鄭 瀚，韋文斌，齊子城

(1.廣西工學(xué)院電子信息與控制工程系，廣西 柳州 545006;2.中國兵器科學(xué)研究院測(cè)控技術(shù)與儀器研究所，浙江 寧波 310014)

在缺陷膠囊的檢測(cè)中，多數(shù)廠家仍然采用人工檢測(cè)，這種方法存在著多種缺點(diǎn)，如勞動(dòng)強(qiáng)度大，而且容易受到個(gè)人視力、情緒、光線、現(xiàn)場(chǎng)環(huán)境噪聲等因素的影響。該檢測(cè)方法既費(fèi)時(shí)費(fèi)力，又難以保證檢測(cè)質(zhì)量。因此，對(duì)于膠囊缺陷檢測(cè)的研究具有重要的意義。

1 系統(tǒng)的組成

圖像識(shí)別系統(tǒng)主要組成部分，如圖1所示。

圖1 圖像識(shí)別框圖

進(jìn)行圖像預(yù)處理的目的是為了去除干擾、噪聲和差異，將原始彩色圖像變成適合于計(jì)算機(jī)進(jìn)行特征提取的形式，為特征提取做好必要的準(zhǔn)備。圖像預(yù)處理的質(zhì)量直接影響到整個(gè)系統(tǒng)的識(shí)別準(zhǔn)確率［1］。

2 圖像的預(yù)處理

2.1 原始圖像預(yù)處理流程圖

在圖像預(yù)處理過程中，主要步驟，如圖2所示。

圖2 圖像預(yù)處理過程

文中主要以破損膠囊的圖像為例進(jìn)行了預(yù)處理。包括灰度變換、濾波、邊緣增強(qiáng)、閾值分割、邊緣提取、缺陷識(shí)別等幾個(gè)步驟。

圖3 破裂原始圖像

2.2 圖像預(yù)處理

灰度變換是所有圖像增強(qiáng)技術(shù)中的基本手段之一，主要有以下幾種:圖像求反、線性灰度變換、對(duì)數(shù)變換、灰度切割等。其實(shí)質(zhì)就是按照一定的修改規(guī)則，改變圖像的每一個(gè)像素灰度。使圖像的動(dòng)態(tài)范圍增大，擴(kuò)大對(duì)比度，以使獲得的圖像更加清晰。

在濾波部分，由于設(shè)計(jì)本身以及設(shè)備等外界因素的干擾，在膠囊缺陷圖像采集的過程中難免會(huì)引入一些噪聲，使圖像的質(zhì)量受到影響。為減少這樣的影響，需要對(duì)圖像進(jìn)行濾波處理。常用的濾波方法，主要有:均值濾波、逆濾波、維納濾波、中值濾波等。

邊緣增強(qiáng)就是為了將物體的邊緣和輪廓凸顯出來，方便提取物體的特征而對(duì)物體進(jìn)行識(shí)別和分析。邊緣是一個(gè)區(qū)域的結(jié)束，也是一個(gè)區(qū)域的開始。在圖像中，邊緣和輪廓的灰度一般會(huì)突變。圖像的邊緣有方向和幅度兩個(gè)屬性，沿邊緣方向像素變化平緩，垂直于邊緣方向像素代表實(shí)際邊緣。邊緣上的這種變化可以用微分算子檢測(cè)出來，常用算法有:梯度、高斯－拉普拉斯、Canny 算子等算法［2］。

圖像分割是將圖像細(xì)分為它的子區(qū)域或?qū)ο?。圖像分割算法一般基于亮度值的兩個(gè)基本特征:不連續(xù)性和相似性。第一類方法基于亮度的不連續(xù)變化分割圖像，比如圖像的邊緣。第二類方法依據(jù)事先制定的準(zhǔn)則將圖像分割為相似的區(qū)域。比如門限處理、區(qū)域增長(zhǎng)、區(qū)域分離、聚合等［3］。文中主要指將圖像中灰度與其周圍明顯不同的區(qū)域提取出來［4］。

在邊緣提取中，集合A的邊界表示為β(A)，B是一個(gè)適當(dāng)?shù)慕Y(jié)構(gòu)元素。它可以通過先由B對(duì)A的腐蝕，然后再用A減去腐蝕得到。即

從而提取到邊緣信息。

在得到感興趣的目標(biāo)以后，為對(duì)膠囊的缺損進(jìn)行分類，需要進(jìn)行特征提取，然后對(duì)提取的數(shù)據(jù)進(jìn)行分析和設(shè)計(jì)。文中主要以破損膠囊目標(biāo)區(qū)域的形狀進(jìn)行了初步分析。實(shí)際基于幾何形狀基本可以識(shí)別出簡(jiǎn)單的膠囊缺陷，但膠囊缺陷有多種。有些僅靠幾何形狀難以做出判斷，因此還需要尋求其他方法。

3 文中選用方法

3.1 濾波

由于設(shè)備自身原因及外界干擾因素的存在，在膠囊缺陷圖像采集過程中難免會(huì)引入噪聲。為減少噪聲對(duì)圖像的影響，應(yīng)對(duì)圖像進(jìn)行濾波。

