李榮佳，何通能，顧約翰

(浙江工業(yè)大學(xué)信息工程學(xué)院，浙江杭州310023)

0 引 言

通過(guò)全自動(dòng)繞線機(jī)得到的繞線產(chǎn)品會(huì)出現(xiàn)磁環(huán)圈數(shù)少繞的現(xiàn)象，而線圈數(shù)是決定其主要性能的指標(biāo)，也是最終決定其是否合格的主要指標(biāo)。本研究基于計(jì)算機(jī)圖像處理技術(shù)，并結(jié)合數(shù)學(xué)形態(tài)學(xué)理論及應(yīng)用Matlab圖像處理工具，對(duì)磁環(huán)線圈圖像進(jìn)行預(yù)處理方法研究及其實(shí)驗(yàn)驗(yàn)證。

1 數(shù)學(xué)形態(tài)學(xué)

數(shù)學(xué)形態(tài)學(xué)主要研究圖像的形態(tài)幾何特征、結(jié)構(gòu)特征的定量分析和描述，是線性處理的延伸。數(shù)學(xué)形態(tài)學(xué)是由形態(tài)學(xué)的代數(shù)運(yùn)算組成的，它有4個(gè)基本運(yùn)算:膨脹、腐蝕、開(kāi)啟和閉合，它們?cè)诨叶葓D像和二值圖像中各有特點(diǎn)?；谶@些運(yùn)算還可以推導(dǎo)和組成各種數(shù)學(xué)算法，利用它們可以進(jìn)行圖像結(jié)構(gòu)和形狀的分析及處理，包括圖像濾波、圖像分割、邊界檢測(cè)、圖像增強(qiáng)和特征提取等［1］。

腐蝕和膨脹是最基本的數(shù)學(xué)形態(tài)學(xué)運(yùn)算，主要作用是去除結(jié)構(gòu)中多余部分，保證圖像內(nèi)部結(jié)構(gòu)不變［2］。腐蝕和膨脹的組合運(yùn)用稱為開(kāi)啟運(yùn)算和閉合運(yùn)算，研究者可以將相連的圖像對(duì)象進(jìn)行分割。經(jīng)過(guò)雜波的去除，圖像分割，留下需要分析的特定圖像對(duì)象，這些圖像對(duì)象內(nèi)部是連通的，外部是分開(kāi)的，這樣對(duì)連通數(shù)的統(tǒng)計(jì)將更精準(zhǔn)。

2 磁環(huán)線圈數(shù)圖像識(shí)別方案設(shè)計(jì)

本研究所設(shè)計(jì)的磁環(huán)線圈數(shù)識(shí)別流程如圖1所示。該流程包括:磁環(huán)線圈圖像的格式轉(zhuǎn)換、灰度轉(zhuǎn)換、中值濾波、代數(shù)運(yùn)算、閾值分割、形態(tài)學(xué)處理和識(shí)別計(jì)數(shù)等［3］。

下面結(jié)合實(shí)例，介紹每一步處理的目的和效果。

圖1 磁環(huán)線圈數(shù)識(shí)別流程圖

3 磁環(huán)線圈數(shù)目圖像識(shí)別

本研究選取了具有代表性的磁環(huán)線圈圖像進(jìn)行處理，繞線磁環(huán)原圖如圖2所示。所要識(shí)別的就是棕色和紅色的線圈數(shù)目。

圖2 繞線磁環(huán)原圖

3.1 圖像灰度化

把彩色圖像轉(zhuǎn)成灰度圖像稱為圖像灰度化處理［4］。由于筆者需要提取的是線圈的特征，不關(guān)心其他的顏色，先把彩色RGB圖像轉(zhuǎn)換成灰度圖像，以降低特征提取的難度。本研究采用對(duì)RGB圖像三分量進(jìn)行加權(quán)平均來(lái)計(jì)算灰度值，其計(jì)算公式為:

