素點所代表的顏色，方差值可以判斷彩色圖像中模糊的像素點，將該類像素點與標(biāo)準(zhǔn)像素點比對，判斷出其所代表的顏色。

2.2圖像的預(yù)處理

系統(tǒng)在采集圖像時，往往會受到各種信號的干擾，因此不免夾雜一些噪聲，會對圖像識別有影響。所以需要對圖像進(jìn)行濾波除噪。實際中我們可以利用傅里葉變換把圖像從空間域變換到頻率域，然后利用傅里葉反變換將圖像的頻譜逆變換為空域圖像，即人可以直接識別的圖像。這樣做的優(yōu)點在于頻域濾波的直觀性。

2.3圖像分割算法分析

本論文利用歐式中心聚類法對彩色圖像進(jìn)行分割，其具體步驟為：先讀取待檢測圖像，然后提取圖像中的紅、綠、藍(lán)分量，利用MATLAB顯示紅、綠、藍(lán)分量的直方圖，由獲得的直方圖選定兩個歐式聚類中心（一個是圖像區(qū)域中心，另一個是背景中心），確定好聚類中心以后，計算歐式距離d₁，d₂，最后根據(jù)d₁，d₂做出二值圖。具體算法如下：

3實驗分析

3.1基于MATLAB的顏色檢測仿真

3.1.1 RGB轉(zhuǎn)換到HSI

2.2節(jié)中已分別對RGB和HSI顏色空間原理作了詳細(xì)介紹，由于HSI顏色空間更加符合機(jī)器視覺檢測平臺的圖像處理原理，因此本論文重點討論了HSI顏色空間模型。通常，攝像頭拍攝到的圖片是RGB格式，本文利用MATLAB編譯仿真將西紅柿的圖像從RGB模式轉(zhuǎn)換成HSI模式，具體實現(xiàn)結(jié)果如下：

3.1.2圖像分布直方圖

2.3節(jié)所闡述的基于HSI顏色空間的歐式中心聚類法圖像分割算法要求先讀取待檢測的圖像，提取圖像中的R、G、B分量，顯示其像素分布直方圖，利用MATLAB編碼顯示出西紅柿圖像中的紅、綠、藍(lán)分量的分布直方圖如下，由圖可知紅、綠、藍(lán)像素點值的大致分布。

3.1.3圖像分割

由圖6至圖8的分布直方圖我們可以得到圖像中紅、綠、藍(lán)像素值的大致分布，首先，我們定義兩個歐式聚類中心為O₁=（225，50，30），O₂=（114，123，53），得到的紅色分量的分割效果圖如圖9所示，然后再定義兩個歐式聚類中心為O₁=（70，56，80），O₂=（227，100，100），得到綠色分量的分割效果圖如圖10所示。

通過以上的分割效果圖可知，利用歐式中心聚類法對圖像進(jìn)行分割可以分別得到圖片中的紅、綠、藍(lán)像素點的圖像，而且效果還是比較準(zhǔn)確的。

3.2基于MV-VS1600平臺的顏色檢測

本實驗以橙色飲料為模板進(jìn)行模板分析，我們以瓶身上部矩形區(qū)域為檢測區(qū)域，檢測區(qū)域確定后，進(jìn)行模板分析，對于選定的區(qū)域：提取前景通道、設(shè)置閾值、面積閾值，當(dāng)飲料不是橙色時，顯示為不合格。顏色檢測結(jié)果展示：

本實驗按照設(shè)定的參數(shù)值設(shè)置好參數(shù)后，將裝有橙汁的飲料瓶放在工業(yè)相機(jī)下的托盤上，創(chuàng)建模板，如圖11所示。然后將可樂放在工業(yè)相機(jī)下，如圖12所示，檢測區(qū)域與橙汁的檢測區(qū)域相同時界面顯示不合格。同樣，將裝有純凈水的飲料瓶放在工業(yè)相機(jī)下，如圖13所示，界面仍然顯示不合格。由此可見，令面積閾值固定不變，當(dāng)液體與模板的顏色差值大于設(shè)定的顏色差值閾值時，實驗結(jié)果會顯示不合格。

4總結(jié)與展望

本論文在應(yīng)用拓展方面還有需要完善的地方，對液體的顏色檢測實驗是維視圖像提供的相關(guān)實驗，該軟件還提供二次開發(fā)的開發(fā)包，可以利用VC++編程仿真，實現(xiàn)對物體顏色識別完全脫離實驗平臺的程序化處理，這是在以后的研究中需要進(jìn)一步拓展深化的方面。