劃片機(jī)視覺識(shí)別系統(tǒng)設(shè)計(jì)原理分析

根據(jù)T將圖像分成目標(biāo)和背景兩部分，分別求出兩部分的平均灰度值：

其中：i為灰度值，ni為灰度值等于i的像素個(gè)數(shù)，由此得到新的閾值：

如果：Tk+1=Tk，則迭代過程結(jié)束，否則繼續(xù)。

以上圖像預(yù)處理過程利用Open CV視覺函數(shù)庫中都能得到很好實(shí)現(xiàn)。

幾何特征點(diǎn)集是能正確反映定位標(biāo)志位置點(diǎn)的集合，特征的選擇對(duì)最終的模板匹配有重要影響。幾何特征點(diǎn)數(shù)目越多匹配精度越高。但速度相對(duì)會(huì)慢。數(shù)目越少匹配精度會(huì)差。但速度相對(duì)會(huì)快。因此，我們經(jīng)過多次實(shí)驗(yàn)盡量選擇了最合適的幾何特征點(diǎn)，兼顧了匹配的速度和精度。在此系統(tǒng)的應(yīng)用背景下，定位模板的幾何邊緣點(diǎn)是很好的選擇。為提取定位模板的幾何特征點(diǎn)集，首先利用迭代算法對(duì)圖像進(jìn)行分割，然后利用SUASAN邊緣和角點(diǎn)提取算法得到定位模板的幾何邊緣點(diǎn)。

3.4 幾何邊緣角點(diǎn)提取原理

SUSAN幾何邊緣提取，是在給定大小的窗口中對(duì)像素進(jìn)行運(yùn)算，得到窗口中心點(diǎn)處的角點(diǎn)初始響應(yīng)，再在所有初始響應(yīng)中尋找局部極大值，得到最終的幾何邊緣點(diǎn)集，其算法如下：

(1)由以下兩公式計(jì)算窗口中灰度值與窗口中心像素相似的像素個(gè)數(shù)n(x0y0)：

(2)由下式得到角點(diǎn)的初始響應(yīng)：

(3)重復(fù)(1)(2)得到圖像中所有像素處的角點(diǎn)初試響應(yīng)，最后尋找局部極大值得到邊緣點(diǎn)集和角點(diǎn)的位置。幾何閾值對(duì)輸出的結(jié)果有一定影響，它不僅影響輸出角點(diǎn)的數(shù)量，更重要的是它還影響輸出角點(diǎn)的形狀，例如，當(dāng)減小幾何閾值時(shí)，被檢測出的角點(diǎn)將會(huì)更尖銳?；叶炔铋撝礣對(duì)輸出的角點(diǎn)的幾何形狀的影響不大，但它會(huì)影響輸出角點(diǎn)的數(shù)量。因?yàn)榛叶炔铋撝刀x了窗口中容許的最大灰度變化，而在劃切工件中，圖形模板與其背景圖像融合處灰度變化是最大的，所以當(dāng)減小灰度閾值時(shí)，算法可以檢測出圖像中更微小的邊緣幾何變化，輸出更多的角點(diǎn)。

顯而易見，在劃片機(jī)的自動(dòng)對(duì)準(zhǔn)系統(tǒng)中，如果以模板圖像的幾何特征點(diǎn)作為依據(jù)，那么特征點(diǎn)的數(shù)量將會(huì)顯著減小，運(yùn)算時(shí)間也大大縮短，可以大幅度提高自動(dòng)對(duì)準(zhǔn)的速度。

4 結(jié)束語

以上算法均在基于Open CV視覺函數(shù)庫的基礎(chǔ)上得到很好的實(shí)現(xiàn)，整個(gè)圖像處理過程在PC機(jī)上完成，使用VC++6.0開發(fā)工具實(shí)現(xiàn)。經(jīng)過不斷現(xiàn)場實(shí)驗(yàn)，我們最終認(rèn)為：以0pen CV視覺函數(shù)庫為基礎(chǔ)，經(jīng)過SUSAN濾波，迭代分割和SUSAN幾何邊緣角點(diǎn)提取算法得到的定位模板圖像的特征點(diǎn)效果理想，它不僅全面保留了圖形的輪廓特征，還極大地減小了特征點(diǎn)的數(shù)量，并可有效地提高劃片機(jī)圖像匹配自動(dòng)對(duì)準(zhǔn)的精度和速度。