張貴英，張先杰

（遵義醫(yī)學院 醫(yī)學信息工程系，遵義 563003）

0 引言

視覺系統(tǒng)是移動機器人及其重要的組成部分，就像人的眼睛一樣，用來感知和識別外部環(huán)境，同時依此感知的環(huán)境信息實現(xiàn)對機器人的導航，而目標提取又是視覺系統(tǒng)的關鍵技術。移動機器人對目標物識別的正確性和實時性都與視覺信息是否正確、及時地處理息息相關。視覺信息處理技術是移動機器人研究中的關鍵技術[1]，如果沒有視覺控制系統(tǒng)，可以想象，移動機器人根本無法完成相應工作。

1 移動機器人目標標志物圖像預處理

1.1 圖像灰度化

一般而言，由移動機器人采集的目標標志物圖像一般是彩色的。為了保證機器人高效作業(yè)，在對目標標志物圖像進行預處理、分割等操作時要求快速準確。但是彩色圖像數(shù)據(jù)量大，處理時耗費的時間較長，因此，為了使機器人能快速高效的工作，在對目標標志物進行處理時，首先將其轉(zhuǎn)化為灰度圖像。

1.2 空間濾波

移動機器人在獲取目標標志物圖像時，由于環(huán)境、光線、攝像頭的抖動等因素，使得到的圖像存在噪聲。噪聲的存在會給后續(xù)的圖像處理帶來不便，甚至產(chǎn)生不可用的結(jié)果，因此要去除噪聲，為后續(xù)處理做準備。

線性空間濾波就是將鄰域中每個像素與相對應的系數(shù)相乘，再將結(jié)果累加起來，從而得到點(x , y)處的響應g (x , y)。

大小為m×n的濾波器為大小為M×N的圖像進行空間濾波，表示為：

1.3 二值化

為了獲取目標標志物圖像，需要從圖像中分離出來，把圖像視為具有不用灰度的兩類區(qū)域的組合，根據(jù)一定的閾值，把小于閾值目標標志物的像素全部轉(zhuǎn)換成白色，反之，將大于等于閾值的像素全部轉(zhuǎn)換成黑色。圖像二值化可根據(jù)下列的自適應閾值[2]來處理：

通過直方圖，可求得最優(yōu)閾值。

2 數(shù)學形態(tài)學處理

使用數(shù)學形態(tài)學處理圖像符合人的思維方式，可以充分利用先驗的幾何特征(形態(tài)、大小等)來進行處理，因此處理后的圖像效果較好。數(shù)學形態(tài)學圖像處理方法對噪聲不敏感，也可以盡可能的保留圖像的內(nèi)容和形態(tài)。二值化處理后的圖像存在一些孤立點噪聲和不連續(xù)圖像，可以利用數(shù)學形態(tài)學中的腐蝕和膨脹來處理。

腐蝕“收縮”和“細化”二值圖像中的對象[3]，因此非常適合去除一些孤立點噪聲。A被B腐蝕的定義為：

其中A為輸入圖像，B為結(jié)構(gòu)元素。A被B腐蝕是所有結(jié)構(gòu)元素的原點位置的集合，其中平移的B與A的背景并不疊加。

膨脹是在二值圖像中“加長”或“變粗”對象[3]。一般來說，腐蝕后的圖像要進行膨脹操作，從形狀上看才能恢復到原來的大小。A被B膨脹定義為：

其中， 為空集，B為結(jié)構(gòu)元素。A被B膨脹是所有元素原點位置組成的集合，其中映射并平移后的B至少與A的某些部分重疊。

3 目標提取

經(jīng)過以上操作步驟后，接下來就要對圖像進行分割，也就是目標標志物提取。圖像分割的方法很多，本文采用基于標記的分水嶺算法分割目標標志物圖像。為了防止過分割，加入一個目標標志物標記集合和一個背景標記集合。

通過數(shù)學形態(tài)學處理后的二值圖像的前景色為黑色，背景色為白色，其中前景色即為目標標志物。將該圖像求反，便得到目標標志物圖像。

圖1 仿真實驗結(jié)果

接著要獲得背景標記圖像。為得到背景的標記符圖像,即得到確信為背景的像素，這些像素剛好位于目標標記的中間位置，也就是分水嶺脊線。對原圖像進行距離變換，然后再進行分水嶺變換，即得到分水嶺脊線，也就是背景標記圖像。

有了目標標記圖像和背景標記圖像后，使用強制最小值來修改梯度圖像。借助數(shù)學形態(tài)學極小值技術,把提取的目標標記圖像當成梯度圖像的局部最小值,從而過濾掉原有圖像中的所有局部最小值。然后對修改后的梯度圖像進行基于標記的分水嶺變換，最終計算得到目標標志物分割邊界，重疊顯示在原圖像上。

4 實驗結(jié)果

為了驗證目標標志物提取算法的可行性和有效性，在matlab環(huán)境下對目標標志物圖像進行仿真實驗。其結(jié)果如圖1所示， 圖1（a）為目標標志物原始圖像，（b）轉(zhuǎn)換后的灰度圖像，（c）目標標志物的二值圖像。從二值圖像中可以看出，存在孤立點，且目標標志物圖像有空洞，采用數(shù)學形態(tài)學對其進行腐蝕和膨脹操作，其結(jié)果如圖（d）所示，去除了孤立點，圖像連續(xù)。對圖（d）求反，即為目標標志物圖像，如圖（e）所示。根據(jù)目標標志圖像，利用基于標記的分水嶺算法分割目標標志物圖像，得到如圖（f）所示的分割結(jié)果。

5 結(jié)論

從分割結(jié)果可以看到，該算法正確的分割了目標標志物圖像，并很好的保護原圖像的邊緣信息，驗證了該算法的有效性。

[1] 潘永利, 孫小雪.數(shù)字圖像處理技術在移動機器人中的應用[J].青島理工大學學報.2008, 29(5): 125.

[2] 關榆軍, 等, 圖像處理在X射線焊接檢測機器人焊縫識別中的研究[J].制造業(yè)自動化.2010, 32(10): 15.

[3] Rafael C.Gonzalez etc.數(shù)字圖像處理(M tlab版)[M].北京: 電子工業(yè)出版社.2008.

[4] 張貴英.骨髓淋巴細胞分割技術研究[D].貴陽: 貴州大學.2010: 25-26.