張 強(qiáng)， 謝家欣, 于微波， 丁春元

(長(zhǎng)春工業(yè)大學(xué) 電氣與電子工程學(xué)院， 吉林 長(zhǎng)春 130012)

基于改進(jìn)形態(tài)學(xué)消除光照不均勻算法

張 強(qiáng)， 謝家欣, 于微波*， 丁春元

(長(zhǎng)春工業(yè)大學(xué) 電氣與電子工程學(xué)院， 吉林 長(zhǎng)春 130012)

對(duì)光照度不均的原圖進(jìn)行先膨脹后腐蝕處理，通過(guò)頂帽變換去除提取到的圖像背景，再對(duì)原圖進(jìn)行邊緣檢測(cè)，提取邊緣信息來(lái)彌補(bǔ)由于頂帽變換造成的邊緣信息缺失，可以有效地去除陰影，保持連續(xù)的邊緣。

光照度不勻； 頂帽變換； 邊緣檢測(cè)

0 引 言

工業(yè)現(xiàn)場(chǎng)中，因?yàn)橹車h(huán)境復(fù)雜，且光照情況不固定，所采集到的圖像常常會(huì)出現(xiàn)光照不均勻現(xiàn)象，難以解決[1-2]。光照不均勻是影響分析結(jié)果和圖像測(cè)量精度非常重要的因素之一，由于光照度不均勻產(chǎn)生了大量的背景噪聲，在一定程度上使圖像的原始面貌產(chǎn)生變化，也加大了工件尺寸測(cè)量及后續(xù)圖像處理的難度[3]。因此，針對(duì)工件尺寸測(cè)量，去除光照不均勻算法的研究具有深刻的實(shí)際意義。

1 基于形態(tài)學(xué)的去除光照度不均方法研究

1.1 形態(tài)學(xué)處理的基本原理

基于形態(tài)學(xué)去除光照不均勻算法主要采用頂帽變換來(lái)消除光照不均勻所產(chǎn)生的影響。對(duì)采集到的圖像先進(jìn)行灰度開啟運(yùn)算，即灰度腐蝕之后膨脹，進(jìn)而得到光照不均勻的背景圖像。再通過(guò)頂帽變換，即原圖像減去提取的背景圖像，從而消除光照度不均勻帶來(lái)的影響[4]。

開啟運(yùn)算和閉合運(yùn)算在灰度圖像中的形式分別用f°b、f·b表示，定義為：

頂帽變換是由基本的灰度形態(tài)學(xué)腐蝕和膨脹運(yùn)算構(gòu)成，而灰度形態(tài)學(xué)的腐蝕與膨脹操作數(shù)學(xué)表達(dá)式與數(shù)字圖像處理當(dāng)中的卷積運(yùn)算類似[5-7]，只是采用和與差的方式來(lái)代替連續(xù)相乘，以取最大運(yùn)算和最小運(yùn)算代替求和運(yùn)算。圖像f的頂帽變換h為圖像之間的開運(yùn)算之差，表示為：

1.2 形態(tài)學(xué)消除光照度不均勻算法

首先進(jìn)行開啟運(yùn)算，即用結(jié)構(gòu)元素b對(duì)原始圖像f進(jìn)行腐蝕運(yùn)算，再進(jìn)行膨脹運(yùn)算，提取出圖像的背景k；然后運(yùn)用頂帽變換，即原圖像f減去所提取的背景圖像k，得到消除光照不均勻之后的圖像h[8]。在頂帽變換時(shí)會(huì)造成灰度降低的現(xiàn)象，所以還需要對(duì)其進(jìn)行灰度拉伸操作。基于形態(tài)學(xué)消除光照度不均勻算法實(shí)驗(yàn)如圖1所示。

(a) 原圖 (b) 去除背影的圖像 (c) 對(duì)比度調(diào)整后圖像 (d) 二值化后

選取在環(huán)境光照射下采集到的圖像進(jìn)行實(shí)驗(yàn)，先對(duì)原圖像進(jìn)行開啟運(yùn)算，提取到原圖像背景；再經(jīng)過(guò)頂帽變換，得到去除背景后的圖像(見(jiàn)圖1(b))，能夠看出經(jīng)過(guò)頂帽變換后的圖像比較暗，還需要進(jìn)行灰度拉伸，以此增加圖像的亮度，得到對(duì)比度調(diào)節(jié)后的圖像(見(jiàn)圖1(c))。最后，將調(diào)整對(duì)比度的圖像二值化，得到二值化圖像(見(jiàn)圖1(d))。

