梁佳楠 李麗麗 周磊

?

基于圖像處理的位置坐標(biāo)獲取方法應(yīng)用*

梁佳楠1,2李麗麗3周磊1,2

（1.廣東省智能制造研究所 廣東省現(xiàn)代控制與光機(jī)電技術(shù)公共實(shí)驗(yàn)室 2.華南智能機(jī)器人創(chuàng)新研究院 3.順德職業(yè)技術(shù)學(xué)院）

圖像處理作為視覺(jué)控制的關(guān)鍵技術(shù)，可根據(jù)物體外部特征提取的輪廓進(jìn)行模板匹配，獲取物體在圖像中位置坐標(biāo)信息。以散亂的瑞士糖為例，通過(guò)對(duì)圖像進(jìn)行提取、濾波、灰度化和邊緣檢測(cè)，有效解決規(guī)則幾何目標(biāo)的識(shí)別問(wèn)題，且能準(zhǔn)確計(jì)算目標(biāo)的坐標(biāo)參數(shù)。

圖像處理；圖像濾波；邊緣檢測(cè)；圖像匹配

0　引言

圖像處理模塊可通過(guò)圖像處理算法，提取目標(biāo)圖像的特征信息進(jìn)行中心定位，是視覺(jué)系統(tǒng)的核心。本文對(duì)散落的彩色瑞士糖進(jìn)行試驗(yàn)，對(duì)所采集的圖像進(jìn)行提取、濾波、灰度化、邊緣檢測(cè)和模板匹配，并以此來(lái)確定目標(biāo)物體的位置坐標(biāo)[1-5]。

1　圖像處理模塊整體設(shè)計(jì)

圖像處理模塊一般由光源、鏡頭、數(shù)字?jǐn)z像機(jī)、圖像采集卡和計(jì)算機(jī)構(gòu)成。數(shù)字?jǐn)z像機(jī)拍攝目標(biāo)物體并將其轉(zhuǎn)化為圖像信號(hào)，通過(guò)圖像采集卡傳輸給圖像處理系統(tǒng)并灰度化；圖像在采集過(guò)程中受到自身或外部環(huán)境的影響，會(huì)引入將噪聲，將影響圖像質(zhì)量，需去除噪聲；提取輪廓，進(jìn)行相似性和一致性分析，獲得位置坐標(biāo)；位置坐標(biāo)反饋給控制器，用于路徑規(guī)劃和位置計(jì)算。圖像提取流程如圖1所示，圖像處理實(shí)驗(yàn)平臺(tái)如圖2所示。

2　圖像預(yù)處理

圖像預(yù)處理將物理圖像轉(zhuǎn)變?yōu)閿?shù)字信號(hào)。首先將圖像采樣劃分，分割為像素小區(qū)域，此時(shí)圖像像素灰度連續(xù)；再利用數(shù)值反映像素的明暗程度，使灰度不再連續(xù)，具有離散性。通過(guò)上述方法，可使每個(gè)像素都具備位置和灰度兩個(gè)屬性。這兩個(gè)屬性可構(gòu)成整數(shù)矩陣，被計(jì)算機(jī)采樣和量化處理，這樣物理圖像就轉(zhuǎn)換成計(jì)算機(jī)可識(shí)別的數(shù)字化圖像。

圖1　圖像提取流程

圖2　圖像處理實(shí)驗(yàn)平臺(tái)

彩色圖像包含的信息量較大，會(huì)增加識(shí)別算法的工作量，需對(duì)彩色圖像進(jìn)行灰度化處理。彩色圖像中，每個(gè)像素點(diǎn)都由紅()綠()藍(lán)()3個(gè)顏色分量組成，且每個(gè)分量都有255種值可取，其中0表示最暗黑色，255表示最亮白色?；叶葓D像指在模型中，當(dāng)時(shí)，則顏色為一種灰度顏色，其中的值稱為灰度值，因此，灰度圖像每個(gè)像素只需一個(gè)字節(jié)存放灰度值[6]。

本文對(duì)散落的彩色瑞士糖進(jìn)行試驗(yàn)。灰度處理前后的圖像如圖3所示。

3　圖像濾波

圖像處理環(huán)節(jié)往往會(huì)引入噪聲。一方面可能是成像系統(tǒng)、傳輸過(guò)程或記錄設(shè)備的不完善造成的；另一方面，輸入對(duì)象未達(dá)預(yù)期效果也會(huì)引入噪聲。噪聲信號(hào)以無(wú)用信息的形式，對(duì)圖像可觀測(cè)信息進(jìn)行擾亂。對(duì)于數(shù)字圖像信號(hào)，噪聲表現(xiàn)為或大或小的極值，這些極值通過(guò)加減作用于圖像像素的灰度值上，對(duì)圖像造成亮、暗點(diǎn)干擾[7]。去除目標(biāo)和背景中的噪聲影響，同時(shí)盡量保證目標(biāo)的形狀、大小和特定的幾何結(jié)構(gòu)特征，是圖像濾波必須考慮的問(wèn)題[6]。

