鄭如新，孫青云，馬素慧，程 冬

（1.南京林業(yè)大學(xué)機(jī)械電子工程學(xué)院，江蘇南京 210037；2.河北科技師范學(xué)院機(jī)電工程學(xué)院，河北秦皇島 066000）

1 引言

20世紀(jì)50年代，機(jī)器視覺在國(guó)外開始興起，當(dāng)時(shí)只是簡(jiǎn)單的在一些圖像處理和模式識(shí)別上面的應(yīng)用，到了60年代機(jī)器視覺技術(shù)開始慢慢往三維上面去發(fā)展。機(jī)器視覺現(xiàn)在發(fā)展迅速，在各行各業(yè)中得到廣泛的應(yīng)用，機(jī)器視覺可以代替人工來(lái)實(shí)現(xiàn)一些人工無(wú)法進(jìn)行的操作，不但可以解放人的勞動(dòng)力，而且還可以避免因?yàn)槿斯さ牟僮魇д`帶來(lái)的損失，機(jī)器視覺的關(guān)鍵是對(duì)采集的圖像進(jìn)行處理與識(shí)別［1］。HALCON 是德國(guó)Mvtec 公司開發(fā)的一套完善的機(jī)器視覺算法包，在機(jī)器視覺開發(fā)領(lǐng)域應(yīng)用廣泛，在工業(yè)界已經(jīng)是公認(rèn)具有最佳效能的Machine Vision軟件［2］。

這里基于使用HALCON 圖像處理軟件對(duì)工件進(jìn)行圖像處理，通過利用HALCON 軟件中的多種算法對(duì)相機(jī)所采集到的工件圖像進(jìn)行處理，最終確認(rèn)是否能夠正確識(shí)別出相應(yīng)工件。

2 系統(tǒng)平臺(tái)的組成結(jié)構(gòu)

整個(gè)系統(tǒng)平臺(tái)的采集硬件選用的是大恒水晶系列相機(jī)（型號(hào)為MER?500?7UC），如圖1所示。其中，分辨率是（2592×1944），并且搭載了型號(hào)為gx?0816，焦距為8mm的光學(xué)鏡頭，一臺(tái)內(nèi)存為8G的工業(yè)計(jì)算機(jī)，相機(jī)是通過USB2.0標(biāo)準(zhǔn)接口與計(jì)算機(jī)相連接并實(shí)時(shí)采集圖像。將采集到的圖像通過USB2.0傳輸?shù)接?jì)算機(jī)上面，開始對(duì)圖像進(jìn)行處理操作。

圖1 MER?500?7UC相機(jī)Fig.1 MER?500?7UC Camera

3 系統(tǒng)平臺(tái)的框架流程圖

當(dāng)相機(jī)采集到了圖片之后往往不能直接使用，需要對(duì)圖片進(jìn)行一定程度上的處理，主要包括：圖片的預(yù)處理、閾值分割、形態(tài)學(xué)運(yùn)算等操作，然后對(duì)提取出的工件進(jìn)行相關(guān)識(shí)別并計(jì)數(shù)，工作流程圖，如圖2所示。

圖2 工作流程圖Fig.2 Work Flow Chart

4 圖像的采集

在HALCON中圖片的采集主要分為三個(gè)步驟，如圖3所示。

圖3 HALCON圖像采集流程圖Fig.3 Flow Chart of Halcon Image Acquisition

（1）開啟圖像采集接口：連接相機(jī)并返回一個(gè)圖像采集句柄，采用算子open_framegrabber打開相機(jī)。

（2）讀取圖像：設(shè)置采集參數(shù)并讀取圖像。

（3）關(guān)閉圖像采集接口：在圖像采集結(jié)束后斷開與相機(jī)的連接以釋放資源。

5 圖像的預(yù)處理

圖像預(yù)處理技術(shù)包括圖像的增強(qiáng)，圖像的平滑與去噪，圖像的二值化等。圖像的增強(qiáng)主要是為了突出圖像中的細(xì)節(jié)，為了后續(xù)的特征識(shí)別或者檢測(cè)做準(zhǔn)備［3］。在HALCON圖像處理中，可以使用emphasize算子實(shí)現(xiàn)這一操作，相機(jī)采集到的原始工件圖片，如圖4所示。圖像增強(qiáng)后的工件圖片，如圖5所示?？梢钥闯鰣D5相對(duì)于圖4有明顯的增強(qiáng)效果，使得工件的邊緣更加清晰、特征更加容易識(shí)別。