由圖1實(shí)驗(yàn)結(jié)果可以看出，基于形態(tài)學(xué)去除光照度不均方法對(duì)消除光照不均勻的影響效果較好，但會(huì)造成圖像邊緣細(xì)節(jié)信息的缺失，使邊緣變得模糊，影響測(cè)量的精度。

2 改進(jìn)的形態(tài)學(xué)消除光照度不均勻算法

由于基于形態(tài)學(xué)去除光照不均勻算法存在邊緣細(xì)節(jié)模糊的問(wèn)題，所以需要對(duì)其進(jìn)行改進(jìn)。改進(jìn)算法的主要核心在于對(duì)原始圖像邊緣檢測(cè)，提取邊緣信息后，用所提取的邊緣信息來(lái)彌補(bǔ)頂帽變換造成的邊緣缺失。相比較其他邊緣檢測(cè)算子，高斯-拉普拉斯(LOG)算子計(jì)算量小，運(yùn)算簡(jiǎn)單,速度快，在有效避免噪聲影響前提下，能夠有效保護(hù)邊緣細(xì)節(jié)信息，平滑圖像，提取較細(xì)的邊緣信息，并能夠得到連續(xù)的邊緣。所以，LOG算子可較好地提取采集工件圖像邊緣信息。

先用高斯函數(shù)對(duì)圖像進(jìn)行濾波，再對(duì)濾波后的圖像進(jìn)行拉普拉斯運(yùn)算，邊界點(diǎn)為其值等于零的點(diǎn)[9]。

LOG運(yùn)算：

h(x,y)=2[g(x,y)]*f(x,y)(4)

根據(jù)卷積求導(dǎo)法可得：

h(x,y)=[2g(x,y)]*f(x,y)(5)

對(duì)式(6)求關(guān)于x的一階偏導(dǎo)數(shù)，可以得到：

對(duì)式(7)求x的偏導(dǎo)，即得到高斯函數(shù)g(x,y)的二階偏導(dǎo)：

同理，求出g(x,y)關(guān)于y的二階偏導(dǎo)：

故

基于LOG邊緣檢測(cè)的形態(tài)學(xué)消除光照不均勻算法的基本思想是：先進(jìn)行開啟運(yùn)算，提取背景，再運(yùn)用頂帽運(yùn)算，消除光照不均的影響，最后提取邊緣信息，進(jìn)行邊緣修復(fù)。算法具體流程如圖2所示。

圖2 改進(jìn)后的形態(tài)學(xué)消除光照不均勻算法流程

其基本步驟如下：

1)獲取原始圖像，先腐蝕后膨脹，即開運(yùn)算，消除小顆粒噪聲，平滑邊界，斷開陰影和物體之間的粘連，提取圖像背景；

2)對(duì)圖像進(jìn)行頂帽變換，得到去除背景后的圖像，突出了比原圖輪廓更加明亮的區(qū)域，彌補(bǔ)由于開運(yùn)算產(chǎn)生的裂縫和低亮度區(qū)域，消除光照不均勻造成的影響；

3)對(duì)比與研究各種傳統(tǒng)的邊緣檢測(cè)算子，選擇LOG算子對(duì)原始圖像進(jìn)行邊緣檢測(cè)提取；

4)用所提取的邊緣信息來(lái)彌補(bǔ)頂帽變換造成的邊緣缺失，并對(duì)邊緣信息進(jìn)行修復(fù)，最終得到改進(jìn)算法處理后的圖像。

3 實(shí)驗(yàn)結(jié)果及分析

由于工業(yè)采集環(huán)境光比較復(fù)雜，實(shí)驗(yàn)室無(wú)法模擬復(fù)雜的工業(yè)采集環(huán)境的光照，文中通過(guò)3種光照來(lái)驗(yàn)證算法去除光照不均勻的效果。分別為對(duì)環(huán)境光照射下采集的齒輪工件圖像、LED光源垂直照射下采集的齒輪工件圖像和LED光源斜射下采集的齒輪工件圖像進(jìn)行去除光照不均勻?qū)嶒?yàn)，實(shí)驗(yàn)結(jié)果如圖3～圖5所示。