式中:Gray—灰度值;R，G，B—圖像的紅、綠、藍(lán)分量值。

對(duì)于企業(yè)的運(yùn)行而言，經(jīng)濟(jì)法規(guī)范了企業(yè)的行為作風(fēng)，防止企業(yè)采取不正當(dāng)手段謀利傷害群眾利益，保護(hù)了國(guó)民的基本權(quán)益。

變換后的圖像如圖3所示。

圖3 灰度化圖像

3.2 圖像灰度變換

本研究使用直方圖灰度變換，因?yàn)橹恍枰獙?duì)磁環(huán)的線圈部分進(jìn)行均衡化，可以用adapthistq()函數(shù)［5］，實(shí)現(xiàn)對(duì)圖像進(jìn)行對(duì)比度自適應(yīng)直方圖均衡化?；叶燃?jí)變換不用依賴像素在圖像中的具體位置。通過(guò)一個(gè)T變換，把原來(lái)在范圍［p0，pk］內(nèi)的亮度p變換為一個(gè)新的范圍［q0，qk］內(nèi)的亮度q，由下式給出:

直方圖均衡化減小了極小值附近的亮度對(duì)比度，增強(qiáng)了靠近直方圖極大值附近對(duì)比度［6］。H(p)表示輸入直方圖，［p0，pk］表示輸入的灰度級(jí)范圍。本研究要得到一個(gè)單調(diào)的像素亮度變換q=T(p)，使輸出的直方圖G(q)在整個(gè)輸出亮度范圍［q0，qk］內(nèi)是均勻的。直方圖可以看成是離散的概率密度函數(shù)，則有:

上式的求和為離散分布函數(shù)。假設(shè)圖像有N行和N列，那么均衡化處理的直方圖G(q)就對(duì)應(yīng)著均衡的概率密度函數(shù)f:

用式(4)的值替換式(3)的左邊，就可以得到準(zhǔn)確的均衡化直方圖。這時(shí)式(3)變?yōu)?

最后得到如下像素亮度變換:

經(jīng)過(guò)直方圖均衡化處理，可以得到的效果如圖4所示。均衡化的直方圖如圖5所示。

圖4 自適應(yīng)直方圖均衡化后效果圖

圖5 自適應(yīng)直方圖均衡化后直方圖

3.3 圖像的代數(shù)運(yùn)算

本研究把圖像的背景提取出來(lái)后，通過(guò)圖像減法運(yùn)算，將背景圖從原圖中減去后，可以得到磁環(huán)線圈的中心區(qū)域，即感興趣區(qū)域。減法運(yùn)算后的效果圖如圖6所示。

圖6 減法運(yùn)算后的效果圖

3.4 圖像的二值化

圖像分割就是把圖像分成幾個(gè)區(qū)域并提取出感興趣的目標(biāo)的過(guò)程。本研究的感興趣目標(biāo)就是線圈，通過(guò)灰度閾值法處理將圖像轉(zhuǎn)換成黑白二值圖像，處理結(jié)果如圖7所示。

圖7 二值圖像

3.5 形態(tài)學(xué)處理

本研究對(duì)二值圖像所進(jìn)行的形態(tài)學(xué)處理主要包括開(kāi)運(yùn)算、閉運(yùn)算、清除孤立前景像素等［7］。

腐蝕和膨脹是形態(tài)學(xué)用得比較多的兩個(gè)基本運(yùn)算，膨脹是相對(duì)于目標(biāo)的操作，而腐蝕是相對(duì)于背景的操作［8］。膨脹和腐蝕的對(duì)偶關(guān)系可以表示為:

處理后的圖像如圖8所示。其中一些較小的孤立干擾點(diǎn)已被消除，前景圖像邊緣變得更加清晰。

圖8 形態(tài)學(xué)處理后的二值圖像

3.6 識(shí)別計(jì)數(shù)

所有的處理操作已經(jīng)完成，最后的工作就是對(duì)最終圖片中的連通區(qū)域進(jìn)行計(jì)數(shù)，利用Matlab的bwlabel函數(shù)可以實(shí)現(xiàn)計(jì)數(shù)。因?yàn)檫B通的區(qū)域數(shù)目就是磁環(huán)線圈的數(shù)目，最終得到的結(jié)果為16，和實(shí)際的線圈數(shù)16完全吻合。

