馬繼東，李淑紅，朱玉杰

(東北林業(yè)大學(xué)工程技術(shù)學(xué)院，哈爾濱150040)

機器視覺是一門涉及諸多領(lǐng)域的交叉學(xué)科，其主要工作方式是利用計算機來模仿人或完成與人類視覺智能相關(guān)的某些職能行為，計算機從需要處理的物體的圖像中提取信息并且進行處理，再加以理解和分析，最終用于實際生活和生產(chǎn)中的檢測和控制。機器視覺技術(shù)主要應(yīng)用于工業(yè)探傷、精密測控、自動化生產(chǎn)線、郵政自動化、糧食選優(yōu)、纖維一些操作等。機器視覺技術(shù)作為一種先進的檢測技術(shù)，其主要的作業(yè)方法包括尺寸測量、缺陷檢測、模式識別、圖像融合、目標跟蹤及三維重構(gòu)等，本文主要運用到機器視覺尺寸測量的方法。

HALCON是由德國MVtec公司開發(fā)的一套完善的標準的機器視覺算法包軟件，擁有應(yīng)用廣泛的機器視覺技術(shù)集成開發(fā)環(huán)境。它節(jié)約了產(chǎn)品成本，縮短了軟件開發(fā)周期。在歐洲大多數(shù)國家以及日本的機器視覺使用者中被稱為最佳效能的Machine Vision軟件。

由于HALCON源自學(xué)術(shù)界，其有別于市面其他的商用軟件包。由一千多個各自獨立的功能強大的函數(shù)，以及底層的數(shù)據(jù)管理核心構(gòu)成。其包含了各種各樣的基本的幾何以及影像計算識別功能，例如濾波，校正，數(shù)學(xué)轉(zhuǎn)換色彩以及幾何，形態(tài)學(xué)計算分析，分類辨識，形狀搜尋等等。由于這些功能絕大部分并非針對特定工作設(shè)計的，因此只要需要圖像處理的地方，就可以用HALCON強大的計算分析判斷能力來完成工作。應(yīng)用范圍幾乎沒有任何限制，涵蓋醫(yī)學(xué)，遙感探測，監(jiān)控，到工業(yè)上的各類自動化檢測。

1 傳統(tǒng)樹木檢測方法的缺陷

基本測樹因子就是樹木直接測定因子以及派生的因子，其中包括樹干的直徑、樹高等因子。這些因子均為直接測定因子。還有一些測樹因子，例如形數(shù)、樹木材積、樹干的橫斷面積等因子就是在直接測定因子的基礎(chǔ)上根據(jù)計算公式和數(shù)據(jù)處理派生的。

對于樹木的胸徑等測定直徑的工具常用的有輪尺、直徑卷尺和鉤尺等。樹高一般使用樹高器進行測定，常用的有布魯萊斯測高器和超聲波測高器等。在傳統(tǒng)的尺寸測量方法中，被檢測的物體的外形通常情況下都是具有某種幾何形狀的，典型的方法是利用尺子在被測工件上針對某個參數(shù)進行多次測量后取得的平均值。這種測量方式雖然具有簡便和成本低的優(yōu)點，但是其測量精度低，測試速度緩慢，數(shù)據(jù)無法及時得到處理;同時對于樹高的測量來說，還存在著精度較差等缺點。

2 實驗過程

(1)圖像預(yù)處理。由于被測樹木周圍有許多背景與目標樹木的顏色相近，不利于經(jīng)過在HALCON測量時直接對目標樹木進行選定和測量，故使用圖像處理軟件將拍攝圖像進行處理。處理中將背景淡化，將被測樹木顏色加深，這樣識別時更加簡便。處理后的圖像如圖1所示。

圖1 預(yù)處理后的被測樹Fig.1 The measured tree after pretreatment

(2)標尺測定。由于機器視覺測量所得到的被測物體的尺寸單位為像素，而在不同距離和角度拍攝的照片的像素是不一樣的，故拍攝時將一個已知尺寸的物體放置于被測物體附近，稱之為標尺，將標尺物體的實際尺寸測量出來，然后運用軟件將其像素尺寸測量出來通過換算得出比例尺。這次使用一個籃球作為標尺物，標準籃球直徑為24.6cm。經(jīng)機器視覺軟件測量籃球的像素直徑為65.0cm，經(jīng)過簡單計算其比例尺為65∶24.6=1∶0.38。

(3)閾值的處理。測量尺寸之前主要使用閾值算子來獲取功能獲取圖上樹木的輪廓和剔除不必要的背景為下一步的測量創(chuàng)造條件。過程如下:

由于目標圖像尺寸比較大，不利于進行測量，所以先對其進行縮小，處理縮小到一個400×500(單位:像素)的利于操作的窗口中?？s小只是視覺上縮小并沒有影響被測圖片中被測物體尺寸。

dev_set_color(‘black’)

將窗口顏色設(shè)置為黑色，為了下一步選取目標樹木，將選取部分與其他部分的顏色區(qū)分。

threshold(Image，Region，30，100)

在圖片中選取灰度值為30到100的部分，最開始時對圖片進行了處理被測部分相比背景圖片顏色深很多，所以灰度值選取比較低的部分。閾值處理后的圖像如圖2所示。

圖2 閾值處理后的樹木圖片F(xiàn)ig.2 The tree image after threshold processing

圖3 樹木輪廓圖片F(xiàn)ig.3 The outline of the tree

由于經(jīng)過閾值處理之后的圖像還有很多不需要的圖像需要將其剔除掉，其中目標樹木的面積比較大，而其余的不必要的物體的面積比較小，利用面積的不同再次剔除出那些面積較小的物體以得到所需要的目標樹木輪廓。最后處理完的樹木輪廓如圖3所示。

(4)樹高的測量。獲取樹木的輪廓圖片以后，首先進行樹高的測量。

get_region_contour(SelectedRegions，Rows，Columns)

將樹木輪廓上的點識別出來用橫(Columns)縱(Rows)坐標表示，并記錄各點的橫縱坐標。

disp_line(WindowID，RowLine1，ColLine1，RowLine2，ColLine2)

在測量時，選用的方法是測量線和點的距離，所以將樹根部用一條直線標注出來，選擇坐標為(2670，500)和(2670，1500)的兩點畫一條直線，直線顏色為紅色。

將樹梢的點標記出來，標記方法為獲取該點的的橫縱坐標暨Rows［0］、Columns［0］(縱坐標為由于樹梢是整個輪廓圖片上最高的一點所以為0號點)。通過其橫縱坐標各加減20個單位長度畫出兩條線段以標記該點。如圖4所示。

圖4 地面與樹梢的標記Fig.4 The ground and the top mark

distance_pl(Rows［0］，Columns［0］，Row-Line1，ColLine1，RowLine2，ColLine2，Distance1)

測量樹梢點和地面的距離暨樹高，記錄在Distance1，其結(jié)果為2472.0;根據(jù)比例尺換算其真是樹高為2472×0.38=939.36cm，所以測量出樹高大約為9.39m。

(5)直徑的測量。獲取樹木的輪廓圖片以后，再進行樹木直徑的測量。

經(jīng)過對已標記的樹木輪廓點的篩選，從編號15200到15600點為樹干右側(cè)的各點，從編號16000到17000為樹干左側(cè)各點，因為縱坐標相同的點在樹木干部的高度是一樣的，其距離就是在該高度時樹木的直徑。選出樹干左右兩邊縱坐標相同的點。

利用與標記樹梢點同樣的方法標記出樹干左右兩側(cè)縱坐標相同的點。

distance_pp(Rows［i］，Columns［i］，Rows［u］，Columns［u］，Distance2)

測量兩點距離記錄在Distance2中。

3 實驗結(jié)果

最后將所測直徑高度位置與樹根位置的差和該位置的直徑數(shù)值分別兩兩一組記錄下來，得到最后的結(jié)果數(shù)表，見表1。

表1 測試結(jié)果 像素Tab.1 The measurement results(unit:pixel)

經(jīng)過比例尺換算得到樹木直徑實際單位下數(shù)值，見表2。

表2 測試結(jié)果 cmTab.2 The testing results(unit:cm)

為了保證測量的準確性，使用輪尺對樹木的直徑進行了測量，測量結(jié)果見表3。

表3 樹木直徑傳統(tǒng)測量結(jié)果 cmTab.3 The tree diameter measurement results by traditional method(unit:cm)

經(jīng)過對比平均直徑測量相對誤差為0.18%。

4 結(jié)論

通過對HALCON軟件對樹木樹高和直徑等數(shù)值的測量研究，可以得出以下的結(jié)論:

(1)利用機器視覺技術(shù)特別是HALCON軟件的使用，是可以完成樹木基本測樹因子的測量的。

(2)機器視覺測量出的結(jié)果與傳統(tǒng)測量方法測量的結(jié)果相比，誤差較小相對誤差為0.18%，是可以接受的。

(3)并且避免了人工測量的不準確和復(fù)雜性，避免了人工測量造成的很多不準確的因素。

(4)使用機器視覺測量后可以更快更準的測量出所需要測量的各項數(shù)值，并且測量出的數(shù)值可以直接進行數(shù)據(jù)處理，減少了錄入等步驟，可以提高作業(yè)效率。

［1］劉 敏，何高波.樹木測量的作業(yè)流程和方法研究［J］.礦山測量，2009，6(3):50-54.

［2］席 斌，錢 峰.機器視覺測量系統(tǒng)在工業(yè)在線檢測中的應(yīng)用［J］.計算機信息，2005，18(11):75-76.

［3］王 劍.果樹枝干三維重建關(guān)鍵技術(shù)研究［D］.北京:中國農(nóng)業(yè)科學(xué)院，2009.

［4］郝慧鵬，田 躍，張 南，等.基于HALCON的雙目視覺株高測量［J］.電子技術(shù)與軟件工程，2013(22):108-109.

［5］楊 磊，李文彬，闞江明.基于數(shù)學(xué)形態(tài)學(xué)的立木樹枝信息提取方法［J］.森林工程，2008，24(3):1-2.

［6］孫仁山.立木枝干機器視覺識別技術(shù)研究［D］.北京:北京林業(yè)大學(xué)，2006.