3.1.1 幾種濾波方法介紹

(1)均值濾波。是一種常用的線性低通濾波。均值濾波器的濾波過程是使一個(gè)模板在圖像上滑動(dòng)，模板中心位置的值等于模板內(nèi)各像素點(diǎn)灰度的平均值。它的數(shù)學(xué)表達(dá)式為

(2)逆濾波。是研究退化圖像最簡(jiǎn)單的方法。其表達(dá)式為

圖4 逆濾波示意圖

逆濾波器的問題是會(huì)出現(xiàn)病態(tài)性，即在頻域中對(duì)應(yīng)圖像信號(hào)的那些頻率上，若H(u，v)=0或微小，而噪聲頻譜 N(u，v)≠0，則 N(u，v)H－1(u，v)就難以計(jì)算或者比F(u，v)大得多，從而使復(fù)原結(jié)果與期望結(jié)果相差較大，甚至面目全非。

(3)維納濾波。是尋找一個(gè)濾波器，使得復(fù)原后的圖像與原始圖像的均方差最小。因此維納濾波也叫作最小均方誤差濾波。其綜合了退化函數(shù)和噪聲統(tǒng)計(jì)特性兩個(gè)方面進(jìn)行復(fù)原處理?？梢宰詣?dòng)抑制噪聲，信噪比高。但維納濾波也存在一些問題。因?yàn)榫S納濾波是建立在最小化統(tǒng)計(jì)準(zhǔn)則基礎(chǔ)上的。所以其得到的結(jié)果也只是平均意義上的最優(yōu)，而且其花費(fèi)的時(shí)間也較多。

(4)中值濾波。是一種非線性的平滑濾波器。它在消除噪聲的同時(shí)，能較好地保持圖像細(xì)節(jié)，防止圖像邊緣變得模糊。在一定條件下，對(duì)濾波脈沖干擾及圖像掃描噪聲最為有效。定義如下:設(shè){xij(i，j)∈I2}表示數(shù)字圖像各點(diǎn)的灰度值，濾波窗口為A，yij為窗A在xij點(diǎn)的中值，則

3.1.2 文中濾波方法

因選用數(shù)字?jǐn)z像機(jī)拍攝圖像，數(shù)字?jǐn)z像機(jī)的噪聲呈孤立的點(diǎn)狀，容易惡化圖像的質(zhì)量，使圖像模糊，將圖像自身的特征掩蓋，因此就需要一種高效的濾波方法［5］?；谶@些特征，文中選用自適應(yīng)中值濾波方法。

自適應(yīng)中值濾波是一種非線性的去噪方法。其原理是把數(shù)字圖像或數(shù)字序列中任一點(diǎn)的值，用該點(diǎn)領(lǐng)域中各個(gè)點(diǎn)值的中間值代替。用一個(gè)窗口在圖像上掃描，把窗口內(nèi)包含的圖像像素按灰度級(jí)升(或降)序排列起來，取灰度值居中的像素灰度為窗口中心像素的灰度，完成自適應(yīng)中值濾波。

二維中值濾波可以取線性、方形、十字形或菱形;常用維數(shù)有3×3，5×5，7×7等。

圖5 幾種中值濾波窗

經(jīng)自適應(yīng)中值濾波后，所得結(jié)果如圖6所示。

圖6 自適應(yīng)中值濾波化圖像

3.2 分割

在圖像中，分割是為將圖像劃分為不同的區(qū)域?；诨叶乳撝档姆指罘椒ㄊ菆D像分割的經(jīng)典方法［6］。在圖像目標(biāo)區(qū)域和背景區(qū)域內(nèi)部灰度的相關(guān)性較強(qiáng)，可以使用灰度的均一性作為分割的依據(jù)。而如何選擇一個(gè)最佳的分割閾值則是圖像分割的關(guān)鍵。根據(jù)圖像的特點(diǎn)及其條件，最佳閾值選取的方法有人工選擇法和自動(dòng)閾值法。

3.2.1 幾種分割方法介紹

(1)人工選擇法。是通過人眼的觀察，應(yīng)用人對(duì)圖像的知識(shí)，在分析圖像直方圖的基礎(chǔ)上，人工選用合適的閾值。也可以在人工選出閾值后，根據(jù)分割效果，不斷地交互操作，從而選擇出最佳閾值。但其缺點(diǎn)是必須有人介入，這樣很不合理。

(2)自動(dòng)閾值法。通常使用灰度直方圖來分析圖像中灰度值的分布，結(jié)合特定的應(yīng)用領(lǐng)域知識(shí)來選擇最合適的閾值。主要有3種選擇:迭代式閾值選擇、最小誤差閾值選擇法、Otsu法閾值選擇。

迭代式閾值選擇方法的基本思想是:開始時(shí)選擇一個(gè)閾值作為初始估計(jì)值，然后按某種策略不斷地改進(jìn)這一估計(jì)值，直到滿意給定的準(zhǔn)則為止。