(a) 灰度化后的圖像 (b) 形態(tài)學(xué)處理后的圖像 (c) 改進(jìn)算法處理后的圖像

(a) 灰度化后的圖像 (b) 形態(tài)學(xué)處理后的圖像 (c) 改進(jìn)算法處理后的圖像

(a) 灰度化后的圖像 (b) 形態(tài)學(xué)處理后的圖像 (c) 改進(jìn)算法處理后的圖像

通過(guò)3組實(shí)驗(yàn)對(duì)比可以看出，形態(tài)學(xué)處理后的圖像邊緣仍有斷裂，邊緣信息不夠連續(xù)，而經(jīng)過(guò)邊緣修復(fù)后，改進(jìn)后的圖像(c)邊緣要比改進(jìn)之前的圖像(b)清晰，有效地解決了邊緣信息不連續(xù)的問(wèn)題，保持了邊緣信息的良好。

4 結(jié) 語(yǔ)

針對(duì)工業(yè)采集圖像時(shí)復(fù)雜環(huán)境光對(duì)工件圖像的影響，提出了一種基于形態(tài)學(xué)消除光照度不均勻的算法，通過(guò)對(duì)3種光照條件下采集到的齒輪工件圖像進(jìn)行實(shí)驗(yàn)可以看出,經(jīng)過(guò)邊緣處理、修復(fù)后的圖像具有清晰的邊緣信息，且連續(xù)。文中提出的算法能夠彌補(bǔ)基于形態(tài)學(xué)消除光照不均勻算法的不足，不僅消除了光照不均勻的影響，而且保持了圖像的邊緣，效果良好，算法簡(jiǎn)單，易于實(shí)現(xiàn)。

[1] 史東承，于明會(huì).基于數(shù)學(xué)形態(tài)學(xué)濾波的灰度圖像邊緣檢測(cè)[J].長(zhǎng)春工業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版，2008，29(3)：283-286.

[2] 王宏志,劉媛媛,孫琦.基于小波變換矩陣的改進(jìn)脊波變換圖像去噪[J].吉林大學(xué)學(xué)報(bào):理學(xué)版,2010,48(1):99-103.

[3] 孫忠貴.數(shù)字圖像光照不均勻校正及Matlab實(shí)現(xiàn)[J].微計(jì)算機(jī)信息，2008,24(3/4):313-314.

[4] 馬士友,付致偉.基于直方圖均衡和冪次變換的灰度圖像增強(qiáng)算法[J].計(jì)算應(yīng)用與軟件，2013,30(4):261-263.

[5] 陳蕭楓,潘保昌,鄭盛林，等.用頂帽變換估計(jì)并消除圖像背景[J].微計(jì)算機(jī)信息,2008,24(3):310-311.

[6] Jackway P T. Improved morphological Top-Hat [J]. IEEE Elec-tronies Letters，2000,36(14):1194-1195.

[7] Xiangzhi Bai, Fugen Zhou. Multi scale top-hat transform based algorithm for image enhancement [C]//Proceeding of Signal Processing,2010. Beijing: IEEE,2010:797.

[8] 王升峰,楊永全.基于頂帽變換和LBP算子的紋理特征提取方法[J].軟件導(dǎo)刊,2016,15(12):5-7.

[9] 嚴(yán)國(guó)萍,何俊峰.高斯-拉普拉斯邊緣檢測(cè)算子的擴(kuò)展研究[J].華中科技大學(xué)學(xué)報(bào)：自然科學(xué)版,2006,34(10):21-23.

Algorithmofeliminatingunevenilluminationbasedonmorphology

ZHANG Qiang， XIE Jiaxin， YU Weibo*， DING Chunyuan

(School of Electrical & Electronic Engineering, Changchun University of Technology, Changchun 130012， China)

The original images with uneven illumination are dealt with open operation first and then the image background are extracted with top-hat transform. The edge information of the original image is detected and extracted to compensate the edge deficiency generated from top-hat transform.

uneven illumination; top-hat transform; edge detection.

2017-07-25

吉林省科技廳基金資助項(xiàng)目(20140204018GX)

張 強(qiáng)(1992-)，男，漢族，吉林長(zhǎng)春人，長(zhǎng)春工業(yè)大學(xué)碩士研究生，主要從事機(jī)器視覺(jué)檢測(cè)技術(shù)方向研究,E-mail:palmchang@outlook.com. *通訊作者：于微波(1970-)，女，漢族，吉林長(zhǎng)春人，長(zhǎng)春工業(yè)大學(xué)教授,碩士，主要從事機(jī)器視覺(jué)測(cè)量與控制技術(shù)方向研究,E-mail:yuweibo@ccut.edu.cn.

10.15923/j.cnki.cn22-1382/t.2017.5.10

TP 391.41

A

1674-1374(2017)05-0464-04