南京郵電大學計算機學院 洪 磊

南京師范大學電氣與自動化工程學院 范育奇

Canny邊緣檢測在等離子顯示器精密定位中的應用

南京郵電大學計算機學院 洪 磊

南京師范大學電氣與自動化工程學院 范育奇

介紹了Canny算子邊緣檢測的基本原理，闡述了其優(yōu)越性。分析了基于計算機視覺的等離子顯示器屏板定位的工作原理，將Canny算法運用到等離子顯示器定位中的圖像處理環(huán)節(jié)。結合算法實現(xiàn)步驟，分析并說明了其遵循的基本原則。最后在MATLAB環(huán)境下編譯并調試，對其理論進行實驗驗證。實驗結果表明，經(jīng)過直方圖均衡化后的圖像有效的減少了噪音的干擾，在此基礎上Canny邊緣檢測的結果可以清晰的顯示出圖像的邊緣信息，顯示器的三塊板子之間的相對位置更加明顯，非常適用于精密定位。

Canny檢測算法；等離子顯示器；直方圖均衡化；精密定位

引言

邊緣,是一個圖像最重要的特征之一,邊緣檢測也是圖像處理以及機器視覺涉及到的基本問題,所謂邊緣,就是指待測圖像其像素灰度存在屋頂形狀變動抑或階躍型變動的所有像素點的集合,其作用就是區(qū)分開目標圖像中亮度變化較其他區(qū)域明顯的像素點。邊緣信息涵蓋了圖像中的主要內容,具備了圖像的主要特征,因此,對圖像進行邊緣提取能夠從很大程度上縮小數(shù)據(jù)處理范圍,大大減小工作量,同時削減了無關信息,保留了原始圖像重要的結構特性。

精密定位是當今社會熱門話題之一,本文所選取實驗對象是由東南大學自主研發(fā)出的蔭罩式等離子顯示器(SMPDP),在對其進行粗定位時利用機器視覺檢測技術,粗定位的定位精度可達微米級別。簡單來說,機器視覺檢測系統(tǒng)是讓計算機模擬人眼視覺感知功能,從而對目標圖像進行識別、檢測以及處理的系統(tǒng)。定位時,計算機需要對接收到的三塊板子的相對位置圖像進行去噪、平滑、邊緣檢測等預處理。而邊緣作為圖像信息最關鍵的要素之一,在圖像檢測、識別與處理中有著舉足輕重的地位。邊緣信息不僅影響到計算機對整個圖像背景信息的識別與整合,更是后續(xù)圖像分割所依賴的前提與基礎。因此,合理有效的算法選擇將影響到整個計算機視覺檢測定位工作臺的工作效益。Canny算子是重要的邊緣檢測算子,是最優(yōu)的階梯型邊緣(step edge)檢測算子,本文將其運用到等離子顯示器的定位當中,得到了良好的試驗效果。實驗結果表明,運用直方圖均衡化以及Canny算子對等離子顯示器的上下基板以及蔭罩板進行圖像處理可以有效的檢測出較為清晰的圖像邊緣,得到三塊板子間較為清晰的相對位置。

1 計算機視覺定位技術

東南大學自主研發(fā)的蔭罩式等離子顯示器(SMPDP)的前、后基板以及蔭罩之間的相對位置關系如圖1所示。前基板上布有水平的電極線,后基板上布有垂直的電極線,垂直電極線寬度為水平電極線的兩倍,寬為120um,蔭罩板上布有圓形網(wǎng)孔,等離子顯示器的生產工藝要求前后基板電極線兩兩正交,其交點與蔭罩板的網(wǎng)孔中心重合。然而實際生產過程中難以通過肉眼對其進行分辨,因此需要利用相關的視覺檢測系統(tǒng)對其進行精密定位。