圖4 工件原始圖片F(xiàn)ig.4 Original Picture of Workpiece

圖5 工件增強(qiáng)圖Fig.5 Workpiece Enhancement Diagram

5.1 圖像的平滑與去噪

平滑與去噪主要是用濾波進(jìn)行處理，濾波的主要作用是去除圖像采集過程中噪聲及其他各種因素對(duì)圖像質(zhì)量造成的影響。在圖像處理的過程中，能夠使用到的濾波方法有中值濾波、均值濾波、低通濾波等。在這里主要采用中值濾波對(duì)采集到的圖片進(jìn)行濾波去噪。中值濾波就是選擇一定形式的窗口，使其在圖像的各點(diǎn)上移動(dòng)，用窗內(nèi)像素灰度值的中值代替窗中心點(diǎn)處的像素灰度值［4］。并且選取像素點(diǎn)鄰域內(nèi)所有像素灰度值的中值作為其灰度值，能夠有效的消除椒鹽噪聲及板塊噪聲，在平滑圖像的同時(shí)又能保護(hù)邊緣信息。在這里則主要采取空間域上的濾波方法，通過特定的算法對(duì)選定像素點(diǎn)鄰域內(nèi)的所有像素點(diǎn)進(jìn)行處理，將處理結(jié)果作為這一像素點(diǎn)的輸出值。對(duì)圖像進(jìn)行濾波處理的過程可表示為：

式中：g(x，y)—濾波處理后的像素點(diǎn)(x，y)處的灰度值；a，b—以像素點(diǎn)為中心建立的矩形窗口的長(zhǎng)寬的一半，a，b應(yīng)為奇數(shù)。k(s，t)—濾波器，又稱為核函數(shù)（Kernel）；f(x?s，y?t)—窗口內(nèi)一個(gè)像素點(diǎn)的灰度值。

圖片表面帶有噪音，經(jīng)過中值濾波處理之后達(dá)到了圖7的效果，如圖6所示。

圖6 工件椒鹽噪音圖Fig.6 Salt and Pepper Noise of Workpiece

圖7 中值濾波Fig.7 Median Filtering

5.2 圖像的灰度化

圖像的灰度化也是圖像預(yù)處理中的一種手段，灰度圖像是指只有亮度差別，而沒有顏色差別的圖像［5］。如拍攝黑白照片或者將彩色圖像轉(zhuǎn)為灰度圖像，用Y來(lái)代表亮度大小，其轉(zhuǎn)化公式如下：

但是在光照不均勻的情況下，對(duì)目標(biāo)物體進(jìn)行灰度化處理，如果光照強(qiáng)度較亮，則采集到的圖像灰度值主要分布在高灰度值區(qū)域，如果光照強(qiáng)度較弱，則采集到的圖像的灰度值主要分布在低灰度值區(qū)域，這樣就會(huì)直接會(huì)影響到圖像處理的質(zhì)量。這里用了Gamma校正方法對(duì)圖像的灰度進(jìn)行非線性修正，基本形式如下：

式中：g—輸出圖像的像素值；q—輸入圖像的像素值；c—比例系數(shù)，一般取1；γ—Gamma校正的冪指數(shù)，當(dāng)γ<1時(shí)，灰度級(jí)擴(kuò)展，當(dāng)γ>1時(shí)，灰度級(jí)壓縮。

在中值濾波處理之后，將工件圖像灰度化，并且使用Gamma對(duì)其進(jìn)行修正，使用算子rgb1_to_gray（ImageMedian，GrayImage）來(lái)實(shí)現(xiàn)這一操作，工件灰度圖像，如圖8所示。

圖8 工件灰度圖Fig.8 Gray Scale of Workpiece

6 圖像閾值分割二值化

閾值分割是一種按圖像像素灰度幅度進(jìn)行分割的方法，把圖像的灰度分成不同等級(jí)，然后設(shè)置灰度門限（閾值）的方法確定目標(biāo)區(qū)域或邊界，閾值法也是一種簡(jiǎn)單有效的圖像分割方法［6?8］。這里采用根據(jù)直方圖谷底確定閾值法來(lái)將圖像從背景中分割開來(lái)，達(dá)到提取目標(biāo)的目的。按下式進(jìn)行二值化，就可將目標(biāo)有效的提取出來(lái)。

式中：g（x）—閾值運(yùn)算后的二值圖像。

按照上述閾值分割方法在拍攝的圖像中將工件與背景分割開來(lái)，如圖9所示。

圖9 工件分割、工件閾值分割灰度直方示意圖Fig.9 Gray Square Diagram of Workpiece Segmentation and Workpiece Threshold Segmentation