4 實(shí)驗(yàn)驗(yàn)證

該實(shí)驗(yàn)選取了50個(gè)合格產(chǎn)品和50個(gè)不合格產(chǎn)品，進(jìn)行Matlab仿真識(shí)別。將100個(gè)產(chǎn)品按如圖1所示的磁環(huán)線數(shù)識(shí)別流程圖逐一進(jìn)行產(chǎn)品圖像讀入、格式轉(zhuǎn)換、灰度轉(zhuǎn)換、代數(shù)運(yùn)算、二值化、形態(tài)學(xué)處理，最后進(jìn)行識(shí)別驗(yàn)證。結(jié)果只有一個(gè)合格產(chǎn)品被誤判為不合格，其余都判斷正確，識(shí)別率達(dá)到了99%。

其中，這一個(gè)誤判的合格產(chǎn)品經(jīng)人工檢驗(yàn)，發(fā)現(xiàn)是由于一端的線頭彎曲到磁環(huán)上方，實(shí)物圖如圖9所示。

圖9 誤判的合格產(chǎn)品

5 結(jié)束語(yǔ)

本研究針對(duì)磁環(huán)線圈數(shù)目問(wèn)題，基于Matlab軟件，結(jié)合圖像處理和識(shí)別計(jì)數(shù)實(shí)現(xiàn)了磁環(huán)線圈數(shù)目的識(shí)別功能。實(shí)驗(yàn)結(jié)果表明，該方法識(shí)別誤差小，如果所采集的圖像效果足夠好，誤差可以大大降低。因?yàn)橄到y(tǒng)主要靠線圈的亮點(diǎn)進(jìn)行識(shí)別，采集環(huán)境中的光照［9］十分重要，也是今后考慮的重點(diǎn)。同時(shí)根據(jù)誤判的那個(gè)產(chǎn)品，研究磁環(huán)的長(zhǎng)線頭可能彎曲影響到識(shí)別計(jì)數(shù)的準(zhǔn)確性，由于3個(gè)區(qū)域是固定的，本研究可以采取對(duì)3個(gè)區(qū)域截圖［10］，然后分別進(jìn)行識(shí)別計(jì)數(shù)的方法，準(zhǔn)確率將會(huì)得到更好的改善。

［1］張德豐.Matlab數(shù)字圖像處理［M］.北京:機(jī)械工業(yè)出版社，2009.

［2］秦襄培.Matlab圖像處理與界面編程寶典［M］.北京:電子工業(yè)出版社，2009.

［3］湯 勃，孔建益，王興東，等.基于數(shù)學(xué)形態(tài)學(xué)的帶鋼表面缺陷檢測(cè)研究［J］.鋼鐵研究學(xué)報(bào)，2010，22(10):56-59.

［4］LIU C，SZELISKI R，BING K S，et al.Automatic estimation and removal of noise from a single image［J］.IEEE Transactions on Pattern Analysis and Machine Intelligenc，2008，30(2):299-314.

［5］秦襄培，鄭賢中.Matlab圖像處理寶典［M］.北京:電子工業(yè)出版社，2011:248-265.

［6］劉良江，王耀南.灰度直方圖和支持向量機(jī)在磁環(huán)外觀檢測(cè)中的應(yīng)用［J］.儀器儀表學(xué)報(bào)，2006，27(8):840-844.

［7］BUADES A，COLL B，MOREL J M.Nonlocal image and movie denoising［J］.International Journal of Computer Vision，2008，76(2):123-139.

［8］SONKA M，HLAVAC V，BOYLE R.圖像處理、分析與機(jī)器視覺(jué)［M］.3版.北京:清華大學(xué)出版社，2011.

［9］王 想，郭延文，杜振農(nóng)，等.圖像和視頻亮度的自動(dòng)調(diào)整［J］.電子學(xué)報(bào)，2009，37(S1):79-86.

［10］劉 剛.Matlab數(shù)字圖像處理［M］.北京:機(jī)械工業(yè)出版社，2010.