整個控制系統(tǒng)以工業(yè)控制計算機為中心,包括視覺傳感器、高速視頻采集卡和專用的圖像處理設備等多個關鍵模塊。視覺傳感器采用的是4組同等型號大小的CCD攝像頭用于拍攝三板最初相對位置。得到原始圖像之后,在放大鏡頭的輔助下對圖像進行平滑、去噪、邊緣檢測,使得圖像特征變得明顯,為后續(xù)的進一步定位作鋪墊。

圖1 SMPDP前后基板與蔭罩的相對位置

2 Canny算子實現(xiàn)原理及步驟檢測

2.1 Canny算子原理及優(yōu)越性

Canny算子實現(xiàn)圖像處理的原理是在提高目標圖像邊緣敏感度的同時,可以有效地抑制不相干的外部干擾,如噪聲等。其本質是對圖像中邊緣信號進行極大值檢測從而篩選出目標物體真實的邊緣像素點。從以下三個標準來說,最適合利用Canny邊緣檢測算子進行圖像檢測的信號為當圖像受到白噪聲影響時的階躍型邊緣。

(1)檢測標準。

不流失圖像最重要的邊緣像素點,不能誤檢出虛假的邊緣像素點,評判參數(shù)信噪比SNR應盡可能大。

(2)定位標準。

圖像真實邊緣和Canny算法檢測到的邊緣相對位置偏差盡可能的小。定位精度越高越好。

(3)單響應標準。

若系統(tǒng)輸入存在多個響應,將其降低至單個邊緣響應,即單響應輸入。

2.2 算法步驟

利用Canny算子進行圖像處理以及檢測的主要步驟可以分為以下四點:濾波、增強、檢測、定位。具體實現(xiàn)步驟如下:

(1)利用2D高斯濾波模板和目標圖像進行卷積,消除原始圖像中的噪聲信號。本實驗中系統(tǒng)選取的是方差為1的濾波模板,高斯平滑函數(shù)可以表示為:

(2)利用導數(shù)算子(如Prewitt算子等)分別找出原始待測圖像像素灰度沿著水平、垂直兩個方向上的導數(shù),進而計算得到對應的梯度值:。本實驗中選取的卷積算子為:

(4)在求出了圖像邊緣的條件下,將其梯度方向分成4等分,分別為,進而能夠找出本像素梯度方向上的鄰接像素。

(5)在求出了像素梯度大小及方向之后,對梯度的模實現(xiàn)非極大抑制。讀入圖像,分別比較某點的像素灰度值與其前后兩個梯度方向上的像素灰度值,若該點的灰度值不是三者中的最大值,即判定該點為待測物體中的非邊緣點,同時將其像素值置0。

(6)使用雙閾值算法進行進一步檢測并且連接像素的邊緣。凡是比高閾值大的像素點必然為真實邊緣點,而低于低閾值的像素點則一定是非邊緣點,若像素點的梯度值處于高閾值、低閾值之間,則進一步判斷在該像素點的所有鄰接像素中有無大于高閾值的邊緣像素點,如果存在這樣的像素點,即將其判定為目標物體的真實邊緣點,否則,即為非邊緣點。Canny算子檢測的流程圖如圖2所示。

圖2 Ganny檢測算子流程圖

3 實驗及仿真

3.1 直方圖均衡化

在利用Canny算法對圖像進行處理之前,首先需要對圖像進行先行的去噪,噪聲源主要是在CCD攝像頭拍攝過程中的光線抖動引起的誤差。直方圖均衡化是利用累計函數(shù)對原始圖像中各個像素灰度值進行新一輪分配整合,最終使得圖像對比度得到增強。其算法計算步驟如下:

(5)重復步驟2,統(tǒng)計映射后的灰各個度級所占像素個數(shù)。

圖3 圖像直方圖均衡化前后比較注：a)原始灰度圖像圖像均衡前；b)原始灰度圖像均衡后；c)原始灰度圖像均衡前直方圖；d)原始灰度圖像均衡后直方圖。

圖4 Canny算法檢測實驗結果注：a)高斯去噪平滑；b)梯度檢測；c)非極大抑制；d)雙閾值分割。

根據(jù)上述算法闡述的六個步驟對計算機收集到的初始目標圖像進行直方圖均衡化。由于本實驗收集到的圖像是三個板子的相對位置圖,其大小是在三維空間內,因此首先對圖像進行三維變二維的仿真,即進行灰度變換?；叶茸儞Q后直方圖均衡化前的圖像灰度圖和直方圖的分布如圖3a)、c)所示,直方圖均衡化后的灰度圖及其直方圖的分布如圖3b)、d)所示。