調(diào)用算子threshold，并設(shè)定閾值在（173~255）的范圍，在這范圍之內(nèi)的像素都會(huì)被選中，這樣就可以將工件成功的從背景中分割開來(lái)。

7 形態(tài)學(xué)運(yùn)算

腐蝕與膨脹是形態(tài)學(xué)的基礎(chǔ)，在圖像處理過程之中，往往需要將腐蝕與膨脹相結(jié)合起來(lái)運(yùn)用對(duì)圖像進(jìn)行處理［9］。腐蝕與膨脹都是屬于一次運(yùn)算，而一次運(yùn)算往往不能達(dá)到令人滿意的圖像處理效果，所以就需要涉及到開運(yùn)算和閉運(yùn)算的二次運(yùn)算，所謂的開運(yùn)算就是先腐蝕后膨脹，減少圖像像素，閉運(yùn)算就是先膨脹后腐蝕，增加圖像像素［10?11］。

集合A被結(jié)構(gòu)元素B作開運(yùn)算，記為A°B，其定義為：

集合A被結(jié)構(gòu)元素B作開運(yùn)算，記為A?B，其定義為：

B元素緊貼A的內(nèi)部邊緣平移、B元素、C區(qū)域?yàn)殚_運(yùn)算后的結(jié)果示意圖，如圖10所示。

圖10 B元素緊貼A的內(nèi)部邊緣平移、B元素、C區(qū)域?yàn)殚_運(yùn)算后的結(jié)果示意圖Fig.10 The Translation of Element B Close to the Inner Edge of A，and the Schematic Diagram of the Result After the Open Operation of Element B and Region C

HALCON中實(shí)現(xiàn)閉運(yùn)算采用算子opening_circle 來(lái)對(duì)圖像進(jìn)行處理。在閾值分割之后，由于光照的影響，圖像中出現(xiàn)了不規(guī)則的孔洞，如圖11所示。這樣會(huì)使得圖像不完整。

圖11 閾值分割后的孔洞Fig.11 Holes After Threshold Segmentation

采用閉運(yùn)算來(lái)填充孔洞結(jié)果，如圖12所示。

圖12 孔洞填充Fig.12 Hole Filling

8 識(shí)別結(jié)果

在經(jīng)過了上述處理之后就可以將工件識(shí)別出來(lái)，再采用count_obj算子，來(lái)對(duì)識(shí)別出的工件進(jìn)行計(jì)數(shù)操作，具體算法如下：

count_obj（SelectedRegions，Number）

dev_set_color（′blue′）

set_tposition（WindowHandle，50，50）

set_display_font（WindowHandle，30，′mono′，′true′，′false′）

write_string（WindowHandle，′有′+Number+′個(gè)工件′）

這里是基于一定的條件下，用閾值對(duì)工件進(jìn)行識(shí)別分類結(jié)果，如圖13所示。

圖13 識(shí)別出工件的結(jié)果Fig.13 The Result of Identifying the Workpiece

9 結(jié)果驗(yàn)證

此次識(shí)別主要是針對(duì)上述圖中的工件，而非此工件的則不需要識(shí)別出來(lái)，若是目標(biāo)工件中混入了其他工件則不需要識(shí)別。本次識(shí)別驗(yàn)證做了1組實(shí)驗(yàn)，混有相同的目標(biāo)工件和非目標(biāo)工件，來(lái)驗(yàn)證通過上述的算法是否能夠準(zhǔn)確的識(shí)別出目標(biāo)工件。如圖14、表1所示，結(jié)果表明，在目標(biāo)工件和非目標(biāo)工件比較少的情況下系統(tǒng)可以完全的識(shí)別出目標(biāo)工件，識(shí)別率可以達(dá)到100%，如果在混合工件較多的情況下，可能會(huì)存在誤分，誤識(shí)。

表1 實(shí)驗(yàn)的識(shí)別結(jié)果Tab.1 Experimental Recognition Results

圖14 待識(shí)別工件和識(shí)別出的結(jié)果示意圖Fig.14 Schematic Diagram of the Workpiece to be Identified and the Identified Tesult

10 結(jié)語(yǔ)

這里論述了基于機(jī)器視覺的工件識(shí)別系統(tǒng)組成、識(shí)別原理及方法。相對(duì)于人工去識(shí)別更加的方便、高效、快捷并且不易出錯(cuò)。但是這種方法也存在不足，容易受到光照的影響，在光照不均勻或者光照太強(qiáng)烈的情況下，會(huì)使得工件難以分割，造成一定的困難。但是本方法大絕大多數(shù)情況下是實(shí)現(xiàn)的，也具有更高的實(shí)用性。