圖像濾波可抑制目標(biāo)圖像噪聲，同時(shí)又能夠盡量保留圖像的細(xì)節(jié)特征。本文獲取坐標(biāo)是為了實(shí)現(xiàn)機(jī)器人的抓取，且對(duì)抓取速度有一定的要求。中值濾波雖然在圖像處理方面具有較大優(yōu)勢(shì)，但其耗時(shí)較長(zhǎng)。高斯濾波法是線性平滑濾波，具有可控性，且能有效保存物體的圖像信息，雖然部分細(xì)節(jié)會(huì)出現(xiàn)模糊，但是對(duì)目標(biāo)物體整體邊緣影響不大，故本文采用高斯濾波對(duì)圖像進(jìn)行濾波處理。

圖像濾波常用二維零均值離散高斯函數(shù)作平滑濾波器，二維高斯函數(shù)為[8]

濾波前后的圖像和經(jīng)過(guò)灰度化及邊緣檢測(cè)后的圖像如圖4所示。

圖4　高斯濾波前后效果圖

通過(guò)圖4(c)、圖4 (d)對(duì)比可知，經(jīng)過(guò)濾波的圖像雖然變模糊，但其邊緣特征更為明顯，很少有噪聲圖像出現(xiàn)。

4　圖像特征處理（邊緣檢測(cè)）

圖像信息有很大一部分都集中于邊緣，邊緣的確定，對(duì)整個(gè)圖像場(chǎng)景的識(shí)別和理解尤為重要。邊緣是灰度不斷連續(xù)的結(jié)果，邊緣處理就是求出每個(gè)像素在其領(lǐng)域內(nèi)的灰度變化。邊緣存在于圖像中的不同灰度鄰域之間，該變化是通過(guò)計(jì)算一階倒數(shù)或二階導(dǎo)數(shù)得到的。常見(jiàn)的邊緣可分為階躍型、斜坡型、線狀型和屋頂型。最理想的邊緣類型是階躍型，這種邊緣最容易識(shí)別。但是采樣過(guò)程會(huì)存在一些誤差，從而使邊緣發(fā)生灰度漸變，出現(xiàn)斜坡，成為斜坡型邊緣。線狀型邊緣因其本身就有灰度突變，所以在成像時(shí)會(huì)出現(xiàn)一條細(xì)線。屋頂邊緣是中間向兩側(cè)漸變，其灰度斜坡改變較為緩慢，因此會(huì)呈現(xiàn)粗邊緣。

在數(shù)字圖像處理中，常見(jiàn)的邊緣檢測(cè)方法主要基于Canny算子，其檢測(cè)精度較高，具有平滑作用，去噪能力強(qiáng)，檢測(cè)效果較好。檢測(cè)步驟如下：

1）消除噪聲，常用方法是利用高斯平滑濾波器，通過(guò)卷積運(yùn)算對(duì)系統(tǒng)進(jìn)行降噪處理，高斯內(nèi)核選取為

梯度的幅值的大小和方向可表示為

3）非極大值抑制，主要目的剔除不是邊緣的因素，留下一部分細(xì)線條作為候選的邊緣像素；

4）滯后閾值，由高閾值和低閾值組成，梯度值大于高閾值的部分作為像素邊緣保留；梯度值小于低閾值的部分像素直接刪除；介于兩閾值間且與邊緣點(diǎn)鄰接的點(diǎn)作為邊緣保留，否則刪除。模板及圖像邊緣化后的效果圖分別如圖5、圖6所示。

圖5　模板邊緣化效果圖

圖6　圖像邊緣化效果圖

5　圖像匹配

在得到圖像內(nèi)容、灰度和特征等之后，需將這些因素與內(nèi)部表達(dá)式之間相關(guān)聯(lián)，進(jìn)行相似性和一致性分析，并進(jìn)行相似影像的目標(biāo)匹配。本文主要采用模板匹配法來(lái)實(shí)現(xiàn)圖像匹配。模板相當(dāng)于一個(gè)已知圖像的集合，與目標(biāo)圖像有相同的圖像元素，也具有一樣的大小、方向和形狀的元素。在此集合中尋求目標(biāo)圖像，即將目標(biāo)圖像按一定的規(guī)律移至模板。由于誤差法具有較高的精度，匹配速度快，本文選擇誤差法進(jìn)行模板匹配。