最小誤差閾值選擇法通常以圖像中灰度為模式特征［3］。假設(shè)各模式的灰度是獨(dú)立同分布的隨機(jī)變量，并假設(shè)圖像中待分割的模式服從一定的概率分布，則可以得到滿足最小誤差分類準(zhǔn)則的分割閾值，但其缺點(diǎn)在于，難以獲得待分割模式的概率分布。

Otsu法閾值選擇是文中主要選用的閾值分割算法。

3.2.2 文中選用分割方法

文中由于光源的不均勻性會(huì)造成膠囊在各個(gè)位置圖像的灰度值存在較大的差異。膠囊中間部分的亮度會(huì)稍大于兩邊的部分。而且也因?yàn)殡p峰法和自動(dòng)取值法有著明顯的缺點(diǎn)，且適應(yīng)能力差，所以在文中選用最大類間方差法對(duì)圖像進(jìn)行閾值分割。

最大類間方差法是由Ostu基于最小二乘法推導(dǎo)而成，又稱為大津法。具體實(shí)現(xiàn)方法如下:設(shè)一幅圖像的灰度值可以分為0～m級(jí)，灰度值為i的像素?cái)?shù)為ni，則總像素?cái)?shù)位

那么各灰度值出現(xiàn)的概率為Pi=ni/N，然后將灰度值分為兩組:c0={0－k}和c1={k+1－m}，則c0出現(xiàn)的概率為

c1出現(xiàn)的概率為

由以上兩式可以推出c0平均值為

c1的平均值為

其中，uk=是閾值為k時(shí)的灰度平均值;u=是整體圖像的灰度平均值。這樣兩極之間的方差就可以表示為

從0～m之間改變k值，計(jì)算上式求其最大值便是所求的閾值。選用最大類間方差法對(duì)圖像進(jìn)行了閾值分割后，其處理結(jié)果如圖7所示。

4 實(shí)驗(yàn)

圖7 閾值分割

系統(tǒng)采用大恒圖像采集系統(tǒng)，用1024×1024相機(jī)完成對(duì)膠囊原始圖像采集，然后應(yīng)用LabVIEW軟件實(shí)現(xiàn)上述圖像處理算法。實(shí)驗(yàn)素材來源于膠囊制造企業(yè)，并且人為加入外殼破損、大小丸和異形丸等問題膠囊，參加測(cè)試膠囊共計(jì)100顆。實(shí)驗(yàn)以10顆一組分為10組，隨機(jī)反復(fù)實(shí)驗(yàn)，驗(yàn)證本膠囊外殼缺陷檢測(cè)系統(tǒng)的可靠性和穩(wěn)定性。部分實(shí)驗(yàn)數(shù)據(jù)如表1和表2所示。

如表1所示為對(duì)同一組實(shí)驗(yàn)?zāi)z囊進(jìn)行反復(fù)識(shí)別實(shí)驗(yàn)，從隨即抽取的5組數(shù)據(jù)中可以看出系統(tǒng)具有較高的可靠性。如表2所示，對(duì)所有樣品進(jìn)行實(shí)驗(yàn)，并與工人篩選結(jié)果進(jìn)行比較，識(shí)別正確率高于90%，具有一定的實(shí)際應(yīng)用價(jià)值。

表1 單組膠囊多次實(shí)驗(yàn)結(jié)果

表2 10組膠囊實(shí)驗(yàn)結(jié)果

5 結(jié)束語

提出了一種完整的膠囊識(shí)別圖像增強(qiáng)預(yù)處理算法及實(shí)現(xiàn)，包括灰度化處理、中值濾波、對(duì)比度調(diào)整、邊緣增強(qiáng)等。采用多種識(shí)別方法對(duì)膠囊的多種缺陷進(jìn)行分類識(shí)別。并通過搭建實(shí)驗(yàn)平臺(tái)予以驗(yàn)證，結(jié)果表明，預(yù)處理的功能模塊能夠有效抑制采集過程中引入的噪聲，增強(qiáng)圖像質(zhì)量，突出缺陷特征信息，達(dá)到了較高的識(shí)別精度。

［1］王吳雨.圖像處理技術(shù)在玻璃缺陷檢測(cè)中的應(yīng)用［J］.工業(yè)控制計(jì)算機(jī)，2011，24(2):37 －40.

［2］姚敏.數(shù)字圖像處理［M］.北京:機(jī)械工業(yè)出版社，2006.

［3］阮秋琦.數(shù)字圖像處理［M］.2版.北京:電子工業(yè)出版社，2007.

［4］侯艷麗，楊國勝，黃春艷.基于字符識(shí)別的門牌號(hào)識(shí)別算法研究［J］.河南大學(xué)學(xué)報(bào):自然版，2004，34(1):76 －79.

［5］王飛，崔鳳奎，劉建亭，等.一種平板玻璃缺陷在線檢測(cè)系統(tǒng)的研究［J］.應(yīng)用光學(xué)，2010，32(3):72 －76.

［6］杜李峰.齒輪接觸疲勞試驗(yàn)中若干關(guān)鍵技術(shù)的研究［D］.杭州:浙江大學(xué)，2008.