從圖3中可以看出,均衡前的灰度圖其直方圖分布相對較為密集,圖像與背景的區(qū)分度不是很明顯,而經(jīng)直方圖均衡化之后,對比度得到了明顯地提高,背景與圖像部分分辨率更高,然而由于灰度平均的原因,不可避免的使得原有圖像中的某些部分變得模糊,而且灰度級部分減少,原圖里一些存在高峰的區(qū)域經(jīng)均衡化后對比度不自然地過度增強。因此,本文采用Canny算法就可以將圖像進一步的去噪,使得圖片的一些細節(jié)更容易被捕捉。

3.2 Canny邊緣檢測

根據(jù)Canny邊緣檢測的步驟進行MATLAB編程及仿真,對等離子顯示器的前后基板以及蔭罩板的相對位置圖像進行濾波、非極大抑制、雙閾值分割等處理,每一步的運算結果如圖4(a)-(d)所示。

從圖4中可以看出經(jīng)過四個步驟的檢測之后,圖像的邊緣被清晰的描述出來,并且不存在偽邊緣,幾乎可以檢測出較為完整連續(xù)且細致的邊緣。三板之間的相對位置得以大致確認,為進一步的精密定位作了鋪墊。

4 結束語

在MATLAB軟件仿真實驗的驗證下,證實了Canny算子的優(yōu)越性,可以在噪聲抑制以及圖像平滑、邊緣檢測方面實現(xiàn)一定的平衡,適用于計算機視覺檢測系統(tǒng)。然而仍然存在一些不足,比如說雙閾值的取值問題。閾值選取過大,抑制的效果越明顯,但計算量大大增加,閾值選取偏小,則會丟失相關細節(jié),對定位精度造成影響。因此,在下一步的研究目標中,應該主要將Canny算子作為邊緣檢測的基礎,而輔以利用其他算法對其進行進一步的改進優(yōu)化。

［1］范媛媛,桑英軍,沈湘衡.基于BP神經(jīng)網(wǎng)絡的圖像質量評價參數(shù)優(yōu)化［J］.應用光學,2012,32(6):1150-1155.

［2］王紀剛,陳家新.基于改進濾波的Canny醫(yī)學圖像邊緣檢測算法［J］.計算機測量與控制,2013(6):1577-1579+1593.

［3］唐繼勇.基于邊緣保持濾波的Canny彩色圖像邊緣檢測方法［J］.現(xiàn)代電子技術,2012(11):81-83+87.

［4］鄒霽.大尺寸超高清晰度等離子顯示器的研發(fā)及運用［J］.電視技術,2012(20):56-60.

［5］余鳳斌,李斌,于名訊.等離子顯示器用濾光膜的研制［J］.電子元件與材料,2011(11):58-60.

［6］王桂花.銀鹽方式等離子顯示器(PDP)用電磁波屏蔽膜的開發(fā)［J］. 影像技術,2008(3):10-13.

［7］常靚,陳志國.Matlab在圖像處理教學中的應用［J］.黑龍江科技信息,2008(26):78.

［8］宋濤,樊志新.用于銅扁線表面質量檢測的計算機視覺和圖像處理技術［J］.中國科技信息,2005(22):42.

［9］閆偉,金元郁.圖像處理在位置控制實驗系統(tǒng)中的應用［J］.工業(yè)控制計算機,2005(2):18-19.

［10］孫麗云,焦向東,劉丹,等.一種新的圖像處理實驗設計方法［J］. 艦船電子工程,2008(12):110-113.