其中，，為模板的寬和高。

將邊緣處理后的圖像（如圖5(a)）作為模板。結(jié)合誤差法，將選擇的模板在原圖中移動(dòng)、旋轉(zhuǎn)、匹配到與之相吻合的目標(biāo)物體，匹配結(jié)果如圖7所示。

6　圖像目標(biāo)物體的位置坐標(biāo)獲取

邊緣處理后，將圖像中的目標(biāo)物體進(jìn)行模板匹配，并按橫坐標(biāo)由大到小排列，編號(hào)從0開(kāi)始依次增加，如圖8所示。

圖7　誤差法進(jìn)行模板匹配

圖8　目標(biāo)物體的位置坐標(biāo)獲取

7　結(jié)論

相機(jī)拍的多組照片通過(guò)圖像處理算法進(jìn)行數(shù)據(jù)識(shí)別及計(jì)算，能夠準(zhǔn)確的識(shí)別目標(biāo)物體的邊界特征與質(zhì)心，從而得到一組完整的坐標(biāo)，解決目標(biāo)精確定位的問(wèn)題。

[1] 陳澤寧,張學(xué)習(xí),彭澤榮,等.基于機(jī)器視覺(jué)的工件定位和識(shí)別[J].電子科技,2016,29(4):99-103.

[2] 陳澤寧,張學(xué)習(xí),彭澤榮.基于機(jī)器視覺(jué)的工件定位和識(shí)別[J].電子科技,2016,29(4):99-103.

[3] 黨希超.基于視覺(jué)導(dǎo)向的機(jī)械手抓取定位技術(shù)研究[D].廣州:華南理工大學(xué),2013.

[4] 傅華強(qiáng),房芳.工業(yè)機(jī)器人視覺(jué)定位技術(shù)研究與應(yīng)用[J].工業(yè)控制計(jì)算機(jī),2016,29(3):1-3,5.

[5] 倪鶴鵬,劉亞男,張承瑞,等.基于機(jī)器視覺(jué)的Delta機(jī)器人分揀系統(tǒng)算法[J].機(jī)器人,2016,38(1):49-55.

[6] 龔愛(ài)平.基于嵌入式機(jī)器視覺(jué)的信息采集與處理技術(shù)研究[D].杭州:浙江大學(xué),2013.

[7] 徐家祥.電連接器殼體零件多尺寸精密測(cè)量系統(tǒng)[D].鎮(zhèn)江:江蘇大學(xué),2016.

[8] 高慶吉,徐萍,楊璐.基于改進(jìn)Harris角點(diǎn)提取算法的網(wǎng)格圖像破損檢測(cè)[J].計(jì)算機(jī)應(yīng)用,2012,32(3):766-769.

Application of Location Coordinate Acquisition Method Based on Image Processing

Liang Jianan1,2Li Lili3Zhou Lei1,2

(1.Guangdong Institute of Intelligent ManufacturingGuangdong Modern Control Andoptical Electrical and Mechanical Technology Public Laboratory2.South China Robotics Innovation Research Institute 3.Shunde Polytechnic)

Image processing, as the key technology of visual control, can extract the contour according to the external features of the object, match the template and obtain the position coordinates of the object in the image.Taking scattered Swiss sugar as an example, this paper studies the application of image recognition algorithms such as image extraction, filtering, grayscale and edge detection.It effectively solves the problem of identifying geometric objects and accurately calculates the coordinate parameters of targets.

Image Processing; Image Filtering; Edge Detection; Image Matching

梁佳楠，男，1989年生，碩士研究生，主要研究方向：工業(yè)機(jī)器人、工廠自動(dòng)化。E-mail: 561295016@qq.com

李麗麗，女，1981年生，碩士研究生，教師，主要研究方向：機(jī)器視覺(jué)與控制等。E-mail: lilili9922@163.com

周磊，男，1982年生，博士研究生，主要研究方向：生產(chǎn)智能控制。E-mail: 94718766@qq.com

廣東省科技計(jì)劃項(xiàng)目（2016B090912005）、（2015B090922008）；廣東省科學(xué)院創(chuàng)新驅(qū)動(dòng)發(fā)展能力建設(shè)專項(xiàng)（2017GDASCX-0115）、（2018GDASCX-0115）；廣東省科學(xué)院引進(jìn)全職博士學(xué)位人才資助專項(xiàng)（2018GDASCX-0955）。