尹思遠

(沈陽工業(yè)大學,遼寧沈陽　110023)

安全套正反面識別研究方法

尹思遠

(沈陽工業(yè)大學,遼寧沈陽110023)

本文主要通過應用matlab軟件應用幾種不同的算法對安全套正反面進行處理,從而使圖像達到簡化可以進行識別的方法。主要方法分為:拉普拉斯算子和sobel算子對圖像進行邊緣檢測,其中應用sobel算子對圖像進行處理的效果相對于拉普拉斯算子效果更加明顯。

拉普拉斯算子sobel算子matlab

1　緒論

在日益發(fā)展的社會中，安全套的應用越來越頻繁，而生產(chǎn)廠商對其的生產(chǎn)效率也越來越看重，但是在生產(chǎn)過程的包裝工序對其正反面的正確與否不是能夠100%正確的，如果讓人力資源來進行這樣的檢測也是對人力資源的一種浪費。但是這又是一個相當重要的一個問題，怎么才能通過少量的支援來做到最大程度上的效率，這是一個我們應該思考的問題。但是通過對正反面圖像的處理再加以識別就可以容易的分辨出正面與反面的不同。

圖像識別的發(fā)展經(jīng)歷了三個階段:文字識別、數(shù)字圖像處理與識別、物體識別。文字識別的研究是從1950年開始的，一般是識別字母、數(shù)字和符號，從印刷文字識別到手寫文字識別，應用非常廣泛，并且已經(jīng)研制了許多專用設備。數(shù)字圖像處理和識別的研究開始于1965年。

圖1　正面圖片的處理效果

圖2　反面圖像的處理效果

針對目前圖像處理的相關問題，本文對圖像處理的方法進行研究，主要的創(chuàng)新包括:

(1)應用matlab軟件對圖像進行預處理和邊緣處理。

(2)應用更加精確的算子對圖像進行處理。

本文第二部分首先對提出方法的基本思想進行介紹，第三部分在給出了我們提出邊緣檢測算法描述，第四部分介紹了在matlab環(huán)境下的算法分析，最后是結束語。

2　基本思想

通過對已知圖像進行邊緣處理，得出其二值化圖像以及邊緣處理圖像，再以直方圖的形式變現(xiàn)出來以分辨正反面的差異。

圖3　正面圖像處理效果與分布圖

圖4　反面圖像處理效果與分布圖

圖5　正面圖像處理效果與分布圖

圖6　反面圖像處理效果與分布圖

表1　橫向邊緣檢測圖像灰度值

表2　縱向邊緣檢測圖像灰度值

表3　45度梯度方向灰度值

通過圖像處理算子對圖像進行邊緣處理，使圖像的邊緣更清楚的表現(xiàn)出來，從而方便對邊緣圖像進行二值化分析，方便分辨出正反面的差別。

通過此方法對圖像進行邊緣處理的結果可以得出安全套正反面的差異性，正面的輪廓相對于反面來說更加的明顯，所以通過處理之后的二值化圖可以看出來。

3　算法描述

主要通過matlab軟件對圖像進行程序編寫，從而得出不同階段圖像的效果。本文主要通過應用拉普拉斯算子與sobel算子對已經(jīng)二值化的圖像進行邊緣處理。

(1)拉普拉斯算子是最簡單的各向同性微分算子，具有旋轉不變性。一個二維圖像函數(shù) 的拉普拉斯變換是各向同性的二階導數(shù)，定義為:

為了更適合于數(shù)字圖像處理，將該方程表示為離散形式:

(2)索貝爾算子是圖像處理的算子之一，主要用作邊緣檢測。在技術上，它是一離散性差分算子，用來運算圖像亮度函數(shù)的梯度之近似值。

該算子包含兩組3×3的矩陣，分別為橫向及縱向，將之與圖像作平面卷積，即可分別得出橫向及縱向的亮度差分近似值。若原始圖像為A，則公式如下:

sobel算子的兩種形式（表1、表2）:

應用橫向與縱向算子對圖像進行處理的能力有限，所以可以應用這兩種算子進行融合從而得出45度sobel算子（表3）:

通過算子對二值圖像進行邊緣檢測得出容易觀察直方圖進行識別。

4　實驗分析

本次試驗應用matlab軟件對圖像進行仿真識別，matlab將數(shù)值分析、矩陣運算、編程技術、圖形處理結合在一起，為用戶提供了一個強有力的科學及工程問題的分析計算和程序設計工具，它還提供了專業(yè)水平的文字處理、符號計算、實時控制和可視化建模仿真等功能，是具有多種語言功能和特征的新一代軟件開發(fā)平臺。

分別通過對圖像二值化，繪制分布直方圖，中值濾波得到的圖像與直方圖分別為（圖1、2）:

(1)應用拉普拉斯算子對圖像進行處理(圖3、4）:

(2)應用sobel算子對圖像進行處理(圖5、6):

由此可以看出sobel算子對圖像處理的效果要優(yōu)于用拉普拉斯算子處理的圖像，通過sobel算子處理的圖像邊緣輪廓更加清晰，更加好辨認。

5　結語

本文重要通過兩種圖像邊緣檢測算子對圖像進行邊緣檢測，可以看出拉普拉斯算子在進行邊緣檢測時，處理后的圖像模糊無法清楚辨認，而通過sobel算子檢測的圖像邊緣清晰。同時還經(jīng)過對圖像進行中值濾波，從而使圖像的灰度值更加分散，方便邊緣檢測時突出邊緣。有圖像可以看出正面的輪廓要明顯清楚與反面，從而實現(xiàn)識別。

同時還應該尋求更好的邊緣檢測算子對圖像進行檢測，得到更清晰的輪廓邊緣。

[1](美)岡薩雷斯,(美)伍茲著數(shù)字圖像處理.電子工業(yè)出版社,2010年09月.

[2]皋軍.圖像的灰度直方圖均衡化的實現(xiàn)[J].鹽城工學院學報,Vol. 14,No.4,Dec,2001.

[3]章毓晉.圖像處理和分析基礎[M].北京:高等教育出版社,2002．

[4]Jinshan Tang. Digital image processing and pattern recognition techniques for the detection of cancer. [J].Pattern Recognition,2008,42(6).

[5]S.B. Dworkin. Image processing for machine vision measurement of hot formed parts. [J].Journal of Materials Processing Tech.,2006,174(1).

[6]利用中值濾波進行圖像處理[J].長安大學學報,2006.3(7):67-68.

[7]劉衛(wèi)國.MATLAB程序設計與應用[M].北京:高等教育出版社,2002.

[8]朱維仲,董彩萍.中值濾波技術及其在圖像處理中的應用[J].天津職業(yè)技術師范學院學報,2002